Кадры в сфере услуг и их роль в системе менеджмента
Для этого была построена, с использованием пакета MESOSAUR, корреляционная матрица.
Анализ матрицы коэффициентов парной корреляции, рассчитанных для факторных показателей за 2007г., указал на наличие коллинеарных факторных показателей, а именно показатель Х1 (средний тарифный разряд) имеет сильную функциональную связь с факторным показателем Х18 (среднемесячная заработная плата), показатель
Х4 (доля не состоявших в браке работников) имеет сильную функциональную связь с факторным показателем Х5 (доля не состоявших в браке работников, имеющих детей), показатель Х15 (доля работников, прошедших профессиональное обучение в течение периода) имеет сильную функциональную связь с факторным показателем Х16 (доля работников, повысивших разряд в течение периода, в общей численности персонала). Сильная связь, между этими показателями логически легко объясняется.
Считается, что два показателя коллинеарные, если парный коэффициент корреляции не менее /0,8/.
Таким образом, в целях устранения мультиколлинеарности в регрессионную модель включим по одному из представителей указанных групп. Для этого в регрессионной модели мы оставили Х18, так как, изменяя среднемесячную заработную плату, по мнению автора, можно влиять на результативные показатели эффективности управления персоналом, а также Х4 и Х16, так как эти показатели имеют более сильную связь с результативными показателями эффективности управления персоналом.
После того как на стадии априорного анализа произведен отбор факторов, влияющих на эффективность управления персоналом, и определена форма связи, затем собрана и проанализирована исходная статистическая информация, можно перейти непосредственно к построению модели эффективности управления персоналом.
Для построения моделей эффективности управления персоналом использовался многошаговый регрессионный анализ, основанный на отсеве несущественных факторов по t-критерию Стьюдента.
По этому критерию проверяется гипотеза, существенно ли отличен от нуля коэффициент регрессии aj при некотором заданном уровне значимости ₤, который показывает вероятность отвергнуть правильную гипотезу. При этом чем меньше уровень значимости, тем меньше указанная вероятность. В исследовании принимаем ₤=0.05. Расчеты производились с использованием пакета MESOSAUR.
В качестве показателей эффективности управления персоналом была взята выработка на одного работника и коэффициент текучести персонала (Ктек).
Расчеты велись по данным за 2007г. для однородной совокупности, состоящей из 50 подразделений фирмы. Результаты многошагового регрессионного анализа при построении модели эффективности управления персоналом приведены в приложении Б.
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%.