Размещено на http://allbest.ru

Введение

интеллектуальный капитал инвестирование

В течение двух десятилетий Интеллектуальный капитал находится в центре внимания исследователей по всему миру. В современном информационном обществе традиционное понимание инвестиций изменилось: теперь компании всё больше фокусируются не на наращении материальных активов, а на вложениях в нематериальные активы, развитии Интеллектуального капитала компании. Другими словами, эффективное использование Интеллектуального капитала стало ключевым фактором, определяющим успешность бизнеса (Survilait et al , 2015). Отражая растущий интерес фирм к вопросам использования Интеллектуального капитала для повышения конкурентоспособности и эффективности компании, растёт также и число научных публикаций, посвящённых этой теме, раскрывая всё новые аспекты проблемы (Рис.1.) Несмотря на повышенный научный интерес в этой области, доля серьёзных исследований Интеллектуального капитала, опубликованных российскими авторами, довольно мала (Рис.2.). Кроме того, зачастую российские учёные работают с данными зарубежных рынков.

Рис.1. Рост числа публикаций на тему Интеллектуального капитала в мире за период 1970-2015 гг. http://www.scopus.com/term/analyzer



Рис.2. Доля публикаций российских авторов в общем числе исследований ИК за период 1970-2015 гг. http://www.scopus.com/term/analyzer

В то же время, российские компании активно наращивают Нематериальные активы (Рис.3.), уделяют внимание внедрению новых практик обучения сотрудников и ведут исследовательскую деятельность, что является процессом инвестирования в ИК. Это значит, что исследования в данной области будут потенциально востребованными и могут быть полезны как будущим исследователям, так и менеджерам, определяющим инвестиционную политику компаний.

Суммировав приведённые доводы, мы можем утверждать, что относительно малая изученность российского рынка Интеллектуального капитала вкупе с возрастающим инвестиционным интересом к Управлению знаниями и генерированию конкурентных преимуществ через нематериальные активы делают выбранную сферу научного интереса перспективной для изучения.

Рис. 3. Рост НМА российских компаний за период 2004-2015 гг.

В данном исследовании областью нашего интереса являются межотраслевые различия в моделях инвестирования российских компаний в интеллектуальный капитал. На данный момент существует множество работ, рассматривающих влияние Интеллектуального капитала на различные индикаторы успешности и эффективности деятельности компании. Многие из этих исследований проводились на основе зарубежных (Малайзия, Тайвань, США) наукоёмких отраслей, затрагивая компании, которые наиболее интенсивно применяют Интеллектуальный капитал в различных проявлениях. Однако мы понимаем, что полученные в этих исследованиях выводы применимы только для узкого круга фирм и не могут стать руководством при выборе инвестиционной стратегии среднестатистической фирмы. Также существует довольно много работ, посвящённых этой теме, где отрасль выступала как фактор трансформации Интеллектуального капитала (Shakna, Barajas, 2012). Авторы акцентировали то, что принадлежность к отрасли подразумевает определённую институциональную среду, привязку к продукту (Malerba, 2004) и конкретные навыки персонала и управляющих, необходимые для работы именно в этом секторе. Полностью соглашаясь с этим утверждением, мы берём его за основу собственного исследования. В контексте сложившегося подхода к изучению Интеллектуального капитала и отрасли нам стало интересно протестировать все полученные ранее выводы на выборке из компаний, принадлежащих к разным отраслям. Отметим, что кросс-отраслевых исследований, сравнивающих значимость факторов по секторам экономики, в этой области мало. Таким образом, мы сможем изучить и сравнить стратегию в области интеллектуальных ресурсов не только для наукоориентированных предприятий или фирм, инвестирующих в построение прочных отношений с покупателями, а для выборки из компаний, имеющих разную степень зависимости от Интеллектуального капитала. Благодаря этому обобщённые выводы нашего исследования смогут быть потенциально полезными для большего числа исследователей, занимающихся схожими вопросами, и менеджеров, оценивающих перспективы инвестирования в тот или иной компонент Интеллектуального капитала для своей копании. Также добавим, что эффект отрасли мы измеряем через вариацию Добавленной экономической стоимости российских компаний.

Таким образом, цель данного исследования - определить, как Интеллектуальный капитал влияет на EVA российских компаний в зависимости от отрасли

Для достижения этой цели планируется выполнить ряд задач:

1. Суммировать выводы о влиянии отрасли на значимость компонентов Интеллектуального капитала для компании

2. Определить релевантные прокси-показатели для ИК

3. Доказать значимость различия по отраслям на российских данных

4. Построив эконометрическую модель, смоделировать взаимосвязь ИК и EVA компании и проконтролировать эффект отрасли

5. Сравнить полученные результаты с выводами предыдущих исследований

Поставленные задачи будут реализованы путём проведения критического анализа релевантных исследований, применения методов статистического анализа данных и эконометрического моделирования.

Руководствуясь основными задачами исследования, мы выстроили структуру работы следующим образом:

· Теоретический обзор релевантных источников (все опубликованы на английском языке, среди которых 24 работы зарубежных авторов)

· Построение гипотез и выбор соответствующей методологии исследования

· Последовательное тестирование регрессионной зависимости EVA от ИК на уровне базовой модели, и на уровне сфер деятельности и отраслей

· Формулировка выводов, интерпретация результатов, рассуждение о перспективах исследования

1. Интеллектуальный капитал и его компоненты как драйвер стоимости компании

1.1 Обсуждение связи Интеллектуального капитала, отрасли и стоимости компании

Для начала рассмотрим статьи, которые легли в основу нашего исследования. Выводы, сделанные авторами, позволили нам сформулировать область собственного научного интереса и рассчитывать на то, что проведённая нами работа будет результативной и релевантной. Среди множества работ, посвящённых теме интеллектуального капитала и потенциально подходящих для нашего исследования, можно выделить несколько направлений изучения. Как правило, авторы работают над объяснением влияния ИК на стоимость компании, кроме того, рассматривается эффект отрасли на ИК и влияние отрасли на добавленную экономическую стоимость. При выборе базовых статей для нашей работы мы старались выбрать те из них, которые по возможности наиболее полно охватывают данные аспекты и раскрывают перечисленные взаимосвязи с разных сторон.

