Interferenţe Economice AE

PREDICŢIA LINIILOR STRATEGICE ALE UNEI COMPANII SIF

FOLOSIND BSC ȘI PLS
Ion Stancu1, Ion Alexandru Stancu2, Laura Elly Naghi3 şi Dragoş Bâlteanu4
1)
Academia de Studii Economice din București şi Institutul de Studii Financiare, România
2)
Universitatea din Geneva, Elveţia şi Director IATA, AME, Amman, Iordania
3)
Academia de Studii Economice din Bucureşti, România
4)
Romenergo, România
Vă rugăm să citați acest articol astfel: Istoria articolului
Stancu, I., Stancu, I.A., Naghi, L.E. and Bâlteanu, D., Primit: 8 septembrie 2017
2018. Predicting Strategic Areas of a Financial Revizuit: 4 octombrie 2017
Intermediation Services (SIF) Company Using BSC and Acceptat: 3 noiembrie 2017
PLS. Amfiteatru Economic, 20(47), pp. 218-228.

Rezumat
Analiza Balanced Scorecard (BSC) poate identifica relațiile dintre diferitele sectoare ale
activităților companiei și interacțiunile dintre acestea. Profesorul Bernard Morard, împreună cu
dr. Alexandru Stancu și dr. Christophe Jeannette de la Universitatea din Geneva din Elveția, au
dezvoltat o modalitate de a releva aceste relații și interacțiuni folosind tehnica Partial Least
Squares (PLS). Tehnica lor identifică zonele strategice (sau axele strategice) prin evidențierea
grupurilor de indicatori de performanță cu cel mai mare coeficient de corelare între ei. Axele
strategice pot, la rândul lor, să identifice sectoarele de performanţă ale companiei. Modelul
nostru final a identificat interacțiunea dintre zonele strategice ale SIF, precum și interacţiunea
dintre indicatorii de performanță SIF și grupul din care aceştia fac parte.
Scopul nostru a fost acela de a face mai întâi o analiză a componentelor principale
pentru a găsi cele mai importante sectoare de activitate pentru o companie SIF (de exemplu,
axa 1 = Capitalul și Rezultatele) și de a ne concentra pe 4-6 indicatori de performanță
relevanți, puternic corelaţi cu respectivele sectoare (axe) strategice. Ceilalţi indicatori i-am
considerat nerelevanţi sau i-am transferat către alte axe unde au o pondere semnificativă,
chiar dacă este mai mică decât în axa din care pleacă.
Odată ce aceste judecăți economice asupra zonelor strategice au fost finalizate, am
aplicat analiza PLS pentru a arăta corelațiile dintre axele (sectoarele) strategice. Aceste
corelații evidențiază intensitatea interrelațiilor în cadrul companiei (SIF) și conduc la
posibile linii strategice de interacțiune.
În principal, am intenționat: să identificăm relațiile dintre diferitele axe strategice
(sectoare) ale activității companiei și interacțiunile dintre acestea utilizând analiza Balanced
Scorecard (BSC); să atribuim acestor sectoare economice cel mai potrivit nume (de
exemplu Axa 1 = CAPITALUL și REZULTATELE ș.a.m.d.) și să reţinem maxim 6
indicatori relevanți pentru fiecare axă; să evidențiem corelațiile dintre axele strategice
(sectoare), cu relevarea intensităţii interrelațiilor; să realizăm predicţia unor posibile linii
strategice de interacțiune în cadrul companiei (SIF).
Practic, BSC explică relația dintre variabilele de guvernanță corporativă și
performanța companiei. Am intenţionat ca, pe lângă interrelaţiile cauzale, să identificăm și
o relație logică între sectoarele de activitate analizate.
Cuvinte–cheie: Sectoare (axe) strategice, Balanced Scorecard (BSC), Regresia prin cele
mai mici pătrate parţiale (Partial Least Squares - PLS), Analiza Componentelor Principale
(Principal Component Analysis - PCA), Guvernanţă corporativă.
Clasificare JEL: C38; D22; E37, L25

 Autor de contact, Ion Stancu – [Link]@[Link]

