在我们等待传统媒体中的高强度随机对照试验或更全面的准实验研究设计时，我们希望以下估计可能被视为暗示因果效应，但需适当注意，当营销人员和他们的广告代理商考虑如何分配广告预算并在类似的环境中应用适当的控制变量时，他们可能会很有用。4个模型本文的主要目的是估计品牌态度与广告支出变量之间的关系；展示这些影响在不同类型的广告媒体中是如何变化的；并说明控制变量如何改变估计。我们试图通过指定simplemodels并对比可比较指标和控制变量的结果来“让数据说话”。我们用ybtand ybt表示一个加上行业i中品牌b的任何焦点品牌态度指标的日志，用ybtand ybt表示其他两个指标。品牌b在第t周的1+民族传统、地方传统和数字广告支出记录分别为nabt、LABT和dabt；其竞争对手在第t周观察到的一加一广告支出记录分别为nacbt、lacbt和DACBT国家、地方和数字媒体。模型规格为ybt=TyXτ=1αyτyb，t-τ+TyXτ=1αy0τyb，t-τ+TyXτ=1αyτyb，t-τ+TaXτ=0βnyτnab，t-τ+TaXτ=0βlyτlab，t-τ+TaXτ=0βdyτdab，t-τ（1）+TaXτ=0βny，cτnacb，t-τ+TaXτ=0βly，cτlacb，t-τ+TaXτ=0βdy，cτdacb，t-τ+ZbtΘy+ybt。姿态度量的滞后数在Ty=13时保持不变。该模型还包括表5：不同控制变量的模型比较模型描述性指标/周。Br/季度。所有控制调整了感知质量。960 .968 .964 .971R感知价值的平方。955 .962 .959 .966最近的满意度。978 .982 .980 .983模型滞后态度，是的是的包括。。。

广告变量、品牌和周效应行业/周效应否否否否否否否否否否季度效应否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否。如附录表21所示，Ta的定性结果变化非常小。ZBTS规定了固定效应的矢量。基线规格包括样本中每个品牌和样本中每个星期的固定影响。后续回归还包括行业/周互动；品牌/季度互动；以及行业/周和品牌/季度互动。我们使用t周内品牌态度y的调查对象数量来衡量标准错误，因为基于较大样本量的品牌态度信息更丰富。通过最小化{（NyEy）·（NyEy）}来估计每个品牌态度模型y的参数，其中Ny=[nybt]，nybt是第t周品牌态度问题y的调查对象数量，Ey=[ybt]。5发现我们首先比较不同模型的IT统计数据（表5）。描述性模型解释了品牌态度数据中的大部分变化，调整后的R平方统计数据范围为。955至。这些高模型统计数据是可以预期的，因为品牌态度数据是强自相关的，基线规格除了575个品牌固定效应和252周固定效应外，还包括滞后的品牌态度。表5的第二列显示了将9324个行业/周固定效应添加到描述性模型中时的调整后R平方统计数据。尽管fit统计数据会惩罚模型复杂性的大幅增加，但无法解释的方差的比例却大幅下降，从。022-.045在描述性模型中，至。018-.038在带有行业/周控制的模型中。

F统计量否定了应将行业/周固定效应排除在模型之外的无效假设（p<0.001）。同样，品牌/季度固定效应降低了无法解释的方差的比例。022-.045在描述性模型中为。020-.041，即使在处罚了额外的11500个参数之后。F统计量拒绝了品牌/季度固定效应应排除在模型之外的无效假设（p<0.001）。最后，包含品牌/季度和行业/周固定效应的模型进一步降低了未解释方差的比例，相对于每个只有一组控制变量的模型。无论基线模型中是否包含其他一组控制变量，F统计量均拒绝了将行业/周效应或品牌/季度固定效应排除在模型之外的无效假设（p<.001）。数据表明，尽管描述模型的改进空间有限，但每一组控制变量对解释品牌态度都是单独和共同重要的。当然，模型统计并不能证明参数估计是无偏的，甚至不能证明结果是有意义的。接下来，我们解释并对比描述性模型和全控制模型的结果。附录中提供了仅包括行业/周控制和品牌/季度控制的模型结果。表6~8针对每个品牌态度模型和每种类型的广告，提供描述性和allcontrols规范中的所有广告参数估计值，对比每个品牌自身的广告效果与其竞争对手的广告效果。附录中给出了每个模型中滞后品牌态度的估计值。总的来说，虽然一些描述性模型的结果是直观的，但其中许多结果的解释是相当有挑战性的。