Названным критериям соответствует статья Maditinos, Љeviж, Tsairidis (2010). Авторы изучали отраслевой эффект с целью определить, как различные элементы ИК (в работе выделены Структурный, Клиентский, Инновационный, Человеческий капитал) взаимодействуют между собой в зависимости от отрасли, впоследствии определяя успешность деловой активности фирмы. Все отрасли, включенные в выборку, были поделены на две подгруппы по критерию принадлежности к сфере услуг. Исследователи пришли к выводу, что Структурный капитал значимо и позитивно влияет на результат деятельности компании в производственных отраслях, в то время как в сфере услуг наблюдается позитивное взаимодействие Структурного и Клиентского капитала. В данной работе результаты деятельности компании измерялись посредством продажи и прибыли, что не соответствует целям нашего исследования, однако представляется интересным проверить выводы, касающиеся экономической прибыли, в терминах экономической добавленной стоимости. В целом, приведённое исследование доказывает факт того, что структура Интеллектуального капитала варьируется для сфер производства и услуг, что полезно для выдвижения гипотез нашего собственного исследования.

Разница в соотношении ИК и экономической прибыли по секторам была выявлена в работе Naidenova, Parshakov (2013), которые анализировали связь между ИК и экономической прибылью компании, уделяя особенное внимание отраслевому эффекту в фармацевтике, торговле, чёрной металлургии, телекоммуникациях и сфере услуг. В результате исследования было доказано наличие отраслевых различий: например, Человеческий капитал имел наибольшее значение в сфере торговли, а взаимодействие элементов ИК в сферах телекоммуникации и металлургии носило разный характер. Результаты были получены путём построения векторной авторегрессии, которая позволила преодолеть взаимное влияние компонентов Интеллектуального капитала, гетерогенность и лаговый эффект.

Ещё одна статья, которую можно считать базовой для нашего исследования - The Contribution of Intellectual Capital to Value Creation. Shakina, Barajas (2013) изучали предельный эффект ИК в стоимости компании. Данная работа применима в рамках нашего исследовательского интереса сразу в двух аспектах. Во-первых, используя дисперсионный анализ (ANOVA), авторы доказывают, что отрасль существенно определяет характер вклада ИК в формирование стоимости компании. Во-вторых, стоимость компании оценивается в терминах Экономической добавленной стоимости (EVA) - показателя, который будет индикатором стоимости компании и в нашем исследовании.

Рассуждая о показателе EVA, необходимо отметить ещё одну, более раннюю, статью, которая доказывает обоснованность выбора Экономической добавленной стоимости в качестве зависимой переменной для нашей работы. Yook (2004), изучая EVA после слияний и поглощений, наблюдал сильнейшую вариативность в результатах, которую объяснил эффектом отрасли. Действительно, при корректировке EVA на отраслевой эффект различия в результатах были сведены к минимуму. На основе этих выводов мы можем сделать заключение о том, что EVA чувствительна к отраслевой структуре данных, значит, действительно подходит для целей нашей работы.

Среди исследований, проведённых на российских данных, стоит выделить Ustinova & Ustinov (2014) , которые изучали влияние структурных компонентов интеллектуального капитала на рыночную капитализацию российских компаний в отраслевом контексте. Авторами было установлено, что Человеческий капитал не имеет значимого влияния на численные показатели топливной, энергетической, металлургической и пищевой отраслей. Структурный же капитал наиболее значим для строительных организаций и приносит наименьший эффект в добыче полезных ископаемых, металлургии и электроэнергии. Полученные выводы будут полезны нам как для формулирования гипотез исследования, так и для сравнения полученных результатов; кроме того, неоспоримым достоинством этой статьи является работа с российскими данными.

Таким образом, на основе анализа релевантной литературы можно прийти к выводу о том, что, во-первых, элементы Интеллектуального капитала влияют на результаты деятельности компании (в том числе, выраженные в терминах прироста стоимости), во-вторых, характер этого влияния подвержен воздействию отрасли. Данное взаимодействие можно представить следующим образом (Рис.4.):



Рис.4. Схема и результат взаимодействия ИК и отраслевого эффекта

Что касается нашего исследования, в ходе работы мы придерживались распространённого подхода оценки влияния ИК на деятельность компании через расчёт показателя EVA. Особенности этого влияния для конкретных элементов Интеллектуального капитала будут рассмотрены ниже.

1.2 Обсуждение влияния отрасли на индикаторы Интеллектуального капитала

Наше исследование базируется на двух основополагающих концепциях: Интеллектуальный капитал и Добавленная экономическая стоимость (EVA). Раскроем содержание каждого из понятий:

· Интеллектуальный капитал

Среди исследователей существует множество вариантов определения Интеллектуального капитала. Одним из первых сформулировал дефиницию Stewart (1991): Интеллектуальный капитал был определён как сумма всего, что известно всем работникам компании, и что даёт компетентное преимущество на рынке. Современные исследователи Greco, Cricelli, Grimaldi (2013) дают следующее определение: Интеллектуальный капитал - это совокупность знаний и навыков работников компании, а также инструменты преумножения знаний, используемые фирмой с целью генерировать конкурентное преимущество (Greco, 2013).

