CC BY
48pISSN 2073-039Х Анализ интеллектуального капитала
eISSN 2311-8725
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ДИНАМИКИ ИНВЕСТИЦИЙ РОССИЙСКИХ ПРЕДПРИЯТИЙ В ИНТЕЛЛЕКТУАЛЬНЫЙ И ОСНОВНОЙ КАПИТАЛЫ
Ирина Игоревна ПРОСВИРИНА3-', Алексей Евгеньевич ИВАНОВ*, Галина Фоминична ОСТАПЕНКОС, Людмила Анатольевна ШИРШИКОВА*
а доктор экономических наук, доцент, заведующая кафедрой бухгалтерского учета, анализа и аудита,
Южно-Уральский государственный университет (национальный исследовательский университет),
Челябинск, Российская Федерация
iprosvirina@mail .ш
ORCID: отсутствует
SPIN-код: 9957-7687
ь кандидат экономических наук, доцент кафедры бухгалтерского учета, анализа и аудита,
Южно-Уральский государственный университет (национальный исследовательский университет),
советник генерального директора, ООО «Аудиторская фирма «Авуар», Челябинск, Российская Федерация
ORCID: отсутствует
SPIN-код: 5121-0767
с кандидат экономических наук, доцент кафедры менеджмента и маркетинга,
Пермский национальный исследовательский политехнический университет, Пермь, Российская Федерация
ORCID: отсутствует
SPIN-код: 2241-6972
й кандидат экономических наук, доцент кафедры бухгалтерского учета, анализа и аудита,
Южно-Уральский государственный университет (национальный исследовательский университет),
Челябинск, Российская Федерация
ORCID: отсутствует
SPIN-код: 4773-1832
' Ответственный автор
История статьи:
Получена 17.10.2017 Получена в доработанном виде 01.11.2017 Одобрена 30.11.2017 Доступна онлайн 29.01.2018
УДК 338.001.36 Е22, G31, G32
Ключевые слова:
интеллектуальный капитал, основной капитал, инвестиции
Аннотация
Предмет. Увеличение роли нематериальных активов и интеллектуального капитала является одним из важнейших трендов XXI в. в практике бизнеса современных глобальных корпораций. Рассмотрены тренды внутренних инвестиций российских компаний в интеллектуальный и основной капиталы в межкризисный период (2010-2014 гг.).
Цели. Выявление фактических предпочтений направления внутренних инвестиций российских компаний и определение наиболее выгодного объекта инвестирования в развитие компании на основе экономико-математического моделирования. Методология. Использовались общенаучные методы исследования, такие как анализ, синтез, дедукция, индукция, а также эконометрическое моделирование. Результаты. Проведенный анализ подтвердил гипотезу исследования: инвестиции российских компаний в интеллектуальный капитал снижаются на фоне роста инвестиций в основной капитал. Сопоставимые данные по среднему уровню инвестиций в интеллектуальный капитал Чешской Республики дают обратную картину. При этом разработанная экономико-математическая модель определяет интеллектуальный капитал как намного более выгодный объект внутреннего инвестирования для российских компаний, чем основной капитал. Выводы. Выявленный структурный перекос в направлениях внутренних инвестиций российских компаний может служить одним из объяснений низкой эффективности отечественной экономики. Для устранения указанного перекоса необходимо совершенствование методологии оценки эффективности инвестиций в интеллектуальный капитал.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2017
Для цитирования: Просвирина И.И., Иванов А.Е., Остапенко Г.Ф., Ширшикова Л.А. Сравнительный анализ динамики инвестиций российских предприятий в интеллектуальный и основной капиталы // Экономический анализ: теория и практика. - 2018. - Т. 17, № 1. - С. 131 - 148. https://doi.org/10.24891/ea .17 .1.131
Интеллектуальный капитал является феноменом, широко обсуждаемым в научной литературе, начиная с 1990-х гг. Термин «интеллектуальный капитал» введен в научный лексикон Ц. Грилихесом (Z. Griliches) [1]. В концепте интеллектуального капитала воплощены современные представления экономистов о совокупности всех неосязаемых факторов, создающих ценность для компаний. Ряд современных исследователей даже рассматривают интеллектуальный капитал в качестве отдельного фактора экономического роста [2, 3]. Такое понимание интеллектуального капитала проистекает из ставшей уже классической теории ключевых компетенций К. Прахалада (C. Prahalad) и Г. Хамела (G. Hamel) [4]. Томас Стюарт (T. Stewart) дает следующее определение: «интеллектуальный капитал - это накопленные полезные знания» [5]. В работе П. Санчеза (P. Sanchez) приведена подборка исторических названий, предшествовавших появлению понятия интеллектуального капитала: невидимые активы, базисная компетенция, стратегические активы, базисные возможности, неосязаемые ресурсы, организационная память и др. [6].
Дальнейшие многочисленные исследования были посвящены поиску возможностей применить концепцию интеллектуального капитала в менеджменте [7]. Одно из важных достижений здесь - выделение и систематизация различных элементов в составе интеллектуального капитала. Так, в отчете Организации экономического сотрудничества и развития по итогам тематического симпозиума 1999 г. указано, что интеллектуальный капитал может быть разбит на две категории: организационный (структурный) капитал и человеческий капитал1. Именно такая классификация позже стала общепринятой [8].
1 OECD Symposium on Measuring and Reporting of Intellectual Capital. Amsterdam, 1999. URL: http://www.oecd.org/sti/ind/2750309.pdf
Наиболее весомый вклад в дальнейшую структуризацию интеллектуального капитала в 1990-х и начале 2000-х гг. внесли Л. Эдвинссон (L. Edvinsson) [9] и Р. Холл (R. Hall) [10], которые обосновали разделение структурного капитала на клиентский и организационный. Попытки в дальнейшем дополнить эти элементы другими не стали общепринятыми (например, выделение партнерского или иных видов отношенческого капитала [11]). Главным направлением последующих исследований стала разработка моделей оценки стоимости интеллектуального капитала. Наибольшее распространение получила следующая концепция: организация - это сумма балансовой стоимости материальных (физических) и денежных активов и интеллектуального капитала2 [6, 12, 13].
По мнению многих зарубежных экономистов (И. Кэдди (I. Caddy), Л. Джойя (L. Joia), И. Родов (I. Rodov), Ф. М'Ферсон
(Ph. M'Pherson) и др.), величина интеллектуального капитала не может быть самостоятельно измерена стоимостными оценками и отражена в финансовой отчетности, и в этом его основной признак [14-17]. Поэтому компании осуществляют крупные инвестиции в НИОКР, обучение персонала, удовлетворенность клиентов, улучшение бизнес-процессов в расчете на повышение стоимости бизнеса в целом. При этом нельзя не согласиться с мнением представителей российской школы экономического анализа о важности разработки методологии измерения вклада каждого из имеющихся в распоряжении компании видов ресурсов (в том числе интеллектуального капитала) в подобный прирост стоимости для управления устойчивым развитием компании:
сбалансированность устойчивого развития в
2 Кельчевская Н.Р., Павлов М.Е. Сущность интеллектуального капитала // Труды Всероссийского симпозиума по экономической теории. Екатеринбург: Институт экономики УрО РАН, 2003. С. 203-205.
