Анализ влияния человеческого капитала на показатели устойчивого роста компании

Возникшую проблему следует решить путем исключения одного из этих регрессоров из нашей модели. Оценив 2 разные регрессионные модели с включением по отдельности одного из этих регрессоров, мы получили следующий результат:

· (по модели с experience_here) = 0,329786

· (по модели с experience_gd) = 0,298143

С учетом показателя качества регрессии : 0,329786 > 0,298143, модель с включением регрессора experience_here - лучше, поэтому мы принимаем решение об исключении из нашей модели другого регрессора experience_gd.

Таким образом, далее мы можем перейти непосредственно к построению модели.

Построение регрессионной модели

Начнем с построения линейной регрессии и ее оценки (Таблица 3.3).

Таблица 3.3

МНК оценка линейной регрессионной модели

Dependent Variable: TSR
Method: Least Squares
Date: 05/12/20 Time: 18:08
Sample: 1 82 IF EXPERIENCE_GD<40 AND EXPERIENCE_HERE<35
Included observations: 80
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	26.71799	21.20745	1.259840	0.2118
AGE	0.150768	0.529906	0.284519	0.7768
EDUCATION_MBA	-5.147281	7.939632	-0.648302	0.5189
EDUCATION_PHD	15.83697	7.463418	2.121946	0.0373
EXPERIENCE_HERE	1.319460	0.586854	2.248362	0.0276
EXPERIENCE_INDUSTRY	-1.019852	0.435219	-2.343305	0.0219
MARRIED	13.44222	7.191515	1.869178	0.0657
REPUTATION	-6.666875	2.584009	-2.580051
R-squared	0.329786	Mean dependent var	27.11250
Adjusted R-squared	0.264627	S.D. dependent var	32.70737
S.E. of regression	28.04785	Akaike info criterion	9.600341
Sum squared resid	56641.10	Schwarz criterion	9.838543
Log likelihood	-376.0136	F-statistic	5.061201

Анализ построенной регрессионной модели:

1) Значимость регрессии в целом:

Prob. (F-statistic) = 0.000105 < 0.05, следовательно, построенная нами регрессионная модель значима в целом на уровне значимости 5%. Тест на значимость регрессии в целом показал, что все регрессоры оказывают влияние на совокупную акционерную доходность.

2) Значимость коэффициентов регрессии:

Согласно полученным нами данным регрессоры education_phd, experience_here, experience_industry, reputation значимы для модели на 5% уровне значимости, регрессор married на 8% уровне значимости, оставшиеся 2 регрессора не значимы:

· age: Prob. (t-statistic) = 0.7768 > 0.05;

· education_mba: Prob. (t-statistic) = 0.5189 > 0.05.

3) Анализ величин (R², R²_adj, S.E):

Построенная модель характеризуется достаточно высокими значениями таких показателей, как коэффициент детерминации (R²) и скорректированный коэффициент детерминации (R²_adj), что говорит о достаточно высоком качестве регрессии (практически 33% изменений зависимой переменной объясняются включенными в модель регрессорами).

Оценка модели также показала, что значения стандартных ошибок (S.E.) - не высокие, что свидетельствует о том, что прогнозное значение регрессии не сильно отличается от истинного.

С целью дальнейшего выявления наилучшей возможной регрессионной модели рассмотрим еще несколько их видов. Далее построим полулогарифмическую регрессию (Таблица 3.4). В данной модели мы прологарифмировали все переменные, которые принимают только положительные значения.



Таблица 3.4

Регрессия вида: tsr ~ log(age), education_mba, education_phd, log(experience_here), log(experience_industry), married, reputation

Dependent Variable: TSR
Method: Least Squares
Date: 05/12/20 Time: 18:08
Sample: 1 82 IF EXPERIENCE_GD<40 AND EXPERIENCE_HERE<35
Included observations: 80
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	53.67507	81.79584	0.656208	0.5138
LOG(AGE)	-0.794099	23.43148	-0.033890	0.9731
EDUCATION_MBA	-4.635558	7.767973	-0.596753	0.5525
EDUCATION_PHD	15.73747	7.283803	2.160612	0.0341
LOG(EXPERIENCE_HERE)	11.83152	3.918655	3.019282	0.0035
LOG(EXPERIENCE_INDUSTRY)	-16.19499	6.238420	-2.596009	0.0114
MARRIED	13.17721	7.032251	1.873825	0.0650
REPUTATION	-7.014914	2.509317	-2.795547	0.0066
R-squared	0.356953	Mean dependent var	27.11250
Adjusted R-squared	0.294434	S.D. dependent var	32.70737
S.E. of regression	27.47352	Akaike info criterion	9.558962
Sum squared resid	54345.19	Schwarz criterion	9.797164
Log likelihood	-374.3585	F-statistic	5.709560
Durbin-Watson stat	2.233390	Prob(F-statistic)	0.000028

По сравнению с предыдущей рассматриваемой регрессией данная модель немного лучше: она значима в целом, из незначимых регрессоров остались также два (log(age) и education_mba), а показатели детерминации повысились (R², R²_adj,) и значения показателей стандартных ошибок (S.E.) и суммы квадратов остатков (?ei^2) немного снизились.

