H2: Наиболее значимым по вкладу в финансовые результаты компаний компонентом интеллектуального капитала является человеческий капитал

2.2 Методология

2.2.1 Выборка и данные

Исследование взаимосвязи интеллектуального капитала и финансового результата компаний в данной работе проводится на примере такого развивающегося рынка как Россия. Стартовой точкой в формировании выборки для исследования был определен Индекс широкого рынка Московской биржи (MICEXBMI), базой для расчета которого являются сто ценных бумаг российских компаний-эмитентов, отобранных на основании определенных критериев ликвидности, капитализации и доли акций, находящихся в свободном обращении Индекс широкого рынка Московской биржи. Ссылка: http://moex.com/ru/index/MICEXBMI. Далее, из анализа исключались компании финансового сектора в силу особой специфики их деятельности. Рассматриваемый временной период ограничен периодом с 2010 по 2014 год. Нижняя граница периода выбрана таким образом, чтобы элиминировать эффект экономического кризиса, наблюдавшийся в России особенно остро в 2008-2009 года. Верхняя же граница обусловлена доступностью наиболее актуальной финансовой информации на момент написания данной работы. Таким образом, из выборки также исключались компании с недоступными по большинству выбранных временных периодов данными. Далее, из анализа также исключались наблюдения, которым соответствовало отрицательное значение собственного капитала компании. В результате была сформирована выборка, состоящая из 73 компаний (отраслевой состав выборки представлен на рис.2). Общий массив используемых данных насчитывает 334 компания-год наблюдения.

Источником всех данных формализованной отчетности (например, данных по чистой прибыли, активам, капиталу, заемных средствам и т.д.) были получены с помощью базы данных Bloomberg. Данные по вознаграждениям топ-менеджмента компаний (совета директоров и правления) были собраны из годовых и ежеквартальных отчетов эмитентов, опубликованных в открытом доступе на сайтах компаний в сети Интернет.



Рисунок 2. Отраслевой состав выборки. Источник: расчеты автора

2.2.2 Формирование показателя VAIC в рамках данного исследования

На основе проведенного обзора существующих методов оценки интеллектуального капитала, а также существующих на данный момент баз данных, содержащих информацию о российских компаниях, в целях данного исследования для аппроксимации интеллектуального капитала была выбрана модель VAIC. Как уже было отмечено выше, хотя данная модель и не предлагает никакой стоимостной оценки интеллектуального капитала компании, она позволяет сопоставлять компании между собой, что соответствует целям данного исследования. Для большей наглядности ниже представлена схема формирования компонентов, участвующих в построении VAIC, которые с теоретической точки зрения уже были описаны нами в обзоре исследований (см. рис.3).



Рисунок 3. Схема формирования VAIC в рамках данного исследования

В качестве "прокси" для человеческого капитала используются данные по вознаграждениям топ-менеджмента (совета директоров и правления) компаний. В исследованиях, о которых мы уже говорили в части обзора литературы, как "прокси" для человеческого капитала предлагается использовать общие расходы компании на ее работников. Такой подход может быть оправдан простотой получения таких данных как общие расходы на работников из баз, обобщающих данные по многим компаниям. Также данный подход может быть применим, если исследования строятся на выборке, состоящей только из компаний наукоемких высокотехнологичных отраслей - большинство представителей персонала таких организаций обладает запасом высокоэффективного человеческого капитала капитала. Однако по нашему мнению, уместным усовершенствованием модели VAIC будет использование в качестве "прокси" для человеческого капитала только вознаграждения ключевого персонала компании, а именно топ-менеджмента. Именно члены совета директоров и правления компаний принимают значимые для организации стратегические решения, осуществляют функцию управления и надзора. В связи с этим высший управленческий слой компании является концентрацией ее человеческого капитала. Таким образом, использование вознаграждений топ-менеджмента позволяет избежать "разводнения" понятия человеческий капитал, которое возникает в случае использования всего фонда оплаты труда, который в себя включает абсолютно все расходы на персонал, в том числе на неквалифицированный труд.

