CC BY
22
организаций с небольшим количеством уровней управления признано целесообразным применение «командного» стиля работы и использование системы делегирования полномочий по принятию решений по кадрам на как можно более низкий уровень менеджмента. Эта система определяет различные уровни управления, на которых должны приниматься специфические решения по кадрам. В соответствии с таким подходом, конкретные решения должны принимать функциональные руководители, в частности руководитель отдела (службы) маркетинга, которые в наибольшей степени информированы в соответствующей области, что придает большую гибкость системе управления в целом.
Использованные источники:
1.Кибанов А. Я. Управление персоналом организации: актуальные технологии найма, адаптации и аттестации: учебное пособие / А. Я. Кибанов, И. Б. Дуракова. - М.: КНОРУС, 2009. - 368 с.
2.Селюков М.В. Маркетинговые исследования как основа процесса постановки целей организаций агропромышленного комплекса региона / Фундаментальные исследования. - 2010. - №12 - Пенза: Изд-во «Академия Естествознания». С. 178-184.
3. Федорова Н.В., Минченков О.Ю. Управление персоналом организации. -М.: Кнорус, 2005. - 416с.
Ширяева М.А. бакалавр экономики Шулятьева Ю.Д. бакалавр экономики Россия, Пермь
ИЗМЕРЕНИЕ ИНТЕЛЛЕКТУАЛЬНОГО КАПИТАЛА КОМПАНИЙ РЕСТОРАННО-ГОСТИНИЧНОГО БИЗНЕСА С ПОМОЩЬЮ
МЕТОДА УЛ1С Аннотация
Статья посвящена эмпирическому исследованию количественного влияния компонентов интеллектуального капитала на результаты деятельности 109 предприятий ресторанно-гостиничного бизнеса. Теоретическая часть исследования - анализ предыдущих исследований интеллектуального капитала компаний. В прикладной части демонстрируются результаты корреляционного и регрессионного анализа. В ходе работы выявлено неоднозначное влияние внедрения корпоративной культуры на функционирование компаний, введены предположения о возможных причинах такого результата. Для анализа характера влияния факторов на чистую прибыль использован эконометрический пакет Eviews 7.
Ключевые слова: интеллектуальный капитал, человеческий капитал, отношенческий и структурный капитал, интеллектуальный коэффициент добавленной стоимости, результаты деятельность компании. Введение
Интеллектуальный капитал и инновации являются ключевыми понятиями в современном мире. Результаты деятельности успешной компании в решающей степени зависят от процессов функционирования интеллектуального капитала, выступающим вектором развития современной экономики, в которой критерием прогресса являются опыт, новые знания и высокие технологии. Вложения в интеллектуальный капитал получают все большее распространение из-за высокой эффективности. Вопрос о том, как измерить интеллектуальный капитал компании, остается актуальным для исследователей данной сферы.
В данной работе интеллектуальный капитал измеряется с помощью интеллектуального коэффициента добавленной стоимости VAIC (Value Added Intellectual Coefficient). Данные о бухгалтерской отчетности компаний взяты с Первого независимого рейтингового агентства «Fira Pro».[14]. Данное исследование проводилось эмпирическим методом с проведением корреляционного анализа и построением регрессий в эконометрическом пакете Eviews 7.
Цель данного эмпирического исследования заключается в изучении теоретических основ интеллектуального капитала и применение их на практике для измерения интеллектуального капитала 109 компаний ресторанно-гостиничного бизнеса в 2011 году.
Выдвинута гипотеза о наличии положительной взаимосвязи между уровнем интеллектуального капитала (компонентами VAIC) и выручкой компаний ресторанно-гостиничного бизнеса. Предполагается, что эффективность использования человеческого капитала (HCE) оказывает наибольшее положительное влияние на выручку компаний, поскольку во многом именно от качества обслуживания персоналом зависит выручка компаний ресторанно-гостиничной сферы.
1. Теоретические аспекты интеллектуального капитала компаний. Метод его расчета VAIC
Т. Стюарт приводит следующее определение ИК: Интеллектуальный капитал - это «интеллектуальный материал, включающий в себя знания, опыт, информацию, интеллектуальную собственность и участвующий в создании ценностей. Это - коллективная умственная энергия. Ее трудно обнаружить, и еще труднее управлять ею. Но уж если вы ее обнаружили и заставили служить себе, вы - победитель». [4, с.12].