Далее в ходе анализа различных регрессионных моделей нами была выявлена регрессия с наилучшими показателями. Она представлена в Таблице 3.5.



Таблица 3.5

Регрессия вида: tsr ~ age, education_mba, education_phd, log(experience_here), log(experience_industry), married, reputation

Dependent Variable: TSR
Method: Least Squares
Date: 05/12/20 Time: 18:06
Sample: 1 82 IF EXPERIENCE_GD<40 AND EXPERIENCE_HERE<35
Included observations: 80
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	50.14638	19.44034	2.579502	0.0119
AGE	0.030307	0.456228	0.066429	0.9472
EDUCATION_MBA	-4.524973	7.784527	-0.581278	0.5629
EDUCATION_PHD	15.83917	7.279139	2.175967	0.0328
LOG(EXPERIENCE_HERE)	11.78295	3.913631	3.010746	0.0036
LOG(EXPERIENCE_INDUSTRY)	-16.51548	6.198739	-2.664329	0.0095
MARRIED	13.05607	7.041148	1.854254	0.0678
REPUTATION	-7.067005	2.511373	-2.814000	0.0063
R-squared	0.356982	Mean dependent var	27.11250
Adjusted R-squared	0.294466	S.D. dependent var	32.70737
S.E. of regression	27.47290	Akaike info criterion	9.558916
Sum squared resid	54342.72	Schwarz criterion	9.797119
Log likelihood	-374.3567	F-statistic	5.710285
Durbin-Watson stat	2.237344	Prob(F-statistic)	0.000028

Анализ построенной регрессионной модели:

1) Значимость регрессии в целом:

Prob. (F-statistic) = 0.000028 < 0.05, следовательно, построенная нами регрессионная модель значима в целом на уровне значимости 5%.

2) Значимость коэффициентов регрессии:

Согласно полученным результатам 4 регрессора из 7 значимы для модели на 5% уровне значимости, кроме следующих трех:

· age: Prob. (t-statistic) = 0.9472 > 0.05 (не значим);

· aducation_mba: Prob. (t-statistic) = 0.5629 > 0 (не значим);

· married: Prob. (t-statistic) = 0.0678 < 0.08 (значим на 8% уровне значим.).

3) Анализ величин (R², R²_adj, S.E и ?ei^2):

Построенная модель характеризуется самыми высокими значениями таких показателей, как коэффициент детерминации (R²) и скорректированный коэффициент детерминации (R²_adj), что говорит о достаточно высоком качестве регрессии (практически 36% изменений зависимой переменной объясняются включенными в модель регрессорами).

Оценка модели также показала, что значения стандартных ошибок (S.E.) - наименьшие, что свидетельствует о том, что прогнозное значение регрессии в наименьшей степени отличается от истинного. Более того, показатель суммы квадратов остатков (?ei^2) также уменьшился.

Тест Рамсея

Далее в практической части нашей работы мы проверим выбранную нами наилучшую модель на наличие ошибок спецификации. Проведем тест Рамсея, результаты представлены в Таблице 3.6.

Таблица 3.6

Результаты теста Рамсея

Ramsey RESET Test:
F-statistic	0.426068	Probability	0.516033
Log likelihood ratio	0.478642	Probability	0.489038
Test Equation:
Dependent Variable: TSR
Method: Least Squares
Date: 05/12/20 Time: 20:38
Sample: 1 82 IF EXPERIENCE_GD<40 AND EXPERIENCE_HERE<35
Included observations: 80
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	40.45554	24.52305	1.649694	0.1034
AGE	0.009118	0.459206	0.019857	0.9842
EDUCATION_MBA	-3.747611	7.905952	-0.474024	0.6369
EDUCATION_PHD	11.05309	10.35250	1.067673	0.2893
LOG(EXPERIENCE_HERE)	9.413400	5.349548	1.759663	0.0828
LOG(EXPERIENCE_INDUSTRY)	-12.99092	8.239497	-1.576664	0.1193
MARRIED	10.31153	8.225283	1.253638	0.2141
REPUTATION	-5.216414	3.794148	-1.374858	0.1735
FITTED^2	0.004761	0.007294	0.652739	0.5160
R-squared	0.360818	Mean dependent var	27.11250
Adjusted R-squared	0.288797	S.D. dependent var	32.70737
S.E. of regression	27.58305	Akaike info criterion	9.577933
Sum squared resid	54018.56	Schwarz criterion	9.845911
Log likelihood	-374.1173	F-statistic	5.009930
Durbin-Watson stat	2.235597	Prob(F-statistic)	0.000060

Гипотеза и альтернативная гипотеза теста Рамсея звучат следующим образом:

· Ho: нет ошибок спецификации модели;

· Ha: есть ошибки спецификации модели.

Результаты теста Рамсея:

переменная Fitted^2 является незначимой, так как Prob. (F-statistic) = = 0.516033 > 0.05 на 5% уровне значимости.