Добавленная стоимость стандартно рассчитывается как сумма операционной прибыли компании, ее расходов на персонал и амортизационных расходов. Структурный капитал, в свою очередь, вводится в модель VAIC как разница между добавленной стоимостью и оцененным человеческим капиталом компании. Как уже отмечалось выше, это является слабостью модели VAIC, так как для структурного капитала не предлагается никакой "прокси", чтобы оценить его напрямую. Так как структурный капитал представляет из себя механизмы и технологии, позволяющие человеческому капиталу генерировать стоимость внутри компании, структурный капитал можно аппроксимировать затратами компании на информационные технологии и специализированные системы, однако далеко не все компании настолько подробно раскрывают структурный состав своих затрат. В связи с этим такой подход не может быть применен для большого количества компаний, так как такой информации специализированные базы данных не имеют. Наконец, во вложенном капитале учитываются собственные (капитал) и заемные средства компании.

Далее, для получения более простых для интерпретации и понимания результатов оценок моделей компоненты VAIC, а именно - эффективность человеческого капитала (HCE), эффективность структурного капитала (SCE) и эффективность вложенного капитала (CEE) - были прологарифмированы. Такое преобразование является монотонным и не может повлиять на результаты исследования, однако позволяет судить о влияние не абсолютных изменений значений компонентов модели VAIC, а относительных изменений, что способствует удобству интерпретации и визуализации коэффициентов, которые будут получены в ходе оценки моделей.

2.2.3 Описание переменных

В целях выявления зависимости между интеллектуальным капиталом компаний и их финансовыми результатами оценивается регрессионная модель, в которую входят переменные, описанные ниже (см. табл. 3). Помимо главных объясняющих переменных, о которых уже шла речь выше, в модель также включены четыре контрольные переменные в целях того, чтобы элиминировать влияние на объясняемую переменную, возникающее от посторонних эффектов помимо изменений значений главных объясняющих переменных.

Таблица 3. Описание используемых в регрессионной модели переменных

Тип	Название	Формула	Описание	Источник
Объясняемая переменная	ROA		Индикатором финансового результата компании является показатель чистой прибыли на единицу активов	Bloomberg Terminal
Объясняющие переменные	HCE		Эффективность человеческого капитала	VA - Bloomberg Terminal, HC - годовые и ежеквартальные отчеты компаний
	SCE		Эффективность структурного капитала	VA - Bloomberg Terminal, SC = VA - HC
	ICE	HCE + SCE	Эффективность интеллектуального капитала - используется в отдельной модели от HCE и SCE	Bloomberg Terminal, годовые и ежеквартальные отчеты компаний
	CEE		Эффективность вложенного капитала	Bloomberg Terminal
Контрольные переменные	Size	ln (Sales)	В качестве "прокси" для размера компании был выбран натуральный логарифм выручки компании	Bloomberg Terminal
	Leverage		Финансовый рычаг компании (для расчета отношения используются балансовые стоимости)	Bloomberg Terminal
	Age	-	Возраст компании	Bloomberg Terminal
	Tangibility		Доля основных средств (за вычетом накопленной амортизации) во всех активах компании	Bloomberg Terminal

Глава 3. Результаты

3.1 Анализ данных

Начнем анализ имеющихся данных по используемым в модели переменным с рассмотрения описательных статистик, которые приведены в таблице 4. Как уже отмечалось выше, по всем переменным было собрано 334 компания-год наблюдений. В первую очередь обратим внимание на объясняемую переменную ROA, отражающую финансовый результат компании. Как видим, во всем массиве данных есть и компании, получавшие в определенные периоды чистый убыток, так как минимум по данной переменной является отрицательным. Однако нам кажется, что это не является индикатором систематической неспособности компании генерировать прибыль, т.к. компании с отрицательными значениями капитала (т.е. компании, имеющие систематические убытки), были исключены из выборки. В среднем же, компании, попавшие в выборку, имеют рентабельность активов на уровне примерно 5,7%. Что касается компонентов интеллектуального капитала, показатель эффективности человеческого капитала имеет достаточно большой разброс - от 1,896 до 13 035,3, причем среднее значение гораздо ближе к минимуму. Наблюдения с высокими значениями данного показателя были проанализированы на предмет ошибок в измерении, которых обнаружено не было. Также впоследствии данная проблема была элиминирована с помощью логарифмирования переменных, относящихся к компонентам модели VAIC. То же касается и смещения среднего значения по эффективности структурного капитала к максимуму. Важно отметить, в выборке присутствуют компании с совершенно различной структурой капитала - есть и фирмы, не использующие долговое финансирование, и компании, демонстрирующие достаточно высокие показатели финансового рычага.

