Практически любой вид человеческой деятельности связан с ситуациями, когда имеется несколько возможностей и человек волен из этих возможностей выбрать любую, наиболее подходящую ему.
Задачи наилучшего выбора изучает теория принятия решений. С ее помощью можно научиться осуществлять выбор более обоснованно, эффективно используя имеющуюся в наличии информацию о предпочтениях. Эта теория помогает избежать принятия заведомо негодных решений и учесть возможные отрицательные последствия непродуманного выбора.
Чрезвычайно широкий и крайне важный с практической точки зрения класс задач выбора составляют многокритериальные задачи, в которых качество принимаемого решения оценивается по нескольким критериям одновременно. Успешное решение многокритериальных задач невозможно без использования различного рода сведений о предпочтениях лица, принимающего решение. При этом одним из самых главных источников таких сведений является информация об относительной важности критериев.
До сих пор не существует методики диагностики интеллектуального капитала, позволяющей проводить измерения одновременно на макро-, мезо- и микроуровнях. Это связано с отсутствием методологии измерения подобных показателей на уровне предприятий и отрасли во взаимосвязи с макроэкономическим окружением. Однако необходимость стратегического планирования, прогнозирования научно-технологического развития на федеральном и региональном уровнях, предусмотренная российским законодательством, требует решения проблемы создания инструментов диагностики и измерения интеллектуального капитала на всех уровнях управления.
Индивидуальный профиль интеллектуального капитала представляет собой конфигурацию индивидуального для субъекта состава факторов, объединяющих взаимосвязанные переменные, которые отражают количественную оценку различных интеллектуальных ресурсов. Конфигурация состава факторов определяется и исторически сложившимися особенностями развития определенных интеллектуальных ресурсов, и их взаимосвязей друг с другом, таких как, например, кластерная модель взаимосвязи вузов, отраслевых научно-исследовательских институтов и крупных предприятий на уровне региона.
В каждый фактор могут входить:
прямые переменные, напрямую изменяющие состояние интеллектуального капитала экономического субъекта;
скрытые переменные, оказывающие влияние на интеллектуальный капитал при осуществлении управленческого воздействия на прямые переменные, входящие в их состав, что позволяет определить наиболее эффективные инструменты влияния на интеллектуальный капитал.
Следует также определить некоторые особенности, отражающие сущностные характеристики данного понятия.
Во-первых, индивидуальный профиль, как конфигурация показателей, позволяет рассматривать отдельные показатели во взаимосвязи друг с другом и интеллектуальный капитал как систему.
Во-вторых, благодаря рассмотрению профилей одновременно на макро-, мезо- и микроуровнях, он позволяет выявить общие закономерности конфигурации интеллектуального капитала и выявить наиболее сильные точки воздействия на него.
Авторская методика диагностики подразумевает, что каждый из профилей интеллектуального капитала взаимосвязан друг с другом и является частью профиля более высокого уровня.
первичным уровнем построения профиля интеллектуального капитала является уровень предприятия. В свою очередь, совокупность профилей предприятий определяют профиль региональной отрасли, то же входит как в индивидуальный профиль региона, так и в индивидуальный профиль отрасли по стране в целом.
Аналогично профиль отрасли в регионе вносит определенный вклад в формирование профилей последующих уровней. Таким образом, совокупность профилей регионов и отраслей определяют индивидуальный профиль интеллектуального капитала страны. Для целей нашего исследования мы ограничиваемся рассмотрением профилей на уровне «предприятие — регион -страна».
Наиболее важным, на наш взгляд, уровнем построения профиля интеллектуального капитала является региональный, ввиду того, что регион представляет собой сложную, но целенаправленно управляемую систему интеллектуальных ресурсов, включающую в себя множество профилей интеллектуального капитала на микроуровне. Эти профили определяют сильные и слабые стороны интеллектуальных ресурсов региона, и при правильном управлении способствуют значительной инновационной перестройке экономической структуры региона и, как следствие, повышению его конкурентоспособности.
Однако не менее интересным является изучение профиля интеллектуального капитала на уровне страны. На наш взгляд, важным является не только построение профиля интеллектуального капитала собственной страны, но и наиболее продвинутых и конкурентоспособных стран. Очевидно, профили некоторых регионов будут отличаться по конфигурации и составу интеллектуальных ресурсов от профиля на макроуровне. Примеры и опыт передовых регионов, а также их профили могут быть полезны при принятии управленческих решений в других менее успешных регионах. Более того, исследование и сравнительный анализ профилей интеллектуального капитала экономически развитых стран может служить стратегическим ориентиром для развития интеллектуального капитала региона, определяя приоритеты и точки его роста.