Традиционно Интеллектуальный капитал рассматривается как актив компании, не имеющий материального выражения, и поэтому вызывающий трудности в оценке и идентификации через элементы финансовой отчётности (Mehralian et al , 2013). В связи с этой неопределённостью, в научной среде возникло множество подходов к определению и оценке Интеллектуального капитала и его элементов. Многими исследователями интеллектуальный капитал рассматривается как совокупность трёх составных частей: человеческого капитала, структурного капитала и отношенческого капитала (Shakina, Barajas, 2014). Человеческий капитал - это вклад, который отдельный работник привносит в деятельность компании (Shakina, Barajas, 2013). Его можно разделить на вклад рядовых работников - потенциал человеческого капитала, и вклад менеджеров - управленческий потенциал (Dumay, 2012). Структурный капитал представляет собой связи между работниками и связи работников с компанией (Shakina, Barajas, 2014). Он, в свою очередь, может быть разделен на инновационный потенциал, способный наделить компанию преимуществом «первого шага», и потенциал внутреннего процесса, в рамках которого благодаря командной работе и лидерству работники делятся своими неявными знаниями (Edvinsson, Malone, 1997). Такой обмен опытом крайне важен, в особенности для небольших венчурных предприятий, в которых он определяет успешность стратегии фирмы (Sveiby, 2001). Отношенческий капитал отражает отношения компании с внешними партнёрами и совладельцами, среди которых поставщики и заказчики, государство, СМИ и т.д (InCaS 2009). Согласно Tseng & Goo (2005), чем больше компания знает о клиентах и чем больше проявляет заботу о них, тем более сильным компетентным преимуществом она обладает. Альтернативное разделение Интеллектуального капитала по видам было предложено Brooking (1996), который рассматривал четыре компонента Интеллектуального капитала: связанный с торговой площадкой или рынком (marketplace-related), знаниями (mind-related), с организацией (organization-related) and и человеческий капитал (human-related capital) (Brooking, 1996). Ещё один вариант ранжирования был применен (Bontis, 1998): он рассматривал Интеллектуальный капитал как часть компетентного преимущества фирмы, полученного за счёт её Человеческого, Структурного и Клиентского капитала (Bonits, 1998). Несмотря на многообразие подходов к выделению компонентов и видов Интеллектуального капитала, единой системы или канонического подхода выведено не было. К тому же, приведённые границы деления Интеллектуального капитала на виды являются лишь вариантами классификации одних и тех же компонентов: так, опыт менеджеров можно отнести как к управленческому потенциалу, так и к человеческому капиталу. Аналогично, приверженность клиентов, будучи элементом Клиентского капитала, также может быть отнесена к Отношенческому капиталу. По этой причине в данной работе мы приняли решение уйти от практики деления Интеллектуального капитала на виды и работать только с его составляющими компонентами, вызывающими исследовательский интерес, вне рамок какой-либо классификации.

· Добавленная экономическая стоимость (EVA)

Добавленная экономическая стоимость - методология, введённая Stern Stewart & Co., которая использует данные баланса и отчёта о прибылях и убытках, но корректирует их с учетом капитальной базы фирмы и специфической для фирмы стоимости капитала, учитывающей риск (Mouritsen,1998). Показатель EVA вычисляется следующим образом:

EVA = NOPАТ -- (WACC Ч К), (1)

где: NOPAT -- чистая операционная прибыль после вычета налогов;

С -- средневзвешенная стоимость капитала;

К -- операционный капитал (сумма собственного и заёмного капитала компании)

В исследовании Sharma et al (2007) была доказана состоятельность метода оценки Добавленной экономической стоимости для определения чистого эффекта от применения фирмой различных методик управления знаниями и стратегий наращения интеллектуального капитала. Более того, этот метод оценки удобен для руководителей компаний и менеджеров, принимающих решения в области управления Интеллектуальным капиталом. Высокая объясняющая способность показателя EVA в качестве индикатора эффекта интеллектуального капитала на деятельность фирмы была подтверждена исследованиями Shakina, Barajas (2012).

Теперь перейдём к обсуждению компонентов Интеллектуального капитала, релевантных методов их оценки и отраслевого эффекта для каждого из компонентов на основе выводов предыдущих исследований.

· Нематериальны активы компании (НМА)

В исследовании Shakina, Barajas (2012) величина нематериальных активов была использована в качества индикатора интеллектуальной собственности компании, а её влияние на показатель Добавленной экономической стоимости было статистически значимым и положительным для российских листинговых компаний. В нашем исследовании мы планируем включить этот показатель в качестве одной из ключевых объясняющих переменных для величина EVA.

· Известность и сила бренда

Dumitru (2011) изучал важность бренда как компонента репутации компании, которая, в свою очередь, является частью интеллектуального капитала компании и принимает участие в процессе генерирования стоимости компании, а также влияет на финансовые результаты деятельности фирмы. Известность особенно важна для компаний, инвестирующих в отношения между производителем и потребителем. По данным работы Sofian (2005), к ним относятся сектор потребительских товаров, торговля и сфера услуг. Несмотря на логичность предположения о том, что известность положительно сказывается на стоимости компании, Shakina, Barajas (2012) пришли к выводу о том, что Известность бренда, включённая в модель как дамми, при прочих равных условиях понижает добавленную экономическую стоимость российских компаний. В то же время для Европейских фирм это влияние оказалось положительным. В нашем исследовании мы проконтролируем известность бренда по признаку принадлежности компании к списку Ranking Forbes 2000 и проверим, влияет ли это на экономическую стоимость. Ranking Forbes 2000 - список крупнейших и самых влиятельных компаний в мире, составленный на основе оценки продаж, прибыли, величины активов и рыночной стоимости компании. Таким образом, в данном случае Известность представляется как логичный результат высоких показателей деятельности фирмы и её влиятельности на рынке.

Для характеристики сотрудников компании мы выбрали два возможных показателя:

· Затраты на 1 работника (staff expences)

Затраты на содержание работников, помимо прямых затрат на выплату заработной платы, включают также косвенные затраты на оборудование рабочего места, различные социальные программы, командировочные расходы и затраты на обучение сотрудников. Этот показатель может быть принят нами как прокси-переменная, характеризующая, во-первых, ценность сотрудника для компании на основе его заработной платы, а также дополнительных затрат на создание комфортных условий труда, и, во-вторых, за счёт части, состоящей из затрат на обучение и развитие, курсы повышения квалификации и специальную литературу, как отражение инвестиций в управление знаниями. За неимением данных отдельно по затратам на обучение сотрудников, мы будем пользоваться суммарными затратами на содержание персонала, взвешенными на число работников компании. Однако, в случае, если этот показатель будет значим, необходимо помнить о его составляющих при экономической интерпретации. Таким образом, Затраты на содержание сотрудников могут быть приняты как прокси-переменная для инвестиций в человеческий капитал компании.

