Содержание к диссертации
Введение
1. Теоретические основы исследования интеллектуального капитала и его роли в повышении конкурентоспособности 15
1.1. Эволюция теории интеллектуального капитала 15
1.2. Структура интеллектуального капитала территории и состав его факторов 25
1.3. Влияние интеллектуального капитала на конкурентоспособность экономических субъектов 36
2. Методический подход к разработке многоуровневого профиля интеллектуального капитала 49
2.1. Профиль интеллектуального капитала экономического субъекта и методический подход к его разработке на макро-, мезо- и микроуровнях 49
2.2. Формирование системы показателей для разработки профиля интеллектуального капитала на основе современных подходов оценки конкурентоспособности территорий 58
2.3. Обоснование выбора показателей для разработки интеллектуального капитала региона и предприятия .67
3. Разработка профиля интеллектуального капитала на макро-, мезо- и микро уровнях 81
3.1. Оценка влияния показателей профиля интеллектуального капитала на конкурентоспособность территории 81
3.2. Разработка профиля интеллектуального капитала Республики Татарстан 94
3.3. Сравнительный анализ профилей интеллектуального капитала на макро-, мезо- и микроуровнях 119
Заключение 140
Список литературы 155
Приложения 178
- Эволюция теории интеллектуального капитала
- Формирование системы показателей для разработки профиля интеллектуального капитала на основе современных подходов оценки конкурентоспособности территорий
- Оценка влияния показателей профиля интеллектуального капитала на конкурентоспособность территории
- Сравнительный анализ профилей интеллектуального капитала на макро-, мезо- и микроуровнях
Эволюция теории интеллектуального капитала
Возникновение и развитие теории интеллектуального капитала является закономерным этапом развития современной экономической мысли, базирующейся на эволюции взглядов экономистов на человеческие ресурсы и инновационных процессах в экономике. На Рисунке 1.1.1 представлены основные вехи развития теоретических подходов, предшествующих теории интеллектуального капитала.
Рассмотрим кратко эти теории, их представителей а также объективные предпосылки их формирования.
Роль человека в процессе производства изучало большое количество классических ученых-экономистов XVII- XX веков: А. Смит, У. Петти. Д. Рикардо, Р. Оуэн, К. Маркс, Л. Вальрас, Ф. Тэйлор, Дж. Кейнс [89]. Эволюция воззрений на труд представлена в Приложении 1. В целом экономическая наука за этот период шагнула от обычного признания труда как важного фактора развития экономики, до его центральной роли в процессе производства, изучения его динамики и эластичности и начала рассматривать человека в качестве обучаемой личности со своими потребностями.
Окончательный переход от исследования рабочей силы как товара к концепции человеческого капитала был обусловлен бурным научно-техническим прогрессом середины XX в. Именно в это время начала зарождаться формализованная концепция человеческого капитала. Эволюция теории человеческого капитала представлена в Приложении 2.
В самом начале становления этой теории, у истоков которой стояли Дж. Уолт, Г. Беккер, Т. Шульц, С. Кузнец, человеческий капитал рассматривался исключительно как знания и умения работника, а инвестиции в человеческий капитал приравнивались к инвестициям в обучение персонала. В дальнейших исследованиях М. Боумана, Б. Вейсборда, М. Блауга, С. Боулса, Б. Чизвика, А. Аулина, В. Ванга и Т. Дэвенпорта человеческий капитал стал включать в себя здоровье работника, его мотивацию, мобильность и лояльность компании. Также с развитием теории человеческого капитала, повышением квалификационных требований к работникам и на практике начала возрастать роль персонала как ключевого ресурса предприятия, за который идет конкуренция между работодателями.
