Intellectual Capital Growth Model: Using IC Measurement Logic on AK Endogenous Model  

Stevo Pucar Faculty of Economics, University of Banja Luka, Banja Luka, Bosnia and Herzegovina stevo.pucar@blic.net  Abstract:  The  theory  of  intellectual  capital  has  experienced  a  boom  in  the  first  decade  of  21st  century. Most  of  the research work in this area focuses on enterprises and organizations, although there is an effort, especially lately, to provide answers concerning development of national economy. This theory has a  lot of potential to create new  insights and  it  is expected  that  it becomes even more  incorporated  into mainstream economics. This paper  is an attempt  to  incorporate intellectual  capital  theory  insights  into  endogenous  growth  theory  as  part  of modern macroeconomics.  In  this  paper, simple AK endogenous growth model  is used as a basis. The  intellectual capital growth model presented here also takes “A” or Total Factor Productivity as an average total productivity but with one fundamental distinction. It is using the logic of  Calculated  Intangible  Value  and/or  Knowledge  Capital  Earnings  by  Baruch  Lev  where  higher  than  average  returns indicate higher intellectual capital. The model presented here applies this logic to Total Factor Productivity. In cases where TFP  is  equal  to  the  average,  the  intellectual  capital  performance  is  also  equal  to  the  average,  and  the model  is with constant returns as the AK model. But in cases where TFP is larger than average, the intellectual capital performance is also better than average, and the model is with increasing returns, and in cases where TFP is less than average, the intellectual capital performance  is worse, and the model  is with diminishing returns. The most  important  implication of the model  is that savings and investments have a long‐term effect on growth only if intellectual capital performance is equal or better than average. If intellectual capital is worse than average there is no such an effect because of diminishing returns. In such a situation the policy should be first to  increase  intellectual capital to at  least average performance and then to  increase investments.  Keywords: intellectual capital growth model, endogenous growth model, AK model, total factor productivity, calculated intangible value, knowledge capital earnings 

1. Introduction The theory of  intellectual capital has experienced a boom  in the first decade of 21st century.  In 1997 Sveiby published his book  "The New Organizational Wealth," Stewart published his book  "Intellectual Capital" and Edvinsson  and  Malone  published  book  "Intellectual  Capital".  After  that  and  after  Bontis  and  McMaster University, Hamilton, Canada organized the World Congress on Intellectual Capital, from 1998 until today we have an abundance of articles, books, studies and conferences dealing with  intellectual capital. Most of  the research work  in  this  area  focuses on  enterprises  and organizations,  although  there  is  an  effort,  especially lately, to provide answers concerning development of national economy.   

On  the  other  hand,  the  new  growth  theory  or  endogenous  growth  theory,  as  part  of  mainstream macroeconomic growth theory, argues that economic growth is an endogenous result of the economic system, especially concerning relation of human capital and technology. What should be stressed here is that there is still  an  intensive work  on  developing  new  growth models,  so  that  the  endogenous  theory  still  cannot  be considered completed. This presents an opportunity to incorporate new insights from the theory of intellectual capital into the endogenous growth theory. This paper is an attempt in that direction.  

First part of this paper elaborates simple AK endogenous model as basis for new model that is presented in a third part.  Second part of the paper explains intellectual capital measurement logic as basis for advancing AK model. Third part  is presenting a new model –  Intellectual Capital Growth Model and at  the end  there are some concluding remarks. 

2. AK model 

AK model  is one of  endogenous models within  the macroeconomic  theory of  growth.  Endogenous  growth theory has emerged as an upgrade of the standard neoclassical theory of growth. Specifically, the neoclassical growth model, the so‐called Solow model is based on the law of diminishing returns, where capital and output per capita reach a steady state regardless of the initial conditions.   

333

 Stevo Pucar 

The key feature of the AK endogenous growth model  (Rebelo, 1992, and others)  is that this model assumes that  there are no diminishing  returns  to  capital. Unlike  the neoclassical model,  the AK model uses a  linear model in which the output is a linear function of capital.  

