Intellectual Capital Growth Model

Intellectual Capital Growth Model: Using IC Measurement Logic on  AK Endogenous Model   Stevo Pucar  Faculty of Economics, University of Banja Luka, Banja Luka, Bosnia and Herzegovina  [email protected]    Abstract:  The  theory  of  intellectual  capital  has  experienced  a  boom  in  the  first  decade  of  21st  century.  Most  of  the  research work in this area focuses on enterprises and organizations, although there is an effort, especially lately, to provide  answers concerning development of national economy. This theory has a lot of potential to create new insights and it is  expected  that  it  becomes  even  more  incorporated  into  mainstream  economics.  This  paper  is  an  attempt  to  incorporate  intellectual  capital  theory  insights  into  endogenous  growth  theory  as  part  of  modern  macroeconomics.  In  this  paper,  simple AK endogenous growth model is used as a basis. The intellectual capital growth model presented here also takes  “A” or Total Factor Productivity as an average total productivity but with one fundamental distinction. It is using the logic  of  Calculated  Intangible  Value  and/or  Knowledge  Capital  Earnings  by  Baruch  Lev  where  higher  than  average  returns  indicate higher intellectual capital. The model presented here applies this logic to Total Factor Productivity. In cases where  TFP  is  equal  to  the  average,  the  intellectual  capital  performance  is  also  equal  to  the  average,  and  the  model  is  with  constant returns as the AK model. But in cases where TFP is larger than average, the intellectual capital performance is also  better than average, and the model is with increasing returns, and in cases where TFP is less than average, the intellectual  capital performance is worse, and the model is with diminishing returns. The most important implication of the model is  that savings and investments have a long‐term effect on growth only if intellectual capital performance is equal or better  than average. If intellectual capital is worse than average there is no such an effect because of diminishing returns. In such  a situation the policy should be first to increase intellectual capital to at least average performance and then to increase  investments.    Keywords: intellectual capital growth model, endogenous growth model, AK model, total factor productivity, calculated  intangible value, knowledge capital earnings 

1. Introduction  The theory of intellectual capital has experienced a boom in the first decade of 21st century. In 1997 Sveiby  published  his  book  "The  New  Organizational  Wealth,"  Stewart  published  his  book  "Intellectual  Capital"  and  Edvinsson  and  Malone  published  book  "Intellectual  Capital".  After  that  and  after  Bontis  and  McMaster  University, Hamilton, Canada organized the World Congress on Intellectual Capital, from 1998 until today we  have  an  abundance  of  articles,  books,  studies  and  conferences  dealing  with  intellectual  capital.  Most  of  the  research  work  in  this  area  focuses  on  enterprises  and  organizations,  although  there  is  an  effort,  especially  lately, to provide answers concerning development of national economy.    

On  the  other  hand,  the  new  growth  theory  or  endogenous  growth  theory,  as  part  of  mainstream  macroeconomic growth theory, argues that economic growth is an endogenous result of the economic system,  especially concerning relation of human capital and technology. What should be stressed here is that there is  still  an  intensive  work  on  developing  new  growth  models,  so  that  the  endogenous  theory  still  cannot  be  considered completed. This presents an opportunity to incorporate new insights from the theory of intellectual  capital into the endogenous growth theory. This paper is an attempt in that direction.   

First part of this paper elaborates simple AK endogenous model as basis for new model that is presented in a  third part.  Second part of the paper explains intellectual capital measurement logic as basis for advancing AK  model.  Third  part  is  presenting  a  new  model  –  Intellectual  Capital  Growth  Model  and  at  the  end  there  are  some concluding remarks. 

2. AK model  AK  model  is  one  of  endogenous  models  within  the  macroeconomic  theory  of  growth.  Endogenous  growth  theory has emerged as an upgrade of the standard neoclassical theory of growth. Specifically, the neoclassical  growth model, the so‐called Solow model is based on the law of diminishing returns, where capital and output  per capita reach a steady state regardless of the initial conditions.    