· Прибыль на 1 работника - ещё один показатель, который может отражать качество Интеллектуального капитала сотрудников компании, но уже не с точки зрения готовности фирмы нести затраты, а с точки зрения выгод, приносимых сотрудником компании. Этот показатель используется в научной литературе (Shakina, Barajas, 2012) и, как правило, имеет статистически значимое положительное влияние на стоимость компании.

Каких-либо свидетельств того, что приведённые индикаторы по-разному привносят вклад в стоимость компании в зависимости от отрасли, нет. Несмотря на это, мы планируем включить эти переменные в регрессионную модель для более полного моделирования Интеллектуального капитала компании.

· Участие в ассоциациях

Acuna et al (2012) отмечали, что компании могут создавать объединения или предпринимательские группы для совместного проведения каких-либо действий с целью улучшения компетентной позиции на рынке. Так как такая активность связана со стратегическим мышлением и построением связей на рынке, она также может быть отнесена к компонентам интеллектуального капитала. Исследование Acuna et al (2012) было проведено на выборке из компаний только строительного сектора, поэтому в нашем исследовании будет интересно распространить результаты на большее количество отраслей и по возможности сравнить эффект от участия компании в бизнес-ассоциациях в отраслевом разрезе.

· Качество сайта

Согласно выводам Sofian (2005), в отраслях производства потребительских товаров, а также в торговле и услугах, компании наиболее интенсивно инвестируют в построение отношений между поставщиками/продавцами и клиентами/покупателями. Создание сайта, удобного и привлекательного для клиента, является одним из каналов построения этих отношений и привлечения новых покупателей, что генерирует для фирмы дополнительное компетентное преимущество. Shakina, Barajas, (2012) раскрывают критерии качества сайта: это доступность информации для инвесторов, наличие выбора языка, количество представленной информации и дизайн. По их данным, для российских компаний качество сайта статистически незначимо при создании стоимости компании, а для европеских компаний имеет негативную связь с экономической добавленной стоимостью компании. Для нашего исследования имеет смысл включить показатель качества сайта в регрессию, чтобы протестировать его значимость и, в случае, если он значим, проследить отраслевой эффект.

В компаниях, в деятельности которых важную роль играет Интеллектуальный капитал, необходимо развитие методов идентификации, создания, хранения, распространения и применения знаний. Это оптимизирует организационный процесс и обеспечивает стабильное развитие фирмы (Erpen et al, 2015), что в результате приводит к росту стоимости компании. Sharma et al (2007) исследовали важность реализации компанией различных стратегий в сфере управления знаниями, сравнивая показатели финансовой отчётности компании до и после внедрения стратегии в течение десятилетнего периода. Авторы не только доказали, что эффект от Управления знаниями статистически значим для эффективности деятельности компании, но и подтвердили, что чистый эффект от внедрения Управления знаниями или перехода к новой стратегии может быть успешно оценён в терминах Добавленной экономической стоимости (EVA). Исследования Sofian (2005) показывают, что наиболее интенсивно инвестируют в развитие и обучение сотрудников компании технологического сектора, производители промышленных товаров, а также фирмы в секторах услуг и торговли. Для характеристики стратегической составляющей интеллектуального капитала компании мы выбрали две переменных:

· Применяет ли фирма "intellectual capital"или "knowledge management" стратегию (бинарная переменная на основе мониторинга сайта компании)

· Применяет ли корпоративную стратегию (бинарная переменная на основе мониторинга сайта компании)

· Число патентов

С помощь патента компания утверждает своё исключительное право, авторство и приоритет изобретения или образца, тем самым защищая свою интеллектуальную собственность и препятствуя получению другими компаниями такого же конкурентного преимущества. Несомненно, потребность компании в патентах зависит от отрасли, в которой она работает, а также важную роль играет сложность процедуры получения патента. Shakina, Barajas (2012) используют количество патентов как прокси-показатель интеллектуальной собственности компании и приходят к выводу о том, что число патентов положительно связано с добавленной экономической стоимостью российских компаний. В то же время результаты исследования Guo et al (2012), проведённого на выборке из 279 листинговых компаний биотехнологической отрасли США, показывают, что в фирмах, интенсивно использующих Интеллектуальный капитал, патенты и затраты на Исследования и разработки демонстрируют позитивную связь, хотя увеличение числа патентов не влияет на финансовый результат компании. В нашем случае будет интересно проверить, наблюдается ли эффект от патентной деятельности в терминах экономической стоимости компании, и если да, то в каких отраслях он наиболее силён для российских компаний.

· НИОКР

Научно-исследовательские и опытно-конструкторские работы (Research&Development) направлены на то, чтобы нарастить Интеллектуальный капитал фирмы и получить дополнительные конкурентные преимущества, что положительно скажется на результатах деятельности компании. Однако затраты на НИОКР связаны с риском, так как заранее предсказать результаты исследований, а значит, и окупаемость затрат, невозможно. В контексте этих рисков становится понятно, почему по результатам исследования Shakina, Barajas (2012) затраты на НИОКР в российских компаниях при прочих равных условиях снижают добавленную экономическую стоимость. Это соответствует выводам Tan (2010), сделанных на примере Китайского рынка, о том, что инновационный климат в развитых и развивающихся странах различен, поэтому различны и модели инвестирования в исследования и разработки. Кроме того, эффект от НИОКР и, соответственно, интенсивность инвестиций, различаются по отраслям. Так, согласно Sofian (2005), наиболее активной деятельностью в отрасли Исследований и Инноваций занимаются компании в сфере технологий и производства промышленных товаров. Эти выводы были получены для зарубежных компаний, поэтому будет интересно проверить, сохраняется ли такая закономерность на российском рынке.