В структуру интеллектуального капитала обычно включают три компонента: человеческий, отношенческий (клиентский) и организационный (структурный) капитал. Каждый из этих элементов порожден человеческими знаниями:
• человеческий капитал - это индивидуальные характеристики работника (его опыт, навыки и умения работать в данной сфере, способность к обучению, квалификация, мотивация персонала и другие);
• структурный (организационный) капитал - это то, что «остается в компании после окончания рабочего дня и ухода работников».[13]. Например, к данному элементу можно отнести скорость выполнения услуги в ресторанно-гостиничной компании, данные о предприятии, патенты и лицензии, торговая марка, корпоративная культура;
• клиентский (отношенческий) капитал - формирование и поддержание отношений с партнерами, повышение лояльности клиентов к компании, взаимоотношения с государством.
Интеллектуальный коэффициент добавленной стоимости (VAIC -Value Added Intellectual Coefficient) в качестве метода измерения был предложен в 2000 году А. Пуликом.[15]. Интеллектуальный капитал в данном методе представлен двухкомпонентной структурой. Он разделен на структурный капитал (SC) и человеческий капитал (HC). Сущность метода VAIC заключается в том, что он позволяет компании вычислить вклад в добавленную стоимость материальных и нематериальных активов. При этом интеллектуальный коэффициент включает в себя добавленную стоимость физического капитала.
Особенность метода - предполагается обратная зависимость между человеческим и структурным капиталом, то есть чем больше добавленной стоимости создает человеческий капитал, тем меньше ее создает структурный и наоборот.
В настоящее время существует немало эмпирических исследований по измерению интеллектуального капитала компаний. Представлены публикации Э.Р. Байбуриной. (НИУ-ВШЭ Москва), А.А. Быковой (НИУ-ВШЭ Пермь), М.А. Молодчик (нИУ-ВШЭ Пермь), Т.А. Гараниной (2008), А.Е. Лукьяновой (2010). В своей статье «Влияние интеллектуального капитала на результаты деятельности компании» А.А. Быкова и М.А. Молодчик, используя метод интеллектуального коэффициента добавленной стоимости, эмпирически проверяют наличие положительной взаимосвязи между уровнем ИК и темпами роста выручки компании вне зависимости от отрасли. [1, с.27-55]. В результате корреляционного и регрессионного анализа выборки 115 инновационно-активных компаний Пермского края с применением программного пакета SPSS 11.0 исследователи обнаружили положительную взаимосвязь между темпом роста выручки и отдачей от интеллектуального капитала. Уровень ИК компаний измеряли с помощью метода VAIC.
Многие исследователи для измерения интеллектуального капитала компании использовали корреляционный анализ и индекс VAIC в качестве независимой переменной.
Для расчета интеллектуального коэффициента добавленной стоимости VAIC потребуется:
• показатели из бухгалтерской отчетности компаний ресторанно-гостиничного бизнеса;
• данные о численности сотрудников;
• рассчитанная добавленная стоимость, исходя из собранных данных.
Интеллектуальный коэффициент добавленной стоимости VAIC (Value Added Intellectual Coefficient) равен сумме добавленной стоимости физического капитала (CEE), добавленной стоимости человеческого капитала (HCE) и добавленной стоимости структурного капитала (SCE). [3, с.112]. Таким образом, VAIC рассчитывают по формуле:
VAIC = HCE + SCE + CEE,
где: HCE (Human Capital Efficiency) - добавленная стоимость человеческого капитала;
SCE (Structural Capital Efficiency) - добавленная стоимость структурного капитала;
CEE (Capital Employed Efficiency) - добавленная стоимость физического капитала.
Данные показатели рассчитаны по формулам:
CEE _ Добавленная _стоимость/ .
= /Инвестированный_капитал; ( )
jjQj? _ Добавленная _стоимость/ .
= /Заработная_плата; ( )
_ (Выручка - себестоимость)/
= /Добавленная _стоимость' ( )
Для расчета данных показателей, был вычислен показатель добавленной стоимости (VA):
VA = Выручка - Расходы. (5)
Под человеческим капиталом подразумевается средняя заработная плата по предприятию. 2. Эконометрическая модель
Далее в работе был проведен регрессионный анализ в эконометрическом пакете Eviews-7 для зависимой переменной - выручка организаций (TR). После удаления выбросов по ящичковой диаграмме осталось 55 наблюдений из 109 исходных, что является достаточным для построения множественной регрессии для 5 независимых переменных.
