无形资产减值测试评估.doc

《无形资产减值测试评估.doc》由会员分享，可在线阅读，更多相关《无形资产减值测试评估.doc（14页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流无形资产减值测试评估.精品文档.无形资产减值测试评估FASB142号准则（2001）及其他一些相关规范要求确认外购无形资产的公允价值、期间摊销，无形资产和商誉的年度减值测试，以确认潜在的导致减值损失。因为无形资产（专利、品牌、客户列表等）缺少活跃的和透明的市场，确定这些资产的公允价值和摊销率是一个非常挑战性的工作。而且，在大多数现实的案例中，外购的企业被融入收购企业的活动中，而不是独立的运作，结果导致自创商誉与外购商誉混在一起或取代了某些外购商誉。因此为减值测试确定商誉价值是一个复杂的目标。事实上，在FASB142的背景信息中（脚注30），委

2、员会提供了一个保守的陈述，“某些无形资产的公允价值估计以满足确认标准可能缺少其他资产公允价值计量的精确性。因为评估外购无形资产和商誉非常困难，委员会允许甚至鼓励运用多种评估方法，“委员会成员一般认同的方法，如市场资本化方法，折现现金流方法，剩余收益评估方法，投资的现金流回报法和经济附加值法，能够用来确定一个报告单元的公允价值”（SFAS142，P.71）。委员会推荐的评估方法并不是毫无遗漏的完全列举，因此我们在本研究中提出一个简单的可操作性的评估方法用来评估企业的整体无形资产价值。该方法既可被管理者用来进行初步的减值测试，也可由审计师用来验证管理者的评估。例如，如果我们的模型的估计低于公司无形

3、资产的账面价值，则发生减值的假定被支持，并需要执行进一步的减值测试。如果我们模型对的无形资产价值的估计明显超出公司确认的无形资产价值，则不需要进一步的减值分析。我们通过广泛的实证研究检验建立该无形资产评估模型的有效性。这些实证检验结果如下：（1）利用模型预测上市公司两年以前的实际计提的商誉减值；（2）模型对无形资本的估计优于剩余收益评估模型，该模型是被FASB推荐的评估方法之一，并在商誉注销预测中广泛使用；（3）我们的评估模型也优于利润、收入和股价变化对商誉注销的预测；（4）我们推荐的模型在初步的样本外测试中成功的通过了检验；（5）最后，我们的评估模型对无形资产价值的估计与主要的无形资产投资强

4、相关，如R&D，品牌投资、信息技术支出等，这一结论增加了我们推荐的评估方法的可信度。因此，我们推荐的无形资产评估模型与商誉减值测试，以及会计监管者加强资产公允价值报告的努力高度相关。本文第一部分描述了我们的无形资产评估方法；第二部分检验了模型对未来商誉减值的预测能力；第三部分比较了无形资产评估模型与广泛使用的剩余收益模型；第四部分报告了对样本外的检验；第五部分联系那些创造无形资产的主要投资指标，进一步检验我们的评估模型；第六部分是对全文研究的一个总结。1 企业无形资产的价值无形资产，例如专利和商业秘密，默许的技术秘密、商标、软件、训练有素的雇员、独特的组织设计以及商业过程（组织资本），都是对未

5、来收益产生作用的非实体性的资源。无形资产在许多重要属性上不同于有形资产和金融资产（股票，债券，买卖特权），所以影响着它们在会计上的确认和评估。一个主要的不同是无形资产在拥有者的所有权上（控制权，会计术语），相较于固定资产和金融资产，它很难明晰和稳定。无形资产的所有者不能确定的排除非所有者享有这些资产的收益，然而，无形资产的所有者至少可以做到部分排他性，也就是在一定限度的时段享有某些收益。即使是专利这种最可靠的无形资产，也只有二十年的有限，他们被授予的所有权也很难被完全证明，这已经被一些标的巨大且日益增长的专利侵害诉讼案例所证明，这些诉讼的解决率超过90。总之，这些状况表明，围绕一个专利进行投资