Vol. 20 • Nr. 47 • Februarie 2018 141

AE Predicţia liniilor strategice ale unei companii SIF folosind BSC și PLS

Introducere

Având în vedere statutul iniţial hibrid al acestor societăţi de investiții (FPP-uri

formate prin transferarea unei părți - 30% - din fosta proprietate de stat), SIF-urile trebuie
în prezent gestionate pentru a obține venituri exclusiv din investiții financiare pe piața de
capital și nu prin dezinvestirea activelor valoroase, vândute cu scopul de a marca profit în
scopul distribuirii de dividende. Evaluarea SIF-lor trebuie să se facă pe baza capacității lor
de a genera profit.
Scopurile cercetării noastre au fost:
• aplicarea unei analize a componentelor principale pentru a găsi cele mai importante
domenii (sau axe) strategice pentru SIF;
• evidenţierea grupurilor de indicatori de performanță care au cel mai ridicat coeficient
de corelare cu zonele strategice;
• aplicarea analizei parțiale a celor mai mici pătrate pentru a identifica corelațiile
dintre axele strategice (sectoare);
• evidenţierea intensităţii interrelațiilor în cadrul companiei (SIF) și posibile predicţii
ale liniilor strategice de interacțiune.
Am fost, în primul rând, preocupaţi de a da acestor sectoare cea mai potrivită
denumire economică (de exemplu, Axa 1 = CAPITALUL ȘI REZULTATELE etc.) și de a
reţine cel mult 6 indicatori dintre cei mai relevanți pentru fiecare axă strategică în raport cu
intensitatea corelaţiei dintre indicatori şi respectiva axă strategică. Ceilalţi indicatori (cu
corelaţii mai reduse) îi considerăm nerelevanţi sau îi transferăm către alte axe unde au o
pondere semnificativă, dar mai mică decât în axa din care pleacă.
După aceste operaţii de judecată economică de care depinde puterea de analiză şi
previziune strategică a modelului, regresia PLS ne-a relevat corelaţiile dintre axe (sectoare
de activitate), corelaţii care evidenţiază intensitatea interrelaţiilor şi pot conduce la predicţia
posibilelor linii strategice de interacţiune în cadrul companiei (SIF).
Lucrarea a fost structurată după cum urmează. În prima secţiune am examinat
literatura BSC cu privire la acest subiect. În cea de-a doua secţiune am prezentat
metodologia statistică din spatele modelului optim BSC și am identificat rezultatele analizei
datelor SIF. În cele din urmă, am prezentat concluziile și posibilele aplicații viitoare ale
modelului.

1. Recenzia literaturii de specialitate

Sistemul "Balanced Scorecard" este un concept de management strategic introdus de

către Robert Kaplan şi David Norton la începutul anilor 1990. Balanced Scorecard (BSC)
conține măsuri financiare dar şi operaționale privind gradul de satisfacție a clientului,
procesele interne, precum şi activități de inovare şi de îmbunătățire a organizației (Kaplan
şi Norton, 1992, 1996). Pentru manageri, BSC identifică o viziune cuprinzătoare asupra
obiectivelor strategice ale companiei lor şi un set de măsuri de creştere a performanței
strategice a acesteia. BSC este fie un instrument de management complex, fie un
instrument de management strategic. Articolele de specialitate pe tema BSC analizează şi
promovează Balanced Scorecard ca instrument de măsurare a performanţei, ca sistem de
management al performanței dar şi ca sistem de management strategic şi control.
"Conceptul balanced scorecard reprezintă un sistem de planificare şi management
strategic folosit pe scară largă în organizaţii de afaceri şi industriale, în sistemul public şi
în organizatiile non-profit din toată lumea pentru a alinia activităţile la viziunea şi

142 Amfiteatru Economic

Interferenţe Economice AE
strategia organizaţiei, îmbunătățind comunicarea internă şi externă şi monitorizând
performanța organizației în atingerea obiectivelor strategice." (Balanced Scorecard
Institute, 2010).
Schema strategică a BCS (figura nr. 1) exemplifică modul în care se creează valoare
pentru companie, respectiv, prezintă progresiv legătura logică între obiectivele strategice
sub forma unui lanț cauză-efect. Pornind de la CAPACITATEA ORGANIZAȚIONALĂ
(cunoştinţe şi aptitudini, precum şi intrumentele manageriale şi tehnologia procesuală),
creşterea performanței are loc prin îmbunătățirea PROCESELOR INTERNE (creşterea
eficienţei şi reducerea timpului de procesare) care, la rândul lor, permit organizației
îmbunătăţirea relaţiei cu CLIENŢII (reducerea timpului de distribuţie şi fidelizarea
clienţilor), precum și creşterea rezultatelor sectorului FINANCIAR (costuri reduse,
creşterea veniturilor şi a profitabilităţii).