Вторым направлением, заложившим основы теории интеллектуального капитала предприятия, стала концепция инновационного менеджмента. Вопросы инновационных процессов на предприятии начали рассматриваться еще в конце XIX века. Эволюция теоретических воззрений ученых на инновационные процессы на предприятии представлены в Приложении 3. В момент зарождения этого научного направления такие ученые как А. Маршал, С. Кузнец [89] рассматривали инновации в качестве одного из необходимых процессов на предприятии, стоящих наряду с другими, однако с развитием экономики и соответственно экономической науки в работах Й. Шумпетера, Э. Денисона, М. Калецки, П. Ромера и Р. Лукаса умение создавать и воспроизводить инновации стало рассматриваться как основное конкурентное преимущество предприятия.
Нельзя недооценивать и значение концепций управления персоналом, которые сформировались, начиная с 70-х годов ХХ века и также послужили научными предпосылками развития теории интеллектуального капитала. Речь идет о концепции управления человеческими ресурсами, теории самообучающейся организации, концепциях непрерывного обучения, обучения через деятельность, управления талантами, теории организационной культуры, которые оказали позитивное влияние на практику управления персоналом в России и особенно в развитых странах.
Формирование на рубеже веков новой экономики, основанной на знаниях, повышение скорости изменений в технике, технологии, обществе привело к созданию теоретической концепции интеллектуального капитала (далее – ИК), которую можно рассматривать как следующую стадию развития экономической теории, адекватную реалиям XXI века.
В 1985 году Таити Сакайа опубликовал одну из первых научных работ, посвященных исследованию интеллектуального капитала. В ней автор рассматривал распространение знаний и их воплощение в материальных благах, которые являются движущей силой глобальных изменений в мировой экономике. Несмотря на то, что Сакайа описывает основные процессы и элементы, присущие интеллектуальному капиталу, этот термином он не использовал.
Только в 1997 г. были опубликованы первые исследования, которые фокусировались исключительно на проблемах интеллектуального капитала. К ним относится прежде всего труд М. Мэлоуна и Л. Эдвинссона «Интеллектуальный капитал. Определение истинной стоимости компании». В своей известной книге они провели анализ практики управления интеллектуальным капиталом, в том числе и его оценки на примере финансовой компании «Scandia». Авторы рассматривали интеллектуальный капитал как «скрытую стоимость компании, нефинансовую составляющую бизнеса, скрытые условия развития» [178].
Другой значимой книгой, в которой исследована теория интеллектуального капитала, является работа Т. Стюарта «Интеллектуальный капитал. Новый источник богатства корпорации». В ней автор дает развернутое определение интеллектуального капитала как «накопленных полезных знаний, интеллектуального материала, который сформирован, закреплен за компанией и используется для производства более ценного имущества» [221].
Следующим этапом в развитии данной теории стали работы Э. Брукинг. В ее работах термин «интеллектуальный капитал» трактуется как «нематериальные активы, без которых компания теперь не может существовать, усиливая конкурентные преимущества». [40]. Основной вклад Э. Брукинг в теорию заключается в том, что она определила структуру интеллектуального капитала. По ее мнению, он состоит из рыночных активов, интеллектуальной собственности как актива, человеческих активов и инфраструктурных активов. [40].
Основоположниками исследуемой категории в Российской Федерации являются: Иноземцев В.Л. [72], Багов В.П. и Селезнев Е.Н. [35], Леонтьев Б.Б. [91] , Леонтьева Л.С [92], Лосева О.В. [61], Эскиндаров М.А. [66].
Интеллектуальный капитал, по мнению Иноземцева В.Л., следует рассматривать как «информацию и знания, которые являются специфическими факторами по своей природе и формам участия в производственном процессе в пределах организации и принимают облик интеллектуального капитала» [72]. В соответствии с классификацией автора, интеллектуальный капитал включает в себя:
- человеческий капитал, (опыт, знания, навыки, способности к нововведениям, организационная культура, философия фирмы);
- структурный капитал, (патенты, лицензии, торговые марки, организационная структура, базы данных, электронные сети).