6、是相对容易和高频率的，并且可以获得其所有者的部分收益。许多发明/创新者，尤其是在快速增长的服务部门（如，金融创新），因为创新非常容易被模仿而不愿意申请专利（Lerner,2000）。考虑到其它的非专利的无形资产，所有者的权利很难被确立，利益只能部分的、暂时的属于资产拥有者。雇员转换工作，特别是发生收购之后，会带走过去雇主对他们投资的培训和技术秘密。甚至建立的商标都变化无常。(例如，宝丽来（Polaroid），一个广泛确认的商标，施乐复印机在2000年加入，AT&T不久就分解了)；独特的组织设计和过程迟早会被竞争者所模仿（例如，丰田汽车及时性的生产过程）。对于管理者，无形资产的部分排他性要求创造

7、特殊的策略以保证和维持最大限度的所有权（例如，专利投资的快速性，保持雇员获得一些特殊的知识捐赠）。从会计的角度来说，部分的排他性，或者对无形资产未来收益缺少完全的控制，产生了显著的不确定性，以及对公允价值估计的噪音和减值测试。有形资产和无形资产之间的另一个影响会计确认的属性是资产的可交易性。前者主要是在活跃的透明的市场上交易，而后者不是。尽管存在专利存在合理的活跃的交易（销售额和专利的特许证，见Gu 和Lev,2004）,但即使是一些商标的交易也是不透明的缺少特别条款和价格的细节信息。而其它的无形资产就很少能够交易。尽管在会计确认上可交易性并不是一个必须条件，但相对而言，无形资产缺少可见的市场

8、价格使其价值评估变得更为复杂，降低了其价值估计的可靠性。因此，无形资产的部分排他性和缺少可交易性导致单项无形资产的公允价值确定具有高度的不确定性和效用的可疑性。相反的，企业受业绩驱动的整体无形资产价值，能够被合理、可靠的评估。正如我们所讨论的，整体无形资产的价值对于必需的无形资产和商誉减值测试都是非常有用的。无形资产在经济学文献里更多被称为“技术知识”，它最早出现在增长理论的正式经济模型中，该模型联系经济产出和主要的输入，如资本、劳动力和技术。早期的Harrod-Domar 增长模型假定：技术知识是一种资本商品，它与其它生产因素相结合能够被用来生产最终产出，它能够保持很长时间，因为当它被用于生

9、产过程中不会被完全消耗，能够通过R&D和其它知识创造活动来积累，这些知识创造活动是那些利用当前的资源交换未来的收益的过程。在所有的方面，知识仅仅是一种无实体的资本商品。（Aghion 和 Howitt,1998,pp.25-26）。在增长模型上所强调的技术知识或无形资产的一个关键属性，就是它们总与其它的生产产出因素（资本，劳动力）联系在一起，无论是国家和企业层面都是这样。例如，“R&D过程”主要是提高生产系统的效率，它主要是与机器和雇主联合在一起提高产出。另一种重要的无形资产例子是基于互联网的分销渠道，它和物质产品、个人市场化一起来增加销售活动。关键的一点是无形资产很少单独起作用，因此，FAS

10、B提出的大部分的评估和减值方法（例如，未来现金流的当前价值，或者现金流资产回报）对这些能动无形资产都是不可行的。我们推荐的即简单又有可操作性的企业无形资产评估模型是基于“剩余方法”的：无形资产的价值来自企业的整个收入减去可确认资产的贡献固定资产和金融资产。具体过程如下：首先，我们评估方法基于两个关键假设：假设1：无形资产，例如R&D，专利和商标，都对企业的现在和未来的业绩有贡献。如果像我们假设的那样，无形资产的价值受公司业绩驱动，这些业绩应该能够同时反映过去和未来业绩（将要发生的）。已产生的业绩（例如历史收入）只能够反映无形资产的部分价值。假设2：在发达经济中，固定和金融资产是基本的商品，从某

