После отсева статистически незначимых факторных показателей уравнения множественной регрессии моделей коэффициента текучести персонала и выработки на одного работника приобрели следующий вид:

YКт=11,327 – 1,5226 Х7 – 0,013326 Х11 + 0,06907 Х13 – 0,0011371 Х18;

YВыр = 13840 + 1878,7 Х7 + 40,945 Х11 + 67,583 Х13 + 3,1147 Х18.

Статистическая проверка показала адекватность моделей. Расчетная величина F-критерия Фишера для модели коэффициента текучести составила 21,536, а для выработки 39,383, при табличном значении для Ктек и выработки Fкр. (0,05; 5; 50) = 2,42.

Коэффициент множественной корреляции равен соответственно для Ктек и выработки 0,8425 и 0,9041, что указывает на то, что указанные факторные показатели сравнительно тесно связаны с результативным показателем.

Коэффициент множественной детерминации R2, равный соответственно, 0,7099 и 0,8174 свидетельствует о том, что вариация результативного показателя в исследуемой совокупности подразделений на 70,99 % и 81,74 % – результат колеблемости всех включенных в модель факторных показателей.

Перейдем к экономической интерпретации моделей, используя систему соответствующих коэффициентов.

Расчеты по рассматриваемой совокупности предприятий показали, что для выработки наиболее значимыми оказались факторные показатели:

Х7 - средний стаж работы в фирме, в годах;

Х11 - доля сотрудников работающих в режиме суммированного рабочего дня в общей численности персонала, в процентах;

Х13 - коэффициент использования персонала, в процентах;

Х18 - среднемесячная заработная плата, в руб.

В соответствии с полученным уравнением регрессии можно сделать следующие выводы: направление влияния включенных в модель факторов не противоречат экономическому смыслу. С увеличением среднего стажа работников на 1 год выработка увеличивается на 1878,7$, с увеличением заработной платы на 1 руб. она увеличивается на 3,11$, с увеличением коэффициента использования персонала на 1% - на 67,58$, с увлечением доли сотрудников работающих в режиме суммированного рабочего дня в общей численности персонала на 1% - на 40,95$.

Расчеты показали, что для коэффициента текучести наиболее значимые факторные показатели оказались те же, что и для выработки.

Направление влияния включенных в модель факторов не противоречат экономическому смыслу. С увеличением среднего стажа работников на 1 год коэффициент текучести уменьшается на 1,5226%, с увеличением заработной платы на 1 руб. он уменьшается на 0,0011%, с увеличением коэффициента использования персонала на 1% - увеличивается на 0,06907%, с увлечением доли сотрудников работающих в режиме суммированного рабочего дня в общей численности персонала на 1% - уменьшается на 0,0133%.

Прямое сравнение коэффициентов регрессии в уравнении множественной регрессии дает представление о степени влияния факторных признаков на результативный показатель только тогда, когда они выражаются в одинаковых единицах и имеют примерно одинаковую колеблемость.

Для данного исследования, мы предлагаем использовать средний частный коэффициент эластичности.

Для устранения различий в измерении и степени колеблемости, можно использовать другой показатель – бета-коэффициент. Однако для данного исследования, по мнению автора, достаточно оценить модель с помощью средних частотных коэффициентов эластичности (Эi).

Коэффициенты эластичности выражаются следующими величинами:

- для модели выработки:

Э7 = 0,136;

Э11 = 0,088;

Э13 = 0,0852;

Э18 = 0,171;

- для модели коэффициента текучести:

Э7 = -1,277;

Э11 = -0,159;

Э13 = 0,295;

Э18 = -0,494.

Наибольшее влияние на результативный показатель выработки из факторных, вошедших в уравнение регрессии, имеет средняя заработная плата (ее увеличение на 1% вызвало бы рост выработки на 0,171%) и средний стаж работников (его увеличение на 1% вызвало бы рост выработки на 0,136%). Увеличение коэффициента использования персонала и доли сотрудников, работающих в режиме суммированного рабочего дня в общей численности персонала на 1% вызвало бы рост выработки на 0,0852% и 0,088% соответственно.

Для регрессионной модели, построенной для коэффициента текучести значимым (существенным) факторным показателем оказался средний стаж работников (его увеличение на 1% вызвало бы уменьшение коэффициента текучести на 1,277%). Сокращение заработной платы на 1% вызовет увеличение текучести на 0,494%. Увеличение коэффициента использования персонала на 1% повлечет за собой увеличение текучести на 0,295%. При увеличении доли сотрудников, работающих в режиме суммированного рабочего дня в общей численности персонала на 1% коэффициент текучести снизится на 0,159%.

Таким образом, были выявлены основные факторные показатели, влияющие на эффективность управления персоналом на исследуемой фирме. На них следует сосредоточить внимание в первую очередь. Их изменение (за исключением факторного показателя Х7 - средний стаж работы в фирме) во многом зависит от решений в области управления персоналом и не связано со значительными капитальными вложениями.

Модель позволяет установить лишь уровень изучаемых показателей, соответствующий выбранным факторам. Но так как практически трудно выделить все факторы, влияющие на эффективность управления персоналом, то отклонения фактических значений анализируемых показателей от расчетных можно объяснить действием неучтенных факторов. Включение большего количества факторов значительно повышает адекватность модели.

2.3 Оценка связей показателей эффективности управления персоналом непараметрическими методами

Методы корреляционного и дисперсионного анализа не универсальны, их можно применять, если все исследуемые факторы являются количественными. Между тем, при использовании методов статистической оценки, приходится сталкиваться с задачами измерения связи между качественными признаками, к которым параметрические методы анализа в их обычном виде неприменимы. Потребности социальной практики требуют разработки методов количественного описания социальных процессов, позволяющих точно регистрировать не только количественные, но и качественные факторы.

Статистической наукой разработаны непараметрические методы, с помощью которых можно измерить связь между явлениями, не используя при этом количественные значения признака а, следовательно, и параметра распределения. При исследовании степени тесноты связи между качественными признаками, каждый из которых представлен в виде альтернативных признаков, возможно использование тетрахоричных показателей. Расчетная таблица состоит из четырех ячеек (обозначаемых буквами a, b, c, d), где каждая из клеток соответствует известной альтернативе того и другого признака.

Для такого рода таблиц построен ряд показателей: коэффициент ассоциации Юла:

,                                                        (2.7)

Для случаев, когда один из показателей отсутствует, значение коэффициент ассоциации Юла (КА) будет неадекватно отражать оценку степени тесноты связи между признаками, в этих случаях следует использовать коэффициент контингенции Пирсона, при этом следует учитывать, что его значение несколько занижено по сравнению с коэффициентом ассоциации:

,                           (2.8)

где a, b, c, d – известная альтернатива того и другого признака.

Этот метод, по мнению автора, наиболее подходит для исследования тесноты связи между факторными показателями в АОЗТ «Фотолэнд», такими как: наличие питания, химического воздействия, производственного шума, дополнительных льгот и результативным показателем - коэффициентом текучести. А также факторным показателем: наличие мини лаборатории и результативным – средним доходом подразделения.

Сведем известные альтернативы перечисленных показателей в таблицы 2.5 -2.7:

Таблица 2.5

Распределение филиалов по наличию минилаба и дохода «Фотолэнд»

Таблица 2.6.

Распределение филиалов «Фотолэнд» по наличию минилаба, льгот и коэффициента текучести

Таблица 2.7

Распределение филиалов по наличию питания и коэффициента текучести

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13