Далее были вычислены описательные статистики для всех переменных модели (Табл.1).
Описательные статистики
TR (тыс. руб.) SCE QUANTITY (чел.) HCE CEE
Mean 92 929.05 3.78 93 0.97 1.19
Median 68 128.00 2.69 75 0.62 0.93
Maximum 278 151.0 30.33 376 5.068 3.60
Minimum 19 954.00 -4.24 13 -0.74 -0.44
Std. Dev. 69 113.66 5.056 78 1.06 1.058
Skewness 1.09 3.08 1.78 1.46 0.68
Kurtosis 3.37 15.98 6.68 5.76 2.48
Jarque-Bera 11.27 472.84 59.96 37.09 4.92
Probability 0.004 0.000000 0.000000 0.000000 0.086
Выручка компаний ресторанно-гостиничного бизнеса в 2011 году варьируется от 19 954 тыс.руб. до 278 151 тыс.руб. И в среднем принимает значение 68 128 тыс.руб. Величина показателя kurtosis немного превышает 3, что свидетельствует, о приближении распределения к нормальному. Однако показатель теста Jarque-Bera больше нуля, что опровергает предположение о нормальности распределения. Кроме того, probability 0.004 опровергает нулевую гипотезу о нормальном распределении.
CCE (эффективность использования физического капитала) принимает значения от -0.44 до 3.6. Коэффициент асимметрии близок к нулю, а значит, распределение близко к симметричному. Коэффициент kurtosis практически равен 3, что свидетельствует о нормальности распределения. Критерий Jarque-Bera незначительно превышает 0, следовательно, распределение данного показателя стремится к нормальному. На 5% уровне значимости данные имеют нормальное распределение.
Остальные независимые переменные имеют распределение, отличное от нормального, согласно критерию Jarque-Bera, коэффициенту Kurtosis и показателю Probability.
Исходя из корреляционного анализа было обнаружено, что мультиколлинеарности в модели нет. Однако коэффициенты корреляции между зависимой переменной и объясняющими переменными CEE и HCE оказались незначимыми, поэтому была создана новая переменная их совместного влияния через произведение соответствующих переменных, и вновь проведен корреляционный анализ (Табл.2).
Таким образом, было выявлено, что наибольшее влияние на выручку компании (г=70%) оказывает такая компонента коэффициента VAIC, как эффективность использования структурного капитала (SCE).
Таблица 3
Корреляционный анализ
Correlation
Probability TR SCE QUANTITY HCE CEE HCE
TR 1.00
SCE 0.70 1.00
0.00
QUANTITY 0.426 0.19 1.00
0.0015 0.16
HCE 0.014 -0.22 0.29 1.00
0.92 0.12 0.039
CEE HCE 0.235 0.0035 0.41 0.58 1.00
0.09 0.98 0.0026 0.00
CEE 0.13 0.168 0.29 -0.04 0.54
0.34 0.23 0.035 0.78 0.00
В результате построения регрессии для зависимой переменной ^ по методу наименьших квадратов (МНК) были получены следующие зависимости (Табл.3).
Таблица 4
Регрессионный анализ_
Variable Coefficient Std. Error t-Statistic Prob.
C 45585.70 14460.18 3.15 0.003
SCE 9011.34 1314.71 6.85 0.000
QUANTITY (чел.) 234 90 2.59 0.013
HCE -9375.67 11247.45 -0.83 0.409
CEE_HCE 16487.99 8166.387 2.02 0.049
CEE -15295.69 8404.059 -1.82 0.075
R-squared 0.619 Mean dependent var 92536.40
Adjusted R-squared 0.58 S.D. dependent var 69553.97
S.E. of regression 45163.18 Akaike info criterion 24.38
Sum squared resid 9.59E+10 Schwarz criterion 24.60
Log likelihood -640.08 Hannan-Quinn criter. 24.47
F-statistic 15.27 Durbin-Watson stat 1.90
Prob(F-statistic) 0.00
Коэффициент перед переменной эффективность использования человеческого капитала (hce) оказался незначимым. Однако мы включим его в модель, так как он забирает на себя часть влияния, и оценки получатся менее смещенными. Все остальные полученные коэффициенты значимы на
уровне 10%. Процент объясненной дисперсии составляет 58%, а значит, модель имеет хорошую объясняющую способность. Процент объясненной дисперсии ЯА2 аф значим на всех уровнях.