相比之下，全控制模型广告参数估计更具逻辑性，更具连贯性，可以确保它们可能更接近真正的因果效应。对于重要级别，参数估计精度由星号表示；附录中提供了标准错误。表6第一列中的描述性模型结果显示，感知质量倾向于随着国家和地方传统媒体自身广告支出滞后一周而增加，表6：感知质量规格的广告参数估计描述性模型所有控制模型广告支出。自有公司。国家（τ=0）4.12E-05 8.67E-05 2.27E-05-3.93E-04贸易。Ads（τ=1）1.04E-04**2.96E-04**6.67E-05**-4.04E-04（τ=2）-2.12E-05-7.80E-05 2.66E-05-3.43E-04（τ=3）2.63E-05-1.78E-04 3.26E-05-4.89E-04*（τ=4）4.13E-05 1.67E-04 6.99E-05**-9.75E-05（τ=5）-2.60E-05-5.27E-05 4.81E-05*2.10E-05局部（τ=0）3.91E-05 8.32E-05 2.50E-05 1.35E-04 trad。Ads（τ=1）5.70E-05*-4.60E-05 6.54E-05**2.21E-04（τ=2）2.68E-05 2.40E-04**-8.57E-06-5.40E-04*（τ=3）1.29E-05 7.30E-05 3.51E-05 1.81E-04（τ=4）1.70E-05 5.90E-05 2.68E-05-1.16E-04（τ=5）-2.68E-06-1.37E-04 3.97E-05-3.72E-04数字（τ=0）4.29E-05 4.72E-05 2.89E-05 1.97E-04Ads（τ=1）2.20E-05 2.08E-04 6.17E-05 5.25E-04（τ=2）-3.48E-05-3.26E-04*-3.69E-05-2.66E-04（τ=3）3.61E-05 1.23E-04 3.40E-05 8.08E-05（τ=4）1.54E-06 3.19E-04*-4.94E-06-1.37E-04（τ=5）-5.70E-05-3.83E-04**6.46E-06-7.89E-04**在95%置信水平上具有重要意义。**在99%的置信度水平上意义重大。这并不奇怪。然而，第二栏表明，感知质量也随着竞争对手在国家和地方传统媒体上的广告支出而增加；而且，随着竞争对手数字广告支出的不同滞后，它的增长和下降都会有所不同。

当然，品牌的态度指标可能会随着竞争对手的广告而增加，例如，如果竞争对手的广告吸引新的消费者加入该类别，他们会进行搜索以发现多个品牌的影响力和属性。然而，在广告商普遍关注的成熟品牌背景下，这似乎是一个不一致的结论，因为本研究中的大多数品牌在样本期开始时已经广为人知。在进行这项研究之前，我们的预期是，随着竞争对手的广告支出，品牌态度可能会下降，或者至少不会上升。表6第三列中的all controls模型广告参数估计也表明，感知质量往往会随着国家和地方传统媒体的广告支出而增加，但参数估计更精确。第四栏显示，随着竞争对手在所有三种媒体上的广告支出，感知质量往往会下降，这与我们对具有常规广告的成熟品牌的预期更加一致。表7给出了感知价值的类似对比。描述性模型显示表7：感知价值规格的Ad参数估计描述性模型所有控制模型Ad支出自有公司。自有公司。国家（τ=0）4.00E-05*2.78E-04**3.26E-05 1.32E-04贸易。Ads（τ=1）6.71E-05**1.10E-04 7.43E-05**-3.70E-04（τ=2）5.80E-05**-1.51E-04 6.41E-05**-1.84E-04（τ=3）4.96E-06-9.66E-05 1.88E-05-3.06E-04（τ=4）-1.71E-05-1.93E-04 3.22E-05-6.98E-05（τ=5）-5.56E-05**-2.19E-04*-1.15E-05-3.53E-04局部（τ=0）3.14E-05-1.49E-04 2.91E-05-3.25E-04Trad。

