Embed Size (px)
Citation preview
UNIVERZA V LJUBLJANI
EKONOMSKA FAKULTETA
SAMO JAVORNIK
UČINKOVITOST INVESTIRANJA V
INTELEKTUALNI KAPITAL KOT
VODILNI INDIKATOR PRIHODNJE
USPEŠNOSTI POSLOVANJA
SLOVENSKIH PODJETIJ
DOKTORSKA DISERTACIJA
Ljubljana, 2012
Izjava o avtorstvu in objavi elektronske verzije doktorske disertacije in osebnih
podatkov, vezanih na zaključek študij
Študent Samo Javornik izjavljam, da sem avtor te doktorska disertacija in skladno s 1.
odstavkom 21. člena Zakona o avtorskih in sorodnih pravicah dovolim objavo doktorske
disertacije na spletišču CEK-a.
Tiskana verzija doktorske disertacije je istovetna elektronski verziji, ki sem jo oddal v zbirko
polnih besedil zaključnih del EF UL.
Podpisani hkrati izjavljam, da dovolim objavo osebnih podatkov, vezanih na zaključek študija
na spletnih straneh in v publikacijah Univerze v Ljubljani.
Ime in priimek doktoranda: Samo Javornik
Leto in kraj rojstva, 1966, Slovenj Gradec
Datum zagovora: 20.06.2012
Predsednik: prof. dr. Tomaž Čater
Mentorica: prof. dr. Metka Tekavčič
Član: prof. dr. Sergeja Slapničar
prof. dr. Neda Vitezić
Datum in kraj: Ljubljana, 06.06.2012 Podpis doktoranda:
_______________
POVZETEK
Področje intelektualnega kapitala je v svoji edinstvenosti tesno povezano z menedžmentom,
psihologijo, sociologijo, računovodstvom, poslovnimi financami, vrednotenjem,
kontrolingom in strategijo podjetja, kar mu daje predznak »hibridne« discipline, ki si v
znanosti še ni v celoti izborila svojega mesta. Kljub izjemno široki raziskovalni skupnosti pa
do danes na nobenem področju raziskovanja IK ni bila razvita in vzpostavljena prevladujoča
doktrina. To velja tudi za področje merjenja, ocenjevanja in vrednotenja IK, ki bo predmet
našega ožjega področja znanstvenega raziskovanja. Cilj doktorske disertacije je raziskati
povezavo med posameznimi komponentami IK in uspešnostjo poslovanja podjetij s ciljem, da
raziščemo ali lahko učinkovitost investiranja v IK služi kot vodilni indikator prihodnje
uspešnosti poslovanja podjetij. Vodilni indikatorji, ki bi omogočili znižanje negotovosti pri
finančnem načrtovanju, bi lahko hkrati pripomogli k odpravljanju sindroma t.i.
»sistematičnega podvrednotenja« podjetij z izrazito prisotnostjo IK. Naše raziskovalno delo
smo razdelili v dva vsebinska sklopa. V okviru proučevanja IK je prisoten velik razkorak med
med »znanstveno verodostojnostjo in uporabnostjo« znanstvenih izsledkov, ki ga želimo v
okviru naše raziskave premostiti. Tako smo izsledke pojasnjevalnega dela raziskovanja
uporabili kot vložek v naše namensko raziskovanje. Cilj namenskega dela naše raziskave je
finančnim analitikom in ocenjevalcem zagotoviti dodatne informacije, ki bodo izboljšale
razumevanje moči in vzdržnosti povezav med ključnimi gonili vrednosti in prihodnjo
finančno uspešnostjo podjetij. Izsledki namenskega dela naše naloge so hevristične narave in
jih razumemo predvsem kot izhodišče nadaljnjih raziskovanj s ciljem njihove znanstvene
verifikacije.
Pojasnjevalni del raziskovanja smo razdelili v dva sklopa. V okviru prvega sklopa smo izvedli
dva empirična testa, pri čemer smo za potrebe raziskave uporabili model VAIC, ki ga je v l.
1998 predstavil Pulić (1998), v zadnjih letih pa predstavlja enega izmed najpogosteje
uporabljanih modelov za potrebe ocenjevanja IK. Na osnovi poglobljene vsebinske in
teoretične analize smo do modela VAIC izrazili resne zadržke, zato smo v drugem delu študije
s pomočjo empiričnih in vsebinskih dognanj, pridobljenih v predhodni raziskavi, model VAIC
umestili v primernejši teoretični koncept, ga preoblikovali in testirali. Naša temeljna
znanstvena hipoteza se glasi: učinkovitost investiranja v IK vpliva na dobičkonosnost,
produktivnost, donosnost kapitala in rast dobičkonosnosti iz poslovanja podjetij. Rezultati
nadgrajenega VAIC modela so obetajoči in nudijo ustrezno podlago za nadaljnje raziskovanje.
Raziskave smo izvedli na vzorcu preko 12.000 slovenskih podjetij na časovni vrsti finančnih
podatkov za obdobje od l. 1995 do 2008. Za namene empiričnega raziskovanja smo uporabili
statistična orodja kot so regresijska matrika, OLS regresija ter metoda panelne regresije.
Rezultati primarne raziskave so mešani. Iz tehničnega vidika je test potrdil večino
postavljenih hipotez, a je pojasnjevalna moč postavljenih modelov dokaj nizka. Tudi
ekonomska vsebina izračunanih regresijskih koeficientov ima dokaj omejeno pojasnjevalno
moč. Rezultati naše raziskave so po svoji vsebini podobni rezultatom podobnih študij, ki so
jih izvedli raziskovalci v drugih državah. Zaradi primerljivosti rezultatov smo poleg panelne
regresije uporabljali tudi OLS regresijsko metodo, kljub temu, da smo ocenili, da ima ta
metoda dokaj izrazite omejitve pri tovrstnem raziskovanju. V okviru poglobljene analize
rezultatov raziskave smo poudarili ključne metodološke nedoslednosti dosedanje raziskovalne
prakse temelječe na VAIC modelu, neustreznost teoretičnega okvira na katerem temelji VAIC
model, hkrati pa smo raziskali vsebinske nedoslednosti pri izpeljavi VAIC modela. Ključne
ugotovitve so: večina dosedanjih raziskav je narejena na majhnih vzorcih z nereprezentativno
sestavo; prevladuje presečna analiza in OLS regresijska metoda; ni mednarodnih primerjav
rezultatov; ni prilagoditev izkazov poslovanja; ni raziskan vpliv ekonomskega cikla na
rezultate raziskav; model VAIC ni umeščen v ustrezne teoretične okvirje, povezava med
pojasnjevalnimi spremenljivkami ni aditivna, izpeljava strukturnega kapitala je vsebinsko
neutemeljena. Ugotovili smo, da pojasnjevalno moč obstoječega VAIC modela ni možno
izboljšati zgolj z dodajanjem spremenljivk, temveč ga je potrebno redefinirati.
V nadaljevanju raziskave smo testirali usklajenost pojasnjevalne moči VAIC modela z
osnovno logiko delovanja rezidualnih modelov vrednotenja IK. Podjetja iz baze smo
segmentirali v sektorje ter jih rangirali po posameznih spremenljivkah za vsako leto
raziskovanja. Ugotovili smo, da obstaja statistično in ekonomsko močna povezava med
relativno učinkovitostjo investiranja v IK v podjetjih in njihovo relativno uspešnostjo znotraj
sektorja. Vsebinsko in statistično prepričljivi rezultati tega dela testiranja so nas pripeljali do
redefinicije VAIC modela v okviru katere smo poskusili odpraviti njegove ključne
pomanjkljivosti in hkrati ohraniti njegove ključne prednosti. Uporabili smo prvotno različico
VAIC modela, ki smo jo postavili v okvir DuPontove identitete. Predvideli smo, da so
povezave med spremenljivkami multiplikativne, hkrati pa smo predpostavili, da ima časovna
vrsta rezultatov poslovanja podjetij v daljšem časovnem obdobju obliko eksponentne funkcije.
Vse spremembe modela smo ustrezno teoretično podprli. Osnovna znanstvena hipoteza je
ostala enaka. Redefiniran VAIC model smo testirali na isti bazi podatkov, kot osnovni model.
Rezultati testiranja so pokazali, da je pojasnjevalna moč redefiniranega modela bistveno višja
kot pojasnjevalna moč osnovnega modela. Test je pokazal, da obstaja statistično zelo visoko
značilna povezava med učinkovitostjo investiranja v intelektualni potencial podjetja in
uspešnostjo poslovanja. Hkrati pa se je izkazalo, da je vpliv intelektualnega potenciala
podjetja na njegovo uspešnost višji, kot je vpliv opredmetenih sredstev podjetja.
Vse teoretične in empirične izsledke našega raziskovanja smo uporabili kot vložek v
namenski del našega raziskovanja, katerega cilj je konceptualizirati sistem vodilnih
indikatorjev za potrebe zniževanja negotovosti v okviru finančnega načrtovanja. Ugotovili
smo, da človeški možgani s svojim načinom delovanja predstavljajo pomembno omejitev pri
finančnem načrtovanju in vodijo v mnoge vedenjske pristranskosti finančnih analitikov, ki
rezultirajo v močno subjektivno obarvanih finančnih načrtih. Možnost, da bi lahko presegli te
omejitve vidimo v konceptu vodilnih kazalnikov, ki do določene mere lahko nakazujejo
prihodnje poslovanje podjetja. Na osnovi izsledkov Nove teorije rasti in Evolucijske teorije
ekonomskih sprememb ter empiričnih rezultatov naše raziskave smo razvili koncept RIP
kazalnika (Relativni intelektualni potencial podjetja). Gre za koncept izračuna časovne vrste
kazalnikov učinkovitosti intelektualnega potenciala podjetij, ki jih relativiziramo v okviru
primerjalne skupine podjetij. Kazalnik nam razkrije, kakšna je učinkovitost intelektualnega
potenciala podjetja v primerjavi s konkurenco. Tovrstno izračunan kazalnik nam pokaže
adaptacijsko sposobnost intelektualnega potenciala podjetja v preteklosti. Menimo, da lahko
RIP kazalnik služi tudi kot vodilni indikator prihodnjega poslovanja podjetja, saj kaže na
trenutno intelektualno sposobnost podjetja, ki bo do določene mere vplivala na način, kako bo
podjetje, v primerjavi s konkurenco, delovalo v prihodnosti (učinek odvisnosti od poti). RIP
kazalnik je potrebno uporabljati v kontekstu ostalih finančnih kazalnikov in kvalitativne
analize. S pomočjo prikazanega koncepta RIP kazalnika želimo predstaviti način
razmišljanja, ki lahko pomaga zmanjšati razmik med znanstveno verodostojnostjo in
uporabnostjo na področju raziskovana IK. Ocenjujemo, da lahko RIP kazalnik v vlogi
vodilnega indikatorja, pripomore k zmanjševanju negotovosti pri finančnem .
Ključne besede – VAIC model, intelektualni kapital, človeški kapital, strukturni kapital,
uspešnost poslovanja, RIP kazalnik, Slovenija
SUMMARY
Intellectual Capital (IC) can be defined as a predominantly social phenomenon (Sveiby,
2007). It is well known that the evaluation of social phenomena within business finance can
be a great challenge to researchers. There has been a persistent gap between academic
credibility and the practical usefulness of the research findings that have been introduced to
the IC realm in recent decades. Our study aims to offer a model of exploring and recognizing
the relationship between IC components and the financial performance of companies, with an
ambition to explore IC investment efficiency indicators as potential leading indicators of the
future financial performance of companies. Successfully designed leading indicators should
lower the uncertainty of financial planning and thus lower the mispricing of IC intensive
companies.
In the first part of our research, we conduct two empirical tests. In the first test, we analyze
the relationship among IC components and financial performance of companies using the
VAIC model, introduced by Pulić (1998). In the second test, we explore the alignment of the
VAIC model with assumptions underlying residual valuation models. The data set includes
more than 12,000 Slovenian companies within a 14-year period (from 1995 to 2008).
Descriptive statistics, correlation matrix, OLS regression and the panel regression method are
applied as a research toolkit. The results of our first test are as mixed as the results of several
similar studies performed in other countries on different data sets are. Technically speaking,
most of our hypotheses underlying the first test are confirmed. However, the explanatory
power of the tested models is low, and the regression coefficients are of limited practical use.
By comparing the results of this study with the results of similar studies, some possible
systematic biases contained in VAIC-based studies are indicated as potential sources of
differences in the results of those studies. The most fundamental reasons for the differences in
the results could be: the majority of studies using the VAIC model are regionally limited; most
studies are performed on relatively small samples; some studies use a potentially biased
sample selection process; most studies are based on a cross-sectional analysis methodology;
studies conducted in different phases of the economic cycle are hardly comparable. By
analyzing possible reasons for the differences in the results of similar studies, we challenge
the methodological approaches of other authors.
In contrast to the first test, the results of the test conducted on the ranked data segmented into
sector-based peer groups are more promising. They indicate a high degree of correspondence
between improvement in the rank of a company’s IC investment efficiency within a sector-
based peer group, and improvement in the rank of its financial performance. This relationship
suggests that there is a strong positive correspondence between a company’s above-average
IC investment efficiency and its above-average financial performance. This conclusion is in
line with a basic assumption of residual evaluation models that claims that the value of IC is a
result of above-average financial performance. In such a context, IC investment efficiency
could potentially serve as a leading indicator of the future financial performance of companies
within a specially designed heuristic model based on VAIC model assumptions.
Substantively and statistically conclusive results of this test have led us to redefine the VAIC
model with the intention of eliminating its key weaknesses while retaining its key strengths.
We use the original version of the VAIC model and place it into the DuPont identity. Our
VAIC redefinition is based on the multiplicative relationships between independent variables.
We also assume that the financial results of the companies are subject to exponential growth
over a longer period of time. All changes to the original model have adequate theoretical
support.
Our basic scientific hypothesis remains unchanged in the second part of our research. Within
the second phase of our research, we test the redefined VAIC model on the same data sample
as we tested underlying model. The test results show that the explanatory power of the
redefined model is significantly higher than explanatory power of the basic model. The test
confirms a statistically very highly significant correlation between intellectual potential
investment efficiency and the financial performance of the companies. It also suggests that the
impact of the intellectual potential on business performance is greater than the impact of the
tangible assets of the company.
All theoretical and empirical findings of our research are used as input to the design part of
our research. Within this part of our research, we aim to conceptualize the heuristic system of
leading indicators with an ambition to reduce uncertainty in the financial planning and
business valuation. We presume that the extent of human understanding represents an
important limitation to financial planning and leads to many behavioral biases of financial
analysts and business appraisers. To overcome these limitations, we introduce the concept of
RIP indicator (Relative Intellectual Potential). The concept is based on the findings of New
Growth Theory and Evolutionary Theory of Economic Changes. Regarding the RIP, concept
we calculate the time series of company’s intellectual potential efficiency indicators and
relativize them by comparing them with the RIP indicators of the peer group companies. The
RIP Indicator reveals the level of effectiveness of the intellectual potential of the company
compared to the level of its competitors. Based on a “path-dependency” presumption, the RIP
indicator can also serve as a leading indicator of future performance of the companies. We
suggest that the RIP indicator should always be used in the context of other financial
indicators and also in the context of qualitative analysis. We introduce the potential
advantages and disadvantages of the RIP indicator concept.
By developing the RIP indicator concept, we attempt to introduce new ways of thinking about
the existing and future intellectual potential of the companies. Further development and
verification of the RIP indicator concept needs a substantial number of case studies and even
quantitative studies. We believe that the RIP indicator concept is useful in reducing the
uncertainty of financial planning and business valuation and can help in reducing the
“undervaluation syndrome” with regard to companies with a strong presence of IC.
Keywords – VAIC model, Intellectual Capital, Human Capital, Structural capital, Financial
Performance, RIP indicator, Slovenia
i
KAZALO
1. UVOD ................................................................................................................................................ 1
2. PREDMET RAZISKOVANJA .......................................................................................................... 3
2.1 Opredelitev IK ............................................................................................................................... 3
2.1.1 Smiselnost in upravičenost uporabe pojma »intelektualni kapital« ..................................... 3
2.1.2 Opredelitev IK ........................................................................................................................ 6
2.2 Opredelitev sestavin IK ............................................................................................................... 10
2.3 Veriga vrednosti v podjetju s pozitivno vrednostjo IK ............................................................... 12
2.4 Lastnosti gonil vrednosti ............................................................................................................. 13
2.4.1 Znanje kot ključno gonilo vrednosti: kako nastane, v čigavi lasti je in kako se širi? ........... 13
2.4.2 Nonakin model spirale znanja .............................................................................................. 14
2.4.3 Lastništvo nad IK podjetja.................................................................................................... 16
2.4.3 Spremenjeni zakoni ekonomike delovanja ključnih gonil vrednosti .................................... 17
2.4.4 Značilnosti evolucijskega razvoja in pojav odvisnosti od poti ............................................. 22
2.4.5 Tveganje zastaranja IK ......................................................................................................... 24
2.4.6 Vpliv eksogenih dejavnikov na IK ....................................................................................... 25
2.4.7 Asimetrija informacij, netržnost in sindrom podvrednotenja IK .......................................... 26
3. RAZISKOVALNA VPRAŠANJA TER NAMEN IN CILJ RAZISKOVANJA ............................. 26
3.1 Raziskovalna vprašanja ............................................................................................................... 27
3.2 Razmejitev med pojasnjevalnim in namenskim delom raziskave ............................................... 28
4. POJASNJEVALNI DEL RAZISKAVE .......................................................................................... 29
4.1 Metodologija in temeljna znanstvena hipoteza ........................................................................... 29
4.2 Izbor osnovnega modela .............................................................................................................. 29
4.2.1 Kriteriji za izbor modela ....................................................................................................... 29
4.2.2 Računovodstvo in IK ............................................................................................................ 31
4.2.3 Pregled obstoječih modelov merjenja in vrednotenja IK .................................................... 32
4.2.3 Izbor modela ......................................................................................................................... 34
4.3 Izpeljava VAIC modela in opredelitev spremenljivk .................................................................. 37
4.3.1 Izpeljava VAIC modela ........................................................................................................ 37
4.3.2 Opredelitev neodvisnih, odvisnih in kontrolnih spremenljivk ............................................. 40
4.3.4 Prikaz načina izračuna spremenljivk .................................................................................... 42
4.4 Pregled literature in izsledkov dosedanjih raziskav temelječih na modelu VAIC ...................... 43
4.5 Znanstvene hipoteze .................................................................................................................... 47
4.6 Panelne regresijske metode ......................................................................................................... 48
4.7 Osnovni modeli za testiranje hipotez ......................................................................................... 49
ii
4.8 Podatki ......................................................................................................................................... 50
4.9 Opisne statistike odvisnih in neodvisnih spremenljivk ............................................................... 56
4.10 Analiza korelacije med odvisnimi in neodvisnimi spremenljivkami ........................................ 64
4.11 Analiza s pomočjo OLS metode ................................................................................................ 66
4.12 Analiza rezultatov metode panelne regresije ............................................................................. 69
4.12.1 Analiza s pomočjo metode panelne regresije s fiksnimi učinki ......................................... 69
4.12.2 Možni vzroki za različne rezultate študij izvedenih s pomočjo VAIC modela .................. 72
4.12.3 VAIC model in trg kapitala v Sloveniji .............................................................................. 75
4.12.4 Interpretacija rezultatov testa osnovnega VAIC modela .................................................... 75
5.12.5 Povzetek sklepov testa osnovnega VAIC modela .............................................................. 78
4.13 Razširitev VAIC modela ........................................................................................................... 79
4.14 Rezidualni modeli vrednotenja IK ............................................................................................. 80
4.14.1 Metoda EVA in MVA ........................................................................................................ 80
4.14.2 Metoda CIV ........................................................................................................................ 83
4.14.3 Metoda CV ......................................................................................................................... 84
4.15 Test VAIC modela na rangiranih podatkih................................................................................ 86
4.16 Izpeljava razširjenega modela VAIC ......................................................................................... 90
4.16.1 Kritična presoja vsebine in načina izračuna spremenljivk v VAIC modelu ....................... 90
4.16.2 Ali je IK stanje ali proces? ................................................................................................. 94
4.16.3 Povezava med učinkovitostjo posameznih elementov IK .................................................. 96
4.16.4 Ideje o širitvi modela VAIC z novimi indikatorji s strani različnih avtorjev ..................... 98
4.16.5 Razširitev modela VAIC za potrebe dopolnitve empirične raziskave ................................ 99
4.16.6 VAIC model v okviru DuPontove identitete ...................................................................... 99
4.17 Hipoteza v okviru testiranja razširjenega VAIC modela ..................................................... 104
4.18 Model za testiranje dodatne hipoteze .................................................................................. 104
4.19 Rezultati testiranja dodatne hipoteze s pomočjo razširjenega VAIC modela ...................... 107
4.19.1 Test korelacij med spremenljivkami................................................................................. 107
4.19.2 Test s pomočjo OLS regresijske metode .......................................................................... 110
4.19.3 Test s pomočjo metode panelne regresije na celotni populaciji podjetij .......................... 113
4.19.4 Test s pomočjo panelne regresije na podjetjih segmentiranih po sektorjih ...................... 114
4.19.5 Interpretacija regresijskih koeficientov po sektorjih ....................................................... 118
4.19.6 Rezultati panelne regresije po velikostnih razredih podjetij ............................................. 121
4.19.7 Test vpliva časovnega zamika pojasnjevalnih spremenljivk na rezultate analize ............ 121
4.19.8 Test s pomočjo OLS regresijske metode po posameznih letih ......................................... 123
4.20 Povzetek rezultatov testiranja modificirane hipoteze ......................................................... 126
5. UČINKOVITOST INVESTIRANJA V IK KOT VODILNI INDIKATOR FINANČNE
USPEŠNOSTI POSLOVANJA PODJETIJ ................................................................................... 128
iii
5.1 Cilj namenskega dela raziskave ................................................................................................ 128
5.2 Človeški možgani kot omejitveni dejavnik pri načrtovanju ...................................................... 130
5.2.1 Prevara vstavljanja.............................................................................................................. 130
5.2.2 »Prezentizem« in pravilo »najprej realnost« ...................................................................... 131
5.3 Koncept vodilnih, trenutnih in zakasnitvenih indikatorjev ....................................................... 133
5.4 Koncept učinkovitost investiranja v intelektualni potencial podjetja v kontekstu Nove teorije
rasti in Evolucijske teorije ekonomskih sprememb ................................................................... 134
5.5 Kazalnik RIP kot vodilni indikator prihodnje uspešnosti poslovanja podjetij .......................... 135
5.5.1 Teoretična umeščenost kazalnika RIP ............................................................................... 135
5.5.2 Metodologija izračuna kazalnika RIP................................................................................ 137
5.5.3 Umestitev kazalnika RIP v analizi podjetja in njegova dodana vrednost .......................... 141
5.5.4 Prednosti in slabosti kazalnika RIP ................................................................................... 146
6. SKLEP ............................................................................................................................................ 149
iv
KAZALO TABEL
Tabela 1: Prikaz različnih konceptov sestavin intelektualnega kapitala ................................... 6 Tabela 2: Nekaj primerov kategorizacije IK ............................................................................ 10 Tabela 3: Definicija izračuna spremenljivk ............................................................................. 42 Tabela 4: Pregled pomembnejših raziskav z uporabo modela VAIC ....................................... 45
Tabela 5: Prikaz velikosti vzorca podjetij ter števila izločitev po postavljenih kriterijih ........ 53 Tabela 6: Pregled izločanja podjetij zaradi nedoseganja posameznih kriterijev .................... 53 Tabela 7: Prisotnost podjetij v vzorcu po posameznih letih .................................................... 54
Tabela 8: Prisotnost enot v vzorcu glede na velikost podjetij .................................................. 54 Tabela 9: Prisotnost opazovanih enot, razvrščena po dejavnostih .......................................... 55 Tabela 10: Opisne statistike spremenljivk ............................................................................... 57 Tabela 11: Izračun VAIC po sektorjih v obdobju 1995-2008 .................................................. 59 Tabela 12: Izračun ROA po sektorjih v obdobju 1995-2008 ................................................... 60
Tabela 13: Izračun ROE po sektorjih v obdobju 1995-2008 ................................................... 61 Tabela 14: Izračun STA po sektorjih v obdobju 1995-2008 ................................................... 62 Tabela 15: Izračun GROP po sektorjih v obdobju 1995-2008 ............................................... 63
Tabela 16: Prikaz korelacijskih koeficientov in njihove statistične značilnost ....................... 65 Tabela 17: Prikaz preizkusa hipotez z uporabo OLS regresijske metode ................................ 67 Tabela 18: Prikaz preizkusa hipotez z uporabo panelne regresijske metode .......................... 70
Tabela 19: Presečna analiza v različnih letih z uporabo OLS regresijske metode ................. 74
Tabela 20: Panelna regresijska analiza po velikostnih razredih podjetij (1995-208) ............ 76 Tabela 21: Panelna regresija: Telekomunikacije in Industrijska proizvodnja (1995-2008) ... 76 Tabela 22: Prikaz rezultatov testiranja hipotez ....................................................................... 79
Tabela 23: Korelacijski koeficienti med rangiranimi spremenljivkami ................................... 87 Tabela 24: Test hipotez na rangiranih podatkih s panelno regresijsko metodo ...................... 88
Tabela 25: Število opazovanih enot po sektorjih (n) .............................................................. 107 Tabela 26: Test razširjene hipoteze – regresijski koeficienti ................................................. 108 Tabela 27: Prikaz β neodvisnih spremenljivk v razširjenem VAIC modelu ........................... 113 Tabela 28: Test razširjene hipoteze po sektorjih – lnROE, centrirani podatki ...................... 114
Tabela 29: Test razširjene hipoteze po velikostnih razredih – lnROE, centrirani podatki .... 116
Tabela 30: Determinacijski koeficienti razširjenega VAIC modela ....................................... 117
Tabela 31: Prikaz βlnVAIP koeficientov po sektorjih in velikostnih razredih podjetij .............. 119 Tabela 32: Test s časovno zamaknjenimi pojasnjevalnimi spremenljivkami ......................... 122
Tabela 33: β koeficienti v različnih časovnih obdobjih – celotna populacija ....................... 124 Tabela 34: Prikaz načina rangiranja podjetij na osnovi kazalnika VAIP ............................ 138 Tabela 35: RIP kazalnik za primerjalno skupino 30 podjetij za obdobje desetih let ............. 139
v
KAZALO SLIK
Slika 1: Ključne razlike med intelektualnim kapitalom in neopredmetenimi sredstvi ............... 9 Slika 2: Prikaz sestavin intelektualnega kapitala in intelektualne lastnine ............................. 11 Slika 3: Veriga ustvarjanja vrednosti postindustrijskega podjetja .......................................... 12
Slika 4: Transmisija intelektualnega kapitala v vrednost podjetja .......................................... 13 Slika 5: Rast BDP v ZDA skozi čas v stalnih cenah ima obliko eksponentne krivulje ............. 20 Slika 6: Modeli merjenja, ocenjevanja in vrednotenja IK ....................................................... 33
Slika 7: Izračun povprečnega VAIC po sektorjih v letu 2008 ................................................. 58 Slika 8: Gibanje povprečnega VAIC v obdobju 1995 - 2008 ................................................... 59 Slika 9: Gibanje povprečnega ROA v obdobju 1995 -2008 ..................................................... 60 Slika 10: Gibanje povprečnega ROE v obdobju 1995 -2008 ................................................... 61
Slika 11: Gibanje povprečnega STA v obdobju 1995 -2008 .................................................... 62 Slika 12: Krogotok ustvarjanja vrednosti s pomočjo VBM modelov ....................................... 80 Slika 13: Prikaz temeljne logike izračuna uspešnosti po modelu EVA .................................... 81 Slika 14: Tržna dodana vrednost (MVA) .................................................................................. 82
Slika 15: Vpliv investiranja v IK na gonila vrednosti v okviru DuPontove sheme ................ 103 Slika 16: Prikaz β neodvisnih spremenljivk v razširjenem VAIC modelu .............................. 114
Slika 17: Pojasnjevalna moč razširjenega VAIC modela ...................................................... 117
Slika 18: Prikaz βlnVAIP koeficientov po sektorjih in velikostnih razredih podjetij ................. 120
Slika 19: Prikaz gibanja regresijskih koeficientov lnVAIP in lnVACA (1995-2008) ............. 126 Slika 20: Gibanje regresijskih koeficientov v obdobju 1995-2008 ........................................ 126
Slika 21: Razmerje med pojasnjevalnim in namenskim pristopom pri raziskovanju IK ........ 129 Slika 22:: Grafični prikaz gibanja RIP kazalnika za posamezno podjetje ............................. 140 Slika 23: Grafični prikaz gibanja RIP kazalnika za vzorec slovenskih podjetij .................... 143 Slika 24: Grafični prikaz natančnosti napovedi analitikov .................................................... 145
1
1. UVOD
V zadnjih petnajstih letih se je oblikovala širša skupnost raziskovalcev področja
intelektualnega kapitala (v nadaljevanju IK), katerega skupni imenovalec je znanje. IK bo
predstavljal širše področje našega znanstvenega raziskovanja. Področje IK je v svoji
edinstvenosti tesno povezano z menedžmentom, sociologijo, računovodstvom, poslovnimi
financami, vrednotenjem podjetij, kontrolingom, psihologijo in strateškim razmišljanjem v
podjetju. To mu daje predznak »hibridne« discipline, ki si v znanosti še ni v celoti izborila
svojega mesta. Fenomen IK je torej izjemno široko področje, ki pred raziskovalce postavlja
veliko raziskovalnih izzivov. Kljub široki raziskovalni skupnosti pa do danes na nobenem
področju raziskovanja IK ni bila razvita in vzpostavljena prevladujoča doktrina. To velja tudi
za področje merjenja, ocenjevanja in vrednotenja IK,1 ki bo predmet ožjega znanstvenega
področja našega raziskovanja.
V obdobju zadnjih petnajstih let je bilo razvitih in predstavljenih preko trideset različnih
metod merjenja in vrednotenja IK (Sveiby, 2007). Heterogenost pristopov ter metod merjenja
in vrednotenja je še danes področje, ki ne kaže znakov konsolidacije in konvergence k
standardiziranim in enoznačno določenim metodam in pristopom. Enega izmed pomembnih
razlogov za to najdemo v prevladujoči neoklasični paradigmi v poslovnih financah, ki temelji
na poslovnem modelu industrijskega podjetja ter na predpostavkah popolnega trga kapitala
(Mramor, 1991). Neoklasična doktrina podatke, ki niso vezani na kapitalske trge, črpa iz
tradicionalnega modela računovodstva utemeljenega na transakcijskem sistemu
kumulativnega beleženja in izkazovanja poslovnih dogodkov (Hand, 2003). Večina do sedaj
razvitih modelov vrednotenja IK zgolj nadgrajuje neoklasične modele vrednotenja brez
ambicije spreminjanja opisane neoklasične paradigme.
V okviru raziskave bomo posebno pozornost namenili raziskovanju težav, ki jih povzroča
razkorak med vse bolj prisotnim poslovnim modelom post industrijskega podjetja grajenim na
znanju in poslovnim modelom industrijskega podjetja, ki je posredno ali neposredno vgrajen v
logiko prevladujočega načina finančnega modeliranja. Iz tega razkoraka izhaja ključna
dispariteta med načinom delovanja najpomembnejših gonil vrednosti v postindustrijskih
podjetjih in načini njihovega napovedovanja oz. načrtovanja. Za ta gonila vrednosti so
značilni indirektni in nelinearni vzročno posledični procesi, katerih ključna značilnost je
visoka negotovost napovedovanja oz. načrtovanja, močna povezanost ter soodvisnost s
komplementarnimi gonili vrednosti. V vseh modelih vrednotenja podjetij, ki temeljijo na
bodočih donosih podjetja, kot ena od najpomembnejših predpostavk vstopa napoved oz. načrt
pričakovane rasti (g) denarno izraženih donosov podjetja v načrtovanem obdobju. Ocenjevalci
vrednosti jo morajo oceniti na osnovi analize vseh dejavnikov, ki na to rast lahko vplivajo. V
klasičnem industrijskem podjetju s procesno proizvodnjo je napovedovanje in načrtovanje
bistveno lažje in manj tvegano kot v podjetjih z visoko dodano vrednostjo. Raziskave o
sposobnosti finančnih analitikov za napovedovanje uspešnosti poslovanja podjetij so
pokazale, da z naraščajočo vrednostjo IK v podjetjih močno upada natančnost
napovedovanja bodočega poslovanja (Montier, 2005). Ugotovljenih potencialnih razlogov za
to je več, vendar se bom v okviru raziskave osredotočil predvsem na fenomen t.i. »črne
1 V okviru proučevanja IK je zaradi možnosti ločevanja med skupinami modelov ocenjevanja/vrednotenja IK
uporaba korektnih izrazov pomembna. V nadaljevanju bomo izraz ocenjevanje vrednosti uporabljali kot
sopomenko angleškega izraza »value assesment«, izraz vrednotenje pa kot sopomenko izraza »valuation«.
Ključna razlika med obema izrazoma je, da je končni rezultat vrednotenja denarno izražena vrednost IK merjena
z metrično skalo (več o tem v okviru opredelitve metod).
2
škatle« (podrobneje ga bomo opredelili kasneje), ki je posledica asimetrije v informiranosti
notranjih in zunanjih deležnikov podjetja in vodi k sistematičnemu podvrednotenju podjetij z
visokim deležem IK (Lev, 2004). Svoje raziskovanje bomo osredotočili na raziskovanje
učinkovitosti investiranja v IK z ambicijo, da poiščemo vodilne indikatorje, ki bi olajšali
napovedovanje oz. načrtovanje transformacije investicij v IK v prihodnjo finančno donosnost
podjetij.
IK je v svoji osnovi sociološki fenomen, vrednotenje socioloških pojavov pa je z vidika
poslovnih financ izjemno zahtevno. Rešitve, ki jih na področju IK ponuja akademska
raziskovalna srenja, imajo namreč dokaj nizko uporabno vrednost. Nasprotje med akademsko
verodostojnostjo in praktično uporabnostjo rešitev in modelov je verjetno pomemben razlog,
da v slovenskem prostoru ni zaslediti obsežnih akademskih raziskav tega področja. Tudi v
gospodarstvu in svetovalni dejavnosti so sporadični poizkusi uveljavljanja te discipline skoraj
zamrli. Na področju praktično usmerjenega raziskovanja področja vrednotenja IK v zadnjih
letih zasledimo zgolj osamljene poskuse prilagajanja in prenašanja modelov vrednotenja
razvitih na drugih področjih poslovnih financ (primer: vrednotenje IK s pomočjo modela
vrednotenja opcij (Bose in Oh, 2003)), ali pa poskus vrednotenja IK s pomočjo teorije iger
(Chen, 2003). Vsi ti praktično usmerjeni poizkusi zahtevajo še dodatna obsežna empirična
testiranja za njihovo dokončno verifikacijo.
V okviru doktorske disertacije, bomo raziskovanje IK pričeli s prikazom teoretičnih dilem,
povezanih s poimenovanjem in definiranjem intelektualnega kapitala. Med vsemi obstoječimi
definicijami IK bomo sledili definiciji, ki je najbolj skladna z nameni našega raziskovanja. V
nadaljevanju bomo prikazali lastnosti delovanja nematerialnih gonil vrednosti, ki so
izjemnega pomena pri dizajniranju raziskovalnih modelov za potrebe raziskovanja IK. Na
osnovi postavljenega raziskovalnega vprašanja, bomo opredelili metodologijo raziskovanja
ter na osnovi postavljenih kriterijev izbrali model vrednotenja IK, ki najbolj ustreza
zahtevanim kriterijem. Na osnovi postavljenih kriterijev bomo za potrebe analize uporabili
model VAIC (Pulić, 1998), ki je med raziskovalci IK v zadnjem desetletju najpogosteje
uporabljan model za potrebe merjenja in ocenjevanja IK. Na kratko bomo predstavili izsledke
osemindvajsetih najpomembnejših študij, ki temeljijo na uporabi modela VAIC. V okviru
proučen raziskav nismo zasledili, da bi kdo od raziskovalcev resneje podvomil v ustreznost
modela. S pomočjo vsebinske analize bomo prikazali, da ima VAIC model resne teoretične in
vsebinske pomanjkljivosti, ki jih po našem mnenju ni možno odpraviti zgolj z dodajanjem
novih pojasnjevalnih spremenljivk v model. Dodajanje spremenljivk namreč ne odpravi
ključnih pomanjkljivosti modela. Ravno nasprotno. Širjenje modela ima za posledico, da
model izgubi svojo ključno prednost pred ostalimi modeli. Ta prednost je predvsem njegova
praktična uporabnost in sposobnost izvajanja primerjalnih analiz na večjih vzorcih podjetij.
Zato smo se odločili model najprej empirično preveriti. Postavljeno znanstveno hipotezo
bomo testirali na vzorcu preko 12.000 slovenskih podjetij s finančnimi podatki za obdobje
1995-2008. Pri testiranju bomo uporabili orodja in metode, ki so jih uporabili raziskovalci v
okviru podobnih raziskav. Dodatno bomo uporabili metodo panelne regresije, ki je po naši
oceni primernejša za potrebe tovrstnega raziskovanja. Izvedli bomo dva testa.
V okviru prvega testa bomo proučevali povezavo med učinkovitostjo investiranja v IK ter
uspešnostjo poslovanja podjetij. Na osnovi empiričnih izsledkov bomo skladnost
uporabljenega modela dodatno preverili v okviru teoretičnimi izsledkov na področju
raziskovanja IK. Ugotovljene pomanjkljivosti in nedoslednosti nam bodo služile kot osnova
za njegovo nadgradnjo. V drugem testu bomo preizkušali skladnost izbranega modela z logiko
delovanja rezidualnih modelov vrednotenja IK. Rezultate testov bomo primerjali z rezultati
3
podobnih raziskav, ki so bile izvedene v drugih državah. Nadgrajeni model bomo testirali na
isti bazi podatkov kot osnovni model. Analizirali bomo spremembe v njegovi pojasnjevalni
moči in statističnih karakteristikah rezultatov. Teoretične in empirične rezultate
raziskovalnega dela bomo uporabili v okviru namenskega dela raziskave. Cilj namenskega
dela raziskave bo na hevristični način razviti model vodilnega indikatorja, ki bi analitikom in
ocenjevalcem lahko služil za potrebe zmanjševanja negotovosti pri finančnem načrtovanju.
Prikazali bomo vedenjske anomalije, ki se pojavljajo pri finančnem načrtovanju ter na kratko
predstavili način delovanja naših možganov, ko jih uporabljamo za razmišljanje o prihodnosti.
Postavili bomo kriterije, ki jim mora vodilni indikator bodočega poslovanja podjetja
zadostiti. Po izpeljavi načina izračunavanja ter načina uporabe kazalnika, bomo na praktičnem
primeru nekaj podjetij iz baze podatkov, na kateri smo izvajali empirične teste, prikazali
njegovo uporabno vrednost. Prikazali bomo prednosti in slabosti kazalnika ter nakazali v
katerih primerih sporočilna moč kazalnika ne pride do izraza. Na koncu bomo še nakazali
nadaljnje možne poti raziskovanja na področju vodilnih indikatorjev prihodnje finančne
uspešnosti poslovanja podjetij.
2. PREDMET RAZISKOVANJA
2.1 Opredelitev IK
2.1.1 Smiselnost in upravičenost uporabe pojma »intelektualni kapital«
»Kapital« ima v ekonomiji sloves enega izmed najbolj kontroverznih pojmov. Praktično ne
obstaja obdobje v zgodovini ekonomske znanosti, v katerem mu takratna prevladujoča
ekonomska šola ne bi prisodila vsebine, ki se je vsaj deloma razlikovala od tistih, ki so jih
pod pojmom »kapital« razumeli pripadniki drugih ekonomskih šol (Lewin, 2005). Koncept
»kapitala« se je skozi čas neprestano spreminjal. Od sedemnajstega stoletja do danes so se za
tem pojmom skrivali različni ekonomski koncepti. Kapital je v zgodovini predstavljal:
investirani denar, finančni kapital, cirkularni kapital, akumulirano zalogo premoženja,
sredstvo, ki je rezultat produkcije v preteklosti, katerokoli sredstvo, ki pripomore k
nadaljevanju ustvarjanja bogastva…. Ricardo in Marx pa sta z njim poistovetila celoten
socialni razred, to je razred lastnikov proizvodnih sredstev.
V obdobju merkantilnega kapitalizma, ko je trgovina postala osnovni vir bogastva, je pojem
kapitala zajemal predvsem zalogo trgovskega blaga (Dean, Kretschmer, 2002). V tem
obdobju sta ga označevali dve značilnosti, ki sta postali sestavni del definicije kapitala tudi v
kasnejših obdobjih. Pod pojmom kapital so v tem obdobju razumeli nekaj, kar je pomemben
sestavni del prihodnjega procesa ustvarjanja vrednosti, hkrati pa je nekaj, kar je
materializirano in povezano z individualnim in ekskluzivnim lastništvom. Implicitno je v
definiciji kapitala iz tega obdobja prisotna tudi predpostavka, da je kapital povezan z
ustvarjanjem presežka, ki je po svoji naravi trajnega značaja. Podobne značilnosti ima kapital
tudi v opredelitvi, ki so jo poznali francoski fiziokrati. Ti so kot ključen vir bogastva
opredeljevali kmetijsko proizvodnjo. Kapital je v obliki, kot so ga razumeli oni, povezan z
ustvarjanjem trajnega presežka v okviru kmetijske proizvodnje.
S pojavom industrijskega tipa proizvodnje v sedemnajstem in osemnajstem stoletju je pojem
»kapital« doživel vsebinsko transformacijo. V tem obdobju je poosebljal del premoženja, ki je
bil povezan s produkcijo. Vendar, za razliko od merkantilističnega pojmovanja kapitala, ta ni
4
vključeval zgolj zalog trgovskega blaga in finančnega kapitala, temveč je zajemal tudi orodja,
stroje, kapitalne dobrine in nepremičnine, v katerih se je izvajala proizvodnja. Kapital je bil še
vedno osredotočen zgolj na materializirano obliko sredstev. Adam Smith (1776) je ta pojem
zreduciral na t.i. »cirkularni kapital«, ki je zajemal zaloge blaga in nedokončane proizvodnje.
Ricardo (1817) pa je kapital prvič v zgodovini ločil na obratni in fiksni kapital. Ta delitev je
utemeljena s časom, v katerem se kapital obrne oz. porabi. Ricardo je v pojmovanje kapitala
vnesel še eno novost. Opredelil ga je kot substitut delu, za razliko od njegovih sodobnikov, ki
so kapital še vedno razumeli predvsem kot komplementar dela. Avstrijska ekonomska šola je
v okviru definicije kapitala poudarjala vlogo časa v produkcijskem procesu, medtem ko
neoklasična ekonomska teorija kapital pojmuje predvsem kot kvantificiran produkcijski
faktor. V kontekstu financ je kapital pojmovan predvsem kot vsota denarja. Peter Lewin
razloge za zelo heterogeno pojmovanje kapitala vidi predvsem v razlikah v načinu dojemanja
in razlage pojmov čas in vrednost v različnih ekonomskih šolah. Po njegovem prepričanju je
na abstraktni ravni »kapital«…»pojem, ki povezuje čas in vrednost. Kapital opredeljuje
vrednost v nekem časovnem obdobju« (Lewin, 2005, str. 146).
S pojmom »kapital« je povezanih tudi nekaj najbolj znanih znanstvenih polemik v zgodovini
razvoja ekonomske teorije.2 Zadnja izmed njih se je razplamtela v zadnjem desetletju v
kontekstu vse bolj množične uporabe termina »intelektualni kapital«. Delo, ki je sprožilo
burno polemiko, je bil članek avtorjev Deana in Kretschmerja (2002), ki sta si poskušala
odgovoriti na vprašanje ali je ideja lahko kapital. Njun odgovor je bil negativen. Pri svojih
utemeljitvah sta izhajala iz definicije kapitala, ki jo je postavil Fischer3 v začetku prejšnjega
stoletja. Fischer pravi, da…»kapital pospešuje ustvarjanje vrednosti tudi, če je sam
neposredno ne ustvarja. Gre namreč za sredstva, s pomočjo katerih lahko v preteklosti
opravljeno delo predstavlja vložek v današnji produkcijski proces, oziroma za sredstva, s
pomočjo katerih je lahko delo opravljeno v sedanjosti, preneseno v prihodnost« (Dean,
Kretschmer, 2002, str. 5). Na osnovi takšnega pojmovanja je torej kapital trajen rezultat
preteklega produkcijskega procesa, ki je pridobil vlogo produkcijskega faktorja. Naloga v
preteklosti proizvedenih produkcijskih sredstev je ustvarjanje vrednosti v prihodnosti. S tega
vidika mora kapital torej biti homogen in merljiv fizični vložek v produkcijski proces. V
skladu s prepričanjem Dean in Kretschmerja (2002) so predpogoji, da nekaj imenujemo
kapital:
homogenost,
merljivost,
fizična pojavna oblika ter
ekskluzivnost lastništva.
Avtorja menita, da »ideje« po svoji vsebini ne zadoščajo postavljenim kriterijem, zato jih ne
moremo poimenovati »kapital«. S tega vidika je tudi uporaba izraza »intelektualni kapital«
teoretično neustrezna.
2 Npr. polemika med Böhm –Bawerkom in Irvingom Fisherjem konec 19. Stoletja, polemika med Hayekom in
Knightom v tridesetih letih prejšnjega stoletja ipd. (Lewin, 2005). 3 Fischer spada med enega bolj znanih teoretikov neoklasične ekonomske doktrine, ki je svoje videnje delovanja
ekonomije predstavila s pomočjo neoklasičnega modela s karakteristikami delovanja in zakonitostmi zaprtega
sistema.
5
Na ugotovitve študije je kritično odgovoril Lewin (2005). Avtor ugotavlja, da je izraz »ideja«
dejansko sestavni del »znanja«, hkrati pa obstaja neposredna povezava med znanjem in
kapitalom. Kapital namreč za Lewina predstavlja utelešeno znanje. Fizični aspekt kapitala je
po Lewinu slučajnostni aspekt, medtem ko znanje predstavlja ključni fundamentalni aspekt
kapitala. Kot primer avtor navaja programsko opremo. Ta je manj vezana na fizično pojavno
obliko kot ostala orodja. Da bi znanje, ki je utelešeno v programski opremi, lahko začelo
delovati, ga je potrebno prenesti na pomnilno enoto računalnika. V tem primeru je dokaj
enostavno razločiti med znanjem (program) in fizično pojavno obliko (trdi disk), kjer je
znanje zapisano in na nek način »utelešeno«. Da bi znanje (program) lahko delovalo, mora
biti utelešeno (zapisano na fizični nosilec znanja). Če na podoben način razmišljamo z vidika
ostalih proizvajalnih sredstev, lahko rečemo, da ni bistvene razlike med programsko opremo
in klasičnimi proizvajalnimi sredstvi. Avtor uporabi primer kladiva. V obeh primerih gre za
kombinacijo znanja in materije. Človeštvo ni napredovalo na osnovi nenehnega kopičenja
materialnih virov. Svoj napredek je vedno utemeljevalo z znanjem, s pomočjo katerega je
odkrivalo nove in nove načine, kako obstoječe materialne vire kombinirati v nove in/ali bolj
učinkovite načine uporabe. Menger (2007) je v svojem delu »Principi ekonomike« zapisal, da
ni bolj gotove stvari na svetu kot ta, da bo stopnja razvoja človeštva v prihodnosti odvisna od
stopnje razvoja človeškega znanja.
Razvoj znanja in z njim kapitalnih dobrin je v prvi vrsti socialni proces. Z »utelešanjem«
znanja v kapitalske dobrine ima vsakdo med nami možnost koriščenja znanja anonimnih
posameznikov, ki so to znanje v preteklosti ustvarili in ga »utelesili« v kapitalno dobrino. To
neprestano »utelešanje« znanja skozi čas vodi do vse bolj kompleksnih proizvajalnih sredstev.
Kapital torej obstaja in deluje znotraj neprestano razvijajoče se strukture. V svoji osnovi ni in
ne more biti statičen, kot ga želijo predstaviti neoklasični ekonomisti. Je dejansko neprestano
razvijajoča se struktura odnosov med kapitalnimi dobrinami in znanjem. Razumevanje
kapitala kot kategorije utelešenega znanja odpira mnoga vprašanja in dileme. Znanje je
dejansko primarno locirano v glavi posameznika. Posamezniki razpolagajo z različnimi
sposobnostmi, znanjem in kapacitetami, medtem ko imajo podjetja na razpolago zelo podobne
vložke v proces, delovne stroje in tehnologije. Iz tega sledi, da je razlike med podjetji treba
primarno iskati v razlikah med posamezniki, ki so v podjetjih zaposleni in manj v strukturnih
razlikah med podjetji. Če bi v podjetju zamenjali zaposlene in hkrati strukture pustili
nespremenjene, bi zagotovo prišlo do razlike v uspešnosti poslovanja podjetja (Felin in
Hesterly, 2007).
Znanje je torej neke vrste človekova programska oprema, ki je, podobno kot to velja za
razmerje med programsko in strojno opremo, komplementarna z ostalimi proizvodnimi
sredstvi v okviru procesa ustvarjanja vrednosti. S tega vidika je razumljivo, da lahko znanje in
človeški potencial tolmačimo kot sestavni del kapitalske strukture. Dejansko ima ves kapital
dimenzijo znanja in je kot tak lahko v celoti okarakteriziran kot »človeški kapital«. Ko je
človekovo znanje v proizvodnem procesu aplicirano na ostale produkcijske faktorje, je
povečanje vrednosti, ki je posledica te kombinacije, v večini primerov poimenovano kot
»človeški kapital«.
Če povzamemo različna razmišljanja in polemike na temo uporabe pojma »kapital«, lahko
»kapital« opredelimo predvsem kot neke vrste »krovni pojem«, ki zajema vse produktivne
faktorje v podjetju. Kapital torej ni omejen zgolj na trajne dobrine, ki so posledica angažiranja
dela v preteklosti. Kapital je sposobnost kombiniranja materialnih dobrin in znanja na način,
da je posledica tega kombiniranja novonastala vrednost. S tega vidika je neposredno povezan
z vrednostjo kot konceptom prihodnosti. Ni stanje sredstev v določenem trenutku, kot ga
6
predstavlja neoklasična doktrina. Je v prihodnost usmerjen proces kombiniranja
materializiranih dobrin in znanja z namenom ustvarjanja vrednosti. Materializirane stvari
same po sebi ne morejo biti kapital. »Kapital brez idej in znanja ne obstaja« (Lewin, 2005, str.
28). Uporaba pojma »intelektualni kapital« kot sinonima za znanje, ki je kot produkcijski
faktor nepogrešljiv pri konstituiranju kapitala, je po našem mnenju v celoti upravičena.
»Intelektualni kapital« s tega vidika predstavlja zgolj nematerializiran produkcijski faktor
utemeljen na znanju. Je zgolj eden izmed elementov kapitala kot celote. Takšno pojmovanje
intelektualnega kapitala predstavlja izhodišče za vse nadaljnje razprave in analize, ki jih bomo
izvajali v okviru naše raziskave.
V nadaljevanju bomo podali natančnejšo definicijo IK in opredelili elemente, ki ga
sestavljajo.
2.1.2 Opredelitev IK
Kaufmann in Schreider (2004) sta v svoji raziskavi ugotovila, da obstaja 37 neposrednih
definicij intelektualnega kapitala, oz. je teh definicij vsaj 45, če IK razumemo v nekoliko
širšem kontekstu.
Tabela 1: Prikaz različnih konceptov sestavin intelektualnega kapitala
Avtor Leto Izraz/koncept Definicija
Edvinsson, L. 1997 IK Ni opredelitve
Edvinsson, L.; Malone,
M.S. 1997
IK in neopredmetena
sredstva
"Neopredmetena sredstva so tista, ki nimajo fizične pojavne oblike a
predstavljajo vrednost za podjetje…"
Sveiby, K.E. 1997 Neopredmetena sredstva Neopredmetena sredstva opredeljuje na osnovi treh kategorij, ki izvirajo iz
zaposlenih v podjetju
Grant, R.M. 1997 / Ni definicije. Avtor poudarja zgolj znanje
Stewart, T.A. 1998 IK "IK je intelektualni material - znanje, informacija, intelektualna lastnina, izkušnje - ki jih lahko uporabimo, da ustvarjajo vrednost. Gre za kolektivno
moč možganov…"
Petty, R.; Guthrie, J. 1999 IK Ni definicije. Avtorji ugotavljajo: "upravljanje z znanjem je upravljanje z
intelektualnim kapitalom, ki ga obvladuje podjetje…"
Bontis, N.; Dragonetti,
N.C.; Jacobsen, K.;
Roos, G.
1999 Neopredmeteni viri, IK je podkategorija
"IK je kolekcija neopredmetenih virov in njihovih tokov." Neopredmeteni
viri so…"katerikoli dejavnik, ki prispeva k procesu ustvarjanja vrednosti v
podjetju"
Canibano, L.; Sanchez,
P.; Chaminade, C; Olea,
M.; Escobar, C.G.; Garcia-Ayuso, M.
1999 Neopredmetena sredstva "Neopredmetena sredstva so pridevnik, ki se vklaplja v različne koncepte
virov in investicij…"
Granstrand, O. 1999 Intelektualna lastnina "Intelektualna lastnina je neposredno vezana na kreativnost, znanje in
identiteto posameznika…"
Brennan, N.; Connell,
B. 2000 IK "Kapital podjetja utemeljen na znanju…"
Harrison, S.; Sullivan Sr, P. H.
2000 IK "Znanje, ki ga lahko pretvorimo v dobiček…."
Sullivan, P.H. 2000 IK "IK je znanje, ki ga lahko pretvorimo v profit…"
Michalisin, M.l D.; Kline, D.M.; Smith,
R.D.
2000 Neopredmeteni viri Ni definicije. Opredelijo razliko med termini; opozorijo na neponovljivost
neopredmetenih sredstev
Sanchez, P.;
Chaminade, C.; Olea, M.
2000 Neopredmetena sredstva
Avtorji postavijo razliko med neopredmetenimi viri, ki jih lahko merimo v
določenem trenutku v času in neopredmetenimi aktivnostmi, ki se odvijajo v časovnem intervalu
Bukh, P.N.; Larsen,
H.T.; Mouritsen, J. 2001 IK
"IK ni enoznačno opredeljen. Je konstrukt, katerega obstoj je odvisen od
nenehne interakcije med elementi, ki ga sestavljajo…."
7
Heisig, P.; Vorbeck, J.; Niebuhr, J.
2001 IK "IK ima vrednost, vendar je neviden…"
Johanson, U.; Martensson, M.; Skoog,
M.I.
2001 Neopredmetena sredstva Primerjava obstoječih opredelitev.
Lev, B. 2001 Neopredmetena sredstva "Neopredmeteno sredstvo je upravičenje do prihodnjih koristi, ki nima materializirane oblike…"
Gu, F.; Lev, B. 2001 Neopredmetena sredstva "Neopredmetena sredstva so opredeljena z njihovimi ključnimi gonili…R&D, IT, marketing, upravljanjem s človeškimi viri…"
N.N. 2001 Neopredmetena sredstva "Neopredmetena sredstva so bodoča nefinančna upravičenja do prihodnjih
dobičkov, ki nimajo materializirane oblike…"
Yang, S.; Brynjolfsson,
E. 2001 Neopredmetena sredstva
Ni definicije. Ustvarjanje neopredmetenih sredstev je drago, ustvarjajo pa
tok koristi v daljšem časovnem obdobju v prihodnosti
Gunther, T. 2001 Nematerializirana vrednost
Ni definicije. Poimenuje različne vrste neopredmetenih sredstev kot so blagovne znamke in patenti
Kriegbaum, C. 2001 Nematerializirana
vrednost
Avtor nematerializirano vrednost opredeli kot nematerializirano finančno
dobrino
AK “Immaterielle Werte im
Rechnungswesen” der
SG
2001 Nematerializirana
vrednost
Nematerializirana vrednost je nedenarna vrednost brez materializirane
pojavne oblike
Kaplan, R.S.; Norton,
D.P. 2001 /
Ni definicije. Avtor zgolj loči finančne indikatorje in nefinančne indikatorje
uspešnosti
Chan, L.K.; Lakonishok, J.;
Sougiannis, T.
2001 / Avtorji proučujejo zgolj R&D in oglaševanje
Mouritsen, J.; Bukh,
P.N.; Larsen, H.T.;
Johansen, M.R.
2002 IK "IK ni konvencionalen računovodski ali ekonomski pojem. Lahko je učinek, oddelčna strategija ali pa matematična formula…"
Petty, R.; Guthrie, J. 2002 IK "IK je ekonomska vrednost dveh vrst neopredmetenih sredstev… ". Avtorja
imata v mislih organizacijo in človeški kapital
Daum, J.H. 2002 IK in neopredmetena sredstva
Ne poda definicije. Poimenuje različna neopredmetena sredstva, kot so, človeški kapital in znanje
Bukh, P.N.; Johanson,
U. 2003 IK Avtorji se osredotočajo na poročanje.
Ordonez de Pablos, P. 2003 IK
"Široka definicija IK opredeljuje kot razliko med tržno in knjigovodsko
vrednostjo kapitala. Sredstva utemeljena na znanju, ki prispevajo k vzdržni
konkurenčni prednosti podjetja, tvorijo IK…"
Rastogi, P.N. 2003 IK
"IK lahko razumemo kot holistično sposobnost podjetja, da koordinira,
orkestrira in zaposli svoje na znanju temelječe potenciale za ustvarjanje vrednosti
Wood, J. 2003 IK Ne poda definicije. "IK je informacija v glavah ljudi…"
Bonfour, A. 2003 Neopredmetena sredstva Ni definicije, samo opomba, da ima definicija močan vpliv na merjenje in vrednotenje neopredmetenih sredstev
Funk, K. 2003 Neopredmetena sredstva Ni definicije. Omenjeni so kredibilnost vodstva, inovativnost, sposobnost
privabiti talente, družbena odgovornost…
Garcia-Ayuso, M. 2003 Neopredmetena sredstva Ni opredelitve.
Vir: Kaufmann, Schneider, 2004
Glede na veliko število različnih definicij IK se postavljajo mnoga povsem legitimna
vprašanja:
Kako je možno, da na isto vprašanje odgovarja takšna množica metodologij?
Zakaj se poročanje o IK v istem podjetju tako pomembno razlikuje iz leta v leto?
8
Ali je potrebno, da vsaka definicija IK pogojuje tudi svojo specifično metodo
upravljanja z IK?
Med množico raziskav na temo IK je možno poiskati skupni imenovalec. Večino raziskav
potrjuje, da je znanje ključno gonilo vzdržljive konkurenčne prednosti podjetij. Hkrati
predstavlja skupno značilnost vseh teh raziskav dokaj enotna uporaba izrazov, kot so
»neopredmetena sredstva«, »znanje« in »ustvarjanje vrednosti«. Stewart, ki velja za enega
izmed pionirjev raziskovanja IK, je IK opredelil kot vsoto vsega znanja, ki ga premorejo
zaposleni v podjetju, ki jim omogoča ustvarjanje konkurenčne prednosti. Drugače povedano,
gre za »intelektualni material« – znanje, informacije, intelektualno lastnino in izkušnje, ki jih
podjetje lahko uporabi v procesu ustvarjanja vrednosti. IK lahko torej opredelimo kot vsoto
vsega znanja v podjetju, ki je v lasti zaposlenih in ki omogoča podjetju ustvarjanje in
vzdrževanje konkurenčne prednosti (Stewart, 1998). Drugi avtorji IK opredeljujejo kot
intelektualni material v obliki znanja, informacij, intelektualne lastnine in izkušenj, s pomočjo
katerih lahko podjetja ustvarijo dodano vrednost (Bontis, 1998). Sveiby (2000) je IK
opredelil kot kombinacijo neopredmetenih sredstev, medtem, ko je Lev o IK razglabljal kot o
kombinaciji nematerializiranih sredstev, ki niso sestavni del bilance stanja (Lev, 2001).
Arenas (2008) je v svojem raziskovanju epiestemioloških korenin izraza IK ugotovil, da
večina definicij IK izhaja iz koncepta simbolike, ki sama po sebi omogoča množičnost
modelov upravljanja in vrednotenja IK. Kadar govorimo o znanju in vrednosti, govorimo o
njunem razmerju, ki ima pojavno obliko procesa. Organizacija je v luči relacijske kognitivne
teorije opredeljena kot skupek odnosov zaznamovanih s kulturo podjetja, organiziranih v
skladu s pravili pripadnosti med zaposlenimi, ki vodijo proces sprejemanja odločitev v smer
ustvarjanja vrednosti. IK moramo torej razumeti kot znanje, ki ustvarja vrednost, kar pomeni,
da z vidika relacijske epistemiologije intelektualni kapital ne more biti opredeljen kot
predmet. Intelektualni kapital je lahko opredeljen zgolj kot proces.
Čeprav obstaja splošen konsenz o tem, kaj tvori IK, generalno sprejeta definicija IK še vedno
ni bila opredeljena (Tan, Plowman, in Hancock, 2008). Če neopredmetena sredstva podjetja
opredelimo kot...« nekaj, kar je utemeljeno na znanju, nima materializirane pojavne oblike in
je uporabno in koristno za podjetje...« (Luthy, 1998), je iz te opredelitve razvidno, da
govorimo o nematerializiranih pojavnih oblikah, ki so v učeči se družbi in ekonomiji ključni
ustvarjalci vse večjega dela vrednosti podjetij.
Vsako podjetje lahko poseduje tri vrste sredstev: opredmetena, finančna in neopredmetena.
Vendar pa neopredmetena sredstva po svoji vsebini in formi niso enoznačno opredeljena.
Ločimo jih lahko na opredeljiva in neopredeljiva neopredmetena sredstva (Cohen, 2005).
Zaradi lažje razmejitve med eno in drugo obliko neopredmetenih sredstev bomo opredeljiva
neopredmetena sredstva (sem sodijo patenti, avtorske pravice, poslovne skrivnosti...)
imenovali kar neopredmetena sredstva, medtem ko bomo neopredeljiva neopredmetena
sredstva imenovali IK. To seveda ne pomeni, da opredeljiva neopredmetena sredstva niso
posledica znanja in intelektualnih aktivnosti. Gre za razlikovanje, ki temelji na razlikah v
pravni zaščiti, možnosti razporeditve koristi, ki jih posamezna vrsta sredstev ustvarja in s tem
možnosti njihovega vrednotenja in menedžiranja. Da bi lažje razlikovali obe vrsti
neopredmetenih sredstev, bomo našo definicijo IK razširili. IK je: «nekaj, kar je utemeljeno
na znanju, nima materializirane pojavne oblike, je uporabno in koristno za podjetje in ki v
smislu računovodskega evidentiranja ostaja skrito do trenutka, ko ga na osnovi transakcije
(prodaja, prevzem, pripojitev...) trg prepozna in ovrednoti«.
9
V skupnosti raziskovalcev IK se izrazi kot so neopredmetena sredstva, sredstva temelječa na
znanju in IK uporabljajo kot sinonim (Lev, 2001), vendar za potrebe proučevanja v okviru
našega raziskovanja tovrstna ohlapnost v izrazoslovju ni primerna. Raziskovanje bo
osredotočeno zgolj na IK, torej na tisti del neopredmetenih sredstev, ki so neopredeljiva in jih
računovodstvo ne evidentira. Na takšno razmejitev nas navajajo ključne vsebinske razlike
med opredeljivimi in neopredeljivimi neopredmetenimi sredstvi in dejstvo, da se težavnost
merjenja in ocenjevanja vrednosti stopnjuje, kadar ima sredstvo več lastnosti »mehkega« IK.
Opredeljiva neopredmetena sredstva ne bodo predmet našega raziskovanja.4
Računovodsko gledano smo do sedaj o IK govorili z vidika sredstev podjetja, čeprav je izraz
kapital v financah povezan s pasivno stranjo bilance stanja. Ko v računovodstvu govorimo o
kapitalu, imamo v mislih razliko, ki ostane, ko od vrednosti sredstev odštejemo vrednost
obveznosti. IK lahko torej definiramo tudi s strani pasive bilance stanja. V tem primeru je IK
tisto, kar ostane, ko od tržne vrednosti kapitala odštejemo knjigovodsko vrednost kapitala
(Tan, 2008). IK je torej (pozitivna) razlika med tržno in knjigovodsko vrednostjo kapitala
podjetja. V tem primeru govorimo o kapitalu utemeljenem na znanju (ang. »knowledge based
equity« (IFA, 1998)). Sveiby to razliko imenuje »nevidna bilanca stanja« (ang. »invisible
balance sheet« (Sveiby, 1990)). Definiranje IK z vidika sredstev ali z vidika obveznosti je
ekvivalentno do trenutka, ko je v definiciji vključena predpostavka o veljavnosti hipoteze o
učinkovitosti trga kapitala. V trenutku, ko to hipotezo pričnemo opuščati, se enačaj poruši.
Slika 1: Ključne razlike med intelektualnim kapitalom in neopredmetenimi sredstvi
Vir: lastna slika
Predpostavka, da trg kapitala ni popolnoma učinkovit (Shiller, 2002), implicitno
predpostavlja, da trg kapitala ne prepozna več v celoti notranje vrednosti podjetja, zaradi
česar nastane neravnovesje med tržno in notranjo vrednostjo podjetja in s tem5 nesorazmerje
med tržno in notranjo vrednostjo IK. V okviru naše študije bomo oba načina definiranja IK
jemali kot enakovredna in ekvivalentna. Izpostavljena dilema o vzdržljivosti hipoteze o
učinkovitosti trga kapitala na izsledke raziskovanja nima vpliva in je ne bomo podrobneje
obravnavali.
4 Za opredeljiva neopredmetena sredstva bi lahko uporabili tudi izraz intelektualna lastnina.
5 V primeru obstoja IK.
10
Vrednost IK je lahko negativna (Caddy, 2000) v primeru, da vrednost intelektualnih
obveznosti presega bruto vrednost IK oz. vrednost neopredeljivih neopredmetenih sredstev
oz. v primeru, da IK v daljšem obdobju ne ustvarja donosnosti, ki presega zahtevano stopnjo
donosa kapitala podjetja.6
2.2 Opredelitev sestavin IK
Iz definicij IK, ki smo jih predstavili, je razvidno, da je koncept IK teoretični konstrukt s
pomočjo katerega poskušamo pojasniti socialno okolje podjetja. Kljub temu, da bomo v
okviru raziskav na področju vrednotenja IK izhajali iz predpostavke, da je z vidika možnosti
alokacije koristi, ki jih posamezne sestavine IK prinašajo, IK dejansko soodvisna amorfna
gmota težko ločljivih sestavin. Kljub temu pa avtorji na ravni teoretičnega konstrukta IK
delijo na posamezne komponente. Delitev IK na sestavine je skoraj toliko, kot je avtorjev, ki
se ukvarjajo s to problematiko (Brooking, 1996; Edvinsson in Malone, 1997; Kaplan in
Norton, 1992; Leliaert, 2003; Lowendahl, 1997; Meritum, 2001; OECD, 1999; Roos, 1997;
Stewart, 1997; Sveiby 1997), še vedno pa ne obstaja enotna in splošno sprejeta opredelitev
sestavin IK.
Tabela 2: Nekaj primerov kategorizacije IK
Avtor Leto Kategorizacija elementov IK
Bontis, N.; Dragonetti, N.C.; Jacobsen, K.; Roos, G. 1999 Človeški kapital, strukturni kapital.
Brennan, N.; Connell, B. 2000 Interne strukture, eksterne strukture, človeški kapital.
Canibano, L.; Sanchez, P.; Chaminade, C.; Olea, M.; Escobar, C.G.; Garcia-Ayuso, M.
1999 Človeški kapital, strukturni kapital, relacijski kapital.
Edvinsson, L.; Malone, M.S. 1997 Človeški kapital, strukturni kapital.
Granstrand, O. 1999 Kreativnost, znanje, identiteta posameznikov.
Gunther, T. 2001 Eksterne strukture, interne strukture, kompetence zaposlenih.
Harrison, S.; Sullivan Sr, P.H. 2000 Človeški kapital, intelektualna sredstva in intelektualna lastnina.
Mouritsen, J.; Bukh, P.N.; Larsen, H.T.; Johansen,
M.R. 2002 Človeški kapital, organizacijski kapital, kapital kupcev.
Ordonez de Pablos, P. 2003 Človeški kapital, relacijski kapital, organizacijski kapital.
Petty, R.; Guthrie, J. 2002 Organizacijski (strukturni) kapital, človeški kapital.
Rastogi, P.N. 2003 Človeški kapital, socialni kapital, upravljanje z znanjem.
Sanchez, P.; Chaminade, C.; Olea, M. 2000 Človeški kapital, strukturni kapital, relacijski kapital.
Stewart, T.A. 1998 Človeški kapital, strukturni kapital, relacijski kapital.
Sullivan, P.H. 2000 Človeški kapital ustvarja intelektualna sredstva, ki vključujejo
intelektualno lastnino.
Sveiby, K.E. 1997 Eksterne strukture, interne strukture, kompetence zaposlenih.
6 Ali zahtevane donosnosti sredstev, če uporabljamo produkcijsko funkcijo.
11
N.N. 2001 Sedem FASB kategorij.
AK “Immaterielle Werte im Rechnungswesen” der SG 2001 Inovacijski kapital, človeški kapital, kapital kupcev, kapital dobaviteljev, kapital investitorjev, procesni kapital, lokacijski
kapital.
Kriegbaum, C. 2001 Opredeljiva in neopredeljiva sredstva.
Lev, B. 2001 Odkritja, organizacijske prakse, človeški viri.
Gu, F.; Lev, B. 2001 R&D, oglaševanje, IT, upravljanje s človeškimi viri.
Michalisin, M.l D.; Kline, D.M.; Smith, R.D. 2000 Ugled, know-how, organizacijska kultura.
Vir: Kaufmann, Schneider, 2004
Najpogosteje v literaturi zasledimo definicijo, ki jo je priporočila Evropska Skupnost in
temelji na raziskovalnem projektu Meritum (2001), ki IK razdeli na tri kategorije: človeški
kapital (v nadaljevanju HC), strukturni kapital (SC) in kapital poslovnih povezav (RC).7
Človeški kapital je najpomembnejša sestavina IK in dejansko pogojuje vse ostale sestavine
(Daum, 2003, str. 17). Vključuje individualne sposobnosti zaposlenih, ki omogočajo podjetju
ustvarjati pozitivno razliko v donosnosti v primerjavi s konkurenco. To je tudi ključna točka
razlikovanja med človeškimi viri in človeškim kapitalom.
Pod pojmom strukturni kapital pojmujemo vse tisto...«kar ostane v pisarni, ko zaposleni ob
petih odidejo domov« (Roos, 1997). To so sistemi, postopki, opravila in organizacija, ki
omogočajo neprekinjeno delovanje verige ustvarjanja vrednosti temelječe na človeškem
kapitalu. Za razliko od človeškega kapitala, ki smo ga opredelili kot obveznost, lahko
strukturni kapital opredelimo kot sredstvo v lasti podjetja.
Slika 2: Prikaz sestavin intelektualnega kapitala in intelektualne lastnine
Vir: lastna slika
Najpomembnejši del kapitala poslovnih povezav je predvsem vrednost povezav s kupci in
dobavitelji podjetja. Ta kapital se npr. odraža v lojalnosti kupcev do podjetja in s tem
posredno v rasti in dolgoročni stabilnosti denarnih tokov, ki izhajajo iz teh povezav.
Z vidika vrednotenja IK je pomembno dejstvo, da posamezne sestavine IK v procesu
ustvarjanja vrednosti ne nastopajo osamljeno, temveč v medsebojni kombinaciji in v
kombinaciji z ostalimi sredstvi podjetja (Andriessen, 2004).
7 Podobno definicijo komponent IK je že v l. 1997 razvil Stewart (1997), (ang. »human capital«, »structural
capital« in »relationship capital«). V okviru raziskovanja s pomočjo modela VAIC, bomo definicijo delno
modificirali.
12
2.3 Veriga vrednosti v podjetju s pozitivno vrednostjo IK
V poslovnih modelih sodobnih podjetij klasična industrijska veriga vrednosti izgublja na
pomenu. Velik del vrednosti8 teh podjetij namreč izhaja iz verige vrednosti temelječe na
elementih IK. Takšna transformacija je dejansko posledica (in ne vzrok) prehoda iz
industrijskega tipa ekonomije, ki jo je opredeljeval trg prodajalcev in masovna produkcije, v
ekonomijo znanja, ki jo danes vse bolj opredeljuje diferenciacija kot ključni dejavnik
uspešnosti podjetij (Kaplan, Norton, 1996). Danes podjetja bistveno več vlagajo v pripravo
operativnih aktivnosti (R&D, blagovna znamka, CRM...) kot pa v njihovo izvedbo
(proizvodnja, prodaja, dostava). Sestavine IK so po svoji naravi inertne (Arenas in
Lavanderos, 2008). Same po sebi nikoli ne ustvarjajo vrednosti ali generirajo rasti podjetja.
Njihova vrednost pride do veljave samo v povezavah z ostalimi gonili vrednosti (Mouritsen,
2003).
Sestavine IK potrebujejo ustrezne podporne sisteme, ki omogočajo ustvarjanje dodane
vrednosti (Ridderstrale in Nordstrom, 2003). Ustrezna organizacijska infrastruktura, ki to
omogoča, je postala ključni »produkcijski faktor« podjetja. Organizacijska infrastruktura
omogoča delovanje virtualnega ciklusa ustvarjanja vrednosti postindustrijskega podjetja.
Slika 3: Veriga ustvarjanja vrednosti postindustrijskega podjetja
Vir: lastna slika
Investicije, ki jih podjetja namenjajo za razvoj človeškega kapitala, je potrebno sistematično
pretvarjati v strukturni kapital podjetja, le tega pa v kapital poslovnih odnosov, ki se mora
8 V obdobju napihovanja tehnološkega balona so nekateri avtorji trdili, da preko 85% vrednosti podjetij iz
ameriškega borznega indeksa S&P 500 ustvarja intelektualni kapital (Lev, 2000; Daum, 2003). Te trditve, ki so
temeljile na razmerju med tržno ceno delnic in njihovo knjigovodsko vrednostjo, so se s padcem tečajev delnic v
l. 2001 in l. 2008 izkazale kot anekdotične.
13
odraziti v nadpovprečni donosnosti poslovanja in s tem višji ceni delnice podjetja na trgu.9 Pri
tej transmisiji IK v vrednost podjetja gre za primarno sociološki fenomen, ki je v večini
primerov neviden in empirično težko prepoznaven.
Slika 4: Transmisija intelektualnega kapitala v vrednost podjetja
Vir: lastna slika
2.4 Lastnosti gonil vrednosti
Podobno kot velja za ostala opredmetena in finančna sredstva, tudi IK ustvarja dodano
vrednost (in s tem nevidni del bilance stanja) le takrat, ko omogoča doseganje donosnosti, ki
je nad zahtevano donosnostjo.10
Takšno ustvarjanje vrednosti se v nekaterih elementih močno
razlikuje od klasične ekonomike podjetij. Ti odkloni imajo ključen vpliv na zmožnost
napovedovanja oz. načrtovanja razvoja ključnih gonil vrednosti podjetij.
Bolj ko je poslovni model podjetja odmaknjen od klasičnega industrijskega tipa podjetja, večji
je vpliv nematerializiranih gonil vrednosti, temelječih na znanju. Za prikaz lastnosti
nematerializiranih gonil vrednosti, ki vse temeljijo na človeku in njegovem znanju, bomo v v
nadaljevanju proučili procese ustvarjanja, ohranjanja in udejanjanja znanja ter raziskali vse
posledice, ki jih imajo ti procesi na proces ustvarjanja vrednosti v podjetju.
2.4.1 Znanje kot ključno gonilo vrednosti: kako nastane, v čigavi lasti je in kako se širi?
Znanje je izhodišče vsake verige vrednosti v podjetju, zato bo v središču našega proučevanja
način, na katerega se to znanje ustvarja in prenaša, njegove značilnosti ter vpliv na rast
podjetja. Pri tem si bomo pomagali z izsledki Nove teorije rasti,11
ki se je v zadnjih desetletjih
razvila kot resna alternativa Neoklasični teoriji rasti. Nova teorija rasti je zasnovana kot
makroekonomska teorija, je pa v predpostavkah te teorije implicitno vključena mikro raven
delovanja posameznih gospodarskih subjektov, ki predstavljajo neke vrste osnovne celice
geneze rasti in razvoja gospodarstva kot celote.
Nove ideje se vedno porodijo v glavah posameznikov. Vendar, če je nastanek ideje
individualno pogojen, je njen nadaljnji razvoj v veliki meri odvisen od interakcije nosilca
ideje z ljudmi, s katerimi je obkrožen. Ustvarjanje znanja kot posledice razvoja idej je torej
dvodimenzionalen proces: individualen in hkrati kolektiven. Začne se na ravni kreativnosti
posameznika, nadgrajuje pa v socialni interakciji ustvarjalca s člani ožje in širše skupnosti, v
9 Ob predpostavki učinkovitega trga kapitala.
10 Kasneje si bomo podrobneje ogledali modele vrednotenja IK, temelječe na načelu presežne donosnosti.
11 Ang. »New Growth Theory«.
14
kateri živi in ustvarja. Da bi bil ustvarjalni proces zaposlenih v podjetju čim bolj sproščen in
neoviran, mora biti za to ustvarjena ustrezna organizacijska klima in vzpostavljeni
mehanizmi, ki kreativne procese ustvarjanja in širjenja idej spodbujajo. V »zastrupljeni«
organizacijski klimi in kreativnosti nenaklonjenem okolju ustvarjanje novih idej postane
redka dobrina. »Če je ustvarjalnost postavljena pred puško, se po navadi pusti ustreliti«
(Ridderstrale in Nordstrom, 2003, str. 196).