первую очередь предполагает оценку эффективности использования различных видов ресурсов (природных, трудовых, интеллектуальных и пр.) [18].
В современном экономическом анализе гораздо более сильно развита методология исследования материальных и трудовых ресурсов [19, 20], и это, на наш взгляд, накладывает отпечаток на структуру внутренних инвестиций отечественных компаний. Отсутствие надежных методов измерения отдачи от инвестиций в интеллектуальный капитал может быть причиной, которая замедляет инвестирование в развитие интеллектуального капитала непубличных компаний, когда рынок не может определить стоимость бизнеса на основе биржевых цен на акции. Дело в том, что соблюдение требований бухгалтерского учета приводит к противоречию: чем больше компания инвестирует в свое будущее, то есть в интеллектуальный капитал, тем меньше ее балансовая стоимость [21].
Поскольку в России подавляющее большинство компаний являются
непубличными, оценить отдачу от инвестиций в интеллектуальный капитал трудно. В подобных условиях логично предположить, что собственники бизнеса будут предпочитать инвестировать в основные средства, которые отражаются в бухгалтерском балансе и повышают стоимость активов компании. В связи с этим мы выдвинули следующую гипотезу: более низкий уровень эффективности российской экономики во многом объясняется тем, что компании не инвестируют в интеллектуальный капитал суммы, достаточные для эффективного использования обновляемых основных средств. Эта ситуация будет проявляться в виде статистически наблюдаемого дисбаланса между темпами роста инвестиций в основной и интеллектуальный капиталы.
Для доказательства гипотезы использованы
"3 ч 4
данные макроэкономической3 и региональной4
3 Инвестиции в России. 2015: стат. сб. М.: Росстат, 2015. 190 с.
4 Регионы России. Социально-экономические показатели.
2016: стат. сб. М.: Росстат, 2016. 1326 с.
статистики, а также данные отдельных компаний. Выбор показателей основан на общепринятом подходе к структуре интеллектуального капитала и наличии соответствующих показателей в системе государственной статистики. Для сравнения динамики инвестиций в основной и интеллектуальный капитал на
макроэкономическом и региональном уровнях абсолютные показатели приведены к относительному виду: величина инвестиций в основной капитал характеризуется
показателем валового накопления основного капитала в процентах к ВВП, инвестиций в интеллектуальный инновационный капитал -показателями доли внутренних затрат на исследования и разработки в процентах к ВВП, удельного веса организаций, осуществлявших технологические инновации, числа действующих патентов в расчете на 1 млрд руб. ВВП, удельного веса затрат на технологические инновации в общем объеме реализованной продукции, доли продукции высокотехнологичных и наукоемких отраслей в ВРП; интеллектуальный процессный капитал - показателем удельного веса организаций, осуществлявших организационные инновации, интеллектуальный клиентский капитал - показателем удельного веса организаций, осуществлявших маркетинговые инновации. Другие показатели,
иллюстрирующие развитие интеллектуального капитала, в системе российской государственной статистики не формируются. Так, нам не удалось найти показатель, в удовлетворительной степени отражающий развитие человеческого капитала на уровне компаний. Показатели, характеризующие уровень образования в экономике, не являются подходящими, поскольку не связаны с внутренними инвестициями компаний в обучение персонала.
Данные статистики на уровне отдельных компаний получены из базы данных FIRA5, построенной на основе финансовой отчетности компаний. Для характеристики динамики инвестиций в основной и интеллектуальный капитал доступными
5 Первое независимое рейтинговое агентство. URL: https://www.fira.ru
оказались показатели инвестиций в основные активы в процентах к выручке и инвестиций в нематериальные активы в процентах к выручке в разрезе отраслей, отдельных видов деятельности и компаний. Кроме того, косвенные оценки величины инвестиций в интеллектуальный капитал получены нами из формирования совокупной выручки по таким видам деятельности, которые отражают внешние затраты компаний в целях развития интеллектуального капитала: услуги управленческого консалтинга (структурный капитал), дополнительного образования (человеческий капитал), маркетинга и рекламы (клиентский капитал).
Осуществленное и апробированное6 нами исследование включает два основных этапа. На первом этапе проведен сравнительный и динамический анализ данных макроэкономической статистики, характеризующей инвестиции в основной и интеллектуальный капитал в российской экономике в целом. В целях объективного анализа и оценки выявленной динамики проведено их сравнение с аналогичными показателями одной из европейских стран с типичными показателями развития инновационной деятельности. В качестве такой страны выбрана Чешская Республика. По данным Евростата7, в 2014 г. Чехия по доле затрат на НИОКР в ВВП (1,97%) была очень близка к среднему показателю для европейских стран (среднее значение показателя по Европейскому союзу составило 2,03%). Для сравнения, наиболее высокие показатели имели Финляндия (3,17%), Швеция (3,15%) и Австрия (3,06%), наименьшие - Латвия (0,69%), Кипр (0,48%) и Румыния (0,38%). Источником данных послужила онлайн-база Чешского
статистического офиса8.
6 Prosvirina I.I., Ivanov A.E., Ostapenko G. Trends and Problems of Investment in Intellectual Capital in Russian Economy. Proceedings of the 5th International Conference Innovation Management, Entrepreneurship and Sustainability. URL: http://d.researchbib.com/f/bnnJ1ypl52p2HhL3biq3NgL29hq TIhqP91pTkiLJEmYmVjZGHiZQtiD29hMzIlMJ5wMI9Dpz9wM JIxnJ5ap19WGHIGKmVjZGphpTEz.pdf
7 Eurostat. Total R&D Expenditure.
URL: http://ec.europa.eu/eurostat/tgm/table.do? tab=table&init=1&language=en&pcode=tsdec320&plugin=1
Данные об изменении анализируемых показателей представлены в табл. 1 (по России) и табл. 2 (по Чехии). Исходя из представленных данных, можно сделать вывод о том, что валовое накопление основного капитала в России не имеет выраженной динамики к росту (однако, если сравнивать с более ранними данными, такая динамика есть: показатель вырос с 17,4% в 2005 г. до 20,6% в 2010 г.). Существенное падение произошло только в 2014 г., что, по нашему мнению, связано с экономическим кризисом, начавшимся после событий на Украине весной 2014 г. Более наглядное представление о динамике инвестиций в основной капитал дает показатель приобретения новых основных средств (рост с 2,87% в 2010 г. до 3,4% в 2014 г.). В то же время наблюдается снижение большинства показателей, отражающих развитие интеллектуального капитала. Так, внутренние затраты на исследования и разработки в процентах к ВВП сократились за рассматриваемый период с 1,149 до 1,099%. Наибольшее снижение обнаружено по показателям числа действующих патентов в расчете на 1 млрд руб. ВВП и доли компаний, осуществляющих организационные и маркетинговые инновации. Таким образом, инвестиции в основной капитал сопровождаются слабыми или совсем не сопровождаются организационными улучшениями и ростом интеллектуального капитала.