Figura nr. 1: Schema strategică a Balanced Scorecard

Sursa: Balanced Scorecard Institute, 2010.

Cu toate aceste cauzalităţi evidenţiate, așa cum a fost inițial introdusă de Kaplan şi
Norton (1992), metoda balanced scorecard, BSC are limitări determinate de principalele
sale ipoteze și de (i)relevanţa relațiilor evidențiate de aceasta. Norreklit (2000) afirmă că nu
există o cauzalitate, ci o relație logică între perspectivele strategice analizate. În plus, BSC
nu este un instrument reprezentativ de management strategic, deoarece nu ține seama de
nicio legătură între organizație și concurență. În consecință, ar trebui să fie permisă o
discrepanță între strategia actuală a companiei și strategia asumată. De asemenea, Kanji şi
Moura (2002) rezumă câteva limitări ale BSC subliniind că modelul este prea abstract și nu
este ușor de utilizat ca model de măsurare. Mai mult decât atât, el observă că relațiile dintre
perspectivele strategice nu sunt clar explicate, iar relațiile cauzale nu sunt suficient de
relevante. Kanji şi Moura (2002) identifică relațiile dintre axele strategice mai degrabă ca
interdependență, nu şi corelații reale. Nu în ultimul rând, Malina şi Selto (2003) subliniază
faptul că BSC este foarte dificil de pus în practică. De asemenea, cei doi autori au stabilit că
indicatorii de performanță identificați în modelul BSC sunt părtinitori (bias, în engleză) sau
inexacți. Comunicarea despre BSC în cadrul unei companii este ierarhică, iar comparațiile
dintre companiile care utilizează BSC sunt inadecvate din cauza lipsei standardizării.

Vol. 20 • Nr. 47 • Februarie 2018 143

AE Predicţia liniilor strategice ale unei companii SIF folosind BSC și PLS

Metoda PLS, în ciuda limitărilor sale inerente (mai ales că este o tehnică limitată
de informare, creată pentru a maximiza puterea de predicție), s-a dovedit a fi o modalitate
foarte utilă pentru modelarea statistică în managementul general și cel financiar, în
controlul de gestiune etc. Metoda poate duce la rezultate bune fără a fi nevoie de eșantioane
mari de date. Cu astfel de dificultăţi s-au confruntat adesea oamenii de știință din
management și controlul de gestiune. Un alt avantaj al PLS este abilitatea de a opera cu
date non-normale din cauza ipotezelor mai puțin riguroase care stau la baza tehnicii
statistice (Smith şi Langfield-Smith, 2004).
Folosind tehnici de depășire a acestor limite ale PLS, Creamer și Freund au folosit
tehnica AdaBoost pentru a genera arbori de decizie alternativi care să explice relația dintre
variabilele de guvernanță corporativă și performanța afacerilor. Tehnica AdaBoost
selectează cei mai importanți indicatori ai board-ului BSC pentru planificarea strategică a
companiei (Creamer and Freund, 2010).
Ȋn articolul lor, Michael Haenlein şi Andreas M. Kaplan realizează o analiză a PLS
pornind de la modelarea ecuațiilor structurale bazate pe covarianţă (SEM, Joreskog, 1973)
şi de la predominanța LISREL (linear structural relations) 1. LISREL este cel mai bine
cunoscut instrument pentru acest tip de analiză. Prin LISREL se ajunge la analiza celor mai
mici pătrate parțiale (PLS). Autorii articolului şi-au propus să ofere o înțelegere uşoară a
acestei tehnici, deosebit de utilă pentru situațiile în care performanţele companiei sunt
măsurate printr-un număr foarte mare de indicatori (Haenlein şi Kaplan, 2010).