AK model  is based on a simple premise. For each additional unit of capital,  income will  increase by constant amount, and the relationship between income and capital will always be proportional. To model this, it is only necessary to assume that share of capital in factor income equals 1. The income will depend on the capital   

                                                                                                                       (1) or in per capita terms                                                                               

                                                                                                                                         (2)   

A is a positive average that reflects the level of total productivity  K is capital L is labor  

The Figure 1 is showing the production function, savings and depreciation the same way as the Solow model.  

Figure 1: Production function, savings and depreciation in AK model 

In this model, there are no diminishing returns on capital and production function is linear. With the growth of capital, output rises proportionately, and since savings are proportional to output, the savings function is also linear. The depreciation is linear as in the Solow model.  The income here depends on the capital and the growth rate of output is equal to the growth rate of capital. First, growth of capital is (for the simplicity we will assume that population is constant):  

                                                          kksfk δ−=Δ )(                                                    (3) 

s is rate of savings  δ is rate of depreciation of capital  

When we substitute f(k) with Ak we get: 

                                                           ksAkk δ−=Δ                                                     (4) 

Growth rate of capital gk is:  

kkksAkkk /// δ−=Δ   

                                                              δ−= sAgk                                                       (5) 

Since gk = gy then  

334

 Stevo Pucar 

                                                               δ−= sAgy

                                                       (6) 

 

The basic  implication of the model  is the  fact that the savings  function and the  function of depreciation are straight lines which never intersect. As there is no intersection, savings will always, except at the origin, will be higher of depreciation and capital will continue to grow.  

When we are talking about the AK model, the most interesting implication in terms of economic policy is the fact that the increase in the national savings rate raises living standards. Every public policy that increases the rate of savings accelerates economic growth. The model also implies a divergence between economies. If two economies start with different initial capital stocks, then the absolute gap will be increasing. 

3. Intellectual capital measurement logic 

According  to Bontis  (1998) claims,  the  term  "intellectual capital  (IC)," was  first  introduced by  John Kenneth Galbraith, who  considered  that,  in  addition  to  the  classic,  pure  knowledge,  creative  knowledge  is  of  great importance for the economic activity. The difference between the human capital and intellectual capital  is  in the fact that intellectual capital is not just knowledge and skills that can be acquired by learning and training. It is a whole set of intangible assets used to create value.  

The theory of intellectual capital began to be more present in international public during the late 1990s of the last century. At  that  time one of  the pioneers  in  this  field, Stewart  (1997) described  intellectual capital as a brand new topic for that era, in which there are a lot of wandering.   

Together with human  capital,  theory of  intellectual  capital  is based on  the  structural  and  customer  capital (Bontis, 1998, Edvinsson and Malone 1997, Stewart, 1997, etc.). Structural capital is created by work of human capital in the past and it consists of patents, concepts, models, networks, systems, and organizational culture. Customer  capital  includes  relationships  with  customers  and  suppliers,  brand  names,  trademarks  and reputation or image of the company.  

The study of intellectual capital means the study of the thing that is immaterial. Therefore the key problem in this area  is  its measurement. Unfortunately,  the  fact  that  it  is  intangible,  regardless of  the  simplicity of  the concept, becomes a problem for researchers when it is necessary to measure it.  

According to Sveiby (2001, 2010) there are four categories of measurement approaches.  

Direct  Intellectual  Capital  methods  (DIC)  asses  the  monetary  value  of  intangible  assets  through identification  of  its  various  components.  Components  are  directly  evaluated  individually  and/or  as  an aggregated coefficient. 

Scorecard Methods (SC) also asses the intangible assets through identification of its various components. The difference from DIC method is that there is no monetary valuation since indicators of components are reported in scorecards. 

Market Capitalization Methods (MCM) use difference between market capitalization and the book value as the value of intellectual capital of a company. 

Return on Assets methods  (ROA) divide average pre‐tax earnings by  the average  tangible assets of  the company and then compare  it with  its  industry average. The above‐average earnings are divided by the average cost of capital and the result is an estimated value of intellectual capital of the company. 

Here we will pay attention to Return on Assets methods (ROA). It has always been recognised that the balance sheet of a company certainly does not represent the real value of an enterprise. Determining the value of a company by using Return on Assets methods has been common practice among  investors  for many years and is still used today. The method for ROA based intellectual capital calculation divides average pre‐tax income into average assets employed over a period in order to establish the rate of return achieved by the enterprise. This rate of return is  then  compared  to  the  industry  average  to  establish  the performance of  the  enterprise  in  relation  to  its peers. Where the return generated by the enterprise is higher than the industry average, this is deemed to be as a result of the intellectual capital of the enterprise and the excess return is discounted using an appropriate 

335

 Stevo Pucar 

discount factor in order to arrive at a present value for intellectual capital or the intangible asset value of the enterprise.  