Таблица 4. Описательные статистики по используемым в модели переменным. Источник: расчеты автора

Переменная	Количество наблюдений	Среднее	Стандартное отклонение	Минимум	Максимум
ROA	334	0,0568848	0,0666372	-0,190747	0,312063
HCE	334	468,0728	1 660,869	1,89623	13 035,3
SCE	334	0,979031	0,0464433	0,472638	0,999923
ICE	334	469,0518	1 660,874	2,36887	13036,3
CEE	334	0,2018943	0,10866	0,013876	0,925549
Leverage	334	0,7198973	1,071675	0	4,99692
Size	334	18,47772	1,3791	12,168	22,4442
Age	334	12,24251	5,860069	1	24
Tangibility	334	0,5594191	0,2187232	0,037739	0,920288

Далее рассмотрим диаграммы рассеяния, представленные на рисунках 4-7, которые на основании визуального анализа позволят сделать первые выводы о зависимости между финансовыми результатами компаний и компонентами модели VAIC - интеллектуальным капиталом (в том числе человеческим капиталом и структурным капиталом в отдельности) и вложенным капиталом. Как видно из диаграммы рассеяния, изображенной на рисунке 4, более высокая эффективность интеллектуального капитала ассоциируется с более высокими показателями финансового результата. Что касается компонентов интеллектуального капитала в отдельности, из диаграммы рассеяния, описывающей зависимости эффективности человеческого капитала и финансового результата компании (см. рисунок 5), можно сделать также вывод о том, что более высокая эффективность человеческого капитала ассоциируется с лучшими финансовыми результатами. Однако в случае структурного капитала на основании диаграммы рассеяния (см. рисунок 6) на данном этапе анализа сложно сделать однозначный вывод о направлении зависимости между данным компонентом интеллектуального капитала и финансовым результатом. Данные выводы согласуются с исследовательскими гипотезами, выдвинутыми ранее. Также отметим, что наблюдается положительная взаимосвязь между финансовыми результатами и другим компонентом модели VAIC - эффективностью вложенного капитала (см. рисунок 7). Полученные на основе визуального анализа выводы предстоит проверить далее в ходе оценки регрессионной модели.

Далее, необходимо протестировать данные на наличие возможных проблем, наличие которых может приводить к неверным выводам на основе полученных результатов оценки моделей - мультиколлинеарности, гетероскедастичности и автокорреляции.

Для проверки данных на мультиколлинеарность были рассчитаны показатели VIF (variance inflation factor) - результаты представлены в таблице 5. На основе полученных результатов, можно сделать вывод о том, что в данных не наблюдается проблемы мультиколлинеарности, так как VIF по всем переменным существенно меньше 10.

Таблица 5. Показатели VIF по используемым переменным. Источник: расчеты автора

Переменная	VIF
SCE	1,59
HCE	1,31
CEE	1,27
Size	1,23
Tangibility	1,20
Age	1,08
Leverage	1,04
Средний VIF	1,25

Также был проведен LR-тест, проверяющий наличие гетероскедастичности в панельных данных, на основании которого был сделан вывод о необходимости использования робастных стандартных ошибок (результаты теста: LR = 274,02, p-value = 0,0000 при нулевой гипотезе о гомоскедастичности - что говорит о наличии гетероскедастичности в данных) в ходе будущей оценки регрессионной модели для получения корректных результатов.

Тест Вулдриджа, проверяющий наличие автокорреляции в панельных данных, показал отсутствие автокорреляции в данных (результаты теста: F = 0,852, p-value = 0,3591 при нулевой гипотезе об отсутствии автокорреляции), что говорит об отсутствии необходимости борьбы с данной проблемой.