333

  Stevo Pucar  The key feature of the AK endogenous growth model (Rebelo, 1992, and others) is that this model assumes  that  there  are  no  diminishing  returns  to  capital.  Unlike  the  neoclassical  model,  the  AK  model  uses  a  linear  model in which the output is a linear function of capital.   

AK model is based on a simple premise. For each additional unit of capital, income will increase by constant  amount, and the relationship between income and capital will always be proportional. To model this, it is only  necessary to assume that share of capital in factor income equals 1. The income will depend on the capital    

                                                               or in per capita terms                                                                             

                                                        (1)   

 

                                                                               

                                                         (2)  

 

A is a positive average that reflects the level of total productivity   K is capital  L is labor   

The Figure 1 is showing the production function, savings and depreciation the same way as the Solow model.  

Figure 1: Production function, savings and depreciation in AK model  In this model, there are no diminishing returns on capital and production function is linear. With the growth of  capital, output rises proportionately, and since savings are proportional to output, the savings function is also  linear. The depreciation is linear as in the Solow model.    The income here depends on the capital and the growth rate of output is equal to the growth rate of capital.  First, growth of capital is (for the simplicity we will assume that population is constant):   

                                                           s is rate of savings   δ is rate of depreciation of capital 

Δk = sf ( k ) − δk                                                    (3) 

 

When we substitute f(k) with Ak we get:                                                              Growth rate of capital gk is:   

Δk = sAk − δk                                                      (4) 

Δk / k = sAk / k − δk / k    

                                                               Since gk = gy then 

gk = sA − δ

 

334

                                                       (5) 

  Stevo Pucar                                                                 

gy = sA − δ

                                                       (6) 

 

The basic implication of the model is the fact that the savings function and the function of depreciation are  straight lines which never intersect. As there is no intersection, savings will always, except at the origin, will be  higher of depreciation and capital will continue to grow.   

When we are talking about the AK model, the most interesting implication in terms of economic policy is the  fact that the increase in the national savings rate raises living standards. Every public policy that increases the  rate of savings accelerates economic growth. The model also implies a divergence between economies. If two  economies start with different initial capital stocks, then the absolute gap will be increasing. 

3. Intellectual capital measurement logic  According  to  Bontis  (1998)  claims,  the  term  "intellectual  capital  (IC),"  was  first  introduced  by  John  Kenneth  Galbraith,  who  considered  that,  in  addition  to  the  classic,  pure  knowledge,  creative  knowledge  is  of  great  importance for the economic activity. The difference between the human capital and intellectual capital is in  the fact that intellectual capital is not just knowledge and skills that can be acquired by learning and training. It  is a whole set of intangible assets used to create value.   

The theory of intellectual capital began to be more present in international public during the late 1990s of the  last  century.  At  that  time  one  of  the  pioneers  in  this  field,  Stewart  (1997)  described  intellectual  capital  as  a  brand new topic for that era, in which there are a lot of wandering.    

Together  with  human  capital,  theory  of  intellectual  capital  is  based  on  the  structural  and  customer  capital  (Bontis, 1998, Edvinsson and Malone 1997, Stewart, 1997, etc.). Structural capital is created by work of human  capital in the past and it consists of patents, concepts, models, networks, systems, and organizational culture.  Customer  capital  includes  relationships  with  customers  and  suppliers,  brand  names,  trademarks  and  reputation or image of the company.   

The study of intellectual capital means the study of the thing that is immaterial. Therefore the key problem in  this  area  is  its  measurement.  Unfortunately,  the  fact  that  it  is  intangible,  regardless  of  the  simplicity  of  the  concept, becomes a problem for researchers when it is necessary to measure it.   

According to Sveiby (2001, 2010) there are four categories of measurement approaches.   ƒ

Direct  Intellectual  Capital  methods  (DIC)  asses  the  monetary  value  of  intangible  assets  through  identification  of  its  various  components.  Components  are  directly  evaluated  individually  and/or  as  an  aggregated coefficient. 