Stewart (1995) explains Calculated Intangible Value methodology by using an example of company Merck: 

Calculation of average pre‐tax earnings for three years – $3.7 billion. 

Calculation of average year‐end tangible assets for three years – $12.9 billion. 

Dividing earnings by assets to get the return on assets (ROA) – 29 percent. 

Calculation of  industry’s average ROA  for  the  same  three years. For pharmaceuticals  the average  is 10 percent.  

Calculation  of  the  “excess  return”.  The  industry  average  ROA  is multiplied  by  the  company’s  average tangible assets – 10 percent x $12.9 billion. These are earnings of average drug company with the same tangible assets. This is subtracted from the company’s pre‐tax earnings. For Merck this is an excess of $2.4 billion. According to Stewart (1995), this is how much more that company earns from its assets than the average drug manufacturer. 

Calculation of  the  three‐year‐average  income  tax  rate, which has  to be multiplied by  the excess  return. This result is subtracted from the excess return to get an after‐tax figure. This is the premium attributable to intangible assets. For Merck, with an average tax rate of 31 percent, this is $1.65 billion. 

Calculation of the net present value  (NPV) of  the premium. This  is done by dividing  the premium by an appropriate percentage,  such as  the  company’s  cost of  capital. Using an arbitrarily  chosen 15 per  cent rate, this yields Merck $11 billion. This is the CIV of Merck’s intangible assets. 

Knowledge Capital Earnings (KCE) is methodology proposed by Lev (2001). First, he calculates earnings of the company    (an average of earnings 3 years before and  the  forecasted earnings  for 3 years after). From  that earnings, he subtracts earnings of financial assets using given average after‐tax return on financial assets and earnings of physical assets using given average after‐tax return on physical assets.  The result are earnings that cannot be atributed either to financial assets or to physical assets. According to Lev (2001) these earnings are knowledge  capital earnings. He  is using  these earnings  to  calculate  intellectual  capital of  the  company and various other indexes and ratios. It must be emphasized here that the rate of return on financial assets and the rate of return on physical assets are taken as given averages. 

4. Intellectual capital growth model 

4.1 Description of the model 

Underlying thought of  the model presented here  is an assumption that  ideas,  i.e.  intellectual capital plays a crucial role in economic growth. We will begin with equations (1) and (2) shown in AK model  

 or in per capita terms  

  

  

A  is  a  positive  average  that  reflects  the  level  of  total  productivity  and  represents  all  intangible  factors  of production, i.e., ideas. K is capital, and represents all tangible factors that are used in production process, i.e., things L is labor  Until now everything is the same as in AK model. Now we make a crucial distinction. We will express Ak in the following way:  

                                                                               Ai k=( A k)α                                                    (7)  Ai  is total factor productivity for a specific country 

336

 Stevo Pucar 

A  is average supranational total factor productivity (of the world or of group of similar countries or based on some specific criteria, structure of economy, etc.)  α  is an exponent or power that shows value of output with TFP of specific country as an α power of output with average supranational TFP  We are now going  to apply  logic of  IC measurement  in explanation of  this concept.  In Calculated  Intangible Value we use industry average ROA, use it to calculate earnings of average company within the same industry with  the  same  tangible  assets,  compare  it  to  actual  ROA  (same  assets  in  both  cases)  and  determine  the difference which represents performance of intellectual capital.  

In  this  growth model  the  same  logic  is used. Output  A k  represents output  that would be produced with average  supranational  total  factor productivity.   Output AiK  is actual output produced with country  specific total factor productivity using the same capital. The relation of those two outputs is considered as an indicator of intellectual capital performance in this model.   Using this logic, power α is showing to what extent intellectual capital performance of specific country is better or worse  than  average  intellectual  capital  performance.  If  α=1  intellectual  capital  performance  is  equal  to average,  if  α>1  intellectual  capital  performance  is  better  than  average  and  if  α<1  intellectual  capital performance  is worse  than average. Since α  is a power  that shows a performance of  intellectual capital we shall call it Intellectual Capital Power.  We are going back to the model. First we will formulate the model:                                                                                                                                                               (8)  

The  Figure  2  is  showing  the  production  function,  savings  and  depreciation  for  this model with  α=1 when intellectual capital performance is equal to average. 