Б.Б. Леонтьев определяет категорию интеллектуального капитала того или иного субъекта как «стоимость совокупности имеющихся у него интеллектуальных активов, включая интеллектуальную собственность, его природные и приобретенные интеллектуальные способности и навыки, а также накопленные им базы знаний и полезные отношения с другими субъектами» [91]. По мнению Б.Б. Леонтьева, интеллектуальный капитал предприятия определяет качество системы управления предприятием и является важным фактором экономической эффективности его деятельности. В.П. Багов, Е.Н. Селезнев и В.С. Ступаков включают в интеллектуальный капитал кадровый капитал и интеллектуальную собственность. Соответственно интеллектуальный капитал рассматривается как «интеллектуальное богатство организации, предопределяющее ее творческие возможности по созданию и реализации интеллектуальной и инновационной продукции» [35].
Похожей точки зрения на интеллектуальный капитал придерживается И.И. Просвирина. «Интеллектуальный капитал — это активы, представляющие собой мысленные знания, то есть не отделимые от сотрудников, и знания, воплощенные в результатах мыслительной деятельности (структурах, интеллектуальной собственности, клиентах и др). При этом не имеет значения, приобретен объект интеллектуальной собственности (например, патент) у третьих лиц или создан в компании, поскольку основным признаком является то, что он является результатом мыслительной деятельности. Некоторые активы, включаемые в интеллектуальный капитал, являются измеряемыми и признаются как объект бухгалтерского учета (прежде всего это различные формы интеллектуальной собственности), но основная часть интеллектуального капитала не имеет прямой денежной оценки и не признается в бухгалтерском учете, который под интеллектуальным капиталом подразумевает активы, представляющие собой мысленные знания, то есть не отделимые от сотрудников, и знания, воплощенные в результатах мыслительной деятельности (структурах, интеллектуальной собственности, клиентах и др.)»[135].
Формирование системы показателей для разработки профиля интеллектуального капитала на основе современных подходов оценки конкурентоспособности территорий
Одним из наиболее сложных вопросов в определении показателей для диагностики интеллектуального капитала, является выбор показателей, характеризующих различные его аспекты. При этом целесообразно руководствоваться следующими критериями:
1. Информация по выбранной системе показателей должна собираться на территории большого количества стран и быть сравнима между собой.
2. Система показателей должна быть комплексной и включать в себя количество индикаторов, необходимых и достаточных для описания всех главных компонентов интеллектуального капитала, а также важнейших факторов, влияющих на его динамику.
3. Показатели должны быть сопоставимыми не только на макро- и мезо уровнях, но и иметь аналоги на микроуровне. Исходя из этих критериев, следует вывод о целесообразности использования в данном исследовании не столько статистических данных, которые не являются универсальными для всех стран, сколько результатов комплексных международных исследований, направленных на изучение конкурентоспособности стран.
Решение проблемы диагностики интеллектуального капитала на макро- и мезоуровнях требует исследования методических подходов к его оценке, существующих в практике международных сравнений, определения социально-экономического имиджа, рейтинга стран. На сегодняшний день существует большое количество методик комплексной оценки различных аспектов развития государства, показанных в Таблице 2.2.1.
Выбор методов оценки конкурентоспособности на макроуровне сделан автором исходя из двух критериев: глобального масштаба проводимого исследования и ежегодной периодичности публикаций результатов исследований, позволяющей сформировать необходимую информационную базу для исследования.
Однако многие из перечисленных методик не в полной мере могут оценить конкурентоспособность страны. Так, рейтинг «Ведение бизнеса», который составляется Всемирным банком, основан на изучении отдельных аспектов конкурентоспособности, почти не затрагивая аспекта человеческих ресурсов и инновационного развития 189 государств.
И наоборот, методики Индекс человеческого развития (Human Development Index) и Глобальный индекс инновационного развития (The Global Innovation Index) рассматривают в основном аспекты, связанные с человеческими ресурсами и инновационным развитием и не рассматривают существующую экономическую систему и ее эффективность.