Динамика аналогичных показателей Чешской Республики иная. За 2010-2014 гг. роль валового накопления капитала в производстве ВВП постепенно и неуклонно снижалась, с 26,963 до 25,13%. Это означает, что для производства ВВП требуется все меньше инвестиций в основной капитал. При этом возрастает роль других факторов роста ВВП. Совокупные затраты на исследования и разработки за рассматриваемый период выросли с 1,34 до 1,973% в ВВП, или почти в 1,5 раза. Однако наибольший рост показывают внутренние затраты компаний на исследования и разработки (с 0,169 до 0,418 -почти в 2,5 раза). Можно сделать вывод, что
8 Czech Statistical Office. URL: https://www.czso.cz/csu/czso/statistics
инвестиции в исследования и разработки позволяют повысить эффективность основного капитала. Данная тенденция отражает стремление компаний снизить количество занятого в бизнесе основного капитала и повысить отдачу на инвестированный капитал.
На втором этапе исследования нами было проведено статистическое измерение влияния на величину валового регионального продукта факторов, характеризующих накопление основного капитала и развитие интеллектуального капитала предприятий по регионам России. Цель этапа - подтвердить нашу гипотезу в части предположения о более высокой эффективности экономики при более интенсивном инвестировании в интеллектуальные активы. В качестве показателя результата принят ВРП на душу населения. В качестве показателей, характеризующих факторы роста ВРП, приняты показатели, представленные в табл. 3. Для расчетов использованы данные по 70 российским регионам за 2014 г. после устранения аномальных значений и несопоставимых в динамике данных (табл. 4), которые содержатся в открытой базе данных региональной статистики.
Для устранения мультиколлинеарности последовательно исключались переменные minn_comp и tinn_comp (табл. 5). Статистически приемлемые параметры построенные модели показали при сохранении orgin_comp, а также после введения фиктивной переменной отражающей
характер экономической деятельности региона. Выделены промышленные (для которых принято значение = 1) и иные
регионы = 0), такие как
ориентированные на экспорт и аграрные; для этого использовалась классификация регионов, предложенная рейтинговым агентством «РИА Рейтинг»9.
Модели множественной регрессии построены в прикладном программном пакете Gretl10.
9 Рейтинг социально-экономического положения субъектов РФ. Итоги 2011 года. URL: http://vid1.rian.ru/ig/ratings/ rating_regions_2012.pdf
10 Библиотека GNU для регрессий, эконометрики
и временных рядов. URL: http://gretl.sourceforge.net/ru.html
Для выбора между моделями проведено их сравнение по параметру Я2: в линейной модели Я2 = 0,5124, в экспоненциальной quazi-Я2 = 0,5216 (в целях сравнения с линейной моделью с таким же количеством переменных quazi-R2 рассчитан отдельно на основе наблюдаемых значений ВРП и значений, оцененных на основе модели в логарифмах, далее переведенных в натуральные единицы). Проведение РЕ-теста позволило отвергнуть линейную модель регрессии, так как коэффициент при добавленной в линейную модель экзогенной переменной прогноза по конкурирующей экспоненциальной модели оказался значимым с вероятностью 0,9. В то же время коэффициент при добавлении в экспоненциальную модель прогноза по конкурирующей линейной модели оказался незначимым.
Таким образом, экспоненциальная модель лучше объясняет изменения ВРП совокупностью выбранных факторов. Параметры экспоненциальной модели и основные результаты тестирования модели представлены на рис. 1. Тест Рамсея подтверждает выбранную спецификацию модели. Нелинейные регрессоры добавлять не нужно. Анализ Р-статистики Фишера подтверждает адекватность модели наблюдаемым значениям, так как расчетное значение Ррасч = 21,795 (рис. 1) превышает критическое значение Ркрит (5;64) = 0,9984 для уровня доверия 95%. Нулевая гипотеза о незначимости параметров модели отвергается.
Анализ стандартных ошибок коэффициентов и величин ^статистики Стьюдента дал нам возможность сделать вывод о том, что все коэффициенты модели значимы. Переменная Ах_сар имеет наименьший уровень Статистики Стьюдента, однако проверка критического значения ^статистики из таблицы Стьюдента показала, что ^рит (1,67) ниже, чем ^асч (1,712). Следовательно, коэффициент при переменной Ах_сар значим с вероятностью 0,9, а сама переменная оказывает влияние на ВРП и сохранена в модели. Остальные переменные значимы с более высокими вероятностями: 0,95 (Ыпп_ехр и orgin_comp) и 0,99 (high_tec и
Отсутствие гетероскедастичности остатков в модели проверено с помощью теста Вайта. Нулевая гипотеза о гомоскедастичности остатков принимается с вероятностью 0,94. Автокорреляция в остатках несущественна (например, коэффициент автокорреляции с лагом 1 составил -0,01856). Среднее значение остатков модели близко к нулю (-0,000699). Среднее квадратическое отклонение остатков порядка 0,183 при среднем значении зависимой переменной ln(grp) = 6,378, что составляет 2,87%. Метод инфляционных факторов (рис. 2) показал, что все VIF-коэффициенты не превышают 10, следовательно, мультиколлинеарности в модели нет.
По графикам, представленным на рис. 3, и анализу соответствующих коэффициентов корреляции (критическое значение
коэффициента корреляции 0,2369 на уровне значимости 5%), сделан вывод о независимости остатков модели e от теоретических значений эндогенной ln_grp и экзогенных переменных fix_cap, tinnexp, high_tech, orgin_comp, ind_reg.
Разработанная модель представлена следующим уравнением регрессии (стандартные ошибки отмечены под оценками параметров модели):
In (gdp) = 6,28347+ 0,00445863 fix_cap +
+ 3,87066 tinn exp - 0,0166229 high tec +
+ 0,440961 or gin comp +0,245514 ind reg.
Наблюдаемые и оцененные на основе построенной модели значения уровня ВРП достаточно близки (рис. 4). Средняя абсолютная процентная ошибка прогноза, рассчитанная в натуральных единицах для ВРП, составляет MAPEexp = 13,8%, что говорит об удовлетворительном качестве построенной экспоненциальной модели. Для линейной модели MAPEiin = 14,62%.