2. Metodologie şi baza de date

Regresia prin cele mai mici pătrate parțiale (PLS) este o tehnică recentă care
generalizează şi combină caracteristici de la analiza componentelor principale și de la
regresia multiplă. PLS este deosebit de utilă atunci când analizăm un set mare (chiar, foarte
mare) de variabile independente pentru a anticipa un set de variabile dependente.
Analiza componentelor principale (PCA) este metoda statistică prin care se
identifică un număr redus de variabile necorelate, numite componente principale, dintr-un
număr mare de variabile corelate. Primele componente principale justifică cea mai mare
parte din variabilitatea existentă în datele iniţiale. Regresia PLS încearcă să identifice
factorii latenţi care nu pot fi măsuraţi în mod direct și exact. Pentru a defini şi valida
relațiile cauzale care constituie structura Balanced Scorecard, aceste variabile latente au
nevoie de variabile măsurabile care sunt exprimate prin indicatori ce pot fi observaţi în mod
direct și măsuraţi prin analiza factorială. Ȋn consecinţă, am identificat cel puţin 3 avantaje
ale regresiei PLS: nu este nevoie de eșantioane mari, are capacitatea de a găzdui date
neobișnuite și modelele sunt stabile, exacte și predictive.
Prin analiza componentelor principale (PCA), am regrupat variabilele economico-
financiare ale SIF în cadrul unor axe specifice (sectoare de activitate) pentru a evidenția
relevanța variabilelor disponibile. Am selectat apoi indicatorii relevanţi pentru fiecare axă
şi am avut o explicație rațională pentru această selecţie. Ȋn cele din urmă, regresia PLS a
generat lanțul cauză-efect dintre variabilele latente (axele) şi intensitatea cu care urmează să
fie influențate.

1LISREL este un pachet software statistic utilizat în modelarea ecuațiilor structurale (SEM, Structural
Equation Modeling) pentru variabilele manifeste și latente.

144 Amfiteatru Economic

Interferenţe Economice AE

2.1. Metodologie
Legătura de cauzalitate dintre axele strategice, pe de o parte, și variabilele empirice,
pe de altă parte, face posibilă prioritizarea activităţilor companiei SIF. Legăturile cauzale
între axe (ierarhia lor) vor putea simula impactul diferitelor variabile asupra modificării
performanței globale a SIF.
Pentru Analiza Componentelor Principale (PCA) şi Regresia Partial Least Squares
(PLS) am folosit un soft elaborat de Prof. Bernard Morard împreună cu Dr. Alexandru
Stancu şi Dr. Christophe Jeannette de la Universitatea Geneva şi prin care aceştia au
dezvoltat un instrument de identificare a relaţiilor şi interacţiunilor dintre variabilele
analizate (Morard, Stancu şi Jeannette, 2013a; 2013b).

2.2. Baza de date

Datele istorice au fost colectate din baza de date Thompson Reuters cu adăugiri din
site-urile BVB și SIF. Pe baza a 32 de indicatori economici și financiari cu o istorie
trimestrială din 1998 până în 2016, am prezentat cinci domenii strategice (axe):
 capitalul și rezultatele;
 structura capitalului și angajații;
 profitabilitatea;
 capitalul de lucru și impozitarea;
 investițiile.
Fiecare axă cuprinde între 4 și 6 variabile explicative, cu cele mai intense
conexiuni (sau cu cea mai bună valoare) pentru respectiva axă. Variabile brute (în valori
iniţiale) sunt preponderente deoarece reflectă în mod direct (fără părtinire) activităţile SIF,
mai degrabă decât ratele financiare (care sunt mai sintetice).

3. Rezultatele PCA şi PLS

Axele strategice definesc activităţile cele mai relevante ale companiei SIF. Pentru corecta
lor definire este nevoie de eliminarea acelor variabile care nu ar explica suficient de bine
definiția dată axei, variabile care au valori aproximative, precum şi cele care nu s-ar încadra bine
în definiția axei. Spre exemplu, pe axa PROFITABILITATE, am considerat că variabilele ROE
(Return on Equity) şi ROIC (Return on Invested Capital) caracterizează suficient de bine aceasta
axă, drept pentru care am eliminat variabila EBITDA Margin (tabel nr. 1).
Tabel nr.1: Repartizarea variabilelor pe axele SIF prin aplicarea metodei PCA
Capitalurile şi [Link]. şi Cap. lucru şi
Indicatorul Profitabilitatea Investiţiile
rezultatele angajaţii impozitarea