Таким образом, нет оснований отклонять гипотезу Но, то есть в модели нет ошибок спецификации и нет смысла в нашу регрессию включать дополнительные переменные.

Тестирование регрессии на наличие гетероскедастичности

Этап 1. Проверка регрессии на гетероскедастичности на основе диаграмм рассеивания между остатками и регрессорами (Рис. 3.16 - 3.17).



Рис. 3.17 Диаграммы рассеивания между остатками и регрессорами: age и log(experience_here)

Рис. 3.18 Диаграммы рассеивания между остатками и регрессорами: log(experience_industry) и reputation

На основе полученных выше диаграмм рассеивания мы можем видеть неоднородные данные, но явных признаков гетероскедастичности нет.

Этап 2. Проверка регрессии на гетероскедастичности на основе теста Уайта. Далее, для более точной проверки модели на гетероскедастичность, проведем тест Уайта. Результаты тестирования представлены в Таблице 3.7.



Таблица 3.7

Результаты теста Уайта

White Heteroskedasticity Test:
F-statistic	1.192145	Probability	0.309210
Obs*R-squared	12.93356	Probability	0.297690
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/12/20 Time: 21:41
Sample: 1 82 IF EXPERIENCE_GD<40 AND EXPERIENCE_HERE<35
Included observations: 80
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-1183.704	3569.575	-0.331609	0.7412
AGE	25.36365	135.3353	0.187413	0.8519
AGE^2	0.070300	1.269269	0.055386	0.9560
EDUCATION_MBA	-246.9118	289.4894	-0.852922	0.3967
EDUCATION_PHD	406.3151	269.4154	1.508137	0.1362
LOG(EXPERIENCE_HERE)	189.4425	434.5621	0.435939	0.6643
(LOG(EXPERIENCE_HERE))^2	-77.28471	137.7662	-0.560985	0.5767
LOG(EXPERIENCE_INDUSTRY)	797.4189	756.2090	1.054495	0.2954
(LOG(EXPERIENCE_INDUSTRY))^2	-226.9732	165.2527	-1.373492	0.1741
MARRIED	204.5757	253.1023	0.808273	0.4218
REPUTATION	-256.5178	239.3539	-1.071709	0.2876
REPUTATION^2	52.97348	54.74934	0.967564	0.3367
R-squared	0.161670	Mean dependent var	679.2840
Adjusted R-squared	0.026057	S.D. dependent var	993.5104
S.E. of regression	980.4809	Akaike info criterion	16.75144
Sum squared resid	65371307	Schwarz criterion	17.10875
Log likelihood	-658.0578	F-statistic	1.192145
Durbin-Watson stat	1.786614	Prob(F-statistic)	0.309210

Гипотеза и альтернативная гипотеза теста Уайта звучат следующим образом:

· Ho: модель гомоскедастична;

· Ha: модель гетероскедастична;

Результаты теста Уайта:

Согласно представленным выше результатам теста Prob. (F- statistic) = = 0.309210 > 0.05, следовательно, нет оснований отклонить гипотезу Ho. Таким образом, модель является гомоскедастичной.

Тестирование регрессии на наличие автокорреляции

На данном этапе работы мы протестируем модель на наличие автокорреляции первого и второго порядка.

Автокорреляция первого порядка

Этап 1. Проверка регрессии на автокорреляцию первого порядка на основе диаграммы рассеивания между остатками текущего и предыдущего периода (Рис. 3.19).

Рис. 3.19 Диаграмма рассеивания между остатками текущего и предыдущего периода

По полученным данным на диаграмме рассеивания мы можем видеть слабую связь между остатками текущего и предыдущего периода, что говорит об отсутствии автокорреляции первого порядка.

Этап 2. Проверка регрессии на автокорреляцию первого порядка при помощи построения регрессии остатков (Таблица 3.8).



Таблица 3.8

Регрессия остатков

Dependent Variable: RESID01
Method: Least Squares
Date: 05/12/20 Time: 22:15
Sample: 1 82 IF EXPERIENCE_GD<40 AND EXPERIENCE_HERE<35
Included observations: 79
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-0.220052	2.950648	-0.074577	0.9407
RESID01(-1)	-0.132368	0.113373	-1.167547	0.2466
R-squared	0.017395	Mean dependent var	-0.268371
Adjusted R-squared	0.004634	S.D. dependent var	26.28433
S.E. of regression	26.22335	Akaike info criterion	9.396168
Sum squared resid	52950.14	Schwarz criterion	9.456154
Log likelihood	-369.1486	F-statistic	1.363166
Durbin-Watson stat	1.990254	Prob(F-statistic)	0.246592

Гипотеза и альтернативная гипотеза теста на значимость коэффициента при остатках прошлого года:

· Ho: с=0 (коэффициент при остатках прошлого периода значимый);

· Ha: с ?0 (коэффициент не значимый).

Результаты теста:

Согласно представленным выше результатам теста Prob. коэффициента при остатках прошлого года = 0.2466 > 0.05, значит, отклоняется гипотеза Ho.

Таким образом, коэффициент при остатках прошлого года не значимый, следовательно, связь остатков текущего и предыдущего периода не наблюдается, то есть в модели отсутствует автокорреляция первого порядка.