Далее в работе мы проверяем условия Гаусса-Маркова. Для этого построим график остатков (Рис.1).
| TR Residuals |
Рисунок 3. График остатков
График остатков демонстрирует равенство мат.ожидания остатков нулю. На графике наблюдается гетероскедастичность. Гистограмма остатков показывает, что математическое ожидание остатков равняется статистическому нулю. (Рис.2). Далее был проведен тест White на наличие гетероскедастичности в модели (Табл.4).
Таблица 5
Тест White
Heteroskedasticity Test: White
F-statistic 1.1996 Prob. F(19,33) 0.315
Obs*R-squared 21.652 Prob. Chi-Square(19) 0.302
Scaled explained SS 41.387 Prob. Chi-Square(19) 0.002
Тест подтвердил нулевую гипотезу о гомоскедастичности в модели. Тест Бреуш-Пагана на всех уровнях значимости подтвердил нулевую гипотезу о гомоскедастичности модели (prob.= 84%).
Остатки были проверены на наличие автокорреляции по коэффициенту Durbin-Watson (Табл.3). DW = 1.9 находится в интервале [1.8; 2.2], то есть автокорреляция остатков в модели отсутствует.
По проведенному ранее корреляционному анализу (Табл.2) было выявлено отсутствие мультиколлинеарности в модели. Кроме того, данный факт подтверждает коэффициент VIF (Табл. 6), который незначительно превышает 4, но при этом ниже 10.
VIF
Uncentered
Variable VIF
SCE 1.83
QUANTITY 3.15
HCE 4.63
CEE HCE 4.84
CEE 4.83
Условие Гаусса-Маркова о нормальном распределении остатков выполняется, поскольку математическое ожидание остатков равняется статистическому нулю (Рис.2).
-40000
40000
80000
120000
160000
Series: Residuals
Sample 1 109 IF CEE<4 AND
HCE>-4 AND HCE<3 AND SCE
<40 AND TR<300000
Observations 53
Mean -1.37e-12
Median -10618.39
Maximum 161260.8
Minimum -67035.54
Std. Dev. 42937.01
Skewness 1.456222
Kurtosis 5.861299
Jarque-Bera 36.81151
Probability 0.000000
Рисунок 4. Распределение остатков
График остатков (Рис.1) выявил подозрение на гетероскедастичность в нашей модели, поэтому будет построена регрессия по методу - двухшаговый МНК, который позволяет избавиться от гетероскедастичности.
Для построения регрессии были созданы дополнительные переменные, которые имеют потенциальное влияние на выручку компании, а именно, заработная плата и коммерческие расходы. Однако построение регрессии при помощи двухшагового метода наименьших квадратов не дало репрезентативных результатов, так как полученные коэффициенты оказались незначимыми, а качество модели - низкое, так как коэффициент RA2 adjusted очень низкий.
Для улучшения качества модели построена модель с ограниченной независимой переменной (tobit), так как выручку компании можно расценивать как ограниченную нулем переменную. Были рассмотрены регрессии tobit для логистического и для нормального распределений. Выявлено, что распределение остатков ближе к нормальному, поэтому для интерпретации использована модель tobit для нормального распределения (Табл.7).
0
Таблица 7
Модель tobit для нормального распределения остатков_
Variable Coefficient Std. Error z-Statistic Prob.
C 45585.70 13617.12 3.35 0.0008
SCE 9011.37 1238.06 7.28 0.00
QUANTITY 234.83 85.29 2.75 0.006
HCE -9375.67 10591.70 -0.89 0.376
CEE HCE 16488 7690.27 2.14 0.032
CEE -15295.69 7914.09 -1.93 0.053
По полученному результату можно сделать вывод о том, что все коэффициенты, кроме HCE, значимы на 10% уровне. Кроме того, они получились аналогичными коэффициентам, полученным при построении по МНК. Такой результат может быть объяснен тем, что все значения нашей независимой переменной (выручки) в исходной выборке были больше нуля, однако значимость коэффициентов более высокая, поэтому дана прямая интерпретация. Итак,
• при увеличении эффективности использования структурного капитала (SCE) на 1 ед. в среднем и при прочих равных выручка возрастает на 9 011 тысяч рублей. Данный коэффициент значим на всех уровнях, а именно на 1, 5, 10% (prob.=0%).
• коэффициент HCE незначим на всех уровнях (prob.= 38%), а значит, его нельзя интерпретировать корректно, коэффициент CEE является незначимым на 5% уровне, что говорит о его низкой репрезентативности.