Авторский методический подход не ставит своей целью непосредственное измерение уровня интеллектуального капитала. Вместо этого мы сосредоточили внимание на структурной конфигурации имеющихся факторов, что позволяет за счет многоуровневого подхода рассмотреть, насколько конфигурация факторов на одном уровне соответствует конфигурации на более высоком уровне. Тем самым данная методика позволит задавать ориентиры для принятия управленческих решений, позволяющих добиться необходимой конфигурации более конкурентоспособных стран, регионов, предприятий
В свою очередь, авторская методика не ставит своей целью непосредственное измерение уровня интеллектуального капитала. Вместо этого мы сосредоточили внимание на структурной конфигурации имеющихся факторов, что позволяет за счет многоуровневого подхода рассмотреть, насколько конфигурация показателей на одном уровне соответствует конфигурации факторов на более высоком уровне. Тем самым данная методика позволит задавать ориентиры для принятия управленческих решений, позволяющих добиться необходимой конфигурации на всех уровнях, или конфигурации более конкурентоспособных стран, регионов, предприятий.
Рассмотрим содержание этих этапов.
Нормирование данных. Этот этап необходим для достижения цели, ввиду того, что большая часть переменных, которые заложены нами в предлагаемый индивидуальный профиль, является разнородной по содержанию, характеру и единицам измерения.
Нормирование параметров — преобразование формальных параметров или критериев оценки эффективности объекта, выражаемых в общем случае в различных единицах, к безразмерному виду с целью их сопоставления и сравнительной оценки.
Существует 2 основных способа нормализации: [132]
А. В пределах от [-1;1] — позволяет показывать колебания в пределах 1 от медианного значения за период. Данный способ не подходит для целей нашего исследования, ввиду невозможности корректного проведения арифметических операций.
Б. В пределах от [0;1] показывает изменение переменной за период, где 0 -минимальное значение, принимаемое показателем, а 1 — максимальное значение.
В данном исследовании мы будем пользоваться данным методом нормализации.
Данный способ расчёта имеет следующую формулу:
Где:
Xmini и Xmaxi— соответственно минимальное и максимальное значения выбранных показателей оценки интеллектуального капитала за рассматриваемый период;
Xik — искомая величина показателя за i -период.
Проведение факторного анализа всего массива данных для выделения групп показателей, объединенных в факторы.
Для проведения данного исследования нам был необходим инструмент, который мог бы объединять разнородные показатели в определенные группы, тем самым создавая исчислимую агрегированную величину для возможности измерения динамики показателей. Для этого в научных исследованиях используется метод факторного анализа.
Выделяют следующие основные задачи факторного анализа [143]:
- Выявление факторов, объединяющих переменные;
- Отбор факторов для анализа исследуемых показателей;
- Классификация и систематизация их с целью обеспечения системного подхода;
- Моделирование взаимосвязей между результативными показателями и значениями факторов;
- Расчет влияния факторов и оценка роли каждого из них в изменении величины результативного показателя;
- Определение вида зависимости (регрессионной модели) между значениями факторов и зависимыми переменными (практическое ее использование для управления экономическими процессами).
В процессе анализа в один фактор объединяются в значительной мере взаимосвязанные переменные, в результате происходит перераспределение дисперсии между компонентами и формируется наглядная и простая структура факторов. После объединения взаимосвязь компонентов внутри каждого фактора между собой будет выше, чем их взаимосвязь с компонентами из других факторов. В разрезе нашего исследования эта процедура также позволяет выделить явные и скрытые переменные, характеризующие состояние интеллектуального капитала экономического субъекта.
Одним из наиболее важных этапов факторного анализа является процедура вращения факторов, другими словами, перераспределения дисперсии по определённому методу. «В результате вращения отдельные коэффициенты при компонентах могут изменяться так же, как вклады каждой из компонент, однако дисперсия каждого параметра и суммарный вклад главных компонент остаются неизменными. Результатом вращения является вторичная структура факторов, которая пригодна для дальнейшего анализа, ввиду того что снимаются ограничения ортогональности и убывания значимости от первого к последнему факторам, характерные для первичной структуры. При вращении системы координат находится такое ее положение, которое для каждой строки (или столбца) матрицы увеличивает большие факторные нагрузки и уменьшает малые, то есть увеличивает число близких к нулю элементов матрицы, чем способствует выявлению факторной структуры в более четкой, рельефной форме» [116].
Для целей исследования в качестве базовой методики вращения была выбрана методика варимакс. Этот тип вращения является максимизирующим дисперсию, так как критерий (цель) вращения заключается в максимизации дисперсии (изменчивости) «новой» переменной (фактора) и минимизации разброса вокруг нее. [179].
Факторный анализ предлагается провести с помощью программного продукта IBM SPSS Statistics. Используя данную программу, можно на данном этапе получить следующие результаты по выбранному виду вращения:
Значение факторов для каждого временного периода, по которым будет распределен весь массив переменных. Эти ряды данных в дальнейшем будут использованы в процессе последующего корреляционно-регрессионного анализа.