ROE 17.116 % 16.997 % 28.423 % 1.391 % 13.891 %

ROIC 17.938 % 13.207 % 31.183 % 7.875 % 13.680 %

EBITDAMargin 5.813 % 22.688 % 25.625 % 5.710 % 20.012 %

Rotaţia Activelor 23.778 % 14.388 % 9.869 % 11.454 % 7.998 %

...
Sursa: Prelucrări proprii ale datelor statistice cu softul „Optimal PLS” al Universităţii Geneva

Vol. 20 • Nr. 47 • Februarie 2018 145

AE Predicţia liniilor strategice ale unei companii SIF folosind BSC și PLS

Dacă apreciem că unele dintre aceste variabile sunt relevante pentru alte axe, atunci
le înscriem în acele axe2.
Fiecare dintre axe cuprinde 4 până la 6 variabile explicative, cu cele mai intense
legături (sau cea mai bună semnificaţie) cu respectiva axă. Pe aceste Axe am operat o
regresie PLS ale cărei rezultate le vom analiza mai departe. Spre exemplu, axa 1,
CAPITALUL şi REZULTATELE, are o reflectare foarte bună (coeficienţi între 0,9 şi 0,7) a
variabilităţii celor 6 indicatori explicativi din figura nr. 2.

Figura nr. 2: Coeficienţii de variabilitate a celor 6 indicatori explicativi ai axei

Capitalul şi Rezultatele
Sursa: Prelucrări proprii ale datelor statistice cu softul „Optimal PLS”
al Universităţii Geneva

Diagrama de mai sus identifică o performanță a axei CAPITALUL şi

REZULTATELE ce se explică, în principal, prin Rotaţia activelor, Veniturile totale şi,
evident, prin Profitul net şi Profitul operaţional. Ȋn consecinţă, o modificare importantă a
acestor indicatori va influența puternic axa CAPITALUL şi REZULTATELE. Relaţiile
cauză-efect dintre aceste variabile, pe de o parte, și axa analizată, pe de altă parte, fiind
pozitive, relevă faptul că o creştere a rotaţiei activelor, implicit a veniturilor, spre exemplu,
va determina o influenţă pozitivă asupra întregii axe CAPITALUL şi REZULTATELE.
Consideraţii similare se pot face şi asupra relaţiilor cauză-efect din celelalte axe:
STRUCTURA CAPITALURILOR şi ANGAJAŢII, PROFITABILITATEA, CAPITALUL
de LUCRU şi IMPOZITAREA, INVESTIŢIILE.
Metoda PLS are avantajul că relațiile cauză-efect nu sunt impuse încă de la
început, ele sunt construite și definitivate prin regresia PLS. Ca rezultat al acestei regresii
PLS obţinem un model stabil din punct de vedere statistic, cel mai stabil între toate
modelele de interacțiune (validarea acestuia făcându-se prin tehnica Bootstrap). Ȋn
cercetarea noastră, rezultatele cele mai relevante sunt oferite prin aplicarea acestui model

2 Ȋntr-o formulă şi mai amplă, am replicat metodologia de mai sus şi pe 57 de variabile, cele 32
iniţiale plus 25 variabile privind sectoarele industriale cu capital SIF, categoriile de titluri în care s-au
făcut plasamentele SIF, structura deţinerilor SIF, precum şi structura acţionariatului. De data aceasta,
istoricul trimestrial este mai redus, respectiv, din 2007 până-n 2016, perioadă în care am dispus de
date oficiale şi din Rapoartele administratorilor SIF. Ȋn economia acestei lucrări nu am prezentat şi
aceste rezultate.

146 Amfiteatru Economic

Interferenţe Economice AE
PLS, respectiv, interrelaţiile dintre axe, posibilele legături cauză-efect dintre acestea (a se
vedea figura nr. 3).

Figura nr. 3: Posibilele legături cauzale dintre axele SIF

Sursa: Prelucrări proprii ale datelor statistice cu softul „Optimal PLS” al Universităţii
Geneva

