Дуальность решений менеджеров при решении инвестирования в интеллектуальную ресурсную базу компании

Совмещение управления и владения является одним из решений проблемы, возникающей в отношениях между менеджерами и инвесторами компании в России - асимметрии информации. Однако, если данные функции разделены между собственниками и топ-менеджментом, то в рамках данного исследования, то есть относительно инвестирования в интеллектуальные ресурсы, топ-менеджмент компаний сталкивается со следующим вопросом: как применять возможности интеллектуальной ресурсной базы компании, инвестиции в развитие которой они считают разумными, чтобы при этом продолжать следовать предпочтениям акционеров (Holmstrom, Milgrom, 1991; Tirole, 2001).

Данные две цели одинаково важны для менеджеров, которые принимают инвестиционные решения. Во-первых, для компании важно следовать стратегии развития инновационной составляющей, которая будет предоставлять компании некие конкурентоспособные преимущества, которые позволят компании быть успешной. С другой стороны, менеджеры компании должны следовать предпочтениям инвесторов компании, мнение которых они не могут игнорировать. Если менеджеры не в силах сбалансировать достижение двух целей одновременно, то они столкнутся с проблемой принципала-агента: в случае противоречивых целей, менеджеры должны либо не вкладывать средства в потенциально прибыльные нематериальные активы, либо игнорировать ожидания инвесторов. Независимо от принятого менеджерами решения, компания может попасть в одну из ситуаций: 1) компания лишается возможности, получить конкурентные преимущества в связи с отказом от инвестирования в интеллектуальные ресурсы;

2) отрицательное влияние на доступность капитала, падение рыночной стоимости компании.

В первой части работы также было выделено возможное решение проблемы асимметрии информации, заключавшееся в совмещении функций управления компанией и владения акциями компании: при наличии в собственности акций интересы менеджера должны приближаться к интересам акционеров компании. Также было отмечено, что именно такое решение в России было основным для агентской проблемы: акционеры не доверяли управление компанией людям «со стороны», оставляя данные функции за собой.

Для того, чтобы провести правильную интерпретацию полученных далее результатов, необходимо учесть, какую долю в выборке занимают компании, в которых присутствует совмещение функций управления и владения (Рис. 1).

Рис.1. Распределение компаний выборки по признаку совмещения функций управления компанией и владения акций

Согласно диаграмме (Рис. 1) чуть более трети российских компаний управляются собственниками, что не согласуется с выводом автора, приведенным ранее (Долгопятова, 2011) о том, что в большинстве компаний роль управленца в компании играет собственник. Однако, этот же автор в более поздней работе (Долгопятова, 2016) указал на то, что, начиная с середины 2000-х гг.,начался отход функции управления от собственников к наемным менеджерам, что уже согласуется с распределением компаний в исследуемой выборке.

Так как большую часть выборки, используемой в данном исследовании, занимают компании с привлечением наемного менеджмента, то результаты, полученные при построении модели не будут искажены фактом, что были рассмотрены компании с превалированием доли с совмещением функций, где эффект дуальности можно было бы не увидеть в связи с совпадением целей инвестирования в интеллектуальные ресурсы.

Логику собранной информации и модели, построение которой будет представлено далее, можно отобразить в виде схемы (Рис. 2), отображающей связи между инвестиционными решениями, принимаемыми в компании относительно интеллектуальных ресурсов, и результатами принятых решений, выраженных в EVAи MVA.

Сплошными линиями выделены связи, играющие в данном исследовании ключевую роль. Важно понять, какое решение принимают менеджеры российских компаний при инвестировании в интеллектуальный капитал: следование целям, приводящим к максимизации благосостояния собственника, или следование собственным целям, приводящим к извлечению личных выгод. Первый выбор согласно графику (Рис. 2) приведет к положительным значениям MVA, второй - EVA.

Пунктирными линиями выделены связи, которые интересны в рамках исследования во вторую очередь: 1) проверка связи между показателями EVAи MVA, рассмотренной ранее множеством авторов (O'Byrne, 1997; Irala, 2007; Misra, Kanwal, 2007); 2) роль контрольных переменных - внешних факторов, оказывающих влияние на зависимые переменные.

Рис. 2. Визуализированная модель исследования

Исходя из визуализированной модели исследования можно выделить основные гипотезы исследования:

H1: для российских компаний существует дуальность инвестиционных решений менеджеров при выборе ими между стратегией повышения конкурентоспособности компании или повышения привлекательности компании для инвесторов.

Такая гипотеза согласуется с исследованиями, подтверждающими, что в большинстве случаев при оппортунистическом поведении менеджер может быть охарактеризован следующими факторами: направленность на текущие результаты деятельности компании, неприятие риска (Ben-Zion, 1984; Bhagat, Welch, 1995; Kotharietal., 2002), а также нежелание инвестировать в сложные инновационные проекты (Thakor, 1993; Graham, Harvey, Rajgopal, 2005). Данные характеристики работы наемного топ-менеджмента лишь подтверждают различие целей менеджеров, следующих целям собственников, то есть добросовестных менеджеров, и менеджеров, извлекающих собственные выгоды.

H2: менеджеры российских компаний при принятии решений об инвестировании в ИК склонны в большей степени к повышению показателя EVA, то есть к повышению конкурентоспособности компании, нежели MVA, следованию интересам собственников, инвесторов.

Таким образом, в данной главе были выбраны зависимые переменные модели, построена визуализированная модель, отражающая логику исследования и на основе проведенного теоретического обоснования выдвинуты гипотезы исследования. Далее будут приведены обоснование выбора индикаторов интеллектуального капитала, предварительный анализ данных, на которых будет построена модель, и описан метод исследования.



3. Методология исследования

Для того чтобы проверить выдвинутые ранее гипотезы необходимо решить один из ключевых вопросов данного исследования - выбор показателей интеллектуального капитала и его измерения. В данной работе будет использоваться классификация предыдущих исследований, но с некоторыми изменениями. Авторы Molodchik, Shakina, Barajas (2014) представили шесть элементов нематериальных активов и установили, что, из-за их сложного характера, трудно выразить нематериальные активы с точки зрения одного показателя. В связи с этим появляется необходимость преобразования отдельных показателей в индикаторы, отвечающие за качество интеллектуальных ресурсов компаний.