ƒ

Scorecard Methods (SC) also asses the intangible assets through identification of its various components.  The difference from DIC method is that there is no monetary valuation since indicators of components are  reported in scorecards. 

ƒ

Market Capitalization Methods (MCM) use difference between market capitalization and the book value  as the value of intellectual capital of a company. 

ƒ

Return  on  Assets  methods  (ROA)  divide  average  pre‐tax  earnings  by  the  average  tangible  assets  of  the  company and then compare it with its industry average. The above‐average earnings are divided by the  average cost of capital and the result is an estimated value of intellectual capital of the company. 

Here we will pay attention to Return on Assets methods (ROA). It has always been recognised that the balance  sheet of a company certainly does not represent the real value of an enterprise. Determining the value of a  company  by  using  Return on Assets methods  has  been  common  practice  among  investors  for  many  years  and is still used today. The method for ROA based intellectual capital calculation divides average pre‐tax income into average assets  employed over a period in order to establish the rate of return achieved by the enterprise. This rate of return  is  then  compared  to  the  industry  average  to  establish  the  performance  of  the  enterprise  in  relation  to  its  peers. Where the return generated by the enterprise is higher than the industry average, this is deemed to be  as a result of the intellectual capital of the enterprise and the excess return is discounted using an appropriate 

335

  Stevo Pucar  discount factor in order to arrive at a present value for intellectual capital or the intangible asset value of the  enterprise.   

Stewart (1995) explains Calculated Intangible Value methodology by using an example of company Merck:  ƒ

Calculation of average pre‐tax earnings for three years – $3.7 billion. 

ƒ

Calculation of average year‐end tangible assets for three years – $12.9 billion. 

ƒ

Dividing earnings by assets to get the return on assets (ROA) – 29 percent. 

ƒ

Calculation  of  industry’s  average  ROA  for  the  same  three  years.  For  pharmaceuticals  the  average  is  10  percent.  

ƒ

Calculation  of  the  “excess  return”.  The  industry  average  ROA  is  multiplied  by  the  company’s  average  tangible assets – 10 percent x $12.9 billion. These are earnings of average drug company with the same  tangible assets. This is subtracted from the company’s pre‐tax earnings. For Merck this is an excess of $2.4  billion. According to Stewart (1995), this is how much more that company earns from its assets than the  average drug manufacturer. 

ƒ

Calculation  of  the  three‐year‐average  income  tax  rate,  which  has  to  be  multiplied  by  the  excess  return.  This result is subtracted from the excess return to get an after‐tax figure. This is the premium attributable  to intangible assets. For Merck, with an average tax rate of 31 percent, this is $1.65 billion. 

ƒ

Calculation  of the  net  present  value (NPV)  of  the  premium.  This  is  done  by  dividing  the  premium  by  an  appropriate  percentage,  such  as  the  company’s  cost  of  capital.  Using  an  arbitrarily  chosen  15  per  cent  rate, this yields Merck $11 billion. This is the CIV of Merck’s intangible assets. 

Knowledge Capital Earnings (KCE) is methodology proposed by Lev (2001). First, he calculates earnings of the  company    (an  average  of  earnings  3  years  before  and  the  forecasted  earnings  for  3  years  after).  From  that  earnings, he subtracts earnings of financial assets using given average after‐tax return on financial assets and  earnings of physical assets using given average after‐tax return on physical assets.  The result are earnings that  cannot be atributed either to financial assets or to physical assets. According to Lev (2001) these earnings are  knowledge  capital  earnings.  He  is  using  these  earnings  to  calculate  intellectual  capital  of  the  company  and  various other indexes and ratios. It must be emphasized here that the rate of return on financial assets and the  rate of return on physical assets are taken as given averages. 