Построенная эконометрическая модель показала, что при неизменных других факторах увеличение инвестиций в основной капитал на 1% вызовет увеличение ВРП в
среднем на 0,446%. Факторы же интеллектуального капитала оказывают более значительное влияние на величину ВРП. Наибольшее влияние на рост ВРП (в расчете на одного занятого в экономике) оказывают рост затрат на технологические инновации и осуществление компаниями организационных инноваций. Следовательно, в структуре факторов роста ВРП наиболее важная роль принадлежит инновационному и
структурному капиталу. Так, при увеличении затрат на технологические инновации организаций на 1% ВРП (в расчете на одного занятого в экономике) вырастет почти на 3,947% (EXP (3,.87066 • 0,01) - 1) 100%); при увеличении на единицу доли продукции высокотехнологичных и наукоемких отраслей ВРП уменьшится в среднем на 1,649% (EXP (-0,0166229) - 1) 100%); при увеличении на 1% доли организаций, осуществляющих организационные инновации, ВРП увеличится на 4,508%. Для промышленных регионов (ind_reg = 1) значение ВРП в среднем больше на 27,83%.
Таким образом, получено статистическое подтверждение очень слабой степени влияния величины инвестиций в основной капитал на рост экономики, если оно не сопровождается инвестициями в интеллектуальный капитал. Можно назвать следующие причины этого. Во-первых, большая часть инвестиций производится в целях замены изношенных и устаревших основных средств. Так, в 2005 г. доля таких инвестиций в России достигала 73%, в 2014 г. - 69%. Во-вторых, в условиях экономического спада инвестиции в основной капитал не приводят к росту ВВП, поскольку сокращаются объемы потребления
традиционных ресурсов. В то же время наблюдается рост доли высокотехнологичных и наукоемких отраслей. В России этот рост сдерживается отрицательной динамикой инвестиций в интеллектуальный капитал. Выявленные тенденции инвестирования в российской экономике могут быть причиной происходящего снижения уровня отдачи на активы (с 7% в 2010 г. до 4% в 2014 г.), а также снижения удельного веса прибыльных организаций с 70,4% в 2010 г. до 68,1% в 2014 г.
Таким образом, гипотеза исследования подтверждена данными макроэкономической, региональной статистики и статистики компаний. Сравнение динамики инвестиций в основной и интеллектуальный капиталы в российских компаниях приводит к выводу о том, что в российской экономике наблюдается рост инвестиций в основные средства, при этом происходит снижение инвестирования во все элементы интеллектуального капитала компаний. Сравнение выявленной тенденции с европейскими странами приводит к выводу о том, что для эффективного использования основного капитала необходимы повышение затрат на НИОКР и внедрение инноваций. Слабый уровень таких инвестиций объясняет низкую эффективность экономики.
Исследование выявило, что особенностью инвестиционной политики российских компаний является предпочтение инвестирования в основные средства по
сравнению с инвестированием в интеллектуальный капитал. Для устранения этого перекоса необходимо совершенствовать методологию оценки эффективности инвестиций в интеллектуальный капитал, что поможет продемонстрировать высокие уровни отдачи на капитал при инвестировании в различные направления интеллектуальных активов. В настоящее время подобная оценка существенно затруднена из-за учета многих составляющих интеллектуального капитала в качестве расходов, а не активов, что особенно сильно влияет на внутреннюю инвестиционную политику непубличных компаний, полагающихся при определении своей капитализации на данные бухгалтерской отчетности, а не на рыночную стоимость. Для преодоления сложившихся тенденций необходима разработка нерыночных показателей эффективности инвестиций в интеллектуальный капитал.
Таблица 1
Динамика показателей, характеризующих инвестиции в основной и интеллектуальный капиталы в российской экономике в 2010-2014 гг.
Table 1
Changes in indicators characterizing investments in fixed capital and intellectual capital for the Russian economy in 2010-2014
Показатель 2010 2011 2012 2013 2014
ВВП, млрд руб. 46 308,5 55 967,2 62 176,5 66 190,1 71 406,4
Валовое накопление основного капитала, % к ВВП 20,6 20,3 20,8 20,8 19,7
В том числе приобретение новых основных средств, % к ВВП 2,87 3,41 3,43 3,58 3,4
Внутренние затраты на исследования и разработки, % к ВВП 1,149 1,07 1,112 1,108 1,099
Удельный вес организаций, осуществлявших 10,4 10,3 10,1 9,9 9,3
инновации*,%
В том числе:
- технологические инновации 8,9 9,1 8,9 8,8 8,3
- организационные инновации 3,3 3 2,9 2,8 2,7
- маркетинговые инновации 2,3 1,9 1,9 1,7 1,8
Число действующих патентов, ед. на 1 млрд руб. ВВП 5,61 4,23 4,1 4,12 4,1
Удельный вес затрат на технологические инновации 1,5 1,8 2,2 2,1 1,8
в общем объеме реализованной продукции, %_
* За отчетный год, в общем числе обследованных организаций. Источник: составлено авторами по данным Росстата Source: Authoring, based on Rosstat data
Таблица 2
Динамика показателей, характеризующих инвестиции в основной и интеллектуальный капиталы в чешской экономике в 2010-2014 гг.