В данном исследовании будет использована стандартная

3-компонентная структура интеллектуального капитала, предлагаемая ранее в следующих исследованиях (Edvinsson, Malone, 1997; Stewart, 1997; Bontis, 2001). Такая структура предполагает разделение интеллектуального капитала компании на три компоненты: человеческий капитал, структурный капитал и отношенческий капитал. Каждая компонента будет собрана из отдельных переменных. Переменные, которые использованы для построения модели исследования, представлены в таблице (Таблица 2).

Таблица 2

Переменные, относящиеся к трем компонентам интеллектуального капитала

Отношенческий капитал	Структурный капитал	Человеческий капитал
Коммерческие расходы Привлечение иностранного капитала Участие в ассоциациях Качество сайта компании	Наличие систем управления ресурсами (ERP, Oracle, SQL и др.) Стоимость НМА по балансу Наличие стратегии относительно интеллектуального капитала или управления знаниями Количество патентов	Квалификация членов Совета директоров Затраты на персонал Продуктивность персонала

Переменные характеризуются следующим образом:

Коммерческие расходы - непрерывная переменная, измеряющаяся в млн евро, представляющая расходы компаний, связанные с реализацией производимой продукции, предоставляемых услуг.

Привлечение иностранного капитала - бинарная переменная, принимающая значение 1 в случае, если компания в деятельности привлекает иностранный капитал, 0 - в обратном случае.

Участие в ассоциациях - бинарная переменная, отражающая участие компании с ассоциациях, 1 - компания принимает участие в каких-либо ассоциациях, 0 - нет.

Качество сайта компании - категориальная переменная, показывающая уровень сайта компании: переменная принимает значения от 0 до 4, каждый балл присуждался компании за такие критерии, как количество страниц сайта, наличие переключения языка сайта, использование анимированных изображений и наличие отдельного раздела с информацией для инвесторов.

Наличие систем управления ресурсами - бинарная переменная, отражающая применение компанией интегрированных систем, основанных на информационных технологиях для управления ресурсами.

Стоимость НМА по балансу - непрерывная переменная, измеряющаяся в млн евро, отражающая общую стоимость нематериальных активов компании согласно финансовой отчетности.

Наличие стратегии относительно интеллектуального капитала или управления знаниями - бинарная переменная, принимающая значение 1 в случае, если компания имеет сформированную стратегию относительно интеллектуальных ресурсов.

Количество патентов - непрерывная переменная, отвечающая за патенты компании.

Квалификация членов Совета директоров - данная категориальная переменная принимает значения от 0 до 2, квалифицированным совет считается, если более 1/3 директоров имеют степень PhD, либо долгий опыт работы в данной отрасли.

Затраты на персонал - непрерывная переменная, измеряющаяся в млн евро.

Продуктивность персонала - непрерывная переменная, измеряющаяся в млн евро, отражающая размер операционной прибыли компании EBIT, приносимый одним сотрудником.

Данные по перечисленным переменным, а также другие данные, используемые в текущем исследовании взяты из базы данных, которая является результатом проекта «Исследование конкурентных преимуществ и драйверов стоимости компаний, интенсифицирующих интеллектуальные ресурсы», выполненного в рамках Программы фундаментальных исследований НИУ ВШЭ в 2014 году.

База данных представляет собой базу панельных данных российских компаний за 11-летний период времени с 2004-го по 2014 год. База включает в себя данные о 1096 российских компаний,содержит различные показатели деятельности фирмы: принадлежность к отрасли, городу-миллионеру или городу-столице региона, биржевые данные, показатели финансовой отчетности, размер компании, измеряемый количеством сотрудников, а также показатели, характеризующие интеллектуальную составляющую компаний.

Для корректного построения модели необходимо было привести базу данных к конкретному виду, а именно использовать данные лишь тех компаний, данные по которым содержатся в полной мере, помимо этого было проведено логарифмирование показателя рыночной добавленной стоимости в связи с сильным разбросом данных, вследствие чего выборка вновь сократилась. Таким образом, размер выборки будет существенно сокращен, и составит 113 российских компаний за период времени с 2004 года по 2014 год.

Все компании, данные о которых используются в исследовании, можно разбить по отраслям деятельности на 6 групп: строительство и недвижимость, обрабатывающие производства, группа, объединяющая энергетику, химическую промышленность и отрасли, связанные с добычей и обработкой полезных ископаемых, услуги, оптовая и розничная торговля и финансовая деятельность. Распределение компаний можно увидеть на Рисунке 2. Наибольшую долю рассматриваемых компаний занимают промышленные компании, а также компании, занятые в энергетическом секторе и химической промышленности.

При переходе от теории к практике необходимо провести анализ данных, представленный в виде описательной статистики выбранных переменных. В Таблице 3 представлена описательная статистика непрерывных переменных (Таблица 3).

Рис.3.Распределение выборки компаний по группам отраслей

Обращая внимание на минимум и максимум представленных показателей, важно выделить, что российские компании выборки довольно сильно разбросаны по уровню экономической добавленной стоимости и рыночной добавленной стоимости. Минимальные значения рыночной добавленной стоимости принимают отрицательные значения, что может говорить о том, что компании неэффективно распределяют капитал и не в состоянии получать дополнительную прибыль, инвестируя в него, то есть ценность действий и инвестиционных решений менеджмента ниже, чем ценность капитала, инвестированного в компанию.

Средние значения по показателямEVAи MVA не являются высокими, что может говорить о том, что большинство российских компаний, вошедших в выборку, не являются успешными, так как и по конкурентоспособности, выраженной в EVA, и по привлекательности компаний для инвесторов, выраженной в MVA, среднее значение по выборке является достаточно низким.

