Применение кластерного подхода при изучении производительности труда в аграрном секторе региональной экономики Текст научной статьи по специальности «Экономика и бизнес»

УДК 330.519.237.8:331.101.6:63

ПРИМЕНЕНИЕ КЛАСТЕРНОГО ПОДХОДА ПРИ ИЗУЧЕНИИ ПРОИЗВОДИТЕЛЬНОСТИ ТРУДА В АГРАРНОМ СЕКТОРЕ РЕГИОНАЛЬНОЙ ЭКОНОМИКИ

Е.В. БУРАЕВА,

кандидат экономических наук, доцент кафедры статистики и экономического анализа деятельности предприятий E-mail: econometriks@yandex.ru Орловский государственный аграрный университет

Автором доказаны возможность и целесообразность использования метода кластерного анализа при изучении производительности труда в аграрном секторе региональной экономики, обусловленной весьма значительным разбросом параметров деятельности сельскохозяйственных предприятий в разрезе сельских муниципальных образований, форм собственности, степени специализации. Посредством процедуры кластеризации сельскохозяйственных предприятий Орловской области изучены основные факторы, влияющие на производительность труда в аграрном секторе. В результате анализа было выделено три кластера: с высоким, средним и низким уровнями производительности труда. Проведено подробное описание каждого кластера, выявлено прямое влияние на уровень производительности труда таких факторов, как уровень фондовооруженности, удельный вес активной части основных производственных фондов в их общей стоимости, квалификация работников. Предложены основные мероприятия, направленные на рост уровня производительности.

Ключевые слова: производительность труда, сельское хозяйство, аграрная экономика, факторы роста, кластерный анализ

Одной из актуальных проблем современной экономики является повышение эффективности сельскохозяйственного производства. При этом одним из наиболее значимых показателей эффективности аграрного производства выступает производительность труда. В настоящее время в

целом по стране учитываемая в статистике производительность труда в сельском хозяйстве более чем в 4,1 раза ниже по сравнению с Финляндией и в 5,2 раза — по сравнению с Канадой (в странах с близкими к России агроклиматическими условиями ведения сельского хозяйства).

Рост производительности аграрного труда и обеспечение на этой основе устойчивого развития сельского хозяйства являются приоритетной задачей в условиях членства России во Всемирной торговой организации. Эта проблема актуальна для большинства регионов России, в том числе и для Орловской области, где сельское хозяйство является одной из ведущих отраслей экономики. По официальным данным Росстата за 2013 г., в отраслевой структуре валового регионального продукта доля сельского хозяйства составила 13,6%. Для сравнения: в Центральном федеральном округе — 2,3%, в России — 4,2%. Среднегодовая численность занятых в сельскохозяйственных организациях, по предварительным данным Территориального органа Федеральной службы государственной статистики по Орловской области, на конец 2013 г. составила 17,8 тыс. чел., т.е. около 7,5% от общей численности работающих в экономике области.

Актуальность проблемы повышения производительности труда для российской экономики отмечается многими учеными [4-7], поскольку именно рост производительности является главным двигателем роста производства.

Ряд публикаций последних лет (см. например, работы [1, 3]) посвящен изучению факторов и резервов роста производительности аграрного труда. Однако применение различных методов экономико-статистического анализа производительности труда, в частности многомерного статистического анализа, не получили достаточного освещения в научной литературе. Между тем инструментальная возможность и целесообразность применения аппарата кластерного анализа при изучении производительности труда в аграрном секторе экономики обусловлена значительным разбросом параметров деятельности сельскохозяйственных предприятий в разрезе муниципальных образований, форм собственности, степени специализации и пр. Так, по одним показателям предприятие может находиться в числе передовых, а по другим, наоборот, иметь средние или низкие значения. В таких условиях для определения приоритетных направлений по повышению эффективности использования трудовых ресурсов сельскохозяйственных предприятий целесообразно воспользоваться статистическими методами многомерной классификации сельскохозяйственных предприятий, в частности методом кластерного анализа.

В связи с этим автором предпринята попытка путем процедуры кластеризации изучить основные факторы, влияющие на производительность труда в аграрном секторе региональной экономики.

Кластерный анализ представляет собой специфический класс математических методов, используемых для классификации событий или объектов по однородным группам, называемым кластерами. Этот термин (cluster) в переводе с английского означает «гроздь, кисть, пучок, группа» [5], и поэтому данный вид анализа первоначально носил название гроздевого анализа.