Ads（τ=1）2.91E-05-1.27E-04 3.60E-05-4.28E-04*（τ=2）8.30E-06 2.41E-04**2.66E-05 4.22E-05（τ=3）-1.88E-08-2.05E-04*1.03E-05-2.41E-04（τ=4）2.60E-07 1.29E-04 7.87E-06 5.94E-05（τ=5）4.31E-05-4.77E-05 7.78E-05**1.50E-04数字（τ=0）8.18E-05*3.33E-05 2.50E-05-5.36E-04Ads（τ=1）-4.19E-05 2.67E-04*-5.35E-05-3.51E-04（τ=2）7.19E-05-2.63E-04*8.18E-05*3.85E-04（τ=3）-6.42E-05 7.25E-05-5.54E-05 2.62E-05（τ=4）3.68E-05-2.03E-04 2.82E-05-1.50E-04（τ=5）4.70E-06 3.83E-04**4.50E-05 7.99E-04***在95%置信水平上具有重要意义。**在99%的置信度水平上意义重大。感知价值随着国家传统媒体广告投放的滞后而增加和减少。事实上，在描述模型中，所有竞争对手的广告/媒体组合中都出现了这种正面/重大和负面/重大结果的混乱模式，其中有多个重大发现。这些结果很难解释，似乎对这些发现的有效性产生了怀疑。然而，全控制模型没有显示出这种不和谐；感知价值随着广告商在所有三种媒体上的自有广告支出而增加，随着竞争对手在本地传统媒体上的广告支出而减少，并且（令人惊讶的）随着竞争对手落后的数字支出而增加。表8中的所有控制模型估计表明，最近的满意度随着国家传统媒体的自有广告而上升，但似乎对本地或数字广告支出并没有反应。

然而，竞争对手在本地传统和数字广告上的广告支出似乎损害了最近的满意度态度。我们总结并解释了所有控制模型中的主要发现如下：o自己的国家传统广告支出增加了所有三个品牌态度指标——感知质量、感知价值和近期满意度，存在多个显著滞后自有本地传统广告支出往往会提高感知质量和感知价值表8：近期满意度的广告参数估计说明模型所有控制模型广告支出自有公司。自有公司。国家（τ=0）2.72E-05-9.31E-05 2.05E-05-9.31E-05Trad。Ads（τ=1）2.37E-06-7.33E-05 1.72E-05 7.75E-05（τ=2）2.58E-05-2.96E-06 3.98E-05*-1.60E-05（τ=3）2.03E-05-2.96E-04**4.24E-05**-7.59E-06（τ=4）1.79E-05 1.54E-04*3.94E-05*1.01E-04（τ=5）-2.32E-05-4.45E-05 9.08E-06-5.57E-05局部（τ=0）-9.36E-07 4.35E-05-2.00E-05-3.31E-04*交易。

Ads（τ=1）3.04E-05 7.80E-05 1.34E-05-2.75E-04（τ=2）-2.54E-05-1.47E-05-2.06E-05-7.14E-05（τ=3）-1.39E-05 1.92E-04**-7.85E-06 2.14E-04（τ=4）-8.51E-06 3.08E-05-5.97E-06-1.12E-04（τ=5）4.83E-06-5.61E-05 1.49E-05-1.15E-04数字（τ=0）1.26E-05-4.48E-05 2.94E-06 7.93E-05Ads（τ=1）2.21E-05-7.25E-05 3.04E-05-2.02E-04（τ=2）1.31E-06 1.56E-04-6.54E-07 4.28E-04（τ=3）4.51E-06 1.86E-04-2.89E-07-3.62E-04（τ=4）9.13E-06-1.16E-04-8.46E-06-2.58E-04（τ=5）4.11E-06-1.62E-04-3.37E-07-7.72E-04***在95%的置信水平上具有重要意义。**在99%的置信度水平上意义重大。指标，但它不会检测到改变最近的满意度自有数字广告增加感知价值，但不会系统地改变感知质量或近期满意度竞争对手的国家传统广告支出会对感知质量产生负面影响，但不会可靠地改变感知价值或最近的满意度指标竞争对手的本地传统广告往往会降低品牌的感知质量、感知价值和最近的满意度指标竞争对手的数字广告往往会降低感知质量和最近的满意度。令人惊讶的是，竞争对手的数字广告似乎增加了感知价值。总结主要发现，所有控制模型表明：（i）品牌态度指数都随着品牌自身国家传统广告的多重滞后而上升；（ii）当地传统广告提高了质量和价值认知；（iii）数字广告增加感知价值；（iv）竞争对手广告的影响通常是负面的。