Автокорреляция второго порядка

Этап 1. Проверка регрессии на автокорреляцию второго порядка на основе коррелограммы для остатков регрессии (Рис. 3.20).

Рис. 3.20 Коррелограмма для остатков регрессии.

Согласно полученным выше данным мы видим, что автокорреляция второго порядка в модели отсутствует.

Этап 2. Проверка регрессии на автокорреляцию второго порядка при помощи построения регрессии остатков (Таблица 3.9).



Таблица 3.9

Регрессия остатков

Dependent Variable: RESID01
Method: Least Squares
Date: 05/12/20 Time: 22:23
Sample: 1 82 IF EXPERIENCE_GD<40 AND EXPERIENCE_HERE<35
Included observations: 78
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-0.373571	3.004757	-0.124327	0.9014
RESID01(-1)	-0.140663	0.116591	-1.206461	0.2314
RESID01(-2)	-0.019104	0.118016	-0.161873	0.8718
R-squared	0.019049	Mean dependent var	-0.404390
Adjusted R-squared	-0.007110	S.D. dependent var	26.42646
S.E. of regression	26.52024	Akaike info criterion	9.431396
Sum squared resid	52749.23	Schwarz criterion	9.522038
Log likelihood	-364.8244	F-statistic	0.728191
Durbin-Watson stat	1.969243	Prob(F-statistic)	0.486163

Результаты теста:

Согласно представленным выше результатам теста Prob. переменной resid01(-2) = 0.8718 > 0.05, значит, отклоняется гипотеза Ho.

Таким образом, подтверждается наш вывод о том, что в модели отсутствует автокорреляция второго порядка.

Проверка гипотез на основе построенной регрессии

Тест Вальда

Наша регрессионная модель выглядим следующим образом:

TSR=C(1)+C(2)*AGE+C(3)*EDUCATION_MBA+C(4)*EDUCATION_PHD+ +С(5)*LOG(EXPERIENCE_HERE)+C(6)*LOG(EXPERIENCE_INDUSTRY)+ +C(7)*MARRIED+C(8)*REPUTATION

При помощи теста Вальда проверим гипотезу о том, что увеличение на один год года опыта работы генерального директора в данной компании влияет на совокупную акционерную доходность также, как и увеличение опыта его работы в данной отрасли на тот же срок.

Соответственно, проверим гипотезу Ho: C(5) = C(6). Результаты тестирования представлены в Таблице 3.10.

Таблица 3.10

Результаты теста Вальда

Wald Test:
Equation: Untitled
Test Statistic	Value	df	Probability
F-statistic	12.49496	(1, 72)	0.0007
Chi-square	12.49496	1	0.0004
Null Hypothesis Summary:
Normalized Restriction (= 0)	Value	Std. Err.
C(5) - C(6)		28.29843	8.005619
Restrictions are linear in coefficients.

Результаты теста Вальда:

Согласно представленным выше данным мы видим, что Prob. (F-statistic)= 0.0007, 0.0007 < 0.05, значит, Нo отклоняем на 5% уровне значимости. Таким образом, гипотеза Нo неверна, то есть увеличение на один год опыта работы генерального директора в данной компании и в отрасли по-разному влияют на показатель TSR компании.

Тест Чоу

Далее при помощи теста Чоу мы проверим нашу регрессионную модель на наличие структурных сдвигов. Результаты тестирования представлены в таблице 3.11.

Таблица 3.11

Результаты теста Чоу

Chow Breakpoint Test: 30
F-statistic	1.195171	Probability	0.317467
Log likelihood ratio	9.514668	Probability	0.217785

Гипотеза и альтернативная гипотеза теста Чоу:

· Ho: в модели отсутствуют структурные сдвиги;

· Ha: в модели присутствуют структурные сдвиги.

Результаты теста Чоу:

Согласно представленным выше результатам теста Чоу Prob. (F-statistic) = 0.317467 > 0.05, значит, нет оснований отвергать гипотезу Ho. Таким образом, в модели отсутствуют структурные сдвиги, выборка однородна, не нужно рассматривать две отдельные регрессии для женатых и неженатых генеральных директоров.

Прогноз TSR компании под управлением генерального директора со средними характеристиками

Прогноз делается на нескорректированной модели, но в нашем случае мы модель не корректировали на гетероскедастичность и автокорреляцию, поэтому прогноз делаем с помощью этой же регрессии.

Найдем прогнозное значение TSR компании со средними характеристиками генерального директора. Средние значения характеристик директора взяты из описательной статистики (Приложение 2) и представлены в Таблице 3.12.

Таблица 3.12

Средние значения характеристик генерального директора

Переменная	age	education_mba	education_phd	experience_here
Mean	50.95122	0.219512	0.365854	8.707317
Переменная	experience_industry	married	reputation
Mean	21.85366	0.646341	1.487805

Добавляя в нашу регрессию 83 наблюдение, мы получаем прогнозное значение совокупной акционерной доходности компании со средними характеристиками ее генерального директора (Таблица 3.13).