11、种程度上说，竞争者有平等机会去获得（例如，所有的药学和生物学有机会获得最好的实验设备，信息技术，和生产设施）。因此，公司基本不可能从其他资产中获取持续的超额回报（超过资本成本）。固定资产和金融资产对公司业绩的贡献只能近似的以平均的经济范围（产业范围）的资产收益率来衡量。基于这些假设，接下来我们可以估计企业无形资产的价值（见图1）：（1）正常收益的确定。公司资产的最终产品，无论是有形的和还是无形的，均反映在它的核心收益（未考虑超常规和特殊项目之前的收益）。我们用这些收益(来自可计量的)作为无形资产估价的基础，再加上商誉和其它无形资产摊销额以避免重复统计，然后计算交易发生之前的三年的收益和交易发生

12、后的三年收入平均数，得到一个可持续收入的近似值。我们用I/B/E/S分析家的一致意见预测未来三年的收益（我们使用的预测是一年结束后的第四个月）。先前和未来收益的平均值就是一个公司当年的正常收益。（2）减去有形资产的贡献。为了获取无形资产对上述正常收益的贡献量，我们要减去净有形资产和金融资产对正常收益的贡献（考虑到我们对无形资产所采取的剩余价值方法）。净有形资产可以从年末资产负债表中财产、 厂房和设备项目获得，再加上存货，减去长期负债（我们所设想的长期债务主要是金融长期资产）。基于前面关于有形资产是一般商品的假设，我们采用经济范围内的固定资产收益率来评估企业的有形资产对于正常收益的贡献。各种研究

13、已经估计了这些贡献率大概在每年1011范围内（例如，Nadiri and Kim,1996;Poterba,1997）。由于我们处理的是税后的正常收益，需要把税前11的回报率转换成7的税后收益率（假设35的公司税率）。因此，我们从公司i在t年的正常收益中减去的有形资产收益贡献约为公司有形资产价值7%。（3）减去金融资产的贡献。我们估计公司的净金融资产的价值用年末的资产减去存货（后者是包括在有形资产中），加上长期投资价值，减去当前负债。我们估计金融资产对正常收益的贡献，采用了19世纪80年代和19世纪90年代普通的、混合的（50：50）股票和公司债券的税后收益率的平均值。这个年度平均收益率是约为

14、7，调整为税后收益率约为4.5。因此我们从公司正常收益中再减去金融资产的贡献，约为公司金融资产价值的0.045。（4）无形资产驱动的收益和无形资本。我们定义了正常收益超出有形资产和金融资产贡献的部分就是“无形资产驱动的收益”（IDE），反映了整体无形资产对企业过去和未来业绩的贡献，包括可辨认的（例如商誉、购买的无形资产）和不可辨认的（企业内部产生的专利，举个例子）无形资产。为了估计无形资本，我们计算了未来企业无形资产驱动收益（IDE）的当前价值。在这个方面，我们采用实践中广泛采用的三阶段价值模型：第一个阶段，适用于未来15年，假设当年的IDE的增长与分析家们一致的长期预测相同；第二阶段，适用于

15、未来610年，假设企业长期增长率与每年3的长期经济增长率保持线性相关（因此，到了未来第10年，企业被假设以平均经济增长速度3的速率增长）；从第11年起，企业的IDE被假设每年按3增长。在19世纪80年代和90年代，在两个产业中（它们的公司资产基本都是无形资产软件和应用生物）预测的IDE从实际平均股票收益以一定按比例减少。这个年度收益率大概是16，税后10.5。公司i的无形资本在t年末的价值是它未来预期IDE收益按10.5的折现率进行折现后的现值。表1是对所选择的双位数产业的无形资本评估值及相关指标的概要性统计。该表统计了这些指标的平均值和中值，从左到右依次是无形资产驱动收益（IDE）、无形资本

16、（IC）、净收入（NI）、公司账面价值/无形资本（BE/IC）、广泛使用的市场价值账面价值比例比率（ME/BE），以及一种新的综合比率（ME/CV）。综合比率（ME/CV）是用公司市场价值除以账面价值（减去可确指的无形资产）与整体无形资产评估价值（IC）之和的比率。表中数据显示以高科技为基础的产业，如化学和制药产业，机械和计算机产业，电气和电子产业，通信产业和软件产业，均是无形资产密集型的产业：他们都有非常低的BE/IC比率（分别是0.27,0.33,0.31,0.22.和0.22）。然而，表中数据也明显表明，无形资产在所有部门都相当普遍，即使在有形资产密集的产业，如石油和天然气产业、食品产业