Table 2
Changes in indicators characterizing investments in fixed capital and intellectual capital for the Czech economy in 2010-2014
Показатель 2010 2011 2012 2013 2014
ВВП, млрд чешских крон 3 953,7 4 033,1 4 059,9 4 098,1 4 313,8
Валовое накопление основного капитала, % к ВВП 26,963 26,281 25,91 25,062 25,13
Доля высокотехнологичного сектора в ВВП, % 0,952 0,891 0,986 1,014 1,199
Совокупные затраты на исследования и разработки, % к ВВП 1,34 1,556 1,782 1,9 1,973
Внутренние затраты на исследования и разработки, % к ВВП 0,169 0,29 0,415 0,416 0,418
Источник: составлено авторами по данным Чешского статистического офиса
Source: Authoring, based on the Czech Statistical Office data Таблица 3
Система факторных показателей, определяющих уровень развития регионов
Table 3
The system of exposures determining the level of regional development
Фактор Индикатор для измерения фактора Условное
обозначение
Основной капитал Валовое накопление основного капитала, % к ВРП fix_cap
Интеллектуальный капитал
В том числе:
- инновационный капитал Внутренние затраты на исследования и разработки, r&d_exp
% к ВРП
Затраты на технологические инновации организаций, tinn_exp
на 1 руб. ВРП
Доля продукции высокотехнологичных и наукоемких high_tec
отраслей, % в ВРП
Удельный вес организаций, осуществлявших tinn_comp
технологические инновации, %
- организационный капитал Удельный вес организаций, осуществлявших orgin_comp
организационные инновации, %
- клиентский капитал Удельный вес организаций, осуществлявших minn_comp
маркетинговые инновации, %
Источник: авторская разработка
Source: Authoring
Таблица 4
Исходные данные по регионам России для эконометрического моделирования
Table 4
Initial data for econometric modeling by Russian region
Субъект Федерации grp fix cap r&d exp tinn exp high tec tinn comp orgin comp minn comp ind reg
Белгородская область 887,25 24,73 0,245 0,0066 10,4 11,02 2,63 2,23 1
Брянская область 465,39 24,97 0,162 0,0051 20,3 8,5 2,12 2,47 0
Владимирская область 473 23,39 1,135 0,018 27,2 11,27 3,95 2,55 1
Воронежская область 674,21 33,56 1,067 0,0095 18,3 9,68 2,1 1,78 1
Ивановская область 313,7 26,2 0,405 0,0015 22,1 6,42 2,05 1,3 1
Калужская область 666,55 36,19 3,427 0,0415 35,8 9,72 3,93 2,53 1
Костромская область 493,96 16,67 0,065 0,0033 17,1 7,47 2,1 1,68 1
Курская область 526,43 25,81 0,968 0,0153 18,3 10,28 4,27 1,93 0
Липецкая область 731,42 34,51 0,058 0,0289 11,6 14,85 2,95 2,97 1
Московская область 880,95 23,61 3,622 0,0398 23,7 8,07 2,62 1,92 0
Орловская область 469,3 25,27 0,255 0,0039 18,8 9,78 2,05 0,93 0
Рязанская область 604,46 25,93 0,557 0,0359 22,1 10,6 3,4 2,6 1
Смоленская область 486,79 28,36 0,467 0,0074 21,5 6,55 2,1 1,6 1
Тамбовская область 551,42 38,64 0,6 0,0085 15,9 8,35 2 1,38 0
Тверская область 538,97 31,5 1,338 0,0101 21 7,88 1,83 1,45 1
Тульская область 549,85 26,7 0,712 0,0245 36,7 12,3 3,33 2,28 1
Ярославская область 623,71 26,04 1,412 0,0411 24,3 10,72 3,38 2,78 1
Республика Карелия 641,02 19,5 0,487 0,0003 18,3 8,28 4,17 1,93 1
Архангельская область 916,88 32,24 0,23 0,0063 18,9 7,12 2 1,53 1
Вологодская область 679,14 28,46 0,095 0,0067 20,3 7,15 2,83 1,72 1
Калининградская область 646,2 28,94 0,425 0,0008 26,4 3,87 1,5 0,53 1
Ленинградская область 960,66 43,94 0,877 0,0098 13,5 9,65 2,87 1,72 1
Мурманская область 805,12 22,21 0,79 0,007 19,1 10,05 2,98 1,27 1
Новгородская область 678,74 28,79 0,633 0,0119 29,3 7,82 1,97 1,6 1
Псковская область 381,1 23,51 0,14 0,0017 21 8,53 1,13 1,23 0
Республика Адыгея 522,27 30,24 0,235 0,0018 16,1 8,88 3,33 2,52 0
Республика Калмыкия 413,7 36,96 0,207 0,0003 14,9 1,98 0,4 0,2 0
Краснодарский край 771,57 50,53 0,317 0,0031 14 6,33 2,63 1,87 1
Астраханская область 664,71 42,56 0,243 0,0127 14,4 9,55 2,62 0,75 0
Волгоградская область 585,53 21,77 0,725 0,0542 15,4 7,35 2,25 1,1 0
Ростовская область 525,95 26,96 1,132 0,0192 21,2 8,3 1,48 1,05 1
Республика Дагестан 538,56 40,46 0,21 0,001 12,7 7,65 3,3 3,83 0
Республика Ингушетия 660,35 32,51 0,105 0,0015 18,2 5,25 1,67 0,98 0
Кабардино-Балкарская 387,96 23,84 0,505 0,0019 21,3 7,68 1,95 1,7 0
Республика
Карачаево-Черкесская 416,09 28,73 0,65 0,0011 19,7 3,47 0,8 0,65 0
Республика
Республика Северная 431,83 23,86 0,333 0,0014 17,6 5,55 0,83 1,07 0
Осетия - Алания
Ставропольский край 438,1 26,63 0,298 0,0158 22 7,5 1,25 1,43 0
Республика Башкортостан 709,6 22,34 0,607 0,024 20,4 11,58 2,93 2,02 1
Республика Марий Эл 473,52 29,67 0,123 0,0069 24,2 8,55 2,73 1,52 0
Республика Мордовия 470,94 36,74 0,517 0,037 21,1 14,45 4,15 3,82 0
Республика Татарстан 925,16 31,86 0,692 0,0573 19,2 19,02 5,2 4,15 1
Удмуртская Республика 603,11 19,27 0,227 0,0189 23,8 11,78 3,03 2,23 1
Пермский край 776,77 22,06 1,182 0,0607 29,1 13,67 4,05 2,92 1
Кировская область 400,42 23,6 0,502 0,0111 28,4 8,82 2,33 1,6 0
Нижегородская область 616,85 31,26 5,233 0,045 29,3 15,55 6,12 3 1
Оренбургская область 715,34 22,51 0,09 0,0072 11,8 13 4,62 3,27 0
Пензенская область 451,77 29,53 1,468 0,0214 23 13,17 4,27 3,98 0
Самарская область 766,08 22,94 1,648 0,05 26,2 7,4 1,88 1,15 1
Саратовская область 479,83 23,49 0,597 0,0086 23 6,4 2,08 1,03 0
Ульяновская область 478,38 29,24 3,22 0,013 30 6,55 2,02 1,87 1
Курганская область 458,76 24,53 0,17 0,004 25,3 8,78 1,52 2,03 0
Свердловская область 822,04 24,33 1,337 0,0174 23,2 12,15 4,92 2,47 1
Челябинская область 602,61 24,2 1,443 0,0297 20,5 9,97 3,72 1,92 1
Республика Алтай 431,47 40,11 0,255 0,012 20 14,68 0,77 0,28 0
Республика Бурятия 448,47 22,63 0,455 0,005 30,8 8,83 3,57 1,6 0
Республика Тыва 460,17 26,56 0,585 0,0001 27,9 5,72 1,2 1,15 0
Республика Хакасия 716,23 23,54 0,058 0,001 16,2 6,33 0,78 1,63 1
Алтайский край 419,94 20,79 0,363 0,0059 19,6 10,73 2,48 2,13 0
Забайкальский край 477,11 28,6 0,13 0,0044 20,8 4,43 1,4 0,7 0
Красноярский край 1 007,04 28,63 0,893 0,0595 15,6 9,83 3,32 1,67 1
Иркутская область 791,18 24,3 0,57 0,0231 17,5 7,52 2,77 1,22 1
Кемеровская область 603,63 28,91 0,152 0,0016 18,3 5,65 2,03 1,1 1
Новосибирская область 665,79 23,8 2,223 0,005 23,5 8,55 1,93 1,43 1
Омская область 636,26 19,81 0,687 0,045 17,7 7,58 2,73 1,17 1
Томская область 884,98 28,94 2,227 0,016 20,7 14,43 5,57 4,05 1
Камчатский край 795,95 25,49 0,925 0,0039 21,2 15,55 2,42 1,12 0
Приморский край 663,02 34,81 0,887 0,0029 18,8 9,32 1,95 1,17 1
Хабаровский край 766,63 35,73 0,29 0,0119 17 12 3,43 1,67 1
Амурская область 557,66 46,16 0,198 0,0157 15,5 6,45 1,45 0,98 0
Еврейская автономная 555,82 45,66 0,198 0,0015 16,2 7,07 1,1 1,6 0
область
Примечание. В таблице использованы следующие обозначения: grp - валовой региональный продукт на одного занятого, тыс. руб.; fix_cap - валовое накопление основного капитала, % к ВРП; r&d_exp - внутренние затраты на исследования и разработки, % к ВРП; tinn_exp - затраты на технологические инновации организаций, на 1 руб. ВРП; high_tec - доля продукции высокотехнологичных и наукоемких отраслей, % в ВРП; tinn_comp - удельный вес организаций, осуществлявших технологические инновации, %; orgin_comp - удельный вес организаций, осуществлявших организационные инновации, %; minn_comp - удельный вес организаций, осуществлявших маркетинговые инновации, %; ind_reg - характер экономической деятельности региона (1 - промышленные регионы, 0 - иные регионы).