Разбиение объектов в кластерном анализе допускается не по одному параметру, а по ряду разнообразных признаков, кроме того, различий между зависимыми и независимыми признаками не проводится. То есть кластеризация позволяет анализировать достаточно большой объем информации и сжимать эти большие массивы данных до более компактных и наглядных. Основной задачей кластерного анализа является разбиение совокупности исследуемых объектов на небольшое число однородных групп так, чтобы каждый объект принадлежал только к одному кластеру, при условии, чтобы объекты одного кластера были сходными, в то время как объекты,

принадлежащие к разным кластерам, были разнородными. Одной из особенностей методов кластеризации является то, что кластеры определяются не заранее, а непосредственно в процессе анализа. То есть наличие у исследователя априорной информации о распределении генеральной совокупности не является необходимым и обязательным условием проведения кластерного анализа.

На уровень производительности труда в сельском хозяйстве оказывает влияние множество факторов [1]. Условно их можно подразделить на факторы технического уровня производства и организационные.

Факторы технического уровня производства:

— уровень фондооснащенности и энергооснащенности производства, фондовооруженности и энерговооруженности труда;

— структура основных производственных фондов предприятия (доля активной части основных производственных фондов в их общей стоимости);

— затраты на капитальные вложения в расчете на 100 га сельскохозяйственных угодий;

— коэффициент скорости обновления оборудования;

— средний возраст оборудования;

— удельный вес тракторов в возрасте до 5 лет;

— уровень механизированного труда в общих трудозатратах;

— удельный расход электроэнергии, удельный расход топлива;

— инвестиции в основной капитал).

Организационные факторы:

—средний уровень заработной платы работника;

— доля фонда оплаты труда в материальных затратах;

— удельный вес работников, занятых в сельском хозяйстве, в общей численности персонала организации;

— удельный вес дополнительных стимулирующих выплат в общем фонде оплаты труда;

— уровень квалификации работников.

Исследование проводилось с помощью универсальной интегрированной системы Statistica 7.0, предназначенной для статистического анализа и визуализации данных.

В авторском исследовании объектами кластеризации выступают сельскохозяйственные предприятия Орловской области. Признаками для кластеризации определены значения показателей, отражающих уровень производительности аграр-

ного труда, а также значения основных факторов, на него влияющих.

В процессе подготовки к проведению анализа на основе статистической информации, содержащейся в сводном годовом отчете департамента сельского хозяйства Орловской области за 2012 г., была создана база данных. Состав сельскохозяйственных предприятий, включенных в базу, определялся наличием полной или относительно полной информации по всем переменным, включенным в анализ. В результате массив исходных данных содержит информацию о 153 сельскохозяйственных предприятиях Орловской области.

Для проведения процедуры кластеризации в конечном итоге были отобраны шесть переменных:

— уровень фондовооруженности труда Х1, тыс. руб./чел.;

— средняя заработная плата работников, занятых в сельскохозяйственном производстве Х2, тыс. руб.;

— доля дополнительных стимулирующих выплат в общем фонде оплаты труда Х3, %;

— удельный вес работников, имеющих классность или профессиональное образование, в общей численности работников предприятия Х4, %

— удельный вес активной части основных производственных фондов (далее — ОПФ) в их общей стоимости Х5, %;

— моделируемый показатель — производительность труда (получено выручки от реализации продукции в расчете на 100 га сельхозугодий) У, тыс. руб.

Факторы Х1 и Х5 отражают влияние научно-технического прогресса на рост производительности труда. Факторы Х2 Х3 Х4 — организационные, они характеризуют применение прогрессивных форм организации и оплаты труда, уровень материального стимулирования и развития кадрового потенциала сельскохозяйственных организаций.

Методы кластерного анализа, характеризующие технику и порядок формирования кластеров, как правило, принято подразделять на две группы: иерархические и неиерархические. Каждая из групп представлена множеством подходов и алгоритмов, которые дают различные решения одних и тех же данных. На первом этапе анализа с помощью иерархического метода кластерного анализа, основанного на построении так называемой иерархической или древовидной структуры данных, были сформированы кластеры. При этом была использована

агломеративная (объединительная) кластеризация, предполагающая последовательную группировку объектов во все более крупные сегменты.