此外，包含适当的控制变量产生的影响模式似乎比没有控制的描述性结果更符合预期，统计上重要的参数估计数没有大幅减少。5.1可能的反向因果关系：落后的品牌态度是否会导致广告支出？根据我们对标准广告实践的理解，我们认为大多数品牌不会根据最近每周品牌态度的变化来调整广告支出。我们认为，品牌通常会提前很长时间制定季度或年度广告预算，并将这些预算分配给周和媒体载体，其方式通常不受品牌态度数据最近变化的驱动。然而，如果这种理解是错误的，那么第5节中报告的一些结果可能是虚假的。为了进行调查，我们逆转了所有对照规范，回归了每种类型广告支出的13个滞后和三个品牌态度变量中每一个的5个滞后。表9给出了与品牌态度变量滞后相对应的参数估计。在45个参数中，只有两个系数（4%）在95%置信水平下具有统计显著性，与I型误差的预期水平相当。因此，我们得出结论，同时性不是发现的主要驱动因素。5.2行业影响为了深入了解主要结果的驱动因素，我们重新估计了行业特定分区内的所有控制模型。表10以粗体显示了感知质量模型的结果，具有统计显著影响。

感知价值和近期满意度模型的结果见附录。主要结论是，尽管每个行业都有许多品牌，但与全样本校准结果相比，行业特定效应的统计能力较弱。行业特定估计显示的统计显著性比率与仅I类误差的预期值接近。在全国传统广告中，222个估计值中只有16个（7.2%）在95%置信水平上具有统计显著性；localtraditional和digital的可比数据分别为222人中的12人（5.2%）和222人中的11人（5.0%）。行业/周固定效应基本上被一组单独的周固定效应所取代，这些周固定效应是在每个分区中估计的。表9：落后态度对同期广告支出与国家贸易的影响。地址：。贸易。数字QB，t-τ(τ = 1) .006 .074 .082(τ = 2) .055 -.263 .154(τ = 3) .741 .091 .128(τ = 4) -.268 .706 * .028(τ = 5) -.148 -.171 .429*vb，t-τ(τ = 1) .398 .653 -.130(τ = 2) .151 -.422 -.055(τ = 3) .329 .273 -.114(τ = 4) .383 .536 .087(τ = 5) -.041 -.176 .337sb，t-τ(τ = 1) -.516 .269 .134(τ = 2) .059 -.406 .208(τ = 3) -.055 .149 .420(τ = 4) .255 -.550 .107(τ = 5) .639 .005 -.222Adj。R平方。770 .740 .870*在95%的置信度水平上显著。5.3所有品牌态度指标我们在分析中将主要注意力限制在三个特定的品牌态度变量上，我们认为这三个变量最有可能受到广告的影响，对广告商也很重要。当我们考虑所有七个可用的品牌态度指标时，效果如何？为了调查，我们估计了所有控制模型，但这次是针对七个品牌态度指标中的每一个，并在七个模型中的每一个模型中包括所有七个指标中的13个滞后。表11所有七种模型的ad参数估计。

我们关注的三个指标（感知质量、感知价值和近期满意度）的定性结论与第5节中报告的结果完全相同，表明了对所考虑品牌态度集的估计的稳健性。接下来的三个态度指标（推荐意愿、总体效果、对工作的自豪感）会受到自己在传统媒体上的广告的积极影响；而自豪的工作态度与自己的数字广告正相关。与竞争对手广告的关系好坏参半。最终态度指标（听说过）与传统媒体自身广告的所有滞后密切相关。这些结果并不令人惊讶；该调查工具明确地分析了最近的广告曝光情况。令人惊讶的是，“听说”和自己的数字广告之间没有任何可检测的关系。然而，随着同期竞争对手数字广告的出现，“收听量”有所下降。回想一下，YouGovpanelists在线回答品牌态度问题，因此结果来自受访者，他们甚至可能比总体人群更倾向于数字广告曝光。5.4时间聚合广告文献中的一个常见问题是，时间（dis）聚合如何影响估计结果（例如，参见Tellis和Franses 2006以及其中的参考文献）。为了进行调查，我们将品牌态度和广告支出变量分为两周和四周，然后在每个数据集中运行所有对照规范的可比版本。附录表24中提供的使用两周间隔数据的定性结果与每周水平的所有控制模型非常相似。表25中的四周结果也非常相似，尽管不太相似。

