CC BY
7
Экономика труда
УДК 331 БАЯНОВА ОЛЬГА ВИКТОРОВНА
к.э.н., доцент, доцент кафедры бухгалтерского учета и финансов, Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова, г. Пермь, Россия,
e-mail: [email protected]
ЭФФЕКТИВНОСТЬ ВОЗНАГРАЖДЕНИЯ РАБОТНИКАМ: БОЛЕВЫЕ ТОЧКИ И РЫЧАГИ ВОЗДЕЙСТВИЯ
Аннотация. Научная статья содержит теоретико-экономический анализ эффективности вознаграждения работникам, доказана актуальность темы исследования. В ходе подготовки статьи методом парной корреляции проведено исследование тесноты зависимости вознаграждения работникам от уровня производительности труда, по результатам исследования тесноты связи не обнаружено. Методом множественной корреляции (приемом добавления дополнительного фактора в модель) рассмотрено влияние на вознаграждение работникам суммы прибыли организации, выявлена тесная обратная связь. Методом парной регрессии со значимым фактором (сумма прибыли организаций) построена регрессионная модель, проверена ее адекватность. На основе исследования парной регрессии проведено точечное и интервальное прогнозирование, определено прогнозируемое значение размера вознаграждения работникам при сумме прибыли организаций на заданном уровне, построен доверительный интервал прогноза, выявлена связь ширины интервала с наличием или отсутствием тренда в значениях суммы прибыли организаций.
Ключевые слова: вознаграждения работникам, производительность труда, прибыль, корреляционно-регрессионный анализ.
BAYANOVA OLGA VIKTOROVNA
Ph.D.in Economics, Associate Professor, Associate Professor of the Department of Accounting and Finance, Perm State Agrarian and Technological University named after Academician D.N. Pryanishnikov, Perm, Russia,
e-mail: [email protected]
EFFECTIVENESS OF EMPLOYEE COMPENSATION: PAIN POINTS AND LEVERAGE
Abstract. The scientific article contains a theoretical and economic analysis of the effectiveness of employee compensation, the relevance of the research topic is proved. During the preparation of the article by the method of pair correlation, a study of the closeness of the dependence of employee remuneration on the level of labor productivity was carried out, according to the results of the study, the closeness of the relationship was not found. Multiple correlation method (by adding an additional factor to the model) the influence of the amount of profit of the organization on the remuneration of employees is considered, a close feedback is revealed. By the method of paired regression with a significant factor (the amount of profit of organizations), a regression model was built, its adequacy was verified. Based on the study of paired regression, point and interval forecasting was carried out, the predicted value of employee compensation was determined for the amount of profit of organizations at a given level, a confidence interval of the forecast was built, the relationship between the width of the interval with the presence or absence of a trend in the values of the amount of profit of organizations was revealed. Keywords: employee benefits, labor productivity, profit, correlation and regression analysis.
Введение. Современные условия хозяйствования выдвигают требования по обеспечению эффективности любых вложений и затрат экономического субъекта. Это требование распространяется и на вознаграждения работникам. Выплата вознаграждения работникам должна быть эффективна для экономического субъекта, должна приносить ему экономические выгоды. Отметим, что современная экономическая наука имеет в своем арсенале различные подходы к обеспечению эффективности вознаграждения работникам. Рассмотрим мнения ученых по вопросам обеспечения эффективности вознаграждения работникам: механизм эффективного формирования дохода персонала предприятий Украины, перерабатывающих сельскохозяйственную продукцию, представил в своем научном труде Biryuchenko S. [8]; на непостоянство и неравенство доходов в сельском хозяйстве Шотландии обратили внимание Allanson P., Kasprzyk K., Barnes A.P. [7]; процесс организации работы (времени и оплаты) высококвалифицированных работников раскрыла Urbancova H. [10]; трансформации на рынке труда, вызванные изменением уровня вознаграждения работникам, выявлены Ивторак А. А. [4]; модель оптимизации затрат в агробизнесе разработали Savic B., Milojevic I., Petrovic V. [4]; оценку эффективности использования потенциала трудоспособного населения и вознаграждения работникам провели Зволинский В. П. и Матвеева Н. И. [2]; условия и факторы роста производительности труда, способствующей росту вознаграждения работникам, назвали Мокроносов А. Г., Потапцева Е. В., Смирных С. Н. [4]; на состояние оплаты труда в сельском хозяйстве обратила внимание Вострецова Т. В. [1]; модель оценки эффективности инноваций в агропро-ме, тесно связанных с занятостью и вознаграждением работникам [5]; представили результаты анализа эффективности использования инноваций в сельскохозяйственных организациях Стрельникова А. В., Тарасова О. Ю. [6]. Таким образом, пути повышения эффективности вознаграждения работникам являются дискуссионными среди отечественных и иностранных ученых, тема исследования является актуальной.