Za naše proučevanje je pomembno poznavanje procesov nastajanja znanja. Obstajata dve vrsti
znanja: skrito in razkrito znanje.12
Skrito znanje je znanje, ki ga posamezniki nosijo v sebi in
ga ne znajo, ne morejo ali nočejo razkriti. »Vemo več, kot znamo povedati« (Nonaka, 1994,
str. 16). Razkrito znanje je znanje, ki je bilo v procesu socializacije (prenosa) zapisano v
postopkih, formulah, zapisih, priročnikih… in je na razpolago vsem zainteresiranim. Posebej
pomembna značilnost razkritega znanja je njegova skoraj neomejena prenosljivost. Moderne
tehnologije dandanes omogočajo, da je razkrito znanje možno prenašati po celi zemeljski obli
v izjemno kratkem času in praktično brez stroškov. Zaradi skoraj neomejene, hitre in
stroškovno nezahtevne prenosljivosti razkritega znanja lahko to znanje razvrstimo v
kategorijo »blaga«, s katerim se odplačno ali neodplačno trguje in je na razpolago vsem
udeležencem na trgu. In to, kar je na razpolago vsem, ne more tvoriti konkurenčne prednosti
in predstavljati osnove za nadpovprečno donosnost podjetij. Razkrito znanje, ki ga je podjetje
odplačno ali neodplačno pridobilo iz okolja, torej ne more biti ustvarjalec vzdržljive
konkurenčne prednosti podjetja.
Skrito znanje se glede načina ustvarjanja in prenosa močno razlikuje od razkritega znanja. Je
precej manj mobilno, saj je unikatno vtisnjeno v spominu posameznikov, ki so ga ustvarili.
Skrito znanje, ki še ni postalo »blago«, je torej nekaj unikatnega in predstavlja tisti sestavni
del celote nekega podjetja, ki to podjetje lahko naredi drugačno od konkurentov. Podjetja
imajo večinoma zelo podoben dostop do tehnologije, lahko ustvarjajo podobne prodajne poti
in podobne poslovne modele, a tisto, kar jih dela drugačne, ni razkrito znanje, ki ga lahko
kadarkoli kupijo na trgu ali prenesejo z interneta. Lahko celo rečemo, da za podjetje, ki
razpolaga s kodiranim (zapisanim) razkritim znanjem, še ne pomeni, da hkrati razpolaga z
znanjem v širšem pomenu besede. Za obstoj »pravega« znanja je potreben sočasen obstoj
skritega znanja. Kljub procesu »velike demokratizacije« dostopa do razkritega znanja, ki ga
omogočajo moderne komunikacijske poti, empirične študije kažejo, da proces ustvarjanja
znanja kljub vsemu ostaja deloma lokaliziran proces. Raziskave namreč kažejo, da je
geografska razpršenost patentov bistveno bolj koncentrirana, kot je koncentrirana razpršitev
ekonomske aktivnosti (Caniels, 1997). Lahko bi zaključili, da čim hitreje se širi znanje in čim
bolj dostopno in čim cenejše je, tem manjša je njegova sposobnost ustvarjanja nadpovprečne
dodane vrednosti in dolgoročne strateške prednosti za podjetje. Iz tega sledi, da razkrito
znanje samo po sebi ni dovolj za obstoj intelektualnega kapitala v podjetjih. Očitno podjetje
potrebuje še nekaj več. Da bi lahko skrito in razkrito znanje postavili v kontekst našega
proučevanja intelektualnega kapitala, je potrebno najprej raziskati povezave med obema
oblikama znanja. Za ta namen bomo proučili »Nonakin model spirale znanja« (Nonaka,
1994), ki po naši oceni zelo nazorno razkriva procese ustvarjanja posameznih elementov IK v
podjetjih ter njihovo medsebojno povezanost in odvisnost.
2.4.2 Nonakin model spirale znanja
Za proces ustvarjanja vrednosti v podjetju smo rekli, da je v prvi vrsti pomembno, kako se v
podjetju znanje ustvarja, kako spreminja svojo pojavno obliko in kako se širi. Nonaka (1994)
12
Ang. »tacit and explicit knowledge«.
15
je razvil Model spirale znanja, ki temelji na štirih ključnih procesih konverzije znanja. Model
predpostavlja, da se znanje lahko transformira iz:
skritega v skrito znanje (socializacija znanja),
iz skritega v razkrito (eksternalizacija znanja),
iz razkritega v razkrito (kombinacija znanja) in iz
razkritega v skrito znanje (internalizacija znanja).
Če se najprej vrnemo na področje raziskovanja intelektualnega kapitala, lahko iz različnih
definicij IK povzamemo, da je proces ustvarjanja intelektualnega kapitala obravnavan
predvsem kot enosmerni proces, kjer se človeški kapital s pomočjo interakcije z
opredmetenimi sredstvi podjetja postopoma preoblikuje v strukturni kapital in kapital
odnosov s poslovnimi partnerji. Vse tri oblike intelektualnega kapitala potem (skupaj z
opredmetenimi sredstvi podjetja) sodelujejo v procesu ustvarjanja vrednosti. Menimo, da je
takšna enosmerna obravnava povezav med elementi IK neustrezna poenostavitev procesa
ustvarjanja vrednosti. Povezave med elementi IK so bistveno bolj kompleksne in raznovrstne.
Po naši oceni obstaja kompleksen sistem dvojnih povratnih zank med elementi IK, ko
posamezen element IK vpliva na razvoj drugega elementa IK, hkrati pa razvoj drugega
elementa IK predstavlja novo osnovo za nadaljnji razvoj prvega elementa IK.13
Ta abstraktna
kompleksnost delovanja IK povzroča, da je empirično proučevanje IK tako kompleksno in
težko opravilo.
Obstoj sistema dvojnih povratnih zank bomo poskušali pojasniti s pomočjo Modela spirale
znanja. Zaradi lažjega postavljanja vzporednic med modelom in področjem proučevanja IK
bomo terminologijo in vsebino modela prevedli v terminologijo raziskovalnega področja IK.
Tako lahko skrito znanje v grobem poistovetimo s človeškim kapitalom. Skrito znanje se
skozi proces socializacije znanja krepi in se z verbalno in/ali neverbalno komunikacijo širi
med sodelavci v podjetju. Ker je to znanje zelo omejeno mobilno,14
ostaja v podjetju kot
nekaj, po čemer se podjetje razlikuje od ostalih podjetij.
Proces eksternalizacije znanja bi lahko poistovetili s procesom ustvarjanja strukturnega
kapitala. Gre namreč za proces, v katerem se skrito znanje pretvori v razkrito znanje.
Ponazorimo ga lahko s primeri, ko se določene nove aktivnosti v podjetju, ki so nastale kot
posledica inovativnega razmišljanja in delovanja zaposlenih, pretvorijo v formalizirane
procedure, procese in organizacijo. V tem primeru se tisto, kar so…»zaposleni ob petih
popoldan vsak dan odnesli s sabo domov«…, transformira v nekaj, kar ostane v podjetju tudi
po peti uri in ni več v celoti odvisno od volje, razpoloženja in obstoja posameznika. Tukaj se
enodimenzionalna zgodba proučevanja IK po navadi konča: človeški kapital se transformira v
strukturni kapital, oba skupaj sodelujeta v procesu ustvarjanja vrednosti.
Model spirale znanja (Nonaka, 1995) razkriva še dve dimenziji transformiranja znanja v
podjetjih. S pomočjo procesa kombinacije znanja se lahko razkrito znanje transformira v novo
razkrito znanje. Strukturni kapital se lahko transformira v novo obliko strukturnega kapitala.15
13
Kasneje bomo na podobno predpostavko naleteli tudi v okviru proučevanja »Zakona naraščajočih donosov«
(Kurzweil, 1997). 14
Iz podjetja »odhaja« v večji meri zgolj z odhodi zaposlenih v druga delovna okolja. 15
V vsakem od navedenih transformacij seveda velja predpostavka inertnosti elementov IK, ki pravi, da elementi
IK sami za sebe ne morejo delovati in kot takšni ne obstajajo.
16
Hkrati se lahko razkrito znanje transformira v skrito znanje, kar model spirale znanja
opredeljuje kot proces internalizacije znanja. Strukturni kapital se torej lahko transformira v
človeški kapital. Podjetje kot celota ustvarja znanje šele takrat, ko so vse štiri oblike
transformacije znanja v podjetju upravljane na način, da tvorijo kontinuiran ciklični proces, ki
ga Nonaka imenuje »spiralni proces« ustvarjanja znanja (Nonaka, 1994, str. 20). Spiralni
proces ustvarjanja znanja torej tvori kompleksen sistem dvojnih povratnih zank med elementi
IK, ki povzroča, da razvoj enega elementa IK hkrati predstavlja novo osnovo za razvoj
drugega elementa IK. Iz same opredelitve povezav med skritim in razkritim znanjem oz. med
elementi IK izhaja, da Nonakina spirala znanja ni linearen proces. Sistem dvojnih povratnih
zank med elementi IK torej sam po sebi predpostavlja nelinearnost povezav in s tem
nelinearnost učinkov teh povezav.
2.4.3 Lastništvo nad IK podjetja
Če je posameznik s svojim skritim znanjem in individualnimi sposobnostmi v samem središču
ustvarjanja korporativnega znanja, se takoj pojavi logično vprašanje, kdo je tisti, ki dejansko
obvladuje podjetja z visoko ravnjo prisotnosti IK. Kontrola nad postindustrijskim tipom
podjetja ni več v celoti vezana na lastništvo finančnega kapitala, saj človeški kapital kot
ključno gonilo v verigi vrednosti ni v lasti in popolni kontroli podjetij (Ridderstrale, 2003).
Pozicija moči finančnega kapitala nasproti človeškemu kapitalu je v veliki meri odvisna od
razmerja med količino skritega in razkritega znanja v podjetju, oz. od razmerja med
prisotnostjo človeškega in strukturnega kapitala. Višji ko je strukturni kapital, manjša je
odvisnost podjetja od človeškega kapitala. Višja raven strukturnega kapitala pomeni nižje
tveganje podjetja, da se z odhodom kreativnih zaposlenih podjetje čez noč ustavi. Če je skrito
znanje sistematično transformirano v razkrito znanje, potem je velik del znanja podjetja na
razpolago zaposlenim, ki v podjetju ostanejo. Seveda to velja izključno na kratek rok in za
odhod zaposlenih, ki niso ključni sposobneži. Tukaj v igro vstopi značilnost strukturnega
kapitala, ki smo jo že omenili. Njegova inertnost. Brez človeškega kapitala strukturni kapital
dejansko sploh ne obstaja. Če se z odhodom zaposlenih poruši kontinuiteta spiralnega procesa
ustvarjanja znanja in se s tem poruši model dvojnih povratnih zank med elementi IK, potem
lahko nekoliko slikovito rečemo, da je na kratek rok strukturni kapital »prestavljen v mrtvi
tek«, na dolgi rok pa prihaja do njegovega odmiranja oz. zmanjševanja njegove uporabne
vrednosti. Iz navedenega bi lahko povzeli, da ne velja v celoti zanesena ocena nekaterih
avtorjev, da je kontrola postindustrijskega podjetja v celoti prešla v roke zaposlenih v podjetju
(Ridderstrale in Nordstrom, 2003). Velja pa, da je na kratek rok kontrola nad podjetjem
deljena med lastniki finančnega kapitala in »lastniki« človeškega kapitala in to v razmerju, ki
ga po naši oceni implicitno določa razmerje med skritim in razkritim znanjem v podjetju.
Glede na to, da je razkrito znanje (strukturni kapital) veliko bolj mobilno kot skrito znanje
(človeški kapital), se v procesu, ki ga imenujemo »prelivanje znanja«,16
strukturni kapital v
določenem delu postopoma transformira v »blago«, ki je dostopno vsem zunanjim
zainteresiranim uporabnikom, vključujoč konkurenco podjetja. S tem strukturni kapital izgubi
svojo potencialno sposobnost ustvarjanja nadpovprečne uspešnosti. Podjetje nima ničesar več,
kar ne bi bilo na razpolago tudi njegovi konkurenci. S tem je postopoma izgubljena
konkurenčna prednost podjetja. Če se zaradi odhoda (ključnih) zaposlenih (znižanja
človeškega kapitala), zniža raven skritega znanja v podjetju in če se hkrati prekine proces
dvojne povratne zanke ustvarjanja novih idej in njihove socializacije, potem podjetje izgubi
ključni potencialni generator ustvarjanja nadpovprečne dodane vrednosti. To hkrati pomeni,
da so lastniki finančnega kapitala ostali brez glavnega potencialnega generatorja
16
Ang. »knowledge spillover«.
17
nadpovprečne donosnosti,17
s tem pa je podjetje, gledano skozi očala finančnih modelov, s
katerimi ocenjujemo IK, ostalo brez IK. Če povzamemo; brez človeškega kapitala ima
strukturni kapital omejeno življenjsko dobo, finančni kapital pa je brez obeh elementov IK
podjetja popolnoma inerten.
2.4.3 Spremenjeni zakoni ekonomike delovanja ključnih gonil vrednosti
Tudi v tem sklopu analize lastnosti ključnih gonil vrednosti postindustrijskega podjetja se
bomo dotaknili izsledkov Nove teorije rasti (Romer, 1990) in jih poskušali prenesti na
področja proučevanja IK. Nova teorija rasti je nastala kot odgovor na nedoslednosti
Neoklasične teorije rasti. Neoklasično teorijo zgolj dopolnjuje v elementih, ki so se z vidika
gospodarske rasti pokazali pomembni a jih neoklasična teorija ne vključuje. Ena izmed
temeljnih predpostavk večine ekonomskih modelov temelječih na neoklasični doktrini je
zakon o padajočem donosu. Na zakonu padajočih donosov sloni skoraj celotna klasična
mikroekonomija. Ta zakon pravi, da bo, če fiksnemu produkcijskemu faktorju dodajamo
variabilni produkcijski faktor, mejni končni produkt po določeni točki začel upadati. Zakon
padajočih donosov je pomemben, saj pogojuje učinek naraščajočih mejnih stroškov, oboje pa
je predpogoj procesa, ki so ga neoklasični ekonomisti zmodelirali v proces doseganja
ekonomskega ravnotežja (optimalne produkcije). Slabost teorije padajočih donosov v
različici, ki izvira iz časov Adama Smitha (Cortright, 2001), je, da bi v okolju, kjer velja
zakon padajočih donosov, zaradi omejene razpoložljivosti produkcijskih tvorcev prišlo do
postopnega upočasnjevanja gospodarske rasti. Zaradi pomanjkanja produkcijskih tvorcev bi
se gospodarska rast na koncu ustavila. Opisani neoklasični model je bil v petdesetih letih
prejšnjega stoletja nadgrajen s strani Roberta Solowa (1950), ki je model nadgradil s tretjim
produkcijskim faktorjem18
– tehnološkim znanjem. V njegovem modelu je zakon padajočih
donosov omejen zgolj na delo in kapital, medtem ko je tehnološko znanje tisti faktor
produkcije, ki omogoča rast produktivnosti in s tem gospodarsko rast. Tehnološko znanje je v
model vključeno kot eksogeni dejavnik, ki ga opredeljujejo sile izven ekonomije. Zaradi te
predpostavke se model imenuje »eksogeni model rasti« (Romer, 1990). Model še vedno
temelji na predpostavki, da je večina gospodarske rasti ustvarjena s pomočjo kombiniranja
dela in kapitala, da pa je nepojasnjeni del rasti posledica zunanjega dejavnika v obliki
tehnološkega napredka. Ne glede na omenjeno širitev modela je njegova temeljna
predpostavka še vedno popolnost delovanja trgov, kar ekonomijo pripelje v (nemonopolno)
ravnotežno stanje produkcije in alokacije. Ekonomska politika države je omejena na
spodbujanje in ohranjanje konkurence, zagotavljanje ustrezne ravni izobraževanja ter na
spodbujanje varčevanja in investiranja.
Neoklasični modeli nikoli niso iskali razlogov, ki privedejo do spremembe tehnologije in na
ta način spodbudijo nadaljnjo akumulacijo kapitala in rast produktivnosti, ki predstavljata
ključna tvorca gospodarske rasti. Padajoči donosi so posledica omejene razpoložljivosti
proizvodnih tvorcev. Tukaj nastopi ključna razlika med Neoklasično teorijo in Novo teorijo
rasti. Znanje je v samem središču modela Nove teorije rasti. Veja znanosti, ki proučuje IK, z
večino svojih predpostavk posredno in neposredno izhaja ravno iz izsledkov te teorije. Znanje
se od ostalih produkcijskih faktorjev razlikuje predvsem v dveh pogledih: pri znanju je
možna njegova hkratna uporaba, obenem pa je močno omejeno zagotavljanje ekskluzivnosti
uporabe znanja (Romer, 1990). IK je možno uporabljati neomejenokrat istočasno (»Ustvariti
informacijo je drago, reproducirati jo je poceni« (Shapiro, 2003, str. 50)).
17
Kasneje bomo obstoj IK postavili v odvisnost od doseganja nadpovprečne donosnosti. 18
Prva dva produkcijska faktorja sta kapital in delo.
18
Neekskluzivnost lastništva in eksploatacije znanja (Lev, 2004) je značilnost, po kateri se IK
močno razlikuje od ostalih vrst kapitala. Lastnik opredmetenega sredstva ali finančnega
premoženja (npr. obveznice) lahko koristi, ki mu jih to premoženje prinaša, v celoti obvladuje
in prevzema, medtem ko za intelektualna in neopredmetena sredstva to ne velja.
Neekskluzivnost uporabe znanja je ključna točka Nove teorije rasti in hkrati ključna točka
proučevanja ustvarjanja in učinkovitosti IK. Isto idejo lahko sočasno uporablja neomejeno
število ljudi in to ob praktično ničelnih stroških. To pomeni, da v svetu znanja in idej zakon
padajočih donosov ne velja. Ravno obratno. Velja Zakon naraščajočih donosov19
. Zakonitost
naraščajočih donosov pooseblja Metcalfov zakon omrežja (Daum, 2003). Bistvo tega zakona
je, da večkrat, ko prodamo naš izdelek in več ljudi kot ga uporablja, večjo vrednost ima.
Človeštvo od nekdaj razpolaga z enako količino razpoložljivih produkcijskih faktorjev.
Naraščajoči življenjski standard človeštva pa je v prvi vrsti posledica njegove sposobnosti, da
omejene produkcijske faktorje vedno znova kombinira na nove načine in jih pretvarja v
oblike, ki omogočajo ustvarjanje višje vrednosti za uporabnike. Romer to sposobnost človeka
ponazarja s kuharjem, ki z uporabo osnovnih in poceni sestavin ter z uporabo novih
receptov lahko ustvari množico čudovitih in slastnih jedi (Romer, 2007). Tako je razlika med
osebnim računalnikom, ki ga uporabljamo danes in njegovim prednikom iz leta 1982, res
samo v tem, da so enake sestavine (materiali) sestavljeni v nekoliko drugačno kombinacijo
(Grossman, Helpman, 1994). Ekonomski potencial idej je nepredstavljiv, njihov mejni
strošek proizvodnje pa zanemarljiv. Svet intelektualnega kapitala je torej svet naraščajočih
donosov in zanemarljivih mejnih stroškov. Mikroekonomsko načelo naraščajočih donosov,
izhajajočih iz znanja, ima posledico v načinu našega razmišljanja o prihodnosti. Razmišljanje
o prihodnosti pa je eno od ključnih opravil v postopkih ocenjevanja vrednosti. Ljudje imamo
sposobnost predstave ocen, ki temeljijo na seštevanju količin, zelo slaba pa je naša predstava
o nelinearnih pojavih oz. pojavih, kjer je rast posledica ponavljajočega se multipliciranja
spremenljivk. Enostavno podcenjujemo hitrost spreminjanja stvari, ki so v nelinearni
povezavi. In znanje je v nelinearni povezavi s produktom, ki ga generira. Če poskušamo
potegniti analogijo s področjem proučevanja IK: podobno kot nelinearna povezava med
znanjem in končnim produktom velja za makroekonomsko okolje, velja tudi za
mikroekonomijo.
Analiza zgodovine tehnološkega razvoja kaže, da tehnološki razvoj izkazuje značilnosti
eksponentne rasti, čeprav je percepcija večine ljudi, da se svet okoli nas spreminja
enakomerno linearno. Ta pojav imenujemo »intuitivna linearnost razvoja« (Kurzweil, 2000).
Ta povzroča, da večina med nami prihodnost vidi kot nekaj, kar je zelo podobno trenutnemu
stanju. V resnici pa živimo v svetu, ki se spreminja z bistveno višjo hitrostjo, kot to opazi
večina med nami. Če eksponentno krivuljo razvoja opazujemo v krajšem intervalu, daje
krivulja vtis linearne premice. Podobno je z našo percepcijo sveta. Kadar razmišljamo o
preteklosti, je večina našega razmišljanja osredotočenega na krajšo preteklo obdobje.
Podobno velja za naše razmišljanje o prihodnosti. Zelo težko sami sebe projiciramo v daljno
prihodnost. Če oboje sestavimo v sliko sveta, ki ga podoživljamo, je v naših mislih večinoma
relativno kratko obdobje nekaj let, ki ga dojemamo kot linearno sosledje dogodkov.
Večinoma torej razmišljamo o kratkem pasu sicer eksponentne krivulje razvoja človeštva, ki
ustvarja vtis, da se svet okoli nas spreminja z linearno hitrostjo. Eksponentna rast pa ni
nekaj, kar je značilno samo za današnji svet, v katerem živimo. Značilna je za praktično
celotno zgodovino človeštva. Značilna je za vse evolucijske procese. Če analiziramo
dinamiko razvoja človeških možganov, bomo dobili vpogled v eksponentno dinamiko
razvoja. Paleontologi predvidevajo, da se ključna sprememba človeške evolucije zgodila v
19
Zakon naraščajočega donosa je povzročil težave pri matematičnem modeliranju gospodarske rasti temelječe na
znanju kot njenem endogenem kreatorju.
19
obdobju zadnjih 3 milijone let in da se je prvotna oblika možganov pojavila nekje pred 500
milijoni let. Možgani so potrebovali cca 430 milijonov let, da so se razvili na raven zgodnjih
primatov in naslednjih 70 milijonov let, da so se razvili do ravni humanoidov. Nato je prišlo
do močne spremembe dinamike razvoja. V naslednjih dveh milijonih let so se človeški
možgani več kot podvojili v svoji teži predvsem na račun rasti čelnega režnja, ki človeku kot
edinemu živemu bitju na zemlji omogoča razmišljanje o prihodnosti (Gilbert, 2006). Razvoj
ima torej značilnosti evolucijskega procesa in za evolucijske procese velja Zakon
naraščajočih donosov. Zakon naraščajočih donosov temelji na naslednjih značilnostih (Garis,
2011):
Rast ima značilnosti pojavov s pozitivno dvojno povratno zanko. Najučinkovitejša
tehnologija iz predhodnega obdobja predstavlja izhodiščno točko za razvoj tehnologije
v naslednjem obdobju.
Rast ima skozi čas obliko eksponentne funkcije.
Posledica eksponentne rasti razvoja so eksponentno naraščajoči donosi gospodarskih
subjektov.
Ko določena tehnologija prevzame primat najučinkovitejše tehnologije, se v razvoj te
tehnologije investira še več sredstev, kar še pospeši njen nadaljnji razvoj. To pripelje
do t.i. učinka dvojne eksponentne rasti. Ne samo, da je rast eksponentni fenomen, tudi
stopnje eksponentne rasti naraščajo eksponentno.
Pojava, ki izkazujeta značilnost dvojne eksponentne rasti, sta biološka in tehnološka
evolucija.
Prevladujoča tehnološka paradigma omogoča eksponenten razvoj do trenutka, ko se
izčrpajo njeni potenciali. Ko se to zgodi, pride do spremembe oz. zamenjave
tehnološke paradigme, ki omogoči nadaljevanje eksponentne rasti.
Navidezni kaos, v katerem se dogaja tehnološki razvoj, omogoča široko raznolikost
nadaljnjega razvoja. V bioloških procesih se takšna raznolikost izkazuje v obliki
neštetih mutacij, ki se skozi čas in skozi proces selekcije odrazijo v naslednjih višjih
razvojnih oblikah.
Tehnološka paradigma ima obliko S krivulje. Zaradi nizkih startnih osnov je rast v
začetnih fazah dokaj nizka. Sledi ji faza hitre rasti, ki se v zadnji fazi rasti umiri. Ko
paradigma izgubi potencial za nadaljnjo rast, jo zamenja nova paradigma.
Človeštvo je za razvoj kolesa potrebovalo deset tisoče let. Ljudje, ki so živeli v tistem
obdobju, niso imeli občutka, da se svet okoli njih dinamično spreminja. V zadnjih tisoč letih
je razvoj bistveno hitrejši. Za spremembo tehnološke paradigme je bilo v zadnjih tisoč letih
potrebnih samo še nekaj sto let. Če to primerjamo z razvojem v devetnajstem stoletju, je
slednji izkazal večjo dinamiko kot v vseh zadnjih devet sto letih skupaj. Že prvih dvajset let
dvajsetega stoletja je prineslo večji napredek v tehnologiji kot predhodnih tisoč let. Če pa
gledamo tehnološki razvoj dandanes, lahko rečemo, da je napredek, ki ga doživimo v nekaj
letih, večji od celotnega napredka, ki ga je človeštvo doživelo v zadnjih dva tisoč letih.
Stopnja hitrosti spremembe tehnološke paradigme se v današnjem času v vsakem desetletju
20
več kot podvoji. Človeštvo lahko pričakuje, da bo v enaindvajsetem stoletju doseglo deset
tisočkrat večje tehnološke spremembe kot v celotnem dvajsetem stoletju (Kurzweil, 2001).20
Če pogledamo večino neoklasičnih ekonomskih modelov, s katerimi poskušamo modelirati
ekonomske pojave, vidimo, da večina teh modelov temelji na linearni percepciji sveta. Gre
torej za identičen pojav, kot velja za intuitivno linearno človeško percepcijo sveta. Če svet in
ekonomijo opazujemo v krajšem časovnem obdobju, oba dajeta podobo linearnosti. Če pa jo
opazujemo skozi daljše časovno obdobje, dobi razvoj sveta značilnosti eksponentnega
pojava. Ekonomski modeli, s katerimi operiramo v financah, nam v krajšem obdobju
predvsem ko se nahajamo v začetni fazi S krivulje razvoja, lahko služijo kot dober približek
dejanskega dogajanja. Ko pa rast preide v drugo fazo S krivulje, postanejo linearni
pojasnjevalni modeli brez prave sporočilne vrednosti.
Slika 5: Rast BDP v ZDA skozi čas v stalnih cenah ima obliko eksponentne krivulje
Vir: Kurzweil, 2001
Tudi produktivnost ima značilnosti eksponentne rasti, čeprav obstoječa statistična
metodologija te nelinearnosti ne zaznava v celoti. Statistika v presoji rasti namreč ne zajema
razlik v kakovosti, funkcionalnosti in učinkovitosti izdelkov, pri merjenju produktivnosti
skozi čas. Npr. avtomobil, ki je proizveden danes, se po kakovosti, funkcionalnosti in varnosti
niti slučajno ne more primerjati z avtomobilom, proizvedenim pred dvajsetimi leti. Ne glede
na razlike v kakovosti v primerjanih avtomobilih, ki so posledica razvoja produktivnosti v
obdobju zadnjih dvajsetih let, je statistika danes, enako kot pred dvajsetimi leti, zabeležila
predvsem količino proizvedenih avtomobilov. Empirične raziskave so pokazale, da je
uporabna vrednost proizvodov v zadnjih dvajsetih letih v povprečju naraščala z 1,5% letno
stopnjo rasti, pri čemer je uradna statistika zabeležila zgolj 0,5% letno rast (Klenow, 2003).
Rast produktivnosti je torej v uradnih statistikah podcenjena, saj ne zajema dela povečane
produktivnosti, ki se izraža v povečani kakovosti izdelkov. Enako velja tudi za finančne
izkaze poslovanja podjetja. Kot smo že nakazali, računovodsko izkazovanje poslovnih
dogodkov temelji na transakcijskem načelu, kjer se poslovni dogodki evidentirajo po načelu
20
Futurologi za naslednjih sto let napovedujejo, da bo človeštvo doseglo stanje »singularnosti«. To je stanje, ko
bo tehnološki razvoj dosegel vertikalno stopnjo rasti na eksponentni krivulji, kar pomeni, da bo tehnološka rast
dosegala skoraj neskončno hitrost.
21
(cena*količina) = vrednost. Informacija o razliki v kakovosti izdelkov, ki nastaja zaradi
povečane produktivnosti dela, se skozi računovodsko evidentiranje poslovnih dogodkov
izgubi. Posredno je razvidna zgolj skozi npr. povečanje tržnega deleža podjetja in s tem skozi
sorazmerno povečanje prihodkov podjetja v primerjavi s konkurenco. Izračun produktivnosti
dela, ki temelji na bilančnih podatkih, je torej dokaj okrnjen v svoji sporočilni vrednosti.
Tega se moramo zavedati, ko izračunavamo kazalnike produktivnosti in jih medsebojno
primerjamo v daljšem časovnem obdobju, oz. ko jih uporabljamo za potrebe primerjave med
različnimi podjetji.
Zakon naraščajočih donosov je v navideznem nasprotju z drugim zakonom termodinamike, ki
pravi, da entropija v zaprtih sistemih narašča. Ključna razlika je v tem, da sta tehnološki
razvoj in razvoj znanja v okviru zakona naraščajočih donosov opredeljena kot evolutivna
procesa. Oba imata značilnost odprtih sistemov. Tehnološki razvoj in razvoj znanja se
dogajata v središču navideznega kaosa. Oba procesa ta kaos izkoriščata kot vir raznolikosti, ki
predstavlja input za nadaljnji razvoj, a hkrati obstoječi kaos sistematično urejata. Nova
stopnja urejenosti predstavlja novo odskočno desko za naslednjo fazo tehnološkega razvoja.
Evolucijski proces tehnološkega razvoja svet okoli nas spreminja z eksponentno logiko.
Proces inoviranja je multiplikativen in ne aditiven proces, pri čemer je znanje kumulativna
spremenljivka, ki narašča z dvojno stopnjo eksponentne rasti (Kurzweil, 2004).
Intelektualni kapital ima torej zaradi učinka naraščajočih donosov nelinearni vpliv na
uspešnost poslovanja podjetja. Vpliv intelektualnega kapitala na rast in razvoj je
multiplikativen (eksponenten) in ne linearen, kot implicitno predstavlja večina modelov, ki
poskušajo razlagati način delovanja IK. Ključna razlaga našega obstoječega načina
razmišljanja in raziskovanja leži v človekovi prirojeni intuitivni linearnosti oz. naši percepciji
razvoja, ki je večinoma omejena na krajša obdobja. To povzroča, da vidimo razvoj sveta
okoli nas kot linearen in ne kot eksponenten pojav. Kljub temu, da se tehnologija razvija z
dvojno eksponentno hitrostjo, imamo občutek, da živimo v linearnem svetu. Takšna
percepcija sveta močno izkrivlja naše poglede na razvoj dogodkov v prihodnosti. Ko
razmišljamo o prihodnosti, je ta v večini primerov zgolj linearna interpolacija obstoječega
stanja. V psihologiji ta pojav opisujejo s pojmom »prezentizem« (Gilbert, 2006).21
Tudi na področju oblikovanja cen veljajo spremenjena pravila. V klasičnem ekonomskem
modeliranju se je skozi proces ponudbe in povpraševanja vedno oblikovala ravnotežna cena.
Visoka cena je namreč proizvajalcem dajala signal, da se splača povečati proizvodnjo,
potrošnikom pa, da je potrebno zmanjšati potrošnjo. In obratno. Če je bila cena nizka, so
proizvajalci znižali proizvodnjo, potrošniki pa povečali potrošnjo. Ravnotežna cena se je
oblikovala na ravni, kjer je bila cena proizvoda enaka vrednosti te dobrine za potrošnika. V
ekonomiji znanja je oblikovanje ravnotežne cene znanja praktično nemogoče. Prihaja do
močne divergence med družbeno in privatno koristnostjo novega znanja. Ko je namreč
znanje enkrat ustvarjeno, so mejni stroški njegove replikacije praktično enaki nič. To
dejansko pomeni, da je katerakoli cena znanj z vidika pokrivanja mejnih stroškov njegove
replikacije, previsoka. Z vidika podjetij torej delitev na fiksne in variabilne stroške zaradi
visokih začetnih (investicijskih) stroškov razvoja (začetne investicije) in nizkih variabilnih
stroškov postaja nepomembna (Shapiro, 2003).
Tukaj nastopi druga pomembna lastnost znanja. Znanje je zgolj omejeno ekskluzivno
uporabno. Učinek prelivanja znanja, ki smo ga že omenili, ima za posledico, da so ustvarjalci
21
»Prezentizem« je psihološki fenomen, ki povzroča, da način doživljanja sveta, v katerem živimo, močno
vpliva na našo percepcijo sveta, v katerem smo živeli in na način razmišljanja o svetu, v katerem bomo živeli.
22
idej plačani manj, kot je skupna družbena koristnost znanja, ki so ga ustvarili. Ekonometrična
študija, ki sta jo izvedla Jarboe in Atkinson je pokazala, da so družbene koristi inovacije dva
do petkrat višje od individualnih koristi ustvarjalcev inovacije (Jarboe, Atkinson, 1998).
Logično je, da to do določene mere omejuje interes privatnega sektorja za investiranja v
znanje. Pomemben del koristi vsake investicije v znanje se prelije v okolje podjetja. Hkrati
prelivanje znanja zaradi omejene ekskluzivnosti njegove uporabe prevzemnikom znanja
omogoča močno zniževanje stroškov nadaljnjega razvoja inovacij, kar seveda pomembno
znižuje stroške razvoja in povečuje njihove dobičke. Prelivanje znanja je torej pomemben
endogen dejavnik ekonomske rasti (Grossman, Helpman, 1991). Če to prevedemo v
terminologijo Nonakinega modela spirale znanja, govorimo o procesu transformacije
razkritega znanja v razkrito znanje (kombinacija znanja) oz. razkritega znanja v skrito znanje
(internalizacija znanja). V terminologiji raziskovanja IK govorimo o procesu ustvarjanja
strukturnega kapitala s pomočjo širjenja obstoječega strukturnega kapitala oz. o procesu
ustvarjanja človeškega kapitala s pomočjo obstoječega strukturnega kapitala.
Zakon naraščajočih donosov in z njim povezano kontinuirano padanje mejnih stroškov
pripelje do tega, da imajo podjetja z najvišjimi tržnimi deleži najvišje dobičke. Nižajoči se
mejni stroški omogočajo, da ima proizvajalec s prodajo vsakega naslednjega proizvoda še
višji dobiček kot prej, saj je bila njegova proizvodnja še cenejša kot proizvodnja predhodnega
proizvoda. Ta logika vodi v smer monopolizacije trga določenega izdelka, kar je v popolnem
nasprotju s postulati klasičnih modelov gospodarske rasti, ki predpostavljajo, da se tržna
struktura na osnovi formiranja cen, ki se izenačujejo s koristmi potrošnikov, razvija v smeri
doseganja popolne konkurence z veliko ponudniki in veliko povpraševanja.
Trg znanja je torej naravnan v smer monopolizacije. Podjetja z najuspešnejšim procesom
ustvarjanja znanja in inovacij lahko preidejo v monopoliste, ki lahko s trga izrinejo
konkurenco. To je ideal in končni cilj vsakega postmodernističnega podjetja. Seveda se poraja
vprašanje vzdržljivosti takšnega stanja. Ob predpostavki, da so najboljša podjetja v panogi
sposobna doseči vzdržljiv status monopolista, bi to za proces ustvarjanja vrednosti IK
pomenilo, da je vrednost IK praktično brezmejna. Že sam pogled na svetovno lestvico največ
vrednih blagovnih znamk pokaže, da se je med prvimi 20 najpomembnejšimi blagovnimi
znamkami v zadnjih desetletjih zamenjalo skoraj 80% podjetij. Če vzpostavimo analogijo z
izsledki Northa (1990), ki se je ukvarjal z raziskovanjem zgodovine, je v zgodovini
civilizacije prihajalo do sporadične prevlade različnih civilizacij, ki pa svoje ekonomske
superiornosti niso uspele zadržati dlje kot nekaj stoletij. Spremembe v družbi in okolju so vse
superiorne civilizacije prej ali slej pripeljale do situacije, ko so izgubile svoje ključne
konkurenčne prednosti, ki so jih delale superiorne. Podobno velja za podjetja. Spremembe v
podjetju in okolju prej ali slej povzročijo, da podjetje izgubi ključne prednosti, ki so ga v
preteklosti delale superiornega v primerjavi s konkurenco.
2.4.4 Značilnosti evolucijskega razvoja in pojav odvisnosti od poti
Omenili smo že, da je v okviru Nove teorije rasti rast temelječa na znanju obravnavana kot
neuravnotežen proces, ki ne vodi k ravnotežnemu stanju, temveč povzroča, da nekatera
podjetja rastejo, druga pa propadajo. Nelinearnost, ki jo v svet intelektualnega kapitala prinaša
zakon naraščajočih donosov, ima podobne značilnosti kot evolucijska teorija (Arthur, 1987),
čeprav nas miselno vodi ravno v nasprotno smer, v smer, ki jo je Joseph Schumpeter opredelil
z izrazom »kreativna destrukcija« (Schumpeter,1934). Nova podjetja razvijajo nove ideje, ki
zamenjajo stare. Razvoj novih idej je nepredvidljiv, kar pomeni, da bi bil v tem primeru
ekonomski razvoj v celoti stohastičen proces in da bi zanj veljala teorija kaosa (Arthur,
1996). Vendarle zgodovinska dejstva kažejo, da razvoj znanja in tehnologije nista v celoti
23
kaotična procesa. Nova teorija rasti, ki v svet ekonomike uvaja zakon naraščajočih odnosov,
vzporedno razkriva še eno značilnost ekonomske rasti, ki jo poimenuje odvisnost od poti22
(Lewin, 2002).
Zakon odvisnosti od poti temelji na predpostavki, da je prihodnji razvoj vedno pogojen z
odločitvami, ki so na bile na tem področju sprejete v preteklosti. Od tod izhaja povezava z
evolucijskim pogledom na razvoj ekonomije. Evolucijski pogled na razvoj ekonomije namreč
ne pomeni percepcije, da se ekonomska rast odvija zgolj z majhnimi neopaznimi razvojnimi
premiki skozi čas. Evolucija je v Novi teoriji rasti zamišljena predvsem kot sosledje
nepričakovanih tehnoloških preskokov, ko nove ideje in nove tehnologije v sorazmerno
kratkem času zamenjajo obstoječe. Definicija odvisnosti od poti pravi, da…«so stohastični
procesi, ki so odvisni od lastne poti, tisti procesi, katerih asimptotična distribucija je funkcija
njihove lastne zgodovine« (David, 1997). V jeziku ekonomike bi to pomenilo, da je današnja
odločitev o alokaciji resursov odvisna od preteklih alokacijskih odločitev. To lahko pripelje
do treh pomembnih posledic:
do nepredvidljivosti razvoja dogodkov zaradi visoke senzitivnosti na osnovne
predpostavke,
potencialne neučinkovitosti alokacije in
učinka »zaklepanja«.
Avtorji ideje o Odvisnosti od poti, kot tipičen primer navajajo primer QWERTY tipkovnice.
QWERTY razporeditev črk na tipkovnici datira v leto 1870. Kljub vsem drastičnim
spremembam, ki so se na področju informatike zgodile v zadnjih 150 letih, razporeditev tipk
na tipkovnici ni zamenjal nihče, saj še vedno vsi uporabniki in proizvajalci
telekomunikacijskih naprav uporabljajo omenjeno kombinacijo tipk in črk. Učinek
zaklenjenosti v preteklo tehnologijo so nekateri avtorji poimenovali kar učinek
»QWERTYnomike« (David, 1985) in jo navajajo kot primer, ko lahko nepomemben dogodek,
ki se zgodi ob pravem času, dolgoročno v celoti pogojuje smer nadaljnjega razvoja. V skladu
s predpostavkami učinka odvisnosti od poti, subjekti v ekonomskem okolju ne ocenjujejo
vseh možnih alternativ in se na koncu odločijo za najbolj racionalno med njimi. Subjekti
dejansko ocenjujejo omejen obseg alternativ, ki je odvisen od njihovih predhodnih odločitev.
Način njihovega delovanja temelji na pozitivnih izkušnjah vezanih na njihovo delovanje v
preteklosti. Šele ko se način delovanja, ki je bil v preteklosti pozitiven, izkaže za
neuspešnega, subjekti poiščejo alternativne načine delovanja, ki pa kljub vsemu temeljijo na
njihovih preteklih izkušnjah. Konkurenca skrbi za izločanje subjektov, katerih način
delovanja je daleč pod optimalno ravnijo. Hkrati pa obstajajo mehanizmi prenosa znanja med
subjekti, ki omogoča nadgrajevanje delno neoptimalnih modelov z lastnostmi, ki jih
premorejo uspešnejši modeli (Nelson in Winter, 2002). Takšen način delovanja subjektov
kumulativno rezultira v evolucijski obliki razvoja ekonomije kot celote (Cortright, 2001). Z
vidika institucij (države in podjetij) to zahteva, da se morajo skozi čas spreminjati tudi one, da
ustvarijo okolje, ki bo omogočalo uresničevanje novih idej, tehnologij in poslovnih modelov.
Učinkovitost tega adaptacijskega postopka je predpogoj za kontinuiteto ekonomske rasti v
podjetjih in na ravni države. North tovrstno sposobnost podjetij imenuje »adaptivna
učinkovitost« (North, 1990).
22
Ang. »path dependence«.
24
Nova teorija rasti in zakonitost odvisnosti od poti za proučevanje intelektualnega kapitala
postavljata pomembna izhodišča. V skladu z dognanji obeh teorij, je rast intelektualnega
kapitala:
stohastičen in nepredvidljiv pojav, ki ni v celoti neodvisen in kaotičen.
deloma je odvisen od intelektualnega kapitala, ki je bil v podjetju ustvarjen v
preteklosti, kar velja za vse tri komponente IK: človeški kapital (znanje), kapital
odnosov s kupci ter za strukturni kapital.
Predpogoj nadaljnje rasti podjetja in s tem IK je, da je IK podjetja kot celote hkrati tudi
adaptivno učinkovit. To dejansko pomeni, da mora biti človeški kapital podjetja poleg
sposobnosti ustvarjanja poslovnih idej hkrati tudi adaptivno učinkovit. Vzporedno mora
razvijati strukturni kapital podjetja na način, ki bo omogočal vključevanje novih načinov
delovanja v obstoječe strukture, sisteme in organizacijo ter s tem omogočil nadaljnjo rast in
razvoj. Če velja zakonitost odvisnosti od poti, potem lahko sklepamo, da so podjetja, ki v
primerjavi s sorodnimi podjetji izkazujejo nadpovprečno vzdržno adaptivno sposobnost,
hkrati tudi podjetja, ki bodo izkazovala nadpovprečno poslovno uspešnost in bodo s tem
razpolagala tudi z višjim intelektualnim kapitalom.
Učinkovitost adaptivne sposobnosti bi lahko merili s kazalnikom učinkovitosti intelektualnega
kapitala, ki bi ga proučevali v daljšem obdobju. Analiza učinkovitosti bi morala biti
komparativna, pri čemer bi osnovo za primerjalno analizo lahko predstavljalo povprečje
izbranih primerljivih podjetij. Za podjetja torej ni pomembna samo alokacijska učinkovitost
(učinkovitost alociranja omejenih resursov), na kateri temelji večina neoklasičnih finančnih
modelov, temveč tudi adaptacijska učinkovitost, ki še posebej pomembno vlogo igra v
procesu kreiranja dolgoročno vzdržne nadpovprečne donosnosti. Učinkovitost pri alociranju
sredstev ne pomeni, da je podjetje tudi adaptivno učinkovito.
2.4.5 Tveganje zastaranja IK
Ne glede na morebitno nadpovprečno adaptivno sposobnost podjetja, ki nam s pomočjo
hevristično oblikovanih meril lahko predstavlja informacijo o vzdržljivosti IK v podjetju, pa
ostaja odprto vprašanje o tveganju zastaranja IK. IK je izjemno občutljiv na zastaranje. To še
posebej velja za panoge, kjer so prisotne t.i. »disruptivne tehnologije« t.j. tehnologije, ki
izjemno hitro nadomestijo prevladujoče tehnologije (Christensen, 2004). Tudi evolucijska
teorija ekonomske rasti ne predstavlja kot zvezni in linearni pojav, temveč kot proces
»kreativne destrukcije« (Cortright, 2001), v katerem gre za dinamično prilagajanje novo
nastalim okoliščinam. Romer v svojih razmišljanjih kreativno destrukcijo povezuje s
cikličnim gibanjem ekonomije skozi čas (Romer, 1997). Hkrati ugotavlja, da kratkoročno
prilagajanje novo nastalim okoliščinam v podjetjih pogosto povzroči kratkoročno poslabšanje
uspešnosti poslovanja. IK pa ni podvržen zastaranju zgolj zaradi procesa kreativne
destrukcije. Pomemben dejavnik zastaranja IK je lahko proces prelivanja znanja oz. fenomen
t.i. »zastonjkarjev«.23
Le-ta je posledica neeksluzivnosti uporabe znanja. Posledica prelivanja
znanja je, da se novo ustvarjeno (razkrito) znanje zelo hitro in po navadi z zelo nizkimi
stroški, prenaša med konkurente v panogi, ki lahko to znanje brez dodatnih stroškov razvoja
uporabijo v svojih poslovnih procesih. Za podjetje, ki je kreator novega znanja, to pomeni, da
je (verjetno) zgolj začasen ekonomski lastnik določene inovacije in lahko torej zgolj začasno
23
Ang. »free rider problem«.
25
koristi njene nadpovprečne ekonomske učinke. Konkurenčna prednost, temelječa na razkritem
znanju, je torej v večini primerov zgolj začasne narave.
Empirične študije so pokazale, da tehnologija ni v celoti globalni fenomen, temveč je do
določene mere tudi lokalno obarvana. V svoji študiji je npr. Keller (2000) ugotovil, da je
prelivanje znanja med geografskimi področji omejeno. Rezultati raziskave kažejo, da učinek
prelivanja znanja upada z geografsko oddaljenostjo od geografskih središč razvoja
najnovejših tehnologij. Tako Keller ugotavlja, da 10% večja oddaljenost od ZDA rezultira v
0,15% nižji produktivnosti. Razlog za takšno logiko difuzije tehnologij in znanja išče v tem,
da je za uspešno uporabo razkritega znanja vedno potrebno zadostno in komplementarno
skrito znanje, ki podjetjem šele omogoča, da v celoti izkoristijo preneseno razkrito znanje.
Zastaranje IK zaradi učinka prelivanja znanja ni samo po sebi umevno, je pa mogoče. Znanje
torej ni niti enakomerno geografsko razpršeno niti ni v celoti prosto dostopno vsem.
Izsledki raziskav na področju difuzije znanja in tehnologije so za področje raziskovanja IK
izjemnega pomena. Večina študij, ki so se ukvarjale z raziskavo povezav med IK in
uspešnostjo poslovanja podjetij, je omejenih na raziskovanje obnašanja podjetij znotraj
posamezne države. Zakonitost neenakomerne difuzije znanja nas postavlja pred dilemo, ali je
lokalno omejen pristop k primerjalni analizi obstoja IK ustrezen, glede na to, da je trg kapitala
daleč najbolj globalen trg. Kot smo zapisali, šele kapitalske transakcije na trgu kapitala (borza
ali M&A aktivnosti) dejansko potrdijo (ne)obstoj IK v podjetjih. Več o tej dilemi bomo
zapisali v delu študije, ki je namenjena praktični uporabi dognanj naše empirične analize. Na
tem mestu kot izhodišče za nadaljnje razmišljanje povzemimo zgolj spoznanje, da zakonitost
nesorazmerne difuzije znanja pod vprašaj postavlja smiselnost lokalno omejenih primerjalnih
analiz, ki so značilne tudi za proučevanje IK.
2.4.6 Vpliv eksogenih dejavnikov na IK
Močan vpliv eksogenih dejavnikov na vrednost IK. Vrednost IK je močno odvisna od
zunanjih dejavnikov. Nekateri avtorji izražajo prepričanje, da je IK oz. njegova vrednost v
veliki meri posledica delovanja eksogenih dejavnikov (Ghosh, Wu, 2007). To naj bi
povečevalo tveganje podjetja, ki z notranjimi ukrepi, procesi in ekonomiko ne obvladuje v
celoti ključnih gonil vrednosti. V primerih nepopolnega obvladovanja ključnih gonil
vrednosti se tveganje lastnikov podjetja nadpovprečno poveča. Izkazana nihajnost vrednosti
delnic tovrstnih podjetij je nadpovprečna, vrednost za lastnike pa s tem nižja (Aboody, 2000).
Kot smo že zapisali, je ena izmed ključnih predpostavk Nove teorije rasti, da je znanje (oz.
IK) sposobno ustvarjati naraščajoče donose, le ti pa so najpomembnejši generatorji
gospodarske rasti. Moderne ekonomije so v skladu s to teorijo torej utemeljene na znanju.
Znanje in tehnologija nista več prepoznana kot eksogena dejavnika rasti, nista več dejavnika,
ki ju opredeljujejo sile izven ekonomije. Znanje in tehnologija sta v model Nove teorije rasti
vključena kot endogena (notranja) dejavnika. S tem je teorija dobila predznak Endogena
teorija rasti. Predpostavka endogenosti pomeni, da je podjetje (delno) sposobno obvladovati
proces ustvarjanja znanja, ne pomeni pa, da je ta proces v celoti neodvisen od dogajanja v
okolju podjetja. Če je alokacijska učinkovitost v skladu z neoklasično teorijo ključni dejavnik
uspešnosti poslovanja podjetja v eksogenih modelih rasti, se v Novi teoriji rasti temu
dejavniku pridruži še adaptacijska učinkovitost. Rast je neuravnotežen proces. Spremembe v
tehnologiji in znanju nimajo značaja zveznega pojava. Zaznamovane so z občasnimi
impulzivnimi spremembami, ki se pojavijo kot posledica pojava superiorne inovacije, nastale
v dokaj omejenem lokalnem okolju. Ta inovacija ima lahko za posledico razvoj tehnologije,
ki je v primerjavi s prevladujočo bolj učinkovita. Za večino podjetij v isti dejavnosti te
impulzivne spremembe predstavljajo zunanji dražljaj, ki pod vprašaj postavi učinkovitost
26
obstoječih procesov, znanja in včasih celo celotni poslovni model. V takšnih situacijah je na
preizkušnji adaptacijska učinkovitost podjetij. Podjetja, ki želijo dolgoročno preživeti, morajo
biti sposobna prilagoditve nastalim spremembam. Včasih adaptacija v procesu kreativne
destrukcije od podjetja celo zahteva, da je sposobno »pozabiti« velik del znanja, na katerem
je do tedaj slonel proces ustvarjanja vrednosti in ga nadomestiti z novim znanjem. Podjetja, ki
nimajo adaptacijske sposobnosti, so obsojena na postopno marginalizacijo ali celo na propad.
V modelu, ki ga je razvil Nonaka (1995), smo predstavili štiri procese transformacije znanja,
ki neprestano potekajo v podjetju. Procesa prenosa zunanjega razkritega znanja v notranje
razkrito in skrito znanje sta z vidika neprestane kreativne destrukcije, ki poteka v poslovnem
okolju podjetja, ključnega pomena za njegovo dolgoročno preživetje. Povedano v
izrazoslovju področja proučevanja IK to pomeni, da je za dolgoročno preživetje ključnega
pomena sposobnost ustvarjanja strukturnega in človeškega kapitala iz informacij o
strukturnem kapitalu pridobljenih iz okolice podjetja
2.4.7 Asimetrija informacij, netržnost in sindrom podvrednotenja IK
Netržnost je pomembna lastnost IK in velika dilema, prisotna pri vrednotenju, ki jo
ocenjevalci vrednosti rešujemo s pomočjo implementacije diskontov za tržljivost (Shannon P.
Pratt, 2000). Lastniki podjetja z visokim IK v večini primerov nimajo alternativne izhodne
strategije (ang. »exit strategy«) oz. možnosti njegove prodaje.
Vrednost IK ni enaka nadomestitvenim stroškom. Pri vrednotenju IK je potrebno upoštevati
dejstvo, da vrednost IK v večini primerov ni enaka nadomestitvenim stroškom. Analiza
ekonomike patentov v ZDA (Lev, 2004) je pokazala, da preko 90% vseh patentov nikoli ne
povrne stroškov začetnega razvoja, ostalih 10% pa lastnikom prinese bistveno več, kot so bili
stroški razvoja.
Asimetrija informacij oz. fenomen »črne škatle« (Daum, 2003; Lev, 2004; Kaplan, 1996). V
podjetjih z visokim IK je asimetrija informacij bistveno višja kot v klasičnih podjetjih
(Kristandl in Bontis, 2007). Slabše poznavanje predmeta prodaje in njegovih potencialov
povečuje tveganje kupca in s tem znižuje njegovo ceno, ki jo je pripravljen plačati.
Sindrom podvrednotenja. Za IK je značilna percepcija visokega tveganja s strani investitorjev,
s tem pa so povezani visoki stroški kapitala in prenizko investiranje v nove IK projekte.
Raziskava (Aboody, 2000), ki je bila narejena za podjetja z visokimi R&D investicijami, je
pokazala, da so tovrstna podjetja na trgu kapitala sistematično podvrednotena.
IK kot strošek ali kot investicija? Zaradi obstoječih standardov računovodenja podjetja z
visokim IK pogosto izkazujejo slabše tekoče poslovne rezultate (Stern, 2001). Obstoječi
principi računovodenja večino interno ustvarjenega IK obravnavajo kot strošek obdobja, ki
gre v breme rezultata tekočega leta in ne kot investicijo. Res je, da obstajajo zahteve po
razkritjih, ki od podjetij pričakujejo (vsaj) razkritje letnih investicij v R&D, ne zahtevajo pa
poročila o prihodkih oz. donosih ustvarjenih iz teh investicij (Bukh in Johanson, 2003).
3. RAZISKOVALNA VPRAŠANJA TER NAMEN IN CILJ
RAZISKOVANJA
Raziskovanje s področja vrednotenja IK je v veliki meri podvrženo sporadičnosti in
pomanjkanju osredotočenosti na cilj raziskovanja. Nekateri avtorji celo opažajo, da bi velik
27
del modelov vrednotenja lahko okarakterizirali kot… »rešitve v iskanju vzroka« (Adriessen,
2004). Zaradi slabe prakse, ki se pojavlja na področju razvoja, uporabe modelov vrednotenja
in osredotočenosti znanstvenih raziskav, bomo temu področju posvetil posebno pozornost.
3.1 Raziskovalna vprašanja
Če smo v predhodnih točkah odgovorili na vprašanje, kaj je predmet našega raziskovanja, je
zaradi osredotočenosti raziskave potrebno zelo natančno odgovoriti še na naslednji dve
vprašanji: zakaj raziskujemo in kako raziskujemo.
Zakaj raziskujemo? Iz pregledanih akademskih prispevkov na temo IK je Adriessen (2004)
motive za ocenjevanje vrednosti in vrednotenje IK združili v tri skupine. V svojem prispevku,
v katerem je poskušal modele vrednotenja in ocenjevanja IK sistematično razporediti v
skupine, je Sveiby (2007) dodal še četrti motiv proučevanja IK, to je motiv učenja.
Identificiramo lahko torej naslednje motive vrednotenja in ocenjevanja IK:
1. Menedžerski motiv – izboljšanje upravljanja s sestavinami IK.
2. Poročevalski motiv – izboljšanje komunikacije o obstoju in velikosti IK z deležniki
podjetja.
3. Transakcijski motiv in motiv alokacije investicijskih sredstev – za potrebe finančnih
transakcij (M&A, IPO aktivnosti, stečaja podjetja (Reilly, 1994) oz. investiranja v
projekte IK (Gu, 2001), ali portfeljskega izbora delnic oz. za davčne namene (Luthy,
1998).
4. Motiv učenja (Sveiby, 2007).
Menedžerski motiv ni predmet našega proučevanja, čeprav Sveiby (2007) opozarja na pasti,
ki se skrivajo v uveljavljanju menedžerskega načela, da lahko upravljaš samo tisto, kar lahko
meriš. Avtor opozarja, da je meja med zlorabo ocenjevanja IK z namenom vzpostavitve
restriktivnih kontrolnih mehanizmov nad zaposlenimi in merjenjem IK z namenom
spodbujanja ustvarjanja IK, zelo tanka. IK po njegovem ne prenese nasilja standardov in
revizij. Lahko temelji zgolj na prostovoljni osnovi.
V okviru nadaljnje raziskave se bomo ukvarjali s poročevalskim in transakcijskim motivom
ter motivom učenja. V okviru motiva poročanja in transakcijskega motiva bomo posebno
pozornost namenili izboljšanju informiranja deležnikov o vzdržnosti adaptacijske sposobnosti
podjetja in s tem posredno o notranji vrednosti podjetja oz. o njegovi bodoči pričakovani
donosnosti. Z izboljšanjem načina informiranja lahko pričakujemo zmanjševanje
informacijske asimetrije in s tem izboljšano možnost pridobivanja novega kapitala, izboljšanje
ugleda podjetja pri investitorjih, pozitiven vpliv na vrednost podjetij (ceno delnic) in na koncu
tudi boljšo alokacijo investicijskih sredstev podjetja. Motiv učenja je v raziskovalnih projektih
pogosto v ospredju a je za enkrat močno omejen na znanstveno raziskovalno sfero. V praksi
bi po naši oceni motiv učenja moral dobiti prednost pred motivom menedžerske kontrole.
Motiv učenja se od motiva menedžerske kontrole razlikuje predvsem v pristopu k vzpostavitvi
sistema merjenja IK, uporabnikih rezultatov merjenja, načinu poročanja o rezultatih merjenja
ter prisotnosti shem nagrajevanja. Motiv učenja naj bi temeljil na sistemu merjenja, ki bi
moral biti vzpostavljen na načelu od spodaj navzgor, uporabniki sistema bi morali biti
zaposleni, ki imajo neposreden vpliv na kazalnike IK, kazalniki IK pa ne smejo služiti kot
28
osnova nagrajevanja zaposlenih temveč kot izhodišče dialoga, kako izboljšati procese z
namenom ustvarjanja dodane vrednosti (Sveiby, 2007). V okviru naše raziskave motiv učenja
razumemo kot motiv ocenjevalcev vrednosti podjetij, da pridobijo dodatno znanje o
vzdržljivosti adaptacijske sposobnosti podjetij kot enemu izmed temeljnih predpogojev
procesa ustvarjanja vrednosti.
V okviru motivov poročanja, učenja in transakcijskega motiva si zastavljamo naslednja
raziskovalna vprašanja:
1. Prvo vprašanje. Ali učinkovitost investicij v IK (oz. v njegove komponente) v
slovenskih podjetjih vpliva na uspešnost njihovega poslovanja, merjenega z
dobičkonosnostjo poslovanja, produktivnostjo in donosnostjo kapitala?
Napovedovanje oz. načrtovanje velikosti, rasti in tveganja prihodnje finančne donosnosti
podjetja je ena najpomembnejših predpostavk ocenjevanja notranje vrednosti podjetij s
pomočjo dinamičnih metod ocenjevanja vrednosti. Sprašujemo se torej, ali lahko investiranje
v IK (oz. učinkovitost investiranja v IK) v slovenskih podjetjih uporabimo kot vodilni
indikator (ang. »leading indicator«) sposobnosti podjetja za transformacijo investicij v IK v
(nadpovprečno) finančno donosnost za namen izboljšanja njihovega načrtovanja oz.
napovedovanja (njihove pričakovane velikosti, časovne razporeditve in tveganja).
2. Drugo vprašanje. Ali učinkovitost investicij v IK v slovenskih podjetjih v primerjavi
s povprečno učinkovitostjo investicij v IK na ravni panoge (dejavnosti) lahko
jemljemo kot indikator sposobnosti podjetja za transformacijo investiranih sredstev v
finančno donosnost?
Kako raziskujemo? Na tem mestu bomo najprej razmejili med pojmi merjenje (ang.
»measurement«), ocenjevanje (ang. »value assesment«) in vrednotenje (ang. »valuation«) IK.
Da bi lahko opredelili vrednost, potrebujemo objekt vrednotenja, ogrodje in kriterij, ki izraža
uporabnost ali zaželenost objekta. S pomočjo osredotočenja na te metode bomo zagotovili
kriterij primerljivosti med podjetji. V okviru raziskovalne naloge bodo metode merjenja IK z
nefinančnimi kriteriji ocenjevanja (ang. »mesurements methods«), metode, ki temeljijo na
subjektivnem ocenjevalnem kriteriju (ang. »value assessmet methods«) ter metode merjenja
vrednosti (ang. »value mesurement methods«) (Bontis, 2000) uporabljene zgolj kot
potencialni indikatorji primerjalne sposobnosti podjetja, da sredstva investirana v IK
dejansko transformira v IK.
3.2 Razmejitev med pojasnjevalnim in namenskim delom raziskave
V okviru raziskovanja IK Andriessen (Andriessen, 2004, stran. 393) posebej izpostavlja
razkorak med »znanstveno verodostojnostjo in uporabnostjo«, ki je ena izmed pomembnih
slabosti dosedanjih raziskav na področju IK. Pri iskanju rešitve za zmanjševanje omenjenega
razkoraka bomo za rešitev dileme med verodostojnostjo in uporabnostjo uporabili
kombinacijo pojasnjevalnega (ang. »explanatory science«) in namenskega znanstvenega
pristopa (ang. »design science«). Raziskovalni cilj pojasnjevalnega pristopa bo kvantitativno
potrjevanje verodostojnosti teoretičnih predvidevanj. Rezultati pojasnjevalnih raziskav bodo
primarno stohastične in ne deterministične narave. Stohastična oblika rezultatov
pojasnjevalnega dela raziskave močno omejuje njihovo praktično uporabnost, kar povzroča
naraščajočo averzijo uporabnikov – praktikov do tovrstnih akademskih raziskav (Petty in
Guthrie, 2000). Da bi premostili to težavo, bomo izsledke pojasnjevalnega dela raziskovanja
uporabili kot vložek v naše namensko raziskovanje. Ta vložek razumemo predvsem kot
29
dodatne informacije, ki bodo finančnim analitikom izboljšale poznavanje moči in vzdržnosti
povezav med ključnimi gonili vrednosti in finančno uspešnostjo podjetij kot indikatorjem
obstoja IK ter s tem pozitivno vplivale na njihovo sposobnost načrtovanja bodočih koristi, ki
jih omenjena gonila vrednosti v podjetjih lahko ustvarijo. Zavedamo se, da bodo izsledki
tovrstnega načina raziskovanja hevristične narave in jih bo na začetku težko znanstveno
verificirati. Naša ambicija je, da s postavitvijo teh konceptov postavimo osnovo, ki bo v
prihodnosti, skozi številne analize primerov (ang. »case studies«), postopoma omogočila
zmanjšanje vrzeli med znanstvenim in namenskim analitičnim pristopom.
4. POJASNJEVALNI DEL RAZISKAVE
4.1 Metodologija in temeljna znanstvena hipoteza
Na osnovi predstavljenih raziskovalnih vprašanj in na osnovi poznavanja izsledkov
dosedanjih raziskav na področju IK lahko postavimo našo temeljno znanstveno hipotezo:
»Učinkovitost investiranja v IK vpliva na dobičkonosnost, produktivnost, donosnost kapitala
in rast dobičkonosnosti iz poslovanja podjetij.«
Obstaja nekaj raziskav, ki poskušajo povezovati investiranje v IK in finančno uspešnost
podjetij (Chen, 2005; Chan, 2009; Kujansivu, 2007; Nazari in Herremans, 2007; Shiu, 2006;
Soler, 2007). Raziskovalci, ki prihajajo iz držav z razvitimi kapitalskimi trgi, v okviru svojih
raziskav poskušajo narediti še korak več. Iščejo povezavo med investicijami (oz.
učinkovitostjo investiranja) v IK, finančno uspešnostjo in gibanjem cen delnic teh podjetij. V
Sloveniji tovrstna raziskava ni smiselna, ker je slovenski trg kapitala neučinkovit, vzorec
podjetij premajhen in časovna vrste podatkov prekratke.
Kot smo že omenili, obstaja velik razkorak med skupnostjo, ki se ukvarja s proučevanjem
intelektualnega kapitala in skupnostjo ocenjevalcev vrednosti. Ocenjevalci vrednosti svoje
delo po navadi končajo tam, kjer se proučevanje neopredeljivih neopredmetenih sredstev šele
začne. V literaturi ni zaslediti, da bi kdo izsledke, ki so posledica proučevanja IK, poskusil
prenesti v stroko ocenjevanja vrednosti. Začeti proces integracije znanj, ki so na razpolago v
obeh skupnostih raziskovalcev, je ena izmed ambicij naše raziskave. Tovrstna ambicija hkrati
deloma omejuje nabor razpoložljivih metodologij, ki so na razpolago za testiranje temeljne
znanstvene hipoteze.
4.2 Izbor osnovnega modela
4.2.1 Kriteriji za izbor modela
Pri izbiri modela, s pomočjo katerega bi lahko proučevali vpliv IK na uspešnost poslovanja
podjetja, smo izhajali iz naslednjih vsebinskih izhodišč:
Model mora omogočati proučevanje povezav med gonili vrednosti podjetja in
vrednostjo IK.
Model mora omogočati proučevanje posameznih elementov IK in IK kot celote.
30
Model mora omogočati izračun kazalnikov učinkovitosti IK oz. posameznih
elementov IK.
Izračun vrednosti IK oz. vrednosti njegovih komponent ni pogoj. Namen raziskave je
ugotavljanje statistično in ekonomsko relevantnih in vzdržljivih povezav med gonili
vrednosti IK in finančno uspešnostjo podjetij. Samo ocenjevanje vrednosti IK ni
končni cilj raziskave.
Model mora poleg gonil vrednosti temelječih na IK vključevati tudi materializirana
gonila vrednosti. Intelektualni kapital in njegove komponente smo okarakterizirali kot
inertne. Delujejo lahko samo v povezavi z materialnimi gonili vrednosti. Ocenjujemo,
da je proučevanje vpliva IK na uspešnost poslovanja podjetij, ki je ločeno od
proučevanja vpliva materializiranih gonil vrednosti, nepopolno in metodološko
vprašljivo.
Model mora zagotavljati možnost primerjave med podjetji, ki omogoča razvrščanje
podjetij glede na njihovo vzdržljivo sposobnost ustvarjanja vrednosti.
Model ne sme temeljiti na subjektivnih ocenah.
Model mora biti sorazmerno enostaven in s tem primeren za praktično uporabo.
Model mora biti usklajen z doktrino interesnih skupin (ang. »stakeholder view«) in
doktrino temelječo na virih (ang. »resource-based doctrine«).
V modelu mora človeški kapital izkazovati prevladujočo vlogo pri ustvarjanju ključne
konkurenčne prednosti podjetja.
Model mora biti testiran v različnih okoljih in v različnih časovnih obdobjih.
Model mora v svoji strukturi zajemati elemente (postavke) iz računovodskih izkazov
podjetij, ki jih lahko povežemo z elementi IK. Ena izmed osnovnih zahtev do modela
je, da so vsi vstopni podatki modela na razpolago iz javno objavljenih računovodskih
izkazov podjetij ter so s tem javno dostopni vsem ocenjevalcem vrednosti. Ocenjevalci
vrednosti namreč predstavljajo eno izmed ključnih ciljnih skupin, ki jim je namenjena
pričujoča raziskava. Javna dostopnost podatkov je bistvenega pomena za izvajanje
primerjalne analize med podjetji. Brez predpostavke javne dostopnosti podatkov je
praktična uporabnost izsledkov raziskave tako rekoč nična. Cilj je torej izbrati model,
ki bo omogočal testiranje indikatorjev, ki jih je možno izračunati iz podatkov, ki so del
rednega računovodskega poročanja, ne da bi bilo potrebno posegati po dodatnih virih
(javno nerazkritih) podatkov.
Pri opredeljevanju možnih indikatorjev investiranja v posamezne elemente IK, ki so
dostopni iz finančnih izkazov podjetij, lahko indikatorje investiranja v IK poiščemo
samo v izkazu poslovnega izida in sicer samo med postavkami poslovnih odhodkov.
Pri tem v obstoječem sistemu izkazovanja prihodkov in odhodkov veliko oviro
predstavlja obstoječa bilančna shema, katere funkcionalna delitev stroškov po
posameznih naravnih vrstah ne ustreza konceptu postindustrijskega poslovnega
modela podjetij.24
V osnovni bilančni shemi niso neposredno razkrite postavke, ki jih
lahko neposredno povežemo z IK (stroški izobraževanja, stroški R&D, investiranje v
24
Bilančne sheme so opredeljene v Slovenskih računovodskih standardih: 24-izkaz poslovnega izida, 25 -bilanca
stanja in 26 – izkaz finančnega izida.
31
IT infrastrukturo…), zaradi česar je potrebno poiskati indikatorje, ki te postavke
zajemajo in jih proučiti z vidika njihove izrazne moči v luči potencialnih indikatorjev
učinkovitosti investiranja v IK. V izkazu poslovnega izida so v obstoječi bilančni
shemi kot potencialni indikator investiranja v človeški kapital dostopni samo stroški
dela, kot indikator investiranja v strukturni kapital in kapital povezav s kupci pa
kvečjemu stroški storitev.25
Obstoječa bilančna shema torej ne omogoča identifikacije
dveh ločenih konstruktov za strukturni kapital in kapital povezav s kupci, zato bomo v
nadaljevanju investiranje v strukturni kapital združili z investiranjem v kapital
povezav ter ga poimenovali s skupnim imenom strukturni kapital (SC = SC+RC).26
Zavedamo se, da odhodki dela in odhodki storitev ne morejo biti niti človeški kapital
oz. strukturni kapital niti v celoti ne predstavljajo investicije v HC in SC. V naši
raziskavi jih bomo lahko testirali zgolj kot indikatorje investiranja v HC in (pogojno)
širše opredeljeni SC. Drugačna bilančna shema bi omogočila drugačne metodološke
pristope k raziskavi. Lev (2002) je v svoji raziskavi testiral model vrednotenja
organizacijskega kapitala. Iz bilančne sheme ameriških podjetij, ki omogoča bistveno
višjo stopnjo razkritja, je identificiral večje število neodvisnih spremenljivk, s
pomočjo katerih je proučeval njihov vpliv na tržno vrednost podjetij (Lev in
Radhakrishnan, 2002). Tako analitičnega in raznovrstnega pristopa k raziskovanju
nam obstoječe bilančne sheme ne omogočajo.
4.2.2 Računovodstvo in IK
Iz postavljenih kriterijev za izbor modela je razvidno, da pri izboru modela, ki bo ustrezal
namenom naše raziskave, pomembno vlogo igra obstoječ računovodski sitem oz.
računovodska doktrina. Omenili smo, da je ena izmed ključnih prednosti našega načina
testiranja znanstvene hipoteze v tem, da lahko testiranje izvedemo na širšem vzorcu podjetij.
Raziskovalno širino nam omogoča dostopnost do računovodskih podatkov, ki so za slovenska
podjetja razpoložljiva v okviru javno dostopnih baz podatkov. Vendar ima zastavljeni
raziskovalni načrt tudi svoje pomanjkljivosti. Računovodski podatki nam na eni strani
omogočajo raziskovalno širino, po drugi strani pa nas s svojim pravili in konvencijami močno
omejujejo pri dizajniranju modela in spremenljivk s čim višjo izkazano povezavo. Ker se
področje proučevanja intelektualnega kapitala in prevladujoča računovodska doktrina nista
razvijala sinhrono, bomo najprej proučili združljivost koncepta IK s prevladujočo
računovodsko doktrino dvostavnega računovodstva. Opozorili bomo na pomanjkljivosti pri
združevanju teh dveh konceptov, ki hkrati predstavljajo delne metodološke nedoslednosti pri
dizajniranju raziskovalnega modela in spremenljivk.
Prve zametke računovodstva lahko zasledimo v obdobju okoli 8.000 let pred našim štetjem v
Mezopotamiji (Schmandt-Besserat, 1992). Na artefaktih iz tega obdobja so zgodovinarji prvič
zasledili v glino odtisnjene simbole, ki so služili za poimenovanje in preštevanje stvari. To je
prva zaznana oblika računovodskih principov, ki v svojih najbolj elementarnih oblikah
obstajajo še danes. V obdobju cca 3.200 let pred našim štetjem se je iz numeričnih simbolov
prvič razvil pisni sistem, ki je ločeval lingvistične in numerične simbole. To obdobje velja
kot obdobje civilizacijskega preboja na področju komunikacijskih orodij, ki so naenkrat
omogočila posredno komunikacijo med ljudmi s pomočjo uporabe enoznačno zabeleženih
dogajanj v človekovem okolju. Ong (1982) ugotavlja, da je sposobnost človeka, da zapiše
25
Govorimo obstoječem kontnem okvirju v slovenski računovodski praksi. 26
V takšni širši opredelitvi strukturnega kapitala so zajete tako investicije v strukturni kapital (stroški
vzpostavljanja procesov, organizacije…), kot tudi investiranje v kapital odnosov (blagovna znamka, stroški
oglaševanja, stroški vzpostavljanja CRM sistemov podpore prodaji…).
32
dejansko dogajanje, pomembno vplivala na njegovo zavest, saj se je v tem trenutku tisto, kar
je bilo povedano, oddvojilo od avtorja povedanega. V obdobju okoli leta 750 pred našim
štetjem je prišlo do razvoja abecednega sistema, ki je omogočil razdelitev praktično
neomejenega razpona glasov v dvajset do trideset znakov (črk). Šele pojav abecednega
sistema je omogočil vzpostavitev procesov dedukcije in sinteze razgrajenih elementov v novo
celoto. Sistem komunikacije je bil v srednjeveški Evropi nadgrajen s kombinacijo abecednega
sistema z arabskim numeričnim sistemom, ki je vključeval »število nič« in predstavlja še
danes veljavni alfa numerični sistem komunikacije. Ta je omogočil ne sluteno zmožnost
medgeneracijskega transferja znanja ter transferja znanja med različnimi uporabniki živečimi
v istem obdobju. Pojav računovodstva v obliki, ki jo poznamo še danes, datira v obdobje pred
več kot 500 leti. Pojav računovodski principov, še posebej v obliki dvostavnega
računovodstva, ki ga je njegovi primarni obliki uvedel Luca Pacoli (Andriessen, 2001),
predstavlja neke vrste konstrukcijo »časovnega stroja«, ki je v času in prostoru sposoben
prenašati denarno ovrednotene informacije (Frandsen in Hoskin, 2009). Model dvostavnega
računovodstva temelji na transakcijskem načelu. Vsaka transakcija, ki jo računovodsko
zabeležimo, povzroči spremembo v izkazu uspeha in/ali v bilanci stanja podjetja.
Transakcijsko zasnovan računovodski sistem je v celoti zadovoljeval potrebe podjetij v
osemnajstem in devetnajstem stoletju, ko je prevladoval poslovni model obrtniškega in
industrijskega tipa podjetij. Neopredmetena sredstva oz. elementi IK in IK kot celota se ne
vklapljajo v ta koncept. Nekaj lastnosti IK, ki omejujejo uporabnost obstoječe računovodske
doktrine pri njegovem evidentiranju, smo že opisali. Na tem mestu bomo povzeli ključna
razhajanja med IK in dvostavnim računovodstvom (Webber, 2000):
Neomejenost uporabe. IK je možno istočasno uporabljati v neomejen številu
ponavljanj (primer uporabe blagovne znamke Coca-Cola).
Vrednost neopredmetenih sredstev se lahko spremeni, ne da bi bila v ozadju
spremembe izvedena transakcija.
Tveganje učinkov neopredmetenih sredstev je nadpovprečno.
Prevrednotenje IK oz. neopredmetenih sredstev je v veliki meri posledica spremembe
ključne konkurenčne prednosti podjetja.
Neopredeljiva neopredmetena sredstva je izjemno težko računovodsko identificirati in
spremljati.
Ob zavedanju delne nezdružljivosti med zahtevami, ki smo jih postavili kot pogoj za
ustreznost modela in temeljnimi principi obstoječe računovodske doktrine, bomo ob izboru
modela in interpretaciji rezultatov raziskave še posebej previdni.
4.2.3 Pregled obstoječih modelov merjenja in vrednotenja IK
Kot smo že omenili, na področju ocenjevanja vrednosti IK obstaja preko trideset različnih
modelov, razvitih s strani različnih avtorjev (Andriessen, 2004). Karl-Erik Sveiby (2007) jih
je glede na njihove značilnosti razvrstil v štiri skupine. Pri tem je model presojal na osnovi
dveh kriterijev (Slika 6). Po prvem kriteriju je modele razvrščal na tiste, katerih končni
rezultat je ocena IK na ravni podjetja kot celote (in za IK kot celoto) ter na modele katerih
končni rezultat je ocena IK na ravni posameznih elementov IK. Hkrati je modele razvrščal
glede na to ali je končni rezultat ocene IK izražen vrednostno. V nadaljevanju bomo
predstavili skupne značilnosti modelov uvrščenih v posamezno skupino s ciljem, da ocenimo
njihovo ustreznost z vidika postavljenih zahtev. Posameznih modelov ne bomo individualno
33
obravnavali, ker to presega namen raziskave. V poglavjih, ki sledijo, bomo ROA modele
obravnavali ločeno, saj nam bodo omogočili rezultate raziskave umestiti v kontekst
ocenjevanja vrednosti podjetij.