• по отдельности эффективность использования человеческого и физического капитала не дают значимых результатов, поэтому дана интерпретация их совместного влияния. Таким образом, при увеличении совместного влияния эффективности использования человеческого и физического капитала на 1 ед. в среднем и при прочих равных выручка возрастает на 16 488 тыс. руб. Данный коэффициент значим на 5% и 10% уровнях.
Тест Вальда используется для проверки ограничений на параметры моделей, оцененных на основе выборочных данных. Данный тест позволит подтвердить наличие влияния всех переменных на модель. Итак, было выявлено, что эффективность использования человеческого капитала (HCE) не влияет на выручку компаний ресторанно-гостиничного бизнеса (табл.8), что подтвердило незначимость данного коэффициента в модели. Влияние CEE на выручку подтвердилось на 10% уровне значимости. Гипотеза о влиянии на выручку компании остальных переменных подтвердилась на всех уровнях значимости.
Тест Вальда для HCE
Test Statistic Value df Probability
t-statistic -0.89 46 0.3807
F-statistic 0.78 (1, 46) 0.3807
Chi-square 0.78 1 0.3761
Null Hypothesis: C(4)=0
Далее проведен тест на лишние переменные. Так как незначимой в модели является переменная HCE, то проверяется, является ли она лишней, что соответствует нулевой гипотезе. Итак, с вероятностью 38% выполняется нулевая гипотеза, а значит, переменная эффективности использования человеческого капитала является лишней в модели. CEE на уровне значимости 10% не является лишней переменной в модели. Совместное влияние данных переменных (CEE_HCE) не является лишним в регрессии на 5% уровне значимости.
Возможно, в модели не хватает объясняющих переменных, так как на выручку имеют влияние очень многие факторы. Следовательно, модель необходимо проверить на наличие пропущенных переменных. Было обнаружено, что переменная заработная плата (WAGE) является пропущенной переменной в нашей модели на всех уровнях значимости, то есть необходимо ее учесть.
Итак, оказалось, что hce - это лишняя переменная, а wage - это пропущенная переменная, поэтому построена новая регрессия. Можно отметить, что качество полученной новой регрессии значительно выше, чем в исходной (RA2 adj. равен 74%), к тому же, все коэффициенты значимы на 10% уровне, что является достаточным условием для выборки из 55 наблюдений. Кроме того, в исходной выборке для переменной выручки нет отрицательных значений (соответственно, никакие переменные не обращаются в нуль), а значит, нет необходимости строить tobit модель для новой регрессии. Более того, построение tobit модели лишь незначительно улучшает качество модели, а именно, значимость коэффициентов.
Таблица 9
Модель МНК с влиянием заработной платы_
Variable Coefficient Std. Error t-Statistic Prob.
C -16023.40 13382.59 -1.19 0.2372
WAGE 2.62 0.48 5.47 0.0000
QUANTITY 265.81 70.63 3.76 0.0005
SCE 10574.01 1034.19 10.23 0.0000
CEE_HCE 12441.54 4670.81 2.66 0.0106
CEE -11329.31 5676.45 -1.99 0.0518
R-squared 0.764 Durbin-Watson stat 2.37
Adjusted R-squared 0.739 Prob(F-statistic) 0.00
Заключение
Признание важности интеллектуального капитала в мире современных организаций явилось толчком к более подробному и тщательному изучению этого понятия. Интеллектуальный капитал рассматривается как основной ресурс при производстве товаров и услуг в будущем. В ресторанно-гостиничном бизнесе получение реальных конкурентных преимуществ может принести использование наряду с материальными активами интеллектуального капитала, который может обеспечить доминирующее положение на рынке. Интеллектуальный капитал ресторанно-гостиничной сферы - соединение человеческого капитала с физическим, оказывающее положительное влияние на результаты деятельности компаний, в частности, на их выручку.
Цель данного эмпирического исследования достигнута: изучены теоретические основы интеллектуального капитала и на практике выявлено влияние эффективности использования человеческого, структурного, физического капитала и численности сотрудников компании на её выручку. Далее обобщены полученные результаты и объяснены причинно-следственные связи.