Основная часть. Методы исследования болевых точек
Проведем анализ одного из путей повышения эффективности вознаграждения работникам - рост производительности труда. Для выявления тесноты связи между вознаграждением работникам и уровнем производительности труда проведем корреляционный анализ. В качестве исходных данных рассмотрим статистические данные, представленные на сайте Росстата Российской Федерации (таблица 1).
Годы Среднемесячная номинальная начисленная заработная плата работников, руб. Индекс производительности труда (в % к предыдущему году)
2011 23369 101,6
2012 26629 99,6
2013 29792 106,4
2014 32495 105,6
2015 34030 103,5
2016 36709 102,6
2017 39167 105,7
2018 43724 103,3
2019 47867 106,6
2020 62728 99,8
Теоретико-экономический анализ статистических данных свидетельствует о неуклонном росте среднемесячной номинальной начисленной заработной платы работников. Такой тенденции не наблюдается в статистических данных об индексе производительности его значения, близкое к минимальному, 99,8 % приходится на год, в котором показан максимальный размер среднемесячной номинальной начисленной заработной платы работников (62728 руб.).
Произведем расчет коэффициента корреляции по формуле:
ху — х- у
Для определения значения числителя необходимо составить вспомогательную таблицу (таблица 2).
Таблица 2
Вспомогательная таблица по определению значения числителя
Годы х у ху
2011 101,6 23369 2374290,4
2012 99,6 26629 2652248,4
2013 106,4 29792 3169868,8
2014 105,6 32495 3431472
2015 103,5 34030 3522105
2016 102,6 36709 3766343,4
2017 105,7 39167 4139951,9
2018 103,3 43724 4516689,2
2019 106,6 47867 5102622,2
2020 99,8 62728 6260254,4
Итого 1034,7 376510 38935845,7
Среднее значение 103,47 37651 3893584,57
Для определения знаменателя в таблице 3 произведем расчет среднеквадратического отклонения по фактору (индекс производительности труда).
Таблица 3
Вспомогательная таблица для определения среднеквадратического
Годы х1 V, У, - .V о.-й2
2011 101,6 -1,87 3,4969 23369 -14282 203975524
2012 99,6 -3,87 14,9769 26629 -11022 121484484
2013 106,4 2,93 8,5849 29792 -7859 61763881
2014 105,6 2,13 4,5369 32495 -5156 26584336
2015 103,5 0,03 0,0009 34030 -3621 13111641
2016 102,6 -0,87 0,7569 36709 -942 887364
2017 105,7 2,23 4,9729 39167 1516 2298256
2018 103,3 -0,17 0,0289 43724 6073 36881329
2019 106,6 3,13 9,7969 47867 10216 104366656
2020 99,8 -3,67 13,4689 62728 25077 628855929
Итого 1034,7 0 60,621 376510 0 1200209400
Среднее значение 103,47 Х 6,0621 37651 Х 120020940
Тогда среднеквадратическое отклонение по фактору определим по формуле:
= 2,462
Среднеквадратическое отклонение по результативному признаку определим по формуле:
= 10955,4
Коэффициент корреляции в этом случае будет равен:
а,,
■ = - 0,08
Полученное значение коэффициента корреляции свидетельствует об обратной и слабой связи между среднемесячной номинальной начисленной заработной платой работников и индексом производительности труда. Это означает, что рост среднемесячной номинальной начисленной заработной платы работников очень слабо связан с уровнем производительности труда, и эта связь обратно пропорциональная: при росте среднемесячной номинальной начисленной заработной платы работников наблюдается спад индекса производительности труда.