Таблица 3

Описательная статистика переменных (в млн евро)

Переменная	Среднее	Ст.отклонение	Минимум	Максимум
Рыночная добавленная стоимость	-76,28	5878,59	-141586,6	109820,7
Рыночная добавленная стоимость (логарифм)	3,93	2,28	-4,17	11,61
Экономическая добавленная стоимость	69,11	937,18	-5524,15	19417,08
Коммерческие расходы	137,89	1344,24	0	30935,27
Коммерческие расходы (логарифм)	0,91	2,36	-10,65	10,34
Стоимость НМА по балансу	54,20	335,65	0	6047,67
Производительность сотрудников	0,04	0,52	-3,09	20,13
Затраты на персонал	61,45	185,52	0,0003	2107,05
Количество патентов	36,42	175,05	0	3273

Что касается статистики переменных, отвечающих за уровень интеллектуального капитала, то важно отметить, что по количеству патентов анализируемые компании сильно разнятся: есть компании, не имеющие патентов вовсе, есть компании с максимальным количеством патентов, превышающим 3 тысячи штук, при этом среднее значение переменной на достаточно низком уровне - 36, что может говорить о превалировании компаний с низким показателем количества патентов.

Стоимость нематериальных активов компании также имеет высокий уровень разброса при низком среднем значении - 54,2 млн евро, что вновь говорит о том, что в выборку вошло большое количество компаний с низкой стоимостью или отсутствием нематериальных активов.

Касаемо бинарных переменных, в описательной статистике представлено процентное соотношение компаний по попаданию в ту или иную категорию (Таблица 4):

Таблица 4

Описательная статистика бинарных переменных

Переменная	Распределение
Наличие ERP систем	0 - 78,7% 1 - 21,3%
Наличие стратегии относительно интеллектуального капитала или управления знаниями	0 - 92,7% 1 - 7,3%
Привлечение иностранного капитала	0 - 64,6% 1 - 35,4%
Участие компании в ассоциациях	0 - 57,9% 1 - 42,1%

Такая переменная как привлечение иностранного капитала говорит о связи компании с иностранными инвесторами. Как видно из таблицы, 35,4% компаний выборки привлекают иностранный капитал, в то время как 64,6% компаний не имеют связей с иностранными инвесторами. Такое соотношение говорит о том, что российские компании не являются в большинстве случаев привлекательными для иностранных инвесторов, они не могут привлечь иностранный капитал.

Вывод об отставании российских компаний в применении интеллектуальных ресурсов можно сделать по статистике, полученной по переменной наличие систем управления ресурсами. Лишь 21,3% компаний выборки используют данные системы, позволяющие оптимизировать все уровни производства и связи между сотрудниками предприятия. Данное соотношение показывает, что компании не используют основные методы оптимизации производства, что может привести к снижению производительности, сокращению выручки и других финансовых показателей.

Лишь около 7,3% российских компаний имеют стратегии относительно интеллектуального капитала или управления знаниями. Это говорит о том, что в российских компаниях еще не сформирована система работы с инновационными составляющими: отсутствуют стратегии, цели, соответственно и результаты по их достижению.

Последним видом используемых переменных являются категориальные переменные: квалификация членов Совета директоров и качество сайта компаний.

Таблица 5

Описательная статистика категориальных переменных

Переменная	Количество наблюдений/Распределение
Квалификация членов Совета Директоров
0 1 2	26,9% 50,0% 23,1%
Качество сайта компании
0 1 2 3 4	4,0% 13,1% 29,7% 33,9% 19,3%

Основная масса компаний - 50% - по переменной, отвечающей за квалификацию членов Совета директоров, относится к компаниям, в которых члены Совета директоров имеют высшее образование, однако количество обладателей PhD в данных компаниях не превышает 1/3. Это говорит о том, что в российских компаниях уровень человеческого капитала нельзя назвать высоким, однако в более чем 73% компаний в Совет директоров входят квалифицированные кадры.

Что касается статистики по качеству сайта, то ярко выраженного преимущества не имеет ни одна из категорий. Однако 4% компаний не имеют сайта, что является достаточно высоким значением в связи с тем, что интернет в современном мире играет большую роль и наличие качественного сайта - это один из показателей успешности компании, ее открытости для акционеров, клиентов и инвесторов. Лишь 19,3% компаний выборки обладают данным преимуществом.

Описательная статистика по бинарным и категориальным переменным так же показывает, что большинство российских компаний не использует или использует неэффективно возможности привлечения интеллектуального капитала в свою деятельность, то есть ведут консервативную политику в отношении интеллектуальных ресурсов.

Далее будет описан метод исследования. Для того чтобы достигнуть цели исследования в работе будет использован метод SEM (StructuralEquationModeling). Данный метод является некой комбинацией двух методов анализа: множественного регрессионого и факторного. Метод применяется для установления связей между наблюдаемыми переменными и латентными переменными. Данный метод является широко используемым в исследовательских кругах, так как он включает в себя сложные вычислительные методы и при этом требует минимум расчетных затрат.

Выделяются два типа моделей: 1) Measurementmodel - показывает, как набор наблюдаемых переменных объясняют зависимую переменную;

2) Structuralmodel - показывает связи между латентыми переменными, наблюдаемыми переменными и между комбинацией данных видов переменных.

Выбор данного метода был не случайным: многие исследователи при решении вопросов, касающихся интеллектуальных ресурсов компании, выбирали методом исследования метод SEM (Wu, Tsai (2005); Tseng, Goo (2005); Cabrita, Bontis (2008); Hsu, Fang (2009); Maditinosetal. (2010); Jardon, Martos (2012); Mention, Bontis (2013)). Так, например, Bontis (1998) использовал данный статистический метод для построения компонент интеллектуального капитала: структурного, отношенческого и человеческого. Кроме того, результат построения данной модели позволил автору определить, что отношенческий и структурный капитал оказывают положительное влияние на результаты деятельности компании, в то время как человеческий не имеет прямого влияния, он лишь положительно связан с другими компонентами интеллектуальных ресурсов. В последующих работах Bontis (2001) вновь прибегал к использованию данного метода.