Источник: составлено авторами по данным Росстата, «РИА Рейтинг» Source: Authoring, based on Rosstat and RIA Rating data
Таблица 5
Корреляционная матрица для показателей экономического и инновационного развития регионов России Table 5
A correlation matrix for indicators of economic and innovative development of Russian regions
Показатель grp fx_cap r&d_exp tinn_exp high_tec tinn_comp orgin_comp minn_comp
grp 1 - - - - - - -
fix_cap 0,113 1 - - - - - -
r&d exp 0,205 -0,045 1 - - - - -
tinn_exp 0,389* -0,12 0,454* 1 - - - -
high_tec -0,237 -0,297* 0,484* 0,226 1 - - -
tinn_comp 0,341* -0,033 0,252 0,468* 0,085 1 - -
orgin_comp 0,39* -0,103 0,423* 0,486* 0,151 0,708** 1 -
minn_comp 0,232 -0,02 0,267 0,377* 0,076 0,663* 0,779** 1
* Умеренная линейная зависимость между показателями.
** Тесная линейная зависимость между показателями (между остальными показателями линейная зависимость слабая или отсутствует).
Источник: авторская разработка
Source: Authoring
Рисунок 1
Статистические параметры модели регрессии, описывающей влияние показателей основного и интеллектуального капитала на рост ВРП (компьютерное отображение)
Figure 1
Statistical parameters of the regression model describing the impact of fixed and intellectual capital on GRP growth: computer visualization
Модель 3:
MHK, использованы наблюдения 1-70 Зависимая переменная: ln_grp
Робастные оценки стандартных ошибок (с поправкой на гетероскедастичность), вариант НС1
Коэффициент Ст. ошибка t-статистика Р-значение
const
fix_cap
tinn_exp
îiigh^tec
orgin_comp
ind_reg
6,28347 0,00445863 3,87066 -0,0166229 0,0440961 0,245514
0,130974
0,00260440
1,63581
0,00334186
0,0193014
0,0550607
47,98 1,712 2,296 -4,974 2,285 4, 459
6,83e-052 0,0917 0,0250 5,21e-06 0,0257 3,40e-05
Среднее зав. перемен Сумма кв. остатков R-квадрат F(S, 64)
Лог. правдоподобие Крит. Шварца
6,377992 Ст. откл. зав. перемен 0,262497
2,284040 Ст. ошибка модели 0,188913
0,519598 Испр. R-квадрат 0,482067
21,79540 Р-значение (F) 1,13е-12
20,46353 Крит. Акаике -28,92706
-15,43609 Крит. Хеннана-Куинна -23,56828
Тест Зайта (White) на гетероскедастичность -
Нулевая гипотеза: гетероскедастичность отсутствует Тестовая статистика: LM = 10,3075
р-значение = Е(Хи-квадрат(19) > 10,3075) - 0,944949
Тест Рамсея (RESET) {только квадраты) -Нулевая гипотеза: спецификация адекватна Тестовая статистика: Fjl, 63) — 0,507209 р-значение = P(F<1, 63) > 0,507209) = 0,478979
Источник: авторская разработка Source: Authoring
Рисунок 2
Метод инфляционных факторов (компьютерное отображение) Figure 2
Variance Inflation Factors: computer visualization
Метод инфляционных факторов Минимальное возможное значение - 1.0
Значения > 10.0 могут указывать на наличие мультиколлинеарности
f1х_сар tinn exp high_tec orgin_comp ind reg
1,105 1,392 1, 147 1,360 1, 146
VIF(j) =1/(1 - R(j)'42)/ где R(3) - это коэффициент множественной корреляции между переменной j и другими независимыми переменными
Источник: авторская разработка Source: Authoring
Рисунок 3
Зависимости остатков модели от эндогенной и экзогенных переменных: a - Corr(e, fix_cap); b - Corr(e, tinn_exp); c - Corr(e, high_tec); d - Corr(e, orgin_comp); e - Corr(e, ind_reg); f - Corr(e, ln_gdp)
Figure 3
Dependence of model residuals on endogenous and exogenous variables: a - Corr(e, fix_cap); b - Corr(e, tinn_exp); c - Corr(e, high_tec); d - Corr(e, orgin_comp); e - Corr(e, ind_reg); f - Corr(e, ln_gdp)
Источник: авторская разработка Source: Authoring
Рисунок 4
Наблюдаемые и оцененные на основе модели значения уровня ВРП Figure 4
Values of GRP level observed and estimated on the basis of the model
Источник: авторская разработка Source: Authoring
Список литературы
1. Griliches Z. Patent Statistics as Economic Indicators: A Survey. Journal of Economic Literature, 1990, vol. 28, pp. 1661-1707.
2. Кузнецов Ю.А. Человеческий капитал, производительность труда и экономический рост // Экономический анализ: теория и практика. 2012. № 43. С. 2-17.