3.2 Результаты оценки регрессионной модели

интеллектуальный капитал персонал стоимость

В целях выявления зависимости между интеллектуальным капиталом компании и ее финансовым результатом оценивается модель со случайными эффектами с использованием робастных ошибок с помощью обобщенного метода наименьших квадратов. Использование модели со случайными эффектами (RE-модели) является некоторым компромиссом между двумя другими полярными вариантами - модели сквозной регрессии (pool-модели), которая предполагает гомогенность всех оцениваемых коэффициентов, и модели с фиксированными эффектами (FE-модели), которая предполагает собственные константы для каждого объекта, попавшего в выборку. Также в целях выбора подходящей модели был проведен тест Бройша-Пагана на наличие случайного индивидуального эффекта, сравнивающий между собой pool-модель и RE-модель. Результаты теста (Chi2 = 67,67, p-value = 0,0000) говорят о том, что модель со случайными эффектами описывает имеющиеся панельные данные лучше.

В таблице 6 приведены результаты оценки RE модели следующего вида (модель 1):

В данной модели мы рассматриваем взаимосвязь интеллектуального капитала в целом и финансовых результатов компаний. Для моделей со случайными эффектами, которые оцениваются с помощью обобщенного метода наименьших квадратов, показатель R-squared (описывающий долю вариации объясняемой переменной, приходящейся на вариацию объясняющих переменных) становится неинформативным, в связи с этим полагаться на данный показатель как на качество модели мы не можем. Однако о значимости оцененной регрессии в целом говорит значение статистики Вальда, равное 99,35 и свидетельствующее тем самым о значимости регрессии в целом на 1% уровне значимости. Также важно отметить, что примерно 37% процентов неописанной моделью вариации финансового результата приходится на индивидуальные эффекты (см. показатель rho в таблице 6). На основе полученных результатов можно заключить, что оба компонента модели VAIC - и эффективность интеллектуального капитала, и эффективность вложенного капитали - имеют значимое на 5% уровне значимости влияние на финансовый результат компании, аппроксимированный показателем ROA. Полученный вывод согласуется с выдвинутой нами исследовательской гипотезой H1 о том, что интеллектуальный капитал компании положительно влияет на ее финансовые результаты, а также с выводами, полученными в ходе первичного визуального анализа данных.

Таблица 6. Результаты оценки модели 1 с помощью ОМНК (уравнение 6). Источник: расчеты автора

Далее, рассмотрим влияние каждого компонента интеллектуального капитала в рамках модели VAIC - человеческого капитала и структурного капитала - на финансовый результат компании в отдельности.

В таблице 7 приведены результаты оценки RE модели следующего вида (модель 2):

Данная модель так же, как и модель, рассмотренная нами ранее, в целом является значимой на 1% уровне значимости, о чем свидетельствует статистика Вальда, приведенная в таблице 7. На индивидуальные эффекты приходится примерно 38% неописанной моделью вариации объясняемой переменной. Что касается компонентов модели VAIC, эффективность вложенного капитала так же остается значимой на 5% уровне значимости, в то время как влияние эффективности интеллектуального капитала, описанное нами ранее, "распадается" на два различных эффекта. Эффективность человеческого капитала имеет значимое на 10% уровне положительное влияние на финансовый результат компаний, однако влияние эффективности структурного капитала оказывается незначимым. Этот результат свидетельствует о том, что человеческий капитал является наиболее важным компонентом интеллектуального капитала компании, и согласуется с выводами, полученными авторами предыдущих исследований. При этом влияние человеческого капитала по своей силе сопоставимо с влиянием вложенного капитала. Выдвинутая нами вторая исследовательская гипотеза о том, что наиболее значимым по вкладу в финансовые результаты компании компонентом интеллектуального капитала является человеческий капитал, согласуется с полученными эмпирическими результатами.

Таблица 7. Результаты оценки модели 2 с помощью ОМНК (уравнение 7). Источник: расчеты автора

Таким образом, результаты, полученные на выборке, состоящей из 73 российских компаний, входящих в Индекс широкого рынка Московской биржи, свидетельствуют о положительной взаимосвязи между интеллектуальным капиталом компании, оцененным с помощью модели VAIC, и ее финансовым результатом. При этом человеческий капитал оказывается более значимым по вкладу в финансовый результат по сравнению со структурным капиталом, что можно объяснить тем, что в процессе создания стоимости человеческий капитал все-таки является первичным звеном этого процесса, в то время как структурный капитал - вспомогательным. Полученные результаты соответствуют выводам, полученным ранее на примере развитых рынков, а также других развивающихся рынков, о которых мы говорили в части обзора предыдущих исследований, а также с выдвинутыми нами исследовательскими гипотезами.