В работе авторов Chenetal. (2004) данный метод используется с целью создания системы индексов интеллектуального капитала для более эффективного управления им. Авторам Kimetal. (2012) метод SEM позволил определить структурные связи между компонентами интеллектуального капитала (латентные переменные) и деятельностью компаний.

Таким образом, анализ предыдущих исследований показывает, что выбранный метод соответствует поставленной цели исследования.

Для достижения цели данного исследования будет построена следующая модель:

, (1)

где:

EVA - экономическая добавленная стоимость,

MVA - рыночная добавленная стоимость,

HC - человеческий капитал,

SC - структурный капитал,

RC - отношенческий капитал,

Ind - отрасль,

Age - возраст,

Costofemp - затраты на персонал,

Prod- продуктивность сотрудников,

QualofBD - квалификация членов Совета директоров,

ERP - наличие ERP систем,

Pats - количество патентов компании,

Strategy- наличие стратегии относительно интеллектуального капитала или управления знаниями,

Int - стоимость НМА по балансу,

Assoc- участие компании в ассоциациях,

Site- количество сайта компании,

Commerc-коммерческие расходы,

Foreign - привлечение иностранного капитала.

Для получения результатов построения данной модели будет применен вышеупомянутый метод SEM. Он позволит построить латентные переменные - компоненты интеллектуального капитала, определить связь между EVA и MVA, между построенными латентными переменными и конкурентоспособностью и привлекательностью компании для инвесторов, кроме того, результат построения модели позволит определить, существует ли дуальность инвестиционных решений менеджеров относительно интеллектуальных ресурсов в российских компаниях.

Подводя итог данной главы, важно отметить, что была выбрана

3-компонентная структура интеллектуального капитала, в связи с чем будут построены три латентные переменные, отвечающие соответственно за человеческий, отношенческий и структурный капиталы. Описательная статистика переменных показала, что уровень интеллектуальных ресурсов рассматриваемых компаний нельзя назвать высоким: присутствуют компании с высокими показателями, однако большинство компаний не используют интеллектуальные ресурсы в деятельности, либо используют неэффективно. Выбор метода SEM в качестве метода построения исследовательской модели оправдан: теоретический обзор исследований по теме интеллектуальных ресурсов показал широкое использование данного метода исследователями для построения компонент интеллектуального капитала и их связи с результатами деятельности компании.



4. Результаты построения модели

Как было отмечено в предыдущей главе, чтобы достичь цели исследования необходимо провести анализ модели, включающей создание индикаторов интеллектуального капитала, проверку наличия связей и их знаков между показателями конкурентоспособности и рыночной стоимости компаний с полученными индикаторами (1), с использованием метода SEM.

В моделировании структурных уравнений существуют два основных типа переменных: наблюдаемые (индикаторные) переменные и скрытые (конструктивные) переменные. Скрытые переменные не могут быть непосредственно наблюдаемы или измерены, скорее они наблюдаются или косвенно измеряются, и, следовательно, они выводятся на основе наблюдаемых переменных, которые выбираются для определения скрытой переменной.Первым этапом метода SEM является формирование таких латентных переменных. Стоит отметить, что построенные латентные переменные являются независимыми, так как строятся на основе только наблюдаемых переменных. В случае данного исследования должны быть сформированы такие латентные переменные, как человеческий капитал, отношенческий капитал и структурный капитал. Каждая из компонент будет состоять из нескольких индикаторов, отвечающих за интеллектуальные ресурсы компании (Рис. 4).

Построение латентных переменных дало результаты, представленные в Таблице 6: вклад переменных, отвечающих за интеллектуальные ресурсы компании, в латентные переменные, отражающие 3 компоненты интеллектуального капитала.Соотношения между наблюдаемыми переменными и скрытыми переменными обозначаются факторными нагрузками. Такие нагрузки дают информацию о том, в какой степени каждая из наблюдаемых переменных способна объяснить латентную переменную.

Рис. 4. Формирование латентных переменных



Таблица 6

Построение латентных переменных

Латентная переменная	Конструкты	Коэффициент (Ст.отклонение)
Человеческий капитал	Затраты на персонал	0,785 (0,076)
	Продуктивность персонала	0,257 (0,024)
	Квалификация членов Совета Директоров	0,121 (0,091)
Отношенческий капитал	Участие в ассоциациях	0,418 (0,014)
	Качество сайта компании	0,536 (0,027)
	Привлечение иностранного капитала	0,358 (0,014)
	Коммерческие расходы (логарифм)	0,585 (0,074)
Структурный капитал	Стоимость НМА по балансу	0,494 (0,012)
	Количество патентов	0,282 (0,037)
	Наличие ERP систем	0,0008 (0,00007)
	Наличие стратегии относительно интеллектуального капитала или управления знаниями	0,0007 (0,00005)

Согласно данным таблицы 6, в большей степени человеческий капитал объясняется такой переменной, как затраты на персонал. Такой результат поддается логическому обоснованию: чем больше компании готовы инвестировать в развитие потенциала, знаний и навыков своих сотрудников, тем выше человеческий капитал компании.

Что касается отношенческого капитала, то все наблюдаемые переменные имеют высокий уровень измерения латентной переменной: участие в ассоциациях отражает взаимосвязь компании с государственными органами, другими компаниями, бизнес-сообществами; качество сайта компании влияет на отношения компании с потребителями, покупателями, а также действующими и потенциальными инвесторами. Привлечение иностранного капитала отражает способность компании налаживать связи с иностранными инвесторами. Коммерческие расходы отражают связь компании с такими агентами рынка как поставщики, рекламные агентства, СМИ, логистические компании. Таким образом, в латентную переменную, отвечающую за отношенческий капитал вошли все возможные отношения компании.

Последняя построенная латентная переменная - структурный капитал, который в большей степени может быть объяснен такими переменными как стоимость НМА по балансу и количеством патентов компании, данный факт подтверждается в том числе тем, что определение структурного капитала в том числе включает в себя патенты и различные виды нематериальных активов компании.