В связи с тем, что при классификация предприятий региона использовались показатели, измеряемые в несопоставимых единицах, процедура кластеризации проводилась по унифицированным данным (прошедшим процедуру стандартизации), при этом меньшие кластеры постепенно объединялись в большие.

Необходимо отметить, что процедура иерархической кластеризации в ходе исследования проводилась неоднократно с использованием различных мер и методов определения расстояний между объектами и кластерами — методами одиночной, полной и средней связи. В итоге для определения сходства или различия сельхозпредприятий, т.е. для вычисления расстояний между наблюдениями, была применена такая мера, как Евклидово расстояние. В качестве метода определения расстояния между кластерами был выбран метод Варда, который предполагает применение процедур дисперсионного анализа. При этом на каждом шаге кластеризации в один кластер объединяются такие элементы, которые приводят к наименьшему увеличению внутрикластерной дисперсии [5].

На втором этапе с помощью неиерархического метода кластерного анализа был использован наиболее распространенный на практике метод ^-средних (быстрый кластерный анализ). При этом наиболее оптимальным, судя по горизонтальной дендрограмме, представлялось разбиение совокупности на три сегмента, расположенных на возможно больших расстояниях друг от друга. Эта процедура предполагает, что изначально рассчитываются центры кластеров, а затем все объекты в пределах заданного порогового значения объединяются в тот или иной кластер. При этом объекты присоединяются к ближайшему кластеру.

Проверка существенности кластеризации осуществляется методом дисперсионного анализа (^-критерий) (табл. 1). Чем больше значение межгрупповой дисперсии и меньше значение внутригрупповой дисперсии, тем объективнее количественный признак характеризует принадлежность следуемого объекта в кластер. Исходя из проведенной работы, можно с уверенностью говорить, что ^-критерий значим, соответственно, показатели выбраны верно.

В результате кластеризации сельскохозяйственных предприятий Орловской области удалось рас-

Таблица 1

Дисперсионный анализ кластеризации сельскохозяйственных предприятий Орловской области по уровню производительности труда и факторам, на нее влияющим

Показатель Межгрупповая дисперсия Число степеней свободы Внутригрупповая дисперсия Число степеней свободы Значимость Е Уровень значимости р

У 78,4161 2 73,5839 150 79,9252 0,0000

Х1 123,0819 2 28,9181 150 319,217 0,0000

х2 71,1552 2 80,8448 150 66,0110 0,0000

хз 0,1597 2 151,8403 150 0,0789 0,9242

Х4 48,5389 2 103,4611 150 35,1863 0,0000

Х5 57,3565 2 94,6435 150 45,4520 0,0000

пределить районы на три кластера, которые условно можно определить следующим образом:

— кластер I — предприятия с высоким уровнем производительности труда;

— кластер II — предприятия со средним уровнем производительности руда;

— кластер III — предприятия с низким уровнем производительности труда.

В кластер с высоким уровнем производительности аграрного труда вошло всего 8 предприятий, что составляет 5,2% от общего числа исследуемой совокупности. Второй кластер со средним уровнем производительности содержит 32 предприятия (21% от общего числа). Самым представительным оказался кластер с низкой производительностью труда, в который вошло 113 предприятий, что составило 73,8% от общего числа наблюдений.

Информация, полученная методом кластерного анализа, обобщена в табл. 2.

Анализ данных, представленных в табл. 2, показал, что ряд изучаемых показателей изменяется пропорционально изменениям в уровне производительности труда при переходе от кластера к кластеру. В среднем по предприятиям первого кластера уровень фондовооруженности труда составил 767 тыс. руб./чел., второго — 184,4 тыс. руб./чел. (что в четыре раза ниже показателя первого кластера), третьего — всего лишь 40,4 тыс. руб./чел. То есть при переходе от кластера к кластеру наблюдается логическое снижение данного показателя. Причем необходимо отметить огромную разницу в уровне фондовооруженности на предприятиях различных кластеров. Так, разница между средними значениями этого фактора в первом и третьем кластерах составляет почти 20 раз.

Аналогичная связь (снижение средних значений анализируемого показателя наряду со снижением уровня производительности труда от кластера

Таблица 2

Результаты кластеризации районов Орловской области по эффективности производства в 2012 г.