17、和服装产业，它们的BE/IC指标中值均低于0.50（分别是043、037和0.39）。与广泛流行的观点相反，有价值的无形资产并不仅存在于高科技为基础的产业。确切的讲，在现代经济中所有的经济部门中，无形资产都是非常显著的，是事实上的主要价值驱动因素）。在表1的最右边列出的综合比例（ME/VC），反映了市场价值与所有资产（有形和无形）价值的比例。如果我们的无形资产评估模型可以获取投资者所观察到的无形资产的真实价值，它的平均值/中值均在样本期应接近于1。实际上，样本的综合比率平均值（中值）（表1的底部）是1.18(0.91)。相比较而言，市场价值与账面价值的比率的平均值（中值）是4.49(2.29)

18、。然而，个别产业和企业的综合比率通常是偏离1的，说明相对我们的评估而言，在一些特殊情况下，投资者总是高估或者低估无形资产。接下来，我们将检验该无形资产评估模型在商誉减值估计中的有效性。2 预测商誉减值。对经济指标有用性的一般性测试，例如产能利用率或者订货储备，通常是看它与其他可选择的指标相比，是否对一个重要现象或事件的预测能力更有效。对照上市公司披露的实际商誉减值，我们相应的通过回归模型分析用前述评估模型计算的无形资本价值的年度变化与实际商誉减值的关系来检验其预测能力。显然，如果我们的方法能够获得无形资产价值的重要信息，估计的无形资本变化将最终反映到商誉的减值中。特别的，我们把来自于Compu

19、std（第368号条款）报告的2001年和2002年的商誉减值与1、2年前的无形资本价值变化（ICt-1ICt-2）进行回归分析，同时引入了公司主要业绩指标在过去1、2的变化作为控制变量，这些指标包括收益指标、销售收入和股票价格（股票收益）。由于商誉减值主要是由企业运营业绩（销售收入和利润）恶化所导致的，这些恶化在某种程度上可以被投资者所观察和预测到。我们的三个基准指标（销售收入，利润和股票收益）对无形资本提供了有力的可替代性预测指标。表2提供了统计性描述。平均来看，商誉减值是市场价值的25（中值只有1.8%）。有趣的是，发生减值的公司的销售收入(平均值和中间值)在减值前的两年内都有所增加。相

20、反的，估计的无形资本在减值前的两年急剧下降。表3提供了上述回归模型中各种参数的估计值。模型1对商誉冲销与前1、2年的特殊项目前收益（NI）的变化进行了回归分析。在这个模型及接下来的模型中，所有变量均通过除以年初市场价值来缩小。从估计中可以明显发现，前1年的年度收益变化的影响是高度显著的，尽管前2年的变化影响不显著。由于先前收益变化大多对商誉减值企业的影响是负面的（先前一年收益变化的平均值是0.248;表2），NI指标的负相关系数估计值表明，平均来看，收益恶化越大，导致的商誉减值就越大。表3中的模型2对于独立的变量增加了前两年的销售额变化。前两年的销售额变化是显著的，然而前一年的销售额变化不是显

21、著的。SALESt-2的正相关系数看似违反直觉的。然而，表2中描述性数字反映了许多商誉减值的公司，至少在报告中，有销售额在确认商誉减值的前两年就增加的情况（平均SALESt-20.867）。因此，近来的销售特征对预测商誉减值不是很有用。模型3增加了回归之前股票收益的情况（用反常的收益去衡量：收益减去估计的合计股票收益），RETt-1 和RETt-2。两年前的收益是显著的，与期望的负相关。然而，要注意，三个模型整个解释的力度，用调节系数R2来衡量，销售额和股票收益对于收入的增加变化不多，模型中R2在1418之间变化。表3中的模型4在这篇研究中重点增加了独立变量估计的无形资本在一年和两年前的变化。