После того, как построены латентные переменные, далее согласно методу,следует построение регрессионных связей между латентными переменными и зависимыми переменными (EVA, MVA), отражающими конкурентоспособность компании и добавленную рыночную стоимость.

Таблица 7

Результаты построения модели

	EVA	MVA
EVA	-	0,057** (0,044)
Человеческий капитал	0,627 (0,277)	-0,199 (0,074)
Структурный капитал	0,850*** (0,066)	-0,109** (0,046)
Отношенческий капитал	-0,318** (0,058)	0,093** (0,072)
Возраст компании	2,25** (0,108)	0,020*** (0,06)
Сфера деятельности компании: Услуги	-0,453 (0,802)	-0,202 (0,081)
Промышленность	-0,210 (0,101)	0,234* (0,134)
Энергетика и химическая промышленность	0,739 (0,159)	0,042 (0,135)
Строительство и недвижимость	0,796 (0,076)	0,458 (0,088)
Константа	6,407 (0,029)	0,09 (0,120)

Что касается первого уравнения, зависимой переменной которого является экономическая добавленная стоимость, то значимыми значениями коэффициентов стали перед такими переменными как структурный капитал, отношенческий капитал и возраст компании.

Возраст компании положительно значимо (на 5% уровне) влияет на значение показателя EVA: увеличение возраста компании на 1 год приводит к увеличению экономической добавленной стоимости на 2,25 млн евро при прочих равных условиях.

Латентная переменная, отвечающая за структурный капитал, положительно значимо (на 1% уровне) влияет на показатель экономической добавленной стоимости: при инвестировании в структурный капитал 1 тысячи евро EVA компании вырастет на 850 евро при прочих равных условиях.

В свою очередь латентная переменная, отвечающая за отношенческий капитал, отрицательно значимо (на 5% уровне) влияет на EVA компании: при инвестировании в отношенческий капитал компании 1 тысячи евро EVA компании упадет на 318 евро.

Такие переменные как латентная переменная - человеческий капитал, а также переменные, отвечающие за принадлежность компании к конкретной отрасли, оказались незначимы. Это, во-первых, говорит о том, что инвестирование в человеческий капитал компании не оказывает влияния на показатель EVA, во-вторых, принадлежность компании к конкретной отрасли не имеет влияния на решение менеджера об инвестировании в интеллектуальные ресурсы.

Второе уравнение показывает, что значимыми оказались влияния на MVA таких показателей как EVA, инвестирование в отношенческий и структурный капиталы, возраст компании, а также принадлежность к отрасли - промышленность. Остановимся на каждом значении подробнее.

Экономическая добавленная стоимость компании имеет положительное значимое влияние (на 5% уровне) на рыночную добавленную стоимость: при росте EVAна 1 тысячу евро рыночная добавленная стоимость компании растет на 57 евро. Такой результат является ожидаемым, в связи с тем, что рассмотренные работы в теоретическом блоке исследования подтверждали тесную связь между данными двумя показателями: Stewart(1991) утверждал, что MVA можно объяснить, как способность компании создавать сверхприбыль, выраженную в EVA; в другом исследовании автор O'Byrne (1997) при исследовании промышленных компаний показал, что изменения в EVA статистически в большей степени влияют на изменения в MVA, а также автор Irala (2007) в исследовании пришел к выводу, что EVA имеет лучшую прогностическую мощность относительно традиционных мер бухгалтерского учета. Таким образом, полученный результат относительно связи данных переменных находит подтверждение в предыдущих исследованиях и не является неожиданным.

Латентная переменная, отвечающая за инвестирование в отношенческий капитал, оказывает значимое положительное влияние (на 5% уровне) на рыночную добавленную стоимость компании: увеличение инвестирования в отношенческий капитал на 1 тысячу евро приводит к повышению показателя MVA на 93 евро.

Латентная переменная, отвечающая за инвестирование в структурный капитал, имеет значимое отрицательное влияние (на 5% уровне) на рыночную добавленную стоимость компании: при увеличении инвестирования в структурный капитал на 1 тысячу евро, значение MVA падает на 109 евро.

Также необходимо отметить влияние таких переменных как возраст компании и принадлежность компании к отрасли - промышленность. Возраст компании, как и в первом уравнении, оказывает значимое положительное влияние (на 1% уровне) на MVA, как и показатель, отвечающий за принадлежность к промышленности (на 10% уровне).

Для проверки качества построенной модели, была проведена проверка с использованием статистических показателей и индексов, отвечающих за хорошую подгонку модели (Таблица 8).

Таблица 8

Оценка качества построенной модели

RMSEA	0,068	Значение <= 0,08 (0,06 по некоторым источникам) указывает на приемлемую модельную подгонку
CFI (Comparative fit index)	0,774	Значения варьируются от 0 до 1, при этом большие значения указывают на лучшую подгонку
TLI (Tucker-Lewis index)	0,733	Значения варьируются от 0 до 1, при этом большие значения указывают на лучшую подгонку
SRMR (standardized root mean square residual)	0,051	Значения варьируются от 0 до 1, при этом значение <=0,08 указывает на приемлемую модель

Все показатели индексов говорят о том, что подгонка модели в данном исследовании является приемлемой, то есть результатам, представленным выше можно доверять.

Таким образом, была построена модель SEM, результаты которой могут показать наличие дуальности решений менеджеров российских компаний при решении об инвестировании в интеллектуальный капитал. Далее будет представлена более конкретная интерпретация полученных результатов с сопоставлением с предыдущими исследованиями.

Построенная модель дает возможность ответить на вопрос, существует ли дуальность инвестиционных решений в разрезе российских компаний. Под дуальностью решений менеджера в данной работе понималась ситуация, при которой решение об инвестировании в интеллектуальные ресурсы приводит к разным результатам, выраженным в таких показателях как EVAи MVA. То есть если инвестирование в интеллектуальный капитал направлено на повышениеее конкурентоспособности, то такое решение скажется ровным счетом наоборот на благосостоянии акционеров, привлекательности компании для инвесторов.