Таблица 3.13

Прогноз TSR компании со средними характеристиками генерального директора

77	44.94253
78	14.12943
79	31.79385
80	8.752440
81	40.76725
82	-4.162326
83	28.97684

Таким образом, согласно полученным данным, совокупная акционерная доходность компании (TSR) со средними показателями характеристик его генерального директора составит 28,98%.

Интерпретация коэффициентов регрессии и анализ полученных результатов

В заключении данного раздела проведем интерпретацию полученных коэффициентов и проведем анализ полученных результатов работы. Для интерпретации используем нашу регрессионную модель (Таблица 3.14).

Таблица 3.14

Регрессия вида: tsr ~ age, education_mba, education_phd, log(experience_here), log(experience_industry), married, reputation

Dependent Variable: TSR
Method: Least Squares
Date: 05/12/20 Time: 18:06
Sample: 1 82 IF EXPERIENCE_GD<40 AND EXPERIENCE_HERE<35
Included observations: 80
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	50.14638	19.44034	2.579502	0.0119
AGE	0.030307	0.456228	0.066429	0.9472
EDUCATION_MBA	-4.524973	7.784527	-0.581278	0.5629
EDUCATION_PHD	15.83917	7.279139	2.175967	0.0328
LOG(EXPERIENCE_HERE)	11.78295	3.913631	3.010746	0.0036
LOG(EXPERIENCE_INDUSTRY)	-16.51548	6.198739	-2.664329	0.0095
MARRIED	13.05607	7.041148	1.854254	0.0678
REPUTATION	-7.067005	2.511373	-2.814000	0.0063
R-squared	0.356982	Mean dependent var	27.11250
Adjusted R-squared	0.294466	S.D. dependent var	32.70737
S.E. of regression	27.47290	Akaike info criterion	9.558916
Sum squared resid	54342.72	Schwarz criterion	9.797119
Log likelihood	-374.3567	F-statistic	5.710285
Durbin-Watson stat	2.237344	Prob(F-statistic)	0.000028

Интерпретация результатов:

1) при условии, что генеральный директор имеет степень кандидата / доктора наук, совокупная акционерная доходность компании (TSR) в среднем на 15,84% выше, чем при условии отсутствия данной степени у директора;

2) при росте опыта работы генерального директора на руководящей должности в данной компании на 1%, в среднем увеличение совокупной акционерной доходности (TSR) составит 0,1178% при условии, что все остальные объясняющие переменные останутся неизменными;

3) при росте на 1% опыта работы генерального директора на любой должности в аналогичной для компании отрасли, снижение совокупной акционерной доходности (TSR) составит в среднем 0,1652% при условии, что все остальные объясняющие переменные сохранятся постоянными;

4) при условии, что генеральный директор состоит в законном браке, совокупная акционерная доходность компании (TSR) в среднем на 13,06% выше, чем при ситуации, когда директор не женат;

5) при увеличении показателя репутации генерального директора на единицу (на 1 бал из 5 возможных), снижение совокупной акционерной доходности (TSR) компании составит в среднем 7% при условии, что все остальные объясняющие переменные останутся неизменными.

Анализ полученных результатов

В заключении данного раздела работы проанализируем полученные результаты относительно сформулированных нами ранее гипотез о влиянии человеческого капитала на устойчивый рост компании (Таблица 3.15).

Таблица 3.15

Предполагаемое и выявленное влияние человеческого капитала на устойчивый рост компании

Фактор влияния на устойчивый рост компании	Предполагаемое влияние	Выявленное влияние
Образование генерального директора: · наличие степени кандидата / доктора наук	+	+
Опыт генерального директора: · Опыт работы в данной компании на должности генерального директора; · Опыт работы на любых должностях в аналогичной для компании отрасли;	+ +	+ -
Семейное положение генерального директора	+	+
Репутация генерального директора	+	-

По результатам проведенного нами эконометрического анализа мы видим, что образование генерального директора, а именно наличие у него степени кандидата или доктора наук, оказывает положительное влияние на устойчивость роста компании, что и предполагалось до эмпирического исследования.

Действительно, человеку с такими высокими научными достижениями, свойственно более глубокое и детальное понимание различных процессов, происходящих в компании, что положительно сказывается на ее функционировании.

Показатель опыта работы генерального директора показал противоречивые результаты относительно его влияния на показатель совокупной акционерной доходности.

С одной стороны, опыт работы на руководящей должности в данной компании положительно влияет на устойчивость ее роста, с другой стороны, опыт работы генерального директора в аналогичной для компании отрасли показал отрицательный эффект, что противоречит нашим первоначальным предположениям о характере влияния.

Данный факт можно объяснить с точки зрения отсутствия у директоров, проработавших долгое время в отрасли на разных должностях, опыта руководящих позиций, опыта многостороннего контроля за бизнес-процессами компании.

В процессе сбора данных, изучая биографии каждого генерального директора в отдельности, было отмечено, что многие из них начинали свой карьерный путь с начальных ступеней. Работали, например, обычными инженерами, технологами, техническими специалистами, что указывает на их малый опыт управления. В теоретической главе нами были рассмотрены работы, в рамках которых также выявлялась отрицательная зависимость.