Figure 2: Production function, savings and depreciation with α=1 

This model is with constant returns and behaves as simple AK model. With the growth of capital, output rises proportionately,  and  since  savings  are  proportional  to  output,  the  savings  function  is  also  linear.  The depreciation function is also linear.  The  Figure  3  is  showing  the  production  function,  savings  and  depreciation  for  this model with  α<1 when intellectual capital performance is worse than average.  

337

 Stevo Pucar 

Figure 3: Production function, savings and depreciation with α<1 

This model is with diminishing returns. With the growth of capital, output function is with diminishing returns, and since savings are proportional to output, the savings function is also diminishing returns. The depreciation function is linear.  

The  Figure  4  is  showing  the  production  function,  savings  and  depreciation  for  this model with  α>1 when intellectual capital performance is better than average.  

Figure 4: Production function, savings and depreciation with α>1 

This model  is with  increasing returns. With the growth of capital, output  function  is with  increasing returns, and the savings function is also with increasing returns. The depreciation function is linear.  Concerning  growth  rate,  as  similar  as  in  simple AK model,  the  income will  depend  on  the  capital  and  the growth rate of output is equal to the growth rate of capital. This is why we first have to determine the growth rate of capital.  

First, we will use the equation (3) and substitute f(k) with ( A k)α  to get:  

338

 Stevo Pucar 

                                                                                                                             (9) 

Growth rate of capital gk is:  

  

                                                                                                               (10) 

Since gk = gy then  

                                                                                                                 (11) 

 

It has  to be noted  that      is average/marginal product of capital calculated as  ratio of output  to capital 

(y/k).   Now, for the case when α=1 growth rate is determined as similar as in simple AK model:  

  

                                                                                                                                   (12) 

The Figure 5  is showing the growth rate gy for this model with α=1 when  intellectual capital performance  is equal to average.  

Figure 5: Growth rate gy with α=1 

The growth of output is constant here and can be continued infinitely. For the case when α<1 growth rate is 

decreasing because with growth of capital k output‐capital ratio     is decreasing. 

 The Figure 6  is showing the growth rate gy for this model with α<1 when  intellectual capital performance  is worse than average.  

339

 Stevo Pucar 

Figure 6: Growth rate gy with α<1 

 

The  growth of output  can be  continued here only until  investments become  equal  to depreciation.  This  is similar to the Solow model.  

For the case when α>1 growth rate is increasing because with growth of capital k output‐capital ratio    is 

increasing.  The  Figure  7  is  showing  the  growth  rate  gy  for  this model with  α>1 when  intellectual  capital performance is better than average.  

Figure 7: Growth rate gy with α>1 

The growth of output is increasing here and can be continued infinitely.   

The most  important  implication  of  the model  is  that  savings  and  investments  have  a  long‐term  effect  on growth only  if  intellectual capital performance  is equal or better than average.  If  intellectual capital  is worse than average there is no such an effect because of diminishing returns. In such a situation the policy should be first to increase intellectual capital performance to at least average and then to increase investments. 

4.2 Discussion of the model 

This model claims that  if the country keeps up with growth of knowledge,  ideas, technology,  i.e.  intellectual capital or, even better, pushes its boundaries, it will grow in the long term. On the other hand, if it fails to do so, it will face diminishing returns and growth problems.  

It must be emphasized here that this model is the one of the first attempts to introduce intellectual capital as a concept  to macroeconomic growth  theory. Even  concerning  knowledge, macroeconomic  growth  theory did not  include  it  as  a  concept  for many  years.  In  the  early  nineties, mainly  based  on  the work  of  American economist Paul Romer  (1986, 1990, 1993), a new paradigm, now commonly known as "endogenous growth theory" is created.  