聚合数据产生的广告参数比例较高，在95%的水平上具有统计意义，其中39%的广告参数在四周的数据中具有统计意义，其次是两周和一周的数据集，分别为31%和20%。我们支持基于每周数据的结果，因为我们认为这些结果更加保守，并且每周数据能够更好地控制未观察到的混淆。6结论、局限性和含义在本研究中，我们分析了一个独特的“大N、大T”品牌态度和广告支出面板数据集，以调查三个特定的研究问题。我们将简单的模型应用于可比较的指标，以调查不同媒体中的广告如何改变消费者的品牌态度，并遵循明确的识别假设。我们进一步展示了这些影响是如何受到各种未观察变量控制的影响的，发现行业/周和品牌/季度固定效应是单独和共同的重要控制变量，其包含使广告参数估计更接近预期，而无需大幅减少。表11：所有品牌态度D.V.\'s品牌态度D.V.\'s品牌态度D.V.\'s品牌态度D.V.\'s品牌态度D.V.\'s品牌态度D.V.\'s品牌态度D.V.\'s品牌态度D.V.\'s品牌态度D.V.\'s品牌态度D.V.\'s。五、 质量价值满意度推荐关于城镇的有效工作（τ=0）3.06E-05 3.89E-05 2.35E-05 7.90E-06 2.11E-05 3.37E-05 1.32E-04**国家（τ=1）6.39E-05**7.20E-05**1.59E-05 6.40E-05**5.50E-05*6.03E-05**2.55E-04**贸易。

（τ=2）1.49E-05 5.19E-05*3.48E-05*6.63E-06 8.24E-06-5.91E-06 1.23E-04**Ads（τ=3）1.93E-05 7.84E-06 3.76E-05*3.55E-05 1.74E-05 4.47E-05*9.23E-05**（τ=4）5.32E-05*1.80E-05 3.26E-05*5.94E-06-5.74E-06 1.24E-05 1.00E-04**（τ=5）2.67E-05-2.94E-05 2.44E-06 5.57E-06 2.22E-06 1.96E-05 1.12E-04**自身（τ=0）2.91E-05 3.17E-05-1.87E-05 5.21E-05*3.85E-05 3.48E-05 1.29E-04**本地（τ=1）6.24E-05**3.29E-05 1.22E-05 3.68E-05 6.67E-05**8.39E-05**1.36E-04**交易。（τ=2）-1.85E-05 1.60E-05-2.60E-05 1.97E-05 6.37E-08 3.00E-05 1.03E-04**Ads（τ=3）2.64E-05 1.11E-06-1.22E-05-6.13E-06 4.66E-05 3.37E-05 1.10E-04**（τ=4）1.41E-05-2.59E-06-1.02E-05 2.68E-05 5.78E-06 2.25E-05 5.95E-05**（τ=5）2.33E-05 6.45E-05**8.77E-06 1.39E-05 3.62E-05-2.28E-05 9.75E-05**自有（τ=0）2.54E-05 2.40E-05 1.37E-06 5.22E-05 9.35E-06 1.20E-04**5.80E-05数字（τ=1）5.63E-05-5.93E-05 2.62E-05-6.81E-05 4.94E-05-2.25E-05-2.24E-05Ads（τ=2）-4.26E-05 7.85E-05-2.94E-06 6.13E-05 2.83E-05 2.11E-05 4.68E-05（τ=3）2.83E-05-6.03E-05-3.02E-06-1.66E-06 8.22E-07-1.13E-05 4.38E-05（τ=4）-1.09E-05 2.29E-05-1.03E-05 1.72E-05 4.28E-05-1.19E-05 1.93E-05（τ=5）-1.23E-05 2.81E-05-8.79E-06 5.10E-06-2.87E-05 1.87E-05 4.27E-05 COMP。（τ=0）-4.46E-04*1.06E-04-1.09E-04 1.28E-05 1.43E-04 8.59E-05-1.80E-04Nat\'l（τ=1）-4.36E-04*-3.87E-04 6.75E-05-5.84E-04**-2.58E-04 2.51E-05-8.95E-04**交易。（τ=2）-3.42E-04-1.70E-04-1.42E-05-1.51E-04-3.30E-04 1.54E-04-1.87E-04Ads（τ=3）-4.95E-04*-3.00E-04-1.64E-05 2.92E-04 2.00E-05 5.17E-04*-6.53E-04**（τ=4）-9.49E-05-4.91E-05 9.86E-05-2.92E-04 7.19E-05-1.40E-04 1.60E-04（τ=5）4.92E-05-3.33E-04-4.89E-05-2.52E-04 9.01E-05-2.22E-04-1.89E-04复合物。

