Федеральное государственное автономное образовательное



страница6/11
Дата31.10.2016
Размер0,63 Mb.
1   2   3   4   5   6   7   8   9   10   11

Исследование влияния интеллектуального капитала на результаты деятельности компаний транспортной отрасли


Одной из задач была оценка влияния интеллектуального капитала на показатели результатов деятельности транспортных и экспедиционных компаний. Данная оценка проводилась на основании актуальных, общедоступных финансовых отчетностях российских компаний транспортной отрасли за 2013 год. Общий объем выборки составил 20 компаний. Информация была получена с интернет сайтов (http://quote.rbc.ru и stocks.investfunds.ru), а также с официальных сайтов компаний.

Исследование проводилось на основании регрессионного анализа с использованием программных пакетов Excel и Eviews.

Изучая транспортные компании на российском рынке, были выделены 20 компаний, которые имеют общедоступную финансовую отчетность и оказывают влияние на международный рынок. К таким компаниям можно отнести следующие:



  1. Аэрофлот

  2. ДВМП (FESCO)

  3. ЕВРАЗ Находкинский морской торговый порт

  4. Новороссийский морской торговый порт

  5. Новошип

  6. Приморское морское пароходство

  7. Роснефть-Находканефтепродукт

  8. СЗП

  9. ТРАНСАЭРО

  10. ТрансКонтейнер

  11. ЮТэйр

  12. ОАО «РЖД»

  13. ГК «Балтийский лизинг»

  14. Государственная транспортная лизинговая компания (ГТЛК)

  15. ОАО ВТБ Лизинг

  16. Открытое акционерное общество «Ленское объединенное речное пароходство»

  17. ОАО «Первая грузовая компания»

  18. ОАО «СГ-транс»

  19. Группа компаний ОАО «Совкомфлот»

  20. ООО «Фирма «Трансгарант»

По данным компаниям был сформирован массив данных (см. Приложение 1), который включает в себя:

  1. Общие характеристики: возраст, размер фирмы, количество сотрудников.

  2. Экономические и финансовые показатели: выручка, объем продаж, рентабельность продаж, инвестиции, кредиторская задолженность, затраты на труд и т.д.

  3. Специфичные показатели, необходимые для исследования: интеллектуальный коэффициент добавленной стоимости и его компоненты.

Для построения регрессионной модели была выбрана гипотеза, представленная в работе А.А. Быковой и М.А.Молодчик «Влияние интеллектуального капитала на результаты деятельности компании», которая звучит следующим образом: «чем выше уровень интеллектуального капитала компании, тем выше показатели результатов ее деятельности вне зависимости от отрасли и размера фирмы» [2, c. 45]. В связи с этим, было принято решение проверить данную гипотезу по отношению к компаниям транспортной отрасли.

Таким образом, была построена регрессионная модель, в которой интеллектуальный коэффициент добавленной стоимости используется в качестве независимой переменной.

Перед исследованием, все независимые переменные были исследованы на наличие мультиколлинеарности. Проведенный анализ коэффициентов парных корреляций представлен в таблице 3.

Исходя из полученных результатов, можно сделать следующие выводы:

1. Значимая взаимосвязь между рентабельностью продаж и компонентами интеллектуального капитала отсутствует.

2. Значимая связь наблюдается между отдельными компонентами интеллектуального капитала и интеллектуальным коэффициентом добавленной стоимости.


Таблица 3.