Slika 6: Modeli merjenja, ocenjevanja in vrednotenja IK
Vir: Sallebrant, 2007
Prvo skupino predstavljajo modeli utemeljeni na tržni kapitalizaciji. V to skupino sodijo
modeli s pomočjo, katerih je IK identificiran kot razlika med tržno kapitalizacijo podjetja in
knjigovodsko vrednostjo njegovega kapitala. Med najbolj poznane modele ocenjevanja
vrednosti IK s pomočjo tržne kapitalizacije sodijo modeli P/B vrednost, Tobinov Q ter model
IAMV.27
Drugo skupino predstavljajo modeli temelječi na načelu presežnega donosa, ki jih lahko
poimenujemo tudi ROA modeli ali rezidualni modeli. Osnovni princip teh modelov je, da se
za določeno časovno obdobje izračunava donosnost opredmetenih sredstev podjetja, nato pa
se izračunana donosnost primerja s povprečjem v panogi. Če je donosnost višja, se presežna
donosnost pomnoži z vrednostjo opredmetenih sredstev podjetja in na ta način izračuna
donos, ki ga ustvarijo neopredmetena sredstva podjetja. Tako izračunan presežni donos se
diskontira z zahtevano stopnjo donosa podjetja in na ta način oceni vrednost neopredmetenih
sredstev podjetja oz. njegovega IK.
Med najbolj poznane rezidualne modele spadajo model EVA, CIV model in model
»Knowledge Capital Earnings«. VAIC model je v to skupino uvrščen pogojno, ker se po
27
Ang. »Investor Assigned Market Value«.
34
svojih osnovnih značilnostih precej razlikuje od ostalih ROA modelov. Prav te specifične
karakteristike pa ga delajo zanimivega za uporabo v okviru naše raziskave. V nadaljevanju
bomo uporabnost VAIC modela podrobneje analizirali.
Tretjo skupino tvorijo modeli direktnega ocenjevanja IK. Za razliko od prejšnjih dveh skupin
modelov je ta skupina metodološko bistveno bolj heterogena. Skupne značilnosti vseh
modelov v tej skupini so, da je rezultat ocenjevanja vrednosti IK izražen v denarnih enotah, da
je IK pretežno obravnavan po komponentah in da temeljijo na kazalnikih, katerih izračun
zahteva dostop do notranjih podatkov podjetij. Ti modeli zgolj pogojno omogočajo
primerjalne analize.
Četrto skupino tvorijo »scorecard« modeli. Ta skupina modelov je najbolj razvejana in v širši
strokovni javnosti verjetno tudi najbolj prepoznavna. Ti modeli se v večini primerov
implementirajo v dveh korakih. Najprej identificirajo množico elementov neopredmetenih
sredstev oz. IK, nato pa opredelijo množico indikatorjev, s pomočjo katerih merijo elemente
IK, rezultati meritev pa so prikazani v obliki kazalnikov, indeksov ipd. Značilno za te skupino
modelov je, da ni enoznačne klasifikacije elementov IK in indikatorjev. Ocenjevanje je
podvrženo veliki meri subjektivnosti, rezultati pa ne omogočajo izvedbe primerjalnih analiz.
Najbolj poznani modeli iz te skupine so BSC model, Scandia Navigator, Intangible Asset
Monitor… Ključna razlika med modeli direktnega ocenjevanja IK in »scorecard« modeli je,
da slednji vrednosti IK ne ocenjujejo v denarnih enotah, temveč največkrat v obliki
kompozitnih indeksov.
4.2.3 Izbor modela
Da bi iz obstoječih skupin modelov lahko izbrali model, ki je najbolj primeren za testiranje
povezav, ki smo jih opredelili v znanstveni hipotezi, bomo lastnosti modelov soočili z osmimi
zahtevami, ki naj bi jim izbrani model zadostoval.
Rezidualni modeli in modeli utemeljeni na tržni kapitalizaciji imajo z vidika postavljenih
zahtev naslednje značilnosti:
IK obravnavajo kot celostno kategorijo (na ravni podjetja kot celote),
nimajo ambicije ocenjevati posameznih elementov IK,
rezultat ocene IK je izražen vrednostno v absolutnem znesku,
ne identificirajo gonil vrednosti IK,
ne iščejo vzročno posledičnih povezav med gonili vrednosti IK in samim IK,
vključujejo relativno malo subjektivnih elementov,
omogočajo primerjalno analizo,
podatki za izračune so na voljo v javno dostopnih bazah podatkov.
Z vidika naših potreb je ključna pomanjkljivost teh dveh skupin modelov, da ne omogočajo
identifikacije vzročno posledičnih povezav med gonili vrednosti IK in finančno uspešnostjo
poslovanja. Gre za neke vrste »black-box« modele, kjer je v ospredju zanimanja zgolj
vrednost IK (posledica), ne pa vzroki, ki so ustvarili to vrednost. Posebno pozornost med temi
35
modeli zasluži VAIC model, ki smo ga pogojno uvrstili med ROA modele. ROA modeli nam
bodo v pomoč pri interpretaciji rezultatov naše raziskave, saj predstavljajo povezavo med
področjema proučevanja IK in ocenjevanja vrednosti podjetij.
Modeli direktnega ocenjevanja vrednosti IK in »scorecard« modeli imajo z vidika
postavljenih zahtev naslednje značilnosti:
proučujejo vzročno posledične povezave med gonili vrednosti in IK,
proučujejo elemente IK in IK kot celoto,
omogočajo izračun kazalnikov učinkovitosti IK in elementov IK,
rezultati modelov direktnega ocenjevanja vrednosti IK so izraženi v denarnih enotah,
rezultati »scorecard« modelov pa v kompozitnih indeksih,
večinoma ne vključujejo materializiranih gonil vrednosti,
večinoma ne omogočajo primerjalne analize,
podatki za uporabo modelov so v veliki meri razpoložljivi le notranjim uporabnikom
informacij v podjetjih,
Z vidika zahtev, ki smo jih postavili, imajo modeli, vključeni v skupino direktnega
ocenjevanja IK in skupino »scorecard« modelov, pomanjkljivosti predvsem na področju
dostopnosti podatkov in močni prisotnosti subjektivnosti pri ocenjevanju IK. Še posebej
velika pomanjkljivost teh dveh skupin modelov pa je, da ne omogočajo primerjalne analize
rezultatov. Ta je namreč ključnega pomena za dosego ciljev, ki smo si jih v okviru raziskave
zadali.
Glede na to, da večina do sedaj predstavljenih modelov proučevanja IK ne zadošča
postavljenim kriterijem, bomo v nadaljevanju podrobneje proučili VAIC28
model. Ta model
težko enoznačno umestimo v katerokoli izmed predstavljenih skupin modelov. V letu 1998 ga
je v njegovi osnovni različici predstavil Pulić (1998). Model je bil v l. 2004 razširjen in
dopolnjen (Pulić, 2004), po tem letu pa v literaturi ni zaznati njegovih pomembnejših
teoretičnih in praktičnih nadgradenj. Obstaja množica raziskav, ki model VAIC jemlje kot
izhodiščno točko proučevanja fenomena IK. Te raziskave bomo podrobneje predstavili v
okviru analize empiričnih rezultatov naše raziskave.
Za VAIC model lahko rečemo, da ima med vsemi do sedaj razvitimi metodami merjenja oz.
vrednotenja IK nekaj ključnih prednosti. Ne zahteva namreč subjektivnega ocenjevanja,
podatki za izračune so na voljo v javno dostopnih bazah podatkov, omogoča proučevanje
povezav med gonili vrednosti in uspešnostjo poslovanja podjetij, hkrati pa omogoča
primerjalno analizo med podjetji v isti dejavnosti. Podatki za uporabo VAIC metodologije so
na razpolago v računovodskih izkazih podjetij in podatkovnih bazah, kar pomeni, da so vedno
na voljo tudi skupnosti ocenjevalcev vrednosti podjetij. Metoda omogoča objektiven
kvantificiran pristop, ki omogoča uporabo kvantitativnih metod raziskovanja na velikih
vzorcih podatkov (Chan, 2009). Hkrati moramo poudariti, da imamo do originalnega modela
resne teoretične in vsebinske zadržke, ki jih bomo podrobneje opisali v okviru analize
rezultatov testa modela. VAIC Metodologija torej najbolje izpolnjuje kriterije, ki smo si jih pri
28
Intelektualni koeficient dodane vrednosti (Ang. »Value Added Intellectual Coefficient« ).
36
izboru metodologije zastavili. Jedro koncepta VAIC metodologije je ugotavljanje sposobnosti
podjetja, da produkcijske tvorce v okviru procesa ustvarjanja vrednosti učinkovito
transformira v finančni rezultat poslovanja podjetja in s tem potencialno tudi v vrednost IK.
Osnovna predpostavka metodologije je, da IK ne more delovati brez podpore finančnih in
opredmetenih sredstev podjetja. Že v predhodnih poglavjih smo ugotovili, da je uporaba
računovodskih podatkov ena izmed ključnih prednosti VAIC modela, a hkrati tudi ena izmed
njegovih največjih slabosti. Na koncu povzemimo pregled izpolnjevanja postavljenih zahtev s
strani VAIC modela.
VAIC model:
omogoča proučevanje vzročno posledičnih povezav med gonili vrednosti podjetja in
indikatorji vrednosti IK,
omogoča proučevanje posameznih komponent IK in IK kot celote,
omogoča izračun kazalnikov učinkovitosti ključnih gonil vrednosti,
neposredno ne izračunava vrednosti IK podjetja, omogoča pa postavitev vzročno
posledičnih povezav,
vključuje tudi materializirana gonila vrednosti,
omogoča primerjalno analizo,
ne vključuje subjektivnega načina ocenjevanja.
je sorazmerno enostaven in primeren za praktično uporabo.
je usklajen z doktrino interesnih skupin (ang. »stakeholder view«) in doktrino
temelječo na virih (ang. »resource-based doctrine«).
človeškemu kapitalu pripisuje ključno vlogo pri ustvarjanju ključne konkurenčne
prednosti podjetij,
je množično testiran v različnih okoljih in v različnih časovnih obdobjih.
omogoča povezavo med računovodskimi postavkami in elementi IK in s tem omogoča
konstruiranje indikatorjev,
z vidika IK in njegovih komponent pretežno temelji na postavkah izkaza poslovnega
izida podjetij.
Kot smo že omenili, bomo teoretične in vsebinske slabosti modela podrobneje predstavili v
okviru analize rezultatov testa ter v okviru analize vzrokov razhajanja rezultatov mednarodnih
študij, ki temeljijo na uporabi VAIC modela.
37
4.3 Izpeljava VAIC modela in opredelitev spremenljivk
4.3.1 Izpeljava VAIC modela
Pri izpeljavi VAIC modela bomo izhajali iz njegove nadgrajene različice, ki jo je predstavil
avtor modela Pulić (2004). Ta različica modela namreč najbolj pogosto nastopa v
kvantitativnih raziskavah. Na tem mestu bomo zgolj nekritično in čim bolj avtentično povzeli
izpeljavo modela ter izvedli predstavitev spremenljivk. Natančnejše opredelitve in opisi
vsebine posameznih spremenljivk so na razpolago v originalnih člankih avtorja modela, kjer
Pulić podrobneje predstavlja model (Pulić, 1998, 2004). Kritično presojo modela in
posameznih indikatorjev oz. spremenljivk bomo izvedli v okviru interpretacije rezultatov
naše raziskave.
Model izhaja iz temeljne Pulićeve predpostavke, da večina obstoječih ekonomskih in
finančnih modelov zaposlene v podjetjih obravnava kot strošek poslovanja in ne kot sredstvo
oz. proizvodno prvino podjetja. V skladu z njegovim prepričanjem bi zaposleni in njihov
intelektualni potencial morali dobiti uradni status ključnega proizvodnega vira. Podjetja, ki
imajo na razpolago enake vire in kapacitete, lahko ustvarijo različno vrednost. Ključno
vprašanje moderne ekonomije je, kako postaviti ločnico med ustvarjanjem in zniževanjem
vrednosti ter ločnico med tem, ali je bilo ustvarjene vrednosti dovolj in ali je bila ustvarjena
učinkovito (Pulić, 2004, str. 62). Obstaja vse širši konsenz, da so obstoječi finančni modeli
spremljanja uspešnosti in učinkovitosti poslovanja podjetij iz leta v leto manj ustrezni.
Temeljijo namreč na paradigmi klasičnega industrijskega podjetja, kjer je bil sistem
produkcije utemeljen na klasičnem sistemu kreiranja cen končnih izdelkov. Ta dejanskim
stroškom proizvodnje prišteje želeni dobiček, ki ga podjetje realizira na trgu. V okolju, kjer
vrednost proizvodov temelji na percepciji vrednosti, ki jo imajo glede proizvodov in storitev
njihovi kupci, je klasičen sistem formiranja cen neustrezen. V zadnjih desetletjih je prišlo do
evidentnega preobrata od količinsko zasnovane masovne proizvodnje k produkciji, ki je
osredotočena na kakovost in s tem vrednost, ki jo nudi kupcu. V okviru procesa ustvarjanja
vrednosti obstajata dve vrsti povezav. Na eni strani je pomembna povezava med kupcem in
proizvodom, ki ga kupec kupuje, na drugi strani pa povezava med ustvarjeno vrednostjo in
uporabljenimi viri, ki so bili uporabljeni pri proizvodnji. Ravno učinkovitost uporabe
proizvodnih virov Pulić pri izpeljavi VAIC modela uporabi kot izhodišče. Njegova teza je, da
je najpomembnejše sredstvo, s katerim podjetja danes razpolagajo, človeški kapital in
najpomembnejši dejavnik uspešnosti poslovanja produktivnost človeškega kapitala. Da bi
lahko razumeli proces ustvarjanja vrednosti v podjetjih, je potrebno produktivnost človeškega
kapitala meriti. Kot osnovno kategorijo uspešnosti poslovanja Pulić vzame dodano vrednost
(VA), ki predstavlja razliko med inputom in outputom proizvodnega procesa. Osnovna
formula je enaka (Pulić, 2004):
VA = OUT – IN 1
pri čemer je:
VA = dodana vrednost podjetja
OUT = prihodki od prodaje
IN = stroški materiala in storitev
Dodano vrednost lahko iz izkaza poslovnega izida podjetja izračunamo tudi na sledeči način:
38
VA = OP + EC +Am 2
pri čemer je:
OP = dobiček iz poslovanja
EC = stroški zaposlenih
Am = amortizacija
Dodana vrednost podjetja je objektiven indikator uspešnosti poslovanja podjetja, saj kaže,
koliko nove vrednosti je podjetje sposobno ustvariti, da z njo pokrije stroške zaposlenih,
obresti, dividende in davke. Da bi lahko izračunali učinkovitost uporabe proizvodnih
faktorjev, jih je potrebno najprej opredeliti. V okviru VAIC modela sta ključna proizvodna
tvorca intelektualni kapital in »finančni kapital«.29
Intelektualni kapital je sestavljen iz dveh
komponent: človeškega kapitala (HC) in strukturnega kapitala (SC). Človeški kapital zajema
vse stroške zaposlenih v proučevanem obdobju, kar je ključna vsebinska distinkcija VAIC
modela od ostalih podobnih modelov. Stroški dela torej niso več stroški proizvodnega
procesa, temveč predstavljajo investicijo v človeški kapital.
Učinkovitost človeškega kapitala lahko izračunamo na naslednji način:
HCE = VA/HC 3
pri čemer je:
HCE = koeficient učinkovitosti človeškega kapitala
VA = dodana vrednost
HC = vsi stroški zaposlenih podjetja
Strukturni kapital je druga komponenta intelektualnega kapitala. Izračunamo ga na naslednji
način:
SC = VA - HC 4
pri čemer je:
SC = strukturni kapital
VA = dodana vrednost
HC = vsi stroški zaposlenih podjetja
Iz definicije strukturnega kapitala je razvidno, da SC ni neodvisen indikator. Odvisen je od
vrednosti VA in obratno sorazmeren s HC. To pomeni, da SC pada v primeru, ko v okviru VA
narašča delež HC, kar pomeni, da v primeru, ko je HC enak ali večji od VA, strukturni kapital
v podjetju ne obstaja. Logično je, da učinkovitost HC in SC narašča, kadar narašča
učinkovitost intelektualnega kapitala. Učinkovitost strukturnega kapitala (SCE) izračunamo
na naslednji način:
SCE = SC/VA 5
pri čemer je:
29
Pulić pri izpeljavi modela uporablja izraz »finančni kapital«, kar predstavlja terminološko nedoslednost.
Dejansko ima avtor v mislih opredmetena sredstva podjetja. Podrobnejšo analizo VAIC modela bomo izvedli v
okviru analize rezultatov raziskave.
39
SCE = koeficient učinkovitosti strukturnega kapitala
SC = strukturni kapital
VA = dodana vrednost
Če seštejemo oba (parcialna) koeficienta učinkovitosti, dobimo koeficient učinkovitosti
intelektualnega kapitala (ICE):
ICE = HCE + SCE 6
pri čemer je:
ICE = koeficient učinkovitosti intelektualnega kapitala
HCE = koeficient učinkovitosti človeškega kapitala
SCE = koeficient učinkovitosti strukturnega kapitala
Kadar proučujemo proces ustvarjanja vrednosti v podjetju, moramo poleg intelektualnega
potenciala zaposlenih vključiti tudi ostale produkcijske tvorce. Intelektualni kapital ne more
ustvarjati vrednosti brez prisotnosti »fizičnega in finančnega kapitala« (Pulić, 2004, str. 65).
Da bi nam model posredoval celovito informacijo o procesu ustvarjanja vrednosti v podjetjih,
je vanj treba vključiti tudi informacijo o učinkovitosti »fizičnega in finančnega kapitala«
(CEE). To naredimo na naslednji način:
CEE = VA/CE 7
pri čemer je:
CEE = koeficient učinkovitosti opredmetenih sredstev podjetja
VA = dodana vrednost
CE = knjigovodska vrednost vrednosti opredmetenih sredstev podjetja
Da bi lahko proučevali učinkovitost celotnega procesa ustvarjanja vrednosti, je potrebno
parcialne kazalnike učinkovitosti sešteti v agregatni indeks učinkovitosti:
VAIC30
= ICE + CEE 8
oz.
VAIC = HCE + SCE + CEE 9
pri čemer je:
VAIC = intelektualni koeficient dodane vrednosti
ICE = koeficient učinkovitosti intelektualnega kapitala
CEE = koeficient učinkovitosti opredmetenih sredstev podjetja
HCE = koeficient učinkovitosti človeškega kapitala
SCE = koeficient učinkovitosti strukturnega kapitala
30
Podrobnejša izpeljava modela je podana v člankih avtorja (Pulić, 1998, 2004). V okviru modela obstaja nekaj
predpostavk, ki so lahko izziv za razpravo o njihovi primernosti. Npr. vprašanje , ali je strošek dela dober
indikator investiranja v človeški kapital. Podrobnejšo analizo prednosti, slabosti in primernosti modela in
njegovih predpostavk bomo predstavili v nadaljevanju.
40
VAIC model omogoča vpogled v celovito učinkovitost podjetja, hkrati pa izkazuje njegovo
intelektualno sposobnost. Koeficient VAIC nam pove, koliko nove vrednosti je bilo
ustvarjeno na vrednost denarne enote investirane v produkcijske tvorce, vključujoč
intelektualni kapital.
Pulić predstavljeno logiko VAIC modela označi kot »kopernikanski preobrat« v proučevanju
intelektualnega kapitala. VAIC model uporablja enake postavke iz izkazov poslovanja podjetij
kot ostali modeli, a jih postavlja v drugačne povezave in s tem ustvarja popolnoma novo
znanstveno raziskovalno ogrodje (Pulić, 2004, str. 66). Temeljno vsebinsko izhodišče pri
interpretaciji modela je, da ni nujno, da podjetje, ki povečuje prihodke in izkazuje dobiček,
tudi ustvarja vrednost. V današnji ekonomiji znanja ekonomija obsega ne igra več tako
pomembne vloge, kot jo je igrala nekoč. Za proces ustvarjanja vrednosti je v modernih
podjetjih ključnega pomena povezava med rezultatom poslovanja podjetja in učinkovitostjo
uporabe vseh proizvodnih tvorcev, ki jih podjetja angažirajo v okviru procesa ustvarjanja
vrednosti. Kazalnika VAIC in ICE kažeta ali je podjetje ustvarja ali zmanjšuje vrednost
podjetja. Do zniževanja vrednosti lahko pride kadar:
pride do padca učinkovitosti ustvarjanja vrednosti ali kadar
je učinkovitost pod povprečjem primerljivih podjetij.
Kljub temu pa vsak padec učinkovitosti še ne pomeni nujno tudi zmanjševanja vrednosti.
Pomembno je, da ločimo kratkoročna nihanja učinkovitosti in dolgoročno trendno zniževanje
koeficientov učinkovitosti. Pulić kratkoročna nihanja učinkovitosti interpretira kot normalni
sestavni del poslovnega in investicijskega ciklusa podjetja, ki pa ne sme trajati daljše časovno
obdobje. Predpostavljamo namreč, da morajo investicije podjetja v daljšem časovnem
obdobju ustvariti pričakovano donosnost.
Do zniževanja vrednosti pa lahko pride tudi zaradi podpovprečne učinkovitosti podjetja.
Podpovprečna učinkovitost pomeni, da podjetje za ustvarjanje ene denarne enote vrednosti
uporabi več produkcijskih tvorcev kot primerljiva podjetja. VAIC koeficient omogoča
primerjalno analizo31
učinkovitosti podjetij v procesu ustvarjanja vrednosti.
Na koncu izpeljave in pojasnjevanja modela Pulić izpostavi tudi sociološko komponento nove
paradigme, ki jo VAIC model uvaja. Po njegovem mnenju razkrivanje učinkovitosti procesa
ustvarjanja vrednosti v podjetjih, v katerega je vključen tudi intelektualni kapital zaposlenih,
pozitivno vpliva na zmanjševanje konflikta interesov med posameznimi interesnimi
skupinami v in izven podjetja (delavci, lastniki, menedžerji, država…).
Zaradi prednosti, ki jih ima VAIC model v primerjavi z ostalimi modeli, smo se (kljub
nekaterim slabostim modela) odločili, da ga bomo uporabili za potrebe testiranja znanstvene
hipoteze.
4.3.2 Opredelitev neodvisnih, odvisnih in kontrolnih spremenljivk
VAIC smo opredelili kot agregatni indikator učinkovitosti podjetja pri uporabi razpoložljivih
sredstev v procesu ustvarjanja vrednosti podjetja. VAIC metodologija nam ponuja štiri
konstrukte merjenja učinkovitosti IK (agregatnega in tri komponente), ki jih bomo uporabili
kot neodvisne spremenljivke v okviru analize:
31
Ang. »benchmark analysis«.
41
VAIC = HCE+SCE+CEE 10
Kot neodvisne spremenljivke bomo v naši raziskavi uporabili:
VAIC = intelektualni koeficient dodane vrednost
HCE = učinkovitost človeškega kapitala
SCE = učinkovitost strukturnega kapitala
CEE = učinkovitost opredmetenih sredstev
Kot odvisne spremenljivke bomo v študiji uporabili naslednje indikatorje uspešnosti
poslovanja podjetja:
ROA = meri donosnost sredstev podjetja in ga bomo izračunavali na naslednji način:
ROA = Dobiček iz poslovanja/ Celotna sredstva 11
STA = produktivnost oz. hitrost obračanja sredstev, ki je:
STA = Prihodki/ Celotna sredstva 12
ROE = donosnost kapitala, ki jo opredelimo kot:
ROE = Čisti dobiček/ Kapital 13
GROP = letna stopnja rasti dobička iz poslovanja.
Kontrolne spremenljivke. V okviru študije bomo uporabili dve kontrolni spremenljivki, s
pomočjo katerih bomo poskušali kontrolirati rezultate raziskave. To sta spremenljivki velikost
in zadolženost. Obe spremenljivki imata lahko pomembnejši vpliv na odvisne spremenljivke,
zato bomo z umestitvijo obeh spremenljivk te vplive poskusili izolirati. Vključitev velikosti
podjetij in njihove zadolženosti kot kontrolni spremenljivki ustreza metodološkim pristopom,
ki so jih v okviru svojih študij uporabili nekateri avtorji (Chan, 2009; Chen, 2005; Firer in
Williams, 2003; Shiu, 2006).
Kontrolne spremenljivke smo po vsebini in načinu izračuna opredelili na naslednji način:
SIZE = je indikator velikosti podjetja, izračunavamo ga kot naravni logaritem
knjigovodske vrednosti kapitala podjetja.
LEV = je indikator finančne zadolženosti podjetja, ki ga izračunavamo kot koeficient
med obrestovanim finančnim dolgom podjetja in njegovim kapitalom.
Pri uporabi metode panelne regresije smo proučevali smiselnost vključitve kontrolne
spremenljivke dejavnosti (sektor) v katerem podjetje posluje. Dejavnost namreč bistveno
vpliva na dodano vrednost in ROE, kar lahko povzroči, da se v modelu lahko pojavi problem
izpuščene spremenljivke (angl. »omitted variable problem«). Vključitev same spremenljivke
sektor pri FE modelih panelne regresije ne bi zalegla, ker spremenljivka ne varira v času in se
njenega efekta ne da identificirati. Za rešitev so možne tri variante:
vključitev interakcijskega člena dummy leto x dummy sektor, ki očisti vplive panoge,
pri čemer nas sama interakcija ne zanima in je ne poročamo (ta je smiselen, če se
42
osredotočamo na celoten vzorec; model ima isto konstanto za vse sektorje, razlika med
sektorji je v naklonu).
Ocena modela po posameznih panogah (ta je smiselen, če proučujemo predvsem
razlike po panogah; modeli imajo različne konstante in naklone za različne panoge).
Izbira proxy spremenljivke za sektor, ki varira v času in je vsebinsko smiselna.
Odločil smo se za drugi pristop, saj smo želeli čim bolj poglobljeno pristopiti k analizi
učinkov dejavnosti na preučevan odnos med finančno uspešnostjo poslovanja podjetji in
ključnimi materializiranimi in nematerializiranimi gonili te uspešnosti. Hkrati smo želeli na
metodološki ravni ohraniti:
primerljivost modelov in rezultatov raziskav narejenih z različnimi orodji ter
metodološko primerljivost rezultatov med različnimi študijami, ki kot osnovo
proučevanja uporabljajo VAIC model. Večina študij dileme vezane na izpuščeno
spremenljivko ne obravnava.
Podrobnejše izsledke proučevanja vpliva dejavnosti podjetja na razmerje med gonili vrednosti
podjetij in njihovo finančno uspešnostjo prikazujemo v naslednjih poglavjih študije.
4.3.4 Prikaz načina izračuna spremenljivk
V Tabela 3 podajamo definicije načina izračuna posameznih spremenljivk vključenih v
raziskavo. Vse spremenljivke, pri katerih so v izračunu uporabljene postavke iz izkaza
poslovnega izida in hkrati bilance stanja, pri postavkah iz bilance stanja izhajajo iz
povprečnih letnih vrednosti.
Tabela 3: Definicija izračuna spremenljivk
Formula Opis Enota mere
VA = OP + HC + D dodana vrednost V 000 EUR
HCE = VA/HC koeficient učinkovitosti človeškega kapitala koeficient
SC = VA - HC strukturni kapital podjetja V 000 EUR
SCE = SC/VA koeficient učinkovitosti strukturnega kapitala koeficient
ICE = HCE + SCE koeficient učinkovitosti intelektualnega kapitala koeficient
CEE = VA/CE koeficient učinkovitosti vrednosti opredmetenih sredstev (letno povprečje) koeficient
VAIC = ICE + CEE intelektualni koeficient dodane vrednosti koeficient
ROA donosnost sredstev podjetja (letno povprečje) koeficient
STA koeficient obračanja sredstev podjetja (letno povprečje) koeficient
ROE donosnost kapitala podjetja (letno povprečje) koeficient
GROP letne stopnje rasti dobička iz poslovanja koeficient
SIZE velikost podjetja (majhna, srednja, velika) spremenljivka
LEV zadolženost podjetja D/E (povprečje) koeficient
NACE NACE REV.2 klasifikacija spremenljivka
OP dobiček oz. izguba iz poslovanja V 000 EUR
HC človeški kapital podjetja V 000 EUR
Am amortizacija V 000 EUR
CE Vrednost opredmetenih sredstev (povprečje) V 000 EUR
EQ knjigovodska vrednost kapitala (povprečje) V 000 EUR
DEBT obrestovani dolg (povprečje) V 000 EUR
SALES prihodki podjetja V 000 EUR
TIME čas prisotnosti podjetja v vzorcu v letih
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
43
4.4 Pregled literature in izsledkov dosedanjih raziskav temelječih na
modelu VAIC
Kot smo že omenili je bil koncept IK v zadnjih dveh desetletjih v polni meri sprejet s strani
raziskovalne skupnosti. Čeprav obstajajo različne opredelitve IK, se večina raziskovalcev
strinja, da je IK ključni vir primerjalnih prednosti družbe. Za potrebe naše raziskave bomo,
zaradi razlogov, ki smo jih predhodno navedli, v nadaljevanju uporabljali definicijo IK, ki
sledi definiciji, ki jo je leta 1999 predstavila OECD in ki sta jo kasneje naprej razvijala Petty
in Guthrie (2000). Ta opredelitev je podobna opredelitvi IK, na kateri temelji model »Skandia
Navigator« (Edvinsson in Malone, 1997). Omenjene definicije IK delijo na dve komponenti:
človeški kapital in strukturni kapital. Poleg ustrezne teoretične umeščenosti, ima ta definicija
IK nekaj uporabnih lastnosti, hkrati pa predstavlja teoretično izhodišče izpeljave VAIC
modela (Pulić,1998).
Čeprav ne obstaja enoznačno sprejeta definicija IK, se večina raziskovalcev strinja, da je
nezmožnost računovodstva, da v izkazih poslovanja evidentira in izkazuje IK, verjetno eden
izmed pomembnejših razlogov, da se tržne vrednosti podjetij pogosto močno razlikujejo od
njihove knjigovodske vrednosti (Andrikopoulos, 2005; Chaminade in Roberts, 2003; Fincham
in Roslender, 2003; Lev, 2001; Lev in Zarowin, 1999; Lev in Radhakishnan, 2002; Sveiby,
1990; Tseng in Goo, 2005; Zerenler in Gozlu, 2008). Avtorji navajajo, da je vseskozi prisotna
vrzel med tržno in knjigovodsko vrednostjo delnic podjetij tudi eden izmed ključnih povodov,
da se je v zadnjih dveh desetletjih močno razvilo novo področje raziskovanja IK: področje
njegovega merjenja in ocenjevanja. Tudi za to področje velja, da ne obstaja splošno sprejeta
metoda vrednotenja in merjenja IK.
Pregled osemindvajsetih najpomembnejših študij merjenja IK s pomočjo VAIC modela,
izvedenih v preteklih dveh desetletjih, je prikazan v Tabela 4. Rezultati omenjenih študij so v
smislu potrjevanja postavljenih hipotez mešani. Hkrati pa v določenih segmentih študije
nakazujejo, da je raziskovanje IK s pomočjo VAIC modela metodološko in vsebinsko
smiselno. V nadaljevanju bomo predstavili evolucijo uporabe modela VAIC za potrebe
raziskovanja IK, razvoj metodologije raziskovanja ter nekatere skupne značilnosti študij, ki
nas hkrati napotujejo na prednosti in slabosti VAIC modela.
Najpogostejši motiv za raziskovanje IK, ki ga v okviru pregledanih raziskav zasledimo, je
očitna razlika med tržno in knjigovodsko vrednostjo družb, ki jih raziskave zajemajo. A to ni
edini motiv, ki je raziskovalce motiviral k raziskovanju. Več kot polovica pregledanih študij
je usmerjena v sočasno odkrivanje povezav med pojasnjevalnimi spremenljivkami iz VAIC
modela in tržno vrednostjo podjetij ter med VAIC spremenljivkami in uspešnostjo poslovanja
podjetij (Bornemann, 1999; Chen, 2005; Firer in Williams, 2003; Mavridis 2005; Pulić, 1998;
Van der Zahn, 2004). Nekatere študije so usmerjene izključno v odkrivanje povezave med
finančno uspešnostjo in spremenljivkami iz VAIC model (Deol, 2009; Mavridis, 2004;
Mohiuddin, 2006; Riahi in Belkaoui, 2003; Williams, 2004), medtem ko so druge posvečene
zgolj odkrivanju povezave med VAIC spremenljivkami in tržno vrednostjo podjetij
(Appuhami, 2007; Goh, 2005; Kujansivu in Lonquist, 2007; Pulić, 1999; Tseng in Goo,
2005).
V nadaljevanju bomo pregledali študije, ki predstavljajo pomembne vsebinske in metodološke
mejnike pri proučevanju IK s pomočjo VAIC modela. Prvi študiji, ki sta za potrebe
proučevanje IK uporabili VAIC model, sta študiji, ki sta ju izvedla avtor modela Pulić (1998)
in Bornemann (1999). Obe študiji ugotavljata visoko stopnjo povezave med VAIC indikatorji
44
in tržno vrednostjo podjetij. Izvedeni sta bili na populacijah podjetij, katerih delnice kotirajo
na borzah na Dunaju in v Londonu. Prepričljiv rezultati omenjenih dveh raziskav so sprožili
novo obdobje raziskovanja na področju merjenja in ocenjevanja IK. Naslednjo metodološko
prelomnico na področju uporabe VAIC modela za potrebe raziskovanja IK predstavlja
raziskava, ki jo je izvedel Williams (2001). Williams je pri proučevanju IK s pomočjo VAIC
modela prvi uporabil tehniko regresijske analize. Pri tem je spremenljivke VAIC modela
uporabil kot neodvisne spremenljivke, s pomočjo katerih je poskušal pojasniti uspešnost
poslovanja podjetij. Hkrati je bil prvi, ki je v raziskovanje uvedel dve kontrolni spremenljivki,
ki se kasneje pojavljata v večini podobnih študij. To sta spremenljivki velikost podjetij ter
zadolženost podjetij oz. njihov finančni vzvod. Podobno raziskavo sta na vzorcu 75 javnih
delniških družb, katerih delnice so kotirale na borzi v Johannesburgu v Južni Afriki, izvedla
Firer in Williams (2003). Gre za študijo, ki je zaradi uporabljenega metodološkega pristopa in
rezultatov v kasnejših raziskavah pogosto citirana. Izsledki te študije se do določene mere
razlikujejo od rezultatov podobnih predhodnih študij. Raziskovalca sta namreč ugotovila, da
je povezava med tržno vrednostjo podjetij in neodvisnimi spremenljivkami temelječimi na
fizičnem in finančnem kapitalu precej močnejša od povezave med tržno vrednostjo in
indikatorji IK. To je verjetno prva raziskava, katere rezultati bistveno odstopajo od ugotovitev
primarnih študij Pulića (1998) in Bornemanna (1999). Naslednji metodološka prelomnica pri
proučevanju IK s pomočjo VAIC modela sledi v letu 2005. Kujansivu in Lonnqvist (2007) sta
prva raziskovalca, ki sta svojo raziskavo izvedla na obsežnem vzorcu podatkov finskih
podjetij. Prvič je bila v raziskovalno delo uvedena tudi segmentacija proučevanega vzorca.
Raziskovalca sta proučevana podjetja segmentirala po dejavnostih. Naslednji korak v razvoju
raziskovalne metodologije pri uporabi VAIC modela predstavlja raziskava, ki jo je na vzorcu
tajvanskih podjetij izvedel Chen (2005). Podobno kot študija Kujansivuja in Lonnqvista
(2007), tudi ta študija zajema velik vzorec tajvanskih podjetij, katerih delnice so kotirale na
borzi. Hkrati Chen v raziskovanje prvič vključi daljšo časovno vrsto podatkov. Za razliko od
predhodnih študij, ki so temeljila na kratkih časovnih vrstah enega do treh let, je Chenova
raziskava (2007) zajela obdobje enajstih let od 1992 do 2002. Tudi rezultati te raziskave
deloma odstopajo od dotedanjih ugotovitev podobnih raziskav. Chen namreč ugotavlja, da je
povezava med uspešnostjo poslovanja podjetij in posameznimi komponentami VAIC modela
močnejša od povezave med uspešnostjo poslovanja ter agregatno neodvisno spremenljivko
VAIC.
Po pregledu najpomembnejših razvojnih mejnikov uporabe VAIC modela bomo v
nadaljevanju prikazali skupne značilnosti raziskav prikazanih v Tabela 4. Rezultati
pregledanih študij nihajo med popolno potrditvijo postavljenih hipotez in njihovo zavrnitvijo.
Več kot polovica študij z rezultati podpira postavljene hipoteze, približno četrtina jih v celoti
zavrne in le manjši delež pregledanih študij delno potrjuje postavljene hipoteze. Prav
sorazmerno visok delež študij, ki potrjujejo postavljene hipoteze, je verjetno eden izmed
ključnih razlogov, da je model VAIC tako široko uporabljan med raziskovalci IK.
Pomembna skupna značilnost pregledanih študij je, da so v glavnem omejene na posamezne
države brez izkazanih ambicij, da bi raziskovalne izsledke postavile v širši mednarodni
kontekst in jih nadgradile s komparativnimi primerjavami. Izjema je študija avtorja VAIC
modela Pulića (1998). Časovne vrste podatkov, ki jih zajema večina študij, so razmeroma
kratke, v večini primerov gre za časovna obdobja od enega do treh let. Kot smo že omenili,
izjemo predstavlja študija, ki jo je na vzorcu tajvanskih podjetij za desetletno obdobje (1992-
2002) izvedel Chen (2005). Večina študij torej temelji na presečnih analizah, kar je v
nasprotju z IK kot dolgoročnim in dinamičnim konceptom, kot ga opredeljuje večina definicij.
Velikosti vzorcev, na katerih so izvedene študije, se precej razlikuje. Vzorci zajemajo od
45
nekaj deset podjetji (Mavridis in Kyrmizoglou, 2005; Mohamed in Ismail, 2009; Pulić, 2000;
Puntillo, 2009), do več kot 50.000 podjetij (International Business Consulting, 2003). Hkrati
se samo dve od proučenih študij osredotočata na razvite države z dolgo tradicijo obstoja
kapitalskih trgov (ZDA in Anglija) (Bornemann, 1999; Williams, 2004). Vse druge raziskave
se osredotočajo na obrobne evropske države oziroma v države, ki spadajo v skupino rastočih
trgov. Omeniti velja, da je VAIC model precej redkeje uporabljan s strani raziskovalcev IK iz
razvitih držav. Večina raziskovalcev je mnenja, da so za dokončno potrditev ustreznosti
VAIC modela za indiciranje IK potrebne nadaljnje študije, ki jih je potrebno izvesti na
različnih podatkovnih vzorcih v različnih časovnih obdobjih (Chan, 2009; Maditinos, 2010).
Iz večine študij izhaja, da ima VAIC model pomanjkljivosti in da ga je zaradi tega potrebno
razširiti in nadgraditi (Chen, 2005; Nazari in Herremans, 2007). Pri razpravah o nadgradnji
VAIC modela je večina predlogov usmerjena v njegovo nadgrajevanje s pomočjo dodajanja
novih indikatorjev IK. Predlogov za bolj korenito teoretično in vsebinsko redefinicijo modela
med predlogi ni zaznati. Kljub ugotovljenim pomanjkljivostim modela pa med raziskovalci
prevladuje mnenje, da ima VAIC model v primerjavi z večino ostalih modelov pomembne
prednosti, ki odtehtajo njegove slabosti (Chan, 2009; Chen, 2005; Firer in Williams, 2003;
Goh, 2005; Mavridis 2004, 2010). Med ključne prednosti VAIC modela avtorji uvrščajo
predvsem uporabljene indikatorje IK, za katere je značilno, da so kvantificirani, objektivno
merljivi, ne zahtevajo dodatne subjektivne presoje in so finančno usmerjeni. Izračunavati jih
je možno iz javno dostopnih finančnih podatkov, možno jih je uporabljati za potrebe
primerjalne analize, hkrati pa nudijo informacije vsem interesnim skupinam podjetja, ne le
lastnikom. Z vidika ustrezne umeščenosti VAIC modela v definicijo IK lahko ugotovimo, da
iz same izpeljave modela izhaja (Pulić, 1998), da ključno spremenljivko v modelu predstavlja
indikator človeškega kapitala. Tovrstna osrednja vloga človeškega kapitala je v skladu s
spoznanji prevladujoče doktrine proučevanja IK (Chan, 2009).
Metodološki pristop, ki ga bomo v nadaljevanju predstavili in uporabili v okviru naše
raziskave, temelji na ključnih vsebinskih in metodoloških spoznanjih dosedanjega
proučevanja IK s pomočjo VAIC modela. V Tabela 4 predstavljamo kratek povzetek
vsebinskih ugotovitev najpomembnejših študij s področja proučevanja IK s pomočjo VAIC
modela, skupaj s predstavitvijo velikosti in regionalne umeščenosti vzorcev podjetij, na
katerih je bila posamezna raziskava izvedena.
Tabela 4: Pregled pomembnejših raziskav z uporabo modela VAIC
Zap.
št. Avtor leto Vzorec podjetij Rezultati
1 Maditinos, Chatzoudes, Tsairidis, Theriou
2010 96 grških podjetij iz 4 dejavnosti, ki kotirajo.
Raziskava ni potrdila večine hipotez. Obstaja statistično značilna povezava med HCE in uspešnostjo poslovanja.
2 Muhammad, Ismail 2009 18 podjetij iz Malezije iz sektorja finance. Presečna
analiza za l. 2007.
V bančnem sektorju je zaznan močen vpliv IK. Sledita mu sektorja zavarovalništva in borznega posredništva. IK izkazuje
pozitivno povezavo z uspešnostjo poslovanja. Tržna vrednost
kapitala izkazuje močnejšo odvisnost od finančnega in fizičnega kapitala kot od IK.
3 Puntillo 2009 Vzorec 21 bank, ki
kotirajo na borzi v Milanu.
Raziskava ni potrdila povezav med vključenimi
spremenljivkami. Statistično značilna je le povezava med CEE in kazalniki uspešnosti poslovanja podjetij.
4 Chan 2009 V vzorec so vključena
vsa podjetja iz HSE
indeksa. Obdobje 2001-2005.
Raziskava ne potrdi povezave med VAIC koeficienti
učinkovitosti in kazalniki uspešnosti poslovanja podjetij.
Izkazan je prevladujoč vpliv fizičnega kapitala na tržno vrednost podjetij.
46
5 Deol 2009 Analiza primerov v
indijskem bančnem
sektorju.
Raziskava pokaže, da so banke v Indiji po reformi bančnega
sistema (liberalizacija) razvile vse komponente IK (HC, SC in
RC).
6 Gan, Saleh 2008 Visoko tehnološka
podjetja, ki kotirajo na borzi Bursa v Maleziji.
VAIC model pojasnjuje dobičkovnost in produktivnost podjetij,
ne pojasnjuje pa tržne vrednosti kapitala.
7 Appuhami 2007 Vzorec podjetij, ki
kotirajo na borzi na Tajskem.
IK podjetij izkazuje močan pozitiven učinek na donosnost delnic
podjetij vključenih v raziskavo.
8 Tan, Plowmann, Hancock 2007 Vzorec 150 podjetij, ki
kotirajo na borziv
Tajvanu.
IK in uspešnost poslovanja sta pozitivno povezani. IK je
koreliran z prihodnjo uspešnostjo poslovanja podjetij. Rast IK v
podjetju je pozitivno povezana z uspešnostjo poslovanja podjetij. Prispevek IK k uspešnosti poslovanja se razlikuje po
dejavnostih.
9 Kujansivu, Lonnqvist 2007 Vzorec 20.000 podjetij iz Finske razdeljenih v 11
sektorjev. Obdobje 2001-
2003.
Raziskava ne potrjuje povezave med VAIC in CIV.
10 Kamath 2007 Vzorec bank v Indiji.
Obdobje 2000-2004.
Analiza temelji na VAIC modelu in izkaže pomembne razlike
med uspešnostjo poslovanja bank v Indiji. Na področju učinkovitosti IK banke izkazujejo pozitiven trend. Tuje banke
izkazujejo boljše rezultate.
11 Samiloglu 2006 Banke, ki kotirajo na
borzi v Istambulu.
Obdobje 1998-2001.
Raziskava pokaže, da ni značilne povezave med koeficientom
MV/BV in neodvisnimi spremenljivkami izhajajočimi iz VAIC
modela.
12 Shiou 2006 Vzorec 80 podjetij, ki
kotirajo na borzi v
Taiwanu. Podatki za leto 2003.
Raziskava potrdi visoko značilno povezavo med VAIC in
uspešnostjo poslovanja podjetij ter njihovo tržno vrednostjo.
Povezava med VAIC in produktivnostjo je negativna.
13 Mohiuddin 2006 Vzorec 17 bank v
Bangladešu. Obdobje
2002-2004
Raziskava ugotovi, da imajo vsa analizirana podjetja višjo
vrednost HCE kot je vrednost ostalih kazalnikov učinkovitosti.
14 Tseng, Goo 2005 Vzorec Tajvanskih
proizvodnih podjetij, ki
kotirajo na borzi.
Izkazana je pozitivna povezava med IK in tržno vrednostjo
podjetij.
15 Chen 2005 Vzorec podjetij, ki
kotirajo na borzi v
Tajvanu. 4.254 opazovanj
za obdobje 1992-2002.
Raziskava pokaže, da investitorji bolj cenijo podjetja z višjo
učinkovitostjo IK. Višja učinkovitost IK je povezana z višjo
dobičkonosnostjo in višjo rastjo prihodkov v tekočem in
prihodnjih letih. IK je prepoznan kot strateško sredstvo.
Povezava med parcialnimi kazalniki učinkovitosti in finančno uspešnostjo je izrazitejša kot povezava med VAIC in finančno
uspešnostjo poslovanja.
16 Goh 2005 Vzorec bank iz Malezije. Banke z zadovoljivo finančno uspešnostjo izkazujejo nizke IK
koeficiente.
17 Mavridis, Kyrmizoglou 2005 Vzorec 102 grških podjetij, ki kotirajo na
borzi.
Raziskava pokaže, da so lokalno orientirana podjetja tehnokratsko usmerjena pod močnim vplivom "modrih
ovratnikov" in CA. Globalna podjetja zaznamuje bistveno večji
vpliv intelektualnega kapitala "belih ovratnikov".
18 Mavridis, Kyrmizoglou 2005 Vzorec 17 podjetij iz
Grškega bančnega sektorja. Obdobje 1996-
1999.
Obstaja statistično značilna povezava med VA in fizičnim
kapitalom ter VA in IK.
19 Mavridis 2004 Vzorec 141 japonskih
bank. Obdobje 2000-2001.
Raziskava pokaže na veliko razliko med različnimi skupinami
japonskih bank ter na velike razlike v uspešnosti poslovanja med Japonskimi in nekaterimi Evropskimi bankami.
47
20 Van der Zahn 2004 Vzorec 300 podjetij
kotirajočih na borzi v
Singapurju. Obdobje 2000-2002.
Izkazana pozitivna povezava med učinkovitostjo uporabe
sredstev in ustvarjanjem vrednosti.
21 Williams 2004 Vzorec 56 podjetij iz ZDA, ki so izvedla t.i.
"downsizing" program.
Analiza je pokazala, da so podjetja v povprečju v obdobju treh let po izvedbi programa izkazovala padec ICE, v četrtem letu pa
rast ICE:
22 Firrer, Williams 2003 Vzorec 75 podjetij iz Južne Afrike, ki kotirajo
na borzi
Povezave med HCE, SCE, CEE ter produktivnostjo, uspešnostjo poslovanja in tržno vrednostjo kapitala niso potrjene. V JAR je
izkazan dominanten vpliv fizičnega kapitala na uspešnost
poslovanja.
23 International Business
Efficiency Consulting
2003 Analiza držav EU. Majhne države v EU imajo najučinkovitejša gospodarstva.
Izjema je Italija. V velikih EU državah že majhna sprememba v učinkovitosti povzroči veliko spremembo v VA.
24 Riahi, Belkaoui 2003 Vzorec ameriških multinacionalnih podjetij.
Raziskava potrdi povezavo med ROA temelječem na VA ter IK. Raziskava potrjuje predpostavke teorije interesnih skupin in
"resource based" doktrine.
25 International Business
Efficiency Consulting
2002 Vzorec 56.987 podjetij iz
Hrvaške.
Raziskava pokaže, da zgolj 4 regije v Hrvaški izkazujejo VAIC,
ki je višji od povprečja. 16 regij izkazuje VAIC, ki je nižji od povprečja.
26 Pulić 2000 Vzorec 30 slučajno
izbranih podjetij na
Financial Times Stock
Exchange in Vienna
Stock Exchange. Obdobje 1992-1998
Izkazana je močna povezava med VAIC in tržno vrednostjo
podjetij.
27 Bornemann 1999 Vzorec podjetij, ki
kotirajo na borzi v Londonu.
Raziskava potrdi povezavo med VAIP in uspešnostjo poslovanja
podjetja.
28 Pulić 1998 Analiza primerov podjetij
in bank iz različnih držav
v različnih krajših časovnih obdobjih.
Študija primerov potrdi močno povezavo med VA in VAIP.
Vir: lastna tabela
4.5 Znanstvene hipoteze
Temelječ na predpostavkah VAIC modela bomo našo temeljno znanstveno hipotezo razvili v
štiri nize hipotez:
Prvi niz hipotez: Drugi niz hipotez:
H1a: Podjetja z višjim VAIC imajo višji ROA. H2a: HCE je pozitivno povezan z ROA.
H1b: Podjetja z višjim VAIC imajo višji STA. H2b: HCE je pozitivno povezan z STA.
H1c: Podjetja z višjim VAIC imajo višji ROE. H2c: HCE je pozitivno povezan z ROE.
H1d: Podjetja z višjim VAIC imajo višji GROP. H2d: HCE je pozitivno povezan z GROP.
Tretji niz hipotez: Četrti niz hipotez:
H3a: SCE je pozitivno povezan z ROA. H4a: CEE je pozitivno povezan z ROA.
H3b: SCE je pozitivno povezan z STA. H4b: CEE je pozitivno povezan z STA.
H3c: SCE je pozitivno povezan z ROE. H4c: CEE je pozitivno povezan z ROE.
H3d: SCE je pozitivno povezan z GROP. H4d: CEE je pozitivno povezan z GROP.
48
4.6 Panelne regresijske metode
Za testiranje regresijskih funkcij osnovnega modela bomo uporabili metodo panelne regresije,
ki je primerna za proučevanje podatkov, kjer so enote (v našem primeru podjetja) opazovane
v enakih zaporednih časovnih razmikih (letih). Pri panelni regresiji ima baza opazovanj n
število objektov v t časovnih periodah, kar pomeni nxt = N opazovanih enot. Pri panelno
oblikovanih podatkih so zajete informacije o razlikah med proučevanimi enotami v isti
časovni enoti in informacije o razlikah med proučevanimi enotami, ki nastajajo v časovnem
obdobju, ki ga proučujemo. Metodo panelne regresije smo ocenili kot primerno za testiranje
osnovnih modelov, ker smo razpolagali z bazo podatkov, ki je zajemala finančne izkaze
slovenskih podjetij v obdobju 1995-2008. Panelne podatke je možno testirati tudi s pomočjo
navadne OLS regresije (metoda navadnih najmanjših kvadratov), vendar so lahko rezultati
tovrstne analize, zaradi predpostavk na katerih temelji, nepopolni. OLS regresijska metoda
namreč predpostavlja, da med neodvisnimi spremenljivkami in slučajno napako εit ni
korelacije, E(εit, xit) = 0. Ta predpostavka postane omejujoča, če v model niso vključene vse
neodvisne spremenljivke, ki imajo pomemben vpliv na odvisno spremenljivko To namreč
lahko povzroči, da so ocene regresijskih koeficientov nekonsistentne.32
S pomočjo metode
panelne regresije je možno kontrolirati učinek nekaterih pojasnjevalnih spremenljivk na
odvisno spremenljivko33
že s pomočjo opazovanja spreminjanja odvisne spremenljivke skozi
čas. To nam omogoča kontrolo nad:
izpuščenimi neodvisnimi spremenljivkami, ki se razlikujejo med objekti a so
konstantne v času in
kontrolo neodvisnih spremenljivk, ki variirajo v času, a so nespremenjene med
enotami.
V okviru panelne regresije nam omenjeno kontrolo omogočata metoda stalnih učinkov (ang.
»fixed effects«, v nadaljevanju FE) in metoda slučajnih učinkov (ang. »random effects«, v
nadaljevanju RE), ki jih bomo podrobneje predstavili v nadaljevanju.
Metodi FE in RE poleg slučajne napake εit vključujeta tudi člen ci, ki se razlikuje po skupinah
enot, pri čemer skupino enot predstavlja podjetje v različnih časovnih obdobjih. Člen ci
zajame del nepojasnjene variance, ki bi bil pri metodi OLS vključen v εit. S tem je vpliv
izpuščenih neodvisnih spremenljivk na slučajno napako izključen, ocene regresijskih
koeficientov pa bolj konsistentne.
Model, ki ga ocenjujeta FE in RE metodi, je v splošni obliki zapisan na naslednji način:
Yit = β0 + β1x1it+…+ βkxkit + ci + εit 14
Pri čemer so :
Yit = vrednost odvisne spremenljivke enote i v času t
β0 = regresijska konstanta
32
Opravka imamo s tako imenovanim »omitted variable bias« učinkom, ki nastane, ko obstajajo neznane
neodvisne spremenljivke oz. neodvisne spremenljivke, ki jih nismo zmožni kontrolirati za učinek, ki ga imajo na
odvisno spremenljivko (Cameron, Trivedi, 2009). Programski paket STATA s pomočjo uporabe »vce cluster
robust« opcije omogoča izločitev omenjenenega učinka. Omenjeno opcijo smo uporabili pri oceni regresijskih
koeficientov s pomočjo OLS regresije. 33
Brez neposrednega opazovanja spremenljivk.
49
β1… βk = regresijski koeficienti
x1it… xkit = vrednosti neodvisnih spremenljivk enote i v času t
ci = učinek značilen za skupino enot
εit = slučajna napaka regresije
Za potrebe raziskave smo za vsako oceno modelov, izvedenih na celotni populaciji ali
posameznih segmentih, presojali primernost uporabe različnih metod panelne regresije. Pri
tem smo se osredotočili predvsem na oceno primernosti FE in RE metod.
Metoda stalnih učinkov (FE) temelji na predpostavki, da je učinek ci znotraj skupine enak in
ni odvisen od časovnega obdobja. Učinek manjkajočih neodvisnih spremenljivk je zajet v
členu ci, ki je konstanta za vse enote v skupini. Velja torej E(cit ,Xit) ≠ 0, za slučajno napako
regresije pa E(εit ,Xit) = 0. Ocena koeficientov s pomočjo FE metode bi bila enaka oceni, ki bi
jo dobili s pomočjo OLS metode, če bi v ta model vključili neprave spremenljivke za vse
skupine i.
Za razliko od FE metode pa metoda slučajnih učinkov (RE) predpostavlja, da člen ci ni
konstanten znotraj skupine enot, temveč je slučajna spremenljivka, enako kot εit. V modelu se
torej del nepojasnjene variance pripiše variiranju ci, del pa variiranju εit. Pri tem morata biti
oba neodvisna od neodvisnih spremenljivk. Velja torej predpostavka E(cit ,Xit) = 0 in E(εit ,Xit)
= 0.
Pri metodi RE nepojasnjeno varianco predstavlja slučajna napaka, ci značilna za skupino enot
in slučajna napaka εit, značilna za posamezno enoto. V primeru, da je v proučevani populaciji
zajeto izjemno veliko število opazovanih enot, sta obe metodi konsistentni in učinkoviti pri
ocenjevanju modelov. V primerih pa, ko je število enot manjše in proučujemo krajša časovna
obdobja, se pokažejo razlike med učinkovitostjo metod. Ocene regresijskih koeficientov so s
pomočjo FE metode vedno konsistentne, tudi če jih uporabljamo na populaciji, za katero bi
bila bolj primerna RE metoda, vendar pa kot metoda ni tako učinkovita kot metoda FE.
Slabost metode RE je, da je učinkovita samo ob predpostavki, da sta E(cit ,Xit) = 0 in E(εit ,Xit)
= 0, kar se v praksi redko dogaja. Ustreznost metod pri oceni posameznih modelov bomo
ocenili s pomočjo Hausmanovega testa, ki temelji na ničelni hipotezi, da ni značilnih razlik
med ocenami regresijskih koeficientov po obeh metodah. V primeru, da je ničelna hipoteza
ovržena, je za potrebe analize primernejša uporaba metode stalnih učinkov.
4.7 Osnovni modeli za testiranje hipotez
Kot primarno metodo za testiranje hipotez bomo torej uporabili opisano metodo panelne
regresije. Za ta namen bomo modele za testiranje hipotez definirali v obliki, ki je primerna za
metodo panelne regresije. Ker nobena nam poznana raziskava s pomočjo VAIC modela ni bila
izvedena s pomočjo te panelne regresije, bomo zaradi zagotavljanja primerljivosti rezultatov
naše raziskave s podobnimi raziskavami kot pomožni (kontrolni) metodi uporabili tudi
korelacijsko analizo in OLS regresijsko metodo. Raziskavo bomo izvedli na vzorcu
slovenskih podjetij, pri čemer bomo finančne podatke črpali iz računovodskih izkazov
poslovanja, ki jih za slovenska podjetja vsako leto zbira in objavlja AJPES.34
Analiza bo
izdelana za opazovani vzorec kot celoto in ločeno po sektorjih. Pri sektorski analizi bomo
34
Agencija Republike Slovenije za javnopravne evidence in storitve.
50
upoštevali standardno GICS klasifikacijo dejavnosti.35
Proučili bomo tudi vpliv učinka
časovnega zamika spremenljivk36
(Joia, 2000) na rezultate raziskave. Testiranje hipotez bo
izvedeno na osnovi analize presekov (ang. »cross-sectional«) in analize časovnih obdobjih
(ang. »longitudinal«).
Modeli za testiranje hipotez H1a, H1b in H1c:
ROAit = Bi +β1 VAICit + β2SIZEit + β3FLEVit + εit 15
STAit = Bi +β1 VAICit + β2SIZEit + β3FLEVit + εit 16 ROEit = Bi +β1 VAICit + β2SIZEit + β3FLEVit + εit 17 GROPit = Bi +β1 VAICit + β2SIZEit + β3FLEVit + εit 18
Modeli za testiranje hipotez H2a, H3a in H4a:
ROAit = Bi +β1HCEit + β2SCEit + β3CEEit + β4SIZEit + β5FLEVit + εit 19
Modeli za testiranje hipotez H2b, H3b in H4b:
STAit = Bi +β1HCEit + β2SCEit + β3CEEit + β4SIZEit + β5FLEVit + εit 20
Modeli za testiranje hipotez H2c, H3c in H4c:
ROEit = Bi +β1HCEit + β2SCEit + β3CEEit + β4SIZEit + β5FLEVit + εit 21
Modeli za testiranje hipotez H2d, H3d in H4d:
GROPit = Bi +β1HCEit + β2SCEit + β3CEEit + β4SIZEit + β5FLEVit + εit 22
4.8 Podatki
Za potrebe analize smo uporabili AJPES bazo podatkov finančnih izkazov slovenskih podjetij
za obdobje 1995-2008, ki zajemajo 79.407 gospodarskih družb oz. 596.256 potencialno
opazovanih enot. Proučevano obdobje je bilo v Sloveniji zaznamovano z nekaterimi
posebnostmi. Med te posebnosti lahko štejemo razmah podjetništva v drugi polovici
devetdesetih let, ko so v Sloveniji množično nastajala številna nova podjetja z minimalnimi
kapitalskimi vložki. Ta podjetja so bila pogosto zaznamovana z zelo omejenim obsegom
poslovanja, neustreznimi poslovnimi modeli in sorazmerno kratko življenjsko dobo. Ker
tovrstna podjetja po vsebini ne spadajo v populacijo, ki jo želimo z raziskavo opazovati, smo
ocenili, da je potrebno informacijski šum, ki bi ga tovrstna podjetja vnesla v analizo,
zmanjšati. Zato smo postavili logično pretehtane kriterije, ki so jim morala podjetja zadostiti,
da so postala predmet naše raziskave. S pomočjo izločitvenih kriterijev smo izločiti večino
podjetij, ki po naši oceni niso primerna za vključitev v raziskavo.
Našo ciljno populacijo podjetij predstavlja populacija manjših, srednjih in večjih podjetij,37
ki
so že prešla začetno razvojno fazo in imajo že vzpostavljene določene procese in organizacijo.
35
SKD 2008/NACE Rev 2 in AJPES baza podatkov za obdobje 1995-2008, ki zajema preko 79.000
gospodarskih družb. Za potrebe mednarodne primerljivosti rezultatov raziskave bomo podjetja s pomočjo ključa,
ki omogoča reklasifikacijo iz SKD v GICS klasifikacijo, po dejavnostih razvrstili s pomočjo GICS klasifikacije. 36
Učinek časovnega zamika (ang. »time lag trap«) predpostavlja, da investicije v IK zahtevajo določen čas, da
začnejo ustvarjati rezultate. Gre torej za asinhronost med investiranjem v IK in rezultati teh investicij. 37
Po Zakonu o gospodarskih družbah (ZGD-1) družbe oziroma podjetja razvrščamo v štiri skupine. In sicer
poznamo mikro, majhne, srednje in velike družbe. Družbe so po velikosti klasificirane že v sami bazi podatkov
51
To so podjetja, ki so že izkazale sposobnost preživetja na konkurenčnem trgu. Podjetja, ki še
niso prešla začetne razvojne faze, v kateri bi izkazala svojo sposobnost preživetja, smo izločili
iz raziskave s pomočjo kriterija minimalne prisotnosti v vzorcu. Tudi podjetja, za katera je
značilno, da imajo nestabilne in dolgoročno nevzdržne poslovne modele, neurejene notranje
procese in organizacijo ter nevzdržno strukturo financiranja, smo s pomočjo logično
postavljenih izločilnih kriterijev izločili iz analize. Velikost podjetja kot takšna ni bila
postavljena kot samostojni izločitveni kriterij, je pa res, da večina izločenih podjetij spada
med mikro podjetja. To še dodatno potrjuje našo predpostavko, da je populacija mikro
podjetij najbolj finančno nestabilna, strukturno neoptimalna in procesno neartikulirana.
Doseganje omenjenih treh kriterijev, to je:
doseganje osnovne finančne stabilnosti,
doseganje osnovne strukturne usklajenosti in
artikuliranost poslovnih procesov
štejemo za enega izmed ključnih pogojev, da je podjetje sposobno investicije v IK vzdržno
transformirati v poslovni rezultat ter si zagotoviti osnovne pogoje za preživetje. Povedano
drugače: za podjetja, ki so vključena v raziskavo, smo zahtevali vsaj minimalno izkazano
prisotnost vseh treh elementov intelektualnega kapitala (človeškega, strukturnega in kapitala
odnosov s kupci).
V nadaljevanju opisujemo štiri skupine kriterijev, ki so jim morala podjetja zadostiti, da so
bila vključena v proučevano populacijo:38
1. Prva skupina kriterijev.39
Izločena so bila vsa podjetja, pri katerih so manjkali podatki,
potrebni za izračun neodvisnih spremenljivk. Izločili smo podjetja, pri katerih je
manjkal podatek o človeškem kapitalu (HC), strukturnem kapitalu (SC), dodani
vrednosti (VA), celotnih sredstvih (ASSETS), lastniškem kapitalu (EQ) in prihodkih od
prodaje (SALES).
2. Druga skupina kriterijev. Na osnovi opravljene logične kontrole podatkov smo
izločili podjetja, katerih vrednost spremenljivk HC, SC, VA, ASSETS, EQ, SALES je
bila negativna. Ta del procesa izločanja je bil usmerjen predvsem v odpravo
pomanjkljivosti zajema podatkov.
3. Tretja skupina kriterijev. Izločena so bila vsa podjetja, katerih prisotnost v vzorcu je
bila krajša od šestih let. Kriterij ni empirične narave, temveč je določen subjektivno na
osnovi izkustvene metode. Minimalni čas prisotnosti povzema osnovno logiko presoje
investicijskih projektov. Pri presoji investicijskih projektov se učinke investiranja
presoja v celotni življenjski dobi investicije, ki je po navadi daljša od šestih let. Ker
ima IK določene specifične lastnosti (krajša doba zastaranja, fluktuacija zaposlenih…)
AJPES. Ker se je velikostni razred mikro podjetij pojavil s klasifikacijo iz leta 2006, smo vsa mikro podjetja
klasificirali med majhna podjetja, saj so bila kot majhna obravnavana tudi v obdobju 1995-2006. 38
Zaporedje korakov je arbitrarno določeno, pri čemer je potrebno poudariti, da je število izločitev pri
posameznem kriteriju v veliki odvisnosti od zaporedja postavljanja kriterijev, saj nekatera podjetja hkrati ne
zadostijo več kriterijem. Še posebej je to značilno za kriterija 2. in 3., kjer je izločenih največ podjetij. Zaradi
prekrivanja kriterijev v nadaljevanju prikazujemo podatek, koliko podjetij bi bilo izločeno po posameznem
kriteriju. 39
Pogojnik uporabljamo, ker bi bila nekatera podjetja lahko izločena po več kriterijih.
52
smo presodili, da je šestletno obdobje (kot minimum) primerno za namen našega
proučevanja. V teoretičnih opredelitvah IK smo poudarili, da je IK dolgoročen
fenomen in ne fenomen enega ali dveh let, še posebej, če merimo finančne učinke
njegovega delovanja. IK se izgrajuje postopoma (podrobno je proces transformacije
predstavljen s pomočjo Nonakinega modela). Tudi če je na začetku v podjetju ideja
(človeški kapital) je ta ideja brezpredmetna, če se ne transformira v strukturni kapital
in kapital odnosov s kupci in preko njih v finančni rezultat. Za proces izgradnje in
ohranjanja IK je potreben čas, predvsem pa mora ta proces biti skozi čas vzdržen, da
sploh lahko govorimo o vrednosti IK. Povprečen čas dospetja vrednosti finančnega
instrumenta kot je delnica je med 45 in 50 leti. S tega vidika je naša zahteva, da mora
biti družba živa vsaj 6 let, da lahko sploh govorimo o IK, bolj razumljiva. Kot
izhodišče kontrole prisotnosti smo postavili zadnje leto analize (2008). Omejitev je
postavljena v skladu z izsledki Nove teorije rasti, ki pravi, da je eden izmed ključnih
pogojev obstoja IK v podjetju, njegova adaptacijska učinkovitost. Adaptacijsko
učinkovitost podjetja je možno identificirati zgolj s pomočjo proučevanja poslovanja v
daljšem časovnem obdobju. Po kriteriju porisotnosti je bilo izločena večina podjetij
(49.358), oz 74% vseh izločenih. Med izločenimi podjetji večino predstavljajo mikro
podjetja, ki niso predmet našega proučevanja.
4. Četrta skupina kriterijev. Za potrebe oblikovanja konsistentne populacije proučevanih
podjetij smo postavili logične meje, v katerih naj bi se gibali kazalniki uspešnosti
poslovanja ROA, ROE, GROP, STA in OP. Pri tem smo izhajali iz predpostavke, da so
najverjetnejši vzroki ekscesnih vrednosti posameznih kazalnikov vezani na izredne
dogodke v podjetju ali v poslovnem okolju. Hkrati smo predpostavili, da kazalniki
(ne)uspešnosti poslovanja izven dovoljenih meja niso v povezavi z učinkovitostjo
investiranja v IK.
Pri selekciji vzorca podjetij smo posebno pozornost posvečali analizi izločenih podjetij.
Podjetja, ki so bila po posameznem kriteriju izločena smo vsebinsko pregledali v izogib temu,
da bi selekcioniranje vzorca privedlo do izkrivljenega končnega vzorca podjetij. Na osnovi
omenjenih analiz ocenjujemo, da v končnem vzorcu izbranih podjetij ni prisotna izkrivljenost,
ki bi pomembno vplivala na rezultate analize.
V Tabela 5 je prikazano, koliko podjetij oz. opazovanih enot je bilo izločeno po posameznih
skupinah kriterijev. Po opravljenih izločitvah je v vzorcu ostalo 12.450 podjetij (15,8%
začetne populacije) oz. 150.565 opazovanih enot (25,25% prvotne populacije). V povprečju
so bila podjetja v vzorec vključena 12,63 let oz. najmanj 6 let in največ 14 let. Iz Tabela 6 je
razvidno, da je bilo največ izločitev (74%) izvedenih zaradi nedoseganja kriterija prisotnosti,
36% pa zaradi nedoseganja ostalih kriterijev. V Tabela 7 je prikazana distribucija števila
opazovanih enot po posameznih letih proučevanega obdobja. Povprečna dolžina prisotnosti
podjetij in njihova medletna distribucija po naši oceni ustreza namenu raziskave.
V Tabela 7 je prikazana prisotnost enot v proučevanem vzorcu glede na njihovo velikost. Med
opazovanimi enotami jih 89,45% prihaja iz skupine majhnih in mikro podjetij, 6,25% iz
skupine srednjih in 4,3% iz skupine velikih podjetij. Delež majhnih podjetij med vsemi
podjetji med leti niha od 87% do 92% celotne letno opazovane populacije. Menimo, da
postavljeni izločitveni kriteriji zagotavljajo dokaj stabilno strukturo opazovanih enot glede na
njihovo velikost in da očiščeni vzorec podjetij ne bi smel izkazovati izrazite strukturne
pristranskosti, čeprav je selekcionirana populacija v primerjavi s prvotno nekoliko nagnjena v
smer povečanja relativnega deleža srednjih in velikih podjetij oz. zmanjševanja deleža
53
majhnih (mikro) podjetij. Menimo, da je takšna struktura vzorca proučevanih podjetij
smiselna in logična.
Tabela 5: Prikaz velikosti vzorca podjetij ter števila izločitev po postavljenih kriterijih
Podjetja
Opazovane enote
(podjetje*leto)
Osnovni vzorec n/N = Začetno število podjetij/opazovanih enot 79.407 596.256
IZLOČEVANJE Število n/N izločenih v posamezni fazi
1. Manjkajoča vrednost pri vsaj eni spremenljivki, izločitev če: 10.692 89.221
- HC - človeški kapital = NA
- VA - dodana vrednost= NA
- CE - celotna sredstva = NA
- EQ - kapital = NA
- SALES - prihodki od prodaje = NA
2. Negativne vrednosti pri vsaj eni spremenljivki, izločitev če: 28.854 259.705
- HC - človeški kapital ≤ 0
- VA - dodana vrednost ≤ 0
- CE - celotna sredstva ≤ 0
- EQ - kapital ≤ 0
- SALES - prihodki od prodaje ≤ 0
3. Prisotnost podjetja vsaj v letih 2003-2008 49.356 222.729
4. Meje za neustrezne vrednosti, izločitev, če je vrednost izven meja: 13.845 143.285
-100% < ROA < 100%
-100% < ROE < 100%
0 < STA
-99% < GROP < 500%
-100% < OP < 100%
Končni vzorec n/N 12.450 150.565
Končni vzorec n/N v % od celotne baze podatkov 15,8 % 25,25%
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Ob postavljenih omejitvah je bilo iz populacije izločenih 61,3% podjetij, klasificiranih kot
mikro podjetja. Osip med ostalimi velikostnimi skupinami je bil dokaj stabilen ( med 27% in
37%). Nadpovprečen osip podjetij v kategoriji mikro podjetij je bil pričakovan, zato
ocenjujemo, da ne kvari reprezentativnosti proučevanega vzorca podjetij. Ocenjujemo, da
izločeni del populacije predstavlja »informacijski šum«, ki zmanjšuje statistične značilnosti
proučevanih povezav. Posredni dokaz za to predpostavko bomo iskali v razlikah v oceni
modela ločeno po velikostnih razredih podjetij. Predpostavljamo, da bo pojasnjevalna moč
modelov za velika in srednja podjetja višja kot za majhna podjetja. Menimo, da je segment
(mladih) mikro in majhnih podjetij v povezavi s proučevanjem IK tako specifičen, da
potrebuje drugačno teoretično in statistično obdelavo. V naši raziskavi bomo v segmentu
54
majhnih in mikro podjetij zajeli samo tisti del populacije, ki je na trgu prisoten vsaj šest in več
let in ki izkazuje finančne parametre znotraj dovoljenih meja.40
Tabela 6: Pregled izločanja podjetij zaradi nedoseganja posameznih kriterijev
Razlog Ostalo v vzorcu V % Izločeno V % Razlog izločitve
Vsa podjetja 79.405 100,0% -49.356 73,8% Kriterij prisotnosti
Kriterij prisotnost 30.049 37,8% -17.509 35,5% Ostali kriteriji
Ostali kriteriji 12.540 15,8% -66.865 100% Vsa izločena
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Tabela 7: Prisotnost podjetij v vzorcu po posameznih letih
Leto Število enot v %
1995 6.826 4,5%
1996 7.847 5,2%
1997 8.561 5,7%
1998 9.171 6,1%
1999 9.758 6,5%
2000 10.412 6,9%
2001 11.032 7,3%
2002 11.718 7,8%
2003 12.540 8,3%
2004 12.540 8,3%
2005 12.540 8,3%
2006 12.540 8,3%
2007 12.540 8,3%
2008 12.540 8,3%
Skupaj enot 150.565 100%
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Tabela 8: Prisotnost enot v vzorcu glede na velikost podjetij
Leto Majhna Srednja Velika Skupaj
1995 5.977 500 349 6.826
1996 6.825 630 392 7.847
1997 7.514 647 400 8.561
1998 8.034 721 416 9.171
1999 8.264 1.024 470 9.758
2000 8.690 1.102 620 10.412
2001 9.100 1.171 761 11.032
2002 10.741 543 434 11.718
2003 11.488 594 458 12.540
2004 11.651 463 426 12.540
2005 11.612 494 434 12.540
2006 11.614 497 429 12.540
2007 11.567 538 435 12.540
2008 11.615 494 431 12.540
Skupaj 134.692 9.418 6.455 150.565
V % 89,45% 6,25 % 4,3% 100%
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
40
Dovoljene meje finančnih parametrov posredno zagotavljajo, da so finančne strukture analiziranih podjetij
znotraj sprejemljivih okvirov.
55
Ocene modelov pa ne bomo izvajali zgolj za populacijo kot celoto. Zanimajo nas tudi razlike
v oceni parametrov, katerih vzrok je dejavnost, v kateri podjetje posluje. Da bi lahko
proučevali vpliv dejavnosti na ocenjeno vrednost parametrov, smo predhodno izvedli
reklasifikacijo dejavnosti podjetij iz NACE REV.2 klasifikacije (ang. »Statistical
classification of economic activities in the European Community«) v GICS (ang. »Global
Industry Classification Standard») klasifikacijo. Pri tem smo uporabili uradno objavljen
šifrant reklasifikacije. Reklasifikacijo v GICS standard smo izvedli iz dveh razlogov:
GICS klasifikacija se je za potrebe raziskav na finančnem področju izkazala za bolj
primerno (Bhojraj, Lee in Oler, 2003),
večina raziskav s pomočjo VAIC modela je bila izvedena v okviru GICS standarda.
S prevedbo dejavnosti podjetij v GICS standard smo zagotovili primerljivost izsledkov naše
raziskave z izsledki podobnih raziskav v svetu. V raziskavo nismo vključili javnih podjetij
(npr. zdravstvenih zavodov v okviru sektorja zdravstvo…). Populacija proučevanih podjetij je
v celoti sestavljena iz gospodarskih subjektov.
Odločili smo se, da bo v okviru pričujoče raziskave najnižja raven ocene modelov izdelana na
ravni GICS sektorja. Na ta način smo zagotovili primerljivost rezultatov raziskave s
podobnimi VAIC raziskavami v tujini, hkrati pa smo ohranili primerno velikost populacije
znotraj večine sektorjev. Gnezdenje podjetij na ravni sektorjev zagotavlja, da so si podjetja
združena v sektorje dovolj medsebojno podobna in hkrati medsektorsko dovolj raznolika, da
odražajo značilnosti posameznih dejavnosti. Z oceno modelov, ki jo bomo izdelali ločeno po
Tabela 9: Prisotnost opazovanih enot, razvrščena po dejavnostih
Sektor Majhna Srednja Velika Skupaj V %
Trajne dobrine (CD) 29.360 2.156 1.471 33.100 22.0%
Potrošne dobrine (CS) 2.683 353 465 3.512 2.3%
Energija (Energy) 10 7 2 19 0.0%
Finance (Finance) 2.478 121 66 2.674 1.8%
Zdravstvo (Healthcare) 3.474 279 179 3.947 2.6%
Industrijska proizvodnja (Industrials) 81.143 4.257 2.402 87.567 58.2%
Informacijska tehnologija (IT) 6.447 509 383 7.370 4.9%
Surovine in materiali (Materials) 7.906 1.111 1.076 10.140 6.7%
Ostalo 79 15 94 0.1%
Telekomunikacije (Telecoms) 366 38 56 460 0.3%
Oskrba (Utilities) 746 572 355 1.682 1.1%
Skupaj 134.692 9.418 6.455 150.565 100.0%
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
sektorjih, bomo poskušali identificirati sektorsko pogojene vzročno-posledične razlike v moči
povezav med odvisnimi in pojasnjevalnimi spremenljivkami v modelu. Razporeditev
slovenskih podjetij po sektorjih izkazuje prevladujočo prisotnost tradicionalnih sektorjev. Za
te sektorje je značilna prevlada klasičnega industrijskega poslovnega modela.41
V obdobju 1995-2008, ki je služilo za proučevanje vzorca podjetij, njihovih finančni
podatkov ter spremenljivk, je področje slovenskega računovodskega poročanja doživelo kar
nekaj sprememb. Te spremembe smo pri pripravi baze podatkov upoštevali in izvedli vse
potrebne prilagoditve izkazov poslovanja na način, ki zagotavlja potrebno kontinuiteto
41
Tipična predstavnika tradicionalnih sektorjev sta sektor trajnih dobrin (CD) in sektor industrijske proizvodnje
(Industrials).