（τ=0）1.37E-04-3.25E-04-3.23E-04*-3.99E-04-1.05E-04 3.05E-04-2.40E-05本地（τ=1）2.30E-04-4.09E-04-2.62E-04 1.73E-04 3.42E-04-3.80E-04 5.03E-06Trad。（τ=2）-5.25E-04*4.97E-05-6.31E-05 1.29E-05 6.63E-05-6.73E-05 4.85E-05Ads（τ=3）2.04E-04-2.17E-04 2.28E-04-1.06E-04 4.44E-04*-1.55E-05 9.24E-05（τ=4）-8.36E-05 6.34E-05-1.01E-04 1.10E-04 3.22E-05-8.14E-05 06-3.09E-04（τ=5）-3.38E-04 1.82E-04-1.03E-04 9.54E-05 1.08E-04 2.62E-04-1.00E-04组件。（τ=0）1.59E-04-5.74E-04 6.02E-05 6.28E-04*-1.06E-03**1.90E-04-6.59E-04*数字（τ=1）5.16E-04-3.56E-04-2.19E-04-5.35E-04 1.03E-03**-2.13E-04-5.55E-04Ads（τ=2）-2.47E-04 4.33E-04 1.01E-04 6.02E-04-4.38E-04-4.63E-04（τ=3）1.40E-04 7.19E-05-3.33E-04 4.05E-04-2.56E-04-3.25E-04 1.14E-04（τ=4）-1.12E-04-1.32E-04-2.58E-04-1.54E-04 6.82E-04*2.74E-04 8.20E-05（τ=5）-7.82E-04*7.91E-04**-7.97E-04**3.64E-04-4.80E-04 1.62E-04-2.40E-04调整。R平方。971 .966 .983 .968 .972 .961 .947*在95%的置信度水平上意义重大。**在99%的置信度水平上意义重大。估算精度。虽然所采用的控制方法可能并不完全适用于样本中的每个品牌，但我们认为，识别假设对于所考虑的大多数品牌都是合理的，并且总体结果可能接近真实效果。初步经验表明：（i）品牌态度指标均随着品牌自身国家传统广告的多重滞后而上升；（ii）本地传统广告提高感知质量和感知价值；（iii）数字广告增加感知价值；（iv）竞争对手广告的影响通常是负面的。

定性结果是可靠的，因为数据表明，它们不仅仅是由所考虑的一组品牌态度、模型中包含的广告支出滞后数量、广告支出先于品牌态度的假设或数据的暂时分解所驱动。我们希望所提供的发现和控制策略可以帮助营销人员及其代理商使用数据来指导重要的实际问题，如是否做广告、花费多少以及如何分配广告预算。在现有数据使广告对销售因果影响的估计复杂化的行业，如购买周期长或相互购买时间长的市场，可能尤其需要此类经验指导。然而，值得注意的是，广告/销售文献中提出的对统计能力的担忧也适用于广告对品牌态度的影响。有兴趣估计广告支出对品牌态度的准确影响的从业者应认真考虑进行数字实验，将传统广告支出跨时间和地理进行随机分组，并使用第3节中概述的准实验研究设计。本文分析的品牌态度数据无法准确估计行业特定效应，因此品牌特定效应更难估计。因此，我们建议调查其他中间指标作为候选广告应对措施，如门店交易、考虑或通过在线搜索获取信息（如Du等人，2017年）。这项研究受到许多警告和限制。其中最突出的是，发现和控制策略仅适用于所研究的一组品牌，即定期广告的成熟品牌。我们认为，它们在不断发展的类别中，对于新品牌或不定期广告的品牌，用途有限。

因此，了解这些情况下广告支出与品牌态度之间的联系仍然是未来研究的另一个主题，因为这很可能需要定制方法来控制驱动广告和品牌态度的未观察变量。我们认为，这些发现最重要的意义在于再次呼吁进行高性能的现场实验。理想情况下，这些方法将同时在多种类型的媒体上运行，在时间和空间上改变治疗方法，允许媒体之间的互动，并估计治疗对多种可比较的行为和态度指标的影响。特别是，随着越来越多的电视广告以数字方式发布，以及其他定位功能推向市场，这种广告应该变得越来越可行（Tuchman et al.2018）。我们相信，广告业最终将达到这样一个地步，即对因果影响的科学理解被用于制定媒体预算，可以证明媒体预算与利益相关的结果相关联。我们希望本文中的结果将提供一个有用的路标，以帮助指导假设和统计能力计算，因为行业正在朝着这样的方向发展。参考文献：Sailawadi、Kusum L.、Donald R.Lehmann、ScottA.Neslin。2003年，收入溢价作为衡量品牌资产的结果。《市场营销杂志》67（4）1–17。布雷克、托马斯、克里斯·诺斯科、史蒂文·塔德利斯。2015年，《消费者异质性和付费搜索效果：大规模现场实验》。计量经济学83（1）155-174。Borkovsky、Ron N、Avi Goldfarb、Avery M.Haviv、Sridhar Moorthy。2017年，在品牌管理的动态模型中衡量和理解品牌价值。营销科学36（4）471–499。克拉克、C.罗伯特、乌尔里希·多拉斯·泽尔斯基、迈克尔·德拉甘斯卡。广告对品牌知名度和感知质量的影响：一项使用面板数据的实证调查。