Для подтверждения выводов произведем расчет коэффициента детерминации по формуле:
Я2 = 0,0064
Значение коэффициента детерминации абсолютно подтверждает вывод: действительно, по представленной выборке только 0,64 % вариации результативного признака (среднемесячной номинальной начисленной заработной платы работников) объясняется фактором (индексом производительности труда), а на долю неучтенных в модели факторов приходится 99,36 %.
Сделанные выводы приводят к мысли, что в модель необходимо добавить еще один фактор. Несомненно, солидное вознаграждение справедливо ожидать от прибыльного и рентабельного работодателя. Поэтому добавим в модель фактор - сумма прибыли.
Статистические данные о сумме прибыли укажем во вспомогательной таблице, необходимой для определения значений коэффициентов корреляции (таблица 4).
Годы У Х1 Х2 Х1 • У Х2 • У Х1 • Х2 Х12 х22 У2
2011 23369 101,6 7140 2374290,4 166854660 725424 10322,56 50979600 546110161
2012 26629 99,6 7824 2652248,4 208345296 779270,4 9920,16 61214976 709103641
2013 29792 106,4 6854 3169868,8 204194368 729265,6 11320,96 46977316 887563264
2014 32495 105,6 4347 3431472 141255765 459043,2 11151,36 18896409 1055925025
2015 34030 103,5 7503 3522105 255327090 776560,5 10712,25 56295009 1158040900
2016 36709 102,6 12801 3766343,4 469911909 1313382,6 10526,76 163865601 1347550681
2017 39167 105,7 9037 4139951,9 353952179 955210,9 11172,49 81667369 1534053889
2018 43724 103,3 12400 4516689,2 542177600 1280920 10670,89 153760000 1911788176
2019 47867 106,6 16633 5102622,2 796171811 1773077,8 11363,56 276656689 2291249689
2020 62728 99,8 12421 6260254,4 779144488 1239615,8 9960,04 154281241 3934801984
Итого 376510 1034,7 96960 38935845,7 3917335166 10031770,8 107121,03 1064594210 15377187410
Среднее значение 37651 103,47 9696 3893584,57 391733516,6 1003177,08 10712,103 106459421 1537718741
Матрица коэффициентов имеет вид (таблица 5).
Таблица 5
Показатель у Х1 Х2
у 1
Х1 - 0,1 1
Х2 - 0,8 -0,1 1
Результаты исследования болевых точек
Данные таблицы 5 свидетельствуют о том, что коэффициент корреляции между результативным признаком и первым фактором остался неизменным. Однако мы выявили, что влияние второго фактора на результативный признак существенно: по шкале Чеддока оно является обратным и высоким.
Для подтверждения сделанного вывода определим коэффициент детерминации по коэффициенту корреляции между результативным признаком и вторым фактором:
R2 = 0,64
Значение коэффициента детерминации свидетельствует о том, что 64 % вариации результативного признака объясняется вторым фактором, а на долю неучтенных в модели факторов приходится 36 %. Отметим, что для модели множественной корреляции это вполне приемлемый результат.
Выявленный существенный фактор далее используем для построения модели парной регрессии. Модель парной регрессии имеет вид:
ух = а + Ь • х
Для начала определим значения параметров а и Ь.
Параметр Ь определяется по формуле:
Составим вспомогательную таблицу (таблица 6).