56
podatkovnih časovnih vrst. Med pomembnejše prilagoditve spada preračun izkazov
poslovanja iz slovenskih tolarjev (SIT) v EUR v obdobju, ko je bil slovenski tolar uradna
valuta v Sloveniji in so bili vsi finančni izkazi slovenskih podjetij objavljeni v SIT. Pri
preračunih tolarskih vrednosti v EUR smo upoštevali tolarsko deflacionirane vrednosti. V
EUR smo jih preračunali v skladu z uradno veljavnimi tečaji Banke Slovenije. Metodologija
preračuna je usklajena z uradno metodologijo, ki jo za potrebe prikazovanja časovnih vrst
finančnih podatkov podjetij uporablja.
V obdobju 1995-2008 je prišlo do dvakratne spremembe Slovenskih računovodskih
standardov. Spremembe so se zgodile v letih 2001 in v letih 2006. Hkrati so bile izvedene
tudi spremembe kontnega okvira za gospodarske družbe. Da bi zagotovili kontinuiteto
finančnih podatkov, smo izvedli reklasifikacijo vseh izkazov poslovanja na kontni okvir, ki je
bil v veljavi v zadnjem letu proučevanega obdobja (2008). S tem smo zagotovili primerljivost
finančnih podatkov.
4.9 Opisne statistike odvisnih in neodvisnih spremenljivk
Pred statističnim testiranjem modela smo izvedli še analizo trendov gibanja ključnih
proučevanih spremenljivk. V Tabela 11 do 15 so prikazane povprečne letne vrednosti
odvisnih in neodvisnih spremenljivk v obdobju med 1995 in 2008. Iz grafov je razvidno, da
spremenljivke izkazujejo precej različne smeri gibanja. Trend gibanja VAIC kazalnika bi
lahko razdelili v dve obdobji. Od l. 1995 do l. 2003 se je povprečna vrednost VAIC celotnega
opazovanega vzorca slovenskih podjetij povišala z 3,42 na 3,85 oz. za 12,6%, medtem, ko je
po letu 2003 izkazan upad kazalnika. V l. 2008 je kazalnik VAIC dosegel skoraj enako višino
kot v l. 1995. Gibanje VAIC kazalnika nam pokaže, da se je učinkovitost investiranja v
intelektualni kapital podjetij v Sloveniji povečevala v obdobju od 1995 do 2003, medtem ko
se je omenjena učinkovitost investiranja po l.2003 v Sloveniji zniževala. Učinkovitost
investiranja v IK, merjena s pomočjo VAIC modela, je bila v l. 2008 na podobni ravni kot v l.
1995, kar je za Slovenijo vsekakor zaskrbljujoč podatek.
Zanimiva je primerjava gibanja povprečja kazalnikov ROE in ROA skozi opazovano obdobje.
Kazalnik ROE izkazuje trend postopnega upadanja po l.1998, medtem ko je bil kazalnik
ROA v celotnem opazovanem obdobju dokaj stabilen. Za oba kazalnika je značilen izrazit
porast v konjunkturnem letu 2007 in močno znižanje v recesijsko obarvanem letu 2008.
Kazalnik STA izkazuje sorazmerno stalen trend upadanja skozi proučevano obdobje. Takšno
trendno gibanje kazalnika pomeni, da se je učinkovitost uporabe sredstev oz. hitrost njihovega
obračanja pri opazovanih podjetij trendno poslabševala skozi proučevano obdobje. Kljub
trendnemu upadanju učinkovitosti uporabe sredstev je v tem obdobju proučevanim podjetjem
v povprečju uspelo zadržati donosnost uporabljenih sredstev (ROA) na dokaj stabilni ravni. Iz
analize podatkov o povprečni rasti dobička iz poslovanja (GROP) proučevanih podjetij je
razvidno, da je bila medletna rast izrazito nestabilna in visoko nihajna. Iz prikazanega lahko
sklepamo, da bo GROP kot odvisna spremenljivka dokaj omejeno uporabna za oceno
učinkovitosti investiranja v IK.
V Slika 7 prikazujemo še izračun povprečnega kazalnika VAIC po posameznih sektorjih v
zadnjem opazovanem letu 2008. Prikaz je zgolj ilustrativne narave, a je kljub temu v
nasprotju z našimi pričakovanji. Najvišjo raven učinkovitosti investiranja izkazujejo sektorji
telekomunikacije, oskrbe ter financ, medtem ko najnižjo raven učinkovitosti izkazujejo
sektorji energije (vzorec energetskih podjetij zaradi majhnosti vzorca ni reprezentativen),
57
trajnih dobrin in potrošnih dobrin. V nasprotju s pričakovanji sta sektorja zdravstva in
informacijske tehnologije uvrščena sorazmerno nizko.
Tabela 10: Opisne statistike spremenljivk
SPREMENLJIVK
A
OZNAK
A N AS SD MIN MAX
MEDIAN
A
Povprečni čas prisotnosti TIME 150.565 12,63 2,3 6 14 14
Dodana vrednost VA 150.565 772.493,24 5.327.933,28 9 435.226.624,00 87.343,00
Investicija v človeški
kapital HC 150.565 484.593,80 2.906.977,36 5 160.243.600,00 55.474,00
Investicija v strukturni kapital SC 150.565 287.899,45 2.890.595,65 -25.136.631,00 274.983.024,00 23.528,00
Dobiček iz
poslovanja OP 150.565 106.922,90 2.607.375,16 -639.393.408,00 223.254.192,00 9.092,00
Amortizacija Am 150.565 180.976,55 2.858.514,99 0 662.409.472,00 11.992,00
Povprečna vrednost
opredmetenih redstev CE 150.565 2.032.213,39 22.057.340,65 86 1.321.148.512,00 75.579,00
Povprečna vrednost kapitala EQ 150.565 1.899.670,17 21.072.952,10 65,5 1.319.652.928,00 68.750,00
Povprečna vrednost
obrestovanega dolga DEBT 150.565 773.372,74 7.250.563,55 0 434.225.776,00 18.710,00
Vrednost prihodkov SALES 150.565 3.157.959,08 26.164.089,68 360 2.605.370.624,00 330.205,00
Povprečna vrednost
opredmetenih sredstev CE 150.565 2.032.213,39 22.057.340,65 86 1.321.148.512,00 75.579,00
Koeficient
učinkovitosti
človeškega kapitala HCE 150.565 1,87 15,96 0 4.336,00 1,41
Koeficient
učinkovitosti
strukturnega kapitala SCE 150.565 0,23 4,19 -1.000,44 1 0,29
Koeficient
učinkovitosti intelektualnega
kapitala ICE 150.565 2,1 16,53 -1.000,44 4.337,00 1,7
Intelektualni
koeficient dodane vrednosti VAIC 150.565 3,54 16,66 -1.000,44 4.339,78 3,06
Donosnost sredstev
podjetja ROA 150.565 0,05 0,09 -0,91 0,9 0,03
Produktivnost sredstev podjetja StoA 150.565 1,9 1,59 0 79,76 1,55
Donosnost kapitala
podjetja ROE 150.565 0,13 0,21 -1 1 0,08
Zadolženost podjetja LEV 150.565 0,92 3,53 -32,04 380,66 0,23
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
58
Slika 7: Izračun povprečnega VAIC po sektorjih v letu 2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Prikazana raven učinkovitosti investiranja v IK v obeh sektorjih je lahko posledica dveh
dejavnikov:
podjetja v sektorjih IT in Zdravstvo imajo težave z učinkovitostjo investiranja v IK in
opredmetena sredstva, merjeno z VAIC,
metodologija VAIC neustrezno izkazuje učinkovitost investiranja v IK.
Razloge za takšno neintuitivno odstopanje VAIC kazalnika pri obeh omenjenih sektorjih bomo
poiskali v okviru poglobljene analize rezultatov testiranja VAIC modela. V Tabela 11 do 15 so
podani rezultati izračuna povprečnih letnih vrednosti nekaterih odvisnih in neodvisnih
spremenljivk v proučevanem obdobju 1995-2008.
Tabela 11: Izračun VAIC po sektorjih v obdobju 1995-2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Slika 8: Gibanje povprečnega VAIC v obdobju 1995 - 2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Leto
Trajne
dobrine
(CD)
Potrošne
dobrine
(CS)
Energija
(Energy)
Finance
(Finance)
Zdravstvo
(Hlth)
Ind.proiz
vodnja
(Ind)
Info.
tehnologija
(IT)
Surovine
in mat.
(Mat)
Telekom.
(Telecoms)
Oskrba
(Utilities) Ostalo Povprečje Mediana
1995 2,88 3,24 2,30 3,61 3,58 3,87 3,38 3,19 4,61 5,08 1,90 3,42 3,38
1996 3,48 3,42 1,98 3,27 3,71 3,87 3,22 3,48 4,19 2,92 4,20 3,43 3,48
1997 3,70 3,27 2,39 3,76 4,02 3,81 3,47 3,43 4,92 2,98 2,95 3,52 3,47
1998 3,62 3,31 2,36 2,82 3,66 4,27 3,40 3,52 4,33 4,36 2,92 3,51 3,52
1999 3,43 3,35 2,69 3,53 3,59 3,72 3,41 3,46 3,97 3,33 4,26 3,52 3,46
2000 3,38 3,06 2,87 3,99 3,55 3,61 3,28 3,39 3,73 3,48 2,74 3,37 3,39
2001 3,21 3,13 2,54 4,15 3,68 3,46 3,22 3,40 3,61 3,41 4,02 3,44 3,41
2002 3,40 3,09 2,61 4,73 3,75 4,29 3,19 3,44 4,00 3,59 4,70 3,71 3,59
2003 3,38 3,19 1,97 6,33 3,78 3,57 3,18 3,39 4,50 3,43 5,61 3,85 3,43
2004 3,42 3,05 1,80 5,21 3,67 3,32 3,24 3,36 4,59 3,88 5,18 3,70 3,42
2005 3,22 2,94 1,61 4,92 3,60 3,36 3,10 3,25 4,41 3,46 5,36 3,57 3,36
2006 3,25 2,91 1,62 8,46 3,51 3,32 3,10 3,26 4,11 3,41 3,99 3,72 3,32
2007 3,22 2,90 2,27 3,96 3,49 3,45 3,18 3,31 4,35 3,50 3,99 3,42 3,45
2008 3,06 3,10 1,54 3,94 3,50 3,36 3,25 3,19 5,43 5,02 2,68 3,46 3,25
Povprečje 3,33 3,12 2,10 4,81 3,64 3,63 3,24 3,36 4,38 3,71 4,14 3,59 3,63
60
Tabela 12: Izračun ROA po sektorjih v obdobju 1995-2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Slika 9: Gibanje povprečnega ROA v obdobju 1995 -2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Leto
Trajne
dobrine
(CD)
Potrošne
dobrine
(CS)
Energija
(Energy)
Finance
(Finance)
Zdravstvo
(Hlth)
Ind.proizvo
dnja (Ind)
Info.
tehnologija
(IT)
Surovine
in mat.
(Mat)
Telekom.
(Telecoms)
Oskrba
(Utilities) Ostalo Povprečje Mediana
1995 4,1% 4,3% 16,7% 13,7% 13,0% 14,9% 13,3% 11,1% 11,3% 4,0% 3,9% 10,0% 11,3%
1996 3,5% 3,7% 6,7% 13,6% 15,3% 14,6% 11,8% 10,7% 12,7% 3,1% 12,5% 9,8% 11,8%
1997 4,6% 4,8% 6,6% 13,4% 19,2% 16,3% 15,9% 14,5% 12,7% 4,6% 4,9% 10,7% 12,7%
1998 4,0% 5,0% 33,7% 15,1% 19,3% 15,1% 15,0% 13,6% 7,0% 5,4% 22,7% 14,2% 15,0%
1999 4,2% 4,7% 34,4% 19,7% 15,4% 16,4% 16,8% 14,5% 14,4% 5,5% 6,0% 13,8% 14,5%
2000 3,4% 3,2% 22,6% 16,0% 15,7% 14,3% 15,6% 13,7% 15,0% 3,7% 4,8% 11,6% 14,3%
2001 3,1% 4,2% 12,4% 13,8% 15,0% 13,0% 13,2% 12,7% 12,5% 0,5% 17,7% 10,7% 12,7%
2002 3,8% 4,3% 10,5% 15,1% 17,6% 13,8% 14,9% 12,9% 11,8% 6,7% 6,2% 10,7% 11,8%
2003 3,6% 4,3% 10,8% 17,2% 15,0% 14,2% 14,5% 13,9% 17,5% 8,3% 8,9% 11,7% 13,9%
2004 4,0% 2,3% 4,0% 14,3% 14,2% 14,6% 15,6% 14,0% 19,8% 10,4% 15,9% 11,7% 14,2%
2005 3,6% 2,5% 1,6% 14,0% 14,2% 13,0% 12,6% 12,4% 15,1% 8,9% 26,9% 11,3% 12,6%
2006 3,6% 2,3% 3,7% 11,4% 11,2% 12,4% 13,6% 12,1% 13,8% 7,3% 16,3% 9,8% 11,4%
2007 3,9% 3,1% 15,0% 12,5% 13,0% 14,5% 13,9% 11,4% 13,2% 7,2% 18,9% 11,5% 13,0%
2008 2,6% 1,7% 0,6% 8,3% 12,9% 11,7% 11,9% 8,6% 9,6% 6,7% -9,1% 6,0% 8,3%
Povprečje 3,7% 3,4% 11,3% 13,8% 14,9% 14,1% 14,2% 12,6% 13,9% 6,1% 11,6% 10,9% 12,6%
61
Tabela 13: Izračun ROE po sektorjih v obdobju 1995-2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Slika 10: Gibanje povprečnega ROE v obdobju 1995 -2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Leto
Trajne
dobrine
(CD)
Potrošne
dobrine
(CS)
Energija
(Energy)
Finance
(Finance)
Zdravstvo
(Hlth)
Ind.proiz
vodnja
(Ind)
Info.
tehnologija
(IT)
Surovine
in mat.
(Mat)
Telekom.
(Telecoms)
Oskrba
(Utilities) Ostalo Povprečje Mediana
1995 11,7% 12,1% 16,7% 13,7% 13,0% 14,9% 13,3% 11,1% 11,3% 4,0% 3,9% 11,4% 12,1%
1996 10,8% 10,0% 6,7% 13,6% 15,3% 14,6% 11,8% 10,7% 12,7% 3,1% 12,5% 11,1% 11,8%
1997 14,5% 13,9% 6,6% 13,4% 19,2% 16,3% 15,9% 14,5% 12,7% 4,6% 4,9% 12,4% 13,9%
1998 12,1% 12,3% 33,7% 15,1% 19,3% 15,1% 15,0% 13,6% 7,0% 5,4% 22,7% 15,6% 15,0%
1999 12,7% 11,0% 34,4% 19,7% 15,4% 16,4% 16,8% 14,5% 14,4% 5,5% 6,0% 15,2% 14,5%
2000 10,4% 8,0% 22,6% 16,0% 15,7% 14,3% 15,6% 13,7% 15,0% 3,7% 4,8% 12,7% 14,3%
2001 8,9% 10,1% 12,4% 13,8% 15,0% 13,0% 13,2% 12,7% 12,5% 0,5% 17,7% 11,8% 12,7%
2002 10,1% 10,3% 10,5% 15,1% 17,6% 13,8% 14,9% 12,9% 11,8% 6,7% 6,2% 11,8% 11,8%
2003 10,2% 9,5% 10,8% 17,2% 15,0% 14,2% 14,5% 13,9% 17,5% 8,3% 8,9% 12,7% 13,9%
2004 10,6% 5,4% 4,0% 14,3% 14,2% 14,6% 15,6% 14,0% 19,8% 10,4% 15,9% 12,6% 14,2%
2005 9,6% 6,3% 1,6% 14,0% 14,2% 13,0% 12,6% 12,4% 15,1% 8,9% 26,9% 12,2% 12,6%
2006 9,1% 5,8% 3,7% 11,4% 11,2% 12,4% 13,6% 12,1% 13,8% 7,3% 16,3% 10,6% 11,4%
2007 9,8% 7,5% 15,0% 12,5% 13,0% 14,5% 13,9% 11,4% 13,2% 7,2% 18,9% 12,4% 13,0%
2008 6,6% 4,5% 0,6% 8,3% 12,9% 11,7% 11,9% 8,6% 9,6% 6,7% -9,1% 6,6% 8,3%
Povprečje 10,3% 8,6% 11,3% 13,8% 14,9% 14,1% 14,2% 12,6% 13,9% 6,1% 11,6% 11,9% 12,6%
62
Tabela 14: Izračun STA po sektorjih v obdobju 1995-2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Slika 11: Gibanje povprečnega STA v obdobju 1995 -2008
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Leto
Trajne
dobrine
(CD)
Potrošne
dobrine
(CS)
Energija
(Energy)
Finance
(Finance)
Zdravstvo
(Hlth)
Ind.proizvo
dnja (Ind)
Info.
tehnologija
(IT)
Surovine
in mat.
(Mat)
Telekom.
(Telecoms)
Oskrba
(Utilities) Ostalo Povprečje Mediana
1995 2,66 2,20 0,20 1,86 1,82 2,59 2,44 1,91 1,49 0,86 1,16 1,75 1,86
1996 2,50 2,22 0,32 1,80 1,75 2,43 2,45 1,83 1,46 0,83 1,20 1,71 1,80
1997 2,39 2,14 1,44 1,77 1,78 2,35 2,47 1,79 1,61 0,77 1,06 1,78 1,78
1998 2,29 2,07 0,79 1,69 1,86 2,23 2,38 1,73 1,45 0,73 1,09 1,66 1,73
1999 2,21 2,00 0,82 1,47 1,94 2,16 2,29 1,64 1,67 0,75 2,16 1,74 1,94
2000 2,05 1,86 0,89 1,33 1,94 1,97 2,02 1,53 1,94 0,72 1,00 1,57 1,86
2001 1,99 1,82 0,82 1,18 1,91 1,89 1,96 1,47 1,62 0,70 1,70 1,55 1,70
2002 1,98 1,96 0,81 1,28 1,89 1,83 1,89 1,42 1,59 0,73 1,69 1,55 1,69
2003 1,94 1,83 1,33 1,61 1,88 1,83 1,92 1,46 1,51 0,71 1,30 1,57 1,61
2004 1,88 1,73 0,79 1,20 1,83 1,80 1,91 1,42 1,62 0,76 1,09 1,46 1,62
2005 1,79 1,73 1,01 1,17 1,74 1,69 1,72 1,34 1,49 0,71 1,25 1,42 1,49
2006 1,78 1,66 0,93 1,12 1,73 1,67 1,73 1,38 1,54 0,71 1,06 1,39 1,54
2007 1,81 1,62 0,75 1,10 1,74 1,71 1,73 1,38 1,62 0,75 1,37 1,42 1,62
2008 1,76 1,85 1,17 0,97 1,57 1,60 1,61 1,30 1,49 0,77 1,04 1,38 1,49
Povprečje 2,02 1,88 0,89 1,30 1,82 1,93 1,97 1,51 1,58 0,75 1,29 1,54 1,58
63
Tabela 15: Izračun GROP po sektorjih v obdobju 1995-2008
Leto
Trajne
dobrine
(CD)
Potrošne
dobrine
(CS)
Energija
(Energy)
Finance
(Finance)
Zdravstvo
(Hlth)
Ind.proizvodnja
(Ind)
Info.
tehnologija
(IT)
Surovine in
mat. (Mat)
Telekom.
(Telecoms)
Oskrba
(Utilities) Ostalo Povprečje Mediana
1995 43,1% -387,0% -50,0% 6,2% -427,2% 228,0% -90,3% 1012,3% -10,7% -521,1% -1009,5% -109,7% -50,0%
1996 259,8% -29,2% -34,4% 560,5% -90,1% -620,4% 633,1% -61,1% -122,8% -376,9% -71,8% 4,3% -61,1%
1997 61,9% 1128,3% -50,2% 449,1% 152,1% 22,3% -31,4% 172,9% -485,1% -14,1% 78,3% 134,9% 61,9%
1998 36,2% 91,1% 136,7% -429,8% -5,4% -85,1% 49,0% -44,3% 363,9% -130,8% 221,7% 18,5% 36,2%
1999 5,7% 246,9% -3,3% -2612,5% 147,1% -20,8% 278,2% 264,3% -227,4% -10,0% -20,7% -177,5% -3,3%
2000 -32,5% -149,3% 25,1% -134,0% 575,4% 46,8% 42,8% 118,6% 165,4% 13,7% -47,3% 56,8% 25,1%
2001 -49,8% 177,4% -45,1% -183,9% -142,5% -2411,2% -68,7% 739,4% -7,3% -166,2% -216,7% -215,9% -68,7%
2002 -155,4% 57,3% 56,4% -1825,7% -37,0% -549,2% 107,7% -73,4% 166,4% -201,3% -126,7% -234,6% -73,4%
2003 -49,4% -456,0% -1240695,0% -116,8% 75,6% -211,6% 242,2% -24072,9% -15714,1% -21,0% -15,0% -116457,6% -116,8%
2004 -40,0% 190,4% -29,3% -476,1% 13,0% 31,4% -3,0% -48,1% 3705,2% 262,5% 3787,3% 672,1% 13,0%
2005 65,1% 293,8% -142,5% -65,3% 112,9% 15,0% 68,8% 46,5% -33,0% 132,9% 359,0% 77,6% 65,1%
2006 -45,6% 83,8% -27,9% 4,7% -93,9% 80,7% 19,5% 99,0% 57,4% -81,1% 47,9% 13,1% 19,5%
2007 -60,9% 825,7% -5605,0% 204,4% 100,5% 56,5% 56,9% -176,2% 5,4% 17,5% -122,6% -427,1% 17,5%
2008 -7,7% -68,5% -97,7% 60,1% -45,6% 117,8% 54,5% 117,6% 78,4% 67,6% -60,6% 19,6% 54,5%
Povprečje -9,0% 139,3% -131213,8% -332,2% 45,4% -236,3% 87,4% -1873,8% -1211,3% -56,7% 338,5% -12211,1% -56,7%
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
64
4.10 Analiza korelacije med odvisnimi in neodvisnimi spremenljivkami
Pojasnjevalno moč VAIC modela bomo najprej ocenili s pomočjo korelacijske matrike med
odvisnimi in neodvisnimi spremenljivkami. Za vse korelacijske koeficiente smo izvedli tudi
preizkus njihove statistične značilnosti. Korelacijska analiza nam bo služila zgolj kot
kontrolna metoda in metoda, ki nam bo omogočila neposredno primerljivost rezultatov z
rezultati podobnih raziskav narejenih v drugih okoljih.
S pomočjo programskega paketa STATA smo ocenili korelacijsko matriko povezav med
odvisnimi in neodvisnimi spremenljivkami. Statistične značilnosti ocenjenih korelacijskih
koeficientov smo preverili s pomočjo t-testa ob predpostavki, da je α = 0,05. V Tabela 16 so
podane ocene korelacijskih koeficientov ter ocene statistične značilnosti korelacijskih
koeficientov. Test statistične značilnosti koeficientov je utemeljen na predpostavki, da lahko
ničelno hipotezo, ki predpostavlja, da je korelacijski koeficient enak 0, z visoko verjetnostjo
zavržemo (p<0,05).
V okviru analize korelacijskih koeficientov med spremenljivkami bomo na tem mestu
postavili merila za kvalifikacijo pojasnjevalne moči korelacijskih koeficientov. Moč
korelacijskih povezav bomo razdelili v štiri razrede:
korelacijski koeficient med 0,00 in 0,19 - šibka povezava
korelacijski koeficient med 0,20 in 0,49 - zmerna povezava
korelacijski koeficient med 0,49 in 0,79 - močna povezava
korelacijski koeficient med 0,80 in 1,00 - zelo močna povezava
Merila za kvalifikacijo moči povezav med spremenljivkami so postavljena hevristično.
Uporabljali jih bomo pri vseh korelacijskih analizah v naši raziskavi.
Iz korelacijske matrike je razvidno, da so korelacije med odvisnimi in neodvisnimi
spremenljivkami dokaj šibke in da je dokaj velik delež korelacijskih koeficientov statistično
neznačilen. Kot smo predvideli že pri analizi trenda gibanja odvisne spremenljivke GROP, so
vsi korelacijski koeficienti med GROP in neodvisnimi spremenljivkami statistično neznačilni.
Očitno je vpliv pojasnjevalnih spremenljivk gibanja GROP, ki jih nismo vključili v analizo,
bistveno večji od vpliva vključenih spremenljivk. Edini statistično značilen je korelacijski
koeficient med GROP in kontrolno spremenljivko SIZE, vendar je izkazana povezava dokaj
šibka (1,4%).
Statistično neznačilne so tudi povezave med:
LEV in donosnostjo kapitala (ROE),
pojasnjevalno spremenljivko SIZE in ROE in
kazalnikom učinkovitosti investiranja v strukturni kapital (SCE) in STA.
65
Tabela 16: Prikaz korelacijskih koeficientov in njihove statistične značilnost
ROA STA ROE GROP VAIC HCE SCE CEE SIZE LEV
STA 0.1128 1
0.0000***
ROE 0.8234 0.1518 1
0.0005*** 0.000***
GROP -0.0089 -0.0051 -0.0072 1
0.0005*** 0.0503 0.0053**
VAIC 0.0431 0.0268 0.0556 -0.0002 1
0.0000*** 0.0000*** 0.0000*** 0.9531
HCE 0.0271 -0.0098 0.0273 -0.0002 0.9585 1
0.0000*** 0.0001*** 0.0000*** 0.9387 0.0000***
SCE 0.0548 0.0016 0.05 0.0001 0.2583 0.0065 1
0.0000*** 0.5269 0.0000*** 0.965 0.0000*** 0.0121*
CEE 0.0247 0.2699 0.1272 -0.0004 0.1278 -0.006 0.0035 1
0.0000*** 0.0000*** 0.0000*** 0.8875 0.0000*** 0.0191* 0.1785
SIZE 0.0675 -0.2678 0.0026 -0.0083 -0.022 0.0105 0.0108 -0.2636 1
0.0000*** 0.0000*** 0.3104 0.0013** 0.0000*** 0.0000*** 0.0000*** 0.0000***
LEV -0.0792 -0.079 -0.0034 0.0012 0.0299 0.0097 0.0024 0.1511 -0.0304 1
0.0000*** 0.0000*** 0.1906 0.6457 0.0000*** 0.0002*** 0.3471 0.0000*** 0.0000*** 0.0000***
Značilnost:
*** if p < 0.001
** if p < 0.01 * if p < 0.05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
V postavljenih znanstvenih hipotezah smo predpostavili pozitivno povezanost med odvisnimi
in neodvisnimi spremenljivkami, kar se skozi pozitivne predznake večine korelacijskih
koeficientov izkazuje kot ustrezna predpostavka. Izjemo predstavljajo statistično neznačilne
povezave pojasnjevalnih spremenljivk z GROP ter negativen predznak pri povezavi med HCE
in STA. Ta negativna povezava je po izkazani moči minimalna.
Lahko rečemo, da je splošna značilnost ocenjene korelacijske matrike, da so izkazane
povezave med odvisnimi in neodvisnimi spremenljivkami izjemno nizke. V skladu s
postavljenimi kriteriji bi jih lahko okarakterizirali kot šibke povezave. Večina korelacijskih
koeficientov je nižjih od 0,1, z izjemo korelacije med učinkovitostjo investiranja v
opredmetena osnovna sredstva (CEE) in STA, ki znaša 0,27 (zmerna korelacija) in med CEE
in ROE, ki znaša 0,13 (šibka korelacija). Iz povedanega lahko zaključimo, da nam analiza
korelacije med spremenljivkami sugerira, da v modelu najvišjo korelacijo izkazuje neodvisna
spremenljivka učinkovitosti opredmetenih sredstev, medtem ko je izkazana korelacija
elementov IK statistično zelo visoko značilna, a z vidika praktične uporabnosti izsledkov
raziskave hkrati tudi ekonomsko nepomembna. Analiza korelacijskih koeficientov med
pojasnjevalnimi in odvisno spremenljivko nas navaja na sklep, da korelacijski koeficienti v
večini primerov potrjujejo postavljene hipoteze, hkrati pa moč povezav med spremenljivkami
kaže na to, da je pojasnjevalna moč modela nizka.
Nizka pojasnjevalna moč modela pod vprašaj postavlja praktično uporabnost modela pri
ugotavljanju vpliva učinkovitosti investiranja v IK na uspešnost poslovanja v slovenskih
podjetjih. Iz velikosti korelacijskih koeficientov je tudi razvidno, da med vsemi
66
pojasnjevalnimi spremenljivkami najvišjo korelacijo izkazuje učinkovitost investiranja v
opredmetena sredstva. Vpliv te spremenljivke je bistveno višji od vpliva učinkovitosti
investiranja v elemente IK, a še vedno pade v razred šibkih povezav.
4.11 Analiza s pomočjo OLS metode
Poleg ocene s pomočjo korelacijskih koeficientov smo modele za testiranje hipotez ocenili
tudi s pomočjo OLS regresijske metode. Omenili smo, da je OLS regresijska metoda, kadar
gre za panelno obliko podatkov, omejeno uporabna, saj ne omogoča ocene spremenljivk, ki
jih ne moremo opazovati oz. jih v analizo nismo vključili. Ocena modelov s pomočjo OLS
regresijske metode nam v raziskavi služi zgolj kot indikativna metoda. To metodo je pri
raziskavah vpliva učinkovitosti investiranja IK42
uporabila večina avtorjev (Bornemann,
1999; Chan, 2009; Chen, 2005; Firer in Williams, 2003; Kujansivu, 2007; Mavridis, 2004;
Williams, 2001; Shiu, 2006), zato nam ocena modelov s pomočjo OLS metode omogoča
primerljivost rezultatov raziskovanja.
Pri proučevanju panelnih podatkov je OLS metoda omejena v svoji učinkovitosti, zato smo za
potrebe testiranja modelov uporabili vce cluster robust različico OLS metode. Ta različica
standardno napako oceni na način, da je ta veljavna tudi v primeru, če so standardne napake v
modelu heteroskedastične. Oceno regresijskih koeficientov spremenljivk smo v okviru OLS
regresije kontrolirali za multikolinearnost. To smo storili s pomočjo ocene VIF faktorja. VIF
faktor se je pri vseh ocenah gibal v rangu med 1,01 in 1,03, iz česar sklepamo, da je
multikolinearnost pojasnjevalnih spremenljivk zelo nizka in ne vpliva na izsledke naše
analize. Izkustveni standard pri presoji multikolinearnosti ocenjene s pomočjo programa
STATA je, da je pri VIF faktorju, ki presega 10 multikolinernaost, močno prisotna, medtem
ko pri VIF faktorju, ki je enak 1, multikolinearnosti med pojasnjevalnimi spremenljivkami ni
(Cameron, Trivedi 2009).
Pri analizi statistične značilnosti regresijskih koeficientov bomo uporabljali obojestranske
teste (»two-sided test«) ob predpostavki α=0,05. Modeli, s pomočjo katerih smo testirali
hipoteze H1c, H1d, H2d, H3d in H4d,43
so statistično neznačilni, kar pomeni, da omenjenih
hipotez s pomočjo OLS regresijske metode ne moremo potrditi. Vsi ostali modeli imajo zelo
visoko statistično značilnost.44
Kljub zelo visoki statistični značilnosti modelov so skoraj vsi
individualni β koeficienti HCE in SCE spremenljivk statistično neznačilni. Takšni rezultati
analize navajajo na tri možne sklepe:
Uporabljena metoda ocene modelov je neustrezna.
Model VAIC je teoretično neustrezen.
Vzorec podjetij in časovno obdobje sta nereprezentativna.
42
V mislih imamo raziskave, ki so temeljile na VAIC modelu. 43
Za omenjene modele velja, da je pF >0,05. 44
p<0,001.
67
Tabela 17: Prikaz preizkusa hipotez z uporabo OLS regresijske metode
MODEL H1a (ROA) MODEL H1c (ROE)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
VAIC 0,000 0,000 1,81 0,070 VAIC 0,001 0,000 1,78 0,075
SIZE 0,003 0,001 12,15 0,000*** SIZE 0,000 0,002 -0,80 0,438
LEV -0,002 0,000 -5,26 0,000*** LEV 0,000 0,000 -1,16 0,245
INTERCEPT 0,013 0,003 3,90 0,000*** INTERCEPT 0,122 0,006 17,99 0,000***
R-square 0,013 R-square 0,003
F-value 60,290 F-value 1,44
N (obs) 150.565 N (obs) 150.565
Mean VIF 1,00 Mean VIF 1,00
MODEL H1b (STA) MODEL H1d (GROP)
Independent variable
Coefficients (β)
SE t-value p Independent variable
Coefficients (β)
SE t-value p
VAIC 0,002 0,001 1,59 0,111 VAIC -0,015 0,022 -0,66 0,512
SIZE -0,237 0,006 -40,70 0,000*** SIZE -2,627 1,466 -1,79 0,073
LEV -0,040 0,006 -6,34 0,000*** LEV 0,155 0,086 1,80 0,072
INTERCEPT 4,657 0,073 63,74 0,000*** INTERCEPT 27,39 15,52 1,76 0,078
R-square 0,078 R-square 0,000
F-value 561,590 F-value 1,200
N (obs) 150.565 N (obs) 150.565
Mean VIF 1,00 Mean VIF 1,00
MODEL H2a, H3a, H4a (ROA) MODEL H2b, H3b, H4b (STA)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
HCE 0,000 0,000 1,73 0,083 HCE -0,001 0,000 -1,66 0,097
SCE 0,001 0,000 2,50 0,012* SCE 0,001 0,001 1,36 0,175
CEE 0,002 0,000 3,56 0,001** CEE 0,167 0,046 3,62 0,000***
SIZE 0,004 0,001 11,62 0,053 SIZE -0,184 0,143 -12,92 0,000***
LEV -0,002 0,000 -5,25 0,000*** LEV -0,541 0,094 -5,76 0,000***
INTERCEPT 0,002 0,005 0,41 0,681 INTERCEPT 3,833 0,225 17,04 0,000***
R-square 0,017 R-square 0,129
F-value 38,260 F-value 383,220
N (obs) 150.565 N (obs) 150.565
Mean VIF 1,04 Mean VIF 1,04
MODEL H2c, H3c, H4c (ROE) MODEL H2d, H3d, H4d (GROP)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
HCE 0,000 0,000 1,69 0,091 HCE -0,005 0,011 -0,46 0,649
SCE 0,002 0,001 2,45 0,012* SCE 0,030 0,062 0,47 0,731
CEE 0,135 0,004 3,65 0,000*** CEE -0,767 0,659 -1,16 0,636
SIZE 0,004 0,001 3,66 0,000*** SIZE -2,869 1,596 -1,80 0,075
LEV -0,001 0,000 -3,10 0,000*** LEV 0,223 0,136 1,64 0,245
INTERCEPT 0,058 0,019 3,13 0,000*** INTERCEPT 31,164 17,56 1,78 0,076
R-square 0,021 R-square 0,000
F-value 4,820 F-value 0,880
N (obs) 150.565 N (obs) 150.565
Mean VIF 1,04 Mean VIF 1,04
Significance: *** if p < 0.001 ** if p < 0.01
* if p < 0.05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
68
Ad 1) Uporabljena metoda ocene modelov je neustrezna. Večina avtorjev, ki je proučevala
uspešnost poslovanja podjetij v povezavi z učinkovitostjo investiranja v posamezne elemente
IK, je za ocenjevanja modelov uporabila enostavne statistične metode (opisne statistike,
korelacijsko analizo in multiplo regresijo…) Uporaba raziskovalnih orodij je po naši oceni
močno povezana z vzorci podatkov, na katerih so avtorji izvajali raziskave. Večina raziskav
je bila narejena na osnovi kratkih časovnih vrst (Chan 2009 et al.) in omejenemu številu
opazovanj. Naša raziskava temelji na podatkih za daljše časovno obdobje (6 do 14 let),
pridobljenih za velik vzorec podjetij (12.504 podjetij). Oboje nam omogoča uporabo bolj
kompleksnih metod raziskovanja. OLS regresijsko metodo smo uporabili predvsem kot
indikativno metodo ob zavedanju vseh njenih slabosti. Rezultati testa modelov izvedenih s
pomočjo panelne regresije bodo ovrgli ali potrdili ocene dobljene s pomočjo OLS regresijske
metode.
Ad 2) Model VAIC je teoretično neustrezen. Model VAIC je v skupnosti raziskovalcev IK
sprejet predvsem kot model, ki omogoča izvedbo širših raziskovalnih projektov, temelječih na
javno dostopnih finančnih podatkih podjetij. To je vsekakor ena izmed največjih prednosti
tega modela. Kljub množici raziskav, s katerimi so raziskovalci testirali VAIC model v
različnih okoljih in različnih časovnih obdobjih, so rezultati raziskav mešani. Nekateri avtorji
povezav VAIC z uspešnostjo poslovanja podjetij niso potrdili (npr. Chan, 2009 et al.), medtem
ko so drugi avtorji omenjene povezave potrdili (Kujansivu, 2007 et al.).45
Mešani izsledki
raziskav, dodatno podprti z nekaterimi kritikami VAIC modela (Andriessen, 2004), kažejo na
morebitne teoretične nedoslednosti modela in neposredno navajajo na to, da je potrebno
razmisliti o morebitnih dopolnitvah modela, predvsem pa o umestitvi modela v teoretično
bolje opredeljen kontekst.
Ad 3) Vzorec proučevanih podjetij in proučevano obdobje sta nereprezentativna. Oceno
reprezentativnosti proučevane populacije bomo preverjali s pomočjo razpoložljivih
kvantitativnih metod v okviru empirične raziskave, medtem ko smo vsebinske razloge za
selekcijo razpoložljivega vzorca že navedli. Večje zadržke do izsledkov ostalih raziskovalcev
imamo pri izbiri dolžine proučevanih časovnih obdobij. V okviru raziskave morebitnih
povezav med tržno vrednostjo kapitala podjetij in njihovo knjigovodsko vrednostjo npr. Soler
omenja tudi druge dejavnike (Soler, Cuello in Celestino, 2007), ki potencialno vplivajo na
vrednost IK podjetij. Med drugim navaja tudi vpliv ekonomskih ciklov na tržno vrednost IK.46
Če velja njegova hipoteza, da je IK povezan tudi s cikličnim gibanjem gospodarstva,47
potem
lahko proučevanje časovnih obdobij, ki ne zajemajo celotnega gospodarskega cikla (obdobij
konjunkture in recesije),48
v rezultate raziskav vnaša določeno mero pristranskosti. Če
povezava med učinkovitostjo investiranja v IK in uspešnostjo poslovanja podjetij ni stabilna v
vseh fazah ekonomskega cikla, so lahko izsledki proučevanja, temelječi na krajših obdobjih,
pristranski. Za proučevanje IK je skoraj simptomatično, da se večina raziskav izvaja v
obdobjih svetovne gospodarske konjunkture,49
bistveno manj pa je raziskav, ki bi IK
45
Podrobnejšo primerjavo izsledkov različnih raziskav bomo predstavili v okviru analize rezultatov naše
raziskave. 46
Hipoteza o vplivu ekonomskih ciklov na vrednost IK odpira izjemno široko področje proučevanja, ki vključuje
proučevanje ekonomskih ciklov, učinkovitost trga kapitala, vedenjske finance… Širjenje raziskovalnega
področja v tem trenutku presega namen naše raziskave, a hkrati odpira nove možne vidike raziskovanja področja
IK. 47
V prispodobi bi lahko dilemo ponazorili z izrazom »IC up-capture ratio« in »IC down-capture ratio«, ki ga
sicer uporabljamo v kontekstu uspešnosti portfeljskega upravljanja v primerjavi s smerjo gibanja kapitalskega
trga. 48
Zaželeno bi bilo proučevanje daljšega obdobja, ki zajema več gospodarskih ciklov. 49
Vse do sedaj naštete študije so bile izvedene v različnih fazah gospodarske konjunkture.
69
proučevale v obdobjih gospodarskega zastoja. Morda lahko razlog za takšno stanje poiščemo
v »atraktivnosti« raziskovanja IK predvsem v obdobjih, ko tržna vrednost kapitala podjetij
močno presega njihovo knjigovodsko vrednost. Razlika med knjigovodsko vrednostjo
kapitala in njegovo (višjo) tržno vrednostjo je vedno veljala za enega izmed najmočnejših
indicev, da obstajajo nematerialni produkcijski faktorji, ki jih knjigovodstvo v svojih
evidencah ne evidentira. Obdobja, ko tržna vrednost kapitala močno presega njegovo
knjigovodsko vrednost, so predvsem obdobja gospodarske konjunkture (Shiller, 2002). V
obdobjih recesije, ko se ta razlika znižali pa je celo negativna, je področje IK bistveno manj
zanimivo (ibid.). McKinseyeva raziskava iz leta 2002 je pokazala, da nadpovprečno uspešna
podjetja v obdobjih recesije v primerjavi s konkurenco ohranjajo nadpovprečno raven
stroškov storitev (administrativni stroški, stroški marketinga, R&D…) v želji, da bi prav z
investiranjem v znanje v obdobju krize premagala oslabelo konkurenco (Lev in
Radhakrishnan, 2004). Z namenom, da bi iz raziskave izločili potencialen vpliv ekonomskega
cikličnega gibanja, smo se odločili za proučevanje daljše časovne vrste finančnih podatkov.
Takšen pristop nam omogoča, da slovenska podjetja proučujemo v različnih fazah
ekonomskega cikla. Potrebno je opozoriti, da ciklično gibanje slovenskega gospodarstva v
preteklosti ni bilo v celoti primerljivo s svetovnim gospodarskim gibanjem.50
Ocenjujemo, da
izsledki naše raziskave niso neposredno uporabni za druga ekonomska okolja.
Na osnovi vsebinskih, teoretičnih in tehničnih argumentov, bomo v nadaljevanju predstavili
izsledke raziskave s pomočjo panelne regresijske metode, ki jo vsebinsko in tehnično
ocenjujemo za primernejšo metodo od navadne OLS multiple regresijske metode in metode
korelacijskih koeficientov.
4.12 Analiza rezultatov metode panelne regresije
4.12.1 Analiza s pomočjo metode panelne regresije s fiksnimi učinki
Proučevana populacija slovenskih podjetij ima značilnost neuravnoteženih panelnih
podatkov.51
Za rezultate analize s pomočjo panelne regresije tovrstna struktura podatkov ni
problematična ob pogoju, da v procesu selekcije vzorca proučevanih podjetij ni prišlo do
povezanosti med napakami ocene in regresorji. Da bi zadostili temu pogoju mora imeti proces
izločanje podjetij iz vzorca značilnost slučajnostne spremenljivke. Izbrana populacija
slovenskih podjetij ima značilnosti kratkega in dolgega panela, saj proučujemo veliko
število podjetij v sorazmerno dolgem časovnem obdobju. S pomočjo Hausmanovega testa
smo vse testirane modele preverili z vidika primernosti uporabe obeh razpoložljivih metod, ki
so na razpolago v okviru metode panelne regresije; metode fiksnih učinkov in metode stalnih
učinkov. Pri vseh modelih, razen pri modelu s katerim ocenjujemo hipoteze H1d, H2d, H3d in
H4d, v okviru katerih smo predpostavili, da je medletna rast dobička iz poslovanja odvisna od
VAIC oz. HCE, SCE in CEE,52
je opravljeni F-test dodatno potrdil, da je uporaba metode
stalnih učinkov smiselna in učinkovita. Ničelna domneva F-testa je bila v vseh primerih
zavrnjena z visoko stopnjo statistične značilnosti (Prob>chi2<0,001). Ker je primerjava
determinacijskih koeficientov modelov izračunanih po metodi FE in RE pokazala, da je
pojasnjevalna moč modelov po obeh metodah skoraj identična in ker so pri obeh metodah
50
V proučevanem obdobju je imela Slovenija status tranzicijske države, ki se je postopoma vse bolj integrirala v
mednarodne blagovne in kapitalske tokove in ni v celoti delila usode ekonomskega in kapitalskega cikla razvitih
držav. 51
Ang. »unbalanced data set«. 52
Vključujoč SIZE in LEV kot kontrolni spremenljivki.
70
Tabela 18: Prikaz preizkusa hipotez z uporabo panelne regresijske metode
MODEL H1a (ROA) MODEL H1c (ROE)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
VAIC 0,000 0,000 15.92 0,000*** VAIC 0,000 0,000 14,71 0,000***
SIZE 0,002 0,000 5.18 0,000*** SIZE -0,042 0,000 -46,88 0,000***
LEV -0,001 0,000 -17.74 0,000*** LEV -0,003 0,000 -15,69 0,000***
INTERCEPT 0,028 0,004 6.58 0,000*** INTERCEPT 0,613 0,010 59,40 0,000***
R-square 0,013 R-square 0,004
F-value 200,40 F-value 863,700
N (obs) 150.565 N (obs) 150.565
Hausman
Prob>chi2
0,000 fixed-effects Hausman
Prob>chi2
0.000 fixed-effects
MODEL H1b (STA) MODEL H1d (GROP)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
VAIC 0,001 0,000 3,40 0,000*** VAIC -0,005 0,092 -0,05 0,957
SIZE -0,663 0,004 -145,6 0,000*** SIZE 8,34 2,635 3,17 0,002
LEV -0,045 0,001 -44,20 0,000*** LEV 0,421 0,591 0,72 0,473
INTERCEPT 9,586 0,052 181,77 0,000*** INTERCEPT -99,454 30,506 -3,26 0,001**
R-square 0,08 R-square 0,002
F-value 7.398,88 F-value 0,016
N (obs) 150.565 N (obs) 150.565
Hausman Prob>chi2
0,000 fixed-effects Hausman Prob>chi2
0,000 fixed-effects
MODEL H2a,
H3a, H4a
(ROA) MODEL H2b,
H3b, H4b
(STA)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
HCE 0,000 0,000 9,01 0,000*** HCE 0,000 0,000 -2,28 0,022
SCE 0,001 0,000 16,79 0,000*** SCE 0,002 0,000 4,01 0,000***
CEE 0,003 0,000 28,49 0,000*** CEE 0,073 0,001 45,18 0,000***
SIZE 0,004 0,000 12,05 0,000*** SIZE 0,047 0,004 -129,4 0,000***
LEV -0,002 0,000 -20,51 0,000*** LEV -0,414 0,001 -48,94 0,000***
INTERCEPT -0,008 0,004 -1,73 0,083 INTERCEPT 8,842 0,055 161,05 0,000***
R-square 0,016 R-square 0,092
F-value 307,47 F-value 4.916
N (obs) 150,565 N (obs) 150.565
Hausman Prob>chi2
0,000 fixed-effects Hausman Prob>chi2
0.000 fixed-effects
MODEL H2c,
H3c, H4c
(ROE) MODEL H2d,
H3d, H4d
(GROP)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
HCE 0,000 0,000 7,06 0,000*** HCE -0,001 0,095 -0,02 0,986
SCE 0,002 0,000 15,12 0,000*** SCE -0,015 0,350 0,04 0,966
CEE 0,012 0,000 39,82 0,000*** CEE -0,245 0,937 -0,26 0,794
SIZE -0,032 0,000 -35,37 0,000*** SIZE 8,154 2,733 2,98 0,003
LEV -0,003 0,000 -19,69 0,000*** LEV 0,440 0,594 0,74 0,459
INTERCEPT 0,489 0,000 45,47 0,000*** INTERCEPT -96,98 31,996 -3,03 0,002**
R-square 0,003 R-square 0,000
F-value 856,34 F-value 0,067
N (obs) 150.565 N (obs) 150.565
Hausman
Prob>chi2
0,000 fixed-effects Hausman
Prob>chi2
0.000 fixed-effects
*** if p < 0,001
** if p < 0,01
* if p < 0,05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
71
regresijski koeficienti enako predznačeni in ocenjeni z zelo visoko stopnjo statistične
značilnosti (p<0,001), v nadaljevanju navajamo zgolj rezultate ocen z modelom stalnih
učinkov. Hausmanov test smo izvedli tudi za populacije velikih, srednjih in majhnih podjetij.
Rezultati teh testov so bili enaki kot testi izvedeni na celotni populaciji podjetij. Na osnovi
izvedenih testov ocenjujemo, da velikost podjetja z vidika izbora metode panelne regresije ne
predstavlja pomembnega dejavnika.
V Tabela 18 so prikazani rezultati ocene postavljenih hipotez s pomočjo OLS metode in
metode panelne regresije s stalnimi učinki.
Ocena modelov za potrjevanje hipotez H1d, H2d, H3d in H4d je ne glede na uporabljeno
metodo pokazala, da modeli statistično niso značilni (F-test p>0,05). Glede na to, da tudi
regresijski koeficienti individualnih neodvisnih spremenljivk ne izkazujejo statistične
neznačilnosti, lahko z veliko verjetnostjo predpostavimo, da hipoteze, da je GROP odvisna od
VAIC, HCE, SCE in CEE, ne moremo potrditi.
Na takšen sklep nas je navajal že pregled tabele povprečnih medletnih stopenj rasti po
posameznih sektorjih. Ocenjujemo, da so vzroki za izkazano statistično (ne)značilnost
predvsem v sorazmerni nestabilnosti gospodarskega okolja, v katerem poslujejo slovenska
podjetja. Menimo, da je nestabilno okolje v preteklosti vplivalo na nihajnost medletnih
stopenj rasti dobičkov in s tem povzročilo, da je odvisna spremenljivka GROP neprimerna za
ugotavljanje povezanosti med učinkovitostjo investiranja v intelektualni kapital in uspešnostjo
poslovanja slovenskih podjetij. Nepotrjenih hipotez v nadaljevanju ne bomo več komentirali.
Vsi nadaljnji sklepi se bodo nanašali na ocenjevanje ostalih modelov in hipotez.
Kljub temu, da ocene modelov s pomočjo izračuna korelacij med odvisnimi in neodvisnimi
spremenljivkami niso dale prepričljivih rezultatov, je ocena s pomočjo metode panelne
regresije s fiksnimi učinki dala nekoliko drugačne rezultate. Vsi determinacijski koeficienti
modelov so zelo visoko statistično značilni, saj je pri vseh F-testi modelov vrednost p<0,000.
Navkljub zelo visoki statistični značilnosti pa je pojasnjevalna moč modelov, izkazana skozi
velikost determinacijskih koeficientov, izjemno nizka. Najnižjo pojasnjevalno moč izkazujejo
modeli, ki kot pojasnjevalno spremenljivko vključujejo VAIC. Nekoliko boljše rezultate so
izkazali modeli, ki kot pojasnjevalne spremenljivke vključujejo posamezne indikatorje
učinkovitosti investiranja. Najvišjo pojasnjevalno moč modela izkazujejo modeli H2b, H3b in
H4b, v katerih ocenjujemo povezavo med pojasnjevalnimi spremenljivkami HCE, SCE, CEE
in neodvisno spremenljivko STA, kjer determinacijski koeficient kaže, da variabilnost
neodvisnih spremenljivk pojasnjuje 8,7% variabilnosti odvisne spremenljivke STA. Vsi ostali
determinacijski koeficienti modelov so nižji, saj izkazujejo 0,9% in 1,9% pojasnjevalno moč.
Pojasnjevalna moč modelov je v primerjavi s podobnimi študijami dokaj nizka. V raziskavi,
ki jo je na primeru finančnih izkazov 80 tajvanskih visokotehnoloških podjetij za poslovno
leto 2003 izvedel Shiu (2003), se je pojasnjevalna moč modelov53
gibala med 40,20% in
79,46%, medtem ko je pojasnjevalna moč modelov, ki jih je za potrebe analize učinkovitosti
investiranja v IK na populaciji 33 podjetij iz Hong Konga, vključenih v borzni indeks HSI,
znašala 14,9% (Chan, 2009). Firer in Williams (2001) sta v svoji študiji, izvedeni na
populaciji 75 visoko tehnoloških podjetij iz Južne Afrike, ugotovila, da je pojasnjevalna moč
53
Ocenjeval je korelacijo med CEE, HCE kot neodvisnima spremenljivkama ter ROA, STA in tržno vrednostjo
kapitala kot odvisnimi spremenljivkami.
72
modelov, s katerimi sta raziskovala povezavo učinkovitosti investiranja v IK in uspešnostjo
poslovanja podjetij, v razponu med 4,8% in 43,5%.54
4.12.2 Možni vzroki za različne rezultate študij izvedenih s pomočjo VAIC modela
Seveda se poraja vprašanje, zakaj prihaja do tako velikih razlik med posameznimi študijami,
ki so si vsebinsko in metodološko zelo podobne? Odgovorov na to vprašanje je lahko več:
1. Model VAIC je pri utemeljitvah modeliranja povezav med učinkovitostjo investiranja
v IK in finančno uspešnostjo podjetij teoretično in praktično nedosleden.55
2. Vse študije so regionalno omejene in vključujejo zgolj podjetja iz posameznih držav.
Rezultati testov niso kontrolirani za razlike v ekonomskih sistemih, davčnih sistemih,
strukturi gospodarstva, računovodskih sistemih, kulturi… Raziskovanje vpliva
omenjenih razlike presegajo namen naše raziskave in jih bomo pustili kot odprt izziv
za bodoče študije.
3. Večina študij je izdelanih zgolj na manjših vzorcih podjetij, ki so večinoma
selekcionirani po kriterijih velikosti podjetij, borzne kotacije ali na osnovi njihove
sektorske klasifikacije. Podjetja, ki kotirajo na borzi, verjetno niso reprezentativen
vzorec podjetij iz narodnega gospodarstva, zato ocenjujemo, da je rezultate raziskav
neprimerno posploševati na celotno narodno gospodarstvo. To še posebej velja za
države, kjer kapitalski trgi ne odražajo narodno gospodarske strukture podjetij.
Podobno velja za analizo rezultatov za podjetja iz določenega sektorja. Rezultatov ni
primerno posploševati, saj so pod močnim vplivom sektorsko pogojenega procesa
ustvarjanja vrednosti. Do izkrivljenosti rezultatov lahko pride tudi zaradi načina izbire
vzorca, ki lahko povzroči, da vzorec ne odraža v zadostni meri značilnosti sektorja kot
celote. Odprto ostaja tudi vprašanje, ali je izsledke lokalno obarvanih raziskav možno
nekritično prenašati na dogajanje v sektorjih iz drugih držav. Pri interpretaciji in
primerjavi rezultatov sicer metodološko primerljivih, a lokalno omejenih raziskav, je
torej potrebna velika mera doslednosti in previdnosti.
4. Večina študij povezave med učinkovitostjo investiranja v IK in uspešnostjo poslovanja
podjetij bazira na presečni analizi (ang. »cross sectional analysis«) proučevane
populacije podjetij. Učinkovitost investiranja v IK po definiciji ne more biti koncept,
ki daje učinke zgolj v enem poslovnem letu. Menimo, da je lahko zgolj longitudinalni
koncept. Omenjeno značilnost IK smo teoretično utemeljili v okviru proučevanja
procesov transformacije znanja v podjetjih, ki potekajo v podjetjih. Gre za izrazito
časovno pogojen pojav, v okviru katerega se znanje v podjetjih skozi čas akumulira in
hkrati neprestano transformira. Na znanju temelječ proces ustvarjanja vrednosti je
posledično proces učinkovitega investiranja v ključna gonila vrednosti, ki se skozi čas
odraža v uspešnosti poslovanja podjetij. Če je uspešnost poslovanja podjetja
podpovprečna,56
pomeni, da podjetje intelektualnega potenciala, s katerim razpolaga,
ni uspelo transformirati v poslovno uspešnost. V skladu z doktrino modelov
ocenjevanja vrednosti, ki temeljijo na načelu presežne donosnosti, vrednost IK v
podpovprečno uspešnih podjetjih ne obstaja. Če so podjetja povprečno uspešna, je
54
Najnižja pojasnjevalna moč je bila v modelu, ki je z učinkovitostjo investiranja v IK pojasnjeval spremembe
donosnosti sredstev (ROA) in najvišja v modelu, ki je pojasnjeval tržno vrednost kapitala podjetij. 55
Več o tem v nadaljevanju. 56
Govorimo o povprečju glede na zahtevano stopnjo donosa, ki vključuje vse poznane dejavnike tveganja.
Podrobneje bomo o zahtevani stopnji donosa spregovorili v nadaljevanju.
73
vrednost IK v teh podjetjih enaka nič, če pa so rezultati nadpovprečni, podjetje
ustvarja t.i. »skrito vrednost« oz. »nevidni kapital«, ki ga v naši študiji imenujemo IK.
Vrednost IK postane »vidna« skozi transakcije z delnicami oz. lastniškimi deleži na
borzi oz. v okviru M&A aktivnosti. Izhajajoč iz poznanih metod ocenjevanja vrednosti
podjetij (Copeland, 1996; Pratt, 2008; Reilly, 1994), je notranja vrednost kapitala57
podjetij enaka sedanji vrednosti prihodnjih koristi (denarnih tokov), ki jih bo lastniku
kapitala ustvarilo podjetje. Sestavljena je iz treh ključnih elementov: koristi, njihovega
tveganja in njihove razporeditve v času. Čas je torej pomembna komponenta notranje
vrednosti podjetja. Praksa ocenjevanja vrednosti (Pratt, 2008) namreč kaže, da
investitorji ocenjujejo vrednost podjetja s pomočjo projekcije pričakovanih denarnih
tokov za nekaj let vnaprej. Tako projiciranim in diskontiranim denarnim tokovom
dodajo še vrednost reziduala, s katerim ocenijo sedanjo vrednost potenciala podjetij po
obdobju, za katerega so izdelali natančno projekcijo poslovanja. Časovno obdobje, za
katerega se izračunava rezidual, je redko časovno omejeno. Govorimo torej o
projekcijah poslovanja, ki ocenjujejo poslovanje podjetja praktično v neskončnost.58
Vse ocenjene donose investitorji diskontirajo z zahtevano stopnjo donosa, ki
načeloma izkazuje s strani investitorja prevzeto (dodatno) tveganje naložbe. Notranja
vrednost podjetja (in s tem posredno tudi IK) je torej koncept seštevanja diskontiranih
koristi, ki jih naložba ustvarja praktično v neskončnost. Pri tem je potrebno poudariti,
da lahko v povprečju več kot 50% izračunane notranje vrednosti podjetij izhaja iz
reziduala izračunanega po Gordonovi formuli (Pratt, 2008). Povedano drugače. Več
kot 50% vrednosti podjetja lahko izhaja iz nečesa, kar se bo ustvarjalo v obdobju, ki je
od trenutka ocenjevanja vrednosti odmaknjeno npr. 8 in več let v prihodnost ter
neskončnostjo. Vsebinske zaključke raziskav, ki izhajajo iz presečnih analiz izvedenih
na podatkih enega ali nekaj let, zelo težko umestimo v koncept ocenjevanja notranjih
vrednosti podjetij. Omenjena časovna neusklajenost predstavlja enega izmed ključnih
razlogov, da smo v našo raziskavo vključili podatke o poslovanju podjetij za obdobje
petnajstih let (1995-2008). Naš osnovni cilj je, da proučimo vzdržnost procesa
ustvarjanja vrednosti in poiščemo indikatorje, ki bi nam zmanjšali tveganja pri
ocenjevanju adaptacijske učinkovitosti podjetij v okviru ocene bodočega ustvarjanja
vrednosti.
5. Ocenjujemo, da je pojasnjevalna moč modelov deloma odvisna tudi od uporabljenih
raziskovalnih orodij in obdobja proučevanja. Kot primer59
navajamo primerjavo
izsledkov presečne regresijske analize za 2004 (obdobje zgodnjega okrevanja
svetovnega gospodarstva), l. 2007 (pozna konjunktura) in l. 2008 (obdobje recesije v
svetovnem gospodarstvu). Izbrali smo leta iz različnih faz svetovnega ekonomskega
cikla. Za izbrana leta smo izvedli presečno analizo s pomočjo OLS regresijske metode.
Z namenom kontrole vpliva velikosti podjetij na rezultate testa, smo podjetja razdelili
po velikostnih razredih. Vzorec podjetij je v vseh letih enak. Kot odvisno
spremenljivko smo opredelili ROE, neodvisne spremenljivke pa so HCE, SCE in CEE.
Vsi rezultati regresijskega modela, ki jih prikazujemo v Tabela 19, izkazujejo zelo
visoko statistično značilnost.
57
Ang. »intrinsic value«. 58
Seveda se zaradi diskontiranja donosov vpliv donosov v bolj oddaljenih obdobjih eksponentno zmanjšuje. 59
Prikazati želimo zgolj časovno nestabilnost določenih povezav, kadar jih proučujemo na presečnih podatkih.
74
Tabela 19: Presečna analiza v različnih letih z uporabo OLS regresijske metode
MODEL H2c, H3c,
H4c
(ROE2004) MODEL H2c, H3c,
H4c
(ROE2007)
Independent variable Coefficients (β)
SE t-value
p Independent variable Coefficients (β)
SE t-value
p
HCE 0,017 0,004 3,51 0,000*** HCE 0,001 0,036 6,39 0,000***
SCE 0,167 0,025 6,73 0,000*** SCE 0,239 0,031 7,86 0,000***
CEE 0,108 0,015 4,25 0,000*** CEE 0,067 0,011 5,90 0,000***
SIZE 0,001 0,000 9,40 0,000*** SIZE 0,020 0,001 2,85 0,000***
FLEV -0,003 0,000 4,25 0,000*** FLEV 0.003 0,000 6,52 0,000***
INTERCEPT -0,066 0,014 3,13 0,000*** INTERCEPT -0.025 0,015 -2,85 0,000***
R-square 0,31 R-square 0,20
F-value 136,38 F-value 35,75
N (obs) 150.565 N (obs) 150.565
Mean VIF 1,04 Mean VIF 1,03
MODEL H2c, H3c, H4c (ROE2008)
Independent variable Coefficients (β) SE t-value p
HCE 0,014 0,002 7,86 0,000***
SCE 0,116 0,016 7,08 0,000***
CEE 0,027 0,009 2,99 0,003**
SIZE 0,002 0,000 2,56 0,000***
FLEV -0,001 0,000 -3,51 0,000***
INTERCEPT 0,018 0,001 5,72 0,000***
R-square 0,14
F-value 22,21
N (obs) 150.565
Mean VIF 1,02
Significance:
*** if p < 0.001
** if p < 0.01
* if p < 0.05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Presečna analiza nam pokaže nihanje velikosti determinacijskih koeficientov v
različnih letih ter v različnih velikostnih razredih podjetij. Če je model v l. 2004
pojasnjeval 31% variabilnosti vrednosti odvisne spremenljivke ROE pri velikih
podjetjih, je bil odstotek pojasnjenosti v l. 2007 le še 20%, v l. 2008 pa zgolj še 14%.
Vsi determinacijksi koeficienti so statistično zelo visoko značilni. Največjo stabilnost
izkazuje determinacijski koeficient modela pri majhnih podjetjih (med 4% in 6%) pri
čemer velja poudariti, da je njegova izrazna moč zelo nizka. Vzorec manjših podjetij
je po številu zajetih podjetij največji in po naši oceni zajema največ »informacijskega
šuma«,60
ki pa se z vidika statistične značilnosti rezultatov izravnava skozi zakonitosti
velikih števil podjetij zajetih v vzorcu.
Prikazani test modela v različnih letih in velikostnih razredih podjetij nas navaja na
naslednje sklepe:
Potrebno je biti izjemno pazljiv, kadar primerjamo rezultate različnih
analiz, izvedenih v različnih časovnih obdobjih na različnih populacijah
60
Z informacijskim šumom imamo v mislih sorazmerno nestabilnost poslovnih modelov, finančnih struktur in
finančnih rezultatov majhnih podjetij. Vpliv neopazovanih pojasnjevalnih spremenljivk je pri populaciji majhnih
podjetij bolj prisoten kot pri populaciji velikih in srednjih podjetij.
75
opazovanih podjetij, še posebej, kadar imamo opravka s presečnimi
analizami.
Potrebno je biti pazljiv pri primerjavi rezultatov analiz, ki uporabljajo
različna raziskovalna orodja in tehnike.
Prikazani test modela nam potrjuje, da je učinkovitost investiranja v IK pojav, ki ga je
potrebno proučevati in pojasnjevati na osnovi analize longitudinalnih in presečnih podatkov
(pomembna je variabilnost pojava med leti, kot tudi med podjetji) in to v daljšem časovnem
obdobju. Ocenjujemo, da so analize narejene na podatkih enega leta oz. zelo kratkega
obdobja61
lahko sporne z vidika časovne stabilnosti rezultatov in načina njihove interpretacije.
Pri analizi, temelječi na podatkih enega leta, lahko v tem letu pride do ekstremnega nihaja
vpliva zunanjih dejavnikov na gonila vrednosti podjetja.62
Takšna nihanja lahko deloma
relativiziramo s podaljševanjem proučevanega obdobja, ne smemo pa jih iz analize izločiti.
IK ne more biti zgolj fenomen dobrih poslovnih obdobij. Na daljši rok mora biti učinkovitost
investicij v IK na takšni ravni, da je sposobna dolgoročno nevtralizirati (in celo preseči)
negativne eksterne vplive ter ustvarjati nadpovprečno dodano vrednost (v svoji dejavnosti).
To dejansko pomeni, da morajo biti podjetja z nadpovprečno ravnijo IK na dolgi rok sposobna
negativne zunanje vplive obrniti v svojo korist (v primerjavi s konkurenco).
4.12.3 VAIC model in trg kapitala v Sloveniji
Retrospektiva raziskav izvedenih s pomočjo VAIC modela pokaže, da je model VAIC
pojasnjevalno moč izkazoval tudi na področju analize povezav med učinkovitostjo
investiranja v IK in gibanjem cen delnic podjetij, ki kotirajo na borzah (Bornemann, 1999;
Chen, 2005; Pulić, 2000; Soler, 2007). Za večino teh raziskav lahko ugotovimo, da so bile
izvedene v obdobjih konjunkture svetovnih kapitalskih trgov. Raziskav, ki bi model VAIC
proučevale v manj ugodnih pogojih na kapitalskih trgih oz. v obdobju, ki zajema celoten
ekonomski cikel, nismo zasledili. Kot izziv za prihodnost puščamo odprto raziskovalno
vprašanje ali na področju kvantitativnega proučevanja IK obstaja »pristranskost bikovskega
trenda?«63
Raziskave povezav med VAIC in ceno delnic zaradi specifičnega razvoja slovenskega
kapitalskega trga, omejene likvidnosti trga in omejenega nabora podjetij v kotaciji v Sloveniji
po naši oceni niso smiselne.
4.12.4 Interpretacija rezultatov testa osnovnega VAIC modela
Zelo nizki ocenjeni determinacijski koeficienti kljub zelo visoko izkazani statistični
značilnosti po našem mnenju izkazujejo dokaj nizko skladnost VAIC modela64
s proučevanimi
podatki. Podobno sliko izkazujejo tudi ocenjeni regresijski koeficienti v modelih. Vsi
regresijski koeficienti potrjujejo s hipotezami predpostavljene smeri povezav med
neodvisnimi in odvisnimi spremenljivkami. Ocenjene povezave so tudi zelo visoko statistično
značilne. T-testi vseh korelacijski koeficientov izkazujejo p<0,001. Vse izkazane povezave
med odvisnimi in neodvisnimi spremenljivkami so pozitivne, kar je bila tudi naša osnovna
61
Večina analiz zajema enoletno ali največ dve do triletno obdobje (Chan, 2009; Kujansivu, 2007). 62
Kot primer lahko služi primerjava l. 2008 (recesija) z l. 2007 (pozna konjunktura), ko se je najverjetneje
zaradi zunanjih vplivov (recesija) pojasnjevalna moč modela (za velika podjetja) znižala za 30%. 63
Angleško bi to dilemo lahko poimenovali »bull market IC research bias«. 64
Ang. »goodnes of fit«.
76
Tabela 20: Panelna regresijska analiza po velikostnih razredih podjetij (1995-208)
Velika podjetja Srednja podjetja
Independent variable
Coefficients (β)
SE t-value p Independent variable
Coefficients (β)
SE t-value p
HCE -0,005 0,002 -2,12 0,034 HCE -0,001 0,001 -0,20 0,838
SCE 0,004 0,039 1,07 0,029 SCE 0,000 0,001 0,68 0,680
CEE 0,189 0,084 22,49 0,000*** CEE 0,166 0,006 5,90 0,000***
SIZE 0,001 0,000 9,40 0,000*** SIZE 0,030 0,001 2,85 0,000***
LEV -0,067 0,005 -11,41 0,000*** LEV -0,029 0,002 6,52 0,000***
INTERCEPT 1,196 0,011 110,05 0,000*** INTERCEPT 1,656 0,010 -2,85 0,000***
R-square 0,11 R-square 0,126
F-value 137,86 F-value 254,44
N (obs) 5.677 N (obs) 15.790
Majhna podjetja
Independent variable Coefficients (β) SE t-value p
HCE 0,000 0,002 -0,48 0,633
SCE 0,004 0,003 1,43 0,152
CEE 0,114 0,004 28,95 0,003**
SIZE 0,003 0,002 -13,08 0,000***
LEV -0,026 0,000 -5,51 0,000***
INTERCEPT 1,356 0,007 186,36 0,000***
R-square 0,115
F-value 222,85
N (obs) 11.953
Significance:
*** if p < 0.001
** if p < 0.01
* if p < 0.05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Tabela 21: Panelna regresija: Telekomunikacije in Industrijska proizvodnja (1995-2008)
Telekomunikacije Industrijska proizvodnja
Independent
variable
Coefficients
(β)
SE t-
value
p Independent variable Coefficients
(β)
SE t-
value
p
HCE -0,001 0,026 -0,04 0,965 HCE -0,001 0,000 -0,59 0,552
SCE 0,591 0,176 3,35 0,000*** SCE 0,002 0,000 2,54 0,011*
CEE -0,041 0,009 -4,40 0,000*** CEE 0,093 0,002 49,53 0,000***
SIZE 0,000 0,037 -2,66 0,000*** SIZE 0,030 0,001 3,89 0,000***
LEV -0,099 0,000 6,78 0,000*** LEV -0.032 0,002 -24,71 0,000***
INTERCEPT 1,444 0,078 18,44 0,000*** INTERCEPT 1,824 0,004 412,30 0,000***
R-square 0,108 R-square 0,077
F-value 9,93 F-value 711,71
N (obs) 460 N (obs) 87.545
Significance:
*** if p < 0.001
** if p < 0.01
* if p < 0.05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
77
hipoteza. Pojavi pa se velik razkorak med statistično in ekonomsko značilnostjo izsledkov
raziskave. Tehnično gledano je večina naših hipotez s pomočjo panelne regresije s stalnimi
učinki potrjena. Vendar pa modeli glede na izkazano pojasnjevalno moč ter izkazan vpliv
regresijskih koeficientov nimajo prave ekonomske vsebine. V Tabela 17 izkazani regresijski
koeficienti so pri vseh pojasnjevalnih spremenljivkah zelo nizki. Najvišjo vrednost izkazuje
beta koeficient, ki izkazuje moč vpliva, ki ga ima neodvisna spremenljivka CEE na odvisno
spremenljivko STA (βCEE-STA = 0,13). Vsi ostali beta koeficienti so bistveno nižji. Z metodami
panelne regresije ocenjeni beta koeficienti, ki operirajo z originalnimi (in ne
transformiranimi) vrednostmi spremenljivk, kažejo na to, da sicer statistično zelo visoko
značilne povezave med spremenljivkami nimajo nikakršnega praktičnega ekonomskega
pomena. Delna izjema so morda beta koeficienti, ki jih v modelih izkazuje spremenljivka
CEE. Če ocenjene beta koeficiente razvrstimo po izkazani moči vpliva, je razvidno, da
najmočnejši vpliv na odvisne spremenljivke v povprečju izkazuje pojasnjevalna
spremenljivka učinkovitost opredmetenih sredstev (CEE).
Vpliv CEE je po naši oceni ekonomsko relevanten in dovolj izrazit, da ga ima smisel
ekonomsko interpretirati. Poleg tega, da je ekonomsko smiseln, pa je prevladujoč vpliv CEE
med neodvisnimi spremenljivkami tudi primerljiv z rezultati podobnih raziskav (Chan, 2009;
Firer in Williams, 2003; Hurwitz, 2002; Shiu, 2006). Zanimivo je, da se v svojih raziskavah
vezanih na VAIC model avtorji osredotočajo zgolj na analizo pojasnjevalne moči modelov in
smeri povezav med spremenljivkami, hkrati pa nismo zasledili primera, kjer bi avtorji
poskušali interpretirat ekonomsko vsebino regresijskih koeficientov in iz interpretacij izpeljat
praktične sklepe, zaključke in priporočila. Večina raziskav, ki se je do sedaj ukvarjala s
proučevanjem povezave med elementi IK in uspešnostjo poslovanja podjetij z uporabo VAIC
modela, je pokazala, da je vpliv učinkovitosti investiranja v opredmetena sredstva, merjen s
CEE, še vedno najpomembnejši dejavnik uspešnosti poslovanja podjetij. Takšni zaključki so
bili večinoma v nasprotju s pričakovanimi rezultati raziskav. Firer in Williams (2003) sta
prevlado vpliva CEE spremenljivke pripisala dejstvu, da je trg kapitala v Južni Afriki, v času
ki ga proučuje študija, še vedno bolj cenil uspešnost poslovanja temelječo na opredmetenih
sredstvih. Podobno tudi Shiu (2006) močnejši vpliv CEE spremenljivke pripisuje
tradicionalnemu načinu spremljanja uspešnosti poslovanja na Tajvanu, medtem ko
Chan (2009) razloge vidi v še vedno prevladujočem na opredmetenih sredstvih temelječem
načinu vrednotenja podjetij s strani investitorjev.
V nasprotju z večino rezultatov testiranja VAIC modela so rezultati naše raziskave statistično
zelo konsistentni in sovpadajo s postavljenimi hipotezami. Ostali raziskovalci so glede na
postavljene hipoteze prišli do bistveno bolj mešanih rezultatov. Večina jih poroča o močnem
nihanju pojasnjevalne moči med modeli in predznakih povezav med odvisnimi in
pojasnjevalnimi spremenljivkami, ki so v nasprotju s pričakovanji. Za razliko od teh raziskav
je pojasnjevalna moč naših modelov65
vključno s predznaki regresijskih koeficientov v celoti
usklajena s postavljenimi hipotezami. Težava nastopi pri velikostih ocenjenih regresijskih
koeficientov, ki ne ponujajo možnosti ustrezne ekonomske interpretacije. Še manjša je
praktična uporabna vrednost rezultatov testa. Če primerjamo pojasnjevalno moč ocen,
dobljenih s pomočjo OLS regresijske metode, izvedene na presečnih podatkih, s pojasnjevalno
močjo izsledkov panelne regresije izvedene na panelnih podatkih na enakem vzorcu podjetij,
ugotovimo, da je pojasnjevalna moč ocen dobljena s pomočjo presečne analize (R2 se giblje v
razponu med 4% in 31%) neprimerljivo višja od pojasnjevalne moči modelov panelne analize
65
Če pri tem izključimo modele, ki vključujejo odvisno spremenljivko GROP.
78
(R2 se giblje v razponu med 0,7% in 6,8%). Kljub temu, da smo pri panelni analizi kot
kontrolno spremenljivko uporabljali velikost podjetja, ki nase ni vezala veliko pojasnjevalne
moči, ostaja odprto vprašanje, ali je morda velikost podjetij tista spremenljivka, ki bi lahko
bistveno spremenila pojasnjevalno moč panelnega dela raziskave.66
Odprto ostaja tudi
vprašanje, ali je morda pojasnjevalna moč naših modelov nizka, ker v osnovni analizi nismo
predvideli segmentacije podjetij po sektorjih? Preden podamo dokončno mnenje o modelu
VAIC in rezultatih raziskave, bomo predstavili še kontrolo ocen modela ROEit = Bi +β1HCEit
+ β2SCEit + β3CEEit + β4SIZEit + β5FLEVit + εit na podatkih segmentiranih po velikostnih
razredih podjetij in po sektorjih. Zaradi praktičnosti na tem mestu prikazujemo samo rezultate
testa za velika, srednja in majhna podjetja ter za sektorja Telekomunikacije in Industrijska
proizvodnja za hipotezo oz. model, ki je v analizi nesegmentirane populacije izkazal najvišjo
pojasnjevalno moč: STAit = Bi +β1HCEit + β2SCEit + β3CEEit + β4SIZEit + β5FLEVit + εit.
Kontrola testov modelov, izvedena na segmentirani populaciji pokaže, da pri pojasnjevalni
moči modelov bistvenih odstopanj med osnovnim testom in kontrolnimi testi ni.
Determinacijski koeficienti so sicer nekoliko višji od osnovnega testa (R2 = 8,7%), vendar ne
toliko višji, da bi se naša ocena ekonomske sporočilne vrednosti modelov spremenila. Vsi
modeli so zelo visoko statistično značilni, vendar se z manjšanjem populacije precej zniža
statistična značilnost korelacijskih koeficientov. Korelacijski koeficienti učinkovitosti
človeškega kapitala so pri vseh modelih statistično neznačilni, medtem ko so pri populaciji
segmentirani po velikosti, statistično neznačilni tudi korelacijski koeficienti učinkovitosti
strukturnega kapitala. Ekonomska moč interpretacije kontrolnih modelov se v primerjavi z
osnovnim modelom ne spremeni. Prevladuje vpliv učinkovitosti opredmetenih sredstev s
podobno višino beta koeficientov kot pri osnovnem modelu. Vpliv stopnje zadolženosti na
produktivnost sredstev je negativen pri vseh modelih. Sklep, ki ga na osnovi opravljenega
kontrolnega testiranja lahko izvedemo, je, da se pojasnjevalna vrednost modela in
korelacijskih koeficientov v primerjavi z osnovnim modelom ne izboljša.