Rezultatele cercetării noastre corespund îndeaproape cu managementul intuitiv pe

care SIF l-a practicat până la finele analizei noastre (2016). Mai mult decât atât, această
metodă este în măsură să evalueze impactul pe care axa CAPITALUL şi REZULTATELE
îl are asupra axei INVESTIŢII (0.782) și contribuţiile axelor PROFITABILITATEA
(0.649), STRUCTURA CAPITALURILOR şi ANGAJAŢII (0.289), precum şi
CAPITALUL DE LUCRU şi IMPOZITAREA (0.267) la formarea axei analizate
(CAPITALUL şi REZULTATELE). Este de remarcat, de asemenea, contribuţia axei
INVESTIŢII (0.709) la formarea axei STRUCTURA CAPITALURILOR şi ANGAJAŢII.
Această abordare permite atât evidențierea indicatorilor strategici pertinenţi cât şi
logica strategiei aplicate de managementul SIF, respectiv alocarea capitalurilor companiei
în investiţii care la rândul lor au influenţat indicatorul Active/Capitaluri propii, precum şi
Angajabilitatea.
Intensitatea conexiunilor cauză-efect din model permite o mai bună înțelegere a
tendinței companiei. De asemenea, sugerează măsuri care trebuie luate de către
management pentru a reactualiza, corecta si anticipa strategia SIF cu ajutorul unor
indicatori selectați pe axe.
Ȋn forma detaliată, diagrama interrelaţiilor dintre axe, precum şi puterea explicativă a
fiecărei axe cu variabilele seminificative se prezintă în figura nr. 4.

Vol. 20 • Nr. 47 • Februarie 2018 147

AE Predicţia liniilor strategice ale unei companii SIF folosind BSC și PLS

Figura nr. 4: Puterea explicativă a fiecărei axe cu variabilele semnificative

Sursa: Prelucrări proprii ale datelor statistice cu softul „Optimal PLS” al Universităţii Geneva

Validarea statistică a modelului relevă valori ridicate ale consistenței fiabilității

modelului (excepție, axa 2), a varianței extrase (excepție, axa 4) și a coeficientului de
determinare R2 (cu valori de 0,889; 0,611 și, respectiv, 0,503) Explicarea legăturii cauză-
efect dintre axele 1, 5 și 2 este redată în tabelul nr. 2.

Tabel nr. 2: Validarea statistică a aplicării modelului PLS

> 0,67 = puternică
> 0,33 = moderată
> 0,19 = slabă
Fiabilitatea Varianta medie Coeficientul de Indicele de
Axele
compozită extrasă determinare: R2 redundanță
1. CAPITALUL si
0.932 0.699 0.889 0.91
REZULTATELE
2. STRUCTURA
CAPITALULUI si 0.42 0.607 0.503 -1.013
ANGAJATII
3. PROFITABILITATEA 0.866 0.547 - 0.797
4. CAPITAL de LUCRU
0.626 0.384 - 0.667
si IMPOZITAREA
5. INVESTITII 0.759 0.476 0.611 0.599
Fiabilitatea compozită (Composite Reliability) este o măsură a fiabilității interne de consistență care permite
evaluarea fiabilității construcției: măsura în care o variabilă sau un set de variabile sunt coerente în ceea ce
intenționează să măsoare.
Varianța medie extrasă (Average Variance Extracted) măsoară cantitatea de varianță capturată de model în
raport cu cantitatea de varianță datorată erorii de măsurare.
Coeficientul R2 (R-squared) este o măsură statistică a apropierii datelor de linia de regresie. Este cunoscut
sub denumirea de coeficient de determinare sau coeficientul de determinare multiplă pentru regresia multiplă
Indicele de redundanță (Redundancy Index) măsoară duplicarea relevanței unui sistem cu intenția de a spori
fiabilitatea acestuia
Sursa: Prelucrări proprii ale datelor statistice cu softul „Optimal PLS” al Universităţii Geneva

148 Amfiteatru Economic

Interferenţe Economice AE

Concluzii

• Determinarea axei corecte este esențială pentru obținerea de valoare adăugată,

precum şi gestionarea eficientă a resurselor, controlul riscurilor și succesul în competiție.
Dacă scopul studiului este strategia de performanță, este necesar ca variabilele să explice
bine axa. Determinarea corectă a axelor este determinată de colectarea indicatorilor de
performanță, de gestionarea resurselor, de controlul riscului, de succesul în competiție etc.
Relevanța sporită a indicatorilor de performanță oferă mai multă putere modelului optim
BSC.
• Intensitatea conexiunilor cauză-efect în model permite o mai bună înțelegere a
tendinței companiei. Am identificat astfel cât de mult din variabilitatea fiecărui indicator
este capturată de axa strategică din care aceasta face parte. De asemenea, sugerează măsuri
care trebuie luate pentru a actualiza, corecta și anticipa strategia SIF utilizând indicatori
selectați pe axe.
• PLS abordează sinteza performanței strategice prin identificarea conexiunilor cauză-
efect între variabile și axe, pe de o parte, și între axe (ierarhia lor), pe de altă parte. Această
abordare permite înțelegerea lanțului cauzal al performanței strategice. Abordarea PLS ar
putea da SIF un real avantaj în concurența economică.