Заключение

Данная работа затрагивает два широких направления в исследованиях в сфере интеллектуального капитала. Во-первых, в силу отсутствия единого уникального метода оценки интеллектуального капитала компании, был проведен обзор широкого разнообразия существующих на данный момент методов аппроксимации интеллектуального капитала компании. Во-вторых, данное исследование оценивает взаимосвязь между интеллектуальным капиталом и финансовыми результатами компаний на примере развивающегося рынка - рынка России. Исследования концепции интеллектуального капитала на развивающихся рынках в настоящее время только набирают обороты, а данное исследование является первой в этой области работой, сфокусированной именно на российском рынке. Таким образом, представления исследователей о характере взаимосвязи интеллектуального капитала и результатов деятельности компаний на развивающихся рынках с различными социокультурными предпосылками пополняются.

В ходе данного исследования были решены следующие задачи. На основе проведенного обзора предыдущих исследований в данной области был выбран наиболее оптимальный метод оценки интеллектуального капитала - модель Value Added Intellectual Coefficient, предложенная Pulic (2000). Далее, была сформирована выборка, состоящая из 73 компаний, входящих в расчет Индекса широкого рынка Московской биржи, данные по которым были собраны за период с 2010 года по 2014 год. Модель VAIC была применена в целях оценки интеллектуального капитала данных компаний, попавших в выборку. Существенным методологическим улучшением модели по сравнению с предыдущими исследование является использование в качестве "прокси" для человеческого капитала не общих расходов компании на весь персонал, а только вознаграждений высшего управленческого звена компаний - членов совета директоров и правления, а также органов надзора. Далее, на основе имеющихся панельных данных была оценена регрессионная модель со случайными индивидуальными эффектами с помощью обобщенного метода наименьших квадратов.

На основе результатов оценки эмпирической модели мы пришли к двум главным выводам данного исследования:

· интеллектуальный капитал имеет значимое положительное влияние на финансовые результаты российских компаний;

· наиболее значимым по вкладу в финансовый результат деятельности компании компонентом интеллектуального капитала является человеческий капитал.

Первый полученный нами вывод согласуется с предыдущими исследованиями в данной области. Высокий уровень развития интеллектуального капитала обуславливает более эффективное управление компаний, принятие верных стратегических решений, простоту и эффективность процесса их внедрения, устойчивые связи с контрагентами, что ведет к конкурентному преимуществу компании в среде, основанной на знаниях и информации, что в свою очередь приводит к возможности генерирования стоимости внутри компании и получения более высокой прибыли. Существование этой взаимосвязи исследователи подтверждали и на развитых рынках - Zeghal и Maaloul (2010), Clarke et al. (2011) и др., и на развивающихся рынках - Chen et al. (2005), Shiu (2006), Nimtrakoon (2015) и др.

Второй результат, к которому мы пришли, так же является ожидаемым и стоит в одной линии с предыдущими исследования. Относительная более высокая важность человеческого капитала как компонента интеллектуального капитала по сравнению со структурным капиталом объясняется следующим - в процессе создания стоимости структурный капитал выполняет вспомогательную роль, он является связующим звеном между человеческим капиталом и результатом этого процесса. Таким образом, без существования человеческого капитала структурный капитал оказывается незадействованным и не приносящим выгод сам по себе, он работает только в комбинации с развитым человеческим капиталом. Наибольшую важность человеческого капитала также ранее отмечалось в таких работах, как Shiu (2006), Nimtrakoon (2015) и др.

Конечно, существуют и некоторые ограничения данной работы, обуславливающие широкие возможности для будущих исследований в данной области. Ограниченность применения некоторых методов оценки интеллектуального капитала в данном исследовании связана с достаточно низким уровнем доступности информации об интеллектуальном капитале компаний, ведущих свою деятельность на развивающихся рынках. В связи с этим следующим методологическим улучшением модели VAIC потенциально могло бы стать предложение какой-либо прямой "прокси" для структурного капитала, так как на данный момент структурный капитал не задается в модели явным образом - такой "прокси" могли бы стать, например, затраты компании на информационные технологии.