Некоторые представленные в таблице глобальные исследования, такие как «Качество государственного управления» (Всемирный банк), «Международная торговля, инвестиции и развитие стран» (ЮНКТАД), «Мировое экономическое положение и перспективы» (ООН, ЮНКТАД и др.), не предполагают расчета агрегированного показателя конкурентоспособности и представляют собой статистические справочники о состоянии отдельных аспектов развития национальных экономик.
Достаточно обширным является исследование «KOF Индекс глобализации», которое оценивает национальные экономики 207 стран, но в нем исследуются лишь отдельные индикаторы конкурентоспособности стран, связанные с процессами интеграции в мировое сообщество.
Таким образом, можно сказать, что большая часть из этих показателей не отвечает основным требованиям к комплексности, выдвинутым ранее. Исключением в данном списке являются методики Международного института развития менеджмента (Institute for Management Development - IMD) со своим ежегодным рейтингом конкурентоспособности (World Competitiveness Yearbook) и Всемирного экономического форума (World Economic Forum) c глобальным отчетом о конкурентоспособности (Global Competitiveness Report).
World Competitiveness Yearbook (WCY) - современный ежегодник ключевых показателей эффективности, который составляется для 60 стран на основе 338 критериев измерения различных аспектов конкурентоспособности (2014 г.) [222].
Методика WCY базируется на ранжировании стран в сравнении с эталонной, наиболее конкурентоспособной экономикой мира, которой присваивается коэффициент 1 (значение показателя WCY= 100%). Ранжирование исследуемых государств осуществляется в порядке убывания от эталонного значения, при этом ранжирование стран осуществляется по разнице в десятую, а порой и в сотую долю процента интегрального показателя, рассчитанного на основе группировки показателей, представленной в таблице 2.2.2.
Например, конкурентоспособность Российской Федерации, по оценке за 2016 год, соответствует 58% от данного показателя для США [222].
Как мы можем видеть из таблицы, в данной методике есть разделы, позволяющие оценить интеллектуальный капитал страны:
- человеческий капитал характеризуют: 3.2. Рынок труда, 4.5. Образование;
- инновационную инфраструктуру: 4.2. Технологическая инфраструктура, 4.3. Научная инфраструктура.
Однако у рассмотренного подхода есть значительный недостаток: рейтинг показывает положение страны в сравнении с эталонной экономикой, но не отражает изменения, происходящие в рассматриваемой стране. Таким образом, снижение позиции страны в рейтинге не всегда означает негативную динамику экономического и социального развития.
Методика конкурентоспособности Всемирного экономического форума (ВЭФ). В 1971 в городе Давосе был проведен первый симпозиум Всемирного экономического форума, собравший около 450 руководителей ведущих европейских компаний, чтобы обсудить перспективы мировой экономики и выработать общую стратегию.
Методика оценки рейтинга глобальной конкурентоспособности ВЭФ базируется на использовании общедоступных статистических данных и результатов опроса руководителей компаний. Это исследование ежегодно проводится Всемирным экономическим форумом при поддержке партнёрских организаций, к которым относятся ведущие исследовательские институты и компании в исследуемых странах [196-203].
Отчет ВЭФ с 2014 содержит данные по 144 странам мира на основе 249 показателей. Показатели, на основе которых рассчитывается индекс глобальной конкурентоспособности GCI, во многом схожи с методикой WCY, но вместо 4 блоков в WCY, рассматриваются всего 3, и вместо 20 критериев – 12, основанных на стадиях развития конкурентоспособности М. Портера.
Оценка влияния показателей профиля интеллектуального капитала на конкурентоспособность территории
В данной главе представлены результаты апробации предложенного методического подхода на разных уровнях: региона, групп стран, предприятий промышленности. В процессе исследования факторов, определяющих интеллектуальный капитал на макроуровне, были поставлены следующие задачи:
1. Посредством корреляционного анализа выявить, какие показатели интеллектуального капитала, измеряющие факторы конкурентоспособности по методике ВЭФ, выявленные нами в разделе 1.2, влияют на Индекс глобальной конкурентоспособности (GCI) на макроуровне.