Romer's crucial contribution to economic theory is the creation of growth model in which ideas play a crucial role in economic growth. Romer (1993) divides factors into ideas and things. Things are all physical objects that exist around us, whether natural or manmade. They are scarce, behave by the law of diminishing returns and cannot create economic growth by themselves. On the other hand, ideas are not scarce. He claims that human beings have unlimited ability to use new “recipes” for rearrangement of things. The fact of central importance, according to Romer (1993), is that the possibilities for new ideas are almost inexhaustible.   

340

 Stevo Pucar 

As we  said  before,  underlying  thought  of  the model  presented  here  is  also  an  assumption  that  ideas,  i.e. intellectual capital plays a crucial role in economic growth. This model is based on the assumption that TFP and intellectual capital are two sides of the same coin.   

Since it was created, TFP is the one of most important issues in economic growth theory. Тhe impact of TFP on economic  growth  is  also well documented. Among many others, Easterly  and  Levine  (2002)  find  that Total Factor Productivity, measured as Solow  residual,  “accounts  for most of  the  income and growth differences across  nations.”  The  crucial  problem  of  TFP  is  its  real meaning.  This  is  still  an  open  question.  TFP  is  still measured as a  residual and  is  still  “a measure of our  ignorance”  (Abramovitz, 1956). We  still need deeper insights of what TFP really is, since Solow residual gives us pretty dismal notion of it. The stream of papers that treat TFP in alternative way as index number (Caves et al. 1982; Fare et a.l 1994; and others) offers more space to comprehend this issue.  

The similar thing  is with  intellectual capital, since  its definition  is also dismal. As noted earlier, Sveiby (2001, 2010)  systemized many different  approaches  to  intellectual  capital.  The one of  them  considers  intellectual capital as the sum of human, structural and customer/relational capital. The other one is defining intellectual capital of  a  company  as difference between  its market  capitalization  and  the book  value.  There  is  also  an approach that relates intellectual capital to above‐average earnings. Within those 3 approaches Sveiby (2001, 2010) distinguishes 42 different concepts of intellectual capital and its measurement.  

Concerning national intellectual capital, first studies were based on the methodology created by Edvinsson and Malone (1997). Thus Rembe (1999), analyzed  intellectual capital  in Sweden.  In other Scandinavian countries, similar  projects were  promoted  (Malhotra,  2003).  Israeli  scientists  have  also  identified  the  importance  of intellectual capital for economic development (Pasher, 1999; Pasher and Shachar, 2007). A similar report was made in Poland and was based on the same methodology (Boni, 2009). Another group of studies examines the macroeconomic  impact  of  intellectual  capital  as  an  economic  driver.  There  are  several  such  studies.  For example Bounfour and Stahle (2008) measure the economic effects of  intellectual capital on the macro  level using  a  large  number  of  indicators,  on  the  sample  of  51  countries.  Some  other  studies  have  applied measurement  models  that  were  originally  developed  for  the  micro  level.  Corrado  et  al  (2009)  estimate intangible capital in the U.S. economy expanded by using their own methodology for microeconomic research.  Recently, the  large share of the national  intellectual capital research use complex unique  indexes created on the basis of a large number of different indicators. These models also rely on microeconomic foundations. The most common  taxonomy  that  is used here  is Edvinsson and Malone  (1997). For example, Bontis  (2005) has created a unique index that measured the situation in the Arab countries. Andriessen and Stam (2005) used a similar  approach  in  assessing  the  state  of  intellectual  capital  in  the  European  Union.  All  other  studies  of national  intellectual  capital used  this methodology  to  a  greater or  lesser  extent  (Bounfour, 2005a;  Lin  and Edvinsson, 2011; Veziak, 2007). However,  the key problem with  the use of composite  indexes  is  that  they lack  firm  theoretical  foundations  which  brings  into  question  their  validity  (M'Pherson  and  Pike,  2001, Malhotra, 2003, Stahle, 2006). Based on our review of the literature, we can see that there is only one study that  attempts  to  integrate  this  type  of  indicators  in  the  framework  of  macroeconomic  growth  theory (Muhsam, 1970).  

Since TFP is one of the most important topics in the theory of growth, a key direction in creation of this model was  to  connect  the concept of productivity with  the concept of  intellectual  capital. Concerning TFP, Romer (1990)  sees  it  as  set  of  instruction,  designs  or  recipes,  basically  set  of  ideas  for  rearrangement  of  things. Although there are many definitions of intellectual capital, here in this paper we consider intellectual as a set of ideas (and relations) used to create value.   