Наши предположения относительно влияния семейного положения генерального директора на устойчивый рост компании подтвердились, оно оказывает положительное действие. Компании под управлением женатых генеральных директоров показывают более высокий устойчивый рост, что говорит о положительном влиянии семьи на директоров и их работу.

Показатель репутации генерального директора, как и предполагалось, является статистически значимым в нашей модели, однако характер его влияния оказался противоположным предполагаемому, то есть отрицательным.

С нашей точки зрения, такой результат оценки можно объяснить следующим образом: генеральные директора с высокой репутацией могут быть подвержены высокой обеспокоенностью о своем статусе, обладать завышенной самооценкой. В такой ситуации существует вероятность отхода на второй план вопросов компании, заботы о ее процветании, тщательном контроле ее деятельности, что несомненно может отрицательно сказываться на ее устойчивом росте.

Более того, в компаниях с высокой репутацией генерального директора, акционеры находятся под влиянием такого статуса и не всегда готовы указать на возможную неэффективную работу директора в отношении функционирования компании.

В заключении отметим, что влияние возрастной характеристики на устойчивый рост компании не подтвердилось, она оказалось незначимой для нашей модели. Данный факт можно объяснить тем, что возраст генеральных директоров сформированной нами выборки не имеет большого разброса в значениях. Средний возраст директоров как наиболее устойчивых, так и менее устойчивых компаний составляет 50 лет.

Выводы по Главе 3 диссертационного исследования

В третьей главе магистерской диссертации нами было проведено эмпирическое исследование влияния человеческого капитала компании на ее устойчивый рост.

На первом этапе мы рассмотрели 2 группы наиболее и наименее устойчивых компаний и получили средние характеристики их генеральных директоров. Проведя сравнительный анализ полученных результатов, были выявлены наиболее характерные черты для каждой из групп компаний.

На втором этапе было проведено эконометрическое исследование анализируемого влияния и нам удалось: построить регрессионную модель, которая описывает влияние различных характеристик генерального директора на TSR, оценить качество данной модели, проверить ее на наличие гетероскедастичности и автокорреляции, протестировать гипотезы с помощью теста Вальда и Чоу, спрогнозировать совокупную акционерную доходность компании со средними характеристиками ее директора, проинтерпретировать полученные результаты сделать выводы относительно сформулированных ранее гипотез.



Заключение

На сегодняшний день одной из приоритетных целей, которые ставят перед собой компании, является их устойчивый рост. Сохранение устойчивого роста является наиболее сложной задачей, чем просто достижение высокого показателя темпов роста организации. Внимание компаний фокусируется на повышение общей эффективности и результативности деятельности.

Потенциал стабильного устойчивого роста является залогом роста ее стоимости и увеличения добавленной стоимости для стейхолдеров. Для достижения данной цели важно понимать, какие факторы и в какой степени влияют на данный показатель. В данном исследовании нами был сделан акцент на анализе влияния человеческого капитала на устойчивый рост компании, а именно качественных характеристик ее генерального директора.

Таким образом, целью нашего исследования является выявление значимости влияния различных характеристик генерального директора на устойчивый рост компании.

В ходе анализа теоретической базы в первой главе нами был проведен обзор существующих на сегодняшний день работ, посвященных вопросу устойчивого роста компании. Выявлены и проанализированы показатели, являющиеся измерителями устойчивого роста. Рассмотрены детерминанты устойчивого роста фирмы и проанализировано их влияние на ее деятельность, выявленное авторами в различных исследованиях. Более того, нами были описаны модели устойчивого роста компании, основанные на бухгалтерских показателях и исследуемые в рамках финансового подхода.

Во второй главе работы нами была определена методика оценки устойчивого роста компании с помощью показателя совокупной акционерной доходности. Выбраны детерминанты устойчивого роста для будущего эмпирического исследования, описана методика их измерения, включая собственный разработанный индекс оценки репутации генерального директора, сформулированы тестируемые гипотезы.

В рамках третьей главы мы провели эмпирический анализ влияния человеческого капитала на устойчивый рост компании. В первой части, сгруппировав наиболее и наименее устойчивые компании, мы выявили характерные черты генеральных директоров для каждой из групп.

Во второй части нами был проведен эконометрический анализ влияния качественных характеристик генерального директора на устойчивый рост компании. Анализ был проведен на выборке российских публичных компаний, таким образом мы апробировали выводы работ иностранных авторов на российской действительности.

Таким образом, итогом работы стала построенная регрессионная модель, оценивающая значимость влияния различных характеристик генерального директора на устойчивый рост компании. С помощью модели мы смогли протестировать сформулированные нами гипотезы и сделать выводы относительно характера влияния человеческого капитала на устойчивый рост компании.

Практическая значимость данной работы заключается в создании инструментария, благодаря которому акционеры смогут принимать более правильные стратегически важные решения для компании относительно выбора наилучшей для нее кандидатуры CEO с точки зрения будущего развития и устойчивого роста.