· Отрасль как фактор трансформации Интеллектуального капитала

Основным объектом научного интереса в нашей работе выступает отраслевое влияние, поэтому показатель отрасли также будет включён на стадии регрессионного анализа. По словам Malerba(2004), отрасль - это набор активностей, унифицированных связью с определённой продуктовой группой в условиях существующего уровня спроса и разделяющих определённый базовый уровень Знаний. Именно этим обосновано сходство компаний по секторам. . Важность отрасли как фактора трансформации интеллектуального капитала подтверждали в своих исследованиях Shakina, Barajas (2012), включая отрасль в качестве контрольной переменной при оценке влияния интеллектуального капитала на Добавленную экономическую стоимость компании. Согласно Sofian (2005), как правило, компании, обладающие большим Интеллектуальным капиталом, работают в технологическом секторе, секторе потребительских товаров, промышленных товаров, в торговле и сфере услуг. В основном автор связывает это опережение с интенсивностью инвестиций в обучение сотрудников (для технологий, торговли, услуг, промышленных товаров), затрат на исследования и разработки (для сферы технологий и производства промышленных товаров), а также инвестирования в построение отношений с клиентами и покупателями (для торговли, услуг и производства потребительских товаров). Опираясь на эти результаты, своё исследование проводили Dadashinasab & Sofian (2014) на выборке, состоящей из фирм Малайзии, обладающих высоким интеллектуальным капиталом - представителях отраслей технологий, потребительских и промышленных товаров, торговли и услуг.

Суммируя выводы исследований Pavitt (1984), Malerba(2004) пишет о четырёх отраслевых моделях инновационной активности. Первая модель - это отрасли, в которых доминирует поставщик: текстильная промышленность и услуги. В этих отраслях новые технологии приходят в основном воплощённые в новом оборудовании, а распространение знаний проходит через обучение на практике и непосредственное использование технологий. Вторая модель инновационного поведения фирмы наблюдается в отраслях, ориентированных на масштаб производства (автомобилестроение, сталелитейная отрасль), для которых важны инновации в производственном процессе, которые защищаются секретностью и патентами; источники инноваций - как внутренний (Исследования и разработки, практическое обучение), так и внешний (производители оборудования). Третий тип - специализированные поставщики (такие как производители оборудования) - компании, в которых инновации сконцентрированы на повышении эффективности, надёжности и кастомизации. Источники инноваций располагаются как внутри компании (неявные знания и опыт специалистов), так и вне её (связи между поставщиком и пользователем или покупателем). В этих компаниях знания представлены в основном в интерактивной форме и локализованы, фирма-специфичны. Последняя модель инновационного поведения представлена компаниями научной сферы, такими как фармацевтика и электроника. В этих фирмах высок уровень инноваций как в продукте, так и в процессе производства, Исследования и разработки проводятся в университетах и научно-исследовательских лабораториях. Также необходимо отметить значимость секретности и патентной деятельности, кривых обучения сотрудников и времени выполнения заказов для этих предприятий.

Помимо выделения эффекта по отраслям, исследователи также обращаются к более вгрегированному делению - эффекту принадлежности фирмы к сфере услуг или к производственной сфере. Само понятие «Экономики знаний» развивалось вместе с ростом той доли, которую занимают в экономике предприятия сферы услуг (Erickson, Rothberg, 2015). По мнению авторов, основанному на изучении компаний из списка Fortune 500, в настоящее время сервисные отрасли демонстрируют значительно более высокий уровень интеллектуального капитала и более динамично наращивают знания.

Суммируя проведённый обзор литературных источников, можно заключить, что существует множество прокси-показателей компонентов Интеллектуального капитала, доступных к изучению и подверженных эффекту отрасли. Кроме того, эффект сектора наблюдается как на уровне агрегированного деления на сферы услуг и производства, так и на уровне более мелкого деления на большее число отраслей. Именно эти особенности мы планируем изучить при помощи регрессионного анализа в следущей части работы.

2. Определение драйверов стоимости на уровне сферы и отрасли

На основе проведённого анализа литературных источников мы можем сделать вывод о том, что в научной среде нет общего мнения по вопросу влияния компонентов Интеллектуального капитала на стоимость компании. Мы знаем, на какие именно компоненты Интеллектуального капитала в первую очередь ориентируются компании разных секторов, но не можем быть уверены в том, каков вклад этих инвестиций в наращение стоимости предприятия, и не можем с уверенностью говорить о том, что все полученные ранее выводы будут актуальны и для развивающегося российского рынка. Исследования, проведённые на разных выборках, дают разные результаты, именно поэтому нам интересно проверить надёжность заключений предыдущих исследователей применительно к стоимости российских компаний. Для выполнения этой задачи мы выдвигаем набор гипотез, связанных с воздействием отрасли на эффективность Интеллектуального капитала как драйвера стоимости компании.

Для начала рассмотрим гипотезы, которые связаны с различиями в деятельности компаний, оказывающих услуги (сфера услуг), и компаний-производителей товаров (сфера производства).

· Гипотеза 1. Нематериальные активы более значимы для формирования стоимости компании в фирмах сферы производства, чем услуг.

· Гипотеза 2. Затраты на НИОКР приносят большую отдачу для фирм-производителей, чем для компаний, оказывающих услуги

· Гипотеза 3. Известность более важна для компаний, предоставляющих услуги, чем для фирм-производителей

· Гипотеза 4. Наличие Управления Знаниями более значимо для компаний, предоставляющих услуги, чем для производителей товаров

Действительно, при анализе научной периодики мы сталкиваемся со списками наукоёмких отраслей (промышленное производство, технологии, фармацевтика и проч.), которые принадлежат к сфере производства. В целом, компании, оказывающие услуги, в основном сконцентрированы на инвестициях в развитие персонала и построение отношений с клиентами, тогда как в производственной сфере фирмы развиваются за счёт проведения Исследований и разработок, внедрения новейшего оборудования, что подразумевает патентование, создание полезных моделей и секретов производства. Несомненно, производители товаров также инвестируют в обучение и развитие персонала, чтобы обеспечить надлежащий уровень работы с инновационным оборудованием, но это направление затрат не является основным, в то время как в сфере услуг акцент сделан именно на знания и навыки сотрудников и формирование образа бренда в глазах клиента