5.12.5 Povzetek sklepov testa osnovnega VAIC modela
Vsebinski zaključek ocene testiranih osnovnih modelov temelječih na VAIC metodologiji za
izbrano populacijo slovenskih podjetij v obdobju 1995-2008 je, da testi statistično potrjujejo
postavljene hipoteze. S hipotezami smo predpostavili, da so donosnost sredstev (ROA),
produktivnost sredstev (STA) in donosnost kapitala (ROE), pozitivno odvisni od učinkovitosti
strukturnega kapitala (SCE) ter od učinkovitosti opredmetenih sredstev (CEE). Od
učinkovitosti investiranja v človeški kapital (HCE) so pozitivno odvisne vse odvisne
spremenljivke, razen (STA). Hkrati smo ugotovili, da je pojasnjevalna moč modelov in
korelacijskih koeficientov med neodvisnimi in odvisnimi spremenljivkami tako šibka, da
ocenjevani modeli nimajo ekonomsko relevantne sporočilne vrednosti. Delno izjemo
predstavlja nekoliko bolj poudarjen vpliv CEE na STA.
Na osnovi analize rezultatov testiranja ugotavljamo, da uporaba osnovnega VAIC modela na
proučevani populaciji slovenskih podjetij nima uporabne ekonomske vsebine.
66
V presečni raziskavi je R2 postavljenega modela v letu 2008 za velika podjetja 31% za majhna pa 4%.
79
Tabela 22: Prikaz rezultatov testiranja hipotez
Potrjene hipoteze
Statistična sporočilna vrednost Ekonomska sporočilna
vrednost
H1a: Podjetja z višjim VAIC imajo višji ROA. DA NE
H1b: Podjetja z višjim VAIC imajo višji STA. DA NE
H1c: Podjetja z višjim VAIC imajo višji ROE. DA NE
H2a: HCE je pozitivno povezan z ROA. DA NE
H2c: HCE je pozitivno povezan z ROE. DA NE
H3a: SCE je pozitivno povezan z ROA. DA NE
H3b: SCE je pozitivno povezan z STA. DA NE
H3c: SCE je pozitivno povezan z ROE. DA NE
H4a: CEE je pozitivno povezan z ROA. DA NE
H4b: CEE je pozitivno povezan z STA. DA Šibka: vpliv CEE na STA
H4c: CEE je pozitivno povezan z ROE. DA NE
Ovržene hipoteze
Ekonomska sporočilna
vrednost
H1d: Podjetja z višjim VAIC imajo višji GROP NE NE
H2b: HCE je pozitivno povezan z STA. NE NE
H2d: HCE je pozitivno povezan z GROP. NE NE
H3d: SCE je pozitivno povezan z GROP. NE NE
H4d: CEE je pozitivno povezan z GROP. NE NE
Vir: lastna tabela
4.13 Razširitev VAIC modela
Pri izboru modela za potrebe testiranja odgovorov na naša raziskovalna vprašanja smo
ugotovili, da ima VAIC model štiri ključne prednosti pred ostalimi podobnimi modeli.
Omogoča primerjalno analizo, obdelavo večjih vzorcev podjetij, uporabo javno dostopnih
podatkov in zajema postavke iz izkazov poslovanja podjetij, ki bi pri obstoječih slovenskih
bilančnih shemah lahko služile kot indikatorji prisotnosti intelektualnega kapitala. Rezultati
testiranja modelov so pokazali, da VAIC model v svoji osnovni različici v slovenskih
razmerah nima praktične uporabne vrednosti. Dobljeni rezultati testiranja so do določene
mere podobni rezultatom testiranj VAIC modela, ki so jih navajale podobne študije. Nekateri
avtorji so povezavo med VAIC in uspešnostjo poslovanja podjetij potrdili (Kamath, 2007;
Hancock, 2007; Mavridis, 2004, 2005; Tan in Plowman, 2007), medtem ko večina avtorjev
poroča o mešanih rezultatih testiranj modela (Chan, 2009; Chen, 2005; Firer in Williams,
2003; Shiu, 2006). Ti avtorji v zaključkih svojih raziskav poudarjajo potrebo po nadaljnjih
empiričnih testiranjih modela, predvsem pa potrebo po nadgradnji empiričnih študij s
kvalitativnimi analizami (Chan, 2009). Večina jih tudi ugotavlja, da je način, kako zagotoviti
boljše in bolj konsistentne rezultate raziskav, nadgrajevanje VAIC modela. Rešitev avtorji
večinoma vidijo v dodajanju novih neodvisnih spremenljivk v model (Nazari in Herremans,
2007), ki bodo omogočile njegovo višjo pojasnjevalno sposobnost. Naše mnenje je nekoliko
drugačno, kar bomo v nadaljevanju tudi ustrezno utemeljili. V želji, da izboljšamo
pojasnjevalno moč VAIC modela, bomo osnovne predpostavke VAIC modela postavili v
drugačen teoretičen kontekst. Na tej osnovi bomo predstavili razširjen VAIC model in ga
ustrezno testirali. Nadgradnjo modela bomo izvedli v dveh fazah. Najprej bomo testirali
povezavo med predpostavkami VAIC modela in predpostavkami modelov vrednotenja IK, ki
temeljijo na logiki presežne donosnosti. To so modeli vrednotenja IK, ki temeljijo na
80
predpostavki, da je obstoj pozitivne vrednosti IK povezan z doseganjem nadpovprečnega
donosa. To so modeli EVA in MVA67
, CIV68
in model CV.69
Rezultate tega testa bomo
uporabili kot izhodišče za namenski del naše raziskave. V drugi fazi nadgradnje VAIC
modela, bomo predpostavke modela umestili v drugačen teoretičen kontekst ter jih testirali
okvir DuPontove identitete na enakem vzorcu podjetij in za enako obdobje kot smo to naredili
v okviru osnovne raziskave.
4.14 Rezidualni modeli vrednotenja IK
4.14.1 Metoda EVA in MVA
Metodologijo EVA (V Sloveniji jo imenujemo ekonomska dodana vrednost) je razvil
Stern Stewart (Stewart, 1997) kot alternativno metodo merjenja uspešnosti poslovanja
podjetij, ki ugotavljanje finančne uspešnosti poslovanja širi na področja ugotavljanja
primernosti investicijskih projektov, finančnega načrtovanja, vrednotenja strategij,
komunikacije z deležniki podjetja, nagrajevanje menedžmenta… EVA oz. MVA model spada
v skupino tako imenovanih VBM modelov,70
ki temeljijo na predpostavki, da je v velikem
Slika 12: Krogotok ustvarjanja vrednosti s pomočjo VBM modelov
Vir: lastna slika
delu podjetij (še posebej delniških družb) lastništvo podjetja ločeno od njegovega
upravljanja. VBM modeli naj bi zagotavljali neposredno povezavo med načinom sprejemanja
poslovnih odločitev, merjenjem ustvarjanja vrednosti ter sistemom nagrajevanja, ki naj bi
stimulativno vplival na sprejemanje optimalnih poslovnih odločitev. Krogotok ustvarjanja
vrednosti, ki smo ga prikazali v Slika 12, je temelj vseh najbolj znanih VBM modelov, ki so
se v zadnjih letih pojavili v javnosti.
Model EVA spada med rezidualne modele, ki so bili v svoji najosnovnejši obliki predstavljeni
že pred več kot 100 leti. Model EVA temelji na podmeni, da podjetje ustvari pozitiven donos
iz poslovanja šele po odbitju stroškov kapitala, ki ga je podjetje za svoje poslovanje
uporabilo. Če je ta rezidualni donos pozitiven, potem je podjetje s svojim poslovanjem
67
Ang. »Economic Value Added« in »Market Value Added«. 68
Ang. » Calculated Intangible Value«. 69
Ang. »Comprehensive Value«. 70
Ang. »Value Based Models« oz modeli upravljanja z vrednostjo podjetij.
TRG KAPITALA LASTNIKI
PODJETJE
KROGOTOK USTVARJANJA VREDNOSTI (VBM)
Ustvarjanje vrednosti
Nagrajevanje Merjenje
kapitalski
dobički
dividende
81
povečalo vrednost podjetja. Če je rezidualni donos negativen, potem je podjetje svojim
investitorjem ustvarilo oportunitetno izgubo v višini razlike med doseženim donosom na
vložena sredstva in potencialnim donosom, ki bi ga investitorji lahko ustvarili, če bi svoja
sredstva nalagali v druge enakovredne naložbe z enakim tveganjem. EVA je opredeljena kot
denarni tok iz poslovanja po davkih, zmanjšan za stroške kapitala.
V Slika 13 je prikazan način izračuna uspešnosti poslovanja po modelu EVA. Na sliki je
prikazano, da investitorji v podjetje vlagajo svoja sredstva v obliki kapitala ali dolga (točka
1). Ti investitorji na svoja vložena sredstva zahtevajo donos, ki bo poplačal tveganje, ki ga
prinaša njihova naložba. Tako pridobljena sredstva podjetje naloži v obliki nakupa osnovnih
sredstev in čistih kratkoročnih sredstev, ki jih bo potrebovalo v svojem proizvodnem procesu
(točka 2).
Slika 13: Prikaz temeljne logike izračuna uspešnosti po modelu EVA
Vir: lastna slika
Z naloženimi sredstvi podjetje izvaja poslovni proces in ustvarja donos (točka 3), ki je na
razpolago za poplačilo investitorjev (točka 4). Dejansko doseženi donos se primerja z
donosom, ki ga investitorji zahtevajo na svoja vložena sredstva. Če je dejanski donos višji od
zahtevanega (EVA je pozitivna), potem je podjetje svojim investitorjem ustvarilo dodatno
vrednost. V primeru, da je dejanski donos nižji od zahtevane, je podjetje investitorjem
ustvarilo oportunitetno izgubo (EVA je negativna). V primeru, da je podjetje ustvarilo ravno
takšen donos, kot so ga zahtevali investitorji v podjetje, je EVA enaka 0. Vrednost podjetja je
ostala nespremenjena.
Izračun EVA je možen na dva načina:
EVA = (r-c) * vrednost vloženega kapitala 23
EVA = NOPAT – c*vrednost vloženega kapitala 24
Definicija način izračuna:
r = donosnost kapitala (NOPAT/začetni kapital)
(3) (2) (1)
NOPAT čista Investitorjikratk. dolg
sredstva
& &
osnovna kapital
sredstva
EVA JE REZIDUAL
PO POPLAČILU
INVESTITORJEV
(4)
82
c = stroški kapitala WACC = (D/TC)*(1-T)*d+(E/TC)*c
Pri čemer je:
Začetni kapital = vrednost uporabljenega kapitala (začetni kapital),
NOPAT = čisti denarni tok iz poslovanja po plačilu davkov (čisti denarni tok iz
poslovanja po davkih).
Za razliko od klasičnih kazalnikov uspešnosti poslovanja, kot so npr. ROI, ROE..., EVA uvaja
nov pogled na uspešnost poslovanja. Pokrivanje stroškov kapitala z ustvarjenim donosom je
namreč kriterij, ki razmejuje uspešno poslovanje od neuspešnega.
Matematično gledano, nam EVA daje popolnoma enake rezultate, kot model diskontiranih
denarnih tokov (Makelainen, 1998) oz. klasični modeli neto sedanje vrednosti (NPV). Razlika
med metodo NPV in EVA se začne pojavljati pri njunih praktičnih izpeljankah. Tu se model
EVA poskuša približati obstoječi računovodski praksi tako, da poskuša iz klasičnih
računovodskih postavk izluščiti približke denarnemu toku iz poslovanja. Dejansko gre za
kompromis med teoretično ustreznostjo in praktično uporabnostjo modela.
Iz definicije EVA je razvidno, da se osredotoča na to, kaj se je oz. se bo zgodilo z vrednostjo s
strani investitorjev naloženih sredstev v podjetje. Ustvarjanje donosnosti višje od zahtevane
povečuje (notranjo) vrednost vložka, medtem ko ustvarjanje donosnosti, ki je nižja od
zahtevane, (oportunitetno) znižuje vrednost naloženih sredstev. Iz te predpostavke je Stern
Stewart (Stewart, 1990, str. 153) razvil nadgradnjo metodologije EVA, ki jo je poimenoval
tržna dodana vrednost (MVA). Osnovna predpostavka MVA je, da deluje učinkovit trg kapitala
(Martin in Petty, 2000). Vsi udeleženci na trgu znajo ustrezno presoditi vse informacije
povezane s poslovanjem podjetja in te informacije tudi vgraditi v ceno delnice. Notranjo
vrednost kapitala podjetja je tako neposredno povezal s sposobnostjo podjetja ustvarjati
donosnost, ki je višja od zahtevane. MVA predpostavlja, da kapitalski trg vrednost delnice
presoja na osnovi projekcije letno ustvarjenih EVA (podjetja kot celote), ki jih potem
diskontira z zahtevano stopnjo donosa ter tako izračuna njihovo neto sedanjo vrednost . Neto
sedanjo vrednost vseh pričakovanih EVA prišteje oz odšteje od začetne vrednosti kapitala
podjetja (Makelainen, 1998). V Slika 14 je shematično prikazana povezava med knjigovodsko
vrednostjo kapitala in njegovo tržno vrednostjo.
Slika 14: Tržna dodana vrednost (MVA)
Vir: lastna slika
PREMIJA
MVA
TRŽNA
VREDNOST KAPITAL
(TV) (KV) DISKONT
- MVA
TRŽNA
KAPITAL VREDNOST
(KV) (TV)
...
112
2
1
1
C
EVA
C
EVAMVA
...
112
2
1
1
C
EVA
C
EVAMVA
83
MVA71
= tržna vrednost kapitala – knjigovodska vrednost kapitala 25
Tržna dodana vrednost je enaka neto sedanji vrednosti vseh pričakovanih EVA podjetja, kar
pomeni, da je pozitivna EVA neposreden pogoj za pozitivno MVA. S preureditvijo zgornjih
enačb pridemo do definicije tržne oz. notranje vrednosti podjetja (Stewart,1990):
Tržna vrednost podjetja = Knjigovodska vrednost – NSV vseh pričakovanih EVA 26
Pomembnost koncepta EVA in MVA za področje raziskovanja IK potrjuje večina teoretikov s
tega področja (Bontis, 2000), med drugimi tudi avtor VAIC Pulić (1998). Model je doživel
precej kritik (Bontis, 2000; Pulić, 1998,). Podrobnejša obravnava kritik modela EVA in MVA
presega namen naše raziskave, zato navajamo zgolj najpomembnejše ugotovitve, ki so
vsebinsko pomembne za presojo rezultatov testiranja razširjenega modela.
Bontis (1999) v okviru svoje študije o modelih vrednotenja IK navaja eno izmed ključnih
ugotovitev o povezavi med IK in vrednostjo podjetij. Avtor pravi, da je… »slabost koncepta
MVA v tem, da so dobički in izgube iz preteklih projektov podjetja neposredno kombinirani z
rezultatom poslovanja podjetja v zadnjem letu in razpoloženjem investitorjev na trgu kapitala,
kar rezultira v ceni, ki jo delnica doseže na borzi. Posledica tega je, da bo podjetje z uspešno
zgodovino poslovnih rezultatov v očeh investitorjev še vedno izkazovalo pozitivno MVA,
čeprav je morda poslovna prihodnost podjetja manj rožnata« (Bontis, 2000, str. 16). Bontis
tukaj preteklo dokazano sposobnost podjetja, da ustvarja vrednost, neposredno navaja kot
vodilni indikator, ki ga pri ocenjevanju vrednosti naložbe investitorji ocenjujejo kot
dejavnik, ki lahko omejuje tveganje prihodnjega poslovanja. Kritiki modelu EVA očitajo
predvsem to, da:
gre za t.i. model »črne škatle«, ki neposredno ne razkriva gonil ustvarjanja
vrednosti;
ni dokazano, da je kazalnik EVA boljši napovedovalec cen delnic od drugih
modelov;
pretirana uporaba računovodskih podatkov model oddaljuje od koncepta
nadomestitvene vrednosti in od koncepta denarnih tokov (Bontis, 2000).
Ne glede na vse kritike, ki jih je model doživel, ostaja njegovo nesporno osnovno sporočilo,
da je podjetje vredno več kot njegova nadomestitvena (knjigovodska) vrednost samo v
primeru, da dosega nadpovprečno donosnost. Povprečna pričakovana donosnost je v okviru
modela EVA opredeljena s pomočjo instrumentarija s področja poslovnih financ (pričakovana
donosnost je enaka povprečnim tehtanim stroškom kapitala izračunanim s pomočjo WACC
modela).
4.14.2 Metoda CIV
Metoda CIV je bila razvita za potrebe ocenjevanja vrednosti neopredmetenih sredstev v
okviru davčne zakonodaje v ZDA, ki je želela neopredmetena sredstva obdavčiti
(Dzinkowski, 2000). S pomočjo CIV metode se dejansko ocenjuje vrednost IK podjetja.
Avtorji CIV metodo opredeljujejo kot rezidualno metodo. Po njihovem mnenju ima CIV
71
Predpostavljamo, da je tržna vrednost dolga enaka njegovi knjigovodski vrednosti.
84
metoda pred metodo EVA ključno prednost v tem, da jo je možno dokaj enostavno uporabiti
tudi v primerih, ko ocenjevalec nima dostopa do notranjih informacij (Kujansivu in
Lonnqvist, 2007). Ključna predpostavka CIV modela je, da je del dobička, ki presega
povprečje dejavnosti, v kateri posluje podjetje, dejansko dobiček, ki ga je ustvaril IK podjetja
(Stewart, 1997). Če bi podjetje pri svojem delovanju uporabljalo samo opredmetena sredstva
v povezavi z znanjem, ki odraža povprečen nivo znanja v dejavnosti, bi ustvarilo zgolj
rezultat, ki je na ravni povprečja dejavnosti. Implementacija CIV metode je razdeljena v
sedem zaporednih korakov (Stewart, 1997):
1. izračun čistega dobička pred davki za zadnja tri leta,
2. izračun povprečne vrednosti opredmetenih sredstev za zadnja tri leta (z izjemo
neopredmetenih sredstev),
3. dobiček pred davki se deli s povprečno vrednostjo sredstev,
4. izračuna se povprečni ROA dejavnosti,
5. ROA podjetja se primerja z ROA dejavnosti. Nadaljnja kalkulacija je možna samo ob
predpostavki, da ROA podjetja presega ROA dejavnosti,
6. izračun »presežnega donosa« se izvede tako, da se ROA dejavnosti v vsakem letu
pomnoži z vrednostjo sredstev podjetja in tako dobljeno vrednost odšteje od dobička
podjetja pred obdavčitvijo,
7. »presežni donos« se kapitalizira s stroškom kapitala.
Rezultat izračuna je vrednost neopredmetenih sredstev (ang. »Calculated Intangible Value«
oz. CIV), ki je hkrati indikator sposobnosti podjetja, da bolj uspešno kot konkurenca svoj IK
transformira v vrednost. Nekateri avtorji so v raziskavah izračunani CIV uporabili kot
indikator vrednosti IK (Antola, 2005; Kujansivu, 2007). Vsi poudarjajo pomanjkljivosti
opisane metode, zagovarjajo pa njeno preprostost in možnost aplikacije na velikih bazah
podatkov. Kujansivu in Lonqvist (2007)sta izvedla raziskavo povezanosti VAIC in CIV na
vzorcu 20.000 finskih podjetij v obdobju 2001-2003. Ugotovila sta, da obstaja šibka do
zmerna povezava med CIV in učinkovitostjo intelektualnega kapitala (ICE), nista pa našla
neposredne povezave med spremenljivkama CIV in VAIC. Test CIV metode na našem vzorcu
podjetij presega cilje naše študije, nas pa napotuje na primerjavo učinkovitosti investiranja in
uspešnosti poslovanja podjetja na način, da ju primerjamo s povprečjem dejavnosti, v kateri
podjetje posluje. V tem delu je pristop CIV modela podoben tistemu, ki ga je pri izpeljavi
VAIC modela uporabil Pulić (2004). Njegova hipoteza je,72
da podjetja, ki izkazujejo
podpovprečno učinkovitost investiranja glede na povprečje dejavnosti, v kateri poslujejo,
dejansko zmanjšujejo svojo vrednost (Pulić, 2004). Model VAIC je tako postavljen v kontekst
primerjalne analize (ang. »benchmarking«), ki je ključni kriterij za presojo učinkovitosti
investiranja in uspešnosti poslovanja. Primerjalna analiza bo služila kot izhodišče pri
testiranju predpostavk našega razširjenega modela.
4.14.3 Metoda CV
Metodo CV je razvil Lev Baruch (Lev in Feng, 2001). Metoda temelji na načelu »od zgoraj
navzdol«. Za razliko od CIV metode, metoda CV temelji na dejanskih normaliziranih
72
Hipotezo je avtor postavil v drugi fazi razvoja VAIC modela, ko je v model vpeljal človeški in strukturni
kapital.
85
dobičkih podjetja v zadnjih treh letih. CV metoda pri oceni IK upošteva tudi pričakovane
prihodnje dobičke podjetij (za tri leta). Lev se v svojih izvajanjih osredotoča na podjetja, ki
kotirajo na borzah in so spremljana s strani večjega števila analitikov in ki za ta podjetja
izvajajo napoved pričakovanih dobičkov.73
Po mnenju avtorja CV metode, metodologije,
temelječe zgolj na preteklih dobičkih, ne upoštevajo ključne značilnosti IK: njegove
sposobnosti generirati prihodnjo rast podjetja. Metodologija temelji na ekonomskem konceptu
produkcijske funkcije, katere temeljna predpostavka je, da je poslovanje podjetja pogojeno s
tremi vložki v poslovni proces: z vložkom opredmetenih sredstev, finančnih sredstev in
znanja. Uspešnost poslovanja podjetja je torej funkcija:
Uspešnost poslovanja = α (Opredmetena sredstva) + β (finančna sredstva) + …
…+δ (neopredmetena sredstva) 27
Pri čemer α,β in δ predstavljajo prispevke posameznih vrst sredstev k uspešnosti poslovanja.
Podobno kot modela EVA in CIV model CV spada med rezidualne modele. Koeficienta α in β
sta ocenjena kot »normalna oz. povprečna« prispevka opredmetenih in finančnih sredstev k
uspešnosti poslovanja podjetja. »Normalizirana«74
donosnost opredmetenih in finančnih
sredstev je pomnožena z vrednostjo teh sredstev konec leta in odšteta od dejanskega donosa,
ki ga je podjetje ustvarilo. Če obstaja presežek nad »zahtevanim donosom«, ga avtor metode
pripisuje delovanju neopredmetenih sredstev oz. IK (avtor presežek dobička imenuje ang.
»Intangible driven Earnings« oz. IDE). Kapitalizacija pričakovanih IDE s pomočjo tri
stopenjskega modela vrednotenja predstavlja oceno vrednosti IK podjetja. V modelu je
uporabljena zahtevana stopnja donosa, ki zajema nadpovprečno tveganje pričakovanih IDE
donosov (Lev in Feng, 2001). Vrednost opredmetenih in finančnih sredstev ter ocenjena
vrednost neopredmetenih sredstev (IK) sestavljajo t.i. »razumljivo vrednost« (ang.
»Comprehensive Value«, v nadaljevanju CV). Ključni cilj metodologije je podpora
ocenjevanju podjetij za potrebe portfeljskega upravljanja, kjer se CV podjetij primerja z
njihovo trenutno tržno vrednostjo (MV/CV). Gre za modificiran kazalnik poznanega
kazalnika, ki primerja tržno vrednost s knjigovodsko vrednostjo kapitala podjetij (MV/BV). Po
navedbah raziskave, ki jo je izvedel Lev Baruch (Lev, 2001), CV metoda omogoča selekcijo
med prevrednotenimi in podvrednotenimi delnicami.75
Ključna prednost CV modela je, da za
izdelavo ocene vrednosti IK zadostujejo javno dostopni finančni podatki.76
Za potrebe naše raziskave je ključno, da so predpostavke CV metode kombinacija pretekle
dobičkonosnosti, ki indicira sposobnost podjetja, da investicije v IK transformira v finančno
uspešnost. Učinkovitost in uspešnost preteklega poslovanja v modelu implicitno opravljata
funkcijo vodilnega indikatorja sposobnosti podjetja, da generira vzdržljivo rast tudi v
prihodnosti. Podobno kot pri metodah EVA in CIV je osnovno sporočilo CV modela, da
nadpovprečno učinkovita in uspešna podjetja (nad povprečjem dejavnosti v kateri poslujejo),
ustvarjajo notranjo in tržno priznano vrednost IK.
73
Lev ocene pričakovanih dobičkov temelji na ocenah I/B/E/S (ang. »Institutional Brokers' Estimate System«).
Gre za storitev, ki jo ponuja borzno posredniška hiša Lynch, Jones & Ryan and Technimetrics in je preko
informacijskega sistema Bloomberg na razpolago široki strokovni javnosti. 74
Z normalizirano donosnostjo ima avtor v mislih povprečno donosnost, ki jo na ta sredstva ustvarjajo podjetja v
isti dejavnosti. 75
Izsledki omenjene študije so pokazali, da so podjetja z visokimi MV/CV kazalnikom v povprečju dosegale
nižjo donosnost, kot podjetja z visokim MV/CV kazalnikom. 76
Pri tem je potrebno upoštevati, da je veljavna bilančna shema v ZDA bistveno bolj naklonjena potrebam
proučevanja IK. Javno dostopna razkritja bilančnih podatkov omogočajo neposreden dostop do podatkov o
vrednosti investicij v R&D, marketing…, ki lahko služijo kot dokaj verodostojni indikatorji investiranja v IK.
86
4.15 Test VAIC modela na rangiranih podatkih
Kot smo že večkrat poudarili, naša ambicija ni neposredno ocenjevanje vrednosti IK. Naš cilj
je poiskati indikatorje učinkovitosti investiranja v IK, ki dokazano izkazujejo vpliv na
uspešnost poslovanja (slovenskih) podjetij. Hkrati želimo te indikatorje uporabiti kot vodilne
indikatorje za oceno adaptacijske učinkovitosti podjetij. Adaptacijska učinkovitost je
sposobnost podjetij, da svoj intelektualni potencial vzdržno transformirajo v (nadpovprečno)
vrednost za deležnike. Iz testa osnovnega VAIC modela nismo uspeli izluščiti ekonomsko
značilne povezave med učinkovitostjo investiranja v IK podjetij in njihovo finančno
uspešnostjo. Našteli smo nekaj razlogov, zaradi katerih menimo, da je raziskava izkazala
statistično značilne, a ekonomsko neznačilne rezultate povezav med izbranimi
spremenljivkami. Med ključnimi razlogi smo navedli tudi šibko teoretično podprtost VAIC
modela. Preden preidemo k oblikovanju hipotez, ki jih bomo testirali v okviru razširjenega
VAIC modela, bomo na vzorcu slovenskih podjetij preizkusili, ali veljajo temeljne
predpostavke predstavljenih rezidualnih metod vrednotenja IK (t.j. metode EVA (MVA), CIV
in CV).
Vse tri metode temeljijo na enaki predpostavki: podjetja, ki nadpovprečno učinkovito
investirajo v IK, dosegajo nadpovprečno finančno uspešnost in s tem ustvarjajo (notranjo)
vrednost kapitala, ki presega njegovo nadomestitveno oz. knjigovodsko vrednost. Ustvarjajo
torej (notranjo) vrednost, ki je posledica delovanja intelektualnega potenciala podjetja. Za
potrebe namenskega dela naše raziskave smo izvedli test opisane temeljne predpostavke
rezidualnih modelov vrednotenja IK. Test smo izvedli tako, da smo vsa podjetja v proučevani
populaciji uskupinili po sektrojih,77
nato pa smo podjetja znotraj sektorjev rangirali po
velikosti za vsako posamezno spremenljivko iz modela VAIC. Primer: če je podjetje v
določenem sektorju v določenem letu izkazovalo najvišjo vrednost HCE, smo tej
spremenljivki v tem letu pripisali rang št. 1. Podjetju z drugo najvišjo vrednostjo HCE smo
pripisali rang št. 2 itd. Rangiranje smo izvedli za vsako leto, vsak sektor ter vsako
spremenljivko posebej. Če je predpostavka rezidualnih modelov vrednotenja IK, da je pogoj
za ustvarjanje (notranje) vrednosti IK nadpovprečna uspešnost podjetja, nadpovprečno
donosnost pa ustvarja nadpovprečna učinkovitost IK, ustrezna, potem bi morala tudi za
slovenska podjetja veljati naslednja hipoteza:
Sprememba ranga učinkovitosti investiranja v IK znotraj sektorja v posameznem letu
pogojuje spremembo ranga finančne uspešnosti podjetja znotraj sektorja, v katerega je
podjetje razvrščeno.
Če postavljena hipoteza velja, potem bi odvisne spremenljivke naših osnovnih modelov (rang
ROA, rang STA, rang ROE in rang GROP) morale izkazovati odvisnost od pojasnjevalnih
spremenljivk (rang HCE, rang SCE in rang CEE). Kontrolne spremenljivke v testu so enake,
kot smo jih uporabili pri testu osnovnega modela; velikost podjetij (SIZE) in stopnjo
zadolženosti (LEV). Hipotezo smo testirali s pomočjo enakih postopkov in regresijskih
modelov kot pri osnovnem modelu, pri čemer smo namesto originalnih vrednosti
spremenljivk uporabili njihov rang. Najprej smo analizirali korelacije med spremenljivkami
in hkrati ocenili statistično značilnost ugotovljenih povezav. Korelacijski analizi sta sledili še
analiza s pomočjo navadne OLS regresijske metode ter analiza s panelno regresijo po metodi
77
Podobno kot v osnovni raziskavi bomo kot primerjalno skupino uporabili vsa podjetja v sektorju ,v katerega je
podjetje razvrščeno.
87
fiksnih učinkov. Tudi v tem primeru je Hausmanov test pokazal, da je ta metoda učinkovitejša
od metode slučajnih učinkov.
V Tabela 23 je podana matrika korelacij med rangi spremenljivk. Iz matrike je razvidno, da
obstaja visoka pojasnjevalna moč neodvisnih spremenljivk. Najvišjo pojasnjevalno moč imajo
povezave med rangi neodvisnih spremenljivk in gibanjem ranga ROE. Gibanje ranga VAIC
pojasnjuje 58% variabilnost ranga STA, 61% variabilnosti ranga GROP, 67% variabilnost
ranga ROA in 75% variabilnosti ranga ROE. Rang ROE izkazuje močno korelacijo tudi z
rangom HCE (72%) in rangom CEE (58%), medtem ko je pojasnjevalna moč velikosti
podjetja in zadolženosti (kontrolne spremenljivke) bistveno nižja. Iz korelacijske matrike je
razvidno, da so korelacijski koeficienti med rangi odvisnih spremenljivk in rangom
strukturnega kapitala ter rangom človeškega kapitala identični. Ker smo z rangiranjem
spremenili variabilnost posameznih spremenljivk (spremenljivke se sedaj spreminjajo z
velikostjo koraka 1), se je izkazalo, da sta neodvisni spremenljivki rang HCE in rang SCE
kolinearni. Kolinearnost izhaja iz njune definicije,78
a je v razmerah širše dopuščenega
območja variabilnosti v osnovnem modelu, statistični testi niso zaznali.
Tabela 23: Korelacijski koeficienti med rangiranimi spremenljivkami
ROA_R STA_R ROE_R GROP_R VAIC_R HCE_R SCE_R CEE_R SIZE_R LEV_R
STA_R 0,5524 1,0000
0,0000
ROE_R 0,9479 0,5715 1,0000
0,0000 0,0000
GROP_R 0,6409 0,4872 0,6536 1,0000
0,0000 0,0000 0,0000
VAIC_R 0,6730 0,5816 0,7501 0,6062 1,0000
0,0000 0,0000 0,0000 0,0000
HCE_R 0,7142 0,3677 0,7244 0,6158 0,7506 1,0000
0,0000 0,0000 0,0000 0,0000 0,0000
SCE_R 0,7142 0,3677 0,7244 0,6158 0,7506 1,0000 1,0000
0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
CEE_R 0,4989 0,6968 0,5877 0,5046 0,7692 0,3433 0,3433 1,0000
0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
SIZE_R 0,1097 0,0701 0,1241 0,1305 0,0816 0,1402 0,1402 0,0352 1,0000
0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
LEV_R 0,3574 0,3478 0,4729 0,4701 0,5872 0,5566 0,5566 0,5487 0,1776 1,0000
0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Značilnost:
*** if p < 0.001
** if p < 0.01 * if p < 0.05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
78
Formula za izračun strukturnega kapitala je SC=VA-HC, kar pomeni, da je velikost SC odvisna od velikosti
HC in da sta spremenljivki v obratno sorazmerni povezavi. Višji HC pomeni nižji SC.
88
Tabela 24: Test hipotez na rangiranih podatkih s panelno regresijsko metodo
MODEL H1a (ROA) MODEL H1c (ROE)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
VAIC 0,636 0,002 260,51 0,000*** VAIC 0,694 0,002 288,92 0,000***
SIZE 0,001 0,000 -8,85 0,000*** SIZE 0,032 0,000 19,52 0,000***
LEV -0,161 0,003 -56,85 0,000*** LEV 0,003 0,002 83,96 0,000***
INTERCEPT 1111,86 7,251 153,34 0,000*** INTERCEPT 762,86 7,133 106,94 0,000***
R-square 0,443 R-square 0,556
F-value 34.053,24 F-value 43.696,05
N (obs) 150.565 N (obs) 150.565
Hausman
Prob>chi2
0,000 fixed-effects Hausman
Prob>chi2
0.000 fixed-effects
MODEL H1b (STA) MODEL H1d (GROP)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
VAIC 0,357 0,002 171,06 0,000*** VAIC 0,497 0,003 155,86 0,000***
SIZE 0,026 0,002 5,65 0,000*** SIZE 0,056 0,002 8,30 0,000***
LEV -0,104 0,001 -43,17 0,000*** LEV 0,011 0,004 2,90 0,000***
INTERCEPT 1582,04 6,20 254,77 0,000*** INTERCEPT 1.038,608 9,466 109,72 0,000***
R-square 0,310 R-square 0,370
F-value 14.639,60 F-value 13.284,75
N (obs) 150.565 N (obs) 150.565
Hausman Prob>chi2
0,000 fixed-effects Hausman Prob>chi2
0,000 fixed-effects
MODEL H2a,
H3a, H4a
(ROA) MODEL H2b,
H3b, H4b
(STA)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
HCE 0,625 0,002 250,87 0.000*** HCE 0,037 0,002 18,32 0.000***
SCE / / / / SCE / / / /
CEE 0,330 0,003 117,11 0.000*** CEE 0,592 0,002 257,86 0.000***
SIZE 0,002 0,003 16,32 0.000*** SIZE 0,005 0,002 15,26 0.000***
LEV -0,201 0,003 -74,12 0.000*** LEV -0,182 0,003 -82,71 0.000***
INTERCEPT 519,24 7,772 66,81 0.000*** INTERCEPT 1.170,42 6,326 185,02 0.000***
R-square 0,62 R-square 0,48
F-value 32.607,46 F-value 24.625,00
N (obs) 150,565 N (obs) 150.565
Hausman Prob>chi2
0,000 fixed-effects Hausman Prob>chi2
0.000 fixed-effects
MODEL H2c,
H3c, H4c
(ROE) MODEL H2d,
H3d, H4d
(GROP)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
HCE 0,603 0,002 242,06 0,000*** HCE 0,455 0,003 133,27 0,000***
SCE / / / / SCE / / / /
CEE 0,436 0,002 154,78 0,000*** CEE 0,290 0,003 74,92 0,000***
SIZE 0,002 0,000 12,85 0,000*** SIZE 0,003 0,004 18,52 0,000***
LEV -0,103 0,002 -38,16 0,000*** LEV -0,022 0,003 -6,06 0,000***
INTERCEPT 135,73 7,750 17,51 0,000*** INTERCEPT 583,13 10,657 54,71 0,000***
R-square 0,66 R-square 0,476
F-value 37.665,02 F-value 10.890,02
N (obs) 150.565 N (obs) 150.565
Hausman
Prob>chi2
0,000 fixed-effects Hausman
Prob>chi2
0.000 fixed-effects
*** if p < 0,001
** if p < 0,01
* if p < 0,05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
89
Povezavo med spremenljivkami smo testirali tudi s pomočjo navadne OLS regresije79
in
panelne regresije z metodo fiksnih učinkov. V Tabela 24 so podani zgolj rezultati testov
modelov s pomočjo panelne regresije saj rezultati ocenjeni s pomočjo OLS regresijske metode
ne odstopajo bistveno od rezultatov panelne regresije, ki jo uporabljamo kot nosilno metodo.
Test vseh modelov je izkazal zelo visoko statistično značilnost. Enako velja tudi za statistično
značilnost vseh regresijskih koeficientov. Modeli imajo visoko pojasnjevalno moč.
Determinacijski koeficienti (R2) pri vseh modelih, razen pri tistih, ki rang uspešnosti
pojasnjujejo z rangom VAIC, presegajo 47%. Najnižjo pojasnjevalno moč je zaznati pri
modelih, ki vključujejo neodvisno spremenljivko rang VAIC. Takšen rezultat je zelo podobno
rezultatom testiranja osnovnega modela ter hkrati podpira ugotovitve, da je povezava med
uspešnostjo poslovanja podjetij in posameznimi komponentami VAIC modela močnejša od
povezave med uspešnostjo poslovanja ter agregatno neodvisno spremenljivko VAIC, ki jih je
v svoji študiji navedel Chen (2007). Najvišjo pojasnjevalno moč je zaznati pri modelih, kjer
kot odvisna spremenljivka nastopa rang ROE. Če primerjamo moč vpliva regresijskih
koeficientov, je razvidno, da ima rang učinkovitosti investiranja v človeški kapital (rang
HCE) bistveno močnejši vpliv na odvisne spremenljivke (β rang ROE/rang HCE H3c = 0,60 v
primerjavi s β rang ROE/rang CEE H4c = 0,44), kot ga ima rang učinkovitosti opredmetenih sredstev
(rang CEE).
Kontrolna spremenljivka rang LEV izkazuje bistveno manjši vpliv na odvisne spremenljivke
kot rang HCE in rang CEE (β rang ROE/rang LEV H2c = -0,10). Podobna ugotovitev velja za
kontrolno spremenljivko SIZE. Povezave med rangom spremenljivk, ki izkazujejo uspešnosti
poslovanja in rangom zadolženosti podjetja imajo v vseh modelih negativen predznak in so
precej manj izrazite od vpliva rangov HCE in CEE. Če poskušamo interpretirati regresijske
koeficiente med odvisnimi in neodvisnimi spremenljivkami, lahko ugotovimo, da sprememba
ranga HCE za eno mesto med podjetji v istem sektorju v povprečju povzroči spremembo
ranga ROE podjetja za 0,6 in da sprememba ranga LEV povzroči znižanje ranga uspešnosti
poslovanja merjenega z rang ROE za 0,1.
Zaključek, ki ga na osnovi testa povezave med rangi odvisnih in neodvisnih spremenljivk
lahko naredimo, je, da obstaja močna pozitivna vzročna povezava med spremembami rangov
učinkovitosti investiranja v IK in spremembami rangov uspešnosti poslovanja. To pomeni, da
relativno izboljšanje učinkovitosti investiranja v IK in opredmetena sredstva znotraj sektorja
povzroči pozitivno relativno spremembo v uspešnosti poslovanja glede na ostala podjetja
znotraj sektorja. Povedano drugače: obstaja vzročna povezava med učinkovitostjo investiranja
v IK in uspešnostjo poslovanja. Rezultati testa kažejo, da so znotraj sektorja nadpovprečno
investicijsko učinkovita podjetja tudi nadpovprečno uspešna.
Test rangov nam, za razliko od testa osnovnega modela, potrjuje, da je nadpovprečna
učinkovitost investiranja v IK pomembna za doseganje nadpovprečne uspešnosti, če oboje
merimo glede na učinkovitost in uspešnost primerljivih podjetij. Doseganje nadpovprečne
uspešnost poslovanja (med primerljivimi podjetji) je v rezidualnih modelih predpogoj obstoja
notranje vrednosti IK. Rezidualni modeli predpostavljajo, da je predpogoj za obstoj
intelektualnega kapitala obstoječa ali pričakovana nadpovprečna finančna uspešnost podjetja.
Nadpovprečno uspešnost poslovanja podjetja merimo s pomočjo primerjave dejansko
dosežene donosnosti z zahtevano stopnjo donosa, ki odraža povprečno zahtevano stopnjo.
79
Pri čemer za OLS regresijo veljajo enake omejitve kot pri testu osnovnega modela. Rezultati so zgolj
indikativne narave.
90
4.16 Izpeljava razširjenega modela VAIC
4.16.1 Kritična presoja vsebine in načina izračuna spremenljivk v VAIC modelu
Na osnovi izkazane močne vzročne povezave med rangom učinkovitosti investiranja v IK in
rangom uspešnosti poslovanja podjetij znotraj sektorja se postavlja vprašanje, zakaj test
osnovnega VAIC modela te povezave ni potrdil. Menimo, da je potrebno model VAIC
ponovno kritično presoditi z vidika njegove teoretične podprtosti in načina njegove izpeljave.
Najprej bomo presodili o predpostavkah modela, da je strošek dela človeški kapital, da je
strukturni kapital razlika med ustvarjeno dodano vrednostjo podjetja in vrednostjo človeškega
kapitala ter predpostavko, da je skupna učinkovitost podjetja VAIC seštevek parcialnih
učinkovitosti SCE, HCE in CEE. Pri tem se bomo opirali na razlike med originalno verzijo
VAIC modela in njenimi kasnejšimi izvedenkami (Pulić, 1998, 2004).
1. Strošek dela predstavlja človeški kapital. Strukturni kapital je razlika med ustvarjeno
dodano vrednostjo in stroški dela.
2. VAIC je seštevek učinkovitosti investiranja v človeški kapital, učinkovitosti
strukturnega kapitala in učinkovitosti čiste vrednosti sredstev.
Ad 1) Da bi lažje razumeli dileme povezane z VAIC modelom, si najprej poglejmo njegovo
osnovno različico. V različici modela VAIC, ki ga je leta 1998 predstavil avtor modela Ante
Pulić (1989), naj bi bili preseženi dve pomanjkljivosti klasičnih sistemov merjenja uspešnosti
poslovanja podjetij. Z modelom VAIC naj bi bil vzpostavljen zanesljiv in objektiven prikaz
procesa ustvarjanja vrednosti v podjetjih, hkrati naj bi model zagotavljal zanesljivo in
objektivno informacijo o sposobnosti zaposlenih v podjetju, da ustvarjajo vrednost. Njegova
ključna prednost naj bi bila poenostavitev izračunavanja ter intuitivnost pri interpretaciji
ključnih kazalnikov. Pulić ugotavlja, da podjetja za namen ustvarjanja vrednosti potrebujejo
določen obseg opredmetenih sredstev in intelektualni potencial zaposlenih, da lahko ta
sredstva v poslovnem procesu zaposlijo na učinkovit način (Pulić, 1998). Avtor loči med
intelektualnim potencialom zaposlenih in intelektualnim kapitalom.
Intelektualni kapital opredeljuje kot kategorijo, sestavljeno iz treh elementov: človeškega
kapitala, strukturnega kapitala ter kapitala odnosov s poslovnimi partnerji. Pri tem ugotavlja,
da strukturni kapital in kapital odnosov s poslovnimi partnerji ne obstajata brez ustreznega
angažmaja delavcev zaposlenih v podjetju. Avtor na tem mestu postavi jasno razmejitev med
modelom VAIC in do tedaj znanimi modeli ocenjevanja intelektualnega kapitala. Po njegovem
mnenju naj bi bil bilo dotedanje ocenjevanje intelektualnega kapitala močno podvrženo
subjektivnim kriterijem, medtem ko naj bi VAIC model omogočal ugotavljanje
intelektualnega potenciala in intelektualnih sposobnosti podjetja s pomočjo objektivnih
kazalnikov, temelječih na rezultatih, ki jih potrjuje delovanje tržnih zakonitosti. Zaposlene v
podjetju opredeljuje kot kohezivni faktor procesa ustvarjanja vrednosti, ki je odgovoren, da se
intelektualni potencial in sposobnosti podjetja potrjujejo na trgu, hkrati so zaposleni v
podjetju vezni člen do vseh poslovnih partnerjev podjetja. Iz zapisanega je razvidno, kako
Pulić postavlja ločnico med intelektualnim kapitalom in intelektualnim potencialom podjetja.
Intelektualni potencial je po njegovem dinamična kategorija, ki jo v dinamičnem procesu
ustvarjanja vrednosti zaposleni v podjetju neprestano potrjujejo na trgu. Za razliko od ostalih
avtorjev, ki postavljajo ločnico med človeškimi viri in človeškim kapitalom (Daum, 2003),
Pulić intelektualni potencial podjetja pripisuje vsem zaposlenim. Svojo tezo utemeljuje z
91
dejstvom, da so v tržni ekonomiji plače in učinki zaposlenih tržne kategorije, podvržene
zakonu ponudbe in povpraševanja. Predpostavka tržnosti plač in učinkov implicira
oblikovanje ravnovesne cene, pri kateri se ponudba in povpraševanje izenačita. Plače ne
predstavljajo zgolj kompenzacije za čas preživet na delovnem mestu, temveč so tudi
nadomestilo za intelektualni potencial, ki ga zaposleni vlagajo v podjetje. Iz te predpostavke
Pulić izpelje hipotezo, da strošek plač zaposlenih predstavlja edini objektivni indikator
intelektualnega potenciala podjetij. Ob takšni predpostavki se pojavi dvom ali je veljavno
meriti investicije v človeški kapital s plačami zaposlenih ter učinkovitost človeškega kapitala
z razmerjem med dodano vrednostjo in maso plač. Uporaba tega indikatorja je namreč
odločilna za postavljanje končnih zaključkov analize. Naš pomislek je, da plače predstavljajo
samo del vrednosti, ki predstavlja človeški kapital. Plače tudi ne predstavljajo investicij v
človeški kapital. Prej so te investicije denimo stroški storitev v obliki izpopolnjevanja znanja
in usposabljanja zaposlenih, torej v stroških storitev. Lahko pa so investicije tudi tudi
nemerljive (denimo, učenje v organizaciji). Drugič, razmerje med dodano vrednostjo in maso
plač zajema tudi, koliko k dodani vrednosti prispevajo drugi viri – predvsem vložen fizični
kapital, pri čemer med obojim ni mogoče razmejiti. A dejstvo je, da je strošek plač v
obstoječih bilančnih shemah praktično edina neposredna točka povezave s človeškim
kapitalom. Druge ni. Stroški izobraževanja in podobne storitve, ki imajo povezavo s
človeškim kapitalom, so po svoji velikosti v izkazih poslovnega izida tako majhne po svoji
velikosti, da na osnovi izvedenih testov lahko ugotovimo, da ne izkazujejo nobene povezave s
finančnimi rezultati poslovanja podjetij. Isto velja za stroške storitev (strukturni kapital). Še
bolj to velja za R&D izdatke (strukturni kapital)… Vse te povezave smo obsežno testirali.
Rezultati testiranj so bili statistično neznačilni in vsebinsko neuporabni. Kljub navedenim
pomanjkljivostim ocenjujemo, da so plače (in dodana vrednost) najboljši možni indikator
investiranja v človeški kapital, ki nam ga ponuja »sodobno« transakcijsko usmerjeno
računovodstvo.
Kot objektivno merilo uspešnosti udejanjanja intelektualnega potenciala avtor opredeli
dodano vrednost (VA). VA predstavlja vrednostno izraženo razliko med izložki (outputi oz.
prihodki) in vložki (inputi oz. odhodki). Vložke v poslovni proces predstavljajo vsi stroški
inputov vloženih v poslovni proces, z izjemo stroškov dela, ki predstavljajo aktivni element
(intelektualni potencial) v procesu ustvarjanja vrednosti (Pulić, 1998).80
VA = OUTPUT – INPUT 28
Iz tako opredeljene kategorije uspešnosti Pulić izvede dva kazalnika učinkovitosti:
VACA = VA/CA 29
pri čemer je VACA kazalnik učinkovitosti neto sredstev podjetja,81
ki kaže koliko dodane
vrednosti je ustvarila enota neto sredstev podjetja (pri čemer CA predstavljajo vrednost neto
sredstev podjetja).
VAIP = VA/IP 30
80
Na tem mestu namerno uporabljamo originalno Pulićevo definicijo (1998). Zanimivo je, da se Pulić v osnovni
različici VAIC modela ne opredeli do stroškov amortizacije kot sestavnega dela dodane vrednosti. Amortizacija
kot del dodane vrednosti je očitno predmet kasnejših opredelitev VAIC modela. 81
Avtor uporablja izraz »fizični kapital«.
92
je kazalnik učinkovitosti intelektualnega potenciala podjetja, ki kaže, koliko dodane vrednosti
je bilo v določenem obdobju ustvarjeno na eno denarno enoto stroškov dela.
VAIC, kot integralni kazalnik učinkovitosti angažiranih potencialov podjetja predstavlja
seštevek obeh indikatorjev učinkovitosti:
VAIC = VACA + VAIP 31
Na tem mestu se zaključi izpeljava originalne verzije VAIC modela.
Povzemimo osnovne implicitne predpostavke izvirnega VAIC konstrukta:
avtor v povezavi z VAIC ne govori o človeškem kapitalu in strukturnem kapitalu, temveč
zgolj o intelektualnem potencialu in intelektualnih sposobnostih podjetja,
intelektualni potencial je dinamična kategorija, ki se udejanja v procesu ustvarjanja
vrednosti in ne stanje samo po sebi,
vrednost sredstev podjetja je tržna kategorija, saj je posledica delovanja tržnih zakonitosti
ponudbe in povpraševanja,
intelektualni potencial podjetja je možno meriti s stroškom plač zaposlenih, ki so tržna
kategorija in se oblikujejo kot posledica delovanja tržnih zakonitosti ponudbe in
povpraševanja,
dodana vrednost je merilo uspešnosti angažiranja obeh ključnih potencialov podjetja
(sredstev in intelektualnega potenciala),
povezava med dodano vrednostjo in intelektualnim potencialom podjetja ni linearna.
Intelektualni potencial in neto sredstva so, če jih obravnavamo ločeno, po naravi inertna.
Šele v povezavi dajeta učinke. Povezava med sredstvi in intelektualnim potencialom ni
nujno linearna. Učinki povezave niso nujno linearni.
Primerjajmo originalni VAIC model (Pulić, 1998) z njegovimi kasnejšimi različicami (Pulić,
2004), ki smo jih uporabili pri opredelitvi našega osnovnega modela za testiranje hipotez:
izraz intelektualni potencial in intelektualna sposobnost sta zamenjana z izrazom
intelektualni kapital…«katerega status je potrebno izenačiti s statusom finančnega in
fizičnega kapitala« (Pulić, 2004, str. 62). Gre za navidezno nepomembno semantično
podrobnost, ki pa v interpretacijo modela vnaša ključno razliko. Intelektualni kapital se iz
dinamičnega procesa transformira v stanje. Iz konteksta lahko razberemo, da je
intelektualni kapital sestavni del sredstev podjetja, enako kot sta sestavni del sredstev
podjetja tudi »finančni kapital« in »fizični kapital«. Po naši oceni je avtor v želji
nadgradnje osnovnega modela zašel v nedoslednost pri uporabi izrazov.
Stroški dela predstavljajo investicijo v HC. Spet semantična podrobnost. Kljub temu, da
so stroški dela opredeljeni kot investicija v človeški kapital in ne kot človeški kapital,
kasneje v modelu dobijo status sredstev (stanje človeškega kapitala). Takšna nedosledna
uporaba izrazov je močno zavajajoča. Če je človeški kapital ...« nekaj, kar je utemeljeno
na znanju, nima materializirane pojavne oblike ter je uporabno in koristno za
podjetje«…, potem stroški dela zagotovo niso človeški kapital. Lahko služijo kot indikator
vsakoletnega investiranja v HC, ne morejo pa prevzemati vloge vrednosti človeškega
93
kapitala. Podobno napako v interpretaciji bi naredili, če bi investicije v opredmetena
sredstva izenačili z vrednostjo opredmetenih osnovnih sredstev podjetja.
Strukturni kapital (stanje) je razlika med dodano vrednostjo in človeškim kapitalom (SC =
VA – HC). Če za HC obstaja zgolj dilema, ali ta v modelu nastopa v vlogi procesa,
investicije ali stanja, se v povezavi s strukturnim kapitalom vsem omenjenim dilemam
pridruži še težava, da nimamo nobenega vsebinskega pojasnila, kaj naj bi strukturni
kapital sploh bil. Če je strošek dela investicija v HC, kaj je potem ostanek dodane
vrednosti, ko odbijemo HC od celotne VA? Po logiki, ki jo avtor uporablja pri
opredeljevanju HC (investicija), ne pridemo daleč. Ostanek VA ne more biti investicija,
ker ni strošek oz. odhodek. Če sledimo računovodski logiki, je ostanek VA oz SC enak:
SC = VA-HC = OP +Am 32
Govorimo torej o dobičku iz poslovanja, povečanem za amortizacijo. Dobiček iz
poslovanja je odvisen od ekonomičnosti poslovanja podjetja, ki je posledica racionalnosti
trošenja poslovnih prvin, spremembe njihovih cen ter produktivnosti dela. Obračunana
amortizacija je posledica obsega opredmetenih (oz finančnih) sredstev, ki se amortizirajo
in uporabljenih amortizacijskih stopenj. Za trenutek se vrnimo k definiciji SC. Kot smo
že zapisali, SC zajema… sisteme, postopke, opravila, organizacijo..., ki omogočajo
neprekinjeno delovanje verige ustvarjanja vrednosti temelječe na človeškem kapitalu.
Iskati povezavo med vsebino SC in načinom izračuna njegovega indikatorja je
nesmiselno. SC oz. (VA-HC), kot ga opredeljuje VAIC model, ni in ne more biti
investicija v SC. Prav tako ne more biti indikator procesa delovanja SC saj je po definiciji
lahko zgolj rezultat tega procesa. Še manj je tako opredeljen SC lahko stanje. Če VA
pogojno izenačimo z denarnim tokom iz poslovanja po davkih,82
potem obstajajo
naslednji načini, kako se VA v podjetju lahko uporabi:
za izplačilo plač (HC),
za izplačilo stroškov financiranja (obresti), izplačilo lastnikom (dividende),
za odplačilo dolga,
za investiranje v neto obratni kapital,
za investiranje v »finančni« in »fizični« kapital, opredeljivi IK…
Investiranje v SC je tukaj izključeno. Po obstoječi računovodski doktrini bi lahko
investiranje v SC povezali zgolj s katerim od stroškov poslovanja, ki pa so že predhodna
odbitna postavka pri izračunu VA. Če SC »gradimo« s pomočjo zunanjih izvajalcev,
potem ima ta investicija npr. pojavno obliko stroška zunanjih storitev. Če SC gradimo z
notranjimi viri, potem se ta investicija najpogosteje manifestira skozi (višje) stroške
zaposlenih (HC) v kombinaciji z materialnimi stroški in/ali stroški storitev. Stroški
materiala in storitev so odbitna postavka od prihodkov in niso del dodane vrednosti. SC
ima torej bistveno močnejšo vsebinsko povezavo s stroški zunanjih storitev in/ali
materialnimi stroški kot z ostankom dodane vrednosti po odbitju stroškov dela. SC, kot
ga opredeljuje VAIC model, je vsebinsko v celoti brezpredmeten.
Velikost SC je obratni proporc HC.83
Višji HC pomeni manjši SC. Po kakšni logiki?
Vsebinsko: če govorimo o HC kot procesu, potem višji HC zahteva višji SC, v nasprotnem
primeru se HC ne more transformirati v (dodano) vrednost. Če se HC ne transformira v
(dodano) vrednost, potem HC ne obstaja. V tem primeru obstaja intelektualni potencial, ki
82
Na tem mestu nam je sekundarnega pomena dilema, ali je dobiček enak denarnemu toku. 83
Ob dani VA.
94
za svoje potrjevanje potrebuje ustrezen strukturni kapital, da se bo lahko udejanjil tudi v
obliki uspešnega poslovanja… Iz vsebinskega vidika je definicija SC vprašljiva. Avtor se
iz vsebinske zagate reši z matematično operacijo, ki vprašljivo vsebinsko povezavo med
HC in SC postavi v tehnično smiseln konstrukt. HC in SC sta po naši oceni endogeni
spremenljivki, ki vplivata ena na drugo. Zanimivo je, da v testih VAIC modela statistična
orodja spremenljivke SC ne opredelijo kot tehnično problematične in povezane s HC.
Razlog je verjetno ravno v načinu njene izpeljave. Šele metoda analize s pomočjo rangov,
kjer se izniči tehnična podrobnost obratne sorazmernosti SC in HC, pokaže, da sta
spremenljivki kolinearni.
Učinkovitost strukturnega kapitala je definirana kot obratno sorazmerje med SC in VA:
SCE = SC/VA 33
če v omenjeno definicijo SCE vstavimo osnovne podatke, dobimo:
SCE = VA'/VA 34
pri čemer je VA'
enaka (VA-HC). Že iz izpeljave izhaja, da je izpeljava SC in SCE
vprašljiva. Interpretacija? Učinkovitost strukturnega kapitala je razmerje med delom
dodane vrednosti in dodano vrednostjo podjetja! Koliko (ostanka) dodane vrednosti lahko
ustvari enota dodane vrednosti? V takšni interpretaciji je definicija SCE logičen nesmisel,
ki pa ima za interpretacijo izsledkov kvantitativnih raziskav s pomočjo VAIC modela
pomembno posledico. Če dodano vrednost pojasnjujemo z dodano vrednostjo podjetja,
potem se logično povečuje pojasnjevalna moč tako postavljenega modela. Spremenljivka
VA v VAIC modelu brez ustrezne teoretične in tehnične razlage (deloma) pojasnjuje samo
sebe. Po naši oceni je pojasnjevalna moč tako zastavljenih modelov sporna.
Če naredimo vsebinski povzetek primerjave VAIC modela v njegovi osnovni različici iz leta
1998 z nadgrajeno različico iz leta 2004, lahko iz te primerjave izluščimo dve ključni
vsebinski vprašanji, na kateri bomo poskušali odgovoriti. Odgovora na ti dve vprašanji nam
bosta v pomoč pri nadaljnjem razmišljanju o smiselnosti razširitve modela.
4.16.2 Ali je IK stanje ali proces?
Kot smo že omenili, je avtor modela VAIC pri njegovi širitvi naredil pomemben semantični
preskok. V osnovni različici modela govori o intelektualnem potencialu (Ang. »intellectual
potential«) in intelektualni sposobnosti (Ang. »intellectual ability«) podjetij. Čeprav avtor v
izpeljavi modela v l. 1998 vsebinsko ne opredeli razlike med obema pojmoma, je iz konteksta
zapisanega možno razbrati, da o intelektualnem potencialu podjetja lahko govorimo v smislu
potencialnih sposobnosti vseh zaposlenih v podjetju, da ustvarjajo vrednost. Za razliko od
intelektualnega potenciala je intelektualna sposobnost že odraz intelektualnega potenciala
zaposlenih v podjetju, ki ga je to s pomočjo obstoječe infrastrukture v podjetju (strukturnega
kapitala?) unovčilo na trgu ter ga transformiralo v (nadpovprečno) poslovno uspešnost.
Intelektualna sposobnost (stanje?) je torej realiziran intelektualni potencial (proces?). V svoji
razpravi iz l. 2003 se je Mouritsen (2003) dotaknil dileme, ali je intelektualni kapital stanje ali
proces ali pa morda oboje. Računovodski pogled na intelektualni kapital je statično zasnovan.
Intelektualni kapital je večinoma obravnavan z vidika bilance stanja (IK je stanje). Finančna
perspektiva intelektualnega kapitala je drugačna. IK je opredeljen kot sposobnost podjetja, da
dolgoročno ustvarja (nadpovprečne) denarne tokove (vrednost). Finančno gledano je torej IK
95
ponavljajoč se proces, ki se ne more in ne sme ustaviti (računovodsko gledano v središču
opazovanja ni več bilanca stanja, temveč izkaz poslovnega izida in izkaz denarnih tokov
podjetja). Če se proces ustavi, IK ne obstaja več, saj ne generira več donosov.84
Pulićev način
interpretacije IK bi lahko razumeli kot mešani vidik IK. IK je hkrati stanje in proces. Stanje
predstavljajo obstoječe intelektualne sposobnosti zaposlenih v podjetju. Proces pa predstavlja
nenehna kreacija vrednosti, ki se računovodsko odraža v uspešnosti poslovanja podjetja in v
neprestanem investiranju v obstoječe in nove intelektualne sposobnosti (strošek obstoječih in
novo zaposlenih delavcev). Za dolgoročno vzdržnost in čim višjo stabilnost procesa
ustvarjanja vrednosti mora intelektualni potencial podjetja (zaposleni) hkrati skrbeti še za
proces nenehnega investiranja v strukturni kapital podjetja, ki skrbi, da se intelektualni
potencial dolgoročno lahko transformira v vrednost. V tem duhu je Pulić v razlagi VAIC
modela iz leta 1998 postavil dokaj jasno distinkcijo med intelektualnim kapitalom in
intelektualnim potencialom (sposobnostjo) podjetja. Intelektualni kapital je opredelil kot
teoretični konstrukt, ki je sestavljen iz treh elementov: človeškega kapitala, strukturnega
kapitala in kapitala odnosov. Njegova zamera do intelektualnega kapitala je bila predvsem v
tem, da so indikatorji IK v večini primerov zelo subjektivne narave (Pulić, 1998). Po
njegovem ima intelektualna sposobnost zaposlenih v primerjavi z intelektualnim kapitalom,
dve ključni prednosti: odraža sposobnost zaposlenih, da intelektualni kapital unovčijo na trgu
(kar ni predpostavka IK), hkrati pa model VAIC vpeljuje objektiven oz. tržno potrjen indikator
merjenja intelektualne sposobnosti podjetja (IK temelji na subjektivnih indikatorjih). IK je
torej bolj statična kategorija kot intelektualna sposobnost.85
V izpeljavi razširjenega VAIC modela Pulić (2004) naredi semantični zasuk, ko
pravi…«Zaposleni in njihov intelektualni kapital bi morali biti prepoznani kot ključni
dejavnik poslovanja«.86
Če izhajamo iz naše opredelitve intelektualnega kapitala iz uvodnih
poglavij, ko smo rekli, da je IK...«nekaj, kar je utemeljeno na znanju, nima materializirane
pojavne oblike, je uporabno in koristno za podjetje in ki v smislu računovodskega
evidentiranja ostaja skrito do trenutka, ko ga, na osnovi transakcije (prodaja, prevzem,
pripojitev...), trg prepozna in ovrednoti«, vidimo, da je avtor v l. 2004 izraz intelektualni
potencial zamenjal in izenačil z izrazom intelektualni kapital. Potencial in sposobnost
zaposlenih, da unovči ostale elemente intelektualnega kapitala, je zamenjal s konstruktom
intelektualni kapital. Čeprav je razlika v izrazoslovju na videz nepomembna, predstavlja velik
vsebinski zasuk. Zamenjava intelektualne sposobnosti (potenciala) z izrazom intelektualni
kapital je bila narejena z ambicijo, da se prvotni konstrukt VAIP (ang. »Value added
intelectual ability«, (Pulić, 1998), razdeli v dva ločena konstrukta HCE in SCE, katerih
seštevek avtor poimenuje ICE (ang. »Intellectual capital efficiency«) in je po vsebini
ekvivalent VAIP. Delitev temelji na avtorjevi predpostavki, da je našel način, s katerim lahko
objektivno meri učinkovitost posameznih elementov IK in ne samo intelektualne sposobnosti
zaposlenih kot celote.
Prvotni model VAIC (Pulić, 1998):
VAIC = VAIP + VACA 35
84
V primeru prenehanja poslovanja podjetja je dokaj enostavno opredeliti vrednost preostalih opredmetenih
sredstev podjetja, ki so v lasti podjetja, medtem ko intelektualni potencial pretežno ni v lasti podjetja samega,
temveč zaposlenih, ki lahko ta potencial brez formalnih ovir odnesejo s sabo. 85
Če citiramo..«Why do we use the term intellectual potential? Because it is very dynamic category.« (Pulić,
1998, str.7). 86
Ang. »Employees and their intelectual capital ought to receive the official status of key resource« (Pulić,
2004, str.62).
96
Razširjeni model VAIC (Pulić, 2004):
VAIC = HCE + SCE + CEE 36
Če je avtor že delil, kar je v osnovi nedeljivo (Mouritsen, 2003; Lev, 2001), se poraja
vprašanje, kako je v razširjenem modelu zajet kapital odnosov s poslovnimi partnerji, ki ga
sicer Pulić priznava kot sestavni del intelektualnega kapitala (Pulić, 1998). Če velja, da je IK
sestavljen iz več elementov, kot zgolj iz človeškega in strukturnega kapitala, in če velja
predpostavka, da je ICE indikator učinkovitosti celotnega intelektualnega kapitala podjetja,
potem ne more veljati pravilnost izračuna kazalnikov učinkovitosti HCE in SCE. VAIC model
eksplicitno kaže na to, da so obema elementoma IK (HC in SC) pripisani tudi učinki tretjega
elementa IK.87
Če so učinki tretjega elementa IK pozitivni, je učinkovitost HCE in SCE in
CEE potemtakem precenjena. Mouritsen (2003) je rezultate poskusov formalnega ločevanja
elementov IK opisal kot postopek,88
ki …«bolj, ko poskuša ločevati nerazdružljive
konstrukte v samostojne elemente, bolj jih transformira v nekaj, kar po naravi niso in vse bolj
se logika njihove komplementarnosti nadomešča z logiko možnosti njihovega samostojnega
obstoja« (Mouritsen, 2003, str. 23). Avtor to svoje razmišljanje podkrepi s primero iz
biologije. »Če želimo rožo razdeliti na cvet, liste, steblo, korenine.., mora roža za to« umreti«
(ibid.)«. Enako velja za elemente IK. Če jih želimo deliti po arbitrarnem ključu, potem mora
IK »umreti«, saj jih jemljemo iz konteksta IK kot nedeljive celote.
Na koncu razmišljanja o IK kot o procesu ali stanju dodajmo še naše mnenje. Menimo, da
mora biti model VAIC obravnavan z vidika procesa ustvarjanja vrednosti in ne z vidika stanja.
Pulićeva sprememba retorike med l. 1998 in 2004 je povzročila precejšnjo zmedo pri
razumevanju VAIC s strani raziskovalcev, ki so VAIC model uporabljali kot izhodiščno točko
raziskovanja. Razširjeni model VAIC nas teoretično in konceptualno ni prepričal, zato se
bomo pri poskusu razširitve modela vrnili k njegovi osnovni različici. Menimo, da je osnovna
različica, ki temelji na IK kot procesu, konceptualno in teoretično bolje opredeljena.
4.16.3 Povezava med učinkovitostjo posameznih elementov IK
Iz našega razmišljanja o tem ali je IK proces ali stanje, je razvidno, da imamo opravka z
abstraktnimi temami. Da bi razumeli, kaj je vrednost in jo znali izračunati, moramo najprej
razumeti, kako se vrednost ustvarja. Da bi lahko dojeli proces ustvarjanja vrednosti v
podjetjih s poudarjeno prisotnostjo IK, pa moramo predhodno razumeti proces ustvarjanja in
širjenja znanja. Nelinearnost ustvarjanja znanja in povezav med znanjem in ustvarjanjem
učinkov dodatno otežuje razumevanje procesa ustvarjanja vrednosti. V uvodnih poglavjih smo
se v okviru raziskovanja značilnosti ključnih gonil vrednosti podjetij dotaknili ugotovitev
Nove teorije rasti. Zapisali smo, da je ena od ključnih predpostavk te teorije, da je
ekonomska rast:
utemeljena na znanju,
neuravnotežen in nelinearen process,
deloma odvisna od preteklega razvoja.
87
Oziroma vseh ostalih elementov IK. 88
Mouritsen postopek ločevanja poimenuje z angleškim izrazom »disentanglement«.
97
V okviru proučevanja Modela transformacije znanja (Nonaka, 1995) smo ugotovili, da
obstajajo štirje procesi transformacije znanja: iz skritega v skrito znanje (človeški kapital v
novi človeški kapital), iz skritega v razkrito znanje (človeški kapital v strukturni kapital), iz
razkritega v skrito (strukturni kapital v človeški kapital) in iz razkritega v razkrito znanje
(strukturni kapital v strukturni kapital). Med človeškim in strukturnim kapitalom torej obstaja
povratna zanka. Človeški kapital vpliva na razvoj strukturnega kapitala, hkrati pa strukturni
kapital povratno vpliva na razvoj človeškega kapitala. Obstaja torej soodvisnost ključnih
konstruktov našega proučevanja. Povratna zanka, ki obstaja med človeškim in strukturnim
kapitalom oz. njuna soodvisnost implicira, da v primeru, če obe spremenljivki arbitrarno
ločimo in ločeno proučujemo njuno učinkovitost, izgubimo informacijo o njunem vzajemnem
vplivu. Na ta način postane vprašljiva natančnost ločenega izračuna učinkovitosti ene in druge
spremenljivke. V literaturi nismo zasledili raziskave, ki bi natančneje poskusila proučiti
povratno zanko med človeškim in strukturnim kapitalom, zato težko ocenjujemo moč teh
povezav. Soodvisnost SC in HC dodatno krepi dvom v smiselnost arbitrarne delitve IK na
HC in SC tako, kot je to predpostavljeno v VAIC modelu ter s tem dvom v sporočilno
vrednost ločeno izračunanih kazalnikov učinkovitosti HCE in SCE na način, kot to v svojih
raziskavah počne večina raziskovalcev.
Predpostavka VAIC modela, da je VAIC kot vseobsegajoči indikator učinkovitosti
intelektualnega kapitala podjetja enostaven seštevek koeficientov učinkovitosti človeškega
kapitala (HCE), učinkovitosti strukturnega kapitala (SCE) in učinkovitosti uporabe
opredmetenih sredstev podjetja (CEE) v Novi teoriji rasti, nima ustrezne podpore. Romer
(2007) ugotavlja, da smo ljudje sorazmerno uspešni v napovedovanju stvari, ki imajo naravo
aditivnega procesa (seštevanja), da pa sistematično podcenimo hitrost rasti pojavov, ki imajo
naravo multiplikativnih procesov. Pri razvoju pojavov temelječih na znanju in idejah se v
človekovi percepciji pojavijo enake težave. Znanje se ne sešteva temveč multiplicira. Če je, v
skladu z zakonom naraščajočih donosov, rast podjetij nelinearen in neuravnotežen proces
(Cortright, 2001) in če sta rast in razvoj HC in SC medsebojno odvisna ter je od HC in SC
deloma odvisna tudi CEE, potem skupna učinkovitost vseh treh spremenljivk ne more biti
enostaven seštevek učinkovitosti posameznih elementov. V okviru proučevanja verige
vrednosti postindustrijskih podjetij smo ugotavljali, da so posamezne sestavine IK po naravi
inertne in se ne morejo realizirati brez aktiviranja človeškega kapitala. Ker povezava med
elementi IK ni aditivnega, temveč multiplikativnega značaja, ocenjujemo, da bi bilo potrebno
VAIC model prilagoditi na način, ki bi izražal to multiplikativno povezavo. Predpostavko, da
se učinkovitost HC, SC in CE medsebojno sešteva, bomo v razširjenem modelu VAIC
nadomestili s predpostavko, da je učinkovitost IK funkcija zmnožkov parcialnih učinkovitosti
HC, SC in CE. Velja torej:
VAIC = HCE*SCE*CEE 37
Kot smo že navedli, se bomo pri poskusu razširitve modela VAIC zaradi nedoslednosti pri
izpeljavi razširjenega VAIC modela vrnili k njegovi osnovni različici, ki IK ne deli na SC in
HC, temveč izhaja iz intelektualnega potenciala podjetja. Tako bo v razširjenem modelu VAIC
veljala naslednja hipotetična povezava med parcialnimi učinkovitostmi:
VAIC = VAIP*CEE 38
oz. v terminologiji prvotnega VAIC modela
VAIC = VAIP*VACA 39
98
4.16.4 Ideje o širitvi modela VAIC z novimi indikatorji s strani različnih avtorjev
Zaradi mešanih rezultatov raziskav temelječih na VAIC modelu, so mnogi avtorji rešitev za
izboljšanje pojasnjevalne moči modela iskali v širitvi modela VAIC z novimi indikatorji
učinkovitosti IK. Tako sta npr. Nazari in Herremans (2007) model VAIC dopolnila z
uvajanjem dodatnih spremenljivk. Avtorja sta strukturni kapital razdelila na kapital odnosov
(CC) in na organizacijski kapital (OC), tako da je v skladu z njuno definicijo:
SC = CC + OC 40
OC sta nadalje razdelila na inovacijski kapital (Ink) in procesni kapital (PC) ter izračunala
učinkovitosti vseh elementov SC tako, da sta dodano vrednost delila s posameznimi elementi
strukturnega kapitala. Pri raziskovanju povezave med tržno vrednostjo podjetij in
učinkovitostjo IK je npr. Chen (2005) VAIC modelu dodal indikatorja R&D (izdatki za
raziskave in razvoj) ter stroške oglaševanja (AD) in s tem poskušal izboljšati pojasnjevalno
moč VAIC modela. Podobnih poskusov je še več.
Po našem mnenju so tovrstne razširitve VAIC modela vprašljive iz naslednjih vidikov:
Ne rešujejo temeljnih dilem glede teoretične doslednosti izpeljave modela (delitev na
HC in SC). Ravno obratno. Nedorečenost delitve med SC in HC se z delitvijo SC na
podelemente še povečuje.
Z dodajanjem spremenljivk se avtorji oddaljujejo od ključne prednosti VAIC modela,
ki se kaže v tem, da so vsi podatki, ki jih model zahteva, na razpolago v izkazih
poslovanja podjetja in hkrati preko javnih baz podatkov dostopni širši javnosti. Javna
dostopnost podatkov omogoča primerjalno analizo med izbranimi podjetji tudi
analitikom, ki nimajo dostopa do notranjih podatkov podjetij. Če pri širjenju modela
zaidemo iz koncepta javno dostopnih podatkov, implicitno spremenimo metodiko
raziskovanja. Dodajanje spremenljivk in drobljenje modela pogosto zahteva dodatne
podatke, ki jih lahko zberemo zgolj s pomočjo anket ali intervjujev, kar zoži
manevrski prostor za izvajanje primerjalnih analiz na večjih statističnih vzorcih. V
primeru, da izstopimo iz koncepta javno dostopnih podatkov, model VAIC izgubi
ključno prednost. V tem primeru so za proučevanje IK bistveno bolj primerne druge
metode in modeli.
Nihče izmed avtorjev, ki so poskušali dopolniti VAIC model, do njega ni zavzel
kritične distance in se ponovno vprašal po njegovi vsebini. Večina avtorjev ga
nekritično prevzema in zgolj navaja izsledke svoje in podobnih raziskav. V okviru
naše kritične vsebinske preverbe VAIC modela smo naleteli na številne nejasnosti in
dileme, ki so nas napeljale na to, da smo izboljšanje pojasnjevalne moči VAIC modela
pričeli iskati v obratni smeri kot večina avtorjev. Zavrgli smo razširjeni model VAIC
in se vrnili k njegovi osnovni različici. Razloge za to smo vsebinsko pojasnili in jih
postavili v drugačne teoretične okvirje.
Predpostavka, da je učinkovitost IK podjetja seštevek parcialnih učinkovitosti
posameznih elementov IK in čiste vrednosti sredstev, je po naši oceni sporna.
Teoretično ozadje naše dileme smo poiskali v Novi teoriji rasti, Zakonu naraščajočih
donosov in nekaterih raziskavah dinamike razvoja znanja in tehnologije, ki kažejo, da
sta se znanje in tehnologija skozi čas razvijala eksponentno. Seštevek parcialnih
99
učinkovitosti smo nadomestili s predpostavko multiplikativne povezave med
učinkovitostmi elementov IK in CE.
4.16.5 Razširitev modela VAIC za potrebe dopolnitve empirične raziskave
S pomočjo analize vzorca slovenskih podjetij za obdobje 1995-2008 vsebinske povezave med
VAIC in uspešnostjo poslovanja slovenskih podjetij nismo mogli potrditi. Ne glede na vse
opravljene kontrolne teste89
je pojasnjevalna moč VAIC modela, testirana na vzorcu
slovenskih podjetij, ekonomsko neznačilna.90
Navedli smo možne razloge, ki so po naši oceni
povzročili, da se rezultati podobnih raziskav v drugih okoljih precej razlikujejo od naših. Na
osnovi ugotovljenih vsebinskih, tehničnih in teoretičnih nedoslednosti VAIC modela bomo
osnovne predpostavke modela poskusili postaviti v drugačen vsebinski kontekst, z drugačnimi
povezavami med spremenljivkami. Hkrati bomo poskušali zadržati vse praktične prednosti
VAIC modela in s tem ohraniti njegovo uporabno vrednost.
Pri testiranju hipotez se je izkazalo, da je najmočnejša povezava izkazana med učinkovitostjo
IK ter donosnostjo kapitala podjetij (ROE). Zato se bomo v nadaljevanju osredotočili zgolj na
testiranja hipotez, ki so predpostavljale, da je ROE pozitivno odvisen od SCE, HCE in CEE.