There is also more essential connection of these two concepts. The productivity, in essence, is the relation of output and inputs. Since it shows how much of output is created with given inputs, in value terms it entirely depends  on  the  amount  of  new  value  that  is  created  out  of  those  given  inputs.  And  the  concept  of intellectual capital is all about the creation of value. Intellectual capital represents an active transformation of knowledge  into a new value, value‐added products or services. This  is the reason why these two notions are linked in this model. If we prove that this is true then intellectual capital offers deeper explanation of what TFP really is and TFP could become the most important performance measure of intellectual capital on aggregate level.  

341

 Stevo Pucar 

5. Conclusion In one of his famous papers on ideas and things Romer (1993) says: “A nation that lacks the knowledge used to create value in a modern economy suffers from an idea gap.” This thought was a leading thought in creation of this model. The model presented here gives theoretical framework in which it is clear that ideas or intellectual capital performance, measured as productivity, is most important for a long‐term growth. Intellectual Capital Power α is an indicator of idea gap. If it is less than 1, country suffers from an idea gap.  

What could this model mean in the real world? Intuitively, this could mean that most enterprises in economies with α larger than 1, are leaders in competitiveness. In these economies enterprises do things in most effective and efficient way, push boundaries of existing technologies,  innovate and create new technologies. Also  it  is probable  that  most  enterprises  in  economies  with  α  equal  to  1  keep  up  with  productivity  changes  or intellectual  capital  performance  of  their  competition.  In  these  economies most  enterprises  operate  with average effectiveness and efficiency. For example, they could use up‐to‐date technologies but do not innovate enough to be able  to push  things beyond current  technology.  In both cases  the policy would be  to  increase investments  in order  to achieve higher  standard of  living,  since  intellectual  capital performance  is enabling long‐term growth.  

On  the  other hand, most  enterprises  in  economies with  α  less  than  1  probably  lag behind productivity  or intellectual capital performance of their competition. In other words, in these economies most enterprises do thing  in  less effective and efficient way or use older technologies. These economies suffer  from an  idea gap and, as we said, the policy should be first to increase intellectual capital performance to at least average and then to increase investments.  

In spite of the simplicity of the concept that is underlying the model presented in this paper, empirical testing will probably be much more difficult. The  current growth accounting methodologies and data  sets  that are adapted to those methodologies do not offer too many possibilities for empirical testing of the model. This is because Total Factor Productivity (TFP) is most often empirically measured as Solow residual, representing TFP growth rate.  In order to make sense of this model,  further theoretical and empirical work on TFP  is needed especially using  the  intellectual  capital  theory. We need deeper  insights of what  TFP  really  is,  since  Solow residual gives us pretty dismal notion of it.  

Another problem  is  the definition of  the  supranational average  values.  It  is an open question  shall we use averages of the world or of group of similar countries or based on some specific criteria, structure of economy, etc. This will need a careful analysis, since different averages can completely change whole picture. In addition to work on TFP, this will also need both theoretical and empirical analysis. 

References 

Abramovitz, M. (1956) Resource and Output Trends in the U.S. since 1870, American Economic Review,  46(2), pp. 5‐23 Andriessen, D., Stam, C. (2005) Intellectual capital of the European Union, Hamilton, Ontario, Canada. Caves, D. W., Christensen, L. R. and Diewert, W. E. (1982), The economic theory of index numbers and the measurement of 

input, output and productivity, Econometrica, 50: 1393‐1414. Boni, M. (2009). Intellectual capital of Poland. Kancelaria Prezesa Rady Ministrów, lipiec 2009. Available at: 

http://www.swisschamber.pl/de/act/upl_imp/other_downloads /report _int_capital_poland_english.pdf.  Bontis, N. (1998) Intellectual Capital: An exploratory study that develops measures and models, Management Decision, 36, 

2, 63‐76. Bontis, N. (2005) National intellectual capital index: The benchmarking of Arab countries, In: Bounfour, R, A., Edvinsson, L. 

(ed.) Intellectual capital for communities: Nations, regions, and cities (pp. 113‐138). Oxford, UK: Elsevier Butterworth–Heinemann. 