定量市场与经济学7（2）207–236。Danaher，Peter J.，Andre Bonfrer，Sanjay Dhar。2008年。竞争性广告干扰对包装商品销售的影响。《营销研究杂志》45（2）211–225。Danaher，Peter J.，Tracey S.Dagger。2013年，比较广告渠道的相对有效性：一项多媒体闪电战活动的案例研究。《营销研究杂志》50 517–534。Dotson、Jeffrey P、Ruixue Rachel Fan、Elea McDonnell Feit、Jeffrey D.Oldham、Yi Xin Yeh。2017。品牌态度和搜索引擎查询。《互动营销杂志》37 105–116。Draganska、Michaela、WesleyR.Hartmann、GenaStanglein。2014年，《互联网与电视广告：品牌建设比较》。《营销研究杂志》51（5）578–590。Draganska、Michaela、Daniel Klapper。2011年，《选择集异质性与广告的作用：微观和宏观数据分析》。《营销研究杂志》48（4）653–669。Du、Rex Yuxing、Kenneth C.Wilbur、Linli Xu。2017年，电视广告商是否应该最大化即时在线响应。工作文件。Gordon、Brett R、Florian Zettelmeyer、Neha Bhargava、Dan Chapsky。2017年，《广告衡量方法的比较：来自脸书大领域实验的证据》。工作文件。格里利斯，兹维。变量误差和其他不可观测项。计量经济学42（6）971–998。Hanssens、Dominique M、Koen H.Pauwels、Shuba Srinivasan、Marc Vanhuele、Gokhan Yildirim。2014。指导营销组合决策的消费者态度指标。营销科学33（4）534–550。Hartmann、WesleyR、DanielKlapper。2018年，《超级碗广告》。营销科学37（1）78–96。胡、叶、雷克斯·尤兴·杜、新浪·达曼吉尔。2014年，《分解广告的影响：利用在线搜索数据扩大销售》。《营销研究杂志》51 300–319。IAB，互联网广告局。2015年，可视性交易状态2015年。

白皮书。Joo、Mingyu、Kenneth C.Wilbur、Bo Cowgill、Yi Zhu。2014年，电视广告和在线搜索。管理科学60（1）56–73。考尔、阿尼尔、迪克·R·维廷克。关于广告对价格敏感性和价格影响的经验归纳。营销科学14（3）151–160。Kent，Robert J.，Chris T.Allen。竞争干扰对消费者广告记忆的影响——品牌熟悉度的作用。《市场营销杂志》58 97–105。Lee、Dokyun、Kartik Hosanagar、Harikesh Nair。2017年，《社交媒体上的广告内容和消费者参与度：来自Facebook的证据》。管理科学即将面世。Lewis，Randall A.，Justin M.Rao。2015年，衡量广告收益的不利经济学。《经济学季刊》130（4）1941-1973。Lewis，Randall A.，David H.Reiley。2014年，在线广告和在线销售：通过对雅虎的一项对照实验来衡量零售广告的效果！定量营销与经济学12（3）235–266。Liaukonite、Jura、Thales Teixeira、Kenneth C.Wilbur。2015年，电视广告和网上购物。营销科学34（3）311–330。Lodish、Leonard M、Magid Abraham、Stuart Kalmenson、Jeanne Livelsberger、Beth Lubetkin、BruceRichardson、Mary Ellen Stevens。1995年，《电视广告是如何运作的：389个现实世界的有线电视广告实验的荟萃分析》。《营销研究杂志》32（2）125–139。Lovett，Mitchell J.，Renana Peres，Linli Xu。2017年。没有免费的午餐对话：品牌广告对口碑的影响。工作文件。Mela，Carl F.，Sunil Gupta，Donald R.Lehmann。促销和广告对消费者品牌选择的长期影响。《营销研究杂志》34（2）248–261。欧文斯、贾斯汀·W、埃文·M·帕尔默、芭芭拉·S·查帕罗。2014年，文本广告盲症的普遍存在。