Также в целях будущих исследований возможен переход к модели MVAIC, предложенной Nimtrakoon (2015) и требующей от исследования учета еще одного компонента интеллектуального капитала - "капитала отношений", который может быть аппроксимирован с помощью маркетинговых затрат компании. Еще одним направлением развития исследований в данной области на примере рынка России является расширение выборки компаний - включение в выборку не только крупнейших компаний позволит повысить репрезентативность получаемых результатов.

Понимание характера взаимодействия интеллектуального капитала компании и финансового результата компании на примере российского рынка также имеет и практическое применение в первую очередь, конечно, для российских компаний. Подтверждение значимости положительного влияние интеллектуального капитала компании на результаты ее деятельности подтверждает важность осознания менеджментом компаний интеллектуального капитала в качестве ключевого актива в текущей бизнес-среде, а также важность его эффективного управления внутри организации.

Список литературы

1. Кузубов С.А. Развитие теоретико-методологических основ бухгалтерского учета и аудита интеллектуальных активов: дис. доктора экономических наук. Уральский государственный технический университет, Екатеринбург, 2009.

2. Appuhami R. The Impact of Intellectual Capital on Investors' Capital Gains on Shares: An Empirical Investigation of Thai Banking, Finance & Insurance Sector // International Management Review. 2007. Vol. 3(2). P.14-25.

3. Bollen L., Vergauwen P., Schnieders S. Linking intellectual capital and intellectual property to company performance // Management Decision. 2005. Vol. 43(9). P.1161-1185

4. Bontis N., Ivey R. Intellectual capital: an exploratory study that develops measures and models // Management Decision. 1998. Vol. 36(2). P.63-76

5. Bontis N., Dragonetti N.C., Jacobsen K., Roos R. The Knowledge Toolbox: A Review of the Tools Available to Measure and Manage Intangible Resources // European Management Journal. 1999. Vol. 17(4). P.391-402

6. Bontis N. Assesing knowledge assets: a review of the models used to measure intellectual capital. // International Journal of Management Reviews. 2000. Vol. 3(1). P.41-58

7. Brooking A. Intellectual Capital: Core Asset for the Third Millennium Enterprise. London: Thompson International Business Press, 1996

8. Chen M.-C., Cheng S.-J., Hwang Y. An empirical investigation of the relationship between intellectual capital and firms' market value and financial performance // Journal of Intellectual Capital. 2005. Vol. 6(2). P.159-176

9. Clarke M., Seng D., Whiting R.H. Intellectual capital and firm performance in Australia // Journal of Intellectual Capital. 2011. Vol. 12(4). P.505-530

10. Edvinsson L., Malone M.S. Intellectual Capital: Realizing Your Company's True Value by Finding Its Hidden Brainpower. New York: HarperCollins Publishers,Inc., 1997

11. Hudson W. Intellectual capital: How to build it, enhance it, use it. New York: John Wiley & Sons, 1993

12. Ilyin D.S. The impact of intellectual capital on companies' performance: evidence from emerging markets // Корпоративные финансы. 2014. Vol. 4(32). P.46-66

13. Kaplan R.S., Norton D.P. (2004). Measuring the Strategic Readiness of Intangible Assets // Harvard Business Review. 2004. Vol. 82(2). P.52-63

14. Lev B. Intangibles: Management, Measurement and Reporting. Washington, D.C.: The Brookings Institution Press, 2001

15. Luthy D.H. Intellectual capital and its measurement. Proceedings of the Asian Pacific Interdisciplinary Research in Accounting Conference (APIRA), 1998, Osaka, Japan. р. 16-17

16. Nazari J.A. Intellectual Capital Measurement and Reporting Models. In: Knowledge Management for Competitive Advantage During Economic Crisis. IGI, 2014. P.117-140

17. Nimtrakoon S. The relationship between intellectual capital, firms' market value and financial performance // Journal of Intellectual Capital. 2015. Vol. 16(3). P.587-618