Bibliografie
Balanced Scorecard Institute, 2010. Balanced Scorecard Basics. [online] Disponibil la:
<[Link]
[Accesat 12 decembrie 2017].
Banker, D.R., Chang, H. și Pizzini, J.M., 2004. The Balanced Scorecard: Judgmental
Effects of Performance Measures Linked to Strategy. The Accounting Review, 79(1),
pp. 1-23.
Creamer, G. și Freund, Y., 2010. Learning a board Balanced Scorecard to improve
corporate performance. Decision Support Systems, 49(4), pp. 365-385.
Hulland, J., 1999. Use of Partial Least Squares (PLS) în Strategic Management Research: A
Review of Four Recent Studies. Strategic Management Journal, 20(2), pp. 195–204.
Ittner, Ch.D., Larcker, D.F. și Meyer, M.W., 2003. Subjectivity and the Weighting of
Performance Measures: Evidence from a Balanced Scorecard. The Accounting
Review, 78(3), pp. 725-758.
Kanji, G.K. și Moura, P., 2002. Kanji’s Business Scorecard. Total Quality Management,
13(1), pp 13-27.
Kaplan, S.R. și Norton, P.D., 1992. The Balanced Scorecard Measures That Drive
Performance. Harvard Business Review, iss. January-February, pp. 71-79.
Kaplan, S.R. și Norton, P.D., 1996. Linking the Balanced Scorecard to Strategy. California
Management Review, 39(1), pp. 53-79.
Malina, A.M. și Selto, H.F., 2003. Causality în Performance Measurement Models. [online]
Disponibil la: <[Link]/publication/222701363> [Accesat 10 iulie
2017].

Vol. 20 • Nr. 47 • Februarie 2018 149

AE Predicţia liniilor strategice ale unei companii SIF folosind BSC și PLS

Morard, B. și Stancu, I.A., 2005. Structural Equation Modeling în a Rationalization

Tentative of Balanced Scorecard. [online] Disponibil la: <[Link]
[Link]/unige:5755> [Accesat 3 august 2017].
Morard, B., Stancu, A., Jeannette, C. și Hamoir, E., 2009. Quasi-Analytical Definition of a
Practical Balanced Scorecard: A Building Process Approach. International Journal of
Business, Marketing, and Decision Sciences, 2(1), pp. 39-58.
Morard, B., Stancu, A. și Jeannette, C., 2013a. Finding your Company’s Optimal Balanced
Scorecard: A New Quality Criterion. Economics and Finance Research, 61, pp. 64-
74.
Morard, B., Stancu, A. și Jeannette, C., 2013b. Time Evolution Analysis and Forecast of
Key Performance Indicators in a Balanced Scorecard. Global Journal of Business
Research, 7(2), pp. 9-27.
Norreklit, H., 2000. The balance on the Balanced Scorecard, a critical analysis of some of
its assumptions. Management Accounting Review, 11(1), pp. 65-88.
Pineno, C.C., 2002. The Balanced Scorecard: an incremental approach model to health care
management. Journal of Health Care Finance, 28(4), pp. 69-80.
Stancu, A., 2009. The Rationalization of Balanced Scorecard using Multivariate Statistical
Approach. Dissertation submitted in fulfillment of Doctor’s Degree in Economics at
the Faculty of Economic and Social Sciences, University of Geneva. [online]
Disponibil la: <[Link] [Accesat 24
iunie 2017].
Wold, H., 1975. Path models with latent variables: The NIPALS approach. In: H.M.
Blalock, A. Aganbegian, F.M. Borodkin, R. Boudon and V. Cappecchi, eds. 1975.
Quantitative Sociology: International Perspectives on Mathematical and Statistical
Modeling. New York: Academic Press, pp. 307-357.
Zahirul, H. și Wendy, J., 2000. Linking Balanced Scorecard Measures to Size and Market
Factors: Impact on Organizational Performance. Journal of Management Accounting
Research, 12(1), pp. 1-17.

150 Amfiteatru Economic