可用性研究杂志9（2）51–69。Rao、Justin M、Andrey Simonov。2018年。公司对商业实践公共信息的反应：搜索广告案例。工作文件。Sethuraman、Raj、Gerard J.Tellis、Ricahrd A.Briesch。2011年，广告的效果如何？品牌广告弹性元分析的概括。《营销研究杂志》48（3）457–471。夏皮罗，布拉德利。2018年，处方药广告的积极溢出和搭便车：抗抑郁药案例。《政治经济学杂志》126（1）381–437。Shiller、Benjamin、Joel Waldfogel、Johnny Ryan。2018年，广告屏蔽对网站交易和质量的影响。兰德经济杂志49（1）43–63。Srinivasan、Shuba、Marc Vanhuele、Koen H.Pauwels。市场反应模型中的思维定势指标：综合方法。《营销研究杂志》47（4）672–684。泰利斯、杰拉德·J.、拉杰什·K·钱迪、帕塔娜·塔伊万尼什。2000年。哪种广告有效，何时、何地以及多久模拟一次直接电视广告的效果。《营销研究杂志》37 32–46。泰利斯、杰拉德J、菲利普·汉斯·弗朗西斯。估计广告响应的最佳数据间隔。营销科学25（3）217–229。塔奇曼、安娜·E、哈里克斯·S·奈尔、佩德罗·M·加德特。2018年，电视广告跳跃、消费互补和消费者对广告的需求。定量营销与经济学16（2）111–174。怀特奥普斯。2016年，methbot运营。工作文件。Xu、Linli、Kenneth C.Wilbur、S.Siddarth、Jorge Silva Risso。2014年，制造商和经销商的价格广告。《管理科学》60（11）2816–2834。杨玉萍、吕强（史蒂文）、唐官庭、裴健。2015年，市场竞争对搜索广告的影响。《互动营销杂志》30 46–55。附录为简洁起见，本附录提供了正文中未包含的信息和结果。

表12按行业列出了样本中的所有品牌。表13-16分别显示了描述性模型、行业/周控制模型、品牌/季度控制模型和所有控制模型中的ad参数估计值及其标准误差。表17-20给出了所有四个模型中滞后因变量的参数估计和标准误差。表21显示了ad参数估计值随感知质量所有控制模型规范中包含的滞后数的变化。表22和23报告了行业特定的ad参数估计值和最近的满意度模型。表24和表25显示了按两周和四周时间间隔汇总的数据中估计的所有控制模型的结果。表12:IndustryIndustry所有品牌消费品Betty Crocker、Campbell\'s、Charmin、Clorox、Colgate、Crest、Dawn、Gillette、M&M\'s、Nabisco、Pillsbury、桂格、Schick、Snickers、TideTools/Hardware Bosch、Craftman、DeWalt、Lincoln ElectricSoft Drinks 7UP、A&W、可口可乐、Dr。

Pepper、Mountain Dew、Pepsi、Red Bull、SpriteBeverages：General Crystal Light、Dasani、Folgers、Gatorade、Green Mountain、Lipton、Maxwell House、Minute Maid、Motts、Powerade、Snapple、Tropicana、V8Media Devices Acer、Apple、BlackBerry、Brother、Canon、Dell、Gateway、HP、IBM、Intel、LG、Motorola、Nintendo、Nokia、Samsung、Sony、ToshibaDrugs：OTC Advil、Aleve、Alka Seltzer、Benadryl、Centrum、，Claritin、Metamucil、Nasonex、Neosporin、一天一次、Preparion-H、Tums、TylenolElectronics：视听Bose、日立、JVC、Kenwood、LG、松下、飞利浦、Pioneer、RCA、三星、夏普、索尼、东芝、雅马哈、ZenithInternet网站AOL、Ask。com，cnet。com、eBay、Facebook、Google、MSN、myspace、Net flix、Yahoo！，YouTubeHome/摆设店仅99美分，Ace五金，床浴及其他，板条箱和木桶，Dollar General，Dollar Tree，Home Depot，Home Goods，宜家，La-Z-Boy，Lowe\'s，Pier 1 Imports，Pottery Barn，True Value，Williams SonomaApplications博世，伊莱克斯，GE，Gibson，海尔美国，Kenmore，Lennox，LG，Maytag，Sub Zero，Viking，Westinghouse，WhirlpoolDept。大卖场、BJ批发、Bloomingdale、Cost Plus World Market、Costco、Dillard、Family Dollar、J.C。