Z namero, da bi izboljšali teoretično verodostojnost modela in seveda z namenom, da bi
izboljšali njegovo pojasnjevalno moč, smo predpostavke VAIC modela postavili v drugačen
pojasnjevalni kontekst. Pri tem smo izhajali iz znane DuPontove formule (Gropelli, Ehsan
2000).91
4.16.6 VAIC model v okviru DuPontove identitete
Pomanjkljivosti VAIC modela bomo poskušali zmanjšati tako, da bomo njegove predpostavke
umestili v okvir modela, ki je teoretično, tehnično in praktično v uporabi že desetletja. To je
DuPontova identiteta,92
s pomočjo katere lahko donosnost kapitala (ali sredstev) pojasnjujemo
s pomočjo razgrajevanja osnovne formule za izračun donosnosti kapitala:
ROE = Čisti dobiček/Kapital 41
DuPontova identiteta ima nekaj pomembnih lastnosti, ki jih lahko izkoristimo pri
nadgrajevanju VAIC modela:
Je teoretično in praktično nesporna.
Podobno kot VAIC model tudi DuPont identiteta temelji na obstoječi računovodski
doktrini zajemanja in izkazovanja poslovnih dogodkov.
Omogoča nam razgrajevanje osnovne formule za izračun donosnosti kapitala na
vsebinske podsklope, pri čemer velja, da model v vsakem trenutku ostaja identiteta
oz. da ima 100% pojasnjevalno moč.
89
Izvedli smo kontrole s pomočjo variiranja časovnega obdobja, proučili smo časovni zamik neodvisnih
spremenljivk, spreminjali smo velikost vzorca, podjetja smo segmentirali po velikosti in dejavnosti, uporabili
smo kontrolne metode proučevanja… 90
Našli pa smo vsebinsko in statistično pomembno povezavo med rangom učinkovitosti in rangom uspešnosti
podjetij znotraj posameznega sektorja. 91
Ime izhaja iz korporacije DuPont, ki je omenjeno formulo začela uporabljati v dvajsetih letih prejšnjega
stoletja. 92
Identiteta pomeni, da je postavljena formula po definiciji pravilna.
100
Za izračun zadostujejo enaki podatki kot VAIC model. Vsi podatki so na razpolago v
javnih podatkovnih bazah.
Razgrajevanje osnovne formule na podsklope pripelje do tega, da lahko kombiniramo
vplive opredmetenih sredstev z vplivi, ki jih imajo na donosnost kapitala
nematerializirani dejavniki poslovanja podjetja (IK). S tem nam je omogočeno
integralno opazovanje verige vrednosti ter opredmetenih in neopredmetenih gonil
vrednosti podjetja. Ker VAIC model temelji na podobnih predpostavkah, se s tem
ohranja njegova osnovna integriteta.
S pomočjo DuPontove identitete lahko ROE razdelimo v tri vsebinske sklope:
ROE = Dobičkovnost prihodkov * Obračanje sredstev * Finančni vzvod 42
Na velikost ROE torej vpliva:
dobičkovnost prihodkov, ki izkazuje operativno učinkovitost poslovanja podjetja
(preko ekonomičnosti),
hitrost obračanja sredstev, ki izkazuje učinkovitost podjetja pri upravljanju sredstev,
finančni vzvod, ki izkazuje strukturo financiranja podjetja.
ROE je torej možno povečati preko treh vzvodov:
če se poveča ekonomičnost poslovanja podjetja pri nespremenjeni hitrosti obračanja
sredstev in nespremenjeni strukturi financiranja;
če se poveča hitrost obračanja celotnih sredstev podjetja ob nespremenjeni
ekonomičnosti in nespremenjeni strukturi financiranja;
če se poveča razmerje med sredstvi in kapitalom podjetja ob nespremenjeni
ekonomičnosti poslovanja in nespremenjeni hitrosti obračanja sredstev podjetja.93
DuPontovo formulo lahko naprej razgradimo v:
ROE = NP/SALES * SALES/ASSETS * ASSETS/EQUITY 43
Ker na stopnjo dobičkovnosti vpliva tudi davčni status in raven obrestovanega dolga podjetij,
ocenjujemo, da je smiselno DuPontovo formulo razgraditi tako, da bomo ločili dobičkovnost
iz poslovanja od davčnega statusa podjetja in vpliva finančnih odhodkov. To lahko naredimo
na naslednji način:
ROE = NP/EQUITY= NP/PP*PP/OP*OP/SALES*SALES/ASSETS*ASSETS/EQUITY 44
oz.
ROE = TB * IB * OPM * StoA *AtoE 45
Pri čemer je:
93
Finančni vzvod predstavlja eno izmed področij, s katerimi se poglobljeno ukvarja finančna teorija. Ker
poglobljene razprave o razmerju med financami in računovodstvom ter finančnim vzvodom, tveganjem in
zahtevano donosnostjo presegajo namen našega raziskovanja, jih v naši raziskavi ne bomo podrobneje
obravnavali.
101
ROE = donosnost kapitala
NP = čisti dobiček
PP = dobiček pred obdavčitvijo
OP = dobiček iz poslovanja (EBIT)
SALES = čisti prihodki od prodaje
ASSETS = povprečna sredstva podjetja
EQUITY = povprečna vrednost kapitala podjetja
NPM = čista dobičkovnost prihodkov
OPM = dobičkovnost iz rednega poslovanja
TB = stopnja davčne obremenitve dobička
IB = stopnja obremenjenosti dobička iz poslovanja z obrestmi
StoA = obračanje sredstev (čisti prihodki od prodaje/ povprečna sredstva podjetja)
AtoE = finančni vzvod (povprečna sredstva podjetja/ povprečna vrednost kapitala
podjetja)
DuPontovo formulo bomo postavili v kontekst intelektualnega kapitala tako, da si bomo
poskušali odgovoriti na vprašanje, na katerega izmed prikazanih petih vzvodov donosnosti
kapitala ima intelektualni kapital največji vpliv. Pri tem bomo upoštevali dejstvo, da se vpliv
osnovnih treh vzvodov donosnosti kapitala (dobičkovnost prihodkov, obračanje sredstev ter
finančni vzvod) med podjetji lahko precej razlikuje in to v močni odvisnosti od dejavnosti, v
kateri podjetje posluje. V grobem bi dejavnosti lahko razdelili v tri skupine:
Dejavnosti z visoko stopnjo dobičkovnosti. Med dejavnosti z visoko stopnjo
dobičkovnosti spadajo dejavnosti z najvišjo prisotnostjo intelektualnega kapitala. To
so tiste, katerih poslovni model pretežno temelji na nematerialnih sredstvih, kot so npr.
blagovna znamka, inovativni produkti, image… Ključ do dolgoročne uspešnosti
poslovanja v tovrstnih dejavnostih je učinkovito investiranje v IK. Sklepamo, da ima v
teh dejavnostih IK vpliv predvsem na učinkovitost investiranja v nematerialna gonila
vrednosti, ki morajo zagotoviti, da bo vrednost (cena) izdelka ali storitve najmanj
enaka zaznani vrednosti za potrošnika.94
Učinkovitost investiranja v IK se izraža v
visoki dodani vrednosti na zaposlenega.
Dejavnosti z visoko hitrostjo obračanja sredstev. V nekaterih dejavnostih je stopnja
dobičkovnosti sorazmerno nizka. Gre za dejavnosti, kjer je ključno sredstvo za
doseganje želenega dobička ekonomija obsega. Za takšne dejavnosti (npr. grosistična
trgovska dejavnost) so značilne nižje stopnje dobičkovnosti, visok obrat sredstev in
praviloma zmeren finančni vzvod. Zanje lahko sklepamo, da ima IK vpliv predvsem
na učinkovitost transformiranja človeškega kapitala v strukturni kapital in sicer v
obliki optimizacije procesov, organizacije, logistike…, ki omogočajo doseganje
(nadpovprečne) donosnosti kapitala.
Dejavnosti z visokim finančnim vzvodom. To so dejavnosti, katerih poslovni model
temelji na dolžniških virih financiranja (finančni sektor). V njih je ključnega pomena
investiranje v IK v smislu vzpostavitve zaupanja javnosti do finančnega posrednika.
Zaupanje je ključnega pomena. Finančnemu posredniku namreč omogoča, da
nemoteno posluje kljub visokemu finančnemu tveganju, ki ga predstavlja visok
finančni vzvod. Investicije v IK morajo (poleg dobrega imena) zagotavljati tudi
stroškovno učinkovitost (ekonomičnost) poslovanja in ustrezno obvladovanje tveganj,
ki omogočata doseganje pričakovanega ROE.
94
Zaznano vrednost za potrošnika pa predstavlja vrednost transakcije in vrednost odnosa.
102
Intelektualni kapital ima torej vpliv na vse tri vzvode, ki vplivajo na višino ROE. Če
poskušamo shematsko prikazati vplive investiranja v IK iz perspektive DuPontove identitete
(Slika 15), lahko predpostavimo, da ima investiranje v IK najmočnejši vpliv na ekonomičnost
poslovanja podjetja in to na oba njena vidika: na višino stroškov in produktivnost
zaposlenih.95
V okviru proučevanja Nove teorije rasti in Zakona o naraščajočih donosih smo
ugotovili, da je pomemben del človeške ustvarjalnosti usmerjen v racionalizacijo trošenja
materialnih poslovnih prvin.
Slika 15: Vpliv investiranja v IK na gonila vrednosti v okviru DuPontove sheme
Vir: lastna slika
Vpliv investiranja v IK se torej odraža v vse večji racionalnosti trošenja poslovnih prvin, ki
izboljšuje ekonomičnost poslovanja. Investiranje v IK ima pomemben vpliv tudi na
produktivnost dela.96
Produktivnost dela je možno povečati na dva načina: tako, da se poveča
količina poslovnih učinkov na enoto vloženega časa ali pa, da se zmanjša vloženi čas na
proizvedeno enoto poslovnega učinka. Če sledimo logiki VAIC modela, predstavlja strošek
plač investicijo v človeški kapital (HC). Če to velja, se mora učinek investiranja v IK (letna
masa plač zaposlenih) izkazati v višji produktivnosti zaposlenih in to na več možnih načinov.
Lahko se:
95
Ekonomičnost poslovanja se lahko poveča na dva načina: tako, da se poveča količina ustvarjenih poslovnih
učinkov na enoto stroškov ali pa da se zmanjšajo stroški na enoto poslovnega učinka. 96
Produktivnost dela je sicer naturalno merilo uspešnosti poslovanja podjetja, vendar ga je možno uporabljati
tudi v njegovi vrednostni različici. Vrednostna različica kazalnika produktivnosti ima precej pomanjkljivosti, ki
lahko vplivajo na njegovo velikost. Glede na to, da v izkazih poslovanja ni na razpolago podatkov za
izračunavanje naturalnega kazalnika produktivnosti, bomo v nadaljevanju uporabljali njegovo vrednostno
različico.
103
poveča racionalnost trošenja poslovnih prvin,
poveča vrednost za potrošnika (cena+odnos), ki je za tovrstne izdelke/storitve
pripravljen plačati višjo ceno,
poveča strukturni kapital, kar se odrazi v učinkovitejši organizaciji, racionalnejših
poslovnih procesih…,
poveča kapital odnosov s kupci, kar se odrazi v večji lojalnosti kupcev (večja
prodaja)…
Učinek investiranja v IK se posredno odraža tudi v hitrosti obračanja sredstev in finančnemu
vzvodu, vendar ocenjujemo, da so tovrstne povezave posredne in šibke, tako da jih v
nadaljevanju ne bomo ločeno obravnavali in raziskovali.
Iz navedenega lahko izpeljemo, da je dobičkovnost prihodkov odvisna od ekonomičnosti
poslovanja, ekonomičnost poslovanja pa je odvisna (tudi) od učinkovitosti investiranja v
intelektualni kapital podjetja. Iz Slika 15 je razvidno, da učinki investiranja v IK niso edini, ki
vplivajo na ekonomičnost podjetja. Vplive bi lahko razdelili v dve skupini:
Na endogene vplive na ekonomičnost poslovanja. To so vplivi, ki jih podjetje
obvladuje in so v veliki meri povezani s človeškim kapitalom in investiranjem v
človeški kapital.
Drugo skupino vplivov predstavljajo eksogeni vplivi, ki vplivajo na ekonomičnost
poslovanja, a jih podjetje ne obvladuje. Tipičen predstavnik takšnih vplivov so
relativne spremembe cen poslovnih prvin glede na cene poslovnih učinkov. Te lahko
povzročijo spremembo v nominalno izračunanem kazalniku ekonomičnosti, čeprav se
realna ekonomičnost sploh ni spremenila.
Eksogenih dejavnikov, ki vplivajo na ekonomičnost podjetij, v okviru testiranja razširjenega
DuPontovega modela ne bomo mogli v celoti kontrolirati. Negativen učinek na pojasnjevalno
moč modela, ki bo nastal zaradi izpuščenih pojasnjevalnih spremenljivk, bomo poskušali
zmanjšati s pomočjo uporabe metode panelne regresije. Metoda panelne regresije je namreč
primerna ravno za raziskave, kjer ni možno kontrolirati ali meriti vseh pojasnjevalnih
spremenljivk, ki imajo pomembnejši vpliv na odvisno spremenljivko. Raziskavo povezave
med učinkovitostjo investiranja v IK in uspešnostjo poslovanja bomo torej izvedli ob
zavedanju, da v model ne moremo vključiti vseh pojasnjevalnih spremenljivk.97
Pričakujemo
lahko, da bo nezmožnost vključevanja eksogenih pojasnjevalnih spremenljivk v model znižalo
njegovo pojasnjevalno moč.
Ugotovili smo, da VAIC model in DuPontovo identiteto družijo podobna izhodišča, vezana na
njun odnos do računovodskih podatkov ter način izračunavanja kazalnikov. Zato bomo,
izhajajoč iz predpostavk VAIC modela, učinkovitost investiranja v IK v okviru razširjenega
DuPont modela merili s pomočjo kazalnika VAIP. Kazalniku VAIP bomo dodali še kazalnik
učinkovitosti investiranja v čista sredstva podjetja (CEE oz. VACA). Zaradi nedoslednosti pri
opredeljevanju strukturnega kapitala v okviru VAIC modela ter zaradi nezmožnosti
vzpostavitve indikatorja učinkovitosti investiranja v kapital odnosov s kupci bomo konstrukta
97
Predvsem imamo v mislih eksogene pojasnjevalne spremenljivke. Vključevanje eksogenih pojasnjevalnih
spremenljivk v model presega namen naše raziskave. Ostaja pa kot izziv za bodoče raziskovalne projekte.
104
HCE in SCE združili v konstrukt učinkovitosti investiranja v intelektualni potencial podjetja
(v osnovnem modelu je ta konstrukt imenovan VAIP (Pulić, 1998). VAIP torej izkazuje
učinkovitost investiranja v vse elemente intelektualnega kapitala. Pri obstoječih slovenskih
bilančnih shemah in obstoječem kontnem okvirju menimo, da je to edina možna pot. Za
kakršenkoli drugačen pristop k analizi bi morale biti izpolnjene vsaj tri predpostavke:
potrebno bi bilo opredeliti ločene konstrukte elementov IK ter identificirati konstrukte
njihove učinkovitosti,
obe skupini konstruktov bi morali biti teoretično ustrezno podprti,
podatki za izračun konstruktov bi morali biti na razpolago iz javno dostopnih
podatkovnih baz o finančnem poslovanju slovenskih podjetij.
Vse trem zahtevanim predpostavkam je možno zadostiti zgolj s pomočjo drugačnega
metodološkega pristopa k analizi. Verjetno bi ta pristop temeljil na analizi primerov in manjši
proučevani populaciji podjetij ter bi vseboval bistveno več subjektivnih elementov presoje.
Ker v okviru naše raziskave omenjenim predpostavkam ne moremo zadostiti, bomo ostali pri
uporabi istih konstruktov,98
iste podatkovne baze ter istih analitičnih orodij. Najprej bomo
postavili znanstveno hipotezo, ki bo po vsebini zgolj dopolnjena prvotna hipoteza. V
nadaljevanju bomo skonstruirali ekonometrični model ter na koncu izvedli testiranje hipoteze.
4.17 Hipoteza v okviru testiranja razširjenega VAIC modela
Naša osnovna znanstvena hipoteza se je glasila:
»Učinkovitost investiranja v IK v slovenskih podjetjih vpliva na njihovo dobičkonosnost,
produktivnost, donosnost kapitala in rast dobičkonosnosti iz poslovanja.«
Rezultati empiričnega testiranja osnovne hipoteze so pokazali, da je postavljena hipoteza
testirana na podatkih slovenskih podjetij v obdobju 1995-2008 sicer zelo visoko statistično
značilna, a hkrati ekonomsko nepomembna in s tem brez praktične uporabne vrednosti. V
okviru testiranja s pomočjo razširjenega VAIC modela bomo osnovno znanstveno hipotezo
nekoliko zožili. Ker smo predpostavke VAIC modela postavili v kontekst Du Pontove
identitete, ki pojasnjuje vzvode donosnosti kapitala (ROE), bomo s tako opredeljenim
modelom lahko testirali zgolj povezavo med učinkovitostjo investiranja v IK in uspešnostjo
poslovanja izraženo z ROE. Nova znanstvena hipoteza, ki jo bomo označevali kot Hipotezo
H5, se glasi:
H5: »Učinkovitost investiranja v IK v slovenskih podjetjih pozitivno vpliva na donosnost
njihovega kapitala (ROE).«
4.18 Model za testiranje dodatne hipoteze
Na osnovi dosedanjih spoznanj bomo spremenili nekatere ključne predpostavke osnovnega
VAIC modela:
98
Ki jih bomo postavili v drugačen teoretičen kontekst.
105
Izhajali bomo iz prvotnega VAIC modela, ki konstrukta IK ne deli na elemente HC in
SC, temveč govori o intelektualnem potencialu (IP) vseh zaposlenih.
Učinkovitosti investiranja v IK in opredmetena sredstva podjetja niso v linearni
temveč v multiplikativni povezavi. Teoretična utemeljitev te predpostavke izhaja iz
opredelitve verige vrednosti v postindustrijskih poslovnih modelih, ki predpostavljajo,
da so elementi IK po naravi inertni. Izpad enega od elementov IK pomeni, da se
proces ustvarjanja vrednosti ne vzpostavi. Enako velja za povezavo me IK in
opredmetenimi sredstvi. Dodatne utemeljitve multiplikativne povezanosti
spremenljivk smo poiskali v okviru dognanj Nove teorije rasti in Zakona o
naraščajočih donosih (Romer, 1990; Kurzweil, 2000).
Ker je za elemente IK značilna karakteristika njihova »inertnost«,99
bomo v model
dodali interakcijski člen med glavnima pojasnjevalnima spremenljivkama.
Raziskovanje povezave med učinkovitostjo investiranja v IK in uspešnostjo
poslovanja podjetij je potrebno umestiti v model, ki je teoretično bolj utemeljen kot
VAIC model. Za potrebe testiranja dodatne znanstvene hipoteze bomo uporabili
razgrajeno DuPontovo identiteto.
ROE ima značilnosti eksponentne funkcije. Ker se eksponentnost funkcije odraža v
daljšem časovnem obdobju (Kurzweil, 2000), ROE v krajših časovnih obdobjih
izkazuje navidezno linearnost. Ljudje smo namreč podvrženi vedenjski pristranskosti,
ki jo poznamo kot »intuitivno linearnost«. Do intuitivne linearnosti prihaja, kadar
nelinearne pojave opazujemo v krajšem obdobju in jih dojemamo kot linearne pojave.
Na osnovi navedenega bomo izpeljali teoretičen model, ki nam bo služil za potrebe testiranja
dodatne znanstvene hipoteze.
Za osnovo vzemimo že predstavljeni razgrajeni DuPontov model:
ROE = NP/EQUITY= NP/PP*PP/OP*OP/SALES*SALES/ASSETS*ASSETS/EQUITY 46
oz.
ROE = TB * IB * OPM * StoA *AtoE 47
Predpostavljamo, da je OPM odvisen od multiplikativnega učinka investiranja v IK in
opredmetena sredstva, ki ga bomo merili s pomočjo kazalnikov VAIP in VACA (Pulić, 1998):
OPM = f(VAIP β1
, VACA β2
) 48
Velja torej:
ROE = TBα1
* IB α2
* (OPM f(VAIP β1
, VACA β2
))α3
* StoA α4
*AtoE α5
49
Ker predpostavljamo, da je medsebojni učinek VAIP in VACA multiplikativen, velja:
OPM = VAIPβ1
*VACAβ2
50
Če izkazano povezavo preoblikujemo v logaritemsko obliko, velja:
99
Inertnost pomeni, da brez prisotnosti človeškega kapitala proces ustvarjanja vrednosti v podjetjih ne more
delovati.
106
lnOPM =β1 lnVAIP + β2 lnVACA 51
Kot smo že utemeljili, bomo DuPontov model testirali v logaritemski obliki. Velja torej:
lnROE = α1lnTB + α2lnIB +α3 (β1 lnVAIP + β2 lnVACA)+ α4 lnStoA + α5 lnAtoE 52
Ker je DuPontova enačba identiteta, velja:
(α1, α2, α3, α4, α5)= 1 53
iz česar izhaja, da je teoretičen model za testiranje postavljene hipoteze enak:
lnROE = B0+ β1lnVAIP + β2 lnVACA 54
Kot kontrolno spremenljivko bomo uporabili SIZE podjetja, saj je zadolženost podjetja že
zajeta v DuPontovem modelu s pomočjo kazalnika AtoE. Ocenjujemo, da dodatna kontrola za
zadolženost ni potrebna. Na osnovi teoretičnih predpostavk,100
ki predvidevajo, da so elementi
IK po svoji vsebini inertni in da je integralni dejavnik procesa ustvarjanja vrednosti v podjetju
človeški kapital, brez katerega ostali elementi IK ne morejo ustvarjati vrednosti, bomo
predpostavili, da obstaja interakcija med lnVAIP in lnVACA. Predpostavljamo namreč, da
višji, kot je intelektualni potencial podjetja, višja je učinkovitost opredmetenih sredstev.
Opisano predpostavko bomo v naš model vključili v obliki dodatnega člena, s pomočjo
katerega bomo v modelu dodatno opazovali učinek interakcije101
obeh glavnih pojasnjevalnih
spremenljivk. S tem bomo spremenili model iz aditivne oblike v interaktivno obliko (Aiken,
1991). Ključna razlika med obema oblikama modelov je v odnosu med pojasnjevalnimi
spremenljivkami in odvisno spremenljivko. Z vpeljavo interakcijskega člena se namreč
interpretacija regresijskih koeficientov pretvori v pogojno obliko. Aditivni modeli opisujejo
učinek posamezne neodvisne spremenljivke na odvisno spremenljivko kot konstanto, ne glede
na velikost ostalih neodvisnih spremenljivk. V okviru interaktivnih modelov pa vpliv
posamezne neodvisne spremenljivke na odvisno spremenljivko variira glede na velikost druge
neodvisne spremenljivke. V našem primeru bomo torej predpostavili, da je vpliv lnVACA na
lnROE odvisen od velikosti vpliva lnVAIP. V tem primeru nam neodvisna spremenljivka
lnVAIP v modelu služi kot spremenljivka moderator (Aiken, 1991).
Ob predpostavki, da obstaja interakcijska povezava med lnVAIP in lnVACA ter ob vključitvi
kontrolne spremenljivke SIZE lahko regresijski model za testiranje znanstvene hipoteze
zapišemo v naslednji obliki:
lnROE = B+ β1lnVAIP + β2 lnVACA+ β3 lnVAIP x lnVACA+ β4 SIZE 55
V okviru interpretacije regresijskih koeficientov bomo model interpretirali v modificirani
obliki (Bauer, 2005):
lnROE = B + ( β1+ β3 lnVACA)* lnVAIP + β2 lnVACA+ β4 SIZE 56
100
Podrobnejša predstavitev »inertnosti« elementov IK in osrednje vloge človeškega kapitala v procesu
ustvarjanja vrednosti je podana v poglavju, kjer so predstavljene lastnosti gonil vrednosti podjetij s
postindustrijskim poslovnim modelom. 101
ang. »interaction effect«.
107
kar pomeni, da višji kot je lnVAIP, višji je vpliv lnVACA na lnROE.
V nadaljevanju bomo model zapisali v obliki, ki je primerna za panelno regresijo.
lnROEit = Bi + β1lnVAIPit + β2 lnVACAit + β3 lnVAIP x lnVACA it + β4SIZEit + εit 57
Kot kontrolne metode bomo pri testiranju hipoteze uporabili tudi izračun korelacije med
spremenljivkami ter OLS regresijsko metodo, ki nam bosta omogočila primerljivost rezultatov
s podobnimi tovrstnimi raziskavami. Podobno, kot smo naredili v okviru osnovne raziskave,
bomo tudi v procesu testiranja modificirane hipoteze raziskavo razširili na proučevanje
povezave med učinkovitostjo investiranja v intelektualni potencial podjetja in donosnostjo
kapitala ločeno po dejavnostih in ločeno po velikostnih skupinah podjetij.
4.19 Rezultati testiranja dodatne hipoteze s pomočjo razširjenega VAIC
modela
4.19.1 Test korelacij med spremenljivkami
Če si najprej pogledamo rezultate korelacijske povezave med spremenljivkami znotraj
razširjenega modela (Tabela 26), lahko ugotovimo, da je povezava med odvisno
spremenljivko (lnROE) in glavnimi pojasnjevalnimi spremenljivkami zelo visoko statistično
značilna. To velja tako za model, ki proučuje populacijo kot celoto, kot tudi za modele, ki
proučujejo populacijo, razdeljeno po sektorjih in velikostnih razredih. Izjemo predstavlja
kontrolna spremenljivka velikost, ki je v sektorjih, v katerih je bil vzorec proučevanih enot
manjši, izkazala nižjo statistično značilnost. Kontrolna spremenljivka velikost je statistično
neznačilna pri sektorju Trajne dobrine, Finance, Zdravstvo, in Telekomunikacije, medtem ko
je pojasnjevalna spremenljivka lnVAIP statistično neznačilna samo pri sektorju
Telekomunikacije, za katerega je značilno sorazmerno majhno število opazovanih enot.
V Tabela 25 izkazujemo število proučevanih enot po posameznih sektorjih.
Tabela 25: Število opazovanih enot po sektorjih (n)
Sektor Število enot
Trajne dobrine (CD) 3117
Potrošne dobrine (CS) 402
Finance (Finance) 282
Zdravstvo (Healthcare) 353
Industrijska proizvodnja (Industrials) 7343
Informacijska tehnologija (IT) 697
Surovine in materiali (Materials) 955
Telekomunikacije (Telecoms) 47
Oskrba (Utilities) 136
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
108
Tabela 26: Test razširjene hipoteze – korelacijski koeficienti
Celotna populacija ROE_log
Trajne dobrine ROE_log
Potrošne dobrine ROE_log
VAIP_log 0,3113
VAIP_log 0,3220
VAIP_log 0,3124
0,0000 *** 0,0000 *** 0,0000 ***
VACA_log 0,2821
VACA_log 0,3154
VACA_log 0,3925
0,0000 *** 0,0000 *** 0,0000 ***
VAIPXVACA_g 0,1221
VAIPXVACA_g 0,1218
VAIPXVACA_g 0,2286
0,0000 *** 0,0000 *** 0,0000 ***
SIZE 0,0119
SIZE 0,0068
SIZE 0,1399
0,0000 ***
0,2483
0,0000 ***
Finance ROE_log
Zdravstvo ROE_log
Industrijska proizv. ROE_log
VAIP_log 0,1718
VAIP_log 0,3325
VAIP_log 0,3209
0,0000 *** 0,0000 *** 0,0000 ***
VACA_log 0,2429
VACA_log 0,2390
VACA_log 0,2544
0,0000 *** 0,0000 *** 0,0000 ***
VAIPXVACA_g 0,0914
VAIPXVACA_g 0,1871
VAIPXVACA_g 0,1051
0,0000 *** 0,0000 *** 0,0000 ***
SIZE 0,0383
SIZE 0,0176
SIZE -0,0280
0,0616
0,2963
0,0000 ***
IT ROE_log
Materiali in surovine ROE_log
Telekomunikacije ROE_log
VAIP_log 0,3626
VAIP_log 0,3240
VAIP_log 0,0793
0,0000
0,0000 ***
0,1029
VACA_log 0,2708
VACA_log 0,3329
VACA_log 0,4328
0,0000
0,0000 *** 0,0000 ***
VAIPXVACA_g 0,1856
VAIPXVACA_g 0,1752
VAIPXVACA_g 0,4230
0,0000
0,0000 *** 0,0000 ***
SIZE -0,0339
SIZE 0,0847
SIZE 0,0949
0,0056
0,0000 ***
0,0509
Oskrba ROE_log
VAIP_log 0,1673
0,0000 ***
VACA_log 0,3946
0,0000 ***
VAIPXVACA_g 0,1992
0,0000 ***
SIZE 0,1820
0,0000 ***
109
Velika ROE_log
Srednja ROE_log
Majhna ROE_log
VAIP_log 0,3088
VAIP_log 0,3184
VAIP_log 0,3097
0,0000 *** 0,0000 *** 0,0000 ***
VACA_log 0,3192
VACA_log 0,3486
VACA_log 0,2684
0,0000 *** 0,0000 *** 0,0000 ***
VAIPXVACA_g 0,0663
VAIPXVACA_g 0,1378
VAIPXVACA_g 0.1216
0,0000 *** 0,0000 *** 0,0000 ***
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
Primerjava povezav posameznih spremenljivk pokaže, da v povprečju najvišjo korelacijo
izkazuje neodvisna spremenljivka lnVAIP, ki izkazuje vpliv intelektualnega potenciala
podjetij na lnROE. Korelacijski koeficient se giblje med r = 0,17 in r = 0,36. Najvišjo
korelacijo izkazuje spremenljivka lnVAIP v sektorju Informacijska tehnologija (r = 0,36),
medtem ko je korelacija najšibkejša v sektorjih Oskrba in Finance (r = 0,17). Izkazani
rezultati korelacijske analize so skladni z intuitivnimi pričakovanji. Sektor Oskrba je po
naravi sektor s sorazmerno nizko izkazano inovativno dinamiko, dolgim kapitalskim ciklusom
in s sorazmerno visoko stopnjo državne intervencije.102
Pričakovali bi, da ima učinkovitost
investiranja v intelektualni potencial v podjetjih v tem sektorju bistveno manjši vpliv na ROE
kot pri ostalih sektorjih. Podobno velja za sektor Finance. Poslovni model sektorja Finance se
precej razlikuje od poslovnih modelov ostalih sektorjev. Gre za sektor s sorazmerno nizkim
deležem kapitala med viri financiranja, kjer je za uspešnost poslovanja ključna razlika med
finančnimi prihodki in finančnimi odhodki (obrestna marža), ki je v našem modelu zajeta
skozi pojasnjevalno spremenljivko IB, ta pa je v modelu sestavni del konstante.
Neodvisna spremenljivka lnVACA v povprečju izkazuje nekoliko manjšo povezavo (r = 0,28)
kot spremenljivka lnVAIP (r = 0,31), kar je v skladu s pričakovanji. Izjema so sektorji
Potrošne dobrine, Finance, Materiali in Oskrba, kjer korelacijski koeficient lnVACA presega
vrednost korelacijskega koeficienta lnVAIP. Vključitev spremenljivke lnVAIPxlnVAIC v
model se v okviru korelacijske analize izkaže kot smiselna, saj je korelacijski koeficient na
ravni celotne populacije in vseh proučevanih sektorjev statistično zelo visoko značilen,
korelacija pa se giblje med r = 0,42 v sektorju Telekomunikacije in r = 0,09 v sektorju
Finance, medtem ko na ravni populacije kot celote znaša r = 0,12. Če korelacijske koeficiente
pojasnjevalnih spremenljivk z odvisno spremenljivko proučimo v odvisnosti od velikosti
podjetij, lahko ugotovimo, da so korelacijski koeficienti spremenljivk lnVAIP in lnVACA po
velikosti primerljivi,103
medtem ko korelacijski koeficienti interakcijskega člena
lnVAIPxVACA izkazujejo nekoliko nižje vrednosti.104
Če povzamemo rezultate analize korelacijskih koeficientov med pojasnjevalnimi
spremenljivkami in odvisno spremenljivko lnROE, lahko rečemo, da so rezultati v skladu s
pričakovanji. Povezava učinkovitosti investiranja v intelektualni kapital (potencial) podjetij z
odvisno spremenljivko je pričakovano visoka in hkrati v povprečju višja od povezave med
učinkovitostjo investiranja v opredmetena sredstva in odvisno spremenljivko. Povezava
lnVAIP z odvisno spremenljivko je v sektorjih Finance in Oskrba precej nižja od povprečja,
medtem ko je iz raziskave razvidno, da velikost podjetij na korelacijo spremenljivke lnVAIP z
odvisno spremenljivko nima pomembnega vpliva.
102
Državna regulacija cen storitev oskrbe… 103
Gibljejo se med r = 0,27 in r = 0,35. 104
Med r = 0,06 in r = 0,13.
110
4.19.2 Test s pomočjo OLS regresijske metode
Podobno kot pri testiranju osnovne hipoteze smo tudi pri testiranju dodatne hipoteze, kot
kontrolno metodo uporabili OLS regresijsko metodo v njeni vce robust različici. Kot smo že
omenili, ta različica odpravlja težavo, povezano s heteroskedastičnostjo nekoreliranih
standardnih napak ocene regresijskih koeficientov (Cameron, Trivedi, 2009). Model, ki smo
ga izvedli za potrebe testiranja dodatne hipoteze, smo testirali na podatkih za celotno
populacijo v obdobju 1995 – 2008. Hkrati smo naredili teste na zoženih populacijah, ki smo
jih segmentirali po kriteriju dejavnosti (sektorjev), v katerih podjetja poslujejo in po kriteriju
velikosti podjetij. Podobno kot pri testiranju osnovne hipoteze smo izvedli test modela tudi na
presečnih podatkih za celotno populacijo za vsako od proučevanih let v obdobju 1995-2008.
Primerjava rezultatov testiranja s pomočjo OLS regresijske metode in metode panelne
regresije kaže, da so rezultati ocen po obeh metodah dokaj podobni. Ocenjena pojasnjevalna
moč modela po eni ali drugi metodi se skoraj ne razlikujeta. Podobno velja za ocene
regresijskih koeficientov. Tudi razmerja med vplivnostjo regresijskih koeficientov pri
pojasnjevalnih spremenljivkah so dokaj podobna. Zato bomo rezultate testiranja z OLS
regresijsko metodo komentirali zgolj za celotno populacijo, vse ostale primerjave in izsledke
pa bomo komentirali v okviru rezultatov testov s pomočjo panelne regresije.
Model za testiranje dodatne hipoteze je predstavljen v logaritemski funkciji, ki v splošnem
multiplikativna razmerja med spremenljivkami spreminja v aditivna razmerja. Logaritemska
funkcija eksponentno rast spremenljivk spreminja v linearno rast. Pri interpretaciji
regresijskih koeficientov v logaritemski funkciji moramo upoštevati, da je interpretacija teh
koeficientov drugačna kot interpretacija koeficientov v linearni funkciji. Determinacijski
koeficienti logaritemske funkcije in linearne funkcije niso neposredno primerljivi, zato
pojasnjevalne moči linearnih in logaritmiranih modelov ne moremo neposredno primerjati.
Spremembe v naravnih logaritmih podatkov so skoraj identične odstotnim spremembam v
samih originalnih podatkih, kar pomeni, da je naklon premice logaritmiranih podatkov enak
povprečni odstotni rasti originalnih podatkov.105
Kadar imamo opravka z linearnim modelom
in so spremenljivke povezane linearno (lin-lin modeli), nam regresijski koeficienti dajejo
informacijo o marginalnih učinkih sprememb pojasnjevalne spremenljivke. Regresijski
koeficient v lin-lin modelu nam pove, za koliko enot se bo spremenila odvisna spremenljivka,
če se neodvisna spremenljivka spremeni za eno enoto, ob predpostavki, da vse ostale
pojasnjevalne spremenljivke ostanejo nespremenjene. V modelih, kjer so povezave med
odvisno in neodvisnimi spremenljivkami zapisane v logaritemski obliki (log-log modeli), nam
regresijski koeficienti dajejo podatek o delni elastičnosti odvisne spremenljivke. Regresijski
koeficienti nam kot koeficienti elastičnosti povedo, kakšna bo odstotna sprememba odvisne
spremenljivke, če se pojasnjevalna spremenljivka spremeni za en odstotek ob predpostavki, da
vse ostale neodvisne spremenljivke ostanejo nespremenjene.
Vključitev interakcijskega člena lnVAIPxlnVACA v model precej spremeni način
interpretacije regresijskih koeficientov. Kot smo že omenili, se z vključitvijo interakcijskega
člena regresijski model spremeni v iz aditivnega v interaktivnega, pri čemer je ključna
105
Govorimo o približkih, saj bi za natančno interpretacijo morali regresijske koeficiente preračunati s pomočjo
eksponencialne funkcije. Primer: če je regresijski koeficient enak 0,1142399, bi bila natančna interpretacija
spremembe odvisne spremenljivke zaradi odstotne spremembe pojasnjevalne spremenljivke enaka
exp(0,1142399) = 1,12. V nadaljnji analizi bomo regresijske koeficiente v log-log funkciji interpretirali kot
dovolj dober približek odstotnih sprememb odvisne spremenljivke in jih ne bomo dodatno preračunavali z exp
funkcijo.
111
sprememba vezana na interpretacijo glavnih regresijskih koeficientov. V aditivnem modelu
imajo povezave med pojasnjevalnimi in neodvisno spremenljivko značaj splošne povezave,
medtem ko se v interaktivnih modelih povezave transformirajo v pogojne povezave. V našem
modelu konstanta Bi ocenjuje vrednost spremenljivke lnROE ob predpostavki, da bi bili obe
glavni pojasnjevalni spremenljivki lnVAIP in lnVACA enaki nič. Na podoben način lahko
interpretiramo kazalnik β1, ki nam pove, kakšna bi bila sprememba lnROE v primeru
enoodstotne spremembe lnVAIP ob predpostavki, da je lnVACA enaka 0. Podobna je
interpretacija regresijskega koeficienta β2, ki pove, kakšna bi bila odstotna sprememba
lnROE ob enoodstotni spremembi lnVACA ob predpostavki, da je spremenljivka lnVAIP
enaka 0. Koeficient β3 nam pove, kako se učinek lnVACA na lnROE spreminja, če se
spreminja lnVAIP. Težava s tovrstno interpretacijo regresijskih koeficientov je, da je
neintuitivna, saj na ta način pojasnjujemo kombinacije regresijskih koeficientov, ki v realnem
svetu niso verjetne (Aiken, 1991). Z namenom, da bi izboljšali sporočilno vrednost rezultatov
raziskave, smo uporabili metodo centriranja pojasnjevalnih spremenljivk (Bauer, 2005).106
Z
metodo centriranja od vsakega opazovanega podatka odštejemo aritmetično sredino
opazovane pojasnjevalne spremenljivke. Na ta način se testirani model poenostavi v:
lnROE = B0 + β1 lnVAIP (centrirani lnVACA = 0) 58
oz.
lnROE = B0+ β2 lnVACA (centrirani lnVAIP = 0) 59
Interpretacija regresijskih koeficientov pri centriranih spremenljivkah se spremeni.
Regresijski koeficient β1 nam pove, kakšen je vpliv lnVAIP na lnROE pri podjetju, ki ima
povprečno vrednost lnVACA v proučevani populaciji, regresijski koeficient β2 pa nam pove,
kakšen je vpliv lnVACA na lnROE pri podjetju, ki ima povprečno vrednost lnVAIP v
proučevani populaciji. Ker nas na tem mestu zanimajo predvsem zakonitosti delovanja
povezav med pojasnjevalnimi spremenljivkami in odvisno spremenljivko, menimo, da
tovrsten način interpretacije regresijskih koeficientov izboljšuje njihovo sporočilno vrednost.
V nadaljevanju bomo vse teste modela izvedli na centriranih podatkih in s tem zagotovili
enoznačnost pri interpretaciji rezultatov raziskave.
Pojasnjevalna moč razširjenega VAIC modela z vključenimi vsemi členi DuPontovega
modela,107
ocenjenega s pomočjo OLS regresijske metode, znaša R2 = 0,66. To pomeni, da
je 66% variabilnosti odvisne spremenljivke lnROE pojasnjenih s pomočjo ocenjenega modela.
Če testiramo pojasnjevalno moč DuPontovega modela, iz katerega izključimo pojasnjevalne
spremenljivke lnOPM oz. lnVAIP in lnVACA, je pojasnjevalna moč tako okrnjenega modela
R2 = 0,48, kar pomeni, da pojasnjuje 48% variabilnosti odvisne spremenljivke lnROE.
Vključitev spremenljivke lnOPM in njena zamenjava z lnVAIP in lnVACA torej pojasnjevalni
moči modela doda cca R2 = 0,18, kar znaša dobro tretjino R
2, ki ga izkazuje lnOPM znotraj
celovitega DuPontovega modela. Preostanek nepojasnjene variance lnROE lahko pripišemo
106
Avtor navaja tudi zadržke vezane na uporabo metode centriranja podatkov. Ključni zadržek je, da uporaba
metode centriranja znižuje multikolinearnost med spremenljivkami. Glede na to, da testi modela izvedeni na
necentriranih podatkih niso pokazali težav z multikolinearnostjo spremenljivk, smo se odločili, da zaradi lažje
interpretacije rezultatov modela uporabimo rezultate testov izvedenih na centriranih podatkih. 107
V mislih imamo razširjeni model, ki vključuje vse člene Dupontove identitete, pri čemer je lnOPM
substituiran z lnVAIP in lnVACA. Spremenljivke lnTB, lnIB, lnVAIP, lnVACA, lnAtoE, lnStoA in SIZE v okviru
tega modela prevzamejo vlogo kontrolnih spremenljivk. Interakcijski člen lnVAIPxlnVACA v model ni vključen.
Test je zgolj ilustrativne narave in je namenjen prikazu pojasnjevalne moči teoretičnega konteksta DuPontove
identitete v katero smo ugnezdili VAIC model.
112
ostalim dejavnikom, ki vplivajo na ekonomičnost poslovanja podjetij in jih z modelom nismo
zajeli. Če bi v model vključili še učinkovitost strukturnega kapitala (lnSCE) na način, kot to
predvideva Pulić v razširjeni obliki VAIC modela (Pulić, 2004), bi se pojasnjevalna moč
DuPontovega modela z vključenimi lnVAIP, lnVACA in lnSCE namesto lnOPM, povečala na
R2 = 0,74. Zaradi razlogov, ki smo jih pojasnili v predhodnih poglavjih, bomo strukturni
kapital v obliki, kot ga je opredelil Pulić (2004), izpustili iz naše analize, saj ocenjujemo, da
zgolj povečuje pojasnjevalno moč modela, ne dodaja pa k njegovi vsebinski interpretaciji.
Predstavljeni rezultati so namenjeni zgolj ilustraciji razmerij med pojasnjevalnimi
sposobnostmi modelov z različnimi kombinacijami vključenih pojasnjevalnih spremenljivk.
Statistični testi modelov so v vseh predstavljenih različicah zelo visoko statistično značilni
(p<0,001).
V nadaljevanju bomo ocenjevali zgolj teoretično dosledno izpeljan model, ki smo ga izpeljali
kot kombinacijo predpostavk VAIC modela in DuPontove identitete z vključenim
interakcijskim členom. Pojasnjevalna moč tega modela, ocenjenega za celotno populacijo,
znaša R2
= 0,24, kar je v skladu s pričakovanji. Statistični testi modela in posameznih
regresijskih koeficientov kažejo, da so model in koeficienti zelo visoko statistično značilni,
kar potrjuje, da je bila vključitev glavnih pojasnjevalnih spremenljivk in interakcijskega člena
v model smiselna. Z vključitvijo interakcijskega člena se je pojasnjevalna moč modela
povečala za 0,03, kar je več, kot bi bilo povečanje R2, če bi vključili katero od nepovezanih
spremenljivk. Povečanje pojasnjevalne moči modela z vključitvijo interakcijskega člena je
statistično zelo visoko značilno.
Smer povezave obeh glavnih pojasnjevalnih spremenljivk in interakcijskega člena z
donosnostjo kapitala je pozitivna, kar je v skladu s postavljeno hipotezo. Model ne izkazuje
težav z multikolinearnostjo med spremenljivkami, saj je povprečni VIF faktor modela enak
1,2.108
Analiza regresijskih koeficientov pojasnjevalnih spremenljivk v oceni, narejeni s
pomočjo OLS metode, nam pokaže, da je donosnost kapitala (ROE) najbolj odzivna na
spremembo neodvisne spremenljivke lnVAIP. Vpliv ostalih pojasnjevalnih spremenljivk na
ROE je bistveno manjši. Regresijski koeficient lnVAIP iz OLS regresije kaže, da se ROE
podjetij, ki dosega povprečno vrednost lnVACA v proučevani populaciji, v povprečju poveča
za 1,42 odstotka v primeru, da se za en odstotek poveča učinkovitost investiranja v njihov
intelektualni potencial (VAIP). Hkrati se ROE podjetja, ki dosega povprečno vrednost lnVAIP
v proučevani populaciji, v povprečju poveča za 0,5 odstotka v primeru, da se za en odstotek
poveča učinkovitost opredmetenih sredstev. Regresijski koeficient interakcijskega člena je
statistično zelo visoko značilen in pozitiven po predznaku. To vsebinsko pomeni, da se s
povečevanjem učinkovitosti investiranja v IK (lnVAIP) v povprečju povečuje tudi pozitiven
vpliv učinkovitosti opredmetenih sredstev (lnVACA) na donosnost kapitala podjetij (lnROE).
Kontrolna spremenljivka SIZE podjetja izkazuje negativen predznak, a je njen ekonomski
vpliv na odvisno spremenljivko precej manjši od vpliva ostalih treh spremenljivk. Kontrolna
spremenljivka torej kaže, da velikost podjetja negativno vpliva na donosnost kapitala, pri
čemer je ta vpliv precej manjši kot vpliv glavnih pojasnjevalnih spremenljivk. Tudi povezava
med kontrolno spremenljivko in odvisno spremenljivko je v skladu s pričakovanji.
Če rezultate analize s pomočjo OLS regresijske metode poskušamo interpretirati vsebinsko,
lahko rečemo, da ima učinkovitost investiranja v IK med vsemi pojasnjevalnimi
108
Multikolinernost v modelih postane problem, ko VIF faktor preseže vrednost 10.
113
spremenljivkami najmočnejši vpliv na donosnost kapitala. Ta vpliv je skoraj trikrat močnejši
od vpliva učinkovitosti uporabe opredmetenih sredstev.
Če na koncu povzamemo rezultate analize, lahko ugotovimo, da povezave med glavnima
pojasnjevalnima spremenljivkama VAIP, VACA ter interakcijskim členom VAIPxVACA na
eni in ROE kot odvisno spremenljivko na drugi strani, so pozitivne, statistično zelo visoko
značilne in ekonomsko relevantne. Rezultati ocene modela z OLS regresijo, statistično in
vsebinsko potrjujejo našo dodatno hipotezo.
4.19.3 Test s pomočjo metode panelne regresije na celotni populaciji podjetij
Rezultati testiranj s pomočjo metode panelne regresije izvedenih na centriranih podatkih,
dajejo podobne rezultate kot ocena modelov s pomočjo OLS regresije. Pred testiranjem
modela s panelno regresijo smo izvedli Hausmanov test primernosti metode stalnih učinkov.
Hausmanov test nam je v sektorjih Potrošne dobrine, Finance, Zdravstvo, Telekomunikacije,
Oskrba in v segmentu Srednja podjetja pokazal, da je za test primernejša metoda slučajnih
učinkov (RE). Pri ostalih sektorjih ter v segmentih Majhna podjetja in Velika podjetja smo
uporabili metodo fiksnih učinkov.
Pri testu, izvedenem na celotni proučevani populaciji, znaša pojasnjevalna moč modela R2 =
0,23 in je zelo visoko statistično značilna (p<0,001). Regresijski koeficienti pojasnjevalnih
spremenljivk in interakcijskega člena kažejo podoben vpliv na odvisno spremenljivko, kot ga
je izkazal test z OLS regresijsko metodo. Tudi statistični testi regresijskih koeficientov
glavnih spremenljivk in interakcijskega člena izkazujejo njihovo zelo visoko statistično
značilnost. Najmočnejši vpliv na ROE izkazuje učinkovitost investiranja v intelektualni
potencial podjetja (VAIP). Iz regresijskega koeficienta spremenljivke VAIP je razvidno, da se
ROE podjetja s povprečno vrednostjo lnVACA v povprečju poveča za 1,26%, če se
učinkovitost investiranja v intelektualni potencial podjetja poveča za 1%. Podobno velja za
povezavo med učinkovitostjo uporabe opredmetenih sredstev (VACA) in ROE. Ta se v
podjetjih s povprečno vrednostjo lnVAIP v povprečju poveča za 0,56%, če se učinkovitost
investiranja v opredmetena sredstva poveča za 1%. Na ROE ima pozitiven vpliv tudi
interakcija med glavnima neodvisnima spremenljivkama, ki kaže, da se vpliv VACA na ROE s
povečevanjem učinkovitosti investiranja v intelektualni potencial povečuje. Če bi v model
vključili še spremenljivko učinkovitosti investiranja v strukturni kapital (lnSCE), kot to
predpostavlja nadgrajeni Pulićev model (2004), bi se pojasnjevalna moč modela povišala na
R2=0,29. Dodatna pojasnjevalna spremenljivka lnSCE bi torej pojasnjevalni moči modela z
zelo visoko statistično značilnostjo dodal 0,06.
Tabela 27: Prikaz β neodvisnih spremenljivk v razširjenem VAIC modelu
Neodvisne spremenljivke za celotno populacijo β (panelna regresija)
lnVAIP 1,26
lnVACA 0,56
lnVAIPxlnVACA 0,43
SIZE /
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
114
Slika 16: Prikaz β neodvisnih spremenljivk v razširjenem VAIC modelu
* celotna populacija podjetij za obdobje 1995-2008
Vir: Lastna slika
Povezave med glavnima spremenljivkama VAIP, VACA ter interakcijskim členom
VAIPxVACA na eni in ROE kot odvisno spremenljivko na drugi strani so pozitivne, statistično
zelo visoko značilne in ekonomsko relevantne. Rezultati ocene modela z metodo panelne
regresije s fiksnimi učinki statistično in vsebinsko potrjujejo našo modificirano hipotezo, ki
predpostavlja, da učinkovitost investiranja v IK v slovenskih podjetjih pozitivno vpliva na
donosnost njihovega kapitala (ROE).
4.19.4 Test s pomočjo panelne regresije na podjetjih segmentiranih po sektorjih
Test modela, izveden na podatkih za celotno proučevano populacijo, smo nadgradili s testi
modela na segmentiranih populacijah podjetij. Podobno kot v okviru osnovne analize smo
podjetja razporedili v deset sektorjev in jih razdelili v velikostne razrede. V okviru analize
testa osnovnega VAIC modela smo ugotovili, da prihaja do pomembnih razlik med rezultati
Tabela 28: Test razširjene hipoteze po sektorjih – lnROE, centrirani podatki
Vsa podjetja Trajne dobrine (CD)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
lnVAIP 1,258 0,011 116,76 0,000*** lnVAIP 1,369 0,026 52,65 0,000***
lnVACA 0,562 0,007 79,66 0,000*** lnVACA 0,659 0,016 40,83 0,000***
lnVAIPxlnVACA 0,427 0,006 69,59 0,000*** lnVAIPxlnVACA 0,421 0,013 31,83 0,000***
SIZE 0,003 0,000 12,36 0,000*** SIZE 0,002 0,000 17,65 0,000***
INTERCEPT -2,589 0,003 -855,24 0,000*** INTERCEPT -3,311 0,012 -259,03 0,000***
R-square 0,23 R-square 0,25
F-value 9.987,97 F-value 2.106,15
N (obs) 150,565 N (obs) 28.430
Hausman
Prob>chi2
0,000 fixed-effects Hausman
Prob>chi2
0.000 fixed-effects
0
0,2
0,4
0,6
0,8
1
1,2
lnVAIP lnVACA lnVAIPxlnVACA
115
Potrošne dobrine
(CS)
Finance
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
lnVAIP 1,484 0,069 21,22 0,000*** lnVAIP 0,887 0,059 15,02 0,000***
lnVACA 0,593 0,047 12,61 0,000*** lnVACA 0,371 0,034 11,06 0,000***
lnVAIPxlnVACA 0,541 0,064 8,44 0,000*** lnVAIPxlnVACA 0,268 0,025 10,58 0,000***
SIZE 0,001 0,000 -0,78 0,436 SIZE 0,222 0,077 -2,88 0,004**
INTERCEPT -3,31 0,165 -20,09 0,000*** INTERCEPT -2,04 0,295 -6,92 0,000***
R-square 0,29 R-square 0,16
F-value 915,68 F-value 412,66
N (obs) 2.995 N (obs) 2.385
Hausman Prob>chi2
0,1116 random-effects Hausman Prob>chi2
0.1987 random-effects
Zdravstvo
(Healthcare)
Industrijska
proizvodnja
(Industrials)
Independent variable
Coefficients (β)
SE t-value p Independent variable
Coefficients (β)
SE t-value p
lnVAIP 1,655 0,066 24,99 0,000*** lnVAIP 1,176 0,013 87,65 0,000***
lnVACA 0,488 0,042 11,67 0,000*** lnVACA 0,541 0,009 59,50 0,000***
lnVAIPxlnVACA 0,771 0,064 12,08 0,000*** lnVAIPxlnVACA 0,408 0,008 53,02 0,000***
SIZE 0,193 0,057 -3,39 0,001** SIZE 0,025 0,001 6,52 0,000***
INTERCEPT -2,455 0,213 -11,53 0,000*** INTERCEPT -3,026 0,007 -411,23 0,000***
R-square 0,27 R-square 0,21
F-value 1.030,90 F-value 5.790,52
N (obs) 3.507 N (obs) 79.118
Hausman
Prob>chi2
0,1969 random-effects Hausman
Prob>chi2
0.000 fixed-effects
Informacijska
tehnologija (IT)
Surovine in
materiali (Materials)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
lnVAIP 1,817 0,057 31,75 0,000*** lnVAIP 1,632 0,046 35,27 0,000***
lnVACA 0,353 0,037 9,41 0,000*** lnVACA 0,569 0,031 18,28 0,000***
lnVAIPxlnVACA 0,088 0,046 19,33 0,000*** lnVAIPxlnVACA 0,751 0,036 21,11 0,000***
SIZE 0,056 0,002 15,23 0,000*** SIZE 0,025 0,001 8,25 0,000***
INTERCEPT -2,547 0,013 -194,96 0,000*** INTERCEPT -2,57 0,012 -223,60 0,000***
R-square 0,28 R-square 0,29
F-value 535,82 F-value 824,57
N (obs) 6.659 N (obs) 9.100
Hausman
Prob>chi2
0,000 fixed-effects Hausman
Prob>chi2
0.000 fixed-effects
Telekomunikacije
(Telecoms)
Oskrba (Utilities)
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
lnVAIP 1,485 0,144 10,31 0,000*** lnVAIP 1,083 0,126 8,59 0,000***
lnVACA 0,045 0,099 4,54 0,000*** lnVACA 1,02 0,090 11,36 0,000***
lnVAIPxlnVACA 0,981 0,133 7,39 0,000*** lnVAIPxlnVACA -0,252 0,094 -2,69 0,007**
SIZE 0,134 0,093 -1,44 0,150 SIZE 0,152 0,099 1,54 0,124
INTERCEPT -1,707 0,333 -5,13 0,000*** INTERCEPT -4,124 0,286 -14,413 0,000***
R-square 0,44 R-square 0,23
F-value 236,38 F-value 257,02
N (obs) 424 N (obs) 1.328
Hausman Prob>chi2
0,8020 random-effects Hausman Prob>chi2
0,0572 random-effects
*** if p < 0,001
** if p < 0,01
* if p < 0,05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni, centrirani podatki
116
Tabela 29: Test razširjene hipoteze po velikostnih razredih – lnROE, centrirani podatki
Vsa podjetja Velika podjetja
Independent variable
Coefficients (β)
SE t-value p Independent variable
Coefficients (β)
SE t-value p
lnVAIP 1,258 0,011 116,76 0,000*** lnVAIP 1,492 0,069 21,60 0,000***
lnVACA 0,562 0,007 79,66 0,000*** lnVACA 0,356 0,035 9,96 0,000***
lnVAIPxlnVACA 0,427 0,006 69,59 0,000*** lnVAIPxlnVACA 0,443 0,031 13,99 0,000***
SIZE 0,003 0,000 12,36 0,000*** SIZE / / / /
INTERCEPT -2,589 0,003 -855,24 0,000*** INTERCEPT -2,734 0,017 -154,05 0,000***
R-square 0,23 R-square 0,26
F-value 9.987,97 F-value 263,89,15
N (obs) 150,565 N (obs) 4.973
Hausman Prob>chi2
0,000 fixed-effects Hausman Prob>chi2
0.001 fixed-effects
Srednja podjetja Majhna podjetja
Independent
variable
Coefficients
(β)
SE t-value p Independent
variable
Coefficients
(β)
SE t-value p
lnVAIP 1,719 0,059 28,91 0,000*** lnVAIP 1,248 0,011 106,01 0,000***
lnVACA 0,566 0,033 17,08 0,000*** lnVACA 0,561 0,008 71,47 0,000***
lnVAIPxlnVACA 0,531 0,036 14,64 0,000*** lnVAIPxlnVACA 0,457 0,007 63,36 0,000***
SIZE / / / / SIZE / / / /
INTERCEPT -3,25 0,049 -65,27 0,000*** INTERCEPT -2,611 0,003 -770,26 0,000***
R-square 0,29 R-square 0,22
F-value 1.553,19 F-value 8.252,08
N (obs) 5.640 N (obs) 108.987
Hausman
Prob>chi2
0,485 random-effects Hausman
Prob>chi2
0,000 fixed-effects
*** if p < 0,001
** if p < 0,01
* if p < 0,05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni, centrirani podatki
glede na dolžino analiziranega obdobja. Testiranje je pokazalo na višjo pojasnjevalno moč
modelov, testiranih na presečnih podatkih. Da bi ugotovili, ali podobna zakonitost velja tudi
pri razširjenem VAIC modelu, smo izvedli dodaten test na presečnih podatkih. Na koncu smo
naredili test, v katerem smo časovno zamikali neodvisne spremenljivke ter ugotavljali
pojasnjevalno moč modela in višino regresijskih koeficientov ob predpostavki, da
učinkovitost investiranja v IK vpliva tudi na velikost ROE s časovnim zamikom.
V Tabela 28 in Tabela 29 so prikazani rezultati testa ločeno po sektorjih in velikostnih
razredih podjetij. Testi vseh modelov so statistično zelo visoko značilni (p<0,001).
Regresijski koeficienti, za katere so testi izkazali, da niso statistično značilni, so v tabelah
posebej označeni. Vsi neoznačeni regresijski koeficienti izkazujejo zelo visoko statistično
značilnost (p<0,001).
Če analiziramo pojasnjevalno moč modificiranega VAIC modela po različnih sektorjih in
velikostnih razredih podjetij (sumaren prikaz je podan v Tabela 28 in Tabela 29), lahko
ugotovimo, da je pojasnjevalna moč modela po sektorjih dokaj stabilna. Determinacijski
koeficienti R2 se gibljejo med 0,21 in 0,29. Izjemi sta sektor Telekomunikacije, kjer model
izkazuje nadpovprečno pojasnjevalno moč (R2
=0,44) in sektor Finance, kjer je pojasnjevalna
moč modela podpovprečna (R2=0,16). Statistični testi modelov po sektorjih izkazujejo, da so
vsi modeli zelo visoko statistično značilni.
117
Tabela 30: Determinacijski koeficienti razširjenega VAIC modela
Sektor R2 PR
Telekomunikacije (Telecoms)* 0,44
Potrošne dobrine (CS)* 0,29
Surovine in materiali (Materials) 0,29
Informacijska tehnologija (IT) 0,28
Zdravstvo (Healthcare)* 0,27
Trajne dobrine (CD) 0,25
Oskrba (Utilities)* 0,23
Industrijska proizvodnja (Industrials) 0,21
Finance (Finance)* 0,16
Celotni vzorec 0,23
Velikost podjetja R2 PR
Srednja podjetja* 0,29
Velika podjetja 0,26
Majhna podjetja 0,22
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni, centrirani podatki
Slika 17: Pojasnjevalna moč razširjenega VAIC modela
Vir: Lastna slika
Pojasnjevalno moč modelov lahko okarakteriziramo kot zmerno.109
Nekoliko nižja
pojasnjevalna moč modela v sektorju Finance je verjetno posledica drugačnega poslovnega
modela v finančni industriji, medtem ko je višjo pojasnjevalno moč modela v sektorju
Telekomunikacije možno pojasniti s tem, da sektor110
velja za tehnološko in razvojno
nadpovprečno propulzivnega. To bi lahko bil eden izmed vzrokov, da je vpliv učinkovitosti
109
Pri tem velja poudariti, da je po naši oceni razširjeni VAIC model, ki smo ga vključili v teoretično
konsistentnejši kontekst DuPontove identitete, z vidika pojasnjevalne moči deluje bistveno bolj prepričljivo kot
osnovni VAIC model. To nam je npr. pokazal tudi test modela, kjer smo kot kontrolne spremenljivke vključili
vse člene Dupontove identitete. 110
Sektor je sicer sestavljen iz dokaj heterogenih panog, kar omejuje možnost enoznačne interpretacije vzrokov
višje pojasnjevalne moči. Do bolj poglobljenega odgovora bi prišli, če bi analizo izvedli na ravni posameznih
panog, ki so vključene v omenjeni sektor. Takšen »drill-down« način analize sicer presega cilje našega
proučevanja, ostaja pa odprt izziv za prihodnja raziskovanja.
00,05
0,10,15
0,20,25
0,30,35
0,40,45
118
investiranja v IK v interakciji z VACA v tem sektorju nadpovprečno pomemben dejavnik
finančne uspešnosti podjetij.
Ugotovimo torej lahko, da je razširjeni VAIC model je v svoji pojasnjevalni moči dokaj
stabilen. To velja za populacijo kot celoto in za proučevane segmente.
4.19.5 Interpretacija regresijskih koeficientov po sektorjih
V Tabela 31 je prikazana velikost βlnVAIP regresijskih koeficientov za posamezne sektorje in
velikostne razrede podjetij. Velikost βlnVAIP regresijskih koeficientov po sektorjih in
velikostnih skupinah bistveno bolj variira kot velikost determinacijskih koeficientov. Glede na
velikost βlnVAIP smo sektorje razdelili v tri skupine: v skupino sektorjev z nadpovprečnimi,111
skupino s povprečnimi112
in skupino s podpovprečnimi113
βlnVAIP regresijskimi koeficienti. Vsi
preračuni so narejeni na centriranih podatkih.
Sektorji z nadpovprečno višino βlnVAIP regresijskih koeficientov. Med te sektorje spadajo
Informacijska tehnologija (1,82), Zdravstvo(1,65) in Surovine in materiali (1,63). Prva dva
sektorja lahko okarakteriziramo kot tehnološko in inovativno propulzivna sektorja, v katerih
je najbolj prisoten poslovni model postindustrijskih podjetij. Pri obeh je vpliv učinkovitosti
investiranja v intelektualni potencial podjetij na donosnost kapitala bistveno višji od vpliva
ostalih pojasnjevalnih spremenljivk. Za sektor Surovine in materiali je značilno, da je
kapitalsko intenziven sektor, za katerega je test modela pokazal, da je vpliv učinkovitosti
investiranja v IK na ROE in vpliv učinkovitosti investiranja v IK na učinkovitost uporabe
opredmetenih sredstev nadpovprečen. Pri vseh treh sektorjih je velikost regresijskega
koeficienta pri interakcijskem členu lnVAIPxlnVACA v primerjavi s celotno populacijo
nadpovprečna in hkrati višja od regresijskih koeficientov lnVACA. Elastičnost ROE na
spremembo neodvisne spremenljivke VACA je v sektorjih Informacijska tehnologija in
Zdravstvo podpovprečna, medtem ko je v sektorju Materiali in surovine na ravni povprečja
proučevane populacije. Tovrstne ugotovitve so v skladu z rezultati raziskave o investiranju v
R&R po posameznih sektorjih v Sloveniji (Bešter, Bučar in Raspor, 2008).114
Še posebej to
velja za sektor Informacijska tehnologija, kjer nam βlnVAIP regresijski koeficient kaže, da se bo
v podjetjih s povprečno sektorsko vrednostjo koeficienta lnVACA donosnost kapitala (ROE) v
povprečju povečala za 1,82%, če se bo učinkovitost investiranja v intelektualni kapital
podjetij povečala za 1%. Elastičnost ROE na spremembo VAIP je v sektorju IT za 44% višja
od elastičnosti, ki smo jo ocenili za populacijo kot celoto.
Sektorji s povprečno višino βlnVAIP regresijskih koeficientov. Med te sektorje lahko uvrstimo
sektorje Telekomunikacije (1,49), Potrošne dobrine (1,48) ter Trajne dobrine (1,37). Za
sektorja Potrošne dobrine in Trajne dobrine je značilno, da so regresijski koeficienti lnVAIP
in lnVACA nekoliko višji, kot je značilno za populacijo kot celoto. Pri sektorju
Telekomunikacije to velja za regresijski koeficient lnVAIP in regresijski koeficient
interakcijskega člena. βlnVAIP regresijski koeficient v sektorju Telekomunikacij nam pove, da
se donosnost kapitala (ROE) pri podjetjih, ki dosegajo povprečno vrednost lnVACA znotraj
sektorja, v povprečju poveča za 1,49%, če se učinkovitost investiranja v intelektualni
111
Aritmetična sredina βlnVAIP vseh sektorjev znaša 1,39, populacije kot celote pa 1,26. V skupino sektorjev za
nadpovprečnim βlnVAIP smo uvrstili vse sektorje, kjer je βlnVAIP > 1,5. 112
1,2 < βlnVAIP < 1,5. 113
βlnVAIP.< 1,2. 114
Omenjena raziskava ugotavlja, da je v Sloveniji 69% vseh sredstev namenjenih za raziskovalno razvojno
dejavnost koncentriranih na proizvodnjo farmacevtskih surovin in preparatov ter proizvodnjo
telekomunikacijskih naprav.
119
potencial podjetij poveča za 1%. Hkrati velja, da se donosnost kapitala v povprečju poveča za
0,98%, če se pri podjetjih, ki dosegajo povprečno vrednost lnVAIP znotraj sektorja,
učinkovitost opredmetenih sredstev poveča za 1%.
Sektorji s podpovprečno višino βlnVAIP regresijskih koeficientov. Med te sektorje lahko
uvrstimo sektorje Industrijske proizvodnje (1,18), Oskrbe (1,08) ter sektor Finance (0,89).
Najnižji βlnVAIP regresijski koeficient izkazuje sektor Finance, kar je možno pojasniti z
drugačnim poslovnim modelom, ki prevladuje v tem sektorju. Sektor ima dokaj nizek delež
kapitala med viri financiranja, saj je njegova osnovna dejavnost finančno posredništvo
(primer bank). Finančni posredniki pridobljene dolžniške vire financiranja posredujejo svojim
klientom in za to posredniško vlogo zaračunavajo določeno (obrestno) maržo. Tukaj
pomembno vlogo igra ekonomija obsega in hitrost obračanja sredstev. Pojasnjevalna
spremenljivka StoA pojasnjuje vpliv hitrosti obračanja sredstev na donosnost kapitala,
spremenljivka AtoE pa vpliv zadolženosti podjetja na donosnost kapitala. Pri obeh
spremenljivkah, ki sta sicer vključeni v konstanto modela, sektor Finance izrazito odstopa od
logike delovanja podjetij razvrščenih v ostale sektorje. Obrat sredstev in raven zadolženosti
sta v tem sektorju bistveno pomembnejši gonili vrednosti kot v podjetjih s klasičnim
poslovnim modelom. To ne pomeni, da je investiranje v intelektualni potencial v tem sektorju
manj pomembno kot v ostalih sektorjih. Gre zgolj za neprimerljivost poslovnih modelov, ki se
odraža v drugačni korelaciji med neodvisnimi spremenljivkami in odvisno spremenljivko.
Tudi v sektorju Finance je izkazan vpliv VAIP na ROE višji od vpliva VACA in
interakcijskega člena VAIPxVACA. Zanimivo je, da je mnogo testov VAIC modela vezano
prav na proučevanje bančnega sektorja in da je bil VAIC model prav v tem sektorju pogosto
prepoznan kot model z izkazano ekonomsko pojasnjevalno močjo (Kamath, 2007; Mavridis,
2004). Test razširjenega VAIC modela na podatkih za slovensko gospodarstvo za obdobje
1995-2008 kaže, da je vpliv VAIP na ROE pri podjetjih iz finančnega sektorja v povprečju
nižji kot v ostalih sektorjih.
Za sektorja Oskrba in Industrijska proizvodnja lahko podpovprečen vpliv investiranja v
intelektualni potencial podjetja na donosnost kapitala pojasnimo z drugimi argumenti. Sektor
Industrijska proizvodnja v Sloveniji spada med tradicionalne sektorje, kjer je dodana vrednost
Tabela 31: Prikaz βlnVAIP koeficientov po sektorjih in velikostnih razredih podjetij
Sektor βlnVAIP PR
Informacijska tehnologija (IT) 1,82
Zdravstvo (Healthcare)* 1,66
Surovine in materiali (Materials) 1,63
Telekomunikacije (Telecoms)* 1,49
Potrošne dobrine (CS)* 1,48
Trajne dobrine (CD) 1,37
Industrijska proizvodnja (Industrials) 1,18
Oskrba (Utilities)* 1,08
Finance (Finance)* 0,89
Celotni vzorec 1,26
Velikost podjetja βlnVAIP PR
Srednja podjetja* 1,72
Velika podjetja 1,49
Majhna podjetja 1,25
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni, centrirani podatki
120
Slika 18: Prikaz βlnVAIP koeficientov po sektorjih in velikostnih razredih podjetij
Vir: Lastna slika
na zaposlenega sorazmerno nizka, stopnja inovativnosti pa nižja od povprečja (Bešter, Bučar
in Raspor, 2008). Sklepamo lahko, da je manjši vpliv investiranja v intelektualni potencial
podjetij na donosnost kapitala v sektorju industrija posledica omenjenih dejavnikov. Kljub
temu pa spremenljivka lnVAIP v sektorju Industrijska proizvodnja še vedno izkazuje najvišji
vpliv na ROE med vsemi pojasnjevalnimi spremenljivkami v modelu.
Sektor Oskrba izkazuje nekoliko nižji vpliv spremenljivke VAIP na ROE kot sektor
Industrijska proizvodnja. Tudi za ta sektor velja, da je, kljub temu, da je v primerjavi z
ostalimi sektorji vpliv VAIP na ROE podpovprečen, ta še vedno višji od vpliva ostalih
spremenljivk. Nekoliko nižji vpliv VAIP na ROE lahko pojasnimo s pomembnimi eksternimi
dejavniki, ki vplivajo na uspešnost poslovanja podjetij v tem sektorju. Sektor je namreč
močno reguliran na področju cen in nekaterih pomembnih poslovnih odločitev (prenos
dobičkov znotraj holdinških struktur, upravičenost investiranja v infrastrukturne projekte
ipd.). Delno netržni značaj podjetij v sektorju Oskrba je po naši oceni ključni razlog, da je
moč vpliva VAIP na ROE nekoliko nižja od povprečja. Ker je sektor zaznamovan z visoko
kapitalno intenzivnostjo (infrastruktura), je za donosnost kapitala verjetno nadpovprečno
pomembna hitrost obračanja investiranih opredmetenih sredstev. Zanimivo je, da regresijski
koeficient interakcijskega člena lnVAIPxlnVACA v tem sektorju izkazuje negativen
predznak.115
To pomeni, da se v tem sektorju vpliv VACA na ROE s povečevanjem vpliva
115
Edini med vsemi sektorji.
0
0,5
1
1,5
Prva skupina
Druga skupina
Tretja skupina
121
VAIP zmanjšuje. Negativen predznak regresijskega koeficienta pri interakcijskem členu
lnVAIPxlnVACA v okviru sektorja Oskrba ni v skladu z našimi pričakovanji in postavljeno
hipotezo.
4.19.6 Rezultati panelne regresije po velikostnih razredih podjetij
Analiza vpliva pojasnjevalnih spremenljivk za podjetja segmentirana po velikostnih
skupinah116
nam pokaže, da tudi med velikostnimi skupinami podjetij obstajajo razlike. Pri
vseh treh skupinah podjetij je pojasnjevalna moč modela na ravni, ki ne odstopa bistveno od
pojasnjevalne moči modela, testiranega za celotno populacijo (R2 se giblje med 0,22 in 0,29).
Vpliv učinkovitosti investiranja v intelektualni potencial podjetij na ROE je najvišji v skupini
srednjih podjetij, kjer je regresijski koeficient lnVAIP (1,72) dosegel velikost primerljivo s
sektorji, ki smo jih okarakterizirali kot sektorje z nadpovprečnim vplivom lnVAIP na ROE. To
so sektorji Informacijska tehnologija, Zdravstvo ter Surovine in materiali. Nadpovprečen
vpliv VAIP na ROE pri srednjih podjetjih lahko pojasnjujemo s tem, da so ta, za razliko od
majhnih podjetij organizacijsko že toliko artikulirana, da so sposobna zagotavljati
transformacijo skritega in razkritega znanja v intelektualni kapital. Hkrati so še vedno dovolj
majhna, da ostajajo notranje prilagodljiva in propustna za nove ideje in inovacije zaposlenih.
Pri majhnih podjetjih je vpliv VAIP na ROE (1,25) precej nižji od vpliva pri srednjih
podjetjih. Glede na poznavanje teh podjetij bi lahko sklepali, da se razlog za nekoliko manjši
vpliv učinkovitosti investiranja v intelektualni potencial na ROE skriva v povprečju precej
bolj nestabilnih organizacijskih strukturah v teh podjetjih, ki še ne zagotavljajo nemotenega
procesa transformacije znanja v IK. Hkrati se majhna podjetja soočajo z množico drugih
začetnih težav, ki vplivajo na donosnost kapitala.117
Ocenjujemo, da je populacija majhnih
podjetij glede gonil vrednosti in organizacijske stabilnosti bistveno bolj heterogena kot
populacija srednjih in velikih podjetij. Zelo visoko statistično značilnost modela in
regresijskih koeficientov tega segmenta podjetij zagotavlja veliko število podjetij vključenih v
raziskavo.
V skupini velikih podjetij vplivi posameznih pojasnjevalnih spremenljivk nekoliko odstopajo
od ocen za celotno populacijo. Regresijski koeficient lnVAIP (1,49) nam pove, da se bo pri
velikih podjetjih s povprečno vrednostjo lnVACA donosnost kapitala v povprečju povečala za
1,49%, če se bo učinkovitost njihovega investiranja v intelektualni potencial povečala za 1%.
V primerjavi z ocenjeno vrednostjo regresijskega koeficienta za celotno populacijo je izkazani
vpliv pri velikih podjetjih nadpovprečen. Vpliv interakcijskega člena lnVAIPxlnVACA je pri
velikih podjetjih na ravni ocene za populacijo kot celoto, medtem ko je vpliv učinkovitosti
opredmetenih sredstev na ROE (βlnVACA=0,35) precej pod povprečjem celotne populacije
(βlnVACA=0,56). Za populacijo velikih podjetij bi torej lahko sklepali, da ima učinkovitost
investiranja v IK močnejši vpliv na ROE kot učinkovitost opredmetenih sredstev (VACA).
4.19.7 Test vpliva časovnega zamika pojasnjevalnih spremenljivk na rezultate analize
Razširjeni VAIC model smo z metodo panelne regresije testirali tudi na centriranih podatkih,
kjer smo časovne vrste pojasnjevalnih spremenljivk zamaknili za eno (Model(t-1)), dve časovni
obdobji (Model(t-2)) oz. tri časovna obdobja (Model(t-3)). Na ta način smo želeli proučiti ali
učinkovitost investiranja v intelektualni potencial podjetij oz. učinkovitost opredmetenih
116
Segmentacija je identična segmentaciji v osnovni raziskavi. Podjetja smo razdelili v tri skupine: velika,
srednja in majhna. 117
Pogosto gre za neustrezno strukturo financiranja, kadrovsko fluktuacijo…
122
sredstev vpliva na donosnostjo kapitala s časovnim zamikom na podoben način, kot vplivajo
investicije v opredmetena sredstva. Test smo izvedli na podatkih za celotno populacijo
podjetij.
Osnovni model sicer ni neposredno primerljiv z modeli, kjer so pojasnjevalne spremenljivke
zamaknjene za določeno časovno obdobje. Osnovni model je namreč identiteta v okviru
katere so povezani istodobni računovodski podatki, ki so že po definiciji medsebojno
povezani.118
Takoj, ko v model uvedemo časovne zamike, ne veljata več dve temeljni
predpostavki DuPontovega modela:
v modelu niso več povezani podatki iz istega leta,
ne veljajo več povezave dvostavnega računovodstva znotraj enega poslovnega leta.
Z izključitvijo dveh temeljnih tehničnih predpostavk DuPontovega modela se v modelih s
časovnim zamikom pojasnjevalnih spremenljivk spremeni sama vsebina modela. Rezultati
testa modelov s časovnimi zamiki niso neposredno primerljivi z rezultati testa osnovnega
modela. Na tem mestu bomo predstavili rezultate testiranja modelov modificiranih za časovni
zamik neodvisnih spremenljivk. Rezultate testiranj jemljemo zgolj kot indikativne rezultate,
ki jih neposredno ne bomo primerjali z rezultati testa osnovnega modela. DuPontov model, ki
vključuje časovni zamik pojasnjevalnih spremenljivk, predstavlja osnovo za nadaljnje
proučevanje pri čemer bi bilo smiselno razmisliti o vključevanju dodatnih pojasnjevalnih
spremenljivk. Raziskava, ki bi temeljila na tako dopolnjenem DuPontovem modelu, presega
namen našega raziskovanja, predstavlja pa izziv za nadaljnja raziskovanja povezav med
učinkovitostjo investiranja v IK in finančno uspešnostjo podjetij.