Действительно, для нахождения верных путей решения задач по развитию компании необходимо грамотное руководство, способное не только улучшить операционную деятельность фирмы, но и оказать положительное влияние на качество ее роста и стоимость.

Дальнейшее развитие нашего исследования возможно в нескольких направлениях: в увеличении выборки исследования, в апробировании методики на компаниях других стран, а также во включении в анализ других характеристик генерального директора.

Последующее развитие даст возможность создания более полноценного инструментария оценки устойчивого роста компании, что также может быть использовано на практике.



Список литературы

1. Андреева Т., Гаранина Т. «Влияние интеллектуального капитала на результаты деятельности российских производственных компаний» // Форсайт. 2017. №1. URL: https://cyberleninka.ru/article/n/vliyanie-intellektualnogo-kapitala-na-rezultaty-deyatelnosti-rossiyskih-proizvodstvennyh-kompaniy

2. Байбурина, Э.Р., Гребцова Е.Г. «Раскрытие информации об интеллектуальном капитале и его влияние на стоимость компаний на развивающихся рынках капитала» / Э.Р. Байбурина, Е.Г. Гребцова. Корпоративные финансы. - 2012. №4 (24). С.113-129. - Режим доступа: https://cfjournal.hse.ru/article/view/1539. Загл. с экрана.

3. Беляева, С.С. «Роль человеческого капитала в развитии предприятия» / С.С. Беляева. - Креативная экономика. - 2008. - Том 2. №10. - С. 120-127. - Режим доступа: https://cyberleninka.ru/article/n/rol-chelovecheskogo-kapitala-v-razvitii-predpriyatiya. Загл. с экрана

4. Бланк И. А. «Управление формированием капитала» / І.А. Бланк -- К.: Ника- Центр, Эльга, 2002. 512 с.

5. Ван Хорн Дж. Основы финансового менеджмента: пер. с англ. / Дж. С. Ван Хорн, Дж. М. Вахович. - М.: ООО «ИД Вильямс», 2008. - С. 388

6. Викиданець И. В. «Методы оптимизации структуры капитала предприятия» [Электронный ресурс] // Режим доступа: www.nbuv.gov.ua/portal/natural/Vetp/2010_29/10loucso.pdf

7. Волгина Н.А., Одегова Ю.Г. Экономика труда: социально-трудовые отношения: учеб. / под ред. Н.А. Волгина, Ю.Г. Одегова. - М.: Экзамен, 2006. - 736 с.

8. Грачев С.А., Доничев О.А., Малкова Т.Б. «Человеческий капитал как ресурс инновационного развития региона» // Экономический анализ: теория и практика. 2016. №5 (452).

9. Доводова А. И. «Влияние структуры финансирования на стоимость компании» // Молодой ученый. 2015. №3. С. 409-413. URL https://moluch.ru/archive/83/15325/

10. Дорошенко Ю.А., Лебедев О.В. «Человеческий капитал как приоритетный объект инвестиций» // КЭ. 2007. №5. URL: https://cyberleninka.ru/article/n/chelovecheskiy-kapital-kak-prioritetnyy-obekt-investitsiy-1

11. Ивашковская И. В. «Финансовые измерения качества роста», Журнал управления компанией. 2006. № 9 (64)

12. Ивашковская И.В., Волотовская О.А. «Устойчивость роста компаний с развивающихся рынков капитала: эмпирический анализ», Журнал Корпоративные финансы. 2012. №4 (24)

13. Ивашковская И.В., Животова Е.Л. «Индекс устои?чивого роста: эмпирическая апробация на данных россии?ских компании? // Вестник Санкт - Петербургского университета. Общии? и стратегическии? менеджмент. 2009. Вып. 4. Сер. 8. С. 3-29

14. Ивашковская И. В., Пирогов Н. К. «Финансовый анализ роста российских компаний» // Аудит и финансовый анализ. 2008. № 6. С. 194-201

15. Ивашковская И.В., Степанова А.Н., Кокорева М.С. «Финансовая архитектура компании?. Сравнительные исследования на развитых и развивающихся рынках», Монография.-- М.:ИНФРА-М, 2013. - 238 с. (Научная мысль). ISBN 978-5-16-009847-0

16. Капелюшников Р.И. «Концентрация собственности и корпоративное управление». Препринт WP1/2005/03. М.: ГУ ВШЭ, 2005. 40 с.

17. Лабскер Л. Г. «Теория критериев оптимальности и экономические решения: монография / Л. Г. Лабскер. М.: КНОРУС, 2008. 744 с.

18. Маклакова Е.А. «Человеческий капитал: понятие, оценка, учет» // Вестник ЛГУ им. А.С. Пушкина. 2010. №1. URL: https://cyberleninka.ru/article/n/chelovecheskiy-kapital-ponyatie-otsenka-uchet

19. Мерзляков, В.Ф. «Влияние человеческого капитала на развитие фирмы» / В. Ф. Мерзляков. - Вестник Нижегородского университета им. Н.И. Лобачевского. - 2005. №1. - С. 477-480. - Режим доступа: http://www.vestnik.unn.ru/ru/nomera?anum=676. Загл. с экрана

20. Миргородская Е. О. Глобальный финансовый капитал: монография /Е. О. Миргородская. М.: Магистръ, 2007. 287 с. 7.

