Построение эмпирических моделей интеллектуального капитала на примере предприятий Пермского края Студентка группы Э-07-2 Абрамова О.В. Научный руководитель: Молодчик М.А.,к.э.н.

Описательные статистики VAIC 2005 VAIC 2006 VAIC 2007 Сред. значение Медиана Максимум Минимум Станд.откл

Гипотеза 1. Н0: ИК оказывает положительное влияние на производительность труда H1:ИК не оказывает положительного влияния на производительность труда

Зависимость производительности труда от VAIC в 2007 г.

Зависимость производительности труда от добавленной стоимости человеческого капитала в 2007 г.

Модель Тестом Уайта обнаружена гетероскедастичность Взвешенный МНК

Dependent Variable: MPL Method: Least Squares Weighting series: 1/SIGMA VariableCoefficientStd. Errort-StatisticProb. C CAPEX E E HCE Weighted Statistics R-squared Mean dependent var Adjusted R-squared S.D. dependent var Durbin-Watson stat Prob(F-statistic) Статистики модели.

Вывод: принимаем гипотезу о положительном влиянии HCE и CAPEX предыдущего периода на MPL

Гипотеза 2. Проблема: решение об инвестировании в НИОКР HCE2006 – добавленная стоимость человеческого капитала в предыдущий период R_D наличие инвестиций в НИОКР в предыдущий период AGE-возраст компании ROA 2006 –рентабельность активов в предыдущий период Н0: решение об инвестировании в НИОКР определяется в основном представленными регрессорами

Определение лучшей модели Модель/ статистика1 Probit2 Logit 3 Extreme ValueКритерий Мак-ФадденR max Критерий Акайке min Критерий Шварца min Критерий Хенанна- Куина min

Описательные статистики gompit- модели Dependent Variable: R_D Method: ML - Binary Extreme Value VariableCoefficientStd. Errorz-StatisticProb. C HCE R_D AGE ROA Probability(LR stat) Мак-Фадден R

построенная модель в целом значима. Однако, кроме предлагаемых нами, существуют еще значимые факторы, которые компании учитывают при принятии решения об инвестицировании в НИОКР. Эмпирическая проверка гипотезу 2 не подтверждает. Вывод:

Спасибо за внимание