2. Провести сравнительный анализ корреляционной связи показателей интеллектуального капитала и Индекса глобальной конкурентоспособности России, а также схожих по профилю GCI стран, и развитых стран с высоким уровнем конкурентоспособности.
3. Определить в ходе сравнительного анализа наиболее сильные драйверы роста конкурентоспособности за счет развития интеллектуального капитала в странах 1 и 2 групп (в том числе в России и схожих по профилю странах).
4. Выявить внутренние взаимосвязи между показателями интеллектуального капитала, так как наличие большого количества взаимосвязей между факторами и блоками, характеризующими интеллектуальный капитал, свидетельствует о некоторых признаках системности действий по развитию интеллектуального капитала в регионе, стране.
Решение задачи сравнительного анализа корреляционной связи показателей интеллектуального капитала и Индекса глобальной конкурентоспособности России, а также схожих по профилю GCI стран, и развитых стран с высоким уровнем конкурентоспособности требует выделить соответственно 2 группы стран. Методика ВЭФ выделяет группы стран, для которых определяющими драйверами роста конкурентоспособности являются 3 основные группы показателей: показатели базовых потребностей, показатели эффективности и показатели инноваций. Также есть группы стран, которые находятся в транзитном состоянии перехода из одной группы в другую (Таблица 3.1.1).
Согласно методике ВЭФ, Россия находится в переходном состоянии между группами стран с драйверами эффективности и инноваций.
Исходя из этого, автором был проведен корреляционный анализ показателей за период с 2014 по 2016 г.г. для двух выборок стран:
1. Группа стран, характеризующаяся драйверами эффективности и переходные страны (далее группа 1).
2. Страны, характеризующиеся драйверами инноваций (далее группа 2).
Объединение групп стран с драйверами эффективности со странами переходных экономик связано с тем, что они не в полной мере характеризуются инновационными факторами, а значит тяготеют скорее к странам с драйверами эффективности, чем странам, движимым инновационными факторами.
В частности, Российская Федерация входит в группу транзитных стран, переходящих из группы, ориентированной на показатели эффективности, к группе стран, ориентированных на показатели инноваций.
В задачи нашего исследования входит детальное изучение тенденций развития показателей, характеризующих интеллектуальный капитал. Автором было принято решение рассматривать как значимые корреляционные зависимости с умеренным (в интервале 0,5-0,75) и высоким (0,75 и выше) уровнями коэффициентов корреляции в обеих группах стран.
Для выявления внутренних взаимосвязей между показателями интеллектуального капитала подробнее рассмотрим каждый из 5 блоков показателей по странам первой и второй групп. Здесь и далее в Приложениях 12 и 16 желтым цветом отмечены наиболее значимые показатели, имевшие высокие параметры корреляционной связи (коэффициент парной корреляции - 0,5-0,75) в течение 3 лет, зеленым – показатели, имевшие эти параметры в течение 2 лет, белым – показатели, имевшие единичный случай значимой связи или не имевшие ее вовсе. Результаты корреляционного анализа по обеим группам представлены в приложениях 9-12 и 13-16.
Обобщая результаты корреляционного анализа по двум группам стран, рассмотрим повторяемость взаимосвязей всех показателей интеллектуального капитала и GCI страны (Таблица 3.1.2.). В таблице красным цветом выделены те показатели, по которым выявлена высокая взаимосвязь с теснотой связи более 0,75 в течение 3 лет, желтым и зеленым цветом – с теснотой связи от 0,5 до 0,75 соответственно в течение 3 и 2 лет.