4. Intellectual capital growth model  4.1 Description of the model  Underlying thought  of  the model  presented  here  is  an assumption that  ideas,  i.e.  intellectual  capital  plays a  crucial role in economic growth. We will begin with equations (1) and (2) shown in AK model   

  or in per capita terms   

 

   

 

A  is  a  positive  average  that  reflects  the  level  of  total  productivity  and  represents  all  intangible  factors  of  production, i.e., ideas.  K is capital, and represents all tangible factors that are used in production process, i.e., things  L is labor    Until now everything is the same as in AK model. Now we make a crucial distinction. We will express Ak in the  following way:                                                                                  Ai k=( A k)α                                                    (7)    Ai  is total factor productivity for a specific country 

336

  Stevo Pucar 

A  is average supranational total factor productivity (of the world or of group of similar countries or based on  some specific criteria, structure of economy, etc.)    α is an exponent or power that shows value of output with TFP of specific country as an α power of output  with average supranational TFP    We  are  now  going  to  apply  logic  of  IC  measurement  in  explanation  of  this  concept.  In  Calculated  Intangible  Value we use industry average ROA, use it to calculate earnings of average company within the same industry  with  the  same  tangible  assets,  compare  it  to  actual  ROA  (same  assets  in  both  cases)  and  determine  the  difference which represents performance of intellectual capital.    In  this  growth  model  the  same  logic  is  used.  Output  A k  represents  output  that  would  be  produced  with  average  supranational  total  factor  productivity.    Output  AiK  is  actual  output  produced  with  country  specific  total factor productivity using the same capital. The relation of those two outputs is considered as an indicator  of intellectual capital performance in this model.     Using this logic, power α is showing to what extent intellectual capital performance of specific country is better  or  worse  than  average  intellectual  capital  performance.  If  α=1  intellectual  capital  performance  is  equal  to  average,  if  α>1  intellectual  capital  performance  is  better  than  average  and  if  α<1  intellectual  capital  performance  is  worse  than  average.  Since  α  is  a  power  that  shows  a  performance  of  intellectual  capital  we  shall call it Intellectual Capital Power.    We are going back to the model. First we will formulate the model:                                                                                                  (8)                                                                  

The  Figure  2  is  showing  the  production  function,  savings  and  depreciation  for  this  model  with  α=1  when  intellectual capital performance is equal to average. 

Figure 2: Production function, savings and depreciation with α=1  This model is with constant returns and behaves as simple AK model. With the growth of capital, output rises  proportionately,  and  since  savings  are  proportional  to  output,  the  savings  function  is  also  linear.  The  depreciation function is also linear.  The  Figure  3  is  showing  the  production  function,  savings  and  depreciation  for  this  model  with  α<1  when  intellectual capital performance is worse than average.  

337

  Stevo Pucar 

Figure 3: Production function, savings and depreciation with α<1  This model is with diminishing returns. With the growth of capital, output function is with diminishing returns,  and since savings are proportional to output, the savings function is also diminishing returns. The depreciation  function is linear.   

The  Figure  4  is  showing  the  production  function,  savings  and  depreciation  for  this  model  with  α>1  when  intellectual capital performance is better than average.  

Figure 4: Production function, savings and depreciation with α>1  This model is with increasing returns. With the growth of capital, output function is with increasing returns,  and the savings function is also with increasing returns. The depreciation function is linear.    Concerning  growth  rate,  as  similar  as  in  simple  AK  model,  the  income  will  depend  on  the  capital  and  the  growth rate of output is equal to the growth rate of capital. This is why we first have to determine the growth  rate of capital.    α  First, we will use the equation (3) and substitute f(k) with ( A k)  to get:   

338

  Stevo Pucar                                                                  (9) 

                                                             Growth rate of capital gk is:     

 

                                                                Since gk = gy then   

  

                                            (10) 

                                                                

 

                                             (11) 

  It  has  to  be  noted  that 

    is  average/marginal  product  of  capital  calculated  as  ratio  of  output  to  capital 

(y/k).     Now, for the case when α=1 growth rate is determined as similar as in simple AK model:   

 

 

                                                                             

                                                       (12) 

The Figure 5 is showing the growth rate gy for this model with α=1 when intellectual capital performance is  equal to average.  