Результаты построения разработанной модели показали, что решение об инвестировании в отношенческий капитал и структурный капитал оказывают противоположное влияние на показатели компании - EVAи MVA. Подобные противоположные знаки подтверждают гипотезу 1 о существовании дуальности инвестиционных решений менеджеров российских компаний при выборе ими между стратегией повышения конкурентоспособности компании или повышения привлекательности компании для инвесторов.

Согласно полученным результатам инвестирование в человеческий капитал не оказывает влияния ни на EVA, ни на MVA. Такой результат не является непредвиденным в связи с тем, что большинство авторов приходят к выводу, что человеческий капитал не оказывает прямого влияния на результаты деятельности компании (Bontis, 1998; Wang,Chang (2005): человеческий капитал влияет на интеллектуальный лишь через положительное влияние на другие компоненты интеллектуальных ресурсов. С экономической точки зрения это тоже легко подтвердить: инвестирование в человеческий капитал компании приводит к повышению общего уровня знаний, компетенции и навыков сотрудников, которые в свою очередь способствуют появлению новых разработок, продуктов, патентов, систем управления компанией, налаживают связи с другими агентами рынка, то есть уровень человеческого капитала связан с уровнем отношенческого и структурного капиталов компаний.

Инвестирование в структурный капитал приводит к повышению показателя EVA, в то время как оказывает отрицательное влияние на MVA. Структурный капитал -- это организационная структура, программное обеспечение, патенты, технологии, системы управления бизнес-процессами компаний, а также ее нематериальные активы. Без сомнений повышение уровня данных компонент приводит к повышению конкурентоспособности компании, выраженной в данном исследовании показателем EVA, такое влияние является часто встречаемым результатом в исследованиях интеллектуального капитала (Bontiset. al, 2000; F-Jardons, Martos, 2009; Ling, 2013). Однако отрицательное влияние на рыночную добавленную стоимость является спорным вопросом среди исследователей, так как предыдущие исследования интеллектуального капитала компаний стран с развивающимся рынком капитала, в том числе России,приходят к разным выводам относительно влияния интеллектуальных ресурсов, в том числе структурного капитала, на рыночную стоимость компании, то есть на привлекательность для инвесторов, акционеров (Firer, Williams, 2003; Гаранина, 2010; DanielPitelliBritto, ElianeMonetti, JoaodaRochaLimaJr, 2014).

Отрицательное влияние инвестирования в структурный капитал компании на интересы собственников и привлекательность для инвесторов, выраженные в MVA, может быть также связано с тем, что собственники, инвесторы не видят в структурном капитале драйвер для развития компании или не до конца понимают его ценность для компании. Так как структурный капитал включает в себя такие сложные компоненты как патенты, технологии, то для решения такой проблемы и повышения понимания акционеров о необходимости развития структурного капитала менеджменту компании необходимо раскрывать информацию, предоставлять отчеты о структурном капитале для собственников и инвесторов, разъясняя необходимость развития данной компоненты интеллектуальных ресурсов в том числе.

Относительно инвестирования в отношенческий капитал наблюдается прямо противоположная ситуация. Связь между инвестированием в отношенческий капитал и экономической добавленной стоимостью компании является отрицательной, то есть принимая решение об инвестировании относительно отношенческого капитала менеджеры компаний склонны к цели по повышению привлекательности компании для инвесторов, повышению уровня благосостояния акционеров, а не для появления конкурентоспособных преимуществ. Отношенческий капитал компании отражает ее связи с другими агентами рынка: инвесторами, клиентами, поставщиками, конкурентами и другими. При построении индикатора, отвечающего за отношенческий капитал, были учтены 4 направления отношений компании: с иностранными инвесторами, ассоциациями, связи компании, складывающиеся при реализации продукции, услуг компании, а также со всеми пользователями сайта компании: инвесторами, акционерами, потребителями и другими. Несомненно, наличие устойчивых связей компании с данными видами агентов рынка повышает стоимость компании для акционеров и является положительным сигналом для потенциальных инвесторов: в сравнении со структурным капиталом для акционеров данный вид интеллектуального капитала является более понятным, и они видят преимущества компании при наличии связей с разными агентами рынка.Однако отрицательное влияние на конкурентоспособность является спорным моментом. Возможно, данный факт связан с тем, что управленцы российских компаний при условии более явного эффекта влияния отношенческого капитала на деятельность компании предпочитают использовать его с целью привлечения инвесторов, отказываясь от повышения конкурентоспособности компании.

Таким образом, результаты относительно связи инвестирования в отношенческий и структурный капиталы компаний на EVAи MVA, лишь частично могут подтвердить гипотезу 2 о том, что менеджеры российских компаний при принятии решений об инвестировании в ИК склонны в большей степени к преследованию повышения конкурентоспособности компании, то есть повышения показателя EVA, нежели MVA, так как цели при инвестировании раздельно в отношенческий и структурный капиталы компаний носят равно противоположный характер.

Резюмируя приведенные результаты и их интерпретацию, можно выделить основные моменты, которые удалось изучить благодаря построенной модели:

Дуальность решений относительно инвестирования в интеллектуальные ресурсы подтвердилась. Такой результат согласуется с выводами, полученными исследователями Barajas, Molodchik, Shakina (2017), которые на примере данных о европейских компаниях, обнаружили дуальность при инвестировании в такие компоненты интеллектуального капитала компаний, как NetworkingCapability, включающего такие индикаторы как субсидии, привлечение иностранного капитала и участие в ассоциациях, что близко в данной работе к отношенческому капиталу, и InnovationCapability, включающего такие переменные как патенты, расходы на НИОКР, стоимость НМА компании и награды за инновации, что близко в данной работе к струткурному капиталу. Также в исследовании авторов использовался индикатор, отвечающий за человеческий капитал, исследователи получили положительное влияния данного индикатора на оба показателя - EVA и MVA. Что касается влияния компонент интеллектуального капитала на MVA и EVA в данном исследовании, можно увидеть, что структурный капитал положительно значимо (на уровне 1%) влияет на EVA, в то время как влияние данного капитала на MVA значимо уже на более низком уровне (5%), и оно отрицательно. Латентная переменная, отвечающая за отношенческий капитал, оказывает отрицательное значимое (на уровне 5%) влияние на EVA и положительное значимое (на уровне 5%) влияние на MVA. Человеческий капитал оказался незначимой переменной в обоих уравнениях.