Как видно из Таблицы 3.1.2, во второй группе стран (с драйверами инноваций) у 15 из 20 рассмотренных показателей интеллектуального капитала статистический анализ выявил стабильно значимую корреляцию на протяжении трех лет, причем 11 из них имеют сильную взаимосвязь (более 0,75). Статистический анализ показал, что у второй группы (развитых стран) коэффициенты корреляции с GCI по 17 показателям существенно выше, чем у первой группы стран. В то же время для первой группы стран по 12 из 20 показателей выявлена стабильная взаимосвязь с коэффициентом корреляции в интервале 0,5-0,75, причем не было ни одного показателя, который на протяжении всех 3 лет имел бы взаимосвязь более 0,75. [53]
В блоке интеллектуальной собственности у первой группы стран имеет место сильное отставание по показателю «Количество патентов на 1 млн. чел.», однако ввиду того, что данный показатель является результирующим, его увеличение возможно благодаря адекватным управленческим решениям в других блоках показателей. В блоке профессионального образования у стран 1 группы в отличии от стран характеризующихся инновационными показателями не наблюдается взаимосвязи с показателями качество преподавания математики и естественных наук а так же качество бизнес- школ. Поддержка государства и бизнеса в целях повышения качества обучения крайне важна, поскольку качество преподавания математики и естественных наук, а также качество бизнес-школ определяет качество подготовки научных и управленческих кадров, их компетентность, которые являются одним из ключевых факторов роста интеллектуального капитала страны. Так же стоит отметить, что во второй группе развитых стран довольно значимыми оказались показатели «Способность страны привлекать таланты» (Коэффициент корреляции 0,798112), а также «Способность страны сохранять таланты» (0,6379). Это проявление более высокой ценности человеческого капитала в развитых странах и наличия социально-экономических и правовых механизмов привлечения талантов со всего мира.
Для более точного анализа отличий и сходств между показателями интеллектуального капитала в этих 2 группах стран нами были построены 2 профиля интеллектуального капитала в соответствии с методологией, представленной во 2 главе диссертации.
Проведем сравнительный анализ полученных профилей с профилем стран 2 группы (с драйверами инноваций). При составлении профиля инновационных стран была использована аналогичная методика факторного анализа, описанная в данной главе. Для анализа нами были использованы данные за 2015 год по 37 странам, входящим в группу с инновационными драйверами развития.
Результаты факторного анализа этих показателей с применением вращения типа варимакс представлены в Таблице 3.1.3.
Сравнительный анализ профилей интеллектуального капитала на макро-, мезо- и микроуровнях
Профиль интеллектуального капитала региона формируется, исходя из индивидуальных профилей вносящих больший вклад в ВРП региона экономических субъектов. Для Татарстана - это прежде всего промышленные предприятия нефтехимического комплекса.
Для апробации предложенной методики диагностики интеллектуального капитала на микроуровне нами были выбраны два крупнейших нефтехимических предприятия Республики Татарстан: ПАО «Казаньоргсинтез» и ПАО «ТАНЕКО». В ходе исследования использовались показатели, прошедшие процедуру нормализации поквартально за период 2009-2015г.г., для ПАО «Казаньоргсинтез» и за период с 2011-2015г.г. - для ПАО «ТАНЕКО».
Рассмотрим общие экономические и управленческие характеристики этих объектов исследования.
ПАО «Казаньоргсинтез» – одно из крупнейших предприятий нефтехимической отрасли России, имеющее стратегическое значение для развития экономики Республики Татарстан. В настоящее время Обществом производятся: этилен, полиэтилен, поликарбонат, полиэтиленовые трубы, бисфенол, фенол, ацетон, эти-ленгликоли, этаноламины и другие продукты органического синтеза [184]
За период 2009-2015 гг. на предприятии наблюдается значительный рост основных экономических показателей предприятия: валовые продажи увеличились в 3,04 раза, в то время как объем чистой прибыли вырос в 9,12 раза. Это отразилось и на капитализации предприятия, которая за последние 7 лет возросла в 6,05 раза. При этом произошло существенное снижение численности промыш-ленно-производственного персонала - на 7,78 %.