Коэффициенты парных корреляций независимых переменных

CovarianceAnalysis: Ordinary






















Date: 04/25/14 Time: 11:45






















Sample: 1 20

























Included observations: 20






















Covariance

























Probability

CAPEX'>SALES_VOLUME

EMPLOYES

ROS

CAPEX

CEE

ICE

HCE

SCE

VAIC

SALES_VOLUME

1




























-----

























EMPLOYES

0,047

1

























0.760

----






















ROS

-0,034

-0,014

1






















0.695

0.849

---



















CAPEX

-0,024

0,369*

-0,034

1



















0,826

0.000__0.453__0.000__0.000'>0.000__--________SCE'>0.000

0.891

---
















CEE

-0,094

0,015

-0,042

-0,252

1
















0,524

0.894

0.556

0.582

--













ICE

0,667*

0,053

0,640

-0,145

-0.021

1













0,000

0.694

0.525

0.152

0.544

--










HCE

0,724*

0,064

0,020

-0,120

-0,064

0,995*

1










0,000

0.579

0.925

0.685

0.561

0.000

--







SCE

0,156

-0,024

-0.016

-0,324*

0.053

0,674*

0,574*

1







0.178

0.573

0.870

0.000

0.453

0.000

0.000

--




VAIC

0,478*

0,067

-0,034

-0,243***

0.876*

0,786*

0,759*

0,584*

1




0.000

0.794

0.725

0.068

0.000

0.000

0.000

0.000

--

Примечание:

* - корреляция значима на 1%-м уровне

** - корреляция значима на 5%-м уровне

*** - корреляция значима на 10%-м уровне




Проверив возможные независимые переменные на мультиколлинеарность, было принято строить регрессионную модель, где в качестве зависимой переменной используется темп роста выручки.

Для проверки выдвинутой гипотезы были построены многофакторные модели, которые имеют следующий вид:



(модель 1)

(модель 2)

В качестве контрольной переменной, мы ввели в модель переменную «Размер фирмы», которая может быть определена логарифмом численности работников.

Результаты регрессионного анализа по первый модели имеют следующий вид:

Таблица 4.

Результаты регрессионного анализа по первой модели

Темпа роста

выручки


Независимые

Переменные



Число наблюдений

=

20

F-статистика

=

10,746

Prob>

=

0,000

Нестандартный коэффициент

Стандартная ошибка

Значимость



1876.648

1647.539

0.342

Size

-546.216

218.710

0.019**

VAIC

425.948

95.348

0.000*

Скорректированный









0.294

0.215






Результаты регрессионного анализа по второй модели имеют следующий вид:


Таблица 5.

Результаты регрессионного анализа по второй модели

Темпа роста

выручки


Независимые

Переменные



Число наблюдений

=

20

F - статистика

=

16.849

Prob>

=

0.000

Нестандартный коэффициент

Стандартная ошибка

Значимость



923.495

1452.349

0.584

Size

-485.219

216.473

0.457

CAPEX

0.0002

0.000

0.024**

ICE

849.316

107.246

0.000*

CEE

74.051

129.648

0.671

Скорректированный









0.567

0.481






Примечание:

* - корреляция значима на 1%-м уровне

** - корреляция значима на 5%-м уровне

Таким образом, по двум моделям можно сделать вывод о том, что каждая модель статистически значима на 1% уровне значимости. То есть данные модели описывают от 29 до 56 % дисперсии.

Что касается выводов по каждой модели, то первая модель подтвердила гипотезу о том, что интеллектуальный коэффициент добавленной стоимости влияет на темп роста продаж. Что касается размера компании, то наблюдается отрицательное влияние на зависимую переменную.

Вторая же модель также показала отрицательное влияние размера компании на темп роста продаж. Что касается инвестиций в основной капитал и отдачи от интеллектуального капитала, то данные факторы оказали положительное влияние на темп роста выручки.

Таким образом, полученные результаты подтверждают гипотезу о влияние интеллектуального капитала на темп роста выручки. Раз такое влияние присутствует, то мы можем сравнить компании ООО «ТК Лидер» с компаниями-лидерами транспортной отрасли на основании существующего интеллектуального капитала. В связи с этим, перейдем к оценке интеллектуального капитала транспортной отрасли в целом, после чего оценим интеллектуальный капитал непосредственно в компании ООО «ТК Лидер».





    1. Поделитесь с Вашими друзьями:
1   2   3   4   5   6   7   8   9   10   11


База данных защищена авторским правом ©grazit.ru 2017
обратиться к администрации

    Главная страница