Таблица 6
Годы х у ху х2
2011 7140 23369 166854660 50979600
2012 7824 26629 208345296 61214976
2013 6854 29792 204194368 46977316
2014 4347 32495 141255765 18896409
2015 7503 34030 255327090 56295009
2016 12801 36709 469911909 163865601
2017 9037 39167 353952179 81667369
2018 12400 43724 542177600 153760000
2019 16633 47867 796171811 276656689
2020 12421 62728 779144488 154281241
Итого 96960 376510 3917335166 1064594210
Среднее значение 9696 37651 391733516,6 106459421
Параметр а определим по формуле:
а 58400,44
Формализованный вид модели: % = 58400,44 + (-2,14) ■ х
Произведем расчет регрессионного значения результативного признака за каждый год:
1) %= 58400,44 + (-2,14) ■ 7140 % = 43120,84
2) % = 58400,44 + (-2,14) ■ 7824 % =41657,08
3) % = 58400,44 + (-2,14) ■ 6854 % =43732,88
4) % = 58400,44 + (-2,14) ■ 4347 % =49097,86
5) % = 58400,44 + (-2,14) ■ 7503 % =42344,02
6) % = 58400,44 + (-2,14) ■ 12801 % =31006,3
7) % = 58400,44 + (-2,14) ■ 9037 % =39061,26
8) % = 58400,44 + (-2,14) ■ 12400 % =31864,44
9) % = 58400,44 + (-2,14) ■ 16633 % =22805,82
10) % = = 58400,44 + (-2,14) ■ 12421 % =318
Для проверки адекватности модели рассчитаем ошибку аппроксимации. Составим вспомогательную таблицу по расчету ошибки аппроксимации (таблица 7).
Годы х у Ух У - Ух А,
2011 7140 23369 43120,84 -19751,84 84,5
2012 7824 26629 41657,08 -15028,08 56,4
2013 6854 29792 43732,88 -13940,88 46,8
2014 4347 32495 49097,86 -16602,86 51,1
2015 7503 34030 42344,02 -8314,02 24,4
2016 12801 36709 31006,3 5702,7 15,5
2017 9037 39167 39061,26 105,74 0,3
2018 12400 43724 31864,44 11859,56 27,1
2019 16633 47867 22805,82 25061,18 52,4
2020 12421 62728 31819,5 30908,5 49,3
Итого 96960 376510 376510 0 407,8
Среднее значение 9696 37651 37651 Х 40,78
Результат расчета ошибки аппроксимации не находится в идеальном положении, но с уверенностью можно утверждать, что значение ошибки аппроксимации, равное 40,78 %, свидетельствует о повышенном, но удовлетворительном подборе модели к исходным данным.
Построенную удовлетворительную модель далее используем для проведения точечного и интервального прогнозирования. Для этого с 95 % вероятности определим размер среднемесячной номинальной начисленной заработной платы работников организаций, если сумма прибыли предприятий составит 10000 млрд руб. Для начала следует убедиться, что такой точки нет в исходных наблюдениях (таблица 8).
При принятии прогнозного значения суммы прибыли (х = 10000) точечный прогноз среднемесячной номинальной начисленной заработной платы работников организаций составит: ур = 58400,44 + (- 2,14) * 10000 = 37000 рублей.
Сделаем проверку по таблице 7: в исходных данных величина среднемесячной номинальной начисленной заработной платы работников, равная 37000 рублей, находится в интервале между 2016 и 2017 годом. Интервал суммы прибыли в 2016-2017 годах включает значения от 9037 млрд руб. до 12801 млрд руб. Таким образом, точка прибыли на уровне 10000 млрд руб. идеально входит в данный интервал. Однако интервальный прогноз делается более точно. По-
Таблица 8
Годы Среднемесячная номинальная начисленная заработная плата работников, руб. Сумма прибыли предприятий, млрд руб.
2011 23369 7140
2012 26629 7824
2013 29792 6854
2014 32495 4347
2015 34030 7503
2016 36709 12801
2017 39167 9037
2018 43724 12400
2019 47867 16633
2020 62728 12421
При проведении интервального прогноза принято рассчитать стандартную ошибку прогноза, на ее основе вывести случайную ошибку, завершить расчет предельной ошибкой, необходимой для построения доверительного интервала.
Стандартная ошибка прогноза определяется по формуле:
Для определения числителя необходимо составить вспомогательную таблицу (таблица 9).