Figure 5: Growth rate gy with α=1  The growth of output is constant here and can be continued infinitely. For the case when α<1 growth rate is  decreasing because with growth of capital k output‐capital ratio 

   is decreasing. 

  The Figure 6 is showing the growth rate gy for this model with α<1 when intellectual capital performance is  worse than average.  

339

  Stevo Pucar 

Figure 6: Growth rate gy with α<1   

The  growth  of  output  can  be  continued  here  only  until  investments  become  equal  to  depreciation.  This  is  similar to the Solow model.   

For the case when α>1 growth rate is increasing because with growth of capital k output‐capital ratio 

  is 

increasing.  The  Figure  7  is  showing  the  growth  rate  gy  for  this  model  with  α>1  when  intellectual  capital  performance is better than average.  

Figure 7: Growth rate gy with α>1  The growth of output is increasing here and can be continued infinitely.    

The  most  important  implication  of  the  model  is  that  savings  and  investments  have  a  long‐term  effect  on  growth only if intellectual capital performance is equal or better than average. If intellectual capital is worse  than average there is no such an effect because of diminishing returns. In such a situation the policy should be  first to increase intellectual capital performance to at least average and then to increase investments. 

4.2 Discussion of the model  This model claims that if the country keeps up with growth of knowledge, ideas, technology, i.e. intellectual  capital or, even better, pushes its boundaries, it will grow in the long term. On the other hand, if it fails to do  so, it will face diminishing returns and growth problems.   

It must be emphasized here that this model is the one of the first attempts to introduce intellectual capital as a  concept  to  macroeconomic  growth  theory.  Even  concerning  knowledge,  macroeconomic  growth  theory  did  not  include  it  as  a  concept  for  many  years.  In  the  early  nineties,  mainly  based  on  the  work  of  American  economist  Paul  Romer  (1986,  1990,  1993), a  new  paradigm,  now  commonly  known  as  "endogenous  growth  theory" is created.   

Romer's crucial contribution to economic theory is the creation of growth model in which ideas play a crucial  role in economic growth. Romer (1993) divides factors into ideas and things. Things are all physical objects that  exist around us, whether natural or manmade. They are scarce, behave by the law of diminishing returns and  cannot create economic growth by themselves. On the other hand, ideas are not scarce. He claims that human  beings have unlimited ability to use new “recipes” for rearrangement of things. The fact of central importance,  according to Romer (1993), is that the possibilities for new ideas are almost inexhaustible.    

340

  Stevo Pucar  As  we  said  before,  underlying  thought  of  the  model  presented  here  is  also  an  assumption  that  ideas,  i.e.  intellectual capital plays a crucial role in economic growth. This model is based on the assumption that TFP and  intellectual capital are two sides of the same coin.    

Since it was created, TFP is the one of most important issues in economic growth theory. Тhe impact of TFP on  economic  growth  is  also  well  documented.  Among  many  others,  Easterly  and  Levine  (2002)  find  that  Total  Factor  Productivity,  measured  as  Solow  residual,  “accounts  for  most  of  the  income  and  growth  differences  across  nations.”  The  crucial  problem  of  TFP  is  its  real  meaning.  This  is  still  an  open  question.  TFP  is  still  measured  as  a  residual  and  is  still  “a  measure  of  our  ignorance”  (Abramovitz,  1956).  We  still  need  deeper  insights of what TFP really is, since Solow residual gives us pretty dismal notion of it. The stream of papers that  treat TFP in alternative way as index number (Caves et al. 1982; Fare et a.l 1994; and others) offers more space  to comprehend this issue.   