Кластер Количество предприятий в кластере Производительность труда, тыс. руб. Уровень фондовооруженности труда, тыс. руб./чел. Средняя заработная плата работников, занятых в сельскохозяйственном производстве, тыс. руб. Доля дополнительных стимулирующих выплат в общем фонде оплаты труда, % Удельный вес работников, имеющих классность или профессиональное образование, в общей численности работников предприятия, % Удельный вес активной части основных производственных фондов в их общей стоимости, %

Кластер I (высокий уровень производительности труда) 8 2 243 767,0 12 537,2 2,8 22,3 59,5

Кластер II (средний уровень производительности труда) 32 1 662 184,4 14 029,6 5,0 19,0 49,7

Кластер III (низкий уровень производительности труда) 113 1 355 40,4 12 344,8 3,8 18,5 44,04

Среднее по совокупности - 1 465,6 108,6 12 707,2 4,0 18,8 45,3

I к кластеру III) прослеживается по таким показателям, как удельный вес активной части основных производственных фондов в их общей стоимости и удельный вес работников, имеющих классность или профессиональное образование, в общей численности работников предприятия.

Изменение показателей средней заработной платы работников сельского хозяйства и доли дополнительных стимулирующих выплат в общем фонде оплаты труда предприятия не выявило прямых и обратных закономерностей. Это прежде всего свидетельствует о том, что на сельскохозяйственных предприятиях Орловской области система материального стимулирования работников организована недостаточно эффективно. Так, средняя заработная плата работников, занятых на предприятиях, вошедших во второй кластер, на 12% превышает средний уровень оплаты работников предприятий первого кластера, что свидетельствует о необоснованном росте оплаты труда, не подкрепленном ростом уровня производительности труда. Кроме того не на всех предприятиях разработана обоснованная, приближенная к современным условиям производства, система дополнительных стимулирующих выплат. Необходимо отметить, что средний уровень заработной платы на предприятиях, вошедших в различные кластеры, не очень различается. Так, размах в средних уровнях трудовых доходов работников составил всего 1,14 раза. Доля дополнительных стимулирующих выплат в общем фонде оплаты труда на всех предприятиях очень невысока, в среднем по совокупности данный показатель составил всего 4% от общего фонда оплаты труда на предприятии. В связи с этим одним из перспективных направлений роста производительности труда в аграрном секторе региональной экономики является совершенствование механизма мотивации работников к высокоэффективному труду.

Одним из наиболее перспективных направлений при формировании механизма мотивации к труду в аграрном секторе экономики, по мнению автора, является совершенствование системы вознаграждения за труд. Взаимосвязь материального стимулирования труда и его производительной эффективности достаточно очевидна: чем больше будет произведено конечного продукта, тем больше будет вознаграждение (учитывая, несомненно, необходимый уровень качественных характеристик). Очевидно, что стимулирующее воздействие повышения уровня вознаграждения за труд может обеспечиваться лишь при соблюдении зависимости от конечного резуль-

тата, поскольку потеря такой зависимости означает потерю влияния уровня оплаты труда, стимулов к улучшению результатов труда [2].

Таким образом, проведенное исследование сельскохозяйственных предприятий Орловской области с помощью многомерной классификации и с учетом существующей информативной базы позволило определить кластеры с высоким, средним и низким уровнями производительности. Посредством кластеризации установлено, что основными факторами роста уровня производительности труда в регионе являются техническая и технологическая модернизация, а также рост качественного уровня кадрового потенциала. Кроме того, анализ показал, что на изучаемых предприятиях имеются значительные резервы роста производительности труда. Наибольшие резервы заложены в совершенствовании механизма материального стимулирования труда, устанавливающего взаимосвязь между уровнем трудовых доходов и ростом эффективности аграрного труда.

Список литературы

1. Бураева Е.В. Использование эконометричес-ких методов при исследовании факторов и резервов роста производительности труда в аграрном секторе экономики // Экономический анализ: теория и практика. 2013. № 38. С. 38-48.

2. Бураева Е.В. Оплата труда работников сельского хозяйства как фактор повышения эффективности аграрного производства (на примере Орловской области) // Аграрная Россия. 2013. № 10. С. 19-24.

3. Гуляева Т.И., Сидоренко О.В. Производительность труда в зерновом подкомплексе: динамика, методика оценки, факторы роста // Экономический анализ: теория и практика. 2012. № 41. С. 36-43.