URL: https://cyberleninka.ru/article/n/chelovecheskiy-kapital-proizvoditelnost-truda-i-ekonomicheskiy-rost-okonchanie-sleduet
3. Никонова А.А. Народнохозяйственный подход к развитию и использованию человеческого потенциала // Экономический анализ: теория и практика. 2015. № 27. С. 13-29.
URL: https://cyberleninka.ru/article/n/narodnohozyaystvennyy-podhod-k-razvitiyu-i-ispolzovaniyu-chelovecheskogo-potentsiala (In Russ.)
4. Prahalad C.K., Hamel G. The Core Competence of the Corporation. Harvard Business Review, 1990, iss. May-June, pp. 79-91.
5. Stewart T.A. Intellectual Capital. The New Wealth of Organizations. New York, Doubleday, 1997, 278 p.
6. Sánchez P., Chaminade C., Olea M. Management of Intangibles: An Attempt to Build a Theory. Journal of Intellectual Capital, 2000, vol. 1, no. 4, pp. 312-327.
7. Просвирина И.И. Интеллектуальный капитал: новый взгляд на нематериальные активы // Финансовый менеджмент. 2004. № 4. С. 103-120.
8. Petty R., Guthrie J. Intellectual Capital Literature Review. Measurement, Reporting and Management. Journal of Intellectual Capital, 2000, vol. 1, iss. 2, pp. 155-176. URL: https://doi.org/10.1108/14691930010348731
9. Edvinsson L. Some Perspectives on Intangibles and Intellectual Capital 2000. Journal of Intellectual Capital, 2000, vol. 1, iss. 1, pp. 12-16.
URL: https://doi.org/10.1108/14691930010371618
10. Hall R. The Strategic Analysis of Intangible Resources. Strategic Management Journal, 1992, vol. 13, iss. 2, pp. 135-144. URL: https://doi.org/10.1002/smj.4250130205
11. Leliaert Ph., Candries W., Tilmans R. Identifying and Managing IC: A New Classification. Journal of Intellectual Capital, 2003, vol. 4, iss. 2, pp. 202-214.
URL: https://doi.org/10.1108/14691930310472820
12. Брукинг Э. Интеллектуальный капитал: ключ к успеху в новом тысячелетии. СПб.: Питер, 2001. 288 с.
13. Caddy I. Intellectual capital: recognizing both assets and liabilities. Journal of Intellectual Capital, 2000, vol. 1, iss. 2, pp. 129-146. URL: https://doi.org/10.1108/14691930010377469
14. Joia L.A. Measuring Intangible Corporate Assets. Linking Business Strategy with Intellectual Capital. Journal of Intellectual Capital, 2000, vol. 1, iss. 1, pp. 68-84.
URL: https://doi.org/10.1108/14691930010371636
15. Rodov I., Leliaert Ph. FiMIAM: Financial Method of Intangible Assets Measurement. Journal of Intellectual Capital, 2002, vol. 3, iss. 3, pp. 323-336.
URL: https://doi.org/10.1108/14691930210435642
16. M'Pherson Ph., Pike S. Accounting, Empirical Management and Intellectual Capital. Journal of Intellectual Capital, 2001, vol. 2, iss. 3, pp. 246-260.
URL: https://doi.org/10.1108/EUM0000000005659
17. Roslender R., Fincham R. Thinking Critically about Intellectual Capital Accounting. Accounting, Auditing and Accountability Journal, 2001, vol. 14, iss. 4, pp. 383-399.
URL: https://doi.org/10.1108/09513570110403425
18. Любушин Н.П., Бабичева Н.Э., Игошев А.К., Кондрашова Н.В. Моделирование устойчивого развития экономических систем различных иерархических уровней на основе ресурсоориентированного подхода // Экономический анализ: теория и практика. 2015. № 48. С. 2-12. URL: https://cyberleninka.ru/article/nXmodelirovanie-ustoychivogo-razvitiya-ekonomicheskih-sistem-razlichnyh-ierarhicheskih-urovney-na-osnove-resursoorientirovannogo
19. Ендовицкий Д.А., Любушин Н.П., Бабичева Н.Э. Ресурсоориентированный экономический анализ: теория, методология, практика // Экономический анализ: теория и практика. 2013. № 38. С. 2-8. URL: https://cyberleninka.ru/articleZn/resursoorientirovannyy-ekonomicheskiy-analiz-teoriya-metodologiya-praktika
20. Ендовицкий Д.А., Любушин Н.П., Бабичева Н.Э., Купрюшина О.М. От оценки финансового состояния организации к интегрированной методике анализа устойчивого развития // Экономический анализ: теория и практика. 2016. № 12. С. 42-65.
URL: https://cyberleninka.ru/article/n/ot-otsenki-finansovogo-sostoyaniya-organizatsii-k-integrirovannoy-metodike-analiza-ustoychivogo-razvitiya
21. Malhotra Y. Knowledge Assets in the Global Economy: Assessment of National Intellectual Capital. Journal of Global Information Management, 2000, vol. 8, no. 3, pp. 5-15.
Информация о конфликте интересов
Мы, авторы данной статьи, со всей ответственностью заявляем о частичном и полном отсутствии фактического или потенциального конфликта интересов с какой бы то ни было третьей стороной, который может возникнуть вследствие публикации данной статьи. Настоящее заявление относится к проведению научной работы, сбору и обработке данных, написанию и подготовке статьи, принятию решения о публикации рукописи.
pISSN 2073-039X Analysis of Intellectual Capital
elSSN 2311-8725
A COMPARATIVE ANALYSIS OF TRENDS IN INVESTMENTS OF RUSSIAN ENTERPRISES IN INTELLECTUAL AND FIXED CAPITAL
Irina I. PROSVIRINA% Aleksei E. IVANOVb, Galina F. OSTAPENKOc, Lyudmila A. SHIRSHIKOVAd
a South Ural State University (National Research University), Chelyabinsk, Russian Federation iprosvirina@mail .ru ORCID: not available
b South Ural State University (National Research University), Chelyabinsk, Russian Federation
ORCID: not available
c Perm National Research Polytechnic University, Perm, Russian Federation
ORCID: not available
d South Ural State University (National Research University), Chelyabinsk, Russian Federation
ORCID: not available
• Corresponding author
Article history: Abstract
Received 17 October 2017 Subject The article considers trends in domestic investments of Russian companies in Received in revised form intellectual and fixed capital during the inter-crisis period (2010-2014). 1 November 2017 Objectives The purpose of the study is to identify trends in internal investment and
Accepted 30 November 2017 determine the most profitable investment project for company development based on Available online economic and mathematical modeling.