Таким образом, в данном исследовании было рассмотрено влияние на выручку компаний ресторанно-гостиничного бизнеса следующих объясняющих переменных: количество сотрудников, эффективность использования человеческого, физического и структурного капитала, совместное влияние эффективности использования физического и человеческого капитала, а также заработная плата и коммерческие расходы. Для выявления зависимостей использовались такие методы, как метод наименьших квадратов (МНК), двухшаговый МНК, построение модели с ограниченной зависимой переменной (Тобит-Модель). Наилучшей была выбрана Тобит-модель, кроме этого, были проведены тесты для модели МНК.
Итак, данное исследование с проведением корреляционного и регрессионного анализа выявляет, что выручка компаний возрастает (в денежном выражении) при увеличении эффективности использования структурного капитала (БСБ). Возможно, причиной такого результата стала ограниченная рациональность выбора людей. Например, когда человек делает выбор гостиницы или ресторана, в первую очередь он смотрит на популярность и торговую марку, а только потом на практике оценивает качество обслуживания в той или иной компании.
Более того, была выявлена сильная корреляция между объясняющей переменной (эффективность использования структурного капитала) и независимой (выручка компаний). Также достаточно сильно на выручку влияет такой показатель, как количество сотрудников в компании, что объясняется высокой производительностью большего количества сотрудников. Помимо этого, рост численности обслуживающего персонала
обеспечивает удовлетворенность клиентов гостиниц и ресторанов, формируется лояльность клиентов к конкретным компаниям.
В результате исследования было выявлено, что величину выручки в большей степени (в денежном выражении) увеличивает совместное влияние эффективности использования физического и человеческого капитала. Если в гостинице или ресторане совмещается качественное обслуживание и эффективно использованное пространство, то есть используется дорогое оборудование, высококачественная мебель, то клиенты склоняются к выбору такой компании.
В данной работе частично подтвердилась поставленная гипотеза на выборке из 109 компаний ресторанно-гостиничной сферы по данным 2011 года. Было обнаружено, что только такая компонента интеллектуального коэффициента добавленной стоимости (VAIC), как эффективность использования структурного капитала (sce), оказывает прямое влияние на выручку компаний рассматриваемой отрасли. Гипотеза об отдельном влиянии двух других компонент (hce, cee) была отвергнута, однако их совместное влияние оказалось значимо в модели и, как показало исследование, в наибольшей степени (в денежном выражении) увеличивает величину выручки компании.
В представленной работе подтверждается предположение автора метода (А.Пулик, 2000) об обратной зависимости между человеческим и структурным капиталом: чем больше добавленной стоимости создает человеческий капитал, тем меньше ее создает структурный и наоборот.
Следует отметить, что полученные результаты могут быть применимы только для данного исследования по причине ограниченности исходной выборки, поскольку при исследовании других компаний (например, зарубежных) могут быть получены совершенно другие результаты.
Таким образом, данное исследование можно продолжить с помощью следующих способов:
• использование других методов измерения ИК,
• рассмотрение другой отрасли экономики,
• увеличение выборки.
Итак, в данной работе были обнаружены как сходства, так и различия с эмпирическими исследованиями, проведенными ранее.
Одним из главных отличий данной работы от предыдущих исследований можно назвать то, что в более ранних исследованиях добавленной стоимости эффективность использования человеческого капитала (HCE) была меньше эффективности использования структурного (SCE). Однако, как показал анализ при сборе данных и расчетах коэффициентов hce и sce в программном пакете Excel, компонента HCE > SCE в 2011 году. Скорее всего, причиной этого является выбранная сфера деятельности компаний (ресторанно-гостичничный бизнес), в которой
важное место занимает работа персонала, а именно, качество обслуживания в гостинице или ресторане.
Еще одно несоответствие с предыдущими исследованиями заключается в том, что эффективность использования человеческого капитала (HCE) в данном исследовании не имеет выраженного влияния на результаты деятельности компании (в данном случае, на выручку). Однако частичное подтверждение предыдущих исследований заключается в значительном совместном влиянии эффективности использования человеческого и физического капитала на результаты деятельности компаний.
Сопоставив полученные выводы с предыдущими работами, был подтвержден, например, результат исследования А.А. Быковой и М.А. Молодчик [1], H.-J. Shiu [10]. Было обнаружено, что компоненты коэффициента VAIC оказывают положительное влияние на результаты деятельности компаний в любых отраслях разных стран: ресторанно-гостиничный бизнес (Россия), банковская сфера (Россия, Япония), компании фондового рынка (Тайвань) химические компании (Пакистан).