Теперь перейдём к гипотезам, связанным с более конкретными межотраслевыми различиями. Их проверка поможет нам более глубоко понять различия между фирмами по секторам и выявить отрасли, наиболее зависимые от Интеллектуального капитала. На основе изученного материала мы можем предположить, что

· Гипотеза 5. Величина НМА имеет больший эффект для отраслей Энергетики, Услуг и Торговли, чем для других отраслей

· Гипотеза 6. Отрасль Торговли получает наибольшую выгоду от известности бренда

· Гипотеза 7. Применение стратегии управления знаниями имеет наибольший эффект в Торговле и Услугах

· Гипотеза 8. Затраты на НИОКР приносят наибольшую выгоду для отраслей Производства и Энергетики

· Гипотеза 9. Патентование более важно для Производства, Энергетики и Услуг, чем для других отраслей

Действительно, отрасль Энергетики является наукоёмкой, поэтому наращивает стоимость компании за счёт инвестиций в НИОКР, патентов и Нематериальных активов в целом. То же самое можно предположить для некоторых составляющих отрасли Производства (Электроника, Автомобилестроение и проч.). В отрасли услуг многие компании работают по патенту, тем самым охраняя свои конкурентные преимущества. В торговле огромное значение для покупателя имеет доверие к бренду, а высокая текучесть кадров обуславливает необходимость применения эффективной стратегии обучения.

Для того чтобы осуществить проверку выдвинутых гипотез, будет проведён регрессионный анализ добавленной экономической стоимости российских компаний. Для начала мы построим базовую модель, оптимальным образом описывающую зависимость EVA от прокси-показателей Интеллектуального капитала, а после этого введём отраслевой эффект. Поправка на принадлежность к сектору будет проводиться в два этапа. Сначала мы включим в модель фактор принадлежности к сфере производства товаров или услуг как бинарную переменную и выясним, значимы ли на самом деле различия между компаниями, производящими материальные и нематериальные блага. После этого мы протестируем более узкий эффект принадлежности к одной из шести отраслей нашей выборки, оценим знак и значимость совместных эффектов регрессора и отрасли. В заключение мы сделаем вывод о подтверждении или неподтверждении выдвинутых гипотез, сравним полученные нами результаты с теми, что были достигнуты предшественниками в этом вопросе, и постараемся объяснить возникшие расхождения.

Для проведения исследования, по аналогии с подходом Shakina, Barajas (2012), из всех возможных подходов к оценке Интеллектуального капитала мы выбрали два распространённых среди учёных аспекта: ресурсный и стоимостной. С одной стороны, ресурсный подход, который заключается в определении численных характеристик прокси-показателей интеллектуального капитала, позволяет нам углубиться в изучение инвестиционных предпочтений фирм и делать конкретные выводы о значимости того или иного компонента интеллектуального капитала. С другой стороны, стоимостный подход, который заключается в расчёте добавленной экономической стоимости компании как результирующего показателя использования Интеллектуальных ресурсов компании, позволяет оценить суммарный, конечный эффект, который оказывают вкупе все интеллектуальные ресурсы. Несмотря на тот факт, что ресурсный подход не даёт возможности полностью оценить весь Интеллектуальный капитал компании, мы рассматриваем такую комбинацию подходов как оптимальную для целей нашего исследования. Это мотивировано тем, что в результате в регрессии в качестве объясняющих переменных будут оценены входные параметры Интеллектуального капитала (ресурсный подход), а с другой стороны - конечный эффект Интеллектуального капитала, выраженный в изменении экономической стоимости компании. Таким образом мы максимально отразим суть Интеллектуального капитала как знаний, трансформируемых в стоимость фирмы, и получим достаточную степень конкретики для наших выводов.

3. Обсуждение путей реализации исследовательской задачи

Как было заявлено ранее, цель данного исследования - определить, как Интеллектуальный капитал влияет на EVA российских компаний в зависимости от отрасли. На основе проделанной работы по анализу научной периодики в области Интеллектуального капитала, стоимости компании и моделей поведения фирм в области знаний и инноваций мы выдвинули ряд гипотез, связанных с прокси-показателями Интеллектуального капитала, которые мы определили на основе анализа литературы. Суммируем необходимые нам прокси-показатели и опишем метод оценки каждого из них.