21. Нестерова, А.В. «Развитие человеческого капитала как фактор экономического роста корпоративных структур» / А. В. Нестерова. - Молодой ученый. - 2017. №39. - С. 38-40. - Режим доступа: https://moluch.ru/archive/173/45771. Загл. с экрана

22. Нестерова, С.И. «Человеческий капитал как важнейший фактор производства» / С.И. Нестерова, Л.Н. Балыкова. - Вестник Самарского муниципального института управления. - 2017. №1. - С. 39-46. Режим доступа:http://www.imisamara.ru/wpcontent/uploads/2017/03/4_Nesterova_Balykova_39-46 - Загл. с экрана

23. Призова С. В. «Понятие человеческого капитала и особенности его использования в банковской сфере» // Молодой ученый. 2017. №51. С. 170-173. URL https://moluch.ru/archive/185/47452/

24. Рощин С.Ю., Разумова Т.О. Экономика труда: экономическая теория труда: учеб. пособие. - М.: ИНФРА-М, 2000. - 400 с.

25. Рябова Е.В., Cамоделкина М.А. «Факторы устои?чивого роста россии?ских компании?» // Финансы: теория и практика. 2018. Т. 22. No 1. С. 104-117.

26. Теплова Т. В. «Финансовый менеджмент: управление капиталом и инвестициями: Учебник для вузов / Т. В. Теплова. М., 2001. 504 с.

27. Тугускина Г.Н. «Человеческий капитал: управление развитием» // Известия высших учебных заведений. Поволжский регион. Экономические науки. 2016. №1 (4). URL: https://cyberleninka.ru/article/n/chelovecheskiy-kapital-upravlenie-razvitiem

28. Филатова, Е. В. «Инвестиции в человеческий капитал на предприятиях малого бизнеса» [Текст]: автореф. дис. канд. эконом. наук / Е. В. Филатова. - М., 2010

29. Хиггинс Р. «Финансовый анализ: инструменты для принятия бизнес-решений». М.: Вильямс. 2007. С. 145-163

30. Черемушкин С.В. «Методология расчета совокупной акционерной доходности» // Экономический анализ: теория и практика. 2008. №18. URL: https://cyberleninka.ru/article/n/metodologiya-rascheta-sovokupnoy-aktsionernoy-dohodnosti

31. Шарикова О. В. «Динамическое моделирование факторов структуры капитала российских организаций» [текст] / О. В. Шарикова // Анализ и аудит. 2011. № 3. С. 193-199

32. Эрфурт К.А. «Особенности инвестирования в человеческии? капитал и их отражение в кадровои? политике предприятия» // Менеджмент в России и за ру- бежом. - 2009. - No 3. - С. 132-138

33. Berry C. H. «Corporate Growth and Diversification», Journal of Law & Economics. 1971. Vol. 14. N 2.pp. 371-384

34. Bhagat, Sanjai and Bolton, Brian J. and Subramanian, Ajay «CEO Education, CEO Turnover, and Firm Performance». August 3. 2010

35. Bottone, G., Sena, V. «Social, Methods, and Microeconomics: Contributions to Doing Economics Better», The American Journal of Economics and Sociology. - 2011. Vol. 70. No. 2. pp. 401-423

36. Brush. H., Bromiley P., Hendrickx M. «The Free Cash Flow Hypothesis for Sales Growth and Firm Performance», Strategic Management Journal, 2000. Vol. 21. N 4. pp. 455-472

37. Charreaux G., Desbrieres P. «Corporate Governance: Stakeholder Value Versus Shareholder Value», Journal of Management and Governance. 2001. Vol. 5. N 2, pp. 107-128

38. Chen S and Dodd J «Economic Value Added: An Empirical Examination Of A New Corporate Performance Measure», Journal of Managerial Issues. 1997. Vol IX (3). pp. 318-333

39. Dhanapal C., Ganesan G. «Enterprise sustainable growth rate analysis: An empirical study». International conference on Business and Economics, 15-16, March 2010, Malaysia. Режим доступа: https://www.yumpu.com/en/document/view/23454351/242-international-conference-call-for-paper-conference-master - Загл. c экрана

40. Dunne P., Hughes A. «Growth and Survival: UK Companies in the 1980s», Journal of Industrial Economics. 1994. Vol. 42. N 2. pp. 115-140

41. Evans D.S. «The relationship between firm growth, size, and age: estimates for 100 manufacturing industries» // The Journal of industrial economics. 1987. № 4. P. 567-581

42. Ferguson R., Renzler J. and Yu S. «Does Economic Values added (EVA) improve stock performance or profitability», Journal of Applied Finance. 2005. Vol. 15

43. Fortunato O. «Testing Gibrat's Law: Empirical Evidence from a Panel of Portuguese Manufacturing Firms. Int. J. of the Economics of Business». 2006. Vol. 13, N. 1, ...