Statistični test modela Model(t-1) in vseh vključenih spremenljivk je pokazal, da so model in
pojasnjevalne spremenljivke zelo visoko statistično značilne (p<0,001), pri čemer je njegova
pojasnjevalna moč sorazmerno nizka. Determinacijski koeficient v višini R2=0,07 kaže, da
Model(t-1) pojasnjuje 7% variabilnosti odvisne spremenljivke lnROE. Najvišjo povezavo z
odvisno spremenljivko izkazuje regresijski koeficient lnVACA(t-1) (β=0,48), medtem ko sta
regresijska koeficienta ostalih dveh pojasnjevalnih spremenljivk bistveno nižja (0,13).
Tabela 32: Test s časovno zamaknjenimi pojasnjevalnimi spremenljivkami
Modelt-1 Modelt-2 Modelt-3
Neodvisne spremenljivke β fixed-effects β fixed-effects β fixed-effects
lnVAIP 0,13*** -0,11*** -0,18***
lnVACA 0,48*** 0,37*** 0,26***
lnVAIPxlnVACA 0,13*** 0,08*** 0,03***
R2 0,07*** 0,04*** 0,02***
*** if p < 0,001
** if p < 0,01
* if p < 0,05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni, centrirani podatki
Regresijski koeficienti vseh pojasnjevalnih spremenljivk izkazujejo pozitiven predznak.
Obstaja torej statistično visoko značilna pozitivna povezava med donosnostjo kapitala in
pojasnjevalnimi spremenljivkami VAIP(t-1), VACA(t-1) in (VAIPxVACA)(t-1). Pri podjetju s
118
Isto časovno obdobje in princip dvostavnega računovodstva.
123
povprečno vrednostjo lnVACA(t-1) se ROE poveča za 0,13%, če se investiranje v intelektualni
potencial v predhodnem obdobju poveča za 1%.
Tudi statistični test Modela(t-2) in vseh vključenih spremenljivk je pokazal, da so model in
pojasnjevalne spremenljivke zelo visoko statistično značilne (p<0,001), pri čemer se je
njegova pojasnjevalna moč v primerjavi z Modelom(t-1) skoraj razpolovila. Determinacijski
koeficient v višini R2=0,04 kaže, da model Modela(t-2) pojasnjuje 4% variabilnosti odvisne
spremenljivke lnROE. Tudi v okviru tega modela regresijski koeficient spremenljivke
lnVACA(t-2) kaže najvišji vpliv na donosnost kapitala (0,37), medtem, ko pojasnjevalna
spremenljivka lnVAIP(t-2) izkazuje negativen predznak regresijskega koeficienta (-0,11).
Podobne rezultate dobimo tudi pri testu Modela(t-3), kjer se pojasnjevalna vrednost modela
zniža na 0,02, hkrati pa regresijski koeficient lnVAIP(t-3) izkazuje negativen predznak. Model
in vsi koeficienti so visoko statistično značilni.
Nizka pojasnjevalna moč modelov s časovnim zamikom ter negativen predznak lnVAIP v
modelih z dveletnim in triletnim zamikom zahtevajo njihovo dodatno teoretično proučitev in
nadgradnjo. Tovrstno raziskovanje presega namen naše analize in ostaja izziv za prihodnja
raziskovanja.
Izsledki testa razširjenega VAIC modela z upoštevanjem časovnega zamika neodvisnih
spremenljivk za obdobje enega in dveh let torej kažejo, da so proučevane povezave statistično
zelo visoko značilne, a se njihov ekonomski pomen v času dokaj hitro znižuje. Najbolj
stabilen je regresijski koeficient lnVACA, medtem ko pojasnjevalna spremenljivka lnVAIP v
modelih z dvoletnim in triletnim časovnim zamikom izkazuje negativen vpliv na ROE.
Proučevanje vpliva neodvisnih spremenljivk na uspešnost poslovanja z vključenim časovnim
zamikom, zahteva poglobljeno teoretično in konceptualno nadgradnjo osnovnega
DuPontovega modela v kontekstu modela VAIC.
4.19.8 Test s pomočjo OLS regresijske metode po posameznih letih
Poleg testa razširjenega VAIC modela po posameznih sektorjih in velikostnih skupinah
podjetij smo izvedli še test modela na presečnih podatkih po posameznih letih vključenih v
raziskavo. Rezultate smo primerjali z rezultati testa za celotno populacijo podjetij v obdobju
1995-2008. Ker gre za test presečnih podatkov, smo uporabili OLS regresijsko metodo.
Zaradi zagotavljanja metodološke primerljivosti rezultatov testiranja smo enako metodo
uporabili tudi za test modela za obdobje 1995-2008.119
S pomočjo presečne analize smo
analizirali stabilnost pojasnjevalne moči modela in stabilnost oz. morebitni trendni razvoj
regresijskih koeficientov. V okviru testiranja osnovnega VAIC modela smo ugotovili, da
obstajajo precejšnje razlike med rezultati testov glede na leto oz. na časovno obdobje, za
katerega je bila raziskava narejena. Hkrati smo ugotovili, da obstajajo pomembne razlike med
rezultati testov, narejenih na presečnih podatkih in rezultati testov, narejenih na panelnih
podatkih.
119
V veljavi ostajajo vsi metodološki zadržki, ki smo jih predhodno navedli glede uporabe OLS regresijske
metode na panelnih podatkih. Rezultati tega testa nam bodo služili zgolj kot indikator stabilnosti modela v
različnih časovnih obdobjih in gospodarskih okoliščinah.
124
Tabela 33: β koeficienti v različnih časovnih obdobjih – celotna populacija
Leto R2 OLS β1lnVAIP OLS βlnVACA OLS βlnVAIPxlnVACA OLS βvelikost OLS VIF
1995 0,22*** 0,99*** 0,58*** 0,33*** 0,04*** 1,11***
1996 0,18*** 0,92*** 0,48*** 0,37*** -0,02* 1,14***
1997 0,19*** 1,06*** 0,48*** 0,43*** -0,10*** 1,15***
1998 0,19*** 1,17*** 0,45*** 0,47*** -0,13*** 1,18***
1999 0,21*** 1,28*** 0,48*** 0,44*** -0,09*** 1,13***
2000 0,21*** 1,33*** 0,41*** 0,51*** -0,10*** 1,28***
2001 0,23*** 1,49*** 0,47*** 0,54*** -0,10*** 1,23***
2002 0,25*** 1,46*** 0,52*** 0,39*** -0,06*** 1,20***
2003 0,27*** 1,65*** 0,50*** 0,52*** -0,09*** 1,31***
2004 0,30*** 1,76*** 0,52*** 0,50*** -0,05*** 1,34***
2005 0,32*** 1,99*** 0,51*** 0,69*** -0,05*** 1,53***
2006 0,30*** 1,88*** 0,49*** 0,47*** -0,10*** 1,40***
2007 0,27*** 1,65*** 0,56*** 0,38*** -0,07*** 1,18***
2008 0,25*** 1,62*** 0,53*** 0,43*** 0* 1,30***
(1)1995-2008XX 0,24*** 1,42*** 0,50*** 0,43*** -0,07*** 1,20***
(2)1995-2008XXX 0,23*** 1,26*** 0,56*** 0,42*** / /
xx OLS regresijska metoda
xxx Panelna regresijska metoda s fiksnimi učinki.
*** if p < 0,001
** if p < 0,01
* if p < 0,05
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni, centrirani podatki
V Tabela 33 so prikazani podatki presečnih analiz s pomočjo OLS regresijske metode, ki smo
jih izvedli za vsako leto proučevanega obdobja posebej. V okviru testa so statistični testi vseh
modelov ter vseh koeficientov izkazali zelo visoko statistično značilnost (p<0,001). Izjema
sta regresijska koeficienta za kontrolno spremenljivko velikost, ki sta v letih 1996 in 2008
statistično neznačilna. Pojasnjevalna moč modela je skozi čas sorazmerno stabilna, saj se R2
vseskozi giblje na ravni med 0,18 in 0,32. Pojasnjevalno moč modela lahko okarakteriziramo
kot zmerno. Pojasnjevalna moč modela se je v obdobju 1995-2005 trendno povečevala (od
0,22 v letu 1995 na 0,32 v letu 2005), nato pa je nekoliko upadla (v letu 2008 je dosegla 0,25).
Upad pojasnjevalne moči modela je sočasen z upadom vpliva VAIP na ROE, pri čemer se
vpliv VACA in interakcijskega člena v proučevanem obdobju ni bistveno spremenil. Obdobje
2005-2008 je bilo v Sloveniji zaznamovano z vključitvijo v EU, visoko stopnjo rasti
zadolževanja na vseh ravneh (država, gospodarstvo, prebivalstvo) ter s prelomom
gospodarskega cikla, ki se je v obdobju 2007-2008 prevesil v najhujšo svetovno gospodarsko
recesijo v zadnjem stoletju. Ocenjujemo, da so na padec pojasnjevalne moči modela in na
padec vpliva učinkovitosti investiranja v IK na ROE podjetij v obdobju po l. 2005 vplivali
dejavniki, ki jih v modelu nismo kontrolirali. Ne glede na omenjen odklon od trenda, ki smo
mu priča v zadnjih treh letih proučevanega obdobja, ocenjujemo, da se bodo trendi razvoja, ki
so razvidni skozi daljše obdobje, v naslednjih letih, ko bo prišlo do ponovne oživitve
gospodarskega ciklusa, nadaljevali. Podoben zastoj trenda razvoja vpliva regresijskih
koeficientov je razviden tudi v obdobju predzadnje svetovne recesije, ki je svetovno
gospodarstvo zaznamovala v obdobju 2001-2003, a je ta zastoj zaznan zgolj v letu 2002. Ob
ponovnem pojavu svetovne gospodarske konjunkture so se regresijski koeficienti dokaj hitro
utirili v trende, ki so prevladovali pred nastopom recesije.
125
Za kontrolno spremenljivko velikost lahko rečemo, da je z vidika moči vpliva na odvisno
spremenljivko skozi celotno obdobje dokaj stabilna. Čeprav večino časa v proučevanem
obdobju izkazuje negativen predznak, lahko njen vpliv na ROE, v primerjavi z ostalimi
pojasnjevalnimi spremenljivkami, opredelimo kot ekonomsko nepomemben.
V Slika 19 in Slika 20 je prikazano gibanje regresijskih koeficientov skozi čas. V posebno
sliko smo oddvojili gibanje regresijskih koeficientov lnVAIP in lnVACA. Iz slik je razvidno,
da je učinkovitost investiranja v intelektualni potencial tista pojasnjevalna spremenljivka, ki je
v času najbolj pridobila na vplivu na donosnost kapitala. Če je še v letu 1995 1% sprememba
v učinkovitosti investiranja v intelektualni potencial podjetij pri podjetjih s povprečno
vrednostjo lnVACA povzročila 0,99% povečanje donosnosti kapitala, je enaka sprememba v
letu 2008 povzročila 1,62% povišanje donosnosti kapitala. Vpliv učinkovitosti investiranja v
intelektualni potencial podjetij se je v petnajstih letih torej povečal za 64%. Iz grafa je
razvidno, da je povečevanje vpliva spremenljivke lnVAIP trendnega značaja. Naraščanje
vpliva bi lahko razdelili v štiri obdobja. V obdobju 1995-2001 je moč opaziti hitro
naraščanje vpliva VAIP na ROE. Regresijski koeficient se je v tem času povečal za 50% in to
z 0,99 v l. 1995 na 1,49 v l. 2001. Na ravni globalnega gospodarstva je to obdobje znano kot
obdobje vzdržne konjunkture, ki se je v l. 2001 končalo z recesijo, trajajočo do sredine l.
2003.120
V obdobju recesije se je vpliv lnVAIP znižal na 1,46, vendar se je že takoj v l. 2003
(po koncu recesije) začel povečevati. Vrh je dosegel v letu 2005, ko je regresijski koeficient
dosegel vrednost 1,99. V letu 2008, ki je zaznamovano z eno najhuših recesij v zgodovini, se
je znižal na 1,62. Če je za obdobje 1995-2001 značilna dokaj hitra rast regresijskega
koeficienta lnVAIP (povečanje za 37%), je za obdobje 2005-2008 značilno njegovo postopno
upadanje. V tem obdobju se je regresijski koeficient lnVAIP znižal za 18,5%. Možne razloge
za takšen upad regresijskega koeficienta v zadnjih treh letih proučevanega obdobja smo že
omenili. Ugotovili smo tudi, da gre najverjetneje za dejavnike, ki jih v okviru postavljenega
modela nismo kontrolirali, saj se regresijski koeficienti ostalih pojasnjevalnih spremenljivk
niso bistveno spremenili. Pojasnjevalna moč modela se je spreminjala podobno kot vpliv
VAIP na ROE.
Iz Slika 19 in Slika 20 je razvidno, da je bil vpliv učinkovitosti opredmetenih sredstev (VACA)
na ROE skozi vse proučevano obdobje sorazmerno stabilen (regresijski koeficient se je gibal
med 0,48 in 0,58, brez izrazito izraženega trenda gibanja). Regresijski koeficient
interakcijskega člena lnVAIPxlnVACA izkazuje podoben trend gibanja kot regresijski
koeficient lnVAIP. Pri tem je bila rast vplivnosti spremenljivke lnVAIPxlnVACA na ROE v
proučevanem obdobju bistveno nižja (+30%) kot pri lnVAIP (+64%). Sklepamo torej lahko,
da je neposreden in posreden121
vpliv učinkovitosti investiranja v IK na ROE v slovenskem
gospodarstvu v obdobju 1995-2008 pridobil na pomenu.
120
V Slika 20 so prikazana tudi obdobja svetovne gospodarske konjunkture in recesije, ki pa so zgolj
informativne narave, saj se vpliv ekonomskega cikla preliva skozi izkaze poslovanja podjetij. Konec poslovnega
leta namreč ne pomeni vedno konca ali začetka faze v cikličnem gibanju gospodarstva. Omenjena povezava bi
potrebovala bolj poglobljeno analizo, vendar povezava med učinkovitostjo investiranja v intelektualni potencial
podjetij in ekonomskim cikličnim gibanjem presega namen naše raziskave. 121
Posreden vpliv izkazuje interakcijski člen lnVAIPxlnVACA.
126
Slika 19: Prikaz gibanja regresijskih koeficientov lnVAIP in lnVACA (1995-2008)
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni, centrirani podatki
Slika 20: Gibanje regresijskih koeficientov v obdobju 1995-2008
*OLS regresijska metoda
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni, centrirani podatki
4.20 Povzetek rezultatov testiranja modificirane hipoteze
Osnovna raziskava povezave med učinkovitostjo investiranja v človeški kapital, strukturni
kapital in opredmetena sredstva ter uspešnostjo poslovanja slovenskih podjetij v obdobju
1995-2008, ki smo jo izvedli s pomočjo standardne VAIC metodologije, je povezave med
odvisno in pojasnjevalnimi spremenljivkami sicer potrdila z zelo visoko statistično
značilnostjo, a se je izkazana moč povezav izkazala kot ekonomsko nepomembna, kar zelo
0,00
0,50
1,00
1,50
2,00
2,50
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
Re
gre
sijs
ki k
oe
fici
en
t
Leto
βlnVAIP OLS
βlnVACA OLS
-0,50
0,00
0,50
1,00
1,50
2,00
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Re
gre
sijs
ki k
oe
fici
en
ti
Leto
βlnVAIP OLS
βlnVACA OLS
βlnVAIPxlnVACA OLS
βvelikost OLS
Recesija Recesija
127
omejuje praktično uporabno vrednost izsledkov raziskav. Glede na to, da so tudi podobne
raziskave, ki so jih raziskovalci izvedli v drugih ekonomskih okoljih, izkazovale mešane
rezultate, smo osnovni VAIC model nadgradili, pri čemer smo nadgrajevanje modela ustrezno
teoretično umestili in vsebinsko utemeljili.
V okviru prve nadgradnje osnovnega VAIC modela smo izhajali iz osnovnih načel
rezidualnih modelov vrednotenja IK, ki predpostavljajo, da podjetja ustvarjajo vrednost IK
samo ob predpostavki, da izkazujejo nadpovprečno uspešnost poslovanja. Da bi preverili to
povezavo, smo vsa podjetja razporedili v sektorje in jih v okviru sektorjev vsakem letu
rangirali za vsako odvisno in neodvisno spremenljivko posebej. V nadaljevanju raziskave smo
s pomočjo regresijskih modelov analizirali povezavo med rangom HCE, SCE in CEE ter
uspešnostjo poslovanja podjetij in odkrili, da obstaja visoka pojasnjevalna moč tovrstnega
modela. Ugotovili smo, da nadpovprečna učinkovitost (HCE, SCE in CEE) pogojuje
nadpovprečno uspešnost poslovanja in s tem ustvarja predpogoje za ustvarjanje vrednosti IK.
Tovrstne ugotovitve bomo uporabili v okviru namenskega znanstvenega pristopa.
V okviru druge nadgradnje osnovnega VAIC modela smo na osnovi teoretičnih dognanj Nove
teorije rasti in Zakona naraščajočih donosov spremenili teoretični okvir VAIC modela. V
okviru opredelitve spremenljivk smo se vrnili k prvotni različici VAIC modela, ki ga je avtor
Pulić predstavil l. 1998 in opustili njegovo delitev IK na človeški in strukturni kapital, ki jo je
predstavil v kasnejših različicah VAIC modela (Pulić, 2004). Z natančno analizo opredelitve
strukturnega kapitala kot jo izvaja Pulić (2004), smo ocenili, da je strukturni kapital
teoretično, vsebinsko in tehnično nedosledno opredeljen in kot tak težko predstavlja eno
izmed pojasnjevalnih spremenljivk modela, zato smo ga iz analize izločili in se vrnili k
prvotni različici VAIC modela. Spremenili smo tudi predpostavko VAIC modela, da je
povezava med učinkovitostjo investiranja v intelektualni potencial podjetij in učinkovitostjo
uporabe opredmetenih sredstev linearna. Predpostavili smo, da gre za multiplikativno obliko
povezave. Zaradi teoretično nezadostne utemeljenosti VAIC modela smo njegove temeljne
predpostavke v nadgradnji raziskave postavili v kontekst DuPontove identitete in ga s tem
umestili v bistveno močnejši teoretični okvir. Predpostavili smo, da učinkovitost
intelektualnega potenciala podjetja vpliva predvsem na ekonomičnost poslovanja podjetja,
zato smo člen OPM v DuPontovi identiteti nadomestili z zmnožkom pojasnjevalnih
spremenljivk VAIP in VACA. Pojasnjevalna moč nemodificirane DuPontove identitete mora
po definiciji biti popolna. S substitucijo OPM člena v DuPontovi identiteti z zmnožkom
spremenljivk VAIP in VAIC je pojasnjevalna moč modela nekoliko upadla, a je še vedno
bistveno višja od pojasnjevalne moči modela z izključenim OPM členom. Ker je v skladu s
predpostavkami Zakona o naraščajočih donosih donosnost kapitala eksponentna funkcija,
smo DuPontovo identiteto spremenili v logaritemsko funkcijo in s tem multiplikativne učinke
med spremenljivkami spremenili v aditivne. V skladu s teoretičnim izhodiščem, da so
posamezni elementi IK po svoji naravi inertni in da ne morejo ustvarjati vrednosti brez
prisotnosti človeškega kapitala, smo v model dodali interakcijski člen med obema glavnima
spremenljivkama lnVAIP in lnVACA. S tako razširjenim VAIC modelom smo modificirano
znanstveno hipotezo testirali s pomočjo korelacijske analize, OLS regresijske metode in
metode panelne regresije. Test modela smo naredili na celotni populaciji v obdobju 1995-
2008, nato pa še ločeno po sektorjih in velikostnih razredih podjetij. Zaradi bolj intuitivne
interpretacije rezultatov raziskav smo test izvedli na centriranih podatkih. Raziskava je
pokazala zelo visoko statistično značilnost modela in vseh regresijskih koeficientov, hkrati pa
sorazmerno časovno stabilno pojasnjevalno moč modela. Med vsemi pojasnjevalnimi
spremenljivkami je dominanten vpliv na donosnost kapitala izkazala učinkovitost investiranja
v intelektualni potencial podjetij. V zaključku raziskave smo izvedli še test trendnega gibanja
regresijskih koeficientov pojasnjevalnih spremenljivk v celotnem proučevanem obdobju. To
128
smo izvedli tako, da smo za vsako leto proučevanega obdobja naredili presečno analizo s
pomočjo OLS regresijske metode in opazovali spreminjanje vpliva regresijskih koeficientov
skozi čas. Izvedli smo tudi test vpliva pojasnjevalnih spremenljivk na odvisno spremenljivko s
časovnim zamikom enega do treh let. Test je pokazal, da obstaja statistično zelo visoka
značilna povezava, katere ekonomski pomen dokaj hitro upada. Še posebej je hiter upad
značilen za spremenljivko VAIP, katere vpliv na ROE se v je drugem in tretjem letu izkazal za
negativnega. Rezultati testa modela z vključenim časovnim zamikom neodvisnih
spremenljivk predstavljajo zgolj indikativne rezultate, ki niso neposredno primerljivi z
rezultati testa našega osnovnega modela. Model z vključenimi časovnimi zamiki potrebuje
nadaljnjo konceptualno in teoretično razširitev in nadgradnjo.
S pomočjo testov, ki smo jih izvedli na vzorcu slovenskih podjetij v obdobju 1995-2008 s
pomočjo razširjenega VAIC modela, lahko postavimo sklep, da lahko na podlagi empirične
raziskave potrdimo hipotezo (H5), ki predpostavlja, da učinkovitost investiranja v IK v
podjetjih pozitivno vpliva na donosnost njihovega kapitala.
5. UČINKOVITOST INVESTIRANJA V IK KOT VODILNI
INDIKATOR FINANČNE USPEŠNOSTI POSLOVANJA
PODJETIJ
5.1 Cilj namenskega dela raziskave
Ambicija namenskega dela raziskovanja je predvsem konceptualne narave. Na osnovi
izsledkov pojasnjevalnega dela raziskave želimo neodvisne spremenljive, za katere smo
ugotovili, da do določene mere pojasnjujejo variabilnost uspešnosti poslovanja podjetij,
postaviti v kontekst, ki nam bo omogočal presojati sposobnost podjetja, da ustvarja notranjo
vrednost IK. Poleg tega nas bo zanimala tudi vzdržnost te sposobnosti, ki pa jo bomo v tej fazi
raziskovanja presojali subjektivno in hevristično. Nova teorija rasti to sposobnost podjetij oz.
njihovega intelektualnega potenciala imenuje adaptacijska sposobnost. Ocenjevanje
vrednosti podjetij s pomočjo metod sedanje vrednosti bodočih koristi temelji na ocenjenih
projekcijah teh koristi v prihodnosti. Ocenjevalci vrednosti so pri teh metodah ocenjevanja v
veliki meri izpostavljeni podobnim izzivom kot investitorji na trgu kapitala. Podobno kot
investitorji se v veliki meri soočajo s fenomenom sodobnega podjetja kot »črne škatle«, iz
katere ni vselej moč razbrati, kako podjetja ustvarjajo vrednost. Še večja dilema s katero se
soočajo ocenjevalci je, ali je proces ustvarjanja vrednosti v podjetju dolgoročno vzdržen in
kakšna so tveganja povezana s tem procesom. Ker je prihodnost negotova in je ni možno
napovedovati z gotovostjo, nam ostane zgolj možnost identifikacije vodilnih indikatorjev in
(za enkrat) subjektivna presoja njihove sporočilne vrednosti. Vloga vodilnih indikatorjev ni v
natančnem napovedovanju prihodnosti. Ti indikatorji podajajo informacijo o pretekli
adaptacijski učinkovitosti podjetij ter o stanju intelektualnega potenciala podjetja, ki bo,
zaradi učinka odvisnosti od poti, do določene mere vplival na poslovanje podjetja v bližnji
prihodnosti. Pri tem imamo v mislih predvsem na poslovanje podjetja in njegovo uspešnost v
primerjavi s primerjalno skupino podjetij.
129
Slika 21: Razmerje med pojasnjevalnim in namenskim pristopom pri raziskovanju IK
Vir: Podatkovna baza AJPES 1995-2008, lastni izračuni
V okviru pojasnjevalnega dela raziskave smo testirali znanstveno verodostojnost VAIC
modela na vzorcu slovenskih podjetij v obdobju 1995-2008. Na osnovi rezultatov empirične
raziskave ter teoretične in vsebinske presoje modela smo model nadgradili in modificirali ter
ga ponovno empirično testirali. Ključne ugotovitve dosedanjega pojasnjevalnega dela
raziskovanja, ki nam bodo služile kot vložek v namenski del raziskovanja, so:
S pomočjo Nove teorije rasti in Zakona naraščajočih donosov nadgrajen teoretični
okvir VAIC modela ter empirični rezultati testa nadgrajenega modela so potrdili našo
modificirano znanstveno hipotezo (H5), ki predpostavlja, da učinkovitost investiranja
v IK v podjetjih vpliva na donosnost njihovega kapitala. Ugotovili smo tudi, da je
vpliv IK na uspešnost poslovanja močnejši od vpliva učinkovitosti investiranja v
opredmetena sredstva. Potrditev te hipoteze nam nudi osnovo, da bomo izsledke
raziskave uporabili kot vložek v namenski del raziskovanja.
Argumentirano smo ovrgli razširitev VAIC modela v smeri delitve intelektualnega
potenciala podjetja (IP) na strukturni kapital in človeški kapital, ki jo je izvedel Pulić
(2004), ter se vrnili k osnovni izpeljanki modela, ki temelji na učinkovitosti
investiranja v intelektualni potencial (VAIP) ter na učinkovitosti investiranja v finančni
in fizični kapital (VACA).
VAIC model smo testirali v okviru logike rezidualnih modelov vrednotenja, ki
predpostavljajo, da je obstoj IK povezan z nadpovprečno uspešnostjo poslovanja. Da
bi lahko ocenili povezavo med posledico (uspešnost poslovanja) in vzrokom
(učinkovitost investiranja v IP), smo v empiričnem delu raziskave izvedli test, kjer
smo populacijo opazovanih podjetij najprej segmentirali v sektorje in hkrati za vsako
leto v okviru posameznega sektorja izvedli rangiranje vseh spremenljivk. Empirični
test je potrdil našo hipotezo, da obstaja močna pozitivna povezava med spremembo
130
ranga učinkovitosti investiranja v IK ter spremembo ranga uspešnosti poslovanja
znotraj primerjalne skupine podjetij (sektorja).
S temi izsledki smo zagotovili dve osnovni predpostavki, ki jim mora po naši oceni zadoščati
sistem vodilnih indikatorjev, ki ga želimo konceptualizirati:
Temeljiti mora na empirično potrjenih in objektivnih kazalnikih procesa ustvarjanja
vrednosti v podjetju. V našem primeru proces ustvarjanja vrednosti indiciramo s
pomočjo učinkovitosti investiranja v intelektualni potencial podjetij.
Empirično potrjeno in objektivno mora izkazovati sposobnost zaposlenih v podjetju,
da ustvarjajo vrednost. To sposobnost smo v dosedanjih raziskavah ugotabljali na dva
načina. Najprej smo potrdili povezavo med učinkovitostjo investiranja v intelektualni
potencial podjetij ter uspešnostjo poslovanja. A tovrstna povezava sama po sebi še ne
indicira prisotnosti IK v podjetju. Temelječ na logiki rezidualnih modelov
vrednotenja podjetij smo prisotnost IK v podjetju vezali na nadpovprečno učinkovitost
investiranja v intelektualni potencial podjetij, ki močno korelira z nadpovprečno
uspešnostjo poslovanja podjetij, merjeno z ROE. Nadpovprečna učinkovitost
investiranja v intelektualni potencial podjetja nam torej lahko služi kot indikator
prisotnosti IK v podjetju.
V namenskem delu raziskovanja bomo poskušali izvesti to, kar je Butterfield (1949) opisal
kot proces raziskovanja, v okviru katerega množico že poznanih dejstev postavimo v čisto
nove povezave ter s tem vzpostavimo popolnoma nov okvir razmišljanja in raziskovanja.
5.2 Človeški možgani kot omejitveni dejavnik pri načrtovanju
Preden se lotimo konceptualizacije vodilnih indikatorjev finančne uspešnosti poslovanja
podjetij, si najprej poglejmo nekatere omejitve, s katerimi se soočamo, kadar se lotimo
finančnega načrtovanja. Ključne omejitve na tem področju so vezane predvsem na človekovo
evolucijsko omejeno sposobnost razmišljanja o daljni prihodnosti. To so omejitve, ki vplivajo
na natančnost našega načrtovanja in ki jih je do določene mere možno omiliti z uvajanjem
koncepta vodilnih indikatorjev.
5.2.1 Prevara vstavljanja
Ena izmed ključnih razlik med človekom in ostalimi živalskimi vrstami je človekova
sposobnost, da razmišlja o svoji dolgoročni prihodnosti. Človeški možgani imajo unikatno
sposobnost, da si lahko svet predstavljajo, ne zgolj takšnega kakršen je niti ne takšnega
kakršen je bil, temveč takšnega kakršen bo nekoč lahko postal (Gilbert, 2006). Človeški
možgani so sposobni ustvariti podobo o stvareh in dogodkih, ki dejansko ne obstajajo in to je
ena izmed ključnih sposobnosti, ki nam omogoča, da razmišljamo o prihodnosti (Haith,
1997). Človeški možgani predstavljajo »stroj za predvidevanje« in »ustvarjanje prihodnosti«.
Paleontologi ocenjujejo, da se je ta sposobnost človeških možganov razvila v zadnjih treh
milijonih let, kar je, z vidika celotneg obdobja njihovega razvoja, sorazmerno kratko obdobje.
Hiter razvoj človeških možganov je spremljala hkratna podvojitev njihovega volumna in teže
- vse to v pičlem milijonu let. Večina pridobljene teže gre na račun čelnega režnja, ki
131
predstavlja ključen del našega cerebralnega ustroja. Ta del možganov nam omogoča, da smo
se sposobni projicirati v prihodnost (Banyas, 1999). Čelni reženj predstavlja naš osebni
»časovni stroj«. Kadar ljudje razmišljajo o prihodnosti, se v prihodnosti večinoma vidijo
uspešnejše kot so danes in to jim predstavlja veliko uteho in zadovoljstvo. Razmišljanje o
prihodnosti človeka torej osrečuje. Znanstveniki so ugotovili, da kadar razmišljamo o
prihodnosti, sistematično precenjujemo verjetnost, da se bodo zamišljeni dogodki dejansko
uresničili in podcenjujemo verjetnost uresničevanja dogodkov, ki jih v naše razmišljanje o
prihodnosti ne vključujemo. O prihodnosti poskušamo razmišljati, da bi jo lahko
napovedovali, napovedovati pa jo želimo, ker jo hočemo kontrolirati. Naši možgani želijo
obvladovati doživljaje, za katere pričakujemo, da se bodo zgodili (Gilbert, 2006). Prirojena
želja po kontroli je tako močna in občutek, da imamo stvari pod kontrolo nudi takšno
zadovoljstvo, da včasih živimo v iluziji, da lahko kontroliramo stvari, ki jih dejansko nismo
sposobni kontrolirati. Domišljija, ki človeku ustvarja sliko prihodnosti, ima veliko
pomanjkljivost. Izjemno težko nam pričara sliko prihodnosti, ki je bistveno drugačna od slike
sedanjosti (Oettingen in Mayer, 2002). Slika prihodnosti je hudo obremenjena z našimi
občutki, počutjem in vplivi okolice, ki smo jim podvrženi v trenutku, ko razmišljamo o
prihodnosti. Ko si človek predstavlja nek dogodek ali stvar v prihodnosti, si jo vizualizira in ta
vizualizacija v možganih neposredno spodbudi center za občutja, ki pričara identičen občutke,
kot da dogodek ali stvar dejansko vidimo oz. doživljamo (Weinstein, 1980). Ko izvajamo
proces načrtovanja, dejansko vizualiziramo pričakovane dogodke v naši domišljiji, hkrati pa
opazujemo občutke, ki se vizualiziranim podobam pridružijo. Do določene mere smo pri
finančnem načrtovanju ujetniki prostora, časa in okoliščin v katerih živi in načrtuje (Dass,
1971). Naši poskusi, da bi z našo domišljijo transcedentirali te omejitve, so v večini primerov
neuspešni (Gilbert, 2006).
Domišljija je orodje, ki človeku omogoča, da ustvarja nove podobe iz »ničesar«, ima pa svoje
pomanjkljivosti. Najboljši način, da prikažemo pomanjkljivosti domišljije je, da prikažemo
pomanjkljivosti pomnjenja kot orodja, ki nam omogoča, da vidimo preteklost. Vzroki, ki
povzročijo, da si pomanjkljivo zapomnimo pretekle dogodke, so isti kot vzroki, ki povzročajo,
da si napačno predstavljamo prihodnost. Možgani neprestano memorirajo milijone informacij,
povezanih z okoljem, ki nas obdaja in jih beležijo v spominu. Ker je sposobnost shranjevanja
doživetega omejena, možgani pri shranjevanju teh podob uporabljajo preproste trike. Preden
se dogodki zabeležijo v spomin, jih možgani zreducirajo na nekaj najpomembnejših detajlov
(Jason, 1989). Ko se poskušamo spomniti dogodka, možgani proizvedejo množico informacij,
ki jih zaznamo kot spomin. To se zgodi tako hitro in brez težav, da živimo v iluziji, da so vse
te informacije, ki smo jih priklicali iz spomina, vseskozi bile shranjene v naših glavah. V
splošnem velja, da informacije, ki smo jih pridobili po dogodku, vplivajo na naše pomnjenje
dogodka. Spominjanje dogodkov iz preteklosti ima torej dve ključni značilnosti. Prvič,
spomin na dogodek povzroči polnjenje spomina z detajli, ki se sploh niso zgodili. Drugič,
polnjenje spomina z detajli se zgodi tako hitro in nezavedno, da se sploh ne zavedamo, kdaj se
nam to zgodi (Dass, 1971). Ta pojav vstavljanja sedanjosti v priklicane podobe iz spomina
imenujemo prevara vstavljanja (ang. »filling-in trick«) (Tulving, 1985). Napaka, ki jo delamo,
ko brez dvoma kot resnične sprejmemo naše spomine, kljub temu, da so jih možgani napolnili
z detajli, ki se niso zgodili, je identična napaki, ki jo delamo, ko razmišljamo o prihodnosti.
5.2.2 »Prezentizem« in pravilo »najprej realnost«
Ljudje smo nagnjeni k temu, da zanemarjamo odsotne podrobnosti, ko razmišljamo o
preteklosti, sedanjosti ali pa o prihodnosti. Ko razmišljamo o prihodnosti, imamo občutek, da
se bodo detajli, ki si jih domišljamo, tudi dejansko zgodili, hkrati pa delujemo, kot da se
detajli, ki si jih neposredno ne predstavljamo in so v naših predstavah odsotni, dejansko ne
132
bodo zgodili. Tako kot nismo sposobni oceniti, koliko detajlov so v naše razmišljanje vrinili
možgani, nismo sposobni oceniti, koliko detajlov so možgani izpustili (Gilbert, 2006). Ko
razmišljamo o prihodnosti torej ogromno stvari manjka in to stvari, ki so za to, kaj se bo
zgodilo, zelo pomembne.
Ko možgani polnijo spominske luknje koncepta preteklih in prihodnjih dogodkov, je
material, ki ga za to uporabljajo – sedanjost. Ko interpretiramo našo preteklost, je
interpretacija tega, kaj smo delali in kako smo razmišljali takrat, zelo odvisna od tega, o čem
razmišljamo danes. Podobno velja za razmišljanje o prihodnosti, ki dejansko predstavlja eno
samo vstavljanje spominov. Ko razmišljamo o prihodnosti, ne razmišljamo o njej kot o
izkušnji, temveč kot o anticipiranem spominu (Oettingen in Mayer, 2002).
Ključna pomanjkljivost tega sistema razmišljanja o prihodnosti je, da isti proces obdeluje
dejanske vizualne signale in mentalne signale, pri čemer možgani niso sposobni sprocesirati
obeh signalov hkrati. V tem primeru velja pravilo »najprej realnost« (ang. »reality first
rule«). Možgani vedno najprej obdelajo signale iz sedanjosti na račun mentalnih signalov. Pri
tem pogosto prihaja do mešanja »občutkov« in »predobčutkov«, kar ima vpliv na to, kako
»vidimo« prihodnost. Ljudje se težko počutijo dobro, ko razmišljajo o prihodnosti, če so
njihovi možgani obremenjeni z slabimi občutki iz sedanjosti. Kadar v takšni situaciji
razmišljamo o prihodnosti, se zaradi pravila najprej realnost pogosto zgodi, da je vzrok
negativnih občutkov sedanjost, čeprav negativne občutke, ki nas obdajajo, pripisujemo
prihodnjim dogodkom. Dejstvo, da proces percepcije sedanjosti in umišljanja prihodnosti
potekata na isti platformi, pripelje do tega, da pogosto mešamo percepcijo, kateri od obeh
procesov je ravno v teku. Aranžma časovnega zakupa možganov, ki ga izvajata sedanjost in
prihodnost, je eden izmed najpomembnejših vzrokov prezentizma (Singer, 1981).
Navedene ugotovitve s področja psihologije in kognitivne znanosti lahko prenesemo na
področje finančnega načrtovanja. Ocenjevanje IK je dolgoročni in dinamični koncept,
katerega vrednost temelji na ustvarjanju koristi danes in v dolgoročnejši prihodnosti. Koncept
IK je torej vedno vezan na prihodnost, prihodnost pa na našo sposobnost finančnega
načrtovanja in na vse opisane omejitve s katerimi se pri vizualizaciji prihodnosti soočamo.
Naša sposobnost miselnega obvladovanja prihodnosti je evolucijsko omejena in podvržena
mnogim vedenjskim pristranskostim. »Objektivna« napoved prihodnje uspešnosti poslovanja
podjetij in s tem povezana »objektivna« ocena vrednosti IK torej ne obstaja.122
Finančno
načrtovanje je vedno interakcija psiholoških značilnosti načrtovalca, realne strukture sveta ter
socialnega okolja, v katerem analitik deluje (Porter, 1995). Da bi čim bolj nevtralizirali
subjektivni vpliv vedenjskih pristranskosti v okviru procesa finančnega načrtovanja, je bil
razvit koncept vodilnih (ang. »leading«), trenutnih (ang. »coincident«) ter zakasnitvenih (ang.
»lagging«) ekonomskih indikatorjev. Ta koncept je pretežno vezan na makroekonomsko
področje, a ga lahko s pridom uporabimo tudi na podjetniški ravni. Cilj vodilnih indikatorjev
ni v natančnem napovedovanju prihodnosti. Vodilni indikatorji lahko služijo predvsem kot
dodatna informacija, ki objektivno kaže na obstoječo adaptacijsko sposobnost intelektualnega
potenciala v podjetju in nam zaradi učinka odvisnosti od poti kaže, kakšen bo najverjetnejši
primerjalni položaj podjetja v primerjavi s konkurenti v bližnji prihodnosti. Seveda se lahko
relativni položaj podjetja dokaj hitro spremeni. A ta sprememba ne bo prišla sama po sebi, kot
je to pogosto predpostavljeno v finančnih načrtih. Bistvene spremembe so najpogosteje
pogojene z bistvenimi spremembami v intelektualnem potencialu podjetij. Če torej v okviru
finančnega načrta analitik predvideva bistveno spremembo relativne uspešnosti poslovanja
122
V mislih imamo neopredeljiva neopredmetena sredstva, za katere ne obstaja popoln trg kot možni
mehanizem, na katerem se oblikuje »objektivna« oz. ravnotežna cena.
133
podjetja, mora to bistveno spremembo dodobra argumentirati s spremembo intelektualnega
potenciala podjetja, ki bo to spremembo omogočil. Gre za hkratno vizualizacijo vzroka in
posledice. V nasprotnem primeru lahko pričakujemo, da bo v podjetju prevladal učinek
odvisnosti od poti. Vloga vodilnega indikatorja je torej v tem, da analitiku daje informacijo o
objektivnih omejitvah, s katerimi se bo na področju lastnega intelektualnega potenciala
podjetje srečevalo v bližnji prihodnosti.
V nadaljevanju bomo na kratko predstavili koncept vodilnih, trenutnih in zakasnitvenih
indikatorjev ter ga postavili v kontekst ciljev, ki smo si jih zastavili v okviru namenskega dela
naše raziskave.
5.3 Koncept vodilnih, trenutnih in zakasnitvenih indikatorjev
Želja po odkritju orodja, s katerim bi lahko napovedovali obrate ekonomskega cikla na
področju makroekonomije, je stara vsaj toliko kot je staro proučevanje makroekonomskih
pojavov (Achutan in Banjeri, 2004). To je, glede na posledice, ki jih ima ciklično gibanje
ekonomije na življenjsko raven prebivalstva in uspešnost poslovanja podjetij, tudi
razumljivo. Metodologij za spremljavo in napovedovanje makroekonomskih gibanj je kar
nekaj. Na tem mestu bomo predstavili koncept vodilnih indikatorjev, ki po svoji vsebini
ustreza ciljem, ki smo si jih zastavili.
Za napovedovanje obratov ekonomskega cikla je bil razvita metodologija vodilnih, trenutnih
in zakasnitvenih indikatorjev. To so kompozitni indeksi, sestavljeni iz makroekonomskih
kazalnikov, ki poskušajo na enoznačen način orisati stanje v ekonomiji. Kompozit zajema
indikatorje s področja prodaje, proizvodnje, zaposlenosti in potrošnje. Osnovna prednost
indikatorjev združenih v kompozit je, da zmanjšujejo možnost, ki je prisotna pri posameznih
indikatorjih, to je, da lahko v določenih obdobjih posamezni indikatorji dajejo napačne
informacije o prihodnosti. Metodologija kompozitnih indikatorjev je široko uporabljana
Uporablja jo tudi OECD za namen načrtovanja makroekonomske aktivnosti po posameznih
državah ali ekonomskih področjih. Razvite so bile tri skupine makroekonomskih
indikatorjev, ki se po sporočilni vrednosti medsebojno dopolnjujejo, vse tri pa so sestavljene
iz kazalnikov, ki indicirajo dogajanje na področju prodaje, proizvodnje, zaposlenosti in
potrošnje. Ti indikatorji imajo močno sporočilno vrednost predvsem na obratih ekonomskega
cikla. Njihova prednost je, da obrate ekonomskega cikla lahko pravočasno napovejo, zaznajo
in kasneje tudi potrdijo. Poznamo več vrst indikatorjev (dolgoročne, kratkoročne…). Na tem
mestu bomo, zaradi poenostavitve, obravnavali zgolj kratkoročne.
Vodilni indikatorji. So kazalniki, katerih ključna sposobnost je, da združeni v kompozitu
lahko z visoko stopnjo verjetnosti napovejo, kakšna bo smer razvoja konomije v naslednjih
treh do šestih mesecih (Achutan in Banjeri, 2004). Tipičen vodilni indikator je npr. število
novih naročil, ki kaže, kaj se bo na področju proizvodnje in prodaje dogajalo v prihodnjih
obdobjih.
Trenutni indikatorji. So kazalniki, ki indicirajo, kakšno je trenutno stanje v ekonomiji. V
svojem gibanju zaostajajo za vodilnimi indikatorji za 3-6 mesecev. Njihova sporočilna
vrednost je v potrditvi tega, kar so predhodno napovedovali vodilni indikatorji. Tipičen
trenutni indikator je npr. stopnja brezposelnosti, ki kaže, kakšno je trenutno stanje
brezposelnosti v gospodarstvu, nič pa ne pove o tem, kaj se bo z brezposelnostjo dogajalo v
naslednjih obdobjih.
134
Zakasnitveni indikatorji. S kazalniki, ki kažejo, ali je bila napoved vodilnih indikatorjev in
potrditev trenutnih indikatorjev dejansko pravilna. Predstavljajo neke vrste pečat na
sporočilno vrednost prvih dveh skupin indikatorjev. Kažejo namreč, kaj se je v ekonomiji
dogajalo v zadnjih treh mesecih. Tipičen primer zakasnitvenih indikatorjev je izkazan dobiček
podjetij. Le ta nam pove, kaj se je v podjetju dogajalo v preteklosti, nič pa nam ne pove o
tem, kaj se dogaja v podjetju danes, še manj pa o tem, kaj se bo v podjetju dogajalo v
prihodnosti.
5.4 Koncept učinkovitost investiranja v intelektualni potencial podjetja v
kontekstu Nove teorije rasti in Evolucijske teorije ekonomskih
sprememb
V kratki opredelitvi posameznih skupin indikatorjev smo zapisali, da je finančna uspešnost
poslovanja, ki jo razberemo iz preteklih finančnih izkazov poslovanja podjetja, po svoji
vsebini zakasnitveni indikator. Pove nam, kakšen je bil poslovni rezultat podjetja v
preteklosti, pri čemer nam sama po sebi ne nudi nobene informacije o tem, kakšna bo
uspešnost poslovanja podjetja v prihodnjih letih. Pojavlja se torej vprašanje, ali so finančni
podatki iz preteklih računovodskih izkazov poslovanja sploh primerni za konstruiranje
vodilnih indikatorjev? Odgovor je da in ne. Odgovor »ne« izhaja iz neoklasičnega pogleda na
podjetje in njegove pretekle izkaze poslovanja. V okviru tega pogleda predstavljajo pretekli
izkazi poslovanja zgolj skupek preteklih prihodkov, stroškov sredstev in obveznosti podjetja.
Razliko med prihodki in stroški predstavlja dobiček, razliko med sredstvi in obveznostmi pa
kapital podjetja. Če pretekle izkaze poslovanja podjetja pojmujemo izključno na način, kot so
bili s strani računovodske teorije in prakse dejansko zamišljeni, potem nam ne nudijo
praktično nobene informacije o tem, kako bo podjetje poslovalo v prihodnje. Če pa
posameznim postavkam iz izkazov poslovanja podjetja damo novo vlogo in jih prepoznamo
ter interpretiramo tudi kot indikatorje nematerializiranega produkcijskega faktorja znanja, se
odprejo nove dimenzije njihove sporočilne vrednosti. Ta sporočilna vrednost je lahko deloma
povezana tudi s prihodnjim poslovanjem podjetja oz. bolje rečeno, s sposobnostjo podjetja da
obvladuje pričakovane ali nepričakovane prihodnje dogodke. Ena izmed ključnih prednosti
modela VAIC je ravno njegova sposobnost povezovanja računovodstva in nematerialnih gonil
vrednosti. V preteklih poglavjih smo sicer ugotavljali, da je ta povezava daleč od idealne, a je
hkrati ena izmed redkih, ki je v obstoječih doktrinah financ, računovodstva in kontrolinga
sploh na razpolago. Tudi ostali modeli in metode ocenjevanja in vrednotenja IK, ki so se v
svojem razvoju bistveno bolj odmaknili od računovodstva kot model VAIC, imajo izrazite
pomanjkljivosti. Njihova uporabnost za napovedovanje prihodnje uspešnosti poslovanja je
podvržena še dodatni pomanjkljivosti, ki jo je model VAIC uspel preseči. Manjka jim namreč
skupni imenovalec, s pomočjo katerega bi indikatorje IK v podjetjih lahko naredili za
neposredno primerljive. Brez neposredne primerljivosti indikatorjev IK pa pri obstoječi
doktrini ocenjevanja vrednosti podjetij (predhodno predstavljeni rezidualni modeli
ocenjevanja vrednosti) ni možno izvesti objektiviziranega procesa merjenja in ocenjevanja
IK.
Pri opredeljevanju učinkovitosti investiranja v intelektualni potencial podjetij kot vodilni
indikator uspešnosti poslovanja podjetij se bom ponovno naslonili na Novo teorijo rasti.
Nova teorija rasti predpostavlja, da znanje ustvarja prihodnjo rast. Ekonomski procesi, ki
ustvarjajo in širijo znanje v podjetju, so hkrati tisti procesi, ki so ključnega pomena za
ustvarjanje prihodnje rasti (Romer, 1993). Ti procesi so v večini primerov endogene narave.
Prihodnja uspešnost poslovanja podjetja se torej ne zgolj »zgodi«, temveč je posledica
uspešnosti, učinkovitosti, vzdržnosti in sistematične podpore tem endogenim procesom v
135
preteklosti. Ti endogeni ekonomski procesi so pod stalnim vplivom eksogenih dejavnikov
poslovanja. Dolgoročna sposobnost »preživetja« endogenih procesov se izkazuje tudi v
uspešnosti poslovanja podjetja. A uspešnosti poslovanja ne smemo razumeti zgolj absolutno.
Postaviti jo moramo v kontekst uspešnosti poslovanja podobnih podjetij, ki delujejo v
podobnem ekonomskem okolju s podobnimi vplivi eksogenih dejavnikov na njihovo
poslovanje. Nova teorija rasti utemeljuje, da naraščajoči donosi, povezani z znanjem,
ustvarjajo učinek odvisnosti od poti. To pomeni, da je prihodnji razvoj dogodkov veliki meri
omejen in odvisen od dogajanja v preteklosti. Gre za evolucijski pogled na razvoj ekonomije,
ki ni linearen in gladek, temveč je včasih podvržen tudi sunkovitim spremembam, ko nove
ideje in tehnologije zamenjajo stare v procesu kreativne destrukcije (Cortright, 2001). Kaj bo
jutri z uspešnostjo poslovanja podjetja, torej ni neodvisno od tega, kaj se je v podjetju
dogajalo v preteklosti. Pri uspešnih podjetjih s poudarjeno prisotnostjo IK imamo opravka s
t.i. učinkom sistematičnega zaklepanja (ang. »lock-in«) intelektualnega potenciala v podjetju,
ki se bo najverjetneje odrazil v novi rasti v naslednjih letih. Tovrsten pogled na povezavo
preteklosti in prihodnosti je zelo podoben Nonakini spirali znanja (Nonaka in Takeuchi,
1995). Podjetja poskušajo maksimizirati svojo vrednost z ponavljanjem uspešnih vzorcev
delovanja v preteklosti do trenutka, ko se ti izkažejo za neuspešne. Ko se pretekli vzorci
delovanja izkažejo za neuspešne ali pojemajoče uspešne, poskušajo podjetja razvijati
alternative predvsem na osnovi svojih preteklih izkušenj. Tovrstno obnašanje podjetij je v
teoriji poznano kot organizacijska inertnost (Nelson, 1982) in sodi med koncepte, ki so jih v
raziskovanje ekonomskih pojavov uvedli zagovorniki evolucijske teorije ekonomskih
sprememb. Podjetja spreminjajo svoje ravnanje šele takrat, ko se pretekli vzorci izkažejo za
neuspešne. Na tej točki nekatera podjetja niso sposobna narediti spremembe v svojem
obnašanju. Takšna podjetja zaidejo v krizo in v skrajnem primeru celo propadejo.
Zagovorniki evolucijske teorije sprememb enačijo te obstoječe rutine in postopke z
»genetskim materialom« podjetij, trg pa s selektivnim mehanizmom, ki skozi čas selekcionira
podjetja na način, da preživijo zgolj tista, ki imajo najbolj učinkovit »DNA zapis« (Cortright,
2001). Ker je v razvoju podjetij prisoten učinek odvisnosti od poti, in ker prihodnosti ni
možno natančno napovedovati, je ključ do uspeha podjetij, da razvijejo ustrezno adaptivno
učinkovitost, ki je za uspešen dolgoročni razvoj podjetja bistveno bolj pomembna kakor
sposobnost optimizacije (Arthur, 1989). Romer (1993) proces optimizacije vidi kot proces, ki
hitro doseže svojo zgornjo mejo, preko katere podjetja ne morejo. Edini način, da podjetja
izboljšajo svojo uspešnost, je, da spremenijo način, na katerega so do tedaj delovala.
Sprememba načina delovanja se pogosto odrazi v kratkoročnem poslabšanju rezultatov
poslovanja.
5.5 Kazalnik RIP kot vodilni indikator prihodnje uspešnosti poslovanja
podjetij
V nadaljevanju bomo predstavili koncept kazalnika RIP. Kratica RIP predstavlja okrajšavo za
relativni intelektualni potencial podjetja (ang. »Relative Intellectual Potential«), ki ga bomo
izvedli iz kazalnika VAIP.
5.5.1 Teoretična umeščenost kazalnika RIP
Če poskušamo združiti osnovno filozofijo VAIC modela in opisana spoznanja Nove teorije
rasti in Evolucijske teorije ekonomskih sprememb, lahko dobi učinkovitost investiranja v
intelektualni potencial podjetja povsem drugačno vsebino. Ne odraža zgolj pretekle
produktivnosti zaposlenih, temveč nam lahko služi tudi kot vodilni indikator bodoče rasti in
razvoja podjetja. Izhajamo iz tega, da prihodnosti ni možno natančno napovedati. Tudi naš cilj
136
ni, da bi razvili vodilni indikator, s pomočjo katerega bi lahko natančno napovedovali
prihodnost. Cilj, ki smo si ga zadali, je, da predstavimo indikator, ki nam bo omogočal boljše
razumevanje sposobnosti podjetja, da se v prihodnosti sooči z novimi izzivi. Pri tem nimamo
v mislih absolutne sposobnosti, temveč relativno sposobnost podjetja. To pomeni sposobnost
podjetja v primerjavi s primerjalno skupino podjetij, ki delujejo v isti dejavnosti, si
medsebojno konkurirajo in se soočajo z enakimi eksternimi izzivi.
Izhajamo iz ugotovitve naše empirične raziskave izvedene na nadgrajenem VAIC modelu, da
učinkovitost investiranja v intelektualni potencial podjetij pomembno pozitivno vpliva
uspešnost poslovanja podjetij ter da sprememba v rangu učinkovitosti tovrstnega investiranja
močno vpliva na spremembo v rangu uspešnosti poslovanja podjetja znotraj skupine
primerljivih podjetij. V okviru razširjenega modela VAIC smo sicer naredili korak nazaj k
osnovni različici modela in izločili indikator strukturnega kapitala podjetja, a lahko iz same
verige vrednosti modernega podjetja in iz spoznanja o inertnosti posameznih sestavin IK
predpostavimo, da so v indikatorju učinkovitosti intelektualnega potenciala podjetja zajete vse
tri sestavine IK (človeški kapital, strukturni kapital ter kapital povezave s kupci). Imamo torej
razvit koncept, ki nam kaže, kako uspešno (absolutno in primerjalno) podjetje svoj
intelektualni potencial spreminja v finančno uspešnost. Če hkrati izhajamo iz tega, da za
podjetja veljajo naslednji učinki: učinek odvisnosti od poti, učinek sistematičnega zaklepanja,
učinek organizacijske inertnosti ter učinek adaptivne sposobnosti, potem lahko kazalnik
učinkovitosti investiranja v intelektualni potencial podjetij postavimo v kontekst vodilnih
indikatorjev. Omenili smo, da se rast podjetja v prihodnosti ne zgolj »zgodi«, temveč je
odvisna in deloma omejena s tem, kaj se je v podjetju dogajalo v preteklosti (učinek
odvisnosti od poti). Časovna vrsta indikatorjev učinkovitosti investiranja v intelektualni
kapital podjetja (VAIP) nam lahko služi kot indikacija, kakšna je bila pretekla učinkovitost
podjetja pri transformiranju intelektualnega potenciala. Če ta kazalnik postavimo v kontekst
primerjalne skupine podjetij s pomočjo rangiranja (ang. »peer group«), potem nam pokaže,
kakšna je bila relativna učinkovitost te transformacije v primerjavi s primerljivimi podjetji v
daljšem obdobju. Omenjeni kazalnik, izračunan za daljše obdobje, nam torej lahko predstavlja
informacijo o sposobnosti podjetja za sistematično zaklepanje dobrih praks in znanja
(strukturni kapital), učinkovitost investiranja v intelektualnega potenciala podjetja (človeški
kapital in posredno kapital kupcev) ter učinek organizacijske inertnosti (strukturni kapital) na
eni in adaptivne sposobnosti (človeški kapital) podjetja na drugi strani. Vse to so informacije,
ki nam jih lahko nudi časovna vrsta VAIP kazalnika. A že večkrat smo poudarili, da je IK
primerjalni koncept. Zato je potrebno VAIP kazalnik iz absolutnega kazalnika transformirati v
relativni kazalnik. V nadaljevanju bomo relativni VAIP kazalnik poimenovali RIP. Pri tem
bomo uporabili sistem transformacije, ki smo ga predstavili v okviru raziskave rangiranih
podatkov, hkrati pa ga bomo nadgradili z nadaljnjo transformacijo v relativni rang (postopek
izračunavanja RIP bomo natančneje opredelili v nadaljevanju). Dodatno k VAIP kazalniku
nam RIP kazalnik podaja informacijo o relativni sposobnosti podjetja pri sistematičnem
zaklepanju dobrih praks, organizacijski inertnosti, učinkovitosti investiranja v IP in adaptivni
sposobnosti. Kaže nam, kako je bilo podjetje na teh področjih v preteklosti uspešno in
učinkovito v primerjavi s primerljivimi podjetji. Če je skupina primerljivih podjetij ustrezno
sestavljena in če so izpolnjeni še določeni drugi pogoji,123
nam kazalnik RIP služi kot
indikator prisotnosti IK v podjetju. Če hkrati velja zakonitost odvisnosti od poti, ki pravi, da
se razvoj in uspešnost podjetja v prihodnosti ne bo kar »zgodila«, potem nam časovna vrsta
RIP kazalnika lahko služi kot vodilni indikator, s kakšno primerjalno sposobnostjo bo podjetje
v primerjavi s konkurenti operiralo v prihodnosti. Poglejmo si idealizirano interpretacijo RIP
123
O teh pogojih bomo več povedali v nadaljevanju v okviru opisa metodologije izračuna in uporabe RIP
kazalnika.
137
kazalnika. Če kazalnik RIP izkazuje, da je podjetje v preteklosti nadpovprečno učinkovito
investiralo v IP (izkazovalo je nadpovprečno adaptacijsko sposobnost) in hkrati kaže na to, da
je ta učinkovitost vzdržljiva v daljšem časovnem obdobju, potem je to lahko indikacija, da
ima podjetje nadpovprečni intelektualni potencial (človeški kapital), nadpovprečno razvito
sposobnost zaklepanja znanja ter učinkovito organizacijsko inertnost (strukturni kapital), ki jo
je v veliki meri sposobno unovčiti na trgu (kapital odnosov s kupci). Hkrati kaže na
nadpovprečno adaptivno sposobnost podjetja, ki mu omogoča, da svoj intelektualni potencial
in z njim uspešnost poslovanja ohranja na višji ravni kot konkurenca. V takem primeru lahko
z visoko verjetnostjo sklepamo, da bo podjetje tudi v (bližnji) prihodnosti uspelo zadržati te
primerjalne prednosti izhajajoče iz njegovega intelektualnega potenciala. Kot smo že omenili,
gre za idealizirano interpretacijo kazalnika, ki v realnem svetu ni tako preprosta. V
nadaljevanju si poglejmo koncept izračuna RIP kazalnika, način njegove uporabe in možne
načine njegove interpretacije.
5.5.2 Metodologija izračuna kazalnika RIP
Evolucijska teorija ekonomskih sprememb in Nova teorija rasti sta močno matematizirani in
za namen raziskovanja učinkov odvisnosti od poti in zaklepanja uporabljata kompleksne
sisteme enačb (Nelson, 2002) . Naš cilj pri predstavitvi koncepta kazalnika RIP je bistveno
manj ambiciozen. Razviti želimo koncept, ki je po svoji naravi hevrističen, praktično
uporaben ter ga je možno neposredno aplicirati v vsakdanji praksi. Ambicija koncepta RIP
kazalnika je, da analitikom in ocenjevalcem vrednosti nudi dodatno podporo pri analizi
prisotnosti IK v podjetju ter hkrati zaradi zakonitosti delovanja odvisnosti od poti služi kot
vodilni indikator prihodnje uspešnosti poslovanja podjetja, ki je posledica delovanja
njegovega intelektualnega potenciala. Razvoj koncepta v celoti temelji na teoretičnem okviru,
ki smo ga postavili pri proučevanju IK s pomočjo VAIC modela ter na osnovi rezultatov
empiričnih raziskav, ki smo jih v predhodnih poglavjih izvedli.
V nadaljevanju po korakih predstavljamo metodologijo izračuna RIP kazalnika.
Večkrat smo poudarili, da je koncept vrednotenja in ocenjevanja IK primerjalni
koncept. Zato moramo v prvem koraku poleg podjetja, ki ga analiziramo, ustrezno
opredeliti tudi skupino primerljivih podjetij. Kriteriji, po katerih izbiramo podjetja, ki
tvorijo primerjalno skupino, so podobni kriterijem, ki jih sicer uporabljamo pri
primerjalnih analizah podjetij. Podjetja, ki jih uvrstimo v skupino, morajo biti
sorazmerno homogena glede dejavnosti, predstavljati morajo reprezentativni vzorec
podjetij, hkrati pa je zaželeno, da je vzorec primerljivih podjetij ustrezno širok.
Kadar primerjalno skupino podjetij sestavljajo podjetja iz različnih držav, v katerih so
v uporabi različne računovodske prakse in davčni režimi, je potrebno pred izračunom
kazalnikov izvesti prilagoditev izkazov poslovanja na enak računovodski standard ter
izvesti prilagoditve zaradi razlik v davkih.
Metodološko pri izračunu kazalnika izhajamo iz originalne verzije modela VAIC
(Pulić, 1998), ki je izveden iz učinkovitosti intelektualnega potenciala podjetja in
učinkovitosti neto sredstev podjetja:
VAIC = VAIP + VACA 60
pri čemer je
138
VAIP = VA/IP 61
Izračun VAIP kazalnika izvedemo za vsa podjetja v primerjalni skupini za daljše
obdobje v preteklosti. Priporočljivo je obdobje vsaj petih let oz. obdobje vsaj enega
ekonomskega cikla. Če v analizo uspemo zajeti obdobje celotnega ekonomskega cikla,
potem na VAIP kazalnik lahko nudi informacijo, kako je intelektualni potencial
podjetja »robusten« v različnih fazah cikla. Še posebej velja to za obdobje recesije,
kjer se po navadi izkaže, ali je IP podjetja dejansko vzdržen in ni zgolj posledica
srečnega spleta okoliščin v okviru obdobja konjunkture.
Če je primerjalna skupina podjetij dovolj široka in zajema večje število podjetij ter so
ta podjetja hkrati reprezentativen vzorec za celotno dejavnost, potem izvedemo
rangiranje kazalnika VAIP za vsako leto posebej. To pomeni, da podjetju, ki ima v
določenem letu najvišji VAIP kazalnik, dodelimo rang 1, podjetju, ki ima drugi najvišji
kazalnik, VAIP rang 2 itd. V Tabela 34 je shematično prikazan primer rangiranja
podjetij po VAIP kazalniku.
Tabela 34: Prikaz načina rangiranja podjetij na osnovi kazalnika VAIP
VAIP RANG Leto 1 Leto 2 Leto 3 Leto 4 Leto 5 Leto 6 Leto 7 Leto 8 Leto 9 Leto 10
PODJETJE 1 1 3 4 5 7 4 8 7 5 6
PODJETJE 2 2 1 1 4 10 15 16 18 20 22
PODJETJE 3 3 2 3 2 1 2 1 5 4 3
PODJETJE 4 4 5 6 7 8 5 4 3 5 12
… … … … … … … … … … …
PODJETJE 14 14 14 14 14 14 14 14 14 14 14
PODJETJE 15 15 20 28 16 9 18 17 28 22 14
… … … … … … … … … … …
PODJETJE 29 29 25 24 22 19 14 13 10 12 11
PODJETJE 30 30 26 25 27 24 25 26 22 28 26
Število 30 30 30 30 30 30 30 30 30 30
Vir: lastna tabela
Iz časovne vrste rangov kazalnikov VAIP izpeljemo relativne range VAIP, oz.
izračunamo kazalnike RIP za vsako podjetje v vsakem letu. To naredimo na način, da
rang podjetja v vsakem letu delimo s številom podjetij, ki so v primerjalni skupini v
tistem letu. Kazalnike RIP izračunamo za vsako leto posebej po naslednji formuli:
RIP = (1 – (VAIP rang podjetja n / Število podjetij)) 62
139
Tabela 35: RIP kazalnik za primerjalno skupino 30 podjetij za obdobje desetih let
RIP Leto 1 Leto 2 Leto 3 Leto 4 Leto 5 Leto 6 Leto 7 Leto 8 Leto 9 Leto 10
PODJETJE 1 0,967 0,900 0,867 0,833 0,767 0,867 0,733 0,767 0,833 0,800
PODJETJE 2 0,933 0,967 0,967 0,867 0,667 0,500 0,467 0,400 0,333 0,267
PODJETJE 3 0,900 0,933 0,900 0,933 0,967 0,933 0,967 0,833 0,867 0,900
PODJETJE 4 0,867 0,833 0,800 0,767 0,733 0,833 0,867 0,900 0,833 0,600
… … … … … … … … … … …
PODJETJE 15 0,500 0,333 0,067 0,467 0,700 0,400 0,433 0,067 0,267 0,533
… … … … … … … … … … …
PODJETJE 29 0,033 0,167 0,200 0,267 0,367 0,533 0,567 0,667 0,600 0,633
PODJETJE 30 0,000 0,133 0,167 0,100 0,200 0,167 0,133 0,267 0,067 0,133
Vir: lastna tabela
Tako RIP kazalnik z vrednostjo 1 pomeni, da je podjetje v proučevanem letu izkazalo
najvišjo relativno učinkovitost investiranja v intelektualni potencial. Na drugi strani
RIP kazalnik z vrednostjo 0 pomeni, da je to podjetje v proučevanem letu izkazalo
najnižjo relativno učinkovitost investiranja v intelektualni potencial. RIP kazalnik v
višini 0,5 pomeni, da je podjetje v proučevanem letu izkazalo povprečno učinkovitost
investiranja v intelektualni potencial. Vrednost kazalnika RIP, ki je višja od 0,5
nakazuje, da podjetje razpolaga z nadpovprečnim intelektualnim potencialom. Na
osnovi empirično izkazane povezave med uspešnostjo poslovanja podjetja in njenim
intelektualnim potencialom lahko sklepamo, da obstaja visoka verjetnost, da podjetja z
visoko učinkovitostjo IP dosegajo tudi nadpovprečno uspešnost poslovanja.
Nadpovprečna uspešnost poslovanja pa je v skladu z doktrino vrednotenja rezidualnih
modelov pogoj za obstoj notranje vrednosti IK. Če je kazalnik RIP nižji od 0,5, potem
je to indic, da obstaja visoka verjetnost, da intelektualni potencial podjetja ni na ravni,
ki bi omogočala ustvarjanje notranje vrednosti IK. Seveda pa analiza kazalnika RIP za
vsako leto posebej ni smiselna. Sporočilno vrednost nam ponuja zgolj smer razvoja
kazalnika v času. Če v proučevanem časovnem obdobju vrednost RIP kazalnika
trendno upada, nam ta podatek lahko služi kot indikator, da se podjetju znižuje
učinkovitost intelektualnega potenciala. Velja seveda tudi obratno. Na našem
shematičnem primeru si poglejmo možne interpretacije RIP kazalnika za izbrana
podjetja.
Zaradi lažje interpretacije RIP kazalnike za posamezna podjetja prikažemo grafično
kot časovno vrsto, ki nam omogoča vizualno presojo gibanja RIP kazalnika
posameznega podjetja skozi čas. V Slika 22 je grafično prikazana časovna vrsta
kazalnikov RIP za različna podjetja. Poskušajmo analizirati in interpretirati RIP
kazalnike za izbrana podjetja. Seveda gre pri tem za poenostavitve. Analizo bomo v
naslednjih poglavjih dopolnjevali v njeni kompleksnosti.
RIP kazalnik Podjetja 1 v proučevanem obdobju izkazuje nadpovprečno učinkovitost
intelektualnega potenciala podjetja v primerjavi s podjetji v primerjalni skupini.
Kazalnik je v celotnem obdobju nadpovprečen in izkazuje sorazmerno stabilnost.
Obstaja visoka verjetnost, da ima Podjetje 1 nadpovprečno adaptivno sposobnost,
nadpovprečna adaptivna sposobnost pa je pogosto povezana z nadpovprečno
prisotnostjo strukturnega kapitala. Stabilno nadpovprečna vrednost kazalnika RIP nam
ponuja še dve implikaciji. Če velja zakonitost odvisnosti od poti, potem obstaja visoka
verjetnost, da bo Podjetje 1 svojo nadpovprečno učinkovitost intelektualnega kapitala
140
ohranilo tudi v prihodnosti. Hkrati je nadpovprečna učinkovitost intelektualnega
potenciala pri Podjetju 1 tudi indikator, da podjetje najverjetneje ustvarja notranjo
vrednost IK na račun nadpovprečne uspešnosti poslovanja.124
V tem primeru nam RIP
kazalnik dejansko služi kot vodilni indikator bodočega poslovanja podjetja.
Slika 22:: Grafični prikaz gibanja RIP kazalnika za posamezno podjetje
Vir: lastna slika
RIP kazalnik Podjetja 2 v proučevanem obdobju izkazuje trend upadanja. Iz naše
empirične analize izhaja, da sprememba ranga podjetja pomembno vpliva na
spremembo ranga uspešnosti poslovanja. Trendno poslabševanje RIP kazalnika kaže,
da podjetje ne izkazuje ustrezne adaptivne sposobnosti. To pomeni, da intelektualni
potencial podjetja v analiziranem obdobju ni uspel ohranjati ključnih neopredmetenih
gonil vrednosti (IK) na nadpovprečni ravni. V drugi polovici obdobja je učinkovitost
IP postala celo podpovprečna. RIP kazalnik v zadnjem delu proučevanega obdobja
nakazuje, da se je notranja vrednost IK podjetja znižala oz. da je enaka 0. Če velja
zakonitost odvisnosti od poti, potem obstaja dvom, da se bo podjetju v prihodnosti
»zgodil« pozitiven preobrat. Za analitika tovrstna informacija predstavlja opozorilo, da
je potrebno podjetje podrobno analizirati in ugotoviti dejanske vzroke trendnega
124
Zapisane ugotovitve seveda predstavljajo močno poenostavitev. Od RIP kazalnika do ocene vrednosti kapitala
podjetja je potrebnih še precej korakov, ki lahko pomembno vplivajo na končno oceno vrednosti kapitala.
141
upadanja RIP ter ugotoviti ali je proces upadanja reverzibilen. RIP kazalnik Podjetja
15 v proučevanem obdobju izkazuje dokaj visoko nihajnost okoli izhodiščne
vrednosti, ki je 0,5. Za proučevano podjetje lahko predpostavimo, da razpolaga zgolj s
povprečnim intelektualnim potencialom, ki praviloma ne rezultira v nadpovprečni
donosnosti podjetja ter v notranji vrednosti IK.
RIP kazalnik Podjetja 29 v proučevanem obdobju izkazuje obratno trendno gibanje,
kot je primer pri podjetju 2. Podjetje, ki je na začetku proučevanega obdobja
izkazovalo podpovprečno učinkovitost IP, je to učinkovitost skozi čas trendno
izboljševalo in v zadnjem obdobju doseglo nadpovprečno raven. Adaptivna
sposobnost podjetja je nadpovprečna. RIP kot vodilni indikator nakazuje, da je
podjetje uspešno razvijalo svoj intelektualni potencial, s tem pa obstaja visoka
verjetnost, da bo tudi v prihodnosti uspelo zadržati konkurenčno prednost.
RIP kazalnik Podjetja 30 v celotnem proučevanem obdobju izkazuje podpovprečno
raven intelektualnega potenciala. Takšna raven RIP kazalnika nakazuje, da je
adaptivna sposobnost podjetja na nizki ravni in da je notranja vrednost IK z visoko
verjetnostjo enaka 0. Če velja zakonitost odvisnosti od poti, potemtakem nam RIP
kazalnik kot vodilni indikator nakazuje, da bo podjetje samo po sebi težko izboljšalo
učinkovitost intelektualnega potenciala. V skladu z Evolucijsko teorijo ekonomskih
sprememb je to podjetje ujetnik lastnih neučinkovitih procesov ustvarjanja vrednosti,
ki jih zaradi nizke adaptivne sposobnosti ni uspelo izboljšati in jih brez korenitih
sprememb tudi v prihodnje z visoko verjetnostjo ne bo uspelo.
V Slika 23 je prikazan vzorčen primer izračuna RIP kazalnika za vzorec slovenskih podjetij
iz baze podatkov, na kateri smo izvedli empirično raziskavo. Iz grafov je razvidno, da je
gibanje RIP kazalnika pri različnih podjetjih različno, da pa RIP kazalnik pri večini podjetij
izkazuje določen trend gibanja. V našem primeru izračun kazalnika RIP temelji na primerjalni
skupini podjetij na ravni sektorja po klasifikaciji GICS. Takšen izbor primerjalne skupine
zajame sorazmerno širok vzorec podjetij z nekoliko nižjo homogenostjo dejavnosti. Za
potrebe natančnejše analize bi bilo smiselno izbor primerjalne skupine spustiti na nekoliko
nižjo raven klasifikacije, kjer je homogenost podjetij višja. Homogenizacija primerjalne
skupine podjetij bi še dodatno izboljšala analitično vrednost RIP kazalnika.
5.5.3 Umestitev kazalnika RIP v analizi podjetja in njegova dodana vrednost
Za kazalnik RIP smo nakazali, da ima vsebinsko zasnovo vodilnega indikatorja. Do sedaj smo
prikazali metodologijo njegovega izračuna in jo ilustrirali z nekaterimi primeri iz prakse.
Pojavlja pa se vprašanje, kakšna je vloga in mesto tega kazalnika v okviru analize podjetja za
potrebe finančnega načrtovanja. To finančno načrtovanje je lahko namenjeno izdelavi
poslovnega načrta ali pa potrebam izdelave ocene vrednosti temelječe na sedanji vrednosti
prihodnjih denarnih tokov. V nobenem primeru RIP kazalnik za potrebe analize ne more
funkcionirati kot edini in iz celote izdvojeni kazalnik. Po naši oceni analitikom podaja
dodatne informacije v smislu trenda razvoja intelektualnega potenciala posameznega podjetja
v primerjavi s konkurenti. Zaradi delovanja zakonitosti odvisnosti od poti je ta informacija
vodilni indikator, ki kaže, kakšen je najverjetnejši prihodnji razvoj intelektualnega potenciala
podjetja in z njim njegove finančne uspešnosti v naslednjih nekaj letih. Seveda pa prihodnosti
ni možno napovedovati z gotovostjo. To velja tudi za RIP kazalnik.
142
Analitiki so pri finančnem načrtovanju v splošnem izpostavljeni dvema ključnima dilemama.
Prva dilema je, kakšno bo stanje v ekonomiji v načrtovanem obdobju. Z odgovorom na to
vprašanje se lahko določi razpoložljiv prihodek posameznih dejavnosti v naslednjih letih.
Druga dilema je povezana s tem, kakšen tržni položaj si bo analizirano podjetje izborilo med
konkurenti in kako bo znalo svoj intelektualni potencial izkoristiti za doseganje nadpovprečne
uspešnosti. Če so dejavniki, ki vplivajo na razpoložljivi prihodek dejavnosti v pretežni meri
eksogene narave, so dejavniki, ki vplivajo na relativni položaj podjetja v dejavnosti, v
pretežni meri endogeni in v veliki meri vezani na učinkovitost intelektualnega potenciala
samega podjetja. Med klasičnimi računovodskimi kazalniki ne zasledimo nobenega kazalnika,
ki bi poskušal identificirati intelektualno sposobnost podjetja, še posebej pa ne v primerjalnem
smislu. Kazalnik RIP ima potencial, da do določene mere zapolni to vrzel v klasični finančni
analizi. A njegova uporabnost pride do izraza predvsem v kontekstu ostalih računovodskih
kazalnikov in še posebej v kontekstu kvalitativne analize podjetja. Kazalnika RIP torej ne
moremo uporabljati samostojno.
Kazalnik RIP se razlikuje od klasičnih računovodskih kazalnikov, čeprav njegov izračun
izhaja iz računovodskih podatkov. Klasična finančna analiza je vezana na izračunavanje
kazalnikov, struktur in razmerij v finančnih izkazih poslovanja. Večina teh kazalnikov je
vezana na analizo posledic preteklih finančnih odločitev. Praktično nobeden od teh
kazalnikov pa analitikom ne nudi informacije, kaj se bo s podjetjem dogajalo v prihodnosti.
Bilančne strukture so eksogeno in endogeno pogojene. Eksogene vplive na izkaze poslovanja
predstavljajo davčni sistem, dejavnost podjetja, denarna politika…. Podjetja imajo na
eksogene dejavnike močno omejen vpliv. Edini endogeni dejavnik, ki je sposoben vplivati na
prihodnje poslovanje podjetja,125
je intelektualni potencial podjetja. Intelektualni potencial je
hkrati edini, ki bo v okviru danih zunanjih pogojev poslovanja s svojim delovanjem lahko v
prihodnosti neposredno ali posredno spreminjal ostale računovodske kazalnike in strukture.
Kazalnik RIP je, na način kot smo ga vsebinsko opredelili, edini kazalnik, ki indicira pretekli
razvoj intelektualnega potenciala podjetja in kaže, kakšno je intelektualno izhodišče podjetja
za prihodnji razvoj. Informacija, ki nam jo daje, je vedno postavljena v kontekst primerjave
intelektualnega potenciala z IP konkurenčnih podjetij. Lahko rečemo, da je med vsemi
računovodskimi kazalniki, kazalnik RIP edini, ki kaže na raven intelektualnega potenciala in
moč volje podjetja kot socialne skupine, ki bo (so)ustvarajala prihodnost podjetja.