The similar thing is with intellectual capital, since its definition is also dismal. As noted earlier, Sveiby (2001,  2010)  systemized  many  different  approaches  to  intellectual  capital.  The  one  of  them  considers  intellectual  capital as the sum of human, structural and customer/relational capital. The other one is defining intellectual  capital  of  a  company  as  difference  between  its  market  capitalization  and  the  book  value.  There  is  also  an  approach that relates intellectual capital to above‐average earnings. Within those 3 approaches Sveiby (2001,  2010) distinguishes 42 different concepts of intellectual capital and its measurement.   

Concerning national intellectual capital, first studies were based on the methodology created by Edvinsson and  Malone (1997). Thus Rembe (1999), analyzed intellectual capital in Sweden. In other Scandinavian countries,  similar  projects  were  promoted  (Malhotra,  2003).  Israeli  scientists  have  also  identified  the  importance  of  intellectual capital for economic development (Pasher, 1999; Pasher and Shachar, 2007). A similar report was  made in Poland and was based on the same methodology (Boni, 2009). Another group of studies examines the  macroeconomic  impact  of  intellectual  capital  as  an  economic  driver.  There  are  several  such  studies.  For  example Bounfour and Stahle (2008) measure the economic effects of intellectual capital on the macro level  using  a  large  number  of  indicators,  on  the  sample  of  51  countries.  Some  other  studies  have  applied  measurement  models  that  were  originally  developed  for  the  micro  level.  Corrado  et  al  (2009)  estimate  intangible capital in the U.S. economy expanded by using their own methodology for microeconomic research.    Recently, the large share of the national intellectual capital research use complex unique indexes created on  the basis of a large number of different indicators. These models also rely on microeconomic foundations. The  most  common  taxonomy  that  is  used  here  is  Edvinsson  and  Malone  (1997).  For  example,  Bontis  (2005)  has  created a unique index that measured the situation in the Arab countries. Andriessen and Stam (2005) used a  similar  approach  in  assessing  the  state  of  intellectual  capital  in  the  European  Union.  All  other  studies  of  national  intellectual  capital  used  this  methodology  to  a  greater  or  lesser  extent  (Bounfour,  2005a;  Lin  and  Edvinsson,  2011;  Veziak,  2007).  However,  the  key  problem  with  the  use  of  composite  indexes  is  that  they  lack  firm  theoretical  foundations  which  brings  into  question  their  validity  (M'Pherson  and  Pike,  2001,  Malhotra, 2003, Stahle, 2006). Based on our review of the literature, we can see that there is only one study  that  attempts  to  integrate  this  type  of  indicators  in  the  framework  of  macroeconomic  growth  theory  (Muhsam, 1970).   

Since TFP is one of the most important topics in the theory of growth, a key direction in creation of this model  was  to  connect  the  concept  of  productivity  with  the  concept  of  intellectual  capital.  Concerning  TFP,  Romer  (1990)  sees  it  as  set  of  instruction,  designs  or  recipes,  basically  set  of  ideas  for  rearrangement  of  things.  Although there are many definitions of intellectual capital, here in this paper we consider intellectual as a set  of ideas (and relations) used to create value.    

There is also more essential connection of these two concepts. The productivity, in essence, is the relation of  output and inputs. Since it shows how much of output is created with given inputs, in value terms it entirely  depends  on  the  amount  of  new  value  that  is  created  out  of  those  given  inputs.  And  the  concept  of  intellectual capital is all about the creation of value. Intellectual capital represents an active transformation of  knowledge into a new value, value‐added products or services. This is the reason why these two notions are  linked in this model. If we prove that this is true then intellectual capital offers deeper explanation of what TFP  really is and TFP could become the most important performance measure of intellectual capital on aggregate  level.   