22、特别的，这两个新变量高度显著，均呈负数：无形资本减弱的越大，紧接着的商誉减值就会越大。正如所想到的，两年前的变化相关系数（0.037）小于一年的相关系数（0.051）,这就反映了商誉减值可预测能力增强离我们越来越近了。也要注意通过衡量无形资本R2上涨超过50（从16.3%到25.7%）。表3中的回归报告是20012002年。尽管交叉系数在这不是主要关注的，然而这两年的公司（2001年和2002年发生商誉减值的公司）交叉系数都是很小的，我们也可以对表3的模型在2001年和2002年进行独立回归。这些回归的结果和表3的报告非常的相似。因此我们得出无形资本的估计值对于商誉减值的预测至少可以提前两年。

23、这个预测能力是随着销售额、收入和股票价格的变化而增加的。3同剩余收益价值模型的比较剩余收益价值模型，同公司的账面价值（现有资产）和剩余（超额）收益的现值（反映未来的增长潜力）有关，近些年在这方面无论是在理论界还是实务界都取得了突出的成就。同这个研究密切相关的是，美国会计准则委员会（FASB）明确地把剩余收益价值模型作为无形资产价值和商誉减值作为推荐使用的价值测试方法。因此，把我们的无形资产价值评估方法同剩余收益价值模型的预测能力（考虑商誉减值）进行比较是有意义的。在采用剩余收益模型进行价值计算时，我们遵循Frankel和Lee（1998）的步骤。受到Ohlson价值模型的启发，Frankel和

24、Lee采用账面价值总和和预期剩余收益的现值来评估公司的内在价值，在这里的剩余收益同预期收益和期初权益资本成本乘以权益的账面价值是不同的。Frankel和Lee采用共同一致的I/B/E/S分析来预测未来收益和取得未来账面价值。Frankel和Lee所采用的资本成本包括不变的折现率（11、12和13）以及反映产业风险收益的产业特定的折现率。他们指出主观的（经验的）结果对折现率的选择并不敏感（脚注11）。因此，我们对所有公司的折现率均采用12的不变折现率。按照Frankel和Lee的方法，我们在基于三年的预测水平上评估了公司的剩余收益模型价值，并且把三年前的预测收益扩展到长期。表4是对剩余收益价值评

25、估模型同我们的无形资本评估模型预测能力的比较的回归分析。特别是商誉减值在2001年和2002年（507家公司）在自变量（1年和2年前收益、销售额和股票收益的变化）上的回归分析。模型1剔除了股票收益（样本公司数507家），而模型2包括股票收益变量（304家样本公司，由于有203家公司没有过去3年的股票收益数据）。在模型1中，分析表明一年前的剩余收益价值变化是显著的，而两年前的剩余收益价值变化则不显著。相反，不管是1年前还是两年前无形资本价值的变化都是高度显著的。在完整的模型2中，包括股票收益，两年的剩余收益价值在一般水平上都不显著，然而无形资本价值仍然高度显著。因此，上述的分析显示在商誉减值预测

26、上我们建议的无形资产价值模型是明显地优于美国会计准则委员会所推荐的剩余收益价值模型。现在我们把分析扩展到不仅仅只有商誉减值的公司作为样本，对有商誉减值和无商誉减值的公司一起作为样本进行Tobit模型评估。为了完成这个分析，我们任意选取了每年在相同两组SIC产业上列示的有商誉减值披露的公司和有商誉但没有减值披露的公司作为样本。这样使我们的样本规模扩大了一倍。Tobit变量被期初的市场价值所抑制。表5报告了Tobit模型的评估系数和显著性水平（在括弧里）。表5中所有的模型都具有统计地显著性，正如比率可能性检验的P值所显示的（表的底部）。同前面分析的结果一致，表5显示了前一年和前两年无形资本的变化量