Однозначного подтверждения или опровержения гипотезы о преследовании менеджерами в первую очередь повышения конкурентоспособности компании, получить не удалось.



Заключение

В современной экономике компании не могут игнорировать общую тенденцию по инвестированию в интеллектуальный капитал. Интеллектуальные ресурсы на сегодняшний день являются одними из ключевых факторов конкурентоспособности, развития, роста и повышения рыночной стоимости компании. Однако решение об инвестировании в интеллектуальные ресурсы сопровождается выбором управленцев компании одной из стратегий: инвестировать в интеллектуальные ресурсы с целью повышения конкурентоспособности компании либо с целью привлечения инвесторов и следования предпочтениям акционеров компании. В условиях, когда цели наемного менеджера и собственников не совпадают, возникает проблема принципала-агента, где собственники, инвесторы выступают в качестве принципала, передающего обязанности по управлению компанией, в том числе их денежными средствами, менеджеру - агенту, который в силу асимметрии информации может действовать в интересах собственных целей. В идеальной ситуации необходимо преследование обеих целей одновременно, но в реальности не всегда происходит так.

Цель данной работы-выявить наличие дуальности решений относительно инвестирования в интеллектуальные ресурсы на примере российских компаний. В ходе исследования данная цель была достигнута, поставленные задачи были решены.

Теоретический обзор показал, что отношения собственников и наемного топ-менеджмента могут быть рассмотрены в разрезе агентской проблемы, где собственник - агент передает функции управления принципалу - менеджеру. Менеджер в виду асимметрии информации может вести себя оппортунистически, вкладываясь в проекты, приносящие выгоды не компании в целом, а ему лично. Для контроля действий менеджера существуют различные методы, рассмотренные ранее, однако несмотря на это поведение наемного топ-менеджмента может быть охарактеризовано неприятием риска, краткосрочной направленностью, нежеланием вкладываться в сложные инновационные проекты. Для российских компаний характерна структура собственности, при которой имеется крупный акционер - блокхолдер, появление которого обусловлено историческими событиями и слабой правовой защитой собственности. Такой собственник в большинстве случаев сохраняет за собой функции управления, однако начиная с середины 2000-х гг. доля компаний с разделением функций начала увеличиваться. Что касается исследований, посвященных интеллектуальному капиталу, то влияние интеллектуальных ресурсов на создание стоимости и конкурентоспособность компании в развивающихся странах, в том числе в России, не является однозначным - авторы в исследованиях разных стран приходили к разным результатам, в некоторых случаях - противоречивым.

Эмпирическая часть работы показала, что для российских компаний существует положительная связь между экономической добавленной и рыночной добавленной стоимостями. Такой результат подтверждается рядом предыдущих исследований, рассматривающих EVA в качестве ключевого драйвера рыночной добавленной стоимости (Irala (2007); Misra, Kanwal (2007)). Что касается влияния компонент интеллектуального капитала на MVA и EVA, можно увидеть, что влияние является полностью противоположным. Структурный капитал положительно значимо влияет на EVA, в то время как влияние данного капитала на MVA значимо уже на более низком уровне, и оно отрицательно. Латентная переменная, отвечающая за отношенческий капитал, оказывает отрицательное значимое влияние на EVA и положительное значимое влияние на MVA. Человеческий капитал оказался незначимой переменной в обоих уравнениях. Таким образом, дуальность решений относительно инвестирования в интеллектуальные ресурсы подтвердилась, однако, однозначного подтверждения или опровержения гипотезы о преследовании менеджерами в первую очередь повышения конкурентоспособности компании получить не удалось.

Результатом также могут послужить ограничения, выявленные при проведении анализа. Во-первых, это ограничения примененного метода SEM, при построении необходимо следовать жестким ограничениям для получения репрезентативных результатов: 1. SEM использует метод максимального правдоподобия, который предполагает многомерное нормальное распределение. Небольшие изменения в многомерной нормальности распределения могут привести к большой разнице в тесте хи-квадрат.

2. Линейность: между эндогенными и экзогенными переменными предполагается линейная связь. 3. Отсутствие выбросов.

4. Последовательность: необходимо наличие причинно-следственной связи между эндогенными и экзогенными переменными. Во-вторых, ограничением также выступает использование узкого набора показателей интеллектуального капитала, в который вошли: коммерческие расходы, привлечение иностранного капитала, участие в ассоциациях, качество сайта компании, наличие систем управления ресурсами (ERP, Oracle, SQL и др.), стоимость НМА по балансу, наличие стратегии относительно интеллектуального капитала или управления знаниями, количество патентов, квалификация членов Совета директоров, затраты на персонал, продуктивность персонала. Предполагается, что при выборе более широкого набора показателей результаты могли бы быть получены другие.

Исходя из ограничений, можно выделить основные возможные направления дальнейших исследований: расширение базы данных (количества компаний, отраслей); анализ связи различных мер влияния на поведение менеджера с его инвестиционными решениями; сравнение компаний с разным видом управления; построение отличных от представленных латентных переменных, отвечающих за интеллектуальные ресурсы.

Результаты данного исследования имеют как практическую, так и теоретическую ценность. Практическая ценность состоит в привлечении внимания акционеров и инвесторов компании к мотивам инвестиционных решений менеджера. Для акционеров компаний -для понимания возможных целей, преследуемых наемными менеджерами относительно инвестиционных решений, а также возможных путей решения агентской проблемы. Для инвесторов - при их решении вкладывать капитал в ту или иную компанию. Инвесторы должны учитывать тот факт, что существует дуальность инвестиционных решений менеджера: информации о факте инвестирования компанией средств в интеллектуальный капитал должно быть недостаточно для инвестора, ему необходимы прозрачность и понимание целей вложения средств в интеллектуальные ресурсы. Теоретическая ценность заключается в новизне рассматриваемого вопроса: темы, касающиеся интеллектуальных ресурсов и отношений собственник-менеджер ранее рассматривались обособленно, в данном исследовании была проведена попытка объединения таких вопросов для решения одной цели исследования.