341

  Stevo Pucar 

5. Conclusion  In one of his famous papers on ideas and things Romer (1993) says: “A nation that lacks the knowledge used to  create value in a modern economy suffers from an idea gap.” This thought was a leading thought in creation of  this model. The model presented here gives theoretical framework in which it is clear that ideas or intellectual  capital performance, measured as productivity, is most important for a long‐term growth. Intellectual Capital  Power α is an indicator of idea gap. If it is less than 1, country suffers from an idea gap.   

What could this model mean in the real world? Intuitively, this could mean that most enterprises in economies  with α larger than 1, are leaders in competitiveness. In these economies enterprises do things in most effective  and efficient way, push boundaries of existing technologies, innovate and create new technologies. Also it is  probable  that  most  enterprises  in  economies  with  α  equal  to  1  keep  up  with  productivity  changes  or  intellectual  capital  performance  of  their  competition.  In  these  economies  most  enterprises  operate  with  average effectiveness and efficiency. For example, they could use up‐to‐date technologies but do not innovate  enough to be able  to push  things beyond current  technology.  In both cases  the  policy  would  be  to  increase  investments  in  order  to  achieve  higher  standard  of  living,  since  intellectual  capital  performance  is  enabling  long‐term growth.   

On  the  other  hand,  most  enterprises  in  economies  with  α  less  than  1  probably  lag  behind  productivity  or  intellectual capital performance of their competition. In other words, in these economies most enterprises do  thing in less effective and efficient way or use older technologies. These economies suffer from an idea gap  and, as we said, the policy should be first to increase intellectual capital performance to at least average and  then to increase investments.   

In spite of the simplicity of the concept that is underlying the model presented in this paper, empirical testing  will  probably  be  much  more  difficult.  The  current  growth  accounting  methodologies  and  data  sets  that  are  adapted to those methodologies do not offer too many possibilities for empirical testing of the model. This is  because Total Factor Productivity (TFP) is most often empirically measured as Solow residual, representing TFP  growth rate. In order to make sense of this model, further theoretical and empirical work on TFP is needed  especially  using  the  intellectual  capital  theory.  We  need  deeper  insights  of  what  TFP  really  is,  since  Solow  residual gives us pretty dismal notion of it.   

Another  problem  is  the  definition  of  the  supranational  average  values.  It  is  an  open  question  shall  we  use  averages of the world or of group of similar countries or based on some specific criteria, structure of economy,  etc. This will need a careful analysis, since different averages can completely change whole picture. In addition  to work on TFP, this will also need both theoretical and empirical analysis. 

References  Abramovitz, M. (1956) Resource and Output Trends in the U.S. since 1870, American Economic Review,  46(2), pp. 5‐23  Andriessen, D., Stam, C. (2005) Intellectual capital of the European Union, Hamilton, Ontario, Canada.  Caves, D. W., Christensen, L. R. and Diewert, W. E. (1982), The economic theory of index numbers and the measurement of  input, output and productivity, Econometrica, 50: 1393‐1414.  Boni, M. (2009). Intellectual capital of Poland. Kancelaria Prezesa Rady Ministrów, lipiec 2009. Available at:  http://www.swisschamber.pl/de/act/upl_imp/other_downloads /report _int_capital_poland_english.pdf.   Bontis, N. (1998) Intellectual Capital: An exploratory study that develops measures and models, Management Decision, 36,  2, 63‐76.  Bontis, N. (2005) National intellectual capital index: The benchmarking of Arab countries, In: Bounfour, R, A., Edvinsson, L.  (ed.) Intellectual capital for communities: Nations, regions, and cities (pp. 113‐138). Oxford, UK: Elsevier  Butterworth–Heinemann.  Bounfour, A. (2005) Assessing performance of European innovations systems: An Intellectual Capital Indexes Perspective, In:  Bounfour, R, A., Edvinsson, L. (ed.) Intellectual capital for communities: Nations, regions, and cities (pp. 97‐112).  Oxford, UK: Elsevier Butterworth–Heinemann.  Corrado, C., Hulten, C., Sichel, D. (2009) Intangible capital and U.S. economic growth, Review of Income and Wealth, 55,  661‐685.  Easterly, W., Levine, R., (2002) It´s Not Factor Accumulation: Stylized Facts and Growth Models, Central Banking, Analysis,  and Economic Policies Book Series, in: Norman Loayza & Raimundo Soto & Norman Loayza (Series Editor) & Klaus  Schmidt‐Hebbel (Series Editor) (ed.), Economic Growth: Sources, Trends, and Cycles, edition 1, volume 6, chapter 3,  pages 061‐114 Central Bank of Chile.  Edvinsson, L. and Malone, M. (1997) Intellectual Capital, Harper Business, New York. 