Kombinacija znanja in volje je edina, ki lahko s svojim aktivnim delovanjem vpliva na
prihodnje poslovanje podjetja. Kazalnik RIP je med vsemi klasičnimi računovodskimi
kazalniki edini kazalnik, za katerega velja zakonitost odvisnosti od poti. To mu do določene
mere daje značilnosti vodilnega indikatorja. Vsi ostali obstoječi in pretekli kazalniki in
strukture so posledica preteklega delovanja intelektualnega potenciala podjetja. Tudi v
prihodnje se bodo vsi spreminjali zaradi delovanja intelektualnega potenciala podjetja.126
125
V mislih imamo predvsem prihodnji relativni položaj podjetja v primerjavi s konkurenti. 126
Za oboje je mišljeno znotraj danih zunanjih pogojev poslovanja.
143
Slika 23: Grafični prikaz gibanja RIP kazalnika za vzorec slovenskih podjetij
Vir: lastna slika
Kazalnik RIP je potrebno nadgrajevati s kvalitativno analizo. V okviru kritične presoje VAIC
modela smo ugotovili, da je razdelitev intelektualnega kapitala na strukturni kapital in
človeški kapital, ki je vsebovala kasnejša različica modela (Pulić, 2004), teoretično
neutemeljena in nedosledna. Naredili smo korak nazaj in prevzeli prvotno različico modela, ki
operira z intelektualnim potencialom podjetja in njegovo učinkovitostjo (VAIP). Če je
tovrstna modifikacija modela na eni strani povečala njegovo verodostojnost, pa je na drugi
strani znižala njegovo analitično izraznost. Intelektualni potencial je amorfna spremenljivka,
ki kaže na splošno sposobnost skupine zaposlenih v podjetju, da ustvarja vrednost z
nadpovprečnim znanjem in inovativnostjo (človeški kapital), nadpovprečno sposobnostjo
organizacije in pretvarjanja inovacij v procese (strukturni kapital) ali pa ustvarjati povezave s
kupci na način, ki bo zagotavljal njihovo nadpovprečno lojalnost (kapital povezave s kupci).
Redkokdaj je intelektualni potencial sposoben nadpovprečnih dosežkov na vseh elementih
intelektualnega kapitala podjetja. S prehodom na VAIP smo izgubili možnost identifikacije,
kateri element IK je za podjetje ključni v procesu ustvarjanja (nadpovprečne) uspešnosti. V
preteklih poglavjih smo zavrnili poskuse nekaterih raziskovalcev, da bi VAIC model razširili z
dodajanjem novih indikatorjev posameznih elementov IK. Naš argument pri tem je bil, da
144
nobeden od predlaganih indikatorjev ni temeljil na javno dostopnih podatkih. S tovrstnim
širjenjem bi VAIC model izgubil svojo ključno prednost, to je razpoložljivost podatkov in
možnost primerjave med podjetji brez dodatnih anketnih podatkov. Ocenili smo, da v tem
primeru obstajajo modeli, ki so za takšen način analize primernejši kot VAIC model. Med
podrobnim pregledom vseh podatkov, ki nam jih v okviru izkazov ponuja računovodska
stroka,127
nismo identificirali nobenega javno dostopnega računovodskega indikatorja, ki bi
nam omogočal analitično razčlenitev kazalnika VAIP. Edini instrument, ki nam ostane, je
kvalitativna analiza kot dopolnilo in nadgradnja kazalniku RIP. Ključna vloga kvalitativne
analize je, da informacijo, ki jo ponuja kazalnik RIP, nadgradi s kvalitativno presojo, kateri
element IK je tisti, ki je ključen za uspešnost poslovanja podjetja v primerjavi s konkurenti.
Hkrati je kvalitativna analiza pomembna, da identificiramo eksterne dejavnike poslovanja, ki
so v proučevanem obdobju pomembneje vplivali na razmere v dejavnosti (npr. morebitne
disruptivne tehnološke spremembe v dejavnosti ipd.). Prav tako je potrebno identificirati
eksterne dejavnike in enkratne dogodke, ki so se zgodili v in izven podjetja in so imeli
pomemben vpliv na preteklo poslovanje podjetja, oziroma so pomembno vplivali na
intelektualni potencial podjetja (npr. zamenjava uprave, prihod ali odhod ključnih
sposobnežev ipd.). Vse ugotovitve kvalitativne analize je potrebno umestiti v kontekst analize
preteklega gibanja RIP kazalnika z namenom, da kritično presodimo njegovo sporočilno
vrednost v vlogi vodilnega indikatorja. Že v okviru proučevanja spirale znanja smo proučevali
dinamiko razvoja IK. Ugotovili smo, da če se zaradi odhoda (ključnih) zaposlenih (znižanja
človeškega kapitala), zniža raven skritega znanja v podjetju in če se hkrati prekine proces
dvojne povratne zanke ustvarjanja novih idej in njihove socializacije, potem podjetje izgubi
ključni potencialni generator ustvarjanja nadpovprečne dodane vrednosti. To hkrati pomeni,
da so lastniki finančnega kapitala ostali brez glavnega potencialnega generatorja
nadpovprečne donosnosti,128
s tem pa je podjetje, gledano skozi očala finančnih modelov s
katerimi ocenjujemo IK, ostalo brez IK. Če povzamemo; brez človeškega kapitala ima
strukturni kapital omejeno življenjsko dobo, finančni kapital pa je brez obeh elementov IK
podjetja popolnoma inerten. Za znanje in posledično tudi za razvoj intelektualnega potenciala
velja, da je delno endogen proces. Predpostavka endogenosti pomeni, da je podjetje (delno)
sposobno obvladovati proces ustvarjanja znanja, ne pomeni pa, da je ta proces v celoti
neodvisen od dogajanja v okolju podjetja.
Iz povedanega bi logično sledilo, da analize kazalnika RIP sploh ne potrebujemo. Naša ocena
je, da je kazalnik RIP kljub temu pomembna dodana vrednost v okviru finančnega
načrtovanja. Finančno načrtovanje in z njim ocenjevanje podjetij je močno podvrženo
vedenjskim pristranskostim. V predhodnih poglavjih smo na kratko opisali, da smo pri
razmišljanju o prihodnosti močno omejeni z načinom delovanja naših možganov. Pojasnili
smo, da je dokazano, da se človek s prihodnostjo in načrtovanjem ukvarja predvsem zaradi
tega, ker se v prihodnosti vidi boljši. Načrtovanje nam pri tem služi kot orodje, s katerim
poskušamo obvladovati to »lepšo prihodnost«. Gre za iluzijo, da smo sposobni obvladovati
neobvladljivo (Gilbert, 2006). S podobno iluzijo se pogosto soočamo v okviru finančnega
načrtovanja in ocenjevanja vrednosti podjetij. Znan je t.i. »sindrom hokejske palice«, kjer
analitiki in ocenjevalci trenutno stanje podjetja jemljejo zgolj kot izhodiščno točko, od koder
vodi pot le še navzgor (Montier, 2005). Takšne projekcije poslovanja implicitno
127
Pri tem smo se osredotočili predvsem na računovodsko prakso znotraj EU. 128
Kasneje bomo obstoj IK postavili v odvisnost od doseganja nadpovprečne donosnosti.
145
Slika 24: Grafični prikaz natančnosti napovedi analitikov
Vir: Thomson Reuters
predpostavljajo, da bo intelektualni potencial podjetja v načrtovanem obdobju sam po sebi
zagotovil kvalitativni preskok, ki bo podjetju omogočil, da izboljša svojo konkurenčnost na
trgu. V večini primerov manjka ustrezna utemeljitev, kaj je tisti ključni dejavnik, ki bo
omogočil načrtovani kvalitativni preskok. Natančnost tovrstnega načrtovanja je z vidika
primerjave med načrtovanim in udejanjenim izjemno nizka. Montier (2005) v svoji raziskavi
navaja, da je velika večina napovedi s strani finančnih analitikov zgrešena in da je ključni
razlog za tovrstno vedenje v vedenjskih pristranskostih načrtovalcev. Podobno podobo nam
kaže tudi Slika 24. V kontekstu vseh nedoslednosti, ki so jim finančni analitiki in ocenjevalci
vrednosti pri finančnem načrtovanju podvrženi, nam kazalnik RIP omogoča, da vzpostavimo
objektivno izhodišče finančnega načrta na področju, ki ga je izjemno težko kvantificirati in
objektivizirati. To je področje intelektualnega kapitala oz. intelektualnega potenciala
podjetja. Nelson in Winter (1984) sta v svoji Evolucijski teoriji ekonomskih sprememb
zapisala, da je prihodnje poslovanje podjetij omejeno z znanjem, s katerim razpolagajo in z
obstoječim načinom ekonomskega obnašanja. Menedžerji podjetij so »ujetniki« obstoječih
rutin. Naklonjeni so k temu, da te rutine neprestano ponavljajo, dokler so uspešne. Ko se
obstoječe rutine izkažejo za neuspešne, najpogosteje iščejo rešitev v rutinah, ki so zelo
podobne obstoječim (Corthright, 2001). Skratka, sprememba »DNK« zapisa se v podjetjih
nikoli ne »zgodi«. Vedno je posledica izrazitih sprememb v intelektualnem potencialu
podjetja. Odgovor na vprašanje, kakšne so te spremembe, ki bodo omogočale, da se bo
prihodnost bistveno razlikovala od sedanjosti, je lahko zgolj posledica poglobljene
kvalitativne analize.129
Če v okviru kvalitativne analize nismo sposobni utemeljiti bistvenih
sprememb v intelektualnem potencialu podjetja, potem lahko, zaradi delovanja zakonitosti
odvisnosti od poti, z visoko verjetnostjo pričakujemo, da podjetje v prihodnosti ne bo bistveno
drugačno, kot je danes. Menimo, da je kazalnik RIP komplementaren kazalnik vsem orodjem
kvalitativne analize. Predstavlja lahko objektivno informacijo o finančno izraženi
učinkovitosti intelektualnega potenciala podjetja v primerjavi s konkurenčnimi podjetji.
129
Vseskozi imamo v mislih relativno pozicijo podjetja znotraj primerjalne skupine podjetij. Če je npr.
dejavnost, v kateri deluje podjetje, v konjunkturi, potem lahko pričakujemo, da bodo rastla vsa podjetja. A
podjetja z nadpovprečno učinkovitostjo IP bodo rastla nadpovprečno in s tem ustvarjala notranjo vrednost IK.
Dejanski EPS
Napoved analitikov skozi čas za Vsako leto
146
Notranja vrednost intelektualnega kapitala praviloma obstaja zgolj takrat, ko je učinkovitost
intelektualnega potenciala podjetja vzdržno nadpovprečna.
5.5.4 Prednosti in slabosti kazalnika RIP
Za kazalnik RIP lahko rečemo, da je od modela VAIC prevzel večino prednosti in slabosti:
Koncept kazalnika RIP je hevristične narave.
Kazalnik RIP daje informacijo o adaptacijski učinkovitosti podjetja v preteklosti.
Ker je razvoj znanja do določene mere stohastičen proces, je informativna vrednost
kazalnika časovno pogojena. Odvisnost od poti velja za krajše obdobje v prihodnosti.
Koliko lahko to obdobje traja je odvisno od značilnosti dejavnosti in podjetja. Do teh
informacij lahko pridemo s kvalitativno analizo.
Ključna dodana vrednost kazalnika RIP je, da od analitika zahteva poglobljeno
argumentacijo (vzrok) predvidenih bistvenih sprememb (posledica) v prihodnjem
poslovanju podjetja oz. da argumentira, kako bo podjetje preseglo lastno inertnost in
učinek odvisnosti od poti.
Ena izmed ključnih prednosti kazalnika je, da ne zahteva subjektivnega ocenjevanja,
ki je lahko na področju merjenja in ocenjevanja IK močno pristransko.
Podatki za izračune so na voljo v javno dostopnih bazah podatkov.
S pomočjo empiričnih raziskav smo ugotovili, da obstaja povezava med
učinkovitostjo intelektualnega potenciala podjetij in uspešnostjo njihovega poslovanja
podjetij.
Kazalnik RIP je konstruiran na način, da omogoča primerjalno analizo med podjetji v
isti dejavnosti in ob ustreznih računovodskih prilagoditvah tudi primerljivost med
podjetji iz različnih držav.
Za potrebe mednarodne primerljivosti kazalnika je potrebno iz računovodskih izkazov
poslovanja podjetij izločiti ključne razlike v računovodenju, ki bi lahko vplivale na
razliko v velikosti izračunanih kazalnikov.
Podatki za izračun in uporabo kazalnika RIP so na razpolago v računovodskih izkazih
podjetij in podatkovnih bazah, kar pomeni, da so vedno na voljo tudi skupnosti
ocenjevalcev vrednosti podjetij.
Kazalnik v okviru njegove nadaljnje verifikacije in testiranj omogoča objektiven
kvantificiran pristop, ki omogoča uporabo kvantitativnih metod raziskovanja na
velikih vzorcih podatkov.
Kazalnik je uporaben v okviru analize primerov, ki vključuje primerjalno analizo
podjetja.
Jedro koncepta RIP kazalnika je ugotavljanje sposobnosti podjetja, da produkcijske
tvorce v okviru procesa ustvarjanja vrednosti s pomočjo intelektualnega potenciala
učinkovito transformira v finančni rezultat poslovanja podjetja in s tem potencialno
tudi v vrednost IK.
147
Osnovna predpostavka kazalnika je, da IK ne more delovati brez podpore finančnih in
opredmetenih sredstev podjetja in hkrati, da je učinkovitost opredmetenih sredstev v
prvi vrsti odvisna od načina, kako jih intelektualni potencial podjetja zaposli v
produkcijskem procesu (interakcija).
Človeškemu kapitalu pripisuje ključno vlogo pri ustvarjanju ključne konkurenčne
prednosti podjetij.
Kazalnik sledi osnovnim načelom rezidualnih modelov vrednotenja pri ocenjevanju
vrednosti IK. Tako kot rezidualni modeli vrednotenja temeljijo na presežni donosnosti
kot ključnemu viru notranje vrednosti IK, kazalnik RIP predpostavlja, da je ustvarjanje
nadpovprečnega finančnega rezultata v veliki meri pogojeno z nadpovprečno
učinkovitostjo intelektualnega potenciala podjetja.
Kazalnik teoretično temelji na Evolucijski teoriji ekonomskih sprememb, še posebej na
delu te teorije, ki proučuje zakonitost odvisnosti od poti.
Zaradi delovanja zakonitosti odvisnosti od poti lahko služi kot vodilni indikator pri
finančnem načrtovanju podjetja, ki ga je potrebno za te namene nadgraditi s
kvalitativno analizo.
Kazalnik RIP je komplementaren klasičnim računovodskim kazalnikom, ki jih
analitiki uporabljajo za namene finančne analize.
Služi lahko kot dodatna informacija kvalitativni analizi podjetja in njegovega položaja
v dejavnosti, saj omogoča objektivno umestitev učinkovitosti intelektualnega
potenciala podjetja znotraj primerljive skupine podjetij.
Je kazalnik, ki ga lahko integriramo v scorecard metode ocenjevanja IK.
Njegova interpretativna moč ni vezana zgolj na obstoječe stanje v podjetju, temveč
analitiku omogoča proučevanje preteklega razvoja intelektualnega potenciala podjetja.
Če je uporaba računovodskih podatkov ena izmed ključnih prednosti kazalnika RIP,
predstavlja tudi eno izmed njegovih največjih slabosti. V kazalnik so namreč posredno
vgrajene vse omejitve, ki jim pri evidentiranju poslovnih dogodkov zapada
računovodstvo.
Kazalnik ima omejeno sporočilno vrednost, če ga uporabljamo ločeno od ostalih
finančnih in kvalitativnih kazalnikov.
Kazalnik je izračunan na transakcijskem načelu. V njegov izračun vstopajo zgolj
poslovni dogodki, ki jih je računovodstva evidentiralo na osnovi izvedene transakcije.
Kazalnik sam po sebi ne preprečuje delovanja vedenjskih pristranskosti pri
sestavljanju finančnega načrta, lahko pa jih omili.
Ni determinističen tip vodilnega indikatorja, temveč je tip vodilnega indikatorja, ki
temelji na predpostavki visoke verjetnosti organizacijske inertnosti v prihodnjem
poslovanju podjetja.
Uporaben je za analizo podjetij, ki že imajo vzpostavljeno neko raven strukturnega
kapitala, poslovnih procesov, premorejo določeno organizacijsko strukturo in imajo
148
vzdržljivo strukturo financiranja. Gre za podjetja, ki večinoma spadajo v kategoriji
srednjih in velikih podjetij. Kazalnik ni primeren za majhna podjetja, ki nimajo
vzpostavljenih ustreznih struktur in nimajo vzdržljive finančne strukture. Ravno tako
ni primeren za novoustanovljena podjetja, ki ne premorejo primerne časovne vrste
finančnih podatkov, iz katerih je možno kazalnike izračunati.
Na prvi pogled je kazalnik RIP nekaj, kar stroka finančnih analitikov v nekoliko drugačni
obliki že nekaj časa pozna. Poznan je npr. kazalnik, ki meri dodano vrednost na zaposlenega.
Večinoma se ta kazalnik uporablja kot merilo uspešnosti poslovanja podjetja. A ravno na tej
točki se logika kazalnika RIP v celoti odkloni od ustaljenih vzorcev in kazalnikov. Vsebinska
interpretacija kazalnika se v celoti spremeni. Kazalnik se iz kazalnika uspešnosti poslovanja
podjetja spremeni v kazalnik učinkovitosti investiranja v intelektualni potencial podjetja.
Hkrati prevzame logiko rezidualnih modelov vrednotenja. Spremeni se v relativni kazalnik, ki
kaže, kakšna je učinkovitost intelektualnega potenciala v primerjavi s skupino primerljivih
podjetij. Kazalniku smo dodali tudi časovno dimenzijo. Če ga spremljamo v daljšem
časovnem obdobju, nam daje dodatno informacijo o dinamiki razvoja učinkovitosti
intelektualnega potenciala podjetja. S tovrstno vsebinsko preobrazbo kazalnika smo izvedli
Butterfieldovski preobrat (Butterfield, 1949), saj smo množico že poznanih dejstev postavili v
nove povezave ter s tem vzpostavili nov okvir razmišljanja in raziskovanja.
Kazalnik RIP je v okviru naše raziskovalne naloge predstavljen zgolj na konceptualni ravni in
je v svoji osnovi hevrističen. Predstavlja poskus združevanja znanstvene doslednosti in
praktične uporabnosti. Ravno na področju raziskovanja IK je razkorak med znanstveno sfero
raziskovanja in skupnostjo uporabnikov izjemno velik. Zato smo vsebinsko in tehnično
izpeljavo kazalnika še posebej skrbno teoretično utemeljili. Preizkus uporabnosti kazalnika v
praksi, njegov nadaljnji vsebinski razvoj in morebitne modifikacije presegajo namen našega
raziskovanja. Predstavljajo pa zanimivo izhodišče za nadaljnje raziskovanje v okviru analize
primerov in v okviru bolj obsežnih kvantitativnih raziskav. Kazalnik nam omogoča oba
načina raziskovanja. Še posebej bo njegova dodatna verifikacija dobrodošla na področju
ocenjevanja vrednosti s pomočjo metod temelječih na sedanji vrednosti bodočih koristi. Vsak
poskus, s pomočjo katerega je možno zmanjšati sistematične napake pri ocenjevanju
vrednosti, bodisi zaradi fenomena modernih podjetij kot »črnih škatel«, ali pa zaradi
sistematičnih vedenjskih pristranskosti, ki jim podlegajo ocenjevalci vrednosti, bo dobrodošel.
Eno izmed možnih poti vidimo v razvijanju vodilnih indikatorjev. Kazalnik RIP v sebi nosi
zasnove vodilnega indikatorja, ni pa po svoji naravi determinističen. Prihodnosti ni možno
načrtovati z gotovostjo.
149
6. SKLEP
Z vidika prispevka k znanosti lahko v okviru naše raziskave poudarimo tri pomembne
aspekte: teoretičnega, metodološkega in praktičnega.
V okviru teoretičnega prispevka doktorskega dela smo poskušali predstaviti nekaj novih
načinov razmišljanja in povezovanja obstoječih teoretičnih spoznanj s teorijo in prakso
finančnega načrtovanja. Kot ključna teoretična podlaga nam je pri tem služila Nova teorija
rasti ter Evolucijska teorija ekonomskih sprememb. Obe teoriji se primarno nanašata na način
delovanja ekonomije in družbe na makroekonomski ravni, a ponujata izjemno koristne
implikacije tudi za podjetniško raven. Primerjava implikacij, ki jih ima na delovanje podjetja
znanje z obstoječimi modeli ocenjevanja in vrednotenja IK v okviru poslovnih financ in
računovodstva, kaže, da iz leta v leto narašča razkorak med še vedno prevladujočo
neoklasično doktrino modeliranja poslovanja podjetij in dejanskim delovanjem podjetij,
katerih poslovni model temelji na znanju. Obstoječi finančni modeli vrednotenja in
ocenjevanja IK temeljijo na pomanjkljivih teoretičnih temeljih, kar močno zmanjšuje njihovo
praktično uporabnost in verodostojnost. Večina teh modelov se ukvarja s posledicami
delovanja IK, manj pa z vzroki takšnega delovanja in s povezavami ter interakcijo med
elementi IK. To je verjetno eden izmed najpomembnejših razlogov, da ne obstaja
prevladujoča doktrina merjenja in ocenjevanja vrednosti IK. Med množico razpoložljivih
modelov smo za potrebe našega raziskovanja izbrali tistega, ki je zadostoval postavljenim
kriterijem operativnosti in uporabnosti. Naš cilj je, da kljub vsem omejitvam, ki jih na
področju raziskovanja IK postavlja transakcijsko zasnovan koncept računovodstva, poiščemo
(računovodske) indikatorje intelektualnega potenciala podjetij. Takšno samoomejevanje ima
svojo logiko. Menimo, da se koncept računovodstva še daljše časovno obdobje ne bo bistveno
spremenil. Hkrati ocenjujemo, da še dolgo časa ne bo zaživel enotni koncept izkazovanja
indikatorjev IK. Torej bodo finančni analitiki in ocenjevalci vrednosti še dolgo časa večino
primerljivih podatkov podjetij lahko črpali pretežno iz računovodskih izkazov poslovanja.
Baze računovodskih izkazov podjetij tako ostajajo skoraj edine baze, ki nudijo možnost
uporabe metod empiričnega primerjalnega raziskovanja. Vse ostale metode lahko temeljijo na
primerjavah, ki zahtevajo zbiranje podatkov na podlagi intervjujev, anket ipd. in so močno
subjektivno obarvane. To je ključni razlog našega minimalističnega pristopa k izboru
raziskovalnega modela. V okviru teoretičnega prispevka našega raziskovanja velja poudariti,
da v dosedanjih raziskovalnih aktivnostih ni zaslediti resnejših poskusov v smeri odkrivanja
načinov, kako oceniti prihodnjo sposobnost podjetja, da investicije v IK dejansko transformira
v finančni rezultat ter s tem v intelektualni kapital podjetja. V teoriji in praksi, ki prevladuje
na področju makroekonomije, je že dolgo časa poznan koncept vodilnih indikatorjev, ki pa ga
na podjetniško raven za potrebe finančnega načrtovanja še nihče ni poskušal aplicirati. Ena
izmed ključnih značilnosti vodilnih indikatorjev je, da temeljijo na analizi vzrokov, ki kažejo
najverjetnejšo smer razvoja opazovanih kategorij v prihodnosti. V klasičnem podjetniškem
načrtovanju, še posebej na področju proučevanja IK, tovrstnih poskusov ni zaslediti. V okviru
našega minimalistično zastavljenega koncepta raziskovanja, ki smo ga namerno omejili z
mejami, ki nam jih postavlja računovodstvo, smo poskušali praktično vpeljati in teoretično
podpreti logiko na znanju temelječih vodilnih indikatorjev prihodnje finančne uspešnosti
poslovanja podjetij. Da bi bil naš poskus teoretično upravičen, smo morali predhodno
empirično preveriti povezavo med vzroki (znanje) in posledicami (finančna uspešnost).
Ocenili smo, da edino VAIC model ponuja indikatorje IK, ki jih lahko neposredno
identificiramo v okviru finančnih izkazov poslovanja. A sam obstoj povezave med IK in
finančno uspešnostjo poslovanja podjetja ni dovolj. Ta povezava mora biti nadpovprečna. To
izhaja iz same logike delovanja rezidualnih modelov vrednotenja IK. Če je pogoj obstoja
150
notranje vrednosti IK, da je posledica (finančni rezultat) nadpovprečna, potem mora biti po
analogiji tudi povezava med vzrokom (znanjem) in posledico (finančni rezultat)
nadpovprečna. To nadpovprečno povezavo med vzrokom in posledico lahko identificiramo
kot nadpovprečno učinkovitost investiranja v znanje podjetja (IK). V jeziku rezidualnih
modelov vrednotenja IK to pomeni, da če je učinkovitost investiranja višja od povprečja vseh
primerljivih podjetij, potem lahko (ceteris paribus) predvidevamo, da bo finančna uspešnost
poslovanja in z njo notranja vrednost IK podjetja pozitivna. Pri tem se zavedamo, da imamo
opravka s sociološkim fenomenom, za katerega velja, da je omenjena transformacija na nivoju
panoge šibkeje strukturirana, medtem ko je na ravni posameznega podjetja močneje
strukturirana, a hkrati zaznamovana z visoko mero individualnih vplivov. Delovanja teh
vplivov ni možno enostavno posplošiti na širšo populacijo podjetij niti jih ni možno preprosto
interpolirati v prihodnost. Ta omejitev enostavno zahteva, da se katerikoli identificirani
vodilni indikator prihodnjega poslovanja podjetja vedno dopolnjuje z ostalimi analitičnimi
izsledki. V okviru naše študije smo teoretično in praktično obdelali področje, ki je bilo do
sedaj potisnjeno na rob znanstvenega raziskovanja, je pa za praktično uporabnost in
natančnost modelov ocenjevanja in vrednotenja ključnega pomena. Naš teoretično podprt
poskus konceptualizacije vodilnega indikatorja prihodnjega poslovanja podjetij je verjetno
prvi poskus v to smer. Na osnovi empiričnih rezultatov pojasnjevalnega dela raziskave ter na
osnovi podpore izsledkov teorije s področja transformacije in razvoja znanja smo prikazali
enega izmed možnih načinov, kako znižati negotovost napovedovanja oz. načrtovanja
prihodnjih finančnih rezultatov podjetij. Zmanjšanje tveganja napovedovanja samo po sebi
vodi v zmanjševanje učinka sistematičnega podvrednotenja podjetij z visoko prisotnostjo IK z
vsemi ugodnimi posledicami, ki iz tega izhajajo.
Z metodološkega vidika verjamemo, da je raziskava vpliva investiranja v IK na finančne
rezultate slovenskih podjetij temelječa na VAIC metodologiji prva tako obsežna znanstvena
raziskava s področja IK v Sloveniji. Hkrati ocenjujemo, da sam način raziskovanja in
raziskovalna orodja, ki smo jih pri tem uporabili, predstavljajo metodološko nadgradnjo
dosedanjih praks na tem področju. Teoretično smo utemeljili, da je IK dinamičen in
dolgoročen koncept, ki zahteva temu primeren analitičen pristop in raziskovalna orodja.
Utemeljili smo, kakšne pomanjkljivosti ima uporaba OLS regresijske metode, ki je več kot
desetletje prevladovala na področju proučevanja s pomočjo VAIC modela. Ocenili smo, da je
primernejša metoda proučevanja panelna regresija, ki nam nudi hkratno presečno in
longitudinalno sliko razvoja IK. Ker je IK dolgoročni koncept, ga je potrebno proučevati s
pomočjo daljših časovnih vrst podatkov. V našem primeru smo uporabili štirinajstletno
časovno vrsto finančnih podatkov. Ugotovili smo tudi, da je koncept ocenjevanja in
vrednotenja IK v svoji osnovi primerjalni koncept, ki zahteva ustrezno širino proučevanega
vzorca podjetij, ustrezen postopek njihove selekcije ter mora ponujati možnost nadaljnje
segmentacije v bolj homogene skupine podjetij. Če je koncept IK primerjalni koncept, potem
nam sama globalizacija finančnih trgov in prost pretok kapitala narekuje, da raziskovanje IK
širimo preko geografskih meja posameznih držav. Šele ustrezno širok, ustrezno
homogeniziran in mednarodno zasnovan vzorec podjetij nam lahko ponuja ustrezno osnovo
presojanja dejanskega obstoja IK v posameznem podjetju. Ocenjujemo, da metodološki
prispevek k znanosti predstavlja tudi nadgradnja modela VAIC. Vsi dosedanji poskusi
nadgradnje modela VAIC so bili usmerjeni v njegovo nadgradnjo s pomočjo širjenja števila
pojasnjevalnih razlik. Mi smo to možnost utemeljeno zavrnili kot neustrezno. Ocenjujemo, da
bi na ta način model izgubil svoje ključne prednosti, predvsem pa praktično uporabnost.
Prepričani smo, da v primeru širjenja modela z dodajanjem spremenljivk, za izračun katerih
potrebujemo podatke, ki niso dostopni iz javnih baz podatkov, hitro pridemo do situacije, ko
se izkaže, da za takšen pristop obstajajo bolj primerni modeli. Naš pristop k nadgradnji VAIC
modela je bil drugačen. Ocenili smo, da model potrebuje korenito preobrazbo. Ker je osnovni
151
VAIC model teoretično neustrezno umeščen, smo ga v okviru naše nadgradnje umestili v
DuPontovo identiteto ter s tem izboljšali njegovo teoretično umeščenost. Na osnovi spoznanj
Nove teorije rasti in analize značilnosti delovanja nematerialnih gonil vrednosti smo linearne
povezave med gonili vrednosti, na katerih je temeljil klasični VAIC model, nadomestili z
multiplikativnimi povezavami. Zaradi medsebojne povezanosti nematerialnih in materialnih
gonil vrednosti smo v model uvedli interakcijski člen. Predpostavko linearnosti razvoja
finančne uspešnosti poslovanja podjetja smo nadomestili s predpostavko, da ima dolgoročna
funkcija rasti uspešnosti poslovanja obliko eksponentne funkcije. Test tako nadgrajenega
VAIC modela je pokazal, da so bile naše predpostavke pravilne, saj se je pojasnjevalna moč
modela ob zelo visoki statistični značilnosti vseh spremenljivk v primerjavi z osnovnim
modelom precej povečala. Z nadgrajenim VAIC modelom smo potrdili postavljeno
znanstveno hipotezo, da učinkovitost investiranja v IK podjetij vpliva na njihovo finančno
uspešnost. Hkrati smo potrdili tudi hipotezo, da sprememba ranga učinkovitosti investiranja v
IK podjetja istosmerno vpliva na spremembo ranga njegove finančne uspešnosti. Potrditev
obeh hipotez nam je omogočila, da smo izsledke pojasnjevalnega dela naše raziskave lahko
uporabili za potrebe namenskega raziskovanja.
Eden izmed ključnih ciljev, ki smo si ga na začetku raziskave postavili, je bila tudi praktična
uporabnost dobljenih rezultatov raziskave in postavitev teoretično utemeljenega hevrističnega
koncepta, ki bo nudil osnovo za nadaljnje raziskovanje po načelu analize primerov. S
predstavitvijo koncepta RIP kazalnika kot potencialnega vodilnega indikatorja prihodnje
finančne uspešnosti poslovanja podjetij nam je to uspelo. Koncept smo najprej teoretično
utemeljili, nato pa smo ga metodološko in vsebinsko razgradili ter na koncu tudi konkretizirali
v obliki njegovega izračuna in grafičnega prikaza za vzorec podjetij iz baze podatkov, ki smo
jo uporabljali za empirično testiranje postavljenih konceptov. Predstavili smo prednosti in
slabosti tega koncepta, hkrati pa ugotovili, da ga je potrebno vedno uporabljati v kombinaciji
z ostalimi kazalniki ter skupaj s kvalitativno analizo. Na tovrstno uporabo nas napeljuje tudi
izkazana pojasnjevalna moč nadgrajenega VAIC modela, ki nam je služil kot osnova pri
razvoju RIP kazalnika.
Na koncu lahko ugotovimo, da je bila naša študija zastavljena zelo kompleksno. V okviru
raziskave smo testirali ustaljene koncepte na novih vzorcih podatkov. Izvedli smo prvo
tovrstno študijo na širokem vzorcu slovenskih podjetij. Hkrati smo raziskovali področje
teoretičnih dognanj s področja IK in jih integrirali v naš način raziskovanja in razmišljanja.
Takšen pristop nam je omogočil, da smo lahko zavzeli kritično distanco do nekaterih
vsebinskih, tehničnih in metodoloških praks, ki so v zadnjem desetletju prevladovale na
področju raziskovanja IK s pomočjo VAIC modela. Hkrati nam je tovrstni pristop omogočil,
da smo lahko pripravili trdne teoretične temelje vsem vsebinskim, tehničnim in metodološkim
spremembam in nadgradnjam, ki smo jih uvedli v naše raziskovanje. Na koncu smo na osnovi
kompleksne povezave teoretičnih in empiričnih spoznanj izvedli zelo praktičen poskus
konceptualizacije hevrističnega vodilnega indikatorja prihodnjega poslovanja podjetij.
Tako kompleksen pristop k raziskovanju, kot smo ga zastavili v okviru naše študije, je imel
za posledico, da so se nam praktično na vseh področjih, ki smo jih v raziskovalnem procesu
zajeli, pojavila mnoga nova vprašanja in dileme. Vsaka od njih bi zahtevala vsaj toliko
raziskovalne skrbnosti in vneme, kot jo je bilo vloženo v naše osnovno raziskovanje. Na
žalost to presega namen pričujoče raziskave. A hkrati nove dileme predstavljajo tudi nove
raziskovalne izzive. Menimo, da predstavljena študija po naši oceni ne predstavlja zaključka
raziskovalnega procesa. Nasprotno. Predstavlja šele začetni izziv na poti raziskovanja nečesa,
kar smo na začetku poimenovali intelektualni kapital. Prepričani smo, da bomo na tej poti
marsikatero ugotovitev, ki smo jo v raziskavi postavili, dodatno potrdili, marsikatero pa tudi
152
ovrgli. Še bolj pa smo prepričani, da smo začeli proučevati fenomen, ki je danes še vedno na
obrobju znanstvenega raziskovanja, a bo že v bližnji prihodnosti prevzel večino pozornosti v
okviru znanstvenega raziskovanja na področju ekonomije.
153
LITERATURA IN VIRI
Abdolmohammadi, M. J. (2005). Intellectual capital disclosure and market capitalization.
Journal of Intellectual Capital, 6(3), 397 - 416.
Abeysekera, I. (2008). Intellectual capital practices of firms and the commodification of
labour. Accounting, Auditing & Accountability Journal, 21(1), 36 - 48.
Aboody, B. L. (2000). Information Asymmetry, R&D, and insider gains. The Journal of
Finance, LV(No. 6), 2747-2766.
Abysekera, I. (2005). The Project of Intellectual Capital Disclosure: researching the
research. Paper presented at the 4th International Critical Management Studies
Conference. from
http://www.mngt.waikato.ac.nz/ejrot/cmsconference/2005/proceedings/intellectualcapi
tal/Abeysekera.pdf
Achuthan, L., Banerji, A. (2004). Beating the Business Cycle (First Edition ed.). New York:
Currency Doubleday.
Aiken, L. S., West, S.G. (1991). Multiple Regression: Testing and interpreting interactions.:
Sage.
Andriessen, D. (2001). Weightless wealth: four modifications to standard IC theory. Journal
of Intellectual Capital, 2(3), 204 - 214.
Andriessen, D. (2004). IC valuation and measurement: classifying the state of the art. Journal
of Intellectual Capital, 5(2), 230 - 242.
Andriessen, D. (2004). Reconciling the rigor-relevance dilemma in intellectual capital
research. The Learning Organization, 11(4/5), 393 - 401.
Andriessen, D. (2006). On the metaphorical nature of intellectual capital: a textual analysis.
Journal of Intellectual Capital, 7(1), 93 - 110.
Andriessen, D., & Boom, M. v. d. (2007). East is East, and West is West, and (n)ever its
intellectual capital shall meet. Journal of Intellectual Capital, 8(4), 641 - 652.
Andriesson, D. (2005). Implementing the KPMG Value Explorer: Critical success factors for
applying IC measurement tools. Journal of Intellectual Capital, 6(4), 474 - 488.
Andrikopoulos, A. (2005). The real-options approach to intellectual capital analysis: a
critique. Knowledge & Process Management, 12(No. 3), 14-25.
Antola, J., Kujansivu, P., Lonnqvist, A. (2005). Management accounting for intellectual
capital. Proceedings of the 7th Conference on Manufacturing Accounting Research,
Tampere(May 30 - June 1).
Appuhami, B. A. R. (2007). The impact of intellectual capital on investors' capital gains on
shares: an empirical investigation of Thai banking, finance and insurance sector.
International Management Review, 3(2), 14-25.
Arenas, T., & Lavanderos, L. (2008). Intellectual capital: object or process? Journal of
Intellectual Capital, 9(1), 77 - 85.
Arthur, B. (1989). Positive Feedbacks in the Economy. Scientific American, 262, 92-99.
Arthur, B. (1996). Increasing Returns and the Two Worlds of Business. Harvard Business
Review of Economics and Statistics, July-August, 1996.
Arthur, W. B. (1987). Competing Technologies, Increasing Returns and Lock-in by Historical
Events. The Economic Jurnal, 99, 116-131.
Ayadi, O. F., PhD, Dufrene, U. B., & Obi, C. P. (1996). Firm Performance Measures:
Temporal Roadblocks to Innovation? Managerial Finance, 22(8), 18 - 32.
Banyas, C. A. (1999). Evolution and Phylogenetic history of the Frontal Lobes. Paper
presented at the The Human Frontal Lobes.
Bart, C. K. (2001). Measuring the mission effect in human intellectual capital. Journal of
154
Intellectual Capital, 2(3), 320 - 330.
Bauer, D. J., Curran, P.J. (2005). Probing interactions in fixed and multilevel regression:
Inferential and graphical techniques. Multivariate Behavioral Research, 40, 373-400.
Becker, S. G. (1975). Human Capital: A Theoretical and Empirical Analysis. National Bureau
of Economic Research, 2nd ed.(Special Reference to Education), (p. -22 - 20).
Benevene, P., Cortini, M. . (2010). Interaction between structural capital and human capital in
Italian NPOs Leadership, organizational culture and human resource management.
Journal of Intellectual Capital, Vol. 11(12), pp. 123-139.
Bešter, J., Bučar, M., Raspor, P. (2008). Raziskave, inovacije, tehnologija. Slovenijajutri,
from http://www.slovenijajutri.gov.si/fileadmin/urednik/dokumenti/rit1.pdf
Boedker, C., Guthrie, J., & Cuganesan, S. (2005). An integrated framework for visualising
intellectual capital. Journal of Intellectual Capital, 6(4), 510 - 527.
Boekestein, B. (2006). The relation between intellectual capital and intangible assets of
pharmaceutical companies. Journal of Intellectual Capital, 7(2), 241 - 253.
Bogdanowicz, M. S., & Bailey, E. K. (2002). The value of knowledge and the values of the
new knowledge worker: generation X in the new economy. Journal of European
Industrial Training, 26(2/3/4), 125 - 129.
Bontis, N. (1998). Intellectual capital: an exploratory study that develops measures and
models. Management Decision, Vol.36(No.2), pp.63-67.
Bontis, N. (1999). Managing an Organizational Knowledge by Diagnosing Intellectual
Capital: Framing and Advancing the State of the Field. International Journal of
Technology Management, 18(5/6/7/8), 433-462.
Bontis, N. (2000). Assessing Knowledge Assets: a review of the models used to measure
intellectual capital [Electronic Version], 21,
Bontis, N., & Nikitopoulos, D. (2001). Thought leadership on intellectual capital. Journal of
Intellectual Capital, 2(3), 183 - 191.
Bornemann, M., Knapp, A., Schneider, U., Sixl, K.I. (1999). Holistic measurement of
intellectual capital. Paper presented at the International Symposium: measuring and
reporting Intellectual capital: experiences, Issues and Prospects. from
www.oecd.org/dataoecd/16/20/1947871.pdf
Bose, S., & Oh, K.-B. (2003). An empirical evaluation of option pricing in intellectual capital.
Journal of Intellectual Capital, 4(3), 382 - 395.
Bose, S., & Oh, K. B. (2004). Measuring strategic value-drivers for managing intellectual
capital. The Learning Organization, 11(4/5), 347 - 356.
Bose, S., & Thomas, K. (2007). Valuation of intellectual capital in knowledge-based firms:
The need for new methods in a changing economic paradigm. Management Decision,
45(9), 1484 - 1496.
Brennan, N., & Connell, B. (2000). Intellectual capital: current issues and policy implications.
Journal of Intellectual Capital, 1(3), 206 - 240.
Bukh, P. N. (2003). The relevance of intellectual capital disclosure: a paradox? Accounting,
Auditing & Accountability Journal, 16(1), 49 - 56.
Bukh, P. N., & Johanson, U. (2003). Research and knowledge interaction: Guidelines for
intellectual capital reporting. Journal of Intellectual Capital, 4(4), 576 - 587.
Burgman, R., & Roos, G. (2007). The importance of intellectual capital reporting: evidence
and implications. Journal of Intellectual Capital, 8(1), 7 - 51.
Butterfield, H. (1949). The origins of Modern Science 1300-1800. New York: The Macmillan
Company.
Cabello, C., & Kekale, T. (2008). Managing intellectual capital in small ITC companies.
Business Strategy Series, 9(4), 163 - 167.
Caddy, I. (2000). Intellectual capital: recognizing both assets and liabilities. Journal of
155
Intellectual Capital, 1(2), 129 - 146.
Cameron, A. C., Trivedi, P.K. (2009). Microeconometrics Using STATA. Colle Station,
Texas: StataCorp LP.
Caniels, M. C. J. (1997). The Geographic Distribution of Patents and Value Added Across
European Regions. Maastricht, Maastricht Economic Research institute on Innovation
and Technology, August, 1997.
Carson, E., Ranzijn, R., Winefield, A., & Marsden, H. (2004). Intellectual capital: Mapping
employee and work group attributes. Journal of Intellectual Capital, 5(3), 443 - 463.
Castro, G. M. d., & Saez, P. L. (2008). Intellectual capital in high-tech firms: The case of
Spain. Journal of Intellectual Capital, 9(1), 25 - 36.
Chaharbaghi, K., & Cripps, S. (2006). Intellectual capital: direction, not blind faith. Journal of
Intellectual Capital, 7(1), 29 - 42.
Chaminade, C., Roberts, H. . (2003). What it means is what it does: a comparative analysis of
implementing intellectual capital in Norway and Spain. European Accounting Review,
12(4), 733-751.
Chan, K. H. (2009). Impact of intellectual capital on organisational performance: An
empirical study of companies in the Hang Seng Index (Part 2). The Learning
Organization, 16(1), 22 - 39.
Chang, J.-R., Hung, M.-W., & Tsai, F.-T. (2005). Valuation of intellectual property: A real
option approach. Journal of Intellectual Capital, 6(3), 339 - 356.
Chatzkel, J. (2003). The collapse of Enron and the role of intellectual capital. Journal of
Intellectual Capital, 4(2), 127 - 143.
Chatzkel, J. (2006). The 1st World Conference on Intellectual Capital for Communities in the
Knowledge Economy: Nations, Regions and Cities. Journal of Intellectual Capital,
7(2), 272 - 282.
Chatzkel, J. (2006). Towards the next stage of intellectual capital. Journal of Intellectual
Capital, 7(4), 568 - 569.
Chen, M.-C., Cheng, S.-J., & Hwang, Y. (2005). An empirical investigation of the
relationship between intellectual capital and firms’ market value and financial
performance. Journal of Intellectual Capital, 6(2), 159 - 176.
Chen, S. (2003). Valuing intellectual capital using game theory. Journal of Intellectual
Capital, 4(2), 191 - 201.
Cheng, M.-Y., Lin, J.-Y., Hsiao, T.-Y., & Lin, T. W. (2008). Censoring model for evaluating
intellectual capital value drivers. Journal of Intellectual Capital, 9(4), 639 - 654.
Christensen, S. D. A., Erik A. Roth. (2004). Seeing what's next: using the theories of
innovation to predict industry change. Harvard: Harvard Business School Publishing
Corporation.
Cohen, J. A. (2005). Intangible Assets: valuation and Economic Benefit. Hoboken, New
Jersey: John Wiley & Sons Inc. .
Copeland, T. E., Weston, J.F., Shastri, K. (1996-2004). Financial Theory and Corporate
Policy (4 ed.): Addison Wesley.
Cortright, J. (2001). New Growth Theory, Technology and Learning. Reviews of Economic
Development Literature and Practice: No. 4, No. 4.
Cuganesan, S., Boedker, C., & Guthrie, J. (2007). Enrolling discourse consumers to affect
material intellectual capital practice. Accounting, Auditing & Accountability
Journal, 20(6), 883 - 911.
Dalkir, K., Wiseman, E., Shulha, M., & McIntyre, S. (2007). An intellectual capital evaluation
approach in a government organization. Management Decision, 45(9), 1497 - 1509.
Damodaran, A. (2001). The dark side of valuation: valuing old tech, new tech and new
economy companies (1 st ed.). Upper Sadle River, NJ: Prentice Hall PTR.
156
Damodaran, A. (2003). Investment Philosophies: successful strategies and investors who
made them work (1 st ed.). Hoboken, New Jersey: John Wiley & sons, Inc.
Das, S., Sen, P. K., & Sengupta, S. (2003). Strategic alliances: a valuable way to manage
intellectual capital? Journal of Intellectual Capital, 4(1), 10 - 19.
Dass, R. (1971). Be here now. Mexico: San Cristobal, New Mexico.
Daum, J. H. (2003). Intangible Asset and Value Creation. West Sussex PO 19 8SQ England:
John Wiley & Sons Ltd.
David, P. A. (1985). Clio and the Economics of QWERTY. The American Economic Review,
Vol. 75(No. 2), 332-337.
David Young, S. F. O. B. (2001). EVA and Value Based Management.
Dean, A., Kretschmer, M. (2002). Can ideas be Capital? Factors of Production in the Post-
industrial Economy: A review and Critigue. Paper presented at the European
Association for Revolutionary Political Economy.
Deol, H. S. (2009). Strategic environment and intellectual capital of Indian banks. Journal of
Intellectual Capital, 10(1), 109 - 120.
Dzinkowski, R. (2000). The measurement and management of intellectual capital: an
introduction. Management Accounting Vol. 72(No. 2), 32-36.
Edgerton, D. (1999). From Innovation to use: ten Eclectic Theses On the Histography of
Technology. History and Technology, Vol. 16, pp.111-136.
Edvinsson, L., Malone, M.S. (1997). Intellectual Capital: Realizing your Company's True
Value by Finding Its Hidden Brainpower. Harper Business, New York, NY.
Edvinsson, L. (2000). Some perspectives on intangibles and intellectual capital 2000. Journal
of Intellectual Capital, 1(1), 12 - 16.
Edvinsson, L., & Bounfour, A. (2004). Assessing national and regional value creation.
Measuring Business Excellence, 8(1), 55 - 61.
Edvinsson, L., Hofman-Bang, P., & Jacobsen, K. (2005). Intellectual capital in waiting – a
strategic IC challenge. Handbook of Business Strategy, 6(1), 133 - 140.
Ely, K., & Waymire, G. (1999). Intangible Assets and Stock Prices in the Pre-SEC Era.
Journal of Accounting Research, 37(3), 17-44.
Engstrom, T. E. J., Westnes, P., & Westnes, S. F. (2003). Evaluating intellectual capital in the
hotel industry. Journal of Intellectual Capital, 4(3), 287 - 303.
Feldman, M. (1998). The New Economics of Innovation, Spillovers and Agalomeration: a
Review of Empirical Studies. Econ. Innov, New. Techn. , Vol. 8, pp. 5-25.
Felin, T., Hesterly, W.S. (2007). The Knowledge-Based view, Nested Heterogenity, and New
Value Creation: Philosophical Considerations on the Locus of Knowledge. Academy
of Management Review 32(1), 192-219.
Finch, P. (2004). Supply chain risk management. Supply Chain Management: An
International Journal, 9(2), 183 - 196.
Fincham, R. a. R., R. (2003). Intellectual accounting as management fashion: a review and
critique. European Accounting Review, 12(4), 781-795.
Firer, S., & Williams, S. M. (2003). Intellectual capital and traditional measures of corporate
performance. Journal of Intellectual Capital, 4(3), 348 - 360.
Frandsen, A. C., Hoskin, K. (2009). ‘Where is Strategy?’ Towards an understanding of how
accounting shapes strategizing practice. Unpublished Research Seminar. University of
Ljubljana Faculty of Economics.
Friedrich, J. R. (1982). In Defense of Multiplicative Terms in Multiple Regression Equations.
American Journal of Political Science, Vol. 26(No. 4. Nov.1982), pp. 797-833.
Garcia-Ayuso, M. (2003). Factors explaining the inefficient valuation of intangibles.
Accounting, Auditing & Accountability Journal, 16(1), 57 - 69.
Garcia-Ayuso, M. (2003). Intangibles: Lessons from the past and a look into the future.
157
Journal of Intellectual Capital, 4(4), 597 - 604.
Gerpott, T. J., Thomas, S. E., & Hoffmann, A. P. (2008). Intangible asset disclosure in the
telecommunications industry. Journal of Intellectual Capital, 9(1), 37 - 61.
Ghosh, D., & Wu, A. (2007). Intellectual capital and capital markets: additional evidence.
Journal of Intellectual Capital, 8(2), 216 - 235.
Gilbert, D. (2006). Stumbling on Happiness. New York: First Vintage Books Edition.
Godin, B. (2008). Innovation: The History of a Category. Project on the Intellectual History
of Innovation, Working Paper No. 1.
Goh, P. C. (2005). Intellectual capital performance of commercial banks in Malaysia. Journal
of Intellectual Capital, 6(3), 385 - 396.
Goldenberg, D. I. (2000). Shareholder value debunked. Strategy & Leadership, 28(1), 30
- 36.
Grossman, G., Helpman, E. (1990). Comparative Advantage and long run growth. The
American Economic Review, 80(4).
Grossman, G., Helpman, E. (1994). Endogenus Innovation in the Theory of Growth. Journal
of economic Perspectives, 8(1).
Gu, F., Lev, Baruch. (2001). Intangible Assets: Measurement, Drivers, Usefulness [Electronic
Version], 32. Retrieved April 2001,
Gupta, O., & Roos, G. (2001). Mergers and acquisitions through an intellectual capital
perspective. Journal of Intellectual Capital, 2(3), 297 - 309.
Guthrie, J. (2001). The management, measurement and the reporting of intellectual capital.
Journal of Intellectual Capital, 2(1), 27 - 41.
Guthrie, J., & Petty, R. (2000). Intellectual capital: Australian annual reporting practices.
Journal of Intellectual Capital, 1(3), 241 - 251.
Haith, M. M. (1997). The Development of Future Thinking as Essential for the Emergence of
Skill in Planning. The Developmental Psychology of Planning, 25-42.
Hand, B. L. (Ed.). (2003). Intangible Assets: Values, Measures, and Risks. New York: Oxford
University Press.
Harrison, S., & Sullivan, P. H., Sr. (2000). Profiting from intellectual capital: learning from
leading companies. Industrial and Commercial Training, 32(4), 139 - 148.
Herremans, I. M., & Isaac, R. G. (2004). Leading the strategic development of intellectual
capital. Leadership & Organization Development Journal, 25(2), 142 - 160.
Hervas-Oliver, J. L., & Dalmau-Porta, J. I. (2007). Which IC components explain national IC
stocks? Journal of Intellectual Capital, 8(3), 444 - 469.
Hervas-Oliver, J. L., & Dalmau-Porta, J. I. (2007). Which IC components explain national IC
stocks? Journal of Intellectual Capital, 8(3), 444 - 469.
Holland, J. (2003). Intellectual capital and the capital market – organisation and competence.
Accounting, Auditing & Accountability Journal, 16(1), 39 - 48.
Housel, T. J., & Nelson, S. K. (2005). Knowledge valuation analysis: Applications for
organizational intellectual capital. Journal of Intellectual Capital, 6(4), 544 - 557.
Huang, C. C., Luther, R., & Tayles, M. (2007). An evidence-based taxonomy of intellectual
capital. Journal of Intellectual Capital, 8(3), 386 - 408.
Hudson, M. (2000). The use and abuse of mathematical economics. Journal of Economic
Studies, 27(4/5), 292 - 315.
Hurwitz, J., Lines, S., Montgomery, B., & Schmidt, J. (2002). The linkage between
management practices, intangibles performance and stock returns. Journal of
Intellectual Capital, 3(1), 51 - 61.
Hurwitz, J., Lines, S., Montgomery, B., & Schmidt, J. (2002). The linkage between
management practices, intangibles performance and stock returns. Journal of
Intellectual Capital, 3(1), 51 - 61.
158
IFA, I. F. o. A. (1998). The Measurement and Management of Intellectual Capital. Retrieved.
from.
Jarboe, K. P., Atkinson, R.D. (1998). The case for technology in the Knowledge Economy:
R&D, Economic Growth and the Role of Government. Washington, DC, Progressive
Policy Institute(June).
Jason, L. A. (1989). Time orientation: Past, Present and Future perceptions. Psychological
Reports, 64, 1199-1205.
Javornik, S. (2006). Intelektualni kapital v povezavi z ocenjevanjem vrednosti podjetij. Paper
presented at the 9. letna konferenca ocenjevalcev vrednosti.
Johanson, U. (2003). Why are capital market actors ambivalent to information about certain
indicators on intellectual capital? Accounting, Auditing & Accountability Journal,
16(1), 31 - 38.
John D. Martin, J. W. P. (2000). Value Based Management. Harvard Business School Press,
Boston
Johnson, W. H. A. (2002). Leveraging intellectual capital through product and process
management of human capital. Journal of Intellectual Capital, 3(4), 415 - 429.
Jørgensen, K. M. (2006). Conceptualising intellectual capital as language game and power.
Journal of Intellectual Capital, 7(1), 78 - 92.
Kamath, G. B. (2007). The intellectual capital performance of the Indian banking sector.
Journal of Intellectual Capital, 8(1), 96 - 123.
Kannan, G., & Akhilesh, K. B. (2002). Human capital knowledge value added: A case study
in infotech. Journal of Intellectual Capital, 3(2), 167 - 179.
Kannan, G., & Aulbur, W. G. (2004). Intellectual capital: Measurement effectiveness. Journal
of Intellectual Capital, 5(3), 389 - 413.
Kaplan, N. P. D. (1996). The Balanced Scorecard (1 st ed.). Harvard: Harvard Business
School Press.
Kaufmann, L., Schneider, Y. (2004). Intangibles: A synthesis of current research. Journal of
Intellectual Capital, Vol. 5 No. 3, 2004, pp. 366-388.
Keller, W. (2004). International Technology Diffusion. Journal of Economic Literature, Vol.
XLII, 752–782.
Klenow, P. (2003). Measuring Consumption Growth:The Impact of New and Better Products.
Federal Reserve Bank of Minneapolis Quarterly Review, Vol. 27(No. 2), 10-23.
Koenig, M. E. D. (1997). Intellectual capital and how to leverage it. The Bottom Line:
Managing Library Finances, 10(3), 112 - 118.
Kossovsky, N. (2002). Fair value of intellectual property: An options-based valuation of
nearly 8,000 intellectual property assets. Journal of Intellectual Capital, 3(1), 62 - 70.
Kristandl, G., & Bontis, N. (2007). The impact of voluntary disclosure on cost of equity
capital estimates in a temporal setting. Journal of Intellectual Capital, 8(4), 577 - 594.
Kujansivu, P., & Lonnqvist, A. (2007). Investigating the value and efficiency of intellectual
capital. Journal of Intellectual Capital, 8(2), 272 - 287.
Kurtzman, J. (1997). An Interview with Paul M. Romer. Strategy&Business (Booz,
Allen&Hamilton), First Quarter 1997, 1-11.
Kurzweil, R. (Ed.). (2000). The Age of Spiritual Machines: When Computers Exceed Human
Intelligence New York: Penguin Group.
Kurzweil, R. (2001). The Law of Accelerating Returns. from http://www.kurzweilai.net/the-
law-of-accelerating-returns
Lachman, L. M. (1986). The Market as an Economic Process. New York: Basil Blackwell.
Lev, B., Zarowin, P. . (1999). The Boundaries of financial reporting and how to extend them.
Journal of Accounting Research, 37, Autumn (353-85).
Lev, B. (2001). Intangibles: Management, Measurement, an Reporting (1st ed.). N.W.,
159
Washington D.C.: The Brookings Institution.
Lev, B., Radhakrishnan, S. (2002). The Valuation of Organizational Capital. Paper presented
at the 2001 Strategy Conference-Harvard University.
Lev, B. (2004). Sharpening the Intangibles Edge. Harvard Business Review, June 2004, 109-
116.
Lev, B. (2005). Intangible Assets: Concepts and Measurements. Encyclopedia of Social
Measurement, 2(1), 299-305
Lewin, P. (2002). The Economics of QWERTY: History, Theory and Policy. New York: New
York University Press.
Lewin, P., Baetjer, H. (2005). Can Ideas be Capital: Can Capital be Anything Else? Working
Paper.
Lewin, P. (2005). The Capital Idea and the Scope of Economics. Review of Austrian
Economics, 18(2), 145-167.
Liebowitz, J., & Suen, C. Y. (2000). Developing knowledge management metrics for
measuring intellectual capital. Journal of Intellectual Capital, 1(1), 54 - 67.
Lim, L. L. K., & Dallimore, P. (2004). Intellectual capital: management attitudes in service
industries. Journal of Intellectual Capital, 5(1), 181 - 194.
Lin, C. Y.-Y., & Edvinsson, L. (2008). National intellectual capital: comparison of the Nordic
countries. Journal of Intellectual Capital, 9(4), 525 - 545.
Litschka, M., Markom, A., & Schunder, S. (2006). Measuring and analysing intellectual
assets: an integrative approach. Journal of Intellectual Capital, 7(2), 160 - 173.
Luthy, D. H. (1998). Intellectual Capital and its Measurement [Electronic Version], 10, from
http://www3.bus.osaka-cu.ac.jp/apira98/archives/pdfs/25.pdf
M’Pherson, P. K., & Pike, S. (2001). Accounting, empirical measurement and intellectual
capital. Journal of Intellectual Capital, 2(3), 246 - 260.
Maditinos, D., Chatzoudes, D., Tsairidis, C., Theriou, G. (2011). The impact of intellectual
capital on firms’ market value and financial performance. Journal of Intellectual
Capital, Vol. 12(No. 1), pp. 132-151.
Makelainen, E. (1998). Economic Value Added as a management tool.
Marr, B. (2004). Measuring and benchmarking intellectual capital. Benchmarking: An
International Journal, 11(6), 559 - 570.
Marr, B., Gupta, O., Pike, S., & Roos, G. (2003). Intellectual capital and knowledge
management effectiveness. Management Decision, 41(8), 771 - 781.
Marti, J. M. V. (2001). ICBS – intellectual capital benchmarking system. Journal of
Intellectual Capital, 2(2), 148 - 165.
Mason, C., Castleman, T., & Parker, C. (2008). Communities of enterprise: developing
regional SMEs in the knowledge economy. Journal of Enterprise Information
Management, 21(6), 571 - 584.
Mavridis, D. G. (2004). The intellectual capital performance of the Japanese banking sector.
Journal of Intellectual Capital, 5(1), 92 - 115.
Mavridis, D. G. (2005). Intellectual capital performance determinants and globalization status
of Greek listed firms. Journal of Intellectual Capital, 6(1), 127 - 140.
Mavridis, D. G., & Kyrmizoglou, P. (2005). Intellectual capital performance drivers in the
Greek banking sector. Management Research News, 28(5), 43 - 62.
Mayo, A. (2000). The role of employee development in the growth of intellectual capital.
Personnel Review, 29(4), 521 - 533.
McKinnon, R., Gowland, C., & Worzel, K. (2005). From breakthrough to value creation:
Mastering profitable discovery. Strategy & Leadership, 33(3), 17 - 23.
Menger, C. (2007/1871). Principles of Economics. Auburn, Ala. 36832 U.S.A.
MERITUM. (2001). Measuring intangibles to understand and improve innovation
160
management. Retrieved. from.
Miceli, M., Castelfranchi, C. (2002). The Mind and the Future: The negative Power of
Expectations. Theory and Psychology, 12, 335-366.
Mir, A. E., & Seboui, S. (2008). Corporate governance and the relationship between EVA and
created shareholder value. Corporate Governance, 8(1), 46 - 58.
Mohiuddin, M., Najibulah, S., Shahid, A.I. (2006). An explanatory study on intellectual
capital performance of the commercial banks in Bangladesh. The Cost and
Management, 34(6), 40-54.
Montier, J. (2005). Seven Sins of Fund Management [Electronic Version]. Global Investment
Strategy, from www.drkwresearch.com
Mouritsen, J. (2003). Intellectual capital and the capital market: the circulability of intellectual
capital. Accounting, Auditing & Accountability Journal, 16(1), 18-30.
Mouritsen, J. (2006). Problematising intellectual capital research: ostensive versus
performative IC. Accounting, Auditing & Accountability Journal, 19(6), 820 -
841.
Mouritsen, J., Bukh, P. N., & Marr, B. (2004). Reporting on intellectual capital: why, what
and how? Measuring Business Excellence, 8(1), 46 - 54.
Mouritsen, J., Thorbjørnsen, S., Bukh, P. N., & Johansen, M. R. (2004). Intellectual capital
and new public management: Reintroducing enterprise. The Learning Organization,
11(4/5), 380 - 392.
M'Pherson, P. K. (1998). Business Value Modelling. Aslib Proceedings, 50(7), 154 - 172.
Mramor, D. (1990). Teorija finančne politike podjetja. Unpublished doktorska disertacija
Univerza v Ljubljani.
Mramor, D. (1991). Finančna politika podjetja: teoretični prikaz. Ljubljana: Gospodarski
vestnik.
Muhammad, N. M. N., Ismail, M.K.A. (2009). Intellectual capital efficiency and firms'
performance: study on Malaysian financial sectors. International Journal of
Economics and Finance, 1(2), 206-212.
Nakamura, J. (2010). Intangible Assets and national income accounting. Review of Income
and Wealth, Series 56(Special Issue 1), 135-155.
Narvekar, R. S., & Jain, K. (2006). A new framework to understand the technological
innovation process. Journal of Intellectual Capital, 7(2), 174 - 186.
Nazari, J. A., & Herremans, I. M. (2007). Extended VAIC model: measuring intellectual
capital components. Journal of Intellectual Capital, 8(4), 595 - 609.
Nelson, R., Winter, S. (2002). Evolutionary Theorizing in Economics. Journal of Economic
Perspectives, Volume 16(Number 2), 23–46.
Nelson, R. R., Winter, S.G. (1982). An Evolutionary Theory of Economic Change.
Cambridge.
Nerdrum, L., & Erikson, T. (2001). Intellectual capital: a human capital perspective. Journal
of Intellectual Capital, 2(2), 127 - 135.
Ng, A. W. (2006). Reporting intellectual capital flow in technology-based companies: Case
studies of Canadian wireless technology companies. Journal of Intellectual Capital,
7(4), 492 - 510.
Ngah, R., Razak, I. (2009). The Relationship of Intellectual Capital, Innovation and
Organizational Performance: a Preliminary Study in Malaysian SMEs. International
Journal of Management Innovation Systems, Vol. 1(No. 1).
Nonaka, I., Takeuchi. (1995). The Knowledge Creating Company: How Japanese Create the
Dynamics of Innovation. New York. Oxford University Press.
North, D. C. (1990). The Adam Smith Adress: Economic Theory in a Dynamic Economic
World. Business Economics, 7.
161
North, D. C. (1990). Institutions, Institutional Change and Economic Performance.
Cambridge. Cambridge University. Press.
O’Donnell, D., O’Regan, P., & Coates, B. (2000). Intellectual capital: a Habermasian
introduction. Journal of Intellectual Capital, 1(2), 187 - 200.
O'Donnell, D., Tracey, M., Henriksen, L. B., Bontis, N., Cleary, P., Kennedy, T., et al. (2006).
On the “essential condition” of intellectual capital: labour! Journal of Intellectual
Capital, 7(1), 111 - 128.
OECD. (1999). Measuring and Reporting Intellectual Capital, Amsterdam.
Oettingen, G., Mayer, D. (2002). The Motivating Function of Thinking About Future:
Expectations versus Fantasies. Journal of Personality and Social Psychology, 83,
1198-1212.
Oliver, J. L. H., & Porta, J. I. D. (2006). How to measure IC in clusters: empirical evidence.
Journal of Intellectual Capital, 7(3), 354 - 380.
Ong, W. (1982). Orality and literacy: The technologizing of the word. London: London:
Methuen. x.
Pablos, P. O. d. (2003). Intellectual capital reporting in Spain: a comparative view. Journal of
Intellectual Capital, 4(1), 61 - 81.
Palacios, T. M. B., & Galvan, R. S. (2007). Intangible measurement guidelines: a comparative
study in Europe. Journal of Intellectual Capital, 8(2), 192 - 204.
Passerini, K. (2007). Knowledge-driven development indicators: still an eclectic panorama.
Journal of Knowledge Management, 11(5), 115 - 128.
Paul, A. D. (1997). Path Dependence and the Ques for Historical Economics. Discussion
Papers in Economic and Social History (Number 20).
Pavlik, E., & Riahi-Belkaoui, A. (1994). The Effects of Ownership Structure on Value
Added-Based Performance. Managerial Finance, 20(9), 16 - 26.
Pedrini, M. (2007). Human capital convergences in intellectual capital and sustainability
reports. Journal of Intellectual Capital, 8(2), 346 - 366.
Pedrini, M. (2007). Human capital convergences in intellectual capital and sustainability
reports. Journal of Intellectual Capital, 8(2), 346 - 366.
Peppard, J., & Rylander, A. (2001). Leveraging intellectual capital at APiON. Journal of
Intellectual Capital, 2(3), 225 - 235.
Petty, R., & Guthrie, J. (2000). Intellectual capital literature review: Measurement, reporting
and management. Journal of Intellectual Capital, 1(2), 155 - 176.
Petty, R., Ricceri, F., & Guthrie, J. (2008). Intellectual capital: a user's perspective.
Management Research News, 31(6), 434 - 447.
Pike, S., & Roos, G. (2004). Mathematics and modern business management. Journal of
Intellectual Capital, 5(2), 243 - 256.
Porter, T. (1996). Trust in Numbers: The Pursuit of Objectivity in Science and Public Life:
Princeton University Press.
Pratt, P. S. (2008). Valuing a Business (Vol. 5th Edition). New York: McGraw-Hill
Pulic, A. (1998). Measuring the performance of Intellectual Potential in Knowledge
Economy. Paper presented at the Measuring and Managing Intellectual Capital by the
Austrian Team for Intellectual Capital.
Pulic, A. (1998). Measuring the Performance of Intellectual Potential in Knowledge
Economy. Paper presented at the 2nd McMaster World Congress on Measuring and
Managing Intellectual Capital.
Pulic, A., Bornemann, M. (1999). The physical and intellectual capital of Austrian banks.
from www.vaic-on.net
Pulic, A. (2004). Intellectual capital – does it create or destroy value? Measuring Business
Excellence, 8(1), 62 - 68.
162
Puntillo, P. (2009). Intellectual capital and business performance from Italian banking
industry. Electronic Journal of Corporate Finance, 4(2), 97-115.
Ramirez, Y., Lorduy, C., & Rojas, J. A. (2007). Intellectual capital management in Spanish
universities. Journal of Intellectual Capital, 8(4), 732 - 748.
Reddyhoff, N. (2010). The Pace of Innovation Never Falters. Multimedia, March/April 2010.
Reilly, F. R. (1994). Valuation of intangible assets for bankruptcy and reorganization
purposes. CPA Jurnal, Vol. 53(4), 10.
Reimann, B. C. (1986). Strategy valuation in portfolio planning: Combining Q and VROI
ratios. Strategy & Leadership, 14(1), 18 - 23.
Riahi-Belkaoui, A. (2003). Intellectual capital and firm performance of US multinational
firms: A study of the resource-based and stakeholder views. Journal of Intellectual
Capital, 4(2), 215 - 226.
Ridderstrale, N. K. A. (2002). Funky Business: talent makes capital dance. Stockholm
Sweden BookHouse Publishing AB.
Ridderstrale, N. K. A. (2003). Karaoke Capitalism, Management for Mankind Stockholm:
BookHouse Publishing Sweden AB.
Roberts, W. A. (2002). Are Animals Stuck in Time. Psychological Bulletin, 128, 473-489.
Rodgers, W. (2003). Measurement and reporting of knowledge-based assets. Journal of
Intellectual Capital, 4(2), 181 - 190.
Romer, P. M. (1990). Endogenus Technological Change. Journal of Political Economy, Vol.
98(No. 5, pt. 21), 71-102.
Romer, P. M. (1990). Preferences, Promises and the Politics of Entitlement. Blueprint,
Working Paper.
Romer, P. M. (1998). Innovation: The New Pump of Groewth. Blueprint: Ideas for a New
Century, Winter 1989.
Romer, P. M. (2007). Economic Growth. The Concise Encyclopedia of Economics. Liberty
Fund, Liberty Fund 2007.
Romer, P. M., Jones, C.I. (2009). The New Caldor Facts: Ideas, Institutions, Population and
Human Capital. National Bureau of Economic Research, 2009 Annual Meetimg of teh
American Economic Association.
Roos, G. (2005). Intellectual capital and strategy: a primer for today’s manager. Handbook of
Business Strategy, 6(1), 123 - 132.
Roos, G., Bainbridge, A., & Jacobsen, K. (2001). Intellectual capital analysis as a strategic
tool. Strategy & Leadership, 29(4), 21 - 26.
Roslender, R. (2004). Accounting for intellectual capital: rethinking its theoretical
underpinnings. Measuring Business Excellence, 8(1), 38 - 45.
Roslender, R., & Fincham, R. (2004). Intellectual capital accounting in the UK: A field study
perspective. Accounting, Auditing & Accountability Journal, 17(2), 178 - 209.
Roslender, R., Stevenson, J., & Kahn, H. (2006). Employee wellness as intellectual capital: an
accounting perspective. Journal of Human Resource Costing & Accounting,
10(1), 48 - 64.
Sallebrant, T., Hansen, J., Bontis, N., & Hofman-Bang, P. (2007). Managing risk with
intellectual capital statements. Management Decision, 45(9), 1470 - 1483.
Samologlu, A. T. (2006). The performance analysis of the Turkish banks through VAIC and
MV/BV ratio. Journal of Administrative Sciences, 4(1), 207-226.
Sanchez-Canizares, S. M., Munoz, M. A. A., & Lopez-Guzman, T. (2007). Organizational
culture and intellectual capital: a new model. Journal of Intellectual Capital, 8(3), 409
- 430.
Schiuma, G., & Lerro, A. (2008). Intellectual capital and company's performance
improvement. Measuring Business Excellence, 12(2), 3 - 9.
163
Schmandt-Besserat, D. (1992). Before Writing: Volume 1: From Counting to Cuneiform (Vol.
1 st). Texas: University of Texas Press
Schumpeter, J. A. (Ed.). (1934). The Theory of Economic Development: Oxford, Oxford
University Press.
Seetharaman, A., Low, K. L. T., & Saravanan, A. S. (2004). Comparative justification on
intellectual capital. Journal of Intellectual Capital, 5(4), 522 - 539.
Seetharaman, A., Sooria, H. H. B. Z., & Saravanan, A. S. (2002). Intellectual capital
accounting and reporting in the knowledge economy. Journal of Intellectual Capital,
3(2), 128 - 148.
Shannon P. Pratt, R. F. R., Robert P. Schweihs. (2000). Valuing a Business: The Analysiss
and Appraisal of Closely Held Companies (4 th. ed. ed.). New York, NY: MCgraw-
Hill Professional.
Shapiro, H. R. V. (2003). The Information Economy. In B. Lev (Ed.), Intangible Assets:
Values, Measures, and Risks (pp. 48-62). Oxford: Oxford Management Readers.
Shiller, R. J. (2002). From Efficient Market Theory to Behavioral Finance. Cowles
Foundation Discussion Paper (No. 1358), 43.
Shiu, H. (2006). The application of the value added intellectual coeficient to measure
corporate performance: evidence from technological firms. International Journal of
Management, 23(2), 356-365.
SInger, J. L. (1981). Daydreaming and Fantasy. In. Oxford Oxford University Press.
Smith, P. (2006). Enhancing strategic capital. Handbook of Business Strategy, 7(1), 195 - 199.
Soler, L. E. V., & Celestino, D. J. C. d. O. (2007). Evaluating the scope of IC in firms' value.
Journal of Intellectual Capital, 8(3), 470 - 493.
Solow, R. S. (1957). Technical Change and the Aggregate Production Function. Review of
Economics and Statistics, 39, 312-320.
Spender, J.-C. (2006). Getting value from knowledge management. The TQM Magazine,
18(3), 238 - 254.
Stahle, P., & Bounfour, A. (2008). Understanding dynamics of intellectual capital of nations.
Journal of Intellectual Capital, 9(2), 164 - 177.
Stahle, P., & Hong, J. (2002). Dynamic intellectual capital in global rapidly changing
industries. Journal of Knowledge Management, 6(2), 177 - 189.
Stern, M. J., John S. Shiely, Irwin Roos. (2001). The EVA Challenge: implementing value
added change in an organization (1 st ed.). New York, NY: John Wiley&Sons, Inc.
Stewart, S. (1990). The Quest for value.
Stewart, T. A. (1997). Intellectual Capital: The Wealth of New Organisations, . Knowledgw
Management No. 65.
Strassman, P. A. (1999). The Value of Knowledge Capital
Sudarsanam, S., Sorwar, G., & Marr, B. (2006). Real options and the impact of intellectual
capital on corporate value. Journal of Intellectual Capital, 7(3), 291 - 308.
Sveiby, K.-E. (2007). Methods for Measuring Intangible Assets.
Sveiby, K. E. (1990). The Invisible Balance Sheet: Key indicators for accounting, control and
valuation of know-how companies: Affarsvarlden Forlag
Sveiby, K. E. (2000). La nueva riqueza de las emperas: Como medir y gestionar los activos
intangibles para crear valor. Gestion 2000, Barcelona.
Swart, J. (2006). Intellectual capital: disentangling an enigmatic concept. Journal of
Intellectual Capital, 7(2), 136 - 159.
Tan, H. P., Plowman, D., Hancock, P. (2007). Intellectual capital and financial returns of
companies. Journal of Intellectual Capital, 8(1), 76-94.
Tan, H. P., Plowman, D., & Hancock, P. (2007). Intellectual capital and financial returns of
companies. Journal of Intellectual Capital, 8(1), 76 - 95.
164
Tan, H. P., Plowman, D., & Hancock, P. (2008). The evolving research on intellectual capital.
Journal of Intellectual Capital, 9(4), 585 - 608.
Tayles, M., Pike, R. H., & Sofian, S. (2007). Intellectual capital, management accounting
practices and corporate performance: Perceptions of managers. Accounting, Auditing
& Accountability Journal, 20(4), 522 - 548.
Thomas, R. (2001). Business value analysis: - coping with unruly uncertainty. Strategy
& Leadership, 29(2), 16 - 24.
Thorbjørnsen, S., & Mouritsen, J. (2003). Accounting for the employee in the intellectual
capital statement. Journal of Intellectual Capital, 4(4), 559 - 575.
Tomlinson, J. (1987). Review Article: To Plan or not to Plan. Journal of Economic Studies,
14(1), 60 - 65.
Tovstiga, G., & Tulugurova, E. (2009). Intellectual capital practices: a four-region
comparative study. Journal of Intellectual Capital, 10(1), 70 - 80.
Tseng, C., Goo, Y.J. (2005). Intellectual capital and corporate value in an emerging economy:
empirical studies of Taiwanese manufacturers. R&D Management, 35(2), 187-201.
Tulving, E. (1985). Memory and Consciousness. Canadian Psychology 26(1-12).
Van der Zahn, M. J.-L. W., Tower, G. and Neilson, J. (2004). Intellectual Capital and
Efficiency of Value Added: Trends in the Singapore Capital Market 2000-2002.
Burleigh: Poseidon Books.
Webber, A. (2000). New math for a new economy,. Fast Company, No. 31(January/February
), pp. 214-224.
Weinstein, N. (1980). Unrealistic Optimism About Future Life Events. Journal of Personality
and Social Psychology, 39, 306-320.
Wexler, M. N. (2002). Organizational memory and intellectual capital. Journal of Intellectual
Capital, 3(4), 393 - 414.
Williams, S. M. (2001). Is intellectual capital performance and disclosure practices related?
Journal of Intellectual Capital, 2(3), 192 - 203.
Williams, S. M. (2004). Downsizing?–?intellectual capital performance anorexia or
enhancement? The Learning Organization, 11(4/5), 368 - 379.
Zerenler, M., Gozlu, S. (2008). Impact on itellectual capital on exportation performance:
research on the Turkish automotive supplier. Journal of Transnational Management, ,
13(4), 318-341.
Zhou, A. Z., & Fink, D. (2003). The intellectual capital web: A systematic linking of
intellectual capital and knowledge management. Journal of Intellectual Capital, 4(1),
34 - 48.
Zweig, J. (2007). Your Money and Your Brain (First Edition ed.). New York:
Simon&Schuster Paberbacks.