4. Драницина О.В., Морозова Е.В. Анализ причин низкого уровня производительности труда в России // Академический вестник. 2013. № 3.

5. Илышев А.М., Шубат О.М. Многомерная классификация данных: особенности методики, анализ практики и перспектив применения // Вопросы статистики. 2010. № 10. С. 34-40.

6. Кузьбожев Э.Н., Рябцева И.Ф. Практика системного анализа проблемы повышения производительности труда // Экономический анализ: теория и практика. 2011. № 1. С. 17-24.

7. ШамрайЛ.В. Рост производительности труда как фундамент устойчивого экономического роста // Региональная экономика: теория и практика. 2011. № 5. С. 64-68.

Economic analysis: theory and practice Development of agricultural sector

ISSN 2311-8725 (Online) ISSN 2073-039X (Print)

THE CLUSTER APPROACH IN THE STUDY OF LABOR PRODUCTIVITY IN THE AGRICULTURAL SECTOR OF THE REGIONAL ECONOMY

Elena V. BURAEVA

Abstract

The author proves the possibility and feasibility of using cluster analysis method in studying the labor productivity in the agricultural sector of the regional economy, due to the significant variation in the parameters of agricultural enterprises in the context of rural municipal formations, forms of ownership and the degree of specialization . The process of clustering of agricultural enterprises of the Orel region helped to examine the main factors affecting labour productivity in the agricultural sector The analysis has identified three clusters: the ones with high, medium and low labour productivity The article gives a detailed description of each cluster, reveals a direct impact on the labor productivity of factors such as the capital-labour ratio, the share of the active part of the basic production assets in their total cost, qualifications of employees. The author proposes the main activities aimed at increasing the labor capacity

Keywords: labor productivity, agriculture, agrarian economy, growth factors, cluster analysis

References

1. Buraeva E.V. Ispol'zovanie ekonometricheskikh metodov pri issledovanii faktorov i rezervov rosta proizvoditel'nosti truda v agrarnom sektore ekonomiki [Using the econometric methods in the study of factors and reserves of labor productivity growth in the agricultural sector of the economy] . Ekonomicheskii analiz: teoriya ipraktika — Economic analysis: theory and practice, 2013, no. 38, pp. 38-48.

2. Buraeva E.V. Oplata truda rabotnikov sel'skogo khozyaistva kak faktor povysheniya effektivnosti agrarnogo proizvodstva (na primere Orlovskoi oblasti) [Compensation of employees of agriculture as an efficiency factor of agricultural production (the Orel region

case study)]. Agrarnaya Rossiya — Agrarian Russia, 2013, no. 10, pp. 19-24.

3. Gulyaeva T.I., Sidorenko O.V. Proizvoditel'nost' truda v zernovom podkomplekse: dinamika, metodika otsenki, faktory rosta [Labor productivity in the grain sub-complex: dynamics, assessment methodology, growth factors]. Ekonomicheskii analiz: teoriya ipraktika — Economic analysis: theory and practice, 2012, no. 41, pp. 36-43.

4. Dranitsina O.V., Morozova E.V. Analiz prichin nizkogo urovnya proizvoditel'nosti truda v Rossii [Analysis of the reasons for the low level of labor productivity in Russia] . Akademicheskii vestnik — Academic bulletin, 2013, no. 3.

5. Ilyshev A.M., Shubat O.M. Mnogomernaya klassifikatsiya dannykh: osobennosti metodiki, analiz praktiki i perspektiv primeneniya [Multidimensional data classification: features of methodology, analysis of practice and application prospects] . Voprosy statis-tiki — Issues of statistics, 2010, no. 10, pp. 34-40.

6. Kuz'bozhev E.N., Ryabtseva I.F. Praktika sistem-nogo analiza problemy povysheniya proizvoditel'nosti truda [Practice of system analysis of productivity]. Ekonomicheskii analiz: teoriya i praktika — Economic analysis: theory and practice, 2011, no. 1, pp. 17-24.

7. Shamrai L.V. Rost proizvoditel'nosti truda kak fundament ustoichivogo ekonomicheskogo rosta [Labor productivity growth as the foundation for sustainable economic growth]. Regional'naya ekonomika: teoriya i praktika — Regional economy: theory and practice, 2011, no. 5, pp. 64-68.

Elena V. BURAEVA

Orel State Agrarian University, Orel, Russian Federation econometriks@yandex.ru