342

  Stevo Pucar  Fare, R., Grosskopf, N., M. and Zhang, Z. (1994), Productivity growth, technical progress and efficiency changes in  industrialized countries, American Economic Review, 84: 66‐83.  Lev, B. (2001) Intangibles: Management, and Reporting. Brookings Institution Press, Washington, DC.   Lin, C., Edvinsson, L. (2011) National intellectual capital: A comparison of 40 countries, New York Dordrecht Heidelberg  London, Springer New York.  M’Pherson, P., Pike, S. (2001) Accounting, empirical measurement and intellectual capital, Journal of Intellectual Capital, 2,  246‐260.  Malhotra, Y. (2003) Measuring knowledge assets of a nation: Knowledge systems for development, UNDESA, UN. Available  at: http://unpan1.un.org/intradoc/groups/public/documents/un/unpan011601.pdf  Muhsam, H. V., (1970) The assessment of the validity of human resources indicators by means of Cobb‐Douglass production  function, UNESCO: Division of socio‐economic analysis. Retrieved from  http://unesdoc.unesco.org/images/0015/001585/158562eo.pdf.  Pasher, E. (1999). The intellectual capital of the state of Israel, Herzlia Pituach, Edna Pasher PhD & Associates.  Pasher, E., Shachar, S. (2007) The intellectual capital of the state of Israel: 60 years of achievement, Retrieved from  http://www.moital.gov.il/ic  Rembe, A. (1999) The governmental invest in Sweden Agency – ISA: Report 1999, Halls Offset AB, Stockholm. ISA: Report  1999. Halls Offset AB, Stockholm.  Romer, P.M. (1986) Increasing Returns and Long Run Growth, Journal of Political Economy, 94, 1002–37.  Romer, P.M. (1990) Endogenous Technological Change. National Bureau of Economic Research, Working Paper 3210,  Cambridge MA, www.nber.org/papers/w3210.pdf    Romer, P.M., (1993) Idea gaps and object gaps in economic development, Journal of Monetary Economics, Elsevier, vol.  32(3), pages 543‐573.  Stahle, P., (2006) Intellectual capital and national competitiveness: Conceptual and methodological challenges. In:  Bounfour, A. (ed.) Capital immatériel, connessaince et performance (pp. 415‐429). Paris: L’Harmattan.  Stahle, P., Bounfour, A. (2008) Understanding dynamics of intellectual capital of nations, Journal of Intellectual Capital,  special issue of Intellectuall Capital of Communities: The Next Step, 9, 164‐177.  Stewart, T. (1995) Trying to grasp the intangible, Fortune Magazine, pp 52‐69.  Stewart, T.A. (1997) Intellectual Capital: The New Wealth of Organizations, Doubleday/Currency, New York.   Sveiby K. (1997) The New Organisational Wealth, Managing and Measuring Knowledge‐Based Assets, Berrett‐Koehler, San  Fransisco.  Sveiby, K.E., (2001, 2010) Methods for Measuring Intangible Assets, Available at:  http://www.sveiby.com/Portals/0/articles/IntangibleMethods.htm  Weziak, D. (2007) Measurement of national intellectual capital: application to EU countries, IRISS Working Paper Series,  2007, 1‐45. 

343