27、（ICt-1和ICt-2）我们分析的核心是具有统计显著性的。然而除了前一年报告的收益变化和前两年股票收益变化（RETt-1和RETt-1）外，其他的价值和执行方法在一般水平上是不显著的。因此，我们可以得出这里建议的无形资产价值模型无论是在有商誉减值的公司还是在没有商誉减值的公司中都有很强的解释力。4、样本外的预测上述的回归分析为商誉减值的无形资产价值评估模型的预测能力提供了相同的支撑。为了对建议的无形资产价值评估方法在样本外的预测能力提供初步的验证，我们进行如下的验证。我们关注最近几年并且计算样本公司2002年和2003年的无形资本价值，同时也关注无形资本排名的变化。考虑到数据的最新性，我们限

28、定样本公司在2003年12月31日或之前的财政年度。2003年无形资本的排名变化按如下计算：对每两组SIC产业，并且按2002年和2003年每年的无形资本对公司进行排名。然后我们按年份和产业把这些公司分成20组。从2002年到2003年无形资产排名的变化被看成是公司组合的变化。例如，朗讯技术公司无形资产组合在该产业2002年的排名是第一，到2003年排名下降到第十九名。因此排名变化了18位。为了对预测能力提供一个初步的验证，我们重点关注20家无形资产排名变化幅度最大的20家公司，并且预测这些公司在2003年将披露商誉的减值。然后我们检验了这20家公司的财务报告并且发现20家公司中有8家公司真正

29、发生了商誉减值，见表6。这种预计的成功率达到了40（当然样本数量较小），已经远远高于所有有商誉公司在2001年和2002年商誉减值的实际频率，分别为6和8。5、无形资本的基本规则上述建议的无形资本方法可以作为商誉减值测试的候选方法之一，然而，如果我们了解到无形资本的基本驱动因素的话，那么对我们的无形资产价值方法的有效性和一般性的信心将得到增强。也就是说，如果我们的无形资产评估方法被证实与形成无形资产的主要投资（资源）有关的话，那么我们对我们建议的价值评估方法的信心将得到加强。所以，在这一部分，我们将无形资本的评估价值和无形资本驱动的收益（IDE）同上市公司报告的形成无形资产的主要因素联系起来：

30、研发费用（包括形成专利、商业秘密和一般技术）；广告费用（包括形成商标和其他客户关系类无形资产）；一般管理费用，包括信息技术和咨询服务（形成组织资本）；也包括取得无形资产的投资商誉和其他的无形资产。表7报告了每年公司指明的无形资本（表格A）和无形资产驱动收益（表格B）的回归分析的平均值（期间：1983年2002年），在列表的上面是无形资产的投资（按年初权益价值的规模）。明显地，在各种各样的列表方式报告中，每一个无形资产投资都具有统计上的高度显著性。按照R2值，无形资产的基本规则解释了我们评估无形资产价值交叉变量的4050。研发资本自身解释了大约20的变量。因此我们可以得出结论，我们的无形资产价值

31、模型不仅在商誉减值的预测上有很强的预测能力，而且对无形资产的主要形成因素也具有一致性。在表8中我们在无形资本价值评估和两类无形资产商标和信息技术之间提供了额外的证据，商标和信息技术在财务报告中没有披露。因此，表8中进行回归分析的样本数远远小于表7中的样本数（同结果的一般性是成适当比例的）。正如表8的脚注所详尽说明的，商标的价值从财会世界和商业周刊那里得到，信息技术（IT）费用从计算机智能数据库获得。表8的评估报告说明商标的价值和IT费用同从我们的模型中得到的无形资产价值具有可靠的关联性。因此我们得出结论，我们建议的无形资产价值方法反映了在形成无形资产时主要的投入：包括外购的无形资产（如商誉）和