29 January 2018 Methods This paper combines general scientific methods of research, such as analysis,
synthesis, deduction, induction, as well as econometric modeling, using Gretl. The JEL classification: E22, G31, theoretical background was shaped from the articles and monographs by Russian and G32 foreign scientists devoted to intellectual capital research. The informational base is the data
of macroeconomic and regional statistics, and financial statements of Russian companies. Results The analysis confirmed the hypothesis of the study: Russian companies' investment in intellectual capital is reducing against the backdrop of increased investment in fixed assets. The comparable data on the average level of investment in intellectual capital of the Czech Republic, a representative of Europe, provide an opposite picture. At the same time, the developed economic-mathematical model defines intellectual capital as a much more profitable object of internal investment than fixed capital. Conclusions The revealed structural imbalance in the areas of domestic investments of Keywords: investment, Russian companies may serve as an explanation of low efficiency of domestic economy.
intellectual capital, fixed To eliminate this distortion, it is necessary to improve the methodology for assessing the capital performance of investment in intellectual capital.
© Publishing house FINANCE and CREDIT, 2017
Please cite this article as: Prosvirina I.I., Ivanov A.E., Ostapenko G.F., Shirshikova L.A. A Comparative Analysis of Trends in Investments of Russian Companies in Intellectual and Fixed Capital. Economic Analysis: Theory and Practice, 2018, vol. 17, iss. 1, pp. 131-148. https://doi.org/10.24891/ea.17 .1.131
References
1. Griliches Z. Patent Statistics as Economic Indicators: A Survey. Journal of Economic Literature, 1990, vol. 28, pp. 1661-1707.
2. Kuznetsov Yu.A. [Human capital, labor productivity, and economic growth]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2012, no. 43, pp. 2-17. URL: https://cyberleninka.ru/article/n/chelovecheskiy-kapital-proizvoditelnost-truda-i-ekonomicheskiy-rost-okonchanie-sleduet (In Russ.)
3. Nikonova A.A. [The development and use of human potential: A national economic approach]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2015, no. 27. pp. 13-29. URL: https://cyberleninka.ru/article/n/narodnohozyaystvennyy-podhod-k-razvitiyu-i-ispolzovaniyu-chelovecheskogo-potentsiala (In Russ.)
4. Prahalad C.K., Hamel G. The Core Competence of the Corporation. Harvard Business Review, 1990, iss. May-June, pp. 79-91.
5. Stewart T.A. Intellectual Capital: The New Wealth of Organizations. New York, Doubleday, 1997, 278 p.
6. Sánchez P., Chaminade C., Olea M. Management of Intangibles: An Attempt to Build a Theory. Journal of Intellectual Capital, 2000, vol. 1, no. 4, pp. 312-327.
7. Prosvirina I.I. [Intellectual capital: A fresh approach to intangible assets]. Finansovyi menedzhment = Financial Management, 2004, no. 4, pp. 103-120. (In Russ.)
8. Petty R., Guthrie J. Intellectual Capital Literature Review: Measurement, Reporting and Management. Journal of Intellectual Capital, 2000, vol. 1, iss. 2, pp. 155-176.
URL: https://doi.org/10.1108/14691930010348731
9. Edvinsson L. Some Perspectives on Intangibles and Intellectual Capital 2000. Journal of Intellectual Capital, 2000, vol. 1, iss. 1, pp. 12-16.
URL: https://doi.org/10.1108/14691930010371618
10. Hall R. The Strategic Analysis of Intangible Resources. Strategic Management Journal, 1992, vol. 13, iss. 2, pp. 135-144. URL: https://doi.org/10.1002/smj.4250130205
11. Leliaert Ph., Candries W., Tilmans R. Identifying and Managing IC: A New Classification. Journal of Intellectual Capital, 2003, vol. 4, iss. 2, pp. 202-214.
URL: https://doi.org/10.1108/14691930310472820
12. Brooking A. Intellektualnyi kapital: klyuch k uspekhu v novom tysyacheletii [Intellectual Capital: Core Asset for the Third Millennium]. St. Petersburg, Piter Publ., 2001, 288 p.
13. Caddy I. Intellectual Capital: Recognizing Both Assets and Liabilities. Journal of Intellectual Capital, 2000, vol. 1, iss. 2, pp. 129-146. URL: https://doi.org/10.1108/14691930010377469
14. Joia L.A. Measuring Intangible Corporate Assets: Linking Business Strategy with Intellectual Capital. Journal of Intellectual Capital, 2000, vol. 1, iss. 1, pp. 68-84.
URL: https://doi.org/10.1108/14691930010371636
15. Rodov I., Leliaert Ph. FiMIAM: Financial Method of Intangible Assets Measurement. Journal of Intellectual Capital, 2002, vol. 3, iss. 3, pp. 323-336.
URL: https://doi.org/10.1108/14691930210435642
16. M'Pherson Ph., Pike S. Accounting, Empirical Management and Intellectual Capital. Journal of Intellectual Capital, 2001, vol. 2, iss. 3, pp. 246-260.
URL: https://doi.org/10.1108/EUM0000000005659
17. Roslender R., Fincham R. Thinking Critically about Intellectual Capital Accounting. Accounting, Auditing and Accountability Journal, 2001, vol. 14, iss. 4, pp. 383-399.
URL: https://doi.org/10.1108/09513570110403425
18. Lyubushin N.P., Babicheva N.E., Igoshev A.K., Kondrashova N.V. [Modeling the sustainable development of different hierarchical level economic systems based on a resource-oriented approach]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2015, no. 48, pp. 2-12. URL: https://cyberleninka.ru/article/nXmodelirovanie-ustoychivogo-razvitiya-ekonomicheskih-sistem-razlichnyh-ierarhicheskih-urovney-na-osnove-resursoorientirovannogo (In Russ.)
19. Endovitskii D.A., Lyubushin N.P., Babicheva N.E. [Resource-oriented economic analysis: Theory, methodology, practice]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2013, no. 38, pp. 2-8. URL: https://cyberleninka.ru/article/n/resursoorientirovannyy-ekonomicheskiy-analiz-teoriya-metodologiya-praktika (In Russ.)
20. Endovitskii D.A., Lyubushin N.P., Babicheva N.E., Kupryushina O.M. [From the assessment of organization's financial standing to the integrated methodology for analysis of sustainable development]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2016, no. 12, pp. 42-65. URL: https://cyberleninka.ru/article/n/ot-otsenki-finansovogo-sostoyaniya-organizatsii-k-integrirovannoy-metodike-analiza-ustoychivogo-razvitiya (In Russ.)
21. Malhotra Y. Knowledge Assets in the Global Economy: Assessment of National Intellectual Capital. Journal of Global Information Management, 2000, vol. 8, no. 3, pp. 5-15.
Conflict-of-interest notification
We, the authors of this article, bindingly and explicitly declare of the partial and total lack of actual or potential conflict of interest with any other third party whatsoever, which may arise as a result of the publication of this article. This statement relates to the study, data collection and interpretation, writing and preparation of the article, and the decision to submit the manuscript for publication.