Использованные источники:
1. Быкова А.А., Молодчик М.А. Влияние интеллектуального капитала на результаты деятельности компании // Вестник С.-Петерб. Ун-та. Сер. Менеджмент. 2011. Вып.1. с.27-55
2. Козырев А.Н., Оценка Интеллектуальной собственности. М.: Экспертное Бюро-М. 1997.- 286 с
3. Молодчик М.А. Интеллектуальный капитал компании: диагностика и подходы к управлению: учеб. пособие. Пермь: Изд-во Перм. Нац. Исслед. Политехн. Ун-та, 2012. - 241с
4. Стюарт Т.А. Интеллектуальный капитал. Новый источник богатства организаций/ Пер. с англ. - М.: Поколение, 2007, 386с.
5. Bayburina E., Golovko T. (2009). Design of Sustainable Development: Intellectual Value of Large BRIC Companies and Factors of their Growth. Electronic Journal of Knowledge Management Vol. 7 No 5 , 535 - 558.
6. Chen M. C. A Study of the Relationship among Financial Capital, Intellectual Capital and Business Value of Taiwan's Information Technology Industry // Journal of National Taiwan University of Science and Technology. 2004. Vol. 9. N 1. P. 12-35
7. Dimitrios Maditinos, Dimitrios Chatzoudes, Charalampos Tsairidis, Georgios Theriou. (2011). The impact of intellectual capital on firms' market value and financial performance. Journal of Intellectual Capital Vol. 12 No. 1 , 132-151
8. Jose Mari'a Diez, Magda Lizet Ochoa, M. Begon~a Prieto and Alicia Santidria'n. Intellectual capital and value creation in Spanish firms. // Journal of Intellectual Capital. 2010. Vol. 11 No. 3 , P. 348-367
9. Mavridis, D.G. The Intellectual Capital Performance of Japanese Banking Sector. // Journal of Intellectual Capital. 2004. Vol. 5, No.1, p. 92-114
10. Shiu H.-J. The Application of the Value Added Intellectual Capital to Measure Corporate Performance: Evidence from Technological Firms // International Journal of Management. 2006b. Vol. 23. N 2. P. 356-365
11. Tseng C. Y., Goo, Y. J. Intellectual Capital and Corporate Value in an Emerging Economy: Empirical Study of Taiwanese Manufacturers // R&D Management. 2005. Vol. 35. N 2. P. 187-201
12. Байбурина Э.Р. Влияние интеллектуального капитала на стоимость компании: эмпирическое исследование возможностей и ограничений роста в странах БРИКС // Энциклопедия знаний. [Эл. ресурс]. Режим доступа: http://www.pandia.ru/text/77/146/291.php
13. Просвирина И.И. Интеллектуальный капитал: новый взгляд на нематериальные активы // Финансовый менеджмент №4, 2004. [Эл. Ресурс]. Режим доступа: http: //www.finman.ru/articles/2004/4/2309.html.
14. Fira Pro. Сайт Первого независимого рейтингового агентства. [Эл. ресурс]. Режим доступа: www.fira.ru
15. Pulic A. VAIC - an Accounting Tool for IC Management. [Online]. Режим доступа: http: //www.vaic-on.net/start .htm
Щербакова Я.Г. Специалист по документообороту ООО «Алкогольная Сибирская группа»
Россия, г.Омск
БЮДЖЕТИРОВАНИЕ В СИСТЕМЕ УПРАВЛЕНИЯ ОРГАНИЗАЦИЕЙ Аннотация
В статье на основании анализа мнений ученых экономистов рассмотрены различные подходы к определению понятия «бюджетирование» и этапы его становления.
Деятельность современной компании в условиях конкуренции возможна только на основе эффективной системы планирования, учета, анализа и контроля на всех уровнях управления. Одним из действенных инструментов такой системы планирования является бюджетирование. В изучении любого экономического явления очень важную роль играет исследование исторических аспектов. В процессе становления бюджетирования целесообразно выделить следующие основные этапы:
■ «Старая камеральная бухгалтерия» (XII - середина XVIII вв.). На данном этапе в центре внимания бухгалтеров на данном этапе находился учет доходов и расходов денежных средств в кассе
■ «Новая камеральная бухгалтерия» (Середина XVIII - середина XIX вв.). В развитие данного этапа внесли вклад такие ученые как Пухберг, И. Шротт. На данном этапе бюджете рассматривались уже не только как средство контроля за действиями управляющих, но и средство предупреждения возможных ошибок и ущерба.