18. Orens R., Aerts W., Lybaert N. Intellectual capital disclosure, cost of finance and firm value // Management Decision. 2009. Vol. 47(10). P.1536-1554

19. Pulic A. VAIC™-an accounting tool for IC management // International journal of technology management. 2000. Vol. 20(5). P.702-714

20. Pulic A. Intellectual capital - does it create or destroy value?. PMA Intellectual Capital Symposium, 2003, Cranfield

21. Pulic A. Value creation efficiency at national and regional levels: case study - Croatia and the European Union. In: Intellectual Capital for Communities. Oxford: Elsevier, 2005

22. Shiu H-J. The Application of the Value Added Intellectual Coefficient to Measure Corporate Performance: Evidence from Technological Firms // International Journal of Management. 2006. Vol. 23(2). P.356-365

23. Stеhle P., Stеhle S., Aho S. Value added intellectual coefficient (VAIC): a critical analysis // Journal of Intellectual Capital. 2011. Vol. 12(4). P.531-551

24. Stewart T.A. Intellectual Capital: The New Wealth of Nations. New York: Doubleday, 1997

25. Sveiby K-E. Intellectual capital and knowledge management // [Online]. 2001. URL: http://www.sveiby.com/articles/IntellectualCapital.html

26. Sydler R., Haefliger S., Pruksa R. Measuring Intellectual Capital with Financial Figures: Can We Predict Firm Profitability? // European Management Journal. 2014. Vol. 32. P.244-259

27. Tan H.P., Plowman D., Hancock P. Intellectual capital and financial returns of companies // Journal of Intellectual Capital. 2007. Vol. 8(1). P.76-95

28. Wang J-C. Investigating market value and intellectual capital for S&P 500 // Journal of Intellectual Capital. 2008. Vol. 9(4). P.546-563

29. Young C.-S., Su H.-Y., Fang S.-C., Fang S.-R. Cross-country comparison of intellectual capital performance of commercial banks in Asian economies // Service Industries Journal. 2009. Vol. 29(11). P.1565-1579

30. Zeghal D., Maaloul A. Analyzing Value Added as an Indicator of Intellectual Capital and its Consequences on Company Performance // Journal of Intellectual Capital. 2010. Vol. 1(11). P.39-60

Приложение

Таблица 1. Обзор предыдущих исследований в области взаимосвязи интеллектуального капитала и результатов деятельности компании на развитых рынках

Статья	Выборка	Метод оценки ИК	Объясняемые переменные	Объясняющие переменные	Основные результаты
Zeghal, Maaloul (2010)	300 публичных английских компаний (39 различных отраслей) - данные за 2005 год	Модель VAIC	· Операционная прибыль/Выручка ("экономический результат") · ROA = Чистая прибыль/Активы ("финансовый результат") · Рыночная стоимость Активы ("рыночный результат)	· VAIC · Размер компании = логарифм активов · Рычаг = Долг/ Капитал	· ИК помогает снижать издержки, положительно воздействуя на "экономический результат · Влияние ИК на "рыночный результат" значимо для высокотехнологичных компаний · ИК положительно влияет на "финансовый результат"
Clarke et al. (2011)	1 676 публичных австралийских компаний	Модель VAIC	· ROA = Прибыль до налогообложения/Активы · ROE = Прибыль до налогообложения/Акционерный капитал · Темп роста выручки · Employee productivity = Прибыль до налогообложения /Количество работников	· VAIC · Рычаг = Долг / Активы · Research intensity dummy · Год · Отрасль (dummy) ·	· Наиболее значимым компонентом ИК является человеческий капитал · Наибольший эффект ИК на объясняющие переменные наблюдается в случае ROA и ROE · Человеческий и структурный капиталы имеют значимые лаговые эффекты на результаты деятельности компании · Эффект ИК хотя и является значимым, но по силе остается меньшим, чем влияние вложенного капитала
Bollen et al. (2005)	41 фармацевтическая компания Германии	Метод опроса менедж-мента	· Исследуется взаимосвязь между всеми компонентами ИК · Исследуется взаимосвязь между интеллектуальной собственностью и компонентами ИК · Исследуется взаимосвязь результатом деятельности компании, успехом новых продуктов, лидерством на рынке и интеллектуальной собственностью	· Компоненты ИК усиливают эффекты друг друга · Наиболее значимым компонентом ИК является человеческий капитал · ИК влияет на деятельность компании опосредованно через интеллектуальную собственность
Orens et al. (2009)	267 компаний Бельгии, Франции, Германии, Нидерланд	Индекс раскрытия информа-ции об ИК	· Рыночная стоимость компании (Tobin's q)	· Раскрытие информации об ИК · Дисперсия прогнозов аналитиков · Структура владения · Прибыльность · Отрасль (dummy) · Страна (dummy)	· Более высокий уровень раскрытия информации об ИК ассоциируется с более высокой рыночной стоимостью компании · Более высокий уровень раскрытия информации об ИК понижает информационную асимметрию и снижает затраты на капитал
Wang (2008)	893 американские компании из сектора электроники	Использование proxy-перемен-ных *	· Рыночная стоимость компании	· ИК по компонентам · Чистая прибыль · Размер компании (активы)	· Инвесторы видят в компаниях, интенсивных по интеллектуальному капиталу, возможности для долгосрочного конкурентного преимущества и стабильности, что обеспечивает более высокую рыночную стоимость таких компаний