Таблица 9
Годы у - А (у - Ух)2
2011 -19751,84 390135183,385
2012 -15028,08 225843188,486
2013 -13940,88 194348135,174
2014 -16602,86 275654960,179
2015 -8314,02 69122928,5604
2016 5702,7 32520787,29
2017 105,74 11180,9476
2018 11859,56 140649163,393
2019 25061,18 628062742,992
2020 30908,5 955335372,25
Итого 0 2911683642,64
19077,75
Таким образом, стандартная ошибка прогноза составила 19077,75 руб. Случайная ошибка прогноза определяется по формуле:
Для определения знаменателя необходима вспомогательная таблица (таблица 10).
Таблица 10
Годы х1 X
2011 7140 -2556 6533136
2012 7824 -1872 3504384
2013 6854 -2842 8076964
2014 4347 -5349 28611801
2015 7503 -2193 4809249
2016 12801 9696 3105 9641025
2017 9037 -659 434281
2018 12400 2704 7311616
2019 16633 6937 48121969
2020 12421 2725 7425625
Итого 96960 0 124470050
тур = 20008,91 руб.
Предельная ошибка прогнозируемой среднемесячной номинальной начисленной заработной платы работников организаций составит:
А ур = (та6л. тур = 2,306 * 20008,91 = 46140,55 рублей.
Тогда доверительный интервал прогнозируемой среднемесячной номинальной начисленной заработной платы работников организаций составит: ур = 37000 ± 46140,55.
Таким образом, при сумме прибыли предприятий, равной 10000 млрд руб., получим значение среднемесячной номинальной начисленной заработной платы работников организаций: не меньше, чем ур т,п = 0 рублей, и не больше, чем ур тах = 83140,55 рублей.
Вернемся к данным таблицы 8. Неравномерность статистических данных о сумме прибыли предприятий и отсутствие тренда не позволили получить доверительный интервал, приближенный к уровню среднемесячной номинальной начисленной заработной платы работников организаций с 2015 по 2020 год. Доверительный интервал получился значительно шире. Таким образом, можем сделать обоснование, что на ширину доверительного интервала оказывает существенное влияние отсутствие тренда в исходных значениях.
Заключение. Таким образом, проведенное исследование болевых точек обеспечения эффективности вознаграждения работникам показало следующие результаты:
- в процессе исследования не обнаружено тесноты связи между изменением производительности труда и величиной среднемесячной номинальной начисленной заработной платы работников организаций;
- анализ показал наличие тесной, но при этом обратной связи между среднемесячной номинальной начисленной заработной платой работников организаций и суммой прибыли предприятий;
- при построении доверительного интервала прогноза ширина интервала напрямую зависит от наличия или отсутствия тренда в значениях фактора.
Отметим основные рычаги воздействия на повышение эффективности вознаграждения работникам:
- производить мониторинг роста переменной части вознаграждения работникам и роста производительности труда;
- обеспечить опережающие темпы роста производительности труда над темпами роста переменной части вознаграждения работникам;
- производить мониторинг роста постоянной части вознаграждения работникам и роста при-
Литература
1. Вострецова Т. В. Состояние оплаты труда в сельском хозяйстве // Социально-экономическая эффективность использования земельных ресурсов в аграрной сфере экономики Республики Башкортостан: современное состояние и пути повышения / Российский фонд фундаментальных исследований. -Уфа, 2018. - С. 62-66.
2. Зволинский В. П., Матвеева Н. И. Оценка эффективности использования потенциала трудоспособного населения малых сельскохозяйственных предприятий // Вестник Курской сельскохозяйственной академии. - Курск, 2019. - № 1. - 1. - С. 74-78.
3. Мокроносов А. Г. и др. Условия и факторы роста производительности труда в аграрном секторе Свердловской области /Мокроносов А. Г., Потапцева Е. В., Смирных С. Н. // Аграрный вестник Урала. - № 6. - С. 71-86.
4. Швторак А. А. Оцтювання транформацшних тенденцт на ринку працi в сшьскш мiсцевостi // The Economy of the AIC. 2019. T. 295. No. 5. P. 94-105.
5. Самыгин Д. Ю. и др. Модели оценки эффективности инноваций в агропроме / Самыгин Д. Ю., Имяреков С. М., Келейникова С. В. // Экономика сельского хозяйства России. - 2019. - No. 5. - С. 23-29.