Таблица 1 Список переменных

Название переменной	Значение, тип переменной	Характеризуемый аспект	Способ оценки
EVA	Добавленная экономическая стоимость, непрерывная	Численное выражение эффекта ИК, зависимая переменная	EVA = (Инвестированный капитал(t-1)*(ROIC(t)-WACC(t)) и Инвестированный капитал(t) для 2004 года
Регрессоры
int_assets	НМА	Генерация Стоимости через ИК	int_assets =Нематериальные активы компании
brand_forbes	Известность. Входит ли компания в Ranking Forbes 2000. Бинарная	Сила бренда, доверие к компании и влияние на рынке	brand_forbes =1, если входит в Ranking Forbes 2000, иначе =0
cost_1_emp	Затраты на 1 работника, непрерывная	Стоимость рабочей силы, квалификация сотрудника	= Затраты на содержание сотрудников/число сотрудников
earn_per_emp	Прибыль на 1 сотрудника, непрерывная	Ценность 1 сотрудника в терминах прибыли	earn_per_emp= EBIT/число сотрудников
ir_assoc	Участие в бизнес-ассоциациях, бинарная	Связи на рынке	ir_assoc =1, если компания вовлечена в бизнес-ассоциации, 0 -не вовлечена
ir_site_quality	Качество сайта, категориальная (1-4).	Формирует отношение потребителей	Экспертная оценка на основе исследования сайта
ic_km	Применяет ли фирма "intellectual capital"или "knowledge management" стратегию. Бинарная.	Стратегия фирмы в области ИК	На основе исследования сайта Поиск на сайте компании сочетаний intellectual capital/интеллектуальный капитал"или "knowledge management/управление знаниями"
is_strategy	Применяет ли корпоративную стратегию. Бинарная.	Стратегия фирмы в области ИК	На основе исследования сайта. Поиск на сайте сочетаний "strategy/стратегия", "strategy implementation/применение стратегии"
patents	Число патентов. Непрерывная.	Конкурентное преимущество фирмы через ИК	Patents = число патентов
niocr	Затраты на Исследования и Разработки	Стратегия в сфере инноваций	niocr = Итоговые затраты на НИОКР за период
industry	Отрасль, категориальная (1-6)	Область интереса: какое влияние на ИК?	1 - Construction & Real Estate, 2 - Manufacturing, 3 - Energy & Chemical, 4 - Services, 5 - Trade & Related Services, 6 - Finance & Insurance
Контрольные переменные
bv	Book value, непрерывная	Стоимость активов позволяет проконтролировать размер компании	Бухгалтерская стоимость активов компании
n_emp	Численность сотрудников	Отражение размера компании. Согласно исследованию Usoff et al. (2002) , фирмы, обладающие большим Интеллектуальным капиталом, обычно больше по размеру	Число сотрудников из отчётности
year	Год	Фиксированный эффект года - контрольная переменная. Нужно принять во внимание, что часть выборки приходится на период 2008-2009 годов - глобальный финансовый и экономический кризис, во время которого эффективность и результаты деятельности компаний пережили спад(Shakina, Barajas, 2013).	Сгенерированная дамми-переменная, базовый год - 2003

Необходимо отметить, что у выбранных прокси-переменных есть свои ограничения, которые необходимо будет учесть при интерпретации результатов. Так, принадлежность компании к списку Forbes 2000 не является единственным и полным индикатором известности компании и силы бренда. Кроме того, лишь небольшой процент компаний из выборки входит в этот список. Показатели наличия корпоративной стратегии и применения управления ресурсами получены лишь на основе мониторинга сайта компании и могут искажать реальную ситуацию в том случае, если заявленная информация на сайте не соответствует реальной ситуации. В целом же выборка репрезенативна. Её сильными сторонами являются широкий набор показателей, дающий определённую свободу в выборе регрессоров для построения эконометрической модели, и достаточно большой временной период: с 2004 по 2014 год. Однако в данных за 2014 год слишком много пропусков, поэтому на этапе построения регрессии с помощью эконометрического пакета EViews 2014 год был исключён программой из выборки за недостаточностью данных.

Наше исследование проводится на основе данных, предоставленных Международной лабораторией экономики нематериальных активов НИУ ВШЭ-Пермь. Выборка представляет собой широкий набор различных характеристик деятельности компании, от финансовых показателей до характеристик интеллектуального капитала. Данные в выборке взяты из финансовой отчётности компаний, с сайтов фирм, из сети Интернет, из рейтингов, а также включают экспертные оценки. Обсудим более подробно отраслевую структуру выборки. В Таблице 2 представлен список отраслей, вошедших в выборку, и число компаний в выборке. Соотношение числа компаний в отраслях представлено на Рисунке 5.

Таблица 2. Список отраслей

Название отрасли	Число компаний в выборке
1. Строительство и недвижимость	101
2. Производство	457
3. Энергия и полезные ископаемые	178
4. Услуги	97
5. Торговля	34
6. Финансовая деятельность и Страхование	96

Рис.5. Распределение компаний в выборке по отраслям

Как мы видим из представленных данных, выборка состоит из 963 компаний, почти половина из которых работает в производственном секторе, а самая малочисленная отрасль - это торговля.

В интересах дальнейшего исследования представленные 6 отраслей по признаку производства товара либо услуги были агрегированы в 2 большие группы: «Сфера производства» и «Сфера услуг». В первую группу были включены Строительство и недвижимость, Производство, Энергия и полезные ископаемые, а во вторую - Услуги, Торговля, Финансовая деятельность. Таким образом, мы получили две крупные группы, которые позволят нам проверить гипотезу о различной значимости элементов ИК для сфер производства и услуг. Соотношение секторов производства и услуг представлено на рисунке 6.

Рис.6. Распределение компаний в выборке по сферам производства товаров и оказания услуг

Как мы видим, число фирм-производителей товаров в три раза больше, чем число фирм, оказывающих услуги. Для того, чтобы ещё раз подтвердить обоснованность такого разделения, мы провели тест Вальда для того, чтобы сравнить описательные характеристики Добавленной экономической стоимости в рамках двух подвыборок. Отметим, что в обеих подвыборках фирмы демонстрируют положительный средний прирост экономической стоимости компании. Результаты представлены в таблицах и графиках ниже:



Рис.7. Описательная статистика показателя EVA для Услуг

Рис.8. Описательная статистика показателя EVA для Производства

Как мы видим из сравнения описательных статистик, значения среднего, медианы и стандартного отклонения для подвыборок разные. Причём подгруппа «Производство» имеет более высокое среднее и максимальное значения, а в подгруппе «Услуги» EVA менее волатильна, что видно из меньшего СКО. Мы провели тесты на статистическую значимость различий Среднего, Медианы и Дисперсии для двух подвыборок. Результаты тестов приведены ниже.