Таблица 2. Обзор предыдущих исследований в области взаимосвязи интеллектуального капитала и результатов деятельности компании на развивающихся рынках

Статья	Выборка	Метод оценки ИК	Объясняемые переменные	Объясняющие переменные	Основные результаты
Chen et al. (2005)	Публичные компании Тайвани, период 1992-2002 года: 4254 firm-year наблюдений	Модель VAIC	· Отношение рыночной стоимости капитала к балансовой · "Финансовый результат" (ROE, ROA, темп роста выручки, employee productivity = прибыль до налогообложения/ количество работников)	· VAIC · Расходы на R&D/ Капитал · Расходы на рекламу/ Капитал	· Инвесторы более высоко ценят компании с более высокой эффективностью ИК · ИК положительно влияет на прибыльность компании и рост ее выручки
Shiu (2006)	80 высоко-технологич-ных компаний Тайвани, данные 2003г.	Модель VAIC	· ROA · ATO = Выручка / Активы · Отношение рыночной стоимости капитала к балансовой	· VAIC · Размер · Рычаг · ROE	· Наблюдается значимое положительное влияние ИК на финансовый результат компании (ROA) и на ее рыночную стоимость · Наибольший вклад из компонент ИК во влияние на результаты деятельности компании имеет человеческий капитал
Tan et al. (2007)	150 компаний, торговав-шихся на Сингапурской бирже в 2000-2002 годах	Модель VAIC	· ROE · Чистая прибыль на акцию · Годовая доходность по акциям	· VAIC или Темп роста ИК · Отрасль (dummy)	· Существует положительная взаимосвязь между ростом ИК и будущими результатами деятельности · Наблюдается положительная взаимосвязь между ИК и текущими результатами деятельности · Степень вклада ИК различается по отраслям: наибольший вклад встречается в компаниях, предоставляющих услуги и занимающихся недвижимостью
Nimtra-koon (2015)	213 технологич-ных компаний стран АСЕАН	Модель MVAIC	· Рыночная стоимость компании · Маржа чистой прибыли · Операционная прибыль / Активы	· MVAIC · Размер компании · Темп инфляции · Возраст компании	· ИК положительно влияет на все используемые объясняемые переменные · Человеческий капитал играет наибольшую роль во вкладе ИК в результаты деятельности компании
Ильин Д.С. (2014)	2481 компании стран БРИКС (93% выборки - Китай), период 2005-2012 гг.	VAIC, Подход Sydler	· ROA · EVA spread = отдача на вложенный капитал - затраты на капитал · Residual Income = EPS - затраты на капитал*Капитал · EBIT / Выручка · Отношение рыночной стоимости капитала к балансовой · Чистая прибыль / EBIT	· VAIC / ИК по подходу Sydler · Размер компании · Рычаг	· ИК имеет положительное влияние на ROA, EVA вне зависимости от метода оценки ИК · Отдача ИК более высока для ИК-интенсивных компаний, инвестиции в ИК для таких компаний могут снизить их затраты на капитал

Размещено на Allbest.ru