6. Стрельникова А. В., Тарасова О. Ю. Анализ эффективности использования инноваций в сельскохозяйственных организациях //Международный молодежный аграрный форум «Аграрная наука в инновационном развитии АПК» /Белгородский государственный аграрный университет имени В. Я. Горина. -пос. Майский [Белгородская область], 2018. С. 64-69.
7. Allanson P. и др. Income Mobility and Income Inequality in Scottish Agriculture /Allanson P., Kasprzyk K., Barnes A.P. // Journal of Agricultural Economics. 2017. Vol. 68. No. 2. P. 471-493.
8. Biryuchenko S. Mechanism of effective formation of income of staff of the enterprise // Agricultural and Resource Economics: International Scientific E-Journal.2019. Vol. 5. No. 4. P .66-78.
9. Savic B. и др. Cost Optimization In Agribusiness Based On Life Cycle Costing / Savic B., Milojevic I., Pe-trovic V. //Economics ofAgriculture. 2019. 2019. Vol. 66. No. 3. P. 823-834.
10. Urbancova H. Working time organization of senior workers in agricultural companies with a focus on age management // Studies in Agricultural Economics. - 2019. Vol. 121. No. 3. P. 161-165.
References:
1. Vostrecova T. V. Sostoyanie oplaty truda v sel'skom hozyajstve // Social'no-ekonomicheskaya effektivnost' ispol'zovaniya zemel'nyh resursov v agrarnoj sfere ekonomiki Respubliki Bashkortostan: sovremennoe sostoyanie i puti povysheniya /Rossijskij fond fundamental'nyh issledovanij. - Ufa, 2018. - S. 62-66.
2. Zvolinskij V. P., Matveeva N. I. Ocenka effektivnosti ispol'zovaniya potenciala trudosposobnogo naseleniya malyh sel'skohozyajstvennyh predpriyatij // Vestnik Kurskoj sel'skohozyajstvennoj akademii. - Kursk, 2019. -№ 1. - 1. - S. 74-78.
3. Mokronosov A. G. i dr. Usloviya i faktory rosta proizvoditel'nosti truda v agrarnom sektore Sverdlovskoj oblasti /Mokronosov A. G., Potapceva E. V., Smirnyh S. N. // Agrarnyj vestnik Urala. - № 6. - S. 71-86.
4. Pivtorak A. A. Ocinyuvannya tranformacijnih tendencij na rinku praci v sil'skij miscevosti // The Economy of the AIC. 2019. T. 295. No. 5. P. 94-105.
5. Samygin D. YU. i dr. Modeli ocenki effektivnosti innovacij v agroprome / Samygin D. YU., Imyarekov S. M., Kelejnikova S. V. //Ekonomika sel'skogo hozyajstva Rossii. - 2019. - No. 5. - S. 23-29.
6. Strel'nikova A. V., Tarasova O. YU. Analiz effektivnosti ispol'zovaniya innovacij v sel'skohozyajstvennyh organizaciyah // Mezhdunarodnyj molodezhnyj agrarnyj forum «Agrarnaya nauka v innovacionnom razvitii APK» / Belgorodskij gosudarstvennyj agrarnyj universitet imeni V. YA. Gorina. - pos. Majskij [Belgorodskaya oblast], 2018. S. 64-69.
7. Allanson P. i dr. Income Mobility and Income Inequality in Scottish Agriculture / Allanson P., Kasprzyk K., Barnes A.P. // Journal of Agricultural Economics. 2017. Vol. 68. No. 2. P. 471-493.
8. Biryuchenko S. Mechanism of effective formation of income of staff of the enterprise // Agricultural and Resource Economics: International Scientific E-Journal.2019. Vol. 5. No. 4. P .66-78.
9. Savic B. i dr. Cost Optimization In Agribusiness Based On Life Cycle Costing / Savic B., Milojevic I., Pe-trovic V. //Economics of Agriculture. 2019. 2019. Vol. 66. No. 3. P. 823-834.
10. Urbancova H. Working time organization of senior workers in agricultural companies with a focus on age management // Studies in Agricultural Economics. - 2019. Vol. 121. No. 3. P. 161-165.