Список литературы

Ageel A., Shaari N., Abu Hassan Md. Isa, Khalique M. (2011), “Challenges Faced by the Small and Medium Enterprises (SMEs) in Malaysia: An Intellectual Capital Perspective” // International Journal of Current Research, Vol.3, Iss.:6, pp.398-401.

Akhavan P., Mehralian G., Rasekh H.R., Sadeh M.R. (2012), “The Impact of Intellectual Capital Efficiency on Market Value: An Empirical Study from Iranian Pharmaceutical Companies” // Iranian Journal of Pharmaceutical Research, Vol.11 (1), pp.195-207

Andreadakis S., (2011), “Towards an enlightened shareholder value: The tension between shareholder and stakeholder models in modern corporate governance” // ELASM 8th Workshop on Corporate Governance; Brussels: Working paper.

Arnoud B., Greenbaum S, and Thakor A.,(1993), “Reputation and Discretion in Financial Contracting” // American Economic Review 83: pp. 1165-1183.

Athanassakos, G (2007), “Value-based management, EVA and stock price performance in Canada” // Management Decision, Vol. 45 No. 9, pp. 1397-1411.

Barajas Alonso A. A., Shakina E. A., Molodchik M. A., (2017), “Endogenous Value Creation: Managerial Decisions on Intangibles” // Management Research Review. 2017. Vol. 40. No. 4. pp. 1-20.

Beattie, V. and Thomson, S.J. (2007), “Lifting the lid on the use of content analysis to investigate intellectual capital disclosures” // Accounting Forum, Vol. 31 No. 2, pp. 129-163.

Ben-Zion, U., (1984), “The R&D and Investment Decision and its Relationship to the Firm's Market Value: Some Preliminary Results, in ZviGriliches, (ed.), R&D, Patents and Productivity” // Chicago: University of Chicago Press, pp. 299-314.

Berle, A., Means, G. (1932), “The modern corporation and private property” //New York: Macmillan.

Bevan A.A., Estrin S., Kuznetsov B., Schaffer M.E., Angelucci M., Fennema J., Mangiarotti G. (2001), “The Determinants of Privatized Enterprise Performance in Russia” // William Davidson Institute Working Paper №452.

Biddle, G. C., Bowen, R. M. and Wallace, J. S. (1999), “Evidence on EVA” // Journal of Applied Corporate Finance, Vol. 12, No. 12, pp. 8-18.

Bhagat S., Welch I., (1995), “Corporate research & development investments international comparisons” // Journal of Accounting and Economics, Vol. 19, Issues 2-3, pp. 443-470.

Bhagat, S., Bolton, B. (2008), “Corporate governance and firm performance” // Journal of Corporate Finance, 3(14), pp. 257-273.

Bontis, N. (1998), “Intellectual capital: an exploratory study that develops measures and models” // Management Decision, Vol. 36 No. 2, pp. 63-76.

Bontis, N. (2001), “Assessing knowledge assets: a review of the models used to measure intellectual capital” // International Journal of Management Reviews, Vol. 3 No. 1, pp. 41-60.

Bontis N., Chua Chong Keow, Richardson S. (2000), “Intellectual Capital and Business Performance in Malaysian Industries” // Journal of Intellectual Capital, Vol.1, Iss:1, pp. 85-100.

Brenner, S., (2015), “The Risk Preferences of U.S. Executives” // Management Science Vol. 61, Issue 6, ISSN: 0025-1909.

Britto, Monetti, Joao da Rocha Lima Jr (2014),“Intellectual Capital in Tangible Intensive Firms: The Case of Brazilian Real Estate Companies” // Journal of Intellectual Capital, Vol.15, No.2, pp.333-348.

Brochet, Francois, Maria Loumioti, and George Serafeim,(2015), “Speaking of the Short-Term: Disclosure Horizon and Managerial Myopia” // Review of Accounting Studies 20 (3): pp. 1122-1163.

Cabrita M., Bontis N. (2008), “Intellectual capital and business performance in the Portuguese banking industry” // International Journal of Technology Management, Vol.43, Issue 1-3.

Canibano, L., Covarsi, M.G.A. and Sanchez, M.P. (1999), “The value relevance and managerial implications of intangibles: a literature review” // paper presented at International Symposium: Measuring and Reporting Intellectual Capital: Experiences, Issues and Prospects, Amsterdam.

Cardoso, D. and Pereira, P. (2015),“A compensation scheme for optimal investment decisions” // Finance Research Letters.

Chang C., Wang W.-Y. (2005), “Intellectual Capital and Performance in Causal Models: Evidence from the Information Technology Industry in Taiwan” // Journal of Intellectual Capital, Vol. 6. No. 2, pp. 222-236.

Chang, S.J. (2003), “Ownership structure, expropriation, and performance of group-affiliated companies in Korea” //Academy of Management Journal, 2(46), pp. 238-253.

Chen, J., Zhu, Z. and Hong, Y.X. (2004), “Measuring intellectual capital: a new model and empirical study” // Journal of Intellectual Capital, Vol. 5 No. 1, pp. 195-212.

Cheuk S., Wong H.T., Kok, S.C. (2006), «Is a Company's Intellectual Capital Performance and its Market Valuation Related? Evidence from Public Listed Companies from the Finance Sector of Bursa Malaysia» // Malaysian Finance Association 8th Annual Conference Proceeding.

Colak, G. (2010), “Diversification, Refocusing, and Firm Value” // European Financial Management, Vol. 16, №3, pp.422-448.

Edvinsson L., Malone M. (1997), “Intellectual Capital: Realizing Your Company's True Value by Finding Its Hidden Roots” // New York: HarperCollins Publishers.