Таблица 3 Результаты теста на статистическое равенство средних значений EVA по подвыборкам

Categorized by values of SERVICE
Sample (adjusted): 2004 2013
Method	df	Value	Probability
t-test	8070	0.467065	0.6405
Satterthwaite-Welch t-test*	5175.711	0.804753	0.4210
Anova F-test	(1, 8070)	0.218150	0.6405
Welch F-test*	(1, 5175.71)	0.647628	0.4210

Таблица 4 Результаты теста на статистическое равенство медиан EVA по подвыборкам

Test for Equality of Medians of EVA
Categorized by values of SERVICE
Method	df	Value	Probability
Wilcoxon/Mann-Whitney		5.514404	0.0000
Wilcoxon/Mann-Whitney (tie-adj.)		5.514404	0.0000
Med. Chi-square	1	26.56401	0.0000
Adj. Med. Chi-square	1	26.25423	0.0000
Kruskal-Wallis	1	30.40872	0.0000
Kruskal-Wallis (tie-adj.)	1	30.40872	0.0000
van der Waerden	1	24.52991	0.0000

Таблица 5 Результаты теста на сравнение средних значений EVA по подвыборкам

Test for Equality of Variances of EVA
Categorized by values of SERVICE
Method	df	Value	Probability
F-test	(1314, 6756)	6.568575	0.0000
Siegel-Tukey		4.216036	0.0000
Bartlett	1	1274.266	0.0000
Levene	(1, 8070)	5.992344	0.0144
Brown-Forsythe	(1, 8070)	4.157165	0.0415

Согласно результатам теста, в подвыборках «Услуги» и «Производство» показатель EVA имеет статистически незначимую разницу в среднем, но на 1% уровне значимую разницу в Медиане и Дисперсии, что даёт нам повод утверждать о наличии отраслевого эффекта для двух подвыборок.

Для повышения качества модели и получения более надёжных результатов необходимо было провести анализ выборки на наличие выбросов, а также исключить возможную мультиколлинеарность. Проанализировав статистичские характеристики показателей из нашей выборки, мы наложили следующие ограничения:

· EVA больше -10000 тыс.руб. и меньше <19 000 тыс. руб.

· Прибыль на 1 работника меньше <15 тыс. руб.

· Нематериальные активы компании меньше 5 000 тыс.руб.

· Затраты на НИОКР меньше 20 000 тыс.руб.

· Число менеджеров в компании меньше 40

Корреляционный анализ выявил слабую корреляцию между подавляющим числом регрессоров. Исключением стала статистически значимая умеренная положительная корреляция между прибылью и затратами на одного работника (45%) , умеренная положительная корреляция между числом работников и нематериальными активами (на уровне 40%), умеренная положительная корреляция между нематериальными активами и затратами на НИОКР (38%) качеством сайта и затратами на НИОКР (36%), качеством сайта и число работников (33,5%), а также заметная и значимая положительная корреляция между числом сотрудников и затратами ни НИОКР на уровне 62%. Эти значения не стали кричными для проведения дальнейшего анализа и построения регрессии. Более подробно ознакомиться с результатами корреляционного анализа можно в Приложении 1.

Задача эконометрического анализа - построить модель, описывающую зависимость добавленной экономической стоимости от компонентов Интеллектуального капитала. Экономическая модель в данном случае имеет вид:

EVA = F(прокси-показатели ИК, эффект отрасли,

контрольные переменные)

Эконометрическое моделирование было осуществлено с использованием пакета EViwes, позволяющего работать с панельными данными. В качестве процедуры анализа данных было выбрано построение регрессии с применением фиксированного эффекта в кросс-секции. Выбор этой спецификации был обусловлен статистически и логически. Во-первых, с точки зрения здравого смысла, мы предполагаем, что в модели индивидуальные эффекты экономических единиц являются неслучайными и коррелированы с ошибкой. Это логично, так как для регрессии выбраны определённые компании, которые не менялись от года к году. Кроме того, мы провели тест Хаусмана для выбора между случайным и фиксированным эффектом. Результаты теста приведены ниже в Таблице 6.

Таблица 6 Результаты теста Хаусмана на определение спецификации эффекта

Equation: EQ01
Test cross-section random effects
Test Summary	Chi-Sq. Statistic	Chi-Sq. d.f.	Prob.
Cross-section random	625.456822	21	0.0000

Так как p<0,01, то основная гипотеза теста об уместности случайного эффекта отвергается, и мы подтверждаем свой выбор фиксиованного эффекта. Применение фиксированного эффекта заключается во введении дамми-переменных для контроля индивидуального эффекта компании на протяжении всего периода исследования и повышает объясняющую способность нашей модели, позволяя очистить исследуемые эффекты от индивидуальных эффектов фирм.

Эконометрический анализ проводился в три этапа:

1. Построение базовой модели, описывающей зависимость стоимости компании от Интеллектуального капитала

2. Введение эффекта сферы производства или услуг

3. Введение эффекта отрасли

На каждом из обозначенных этапов мы делали выводы о значимости тех или иных компонентов Интеллектуального капитала для формирования добавленной стоимости компании и переходили от обобщённых выводов к всё более конкретным, специфическим для групп компаний, заключениям. Результаты эконометрического анализа представлены ниже.

4. Оценка влияния Интеллектуального капитала на EVA

4.1 Базовая модель зависимости EVA от Интеллектуального капитала

Для начала мы построили Базовую регрессию, которая наилучшим образом объясняет зависимость Добавленной экономической стоимости компании от интересующих нас элементов Интеллектуального капитала. Базовая модель нужна нам для того, чтобы на начальных этапах выявить факторы, которые будут статистически значимы для Добавленной экономической стоимости, и уже для значимых переменных моделировать отраслевой эффект. Результаты регрессионного анализа приведены в Таблице 7.

Таблица 7 Результаты регрессионного анализа. Базовая модель

Переменная	Коэффициент
C	24.36
INT_ASSETS	0.15***
BRAND_FORBES	-277.53***
EARN_PER_EMP	91.31***
COST_EMP/N_EMP	-39.52
IC_KM	-109.42***
IS_STRATEGY	17.09*
IR_ASSOC	81.69**
IR_SITE_QUALITY	-6.23
NIOCR	-0.03***
PATENTS	-0.98***
N_EMP	-0.01***
BV	0.08***
YEAR=2005	-8.34
YEAR=2006	1.97
YEAR=2007	3.35
YEAR=2008	-31.47***
YEAR=2009	-8.21
YEAR=2010	9.91
YEAR=2011	13.88
YEAR=2012	-14.39
YEAR=2013	-43.77***

*** - значимо на уровне 1%

** - значимо на уровне 5%

* - значимо на уровне 10%

Adjusted R-squared = 0,77