32、自创的无形资产（如研发、商标、信息技术等）6、结论美国会计准则委员会面临经理人和审计师的双重挑战：无形资产和商誉的价值及减值测试，在SFAS第142条载明。考虑到无形资产和商誉价值测试固有的复杂性，美国会计准则委员会推荐了几种商誉减值测试的价值方法。我们建议了对公司整体无形资产的一种新的价值模型，为经理人和审计师在每年的商誉减值测试中采用。我们对建议的模型的有用性进行了一组验证，比较了模型对主要的业绩指标（收益、销售收入、股票收益）的预测能力（考虑到未来商誉的摊销），同时也与被广泛采用的剩余收益价值模型（此模型包含在美国会计准则委员会推荐的评估模型列表上）进行了对比。建议的价值模型很好的反驳了

33、其他基准竞争模型。而且，我们通过形成无形资产的主要投资同无形资产价值的高度相关性验证了建议模型的有效性和一般性，形成无形资产的投资包括研发、品牌增强、信息系统和取得的技术。图1无形资产驱动的收益和无形资本的计算过程资本化历史收益未来收益正常化收益金融资产回报无形资产驱动的收益无形资本有形资产回报表1 无形资产驱动收益、无形资本、报告收益、资产账面价值和所选择产来的相关比率的平均值（中值）注：无形资产驱动的收益（IDE）和无形资本（IC）通过第一部分描述的步骤计算。该程序使用了可计量的财务报告数据和I/B/E/S对未来收益的分析预测。净收益（NI）是指操作特别项目之前的收益。BE/IC是资产账面

34、价值（BE）与无形资本的估计值的比率。ME/BE是财年末期市场价值（ME）与资产账面价值的比率。ME/CV是市场价值与资产账面价值和无形资本估计值之和的比率，这里账面价值是调整了可确认的无形资产后的账面价值。CV=BV-可确指无形资产+估计的无形资产价值（IC）统计的期间为1993-2002年。表2 商誉减值计提和其他变量的描述性统计GWIMPt是公司第t年度根据SFAS142报告的商誉减值计提数额；NIt-1(NIt-2 ) 是第t-2到t-1年（第t-3到t-2年）扣除特别项目之前的收益变化；ICt-1(ICt-2 )是第t-2到t-1年（第t-3到t-2年）无形资本的变化；RIVt-1(

35、RIVt-2 )是第t-2到t-1年（第t-3到t-2年）剩余收益价值变化；SALESt-1(SALESt-2 ) 是第t-2到t-1年（第t-3到t-2年）销售收入变化；RETt-1(RETt-2 )是 第t-1年（第t-2年）超额股权回报（公司特别回报减去由NYSE/AMEX/NASDAQ股票按价值权重加权的市场组合的回报）。除了RETt-1 和RETt-2两个变量外，所有变量均通过除以第t-1年末的市场价值来缩小。统计的期间为2001-2002年。表3 商誉减值与历史业绩之间的回归估计GWIMPt是公司第t年度根据SFAS142报告的商誉减值计提数额；NIt-1(NIt-2 ) 是第t-

36、2到t-1年（第t-3到t-2年）扣除特别项目之前的收益变化；ICt-1(ICt-2 )是第t-2到t-1年（第t-3到t-2年）无形资本的变化；RIVt-1(RIVt-2 )是第t-2到t-1年（第t-3到t-2年）剩余收益价值变化；SALESt-1(SALESt-2 ) 是第t-2到t-1年（第t-3到t-2年）销售收入变化；RETt-1(RETt-2 )是 第t-1年（第t-2年）超额股权回报（公司特别回报减去由NYSE/AMEX/NASDAQ股票按价值权重加权的市场组合的回报）。除了RETt-1 和RETt-2两个变量外，所有变量均通过除以第t-1年末的市场价值来缩小。回归分析是基于公

37、司2001-2002年度必需的数据进行的。表4商誉减值与公司历史无形资本变化和剩余收益价值的回归估计GWIMPt是公司第t年度根据SFAS142报告的商誉减值计提数额；NIt-1(NIt-2 ) 是第t-2到t-1年（第t-3到t-2年）扣除特别项目之前的收益变化；ICt-1(ICt-2 )是第t-2到t-1年（第t-3到t-2年）无形资本的变化；RIVt-1(RIVt-2 )是第t-2到t-1年（第t-3到t-2年）剩余收益价值变化；SALESt-1(SALESt-2 ) 是第t-2到t-1年（第t-3到t-2年）销售收入变化；RETt-1(RETt-2 )是 第t-1年（第t-2年）超额股