Матрицы повернутых компонентов, которые будут отображать распределение переменных по факторам. Главным условием включения переменной в фактор является его сильная взаимосвязь с вновь образованным фактором (значение связи более 0,75). В дальнейшем именно на основании данного перечня переменных нами могут быть выделены явные и скрытые переменные.
Выявление явных и скрытых переменных, влияющих на формирование фактора.
На основе полученных значений факторов и результатов распределения по ним переменных предлагается построить регрессионные модели для определения вида зависимости между ними. Регрессионные модели строились в программной среде MS Ecxel.
Благодаря построению модели, нами будут получены зависимости от переменных, которые напрямую влияют на формирование фактора. Можно сделать предположение, что именно данные показатели напрямую влияют на конфигурацию интеллектуального капитала, выраженного агрегированными факторами, в то время как оставшиеся скрытые переменные являются неявными факторами влияния на интеллектуальный капитал.
Построение модели для выделения прямых переменных, согласно данному подходу, подразумевает проведение регрессионного анализа, в котором в качестве зависимой переменной выступают значения фактора, полученного в ходе факторного анализа, а в качестве независимых переменных — переменные, входящие в фактор согласно матрице повернутых компонентов.
В соответствии с общепринятыми правилами [124], построенная модель должна соответствовать следующим критериям:
Значение коэффициента детерминации выше 0,7.
Коэффициент детерминации (R-квадрат) — это доля дисперсии зависимой переменной, объясняемая рассматриваемой моделью зависимости, то есть объясняющими переменными. Его рассматривают как универсальную меру зависимости одной случайной величины от множества других. Тем самым можно утверждать, что высокий уровень коэффициента показывает, насколько искомые переменные объясняют данную модель
Модульное значение t-статистики выше t-критического .
t-критерий Стьюдента используется для определения статистической значимости различий величины, другими словами, как выбранная переменная объясняет уравнение. /-статистика строится обычно по следующему общему принципу: в числителе случайная величина с нулевым математическим ожиданием (при выполнении нулевой гипотезы), а в знаменателе — выборочное стандартное отклонение этой случайной величины, получаемое как квадратный корень из несмещенной оценки дисперсии.
Отсутствие автокорреляции.
Автокорреляция — статистическая взаимосвязь между последовательностями величин одного ряда, взятыми со сдвигом, например, для случайного процесса — со сдвигом по времени. Наличие автокорреляции случайных ошибок регрессионной модели приводит к ухудшению качества МНК-оценок параметров регрессии, а также к завышению тестовых статистик, по которым проверяется качество модели (то есть создается искусственное улучшение качества модели относительно её действительного уровня точности).
Для того чтобы проверить отсутствие автокорреляции, проводится тест по оценке критерия Дарбина-Уотсона. Расчет критерия Дарбина-Уотсона проводится по следующему алгоритму:
t/ = i=2п (2)
Если модель не соответствует хотя бы одному из вышеприведённых критериев, проводится повторное построение модели, но с уменьшением независимых переменных на одну. Данная процедура продолжается до тех пор, пока не будут удовлетворены все выдвинутые критерии.
Для региона данный подход позволяет:
- Проводить анализ внутренних ресурсов и факторов внутренней среды в процессе разработки и корректировки стратегии развития предприятия.
- Выявить наиболее важные для формирования интеллектуального капитала региона показатели, встроить их в систему показателей результативности предприятия и сформировать систему стимулов, обеспечивающих их выполнение.
- На основе профиля предприятия возникает возможность выстроить систему управленческих инструментов для коррекции и наращивания интеллектуального капитала региона.
Для органов регионального управления экономической сферой построение профилей регионов позволяет:
- Создать обобщённый профиль отраслей производства. Данный профиль позволяет определить ключевые прорывные точки роста и разрабатывать определенные программы государственной поддержки, нацеленные на развитие ключевых видов экономической деятельности и регионов;
- Проводить сравнительный анализ профилей регионов по видам экономической деятельности, кластерам и муниципальным образованиям;
- Разрабатывать стратегические документы по развитию региона и муниципальных образований в соответствии с Федеральным законом «О стратегическом планировании в Российской Федерации» №172-ФЗ от 28.06.2014 [8];
- Разрабатывать практические рекомендации для развития интеллектуального капитала наиболее важных для развития в регионе различных видов экономической деятельности;
- Обосновывать создание новых региональных и межрегиональных инновационных кластеров.
Важно подчеркнуть, что предлагаемый методический подход позволяет построить модель влияния интеллектуального капитала на социально-экономическое положение регионов., который разработан на примере различных регионов в третьей главе диссертационной работы.