ПАО «Казаньоргсинтез» является динамично развивающимся предприятием, о чем свидетельствуют показатели, представленные в Приложении 26. Эти выводы также подтверждаются динамикой роста всех показателей рентабельности: рентабельность активов возросла в 7,3 раза, рентабельность собственного капитала - в 1,9 раза, рентабельность реализованной продукции - в 4 раза, рентабельность основных средств - в 13,1 раз, рентабельность продаж - в 4,8 раз. Однако удельный вес инновационной продукции в валовой продукции предприятия существенно снизился с 30,1% в 2009 году до 6,06% в 2015 году.
Проведенный анализ показал, что предприятие имеет большую финансовую устойчивость, о чем можно судить по крайне большому росту коэффициентов ликвидности предприятия за последние 7 лет: произошел рост коэффициента текущей ликвидности в 37,1 раз, коэффициента быстрой ликвидности - в 5,17 раз, а коэффициента абсолютной ликвидности - в 5,86 раз.. Таким образом, предприятие имеет большие финансовые возможности для инвестиций в человеческий капитал, в нематериальные активы, что может значительно повысить конкурентоспособность предприятия, укрепить его HR-бренд.
Исходя из проведенного анализа, автором выдвинуты определенные гипотезы, связанные с некоторыми особенностями индивидуального профиля интеллектуального капитала ПАО «Казаньоргсинтез». ПАО «Казаньоргсинтез» -предприятие с длительной историей, находящееся на стадии зрелости, в связи с чем наблюдается стабильный технологический цикл и устоявшаяся система управления. Поэтому предполагается маловероятным, что в структуре индивидуального профиля интеллектуального капитала будут показатели, связанные с инвестициями в инновации (Z2 - Z4.3), что однако не исключает необходимости поддержания достаточного удельного веса инновационной продукции (Z2). Ис ходя из особенностей аппаратурного технологического процесса, важным услови ем является поддержание стабильной численности высококвалифицированного персонала (Z8). Можно предположить, что изменения размеров затрат на оплату труда персонала оказывают существенное влияние на экономические показатели предприятия (Z8 и Z9.2). Одним из важнейших аспектов развития уже зрелого предприятия является развитие персонала и повышение его квалификации, другими словами ожидается, что в модели будут актуальными показатели:
- Z10 (Численность работников, имеющих высшее образование);
- Z13 (Затраты на обучение);
- Z14 (Доля персонала, прошедшего обучение).
Рассмотрим результаты исследования профиля ИК на ПАО «Казаньоргсин-тез». По результатам проведенного факторного анализа была получена следующая матрица вращений, представленная в Таблице 3.3.1.
Как видно из этой таблицы, наибольшее количество факторов, входящих в профиль интеллектуального капитала ПАО «Казаньоргсинтез», - это переменные блока F1, характеризующие инновационную активность предприятия (4 переменных из 5).
Следующий шаг в предлагаемой методике - выявление прямых и скрытых переменных для каждого из факторов на основе регрессионного анализа.
Первая модель для построения профиля была разработана на основе фактора F1. В качестве независимых переменных выступают значения переменных Z6 и Z9.2, а в качестве зависимой - значение фактора F1 (Приложение 27). Переменные Z3 и Z13 оказались скрытыми.
Полученная модель вполне соответствует статистическим критериям, о чем свидетельствует: высокое значение коэффициента детерминации (R квадрат=0,946) и положительное значение T- статистики по всем переменным в сравнении с t критич. = 2,059.
В состав модели, построенной по фактору F2, входят 2 показателя. В ходе исследования сразу была получена модель, отвечающая принятым критериям. В качестве зависимой переменной в модели выступает значение фактора F2, а в качестве независимой переменной - Z7 и Z10, оказывающие прямое влияние на интеллектуальный капитал предприятия (Приложение 28).
Данная модель имеет достаточно высокий коэффициент детерминации (R-квадрат=0,875) и значение t-статистики выше критического значения (t критич. = 2,059). Тест Дарбина-Уотсона также показал положительные результаты: значение критерия находится на уровне 2,036, в то время как как DL= 1,26 и DU=1,56, что свидетельствует об отсутствии автокорреляции.