38、权回报（公司特别回报减去由NYSE/AMEX/NASDAQ股票按价值权重加权的市场组合的回报）。除了RETt-1 和RETt-2两个变量外，所有变量均通过除以第t-1年末的市场价值来缩小。回归分析是基于公司2001-2002年度必需的数据进行的。表5 Tobit模型与商誉减值数量的概要统计GWIMPt是公司第t年度根据SFAS142报告的商誉减值计提数额；NIt-1(NIt-2 ) 是第t-2到t-1年（第t-3到t-2年）扣除特别项目之前的收益变化；ICt-1(ICt-2 )是第t-2到t-1年（第t-3到t-2年）无形资本的变化；RIVt-1(RIVt-2 )是第t-2到t-1年（第t-3

39、到t-2年）剩余收益价值变化；SALESt-1(SALESt-2 ) 是第t-2到t-1年（第t-3到t-2年）销售收入变化；RETt-1(RETt-2 )是 第t-1年（第t-2年）超额股权回报（公司特别回报减去由NYSE/AMEX/NASDAQ股票按价值权重加权的市场组合的回报）。除了RETt-1 和RETt-2两个变量外，所有变量均通过除以第t-1年末的市场价值来缩小。样本由2001-2002年报告了商誉减值损失的公司（模型1-3中包括507家，模型4中包括304家）与从该年度相同的双位SIC产业中有商誉但未报告商誉减值的公司中随机选取的同等数量的公司共同组成。P值显示可能的比率测试的显

40、著性水平。表6 2002-2003年度无形资本排序变化最大的前20名公司2003年度商誉减值状况（单位：百万美元）本表分析的公司由那些在2002年报告了非零商誉并且财年期末在2003年6月30日和2003年12月31日之间的公司组成。在每一个双位SIC产业，公司基于2002年和2003年无形资本之和被分成20个组。相应的，公司2003年无形资本的特别变化是基于是2002和2003年排序值的差异。根据SFAS142确定的商商誉减值计提数量来源于公司收益公告、年度报告和10-K。表明公司是第一次报告商誉减值损失。表7 无形资本和无形资产驱动收益（IDE）与无形资产投资的年度回归的平均系数估计年度回

41、归模型：无形资产驱动的收益（IDE）和无形资本（IC）通过第一部分描述的步骤计算。该程序使用了可计量的财务报告数据和I/B/E/S对未来收益的分析预测。RDC是假定5年使用寿命和20%的年度摊销率时研发资本的估计值。ADV是广告支出。SGA是销售和一般管理费用。GW是商誉的数额。INTG是确认的无形资产。所有变量均通过除以每一期间年末资产账面价值来缩小。样本的期间为1983-2002。表8 无形资本和无形资产驱动收益（IDE）与商标价值和信息技术支出的回归分析的概要统计无形资产驱动的收益（IDE）和无形资本（IC）通过第一部分描述的步骤计算。该程序使用了可计量的财务报告数据和I/B/E/S对未

42、来收益的分析预测。BRAND是财务世界（1993-1996）与商业周刊（1988和1999）报告的公司品牌价值之和的估计。ITEXP是公司特别的信息技术支出或从计算机智能信息公司数据库获得的预算，该数据库库包含了财富1000公司1991-1997年的信息技术支出。RDC是假定5年使用寿命和20%的年度摊销率时研发资本的估计值。ADV是广告支出。SGA是销售和一般管理费用。INTG是确认的无形资产。所有变量均通过除以每一期间年末资产账面价值来缩小。YRt是时间指示变量，如果观察数据来自财年Y，则其值为1，其他情况其值为0。除了YRt，所有变量均通过除以前一年度末资产账面价值来缩小。在面板A（415个公司年度）的回归中，样本的期间为1993-1996，1997和1998；在面板B的回归中样本期间为1991-1997（1682个公司年度）。