Bounfour, A. (2005) Assessing performance of European innovations systems: An Intellectual Capital Indexes Perspective, In: Bounfour, R, A., Edvinsson, L. (ed.) Intellectual capital for communities: Nations, regions, and cities (pp. 97‐112). Oxford, UK: Elsevier Butterworth–Heinemann. 

Corrado, C., Hulten, C., Sichel, D. (2009) Intangible capital and U.S. economic growth, Review of Income and Wealth, 55, 661‐685. 

Easterly, W., Levine, R., (2002) It´s Not Factor Accumulation: Stylized Facts and Growth Models, Central Banking, Analysis, and Economic Policies Book Series, in: Norman Loayza & Raimundo Soto & Norman Loayza (Series Editor) & Klaus Schmidt‐Hebbel (Series Editor) (ed.), Economic Growth: Sources, Trends, and Cycles, edition 1, volume 6, chapter 3, pages 061‐114 Central Bank of Chile. 

Edvinsson, L. and Malone, M. (1997) Intellectual Capital, Harper Business, New York. 

342

 Stevo Pucar 

Fare, R., Grosskopf, N., M. and Zhang, Z. (1994), Productivity growth, technical progress and efficiency changes in industrialized countries, American Economic Review, 84: 66‐83. 

Lev, B. (2001) Intangibles: Management, and Reporting. Brookings Institution Press, Washington, DC.  Lin, C., Edvinsson, L. (2011) National intellectual capital: A comparison of 40 countries, New York Dordrecht Heidelberg 

London, Springer New York. M’Pherson, P., Pike, S. (2001) Accounting, empirical measurement and intellectual capital, Journal of Intellectual Capital, 2, 

246‐260. Malhotra, Y. (2003) Measuring knowledge assets of a nation: Knowledge systems for development, UNDESA, UN. Available 

at: http://unpan1.un.org/intradoc/groups/public/documents/un/unpan011601.pdf Muhsam, H. V., (1970) The assessment of the validity of human resources indicators by means of Cobb‐Douglass production 

function, UNESCO: Division of socio‐economic analysis. Retrieved from http://unesdoc.unesco.org/images/0015/001585/158562eo.pdf. 

Pasher, E. (1999). The intellectual capital of the state of Israel, Herzlia Pituach, Edna Pasher PhD & Associates. Pasher, E., Shachar, S. (2007) The intellectual capital of the state of Israel: 60 years of achievement, Retrieved from 

http://www.moital.gov.il/ic Rembe, A. (1999) The governmental invest in Sweden Agency – ISA: Report 1999, Halls Offset AB, Stockholm. ISA: Report 

1999. Halls Offset AB, Stockholm. Romer, P.M. (1986) Increasing Returns and Long Run Growth, Journal of Political Economy, 94, 1002–37. Romer, P.M. (1990) Endogenous Technological Change. National Bureau of Economic Research, Working Paper 3210, 

Cambridge MA, www.nber.org/papers/w3210.pdf   Romer, P.M., (1993) Idea gaps and object gaps in economic development, Journal of Monetary Economics, Elsevier, vol. 

32(3), pages 543‐573. Stahle, P., (2006) Intellectual capital and national competitiveness: Conceptual and methodological challenges. In: 

Bounfour, A. (ed.) Capital immatériel, connessaince et performance (pp. 415‐429). Paris: L’Harmattan. Stahle, P., Bounfour, A. (2008) Understanding dynamics of intellectual capital of nations, Journal of Intellectual Capital, 

special issue of Intellectuall Capital of Communities: The Next Step, 9, 164‐177. Stewart, T. (1995) Trying to grasp the intangible, Fortune Magazine, pp 52‐69. Stewart, T.A. (1997) Intellectual Capital: The New Wealth of Organizations, Doubleday/Currency, New York.  Sveiby K. (1997) The New Organisational Wealth, Managing and Measuring Knowledge‐Based Assets, Berrett‐Koehler, San 

Fransisco. Sveiby, K.E., (2001, 2010) Methods for Measuring Intangible Assets, Available at: 

http://www.sveiby.com/Portals/0/articles/IntangibleMethods.htm Weziak, D. (2007) Measurement of national intellectual capital: application to EU countries, IRISS Working Paper Series, 

2007, 1‐45. 

343