CC BY
92
УДК 331.108.2:631.158
влияние показателей
профессионально- квалификационной структуры кадрового потенциала
на экономическую эффективность
деятельности сельскохозяйственных предприятий*
Т. И. ГУЛЯЕВА,
доктор экономических наук, профессор,
первый проректор,
заведующая кафедрой
статистики и экономического анализа
деятельности предприятий
E-mail: prorector1@orelsau.ru
Е. В. БУРАЕВА,
кандидат экономических наук, доцент кафедры
статистики и экономического анализа деятельности предприятий E-mail: econometriks@yandex.ru
О. Ю. ГРИШАЕВА, старший преподаватель кафедры статистики и экономического анализа деятельности предприятий E-mail: pervych@mail.ru
Орловский государственный аграрный университет
В статье на основе корреляционно-регрессионного анализа данных, полученных авторами в процессе мониторинга кадрового потенциала сельскохозяйственных предприятий Орловской области, установлено, что кадровый потенциал является одним из ведущих факторов повышения эффектив-
* Исследование выполнено при поддержке правительства Орловской области в рамках реализации проекта «Мониторинг кадрового потенциала сельскохозяйственных предприятий Орловской области» (тема №№ 12 гранта на проведение НИОКР по обеспечению инновационного развития АПК Орловской области от 19.07.2013 № 1).
ности сельскохозяйственного производства наряду с технологическим уровнем и системой управления. Доказано, что инновационное развитие сельскохозяйственной сферы возможно лишь при наличии высококвалифицированных кадров.
Ключевые слова: кадровый потенциал, сельскохозяйственные предприятия, эффективность производства, уровень квалификации работников.
В условиях присоединения России к ВТО рост объемов производства продукции сельского хозяйства наряду с повышением его эффективности являет-
ся уже не только вопросом продовольственной, но и в первую очередь национальной безопасности страны. Недостаточный уровень эффективности сельского хозяйства в значительной степени является следствием слабого освоения в практической деятельности хозяйствующих субъектов новейших технологий и научно-технических разработок, прогрессивных способов организации и управления сельхозпроиз-водством, что является следствием недостаточного квалификационного уровня управленческих кадров в секторе [2]. Очевидно, что осуществление аграрной реформы невозможно без устойчивого развития кадрового потенциала сектора [9].
Проблемам изучения кадрового потенциала сельскохозяйственных предприятий посвящены многие публикации последних лет. Так, ряд авторов в своих трудах делают акцент на вопросах формирования и развития кадрового потенциала в свете инновационного развития региональной экономики [3-5, 8]. При этом, например, Е. В. Ерохина рассматривает аспекты формирования кадрового потенциала как одну из неотъемлемых составляющих регионального инновационного комплекса [3].
Особое внимание уделяется освещению вопросов повышения качества профессиональной подготовки кадров для сельского хозяйства. В работах Н. И. Прока, Е. Скрынник, А. В. Козлова, Б. П. Пан-кова, А. Бабаджанова рассмотрены роль, состояние и перспективы развития системы подготовки кадров для секторов сельского хозяйства и дополнительного профессионального образования руководителей и специалистов сельскохозяйственных предприятий и смежных секторов АПК. Проанализированы вопросы организации и дальнейшего усиления консультационной помощи сельскохозяйственным товаропроизводителям, создания системы сельскохозяйственного консультирования [1, 4, 6, 7]. Несомненный научный интерес представляет работа Н. Ю. Сорокиной и Ю. Д. Нефедова [8], в которой рассмотрен авторский подход к модернизации системы повышения квалификации и переподготовки кадров на принципах софинансирования, позволяющий решать задачи социально-экономического развития российских регионов на основе повышения интеллектуального и инновационного потенциала кадров региональной экономики. Ряд работ посвящен анализу соответствия профессиональной подготовки кадров потребностям региональной экономики [5, 8].
Несмотря на достаточное рассмотрение в экономической литературе проблемы кадрового
обеспечения сельского хозяйства, актуальным остается вопрос изучения кадрового потенциала как одного из основных факторов, влияющих на рост эффективности производства продукции сектора, где технологические и экономико-организационные особенности производства взаимодействуют с естественно-биологическими законами природы. Все это предопределяет целесообразность дальнейшего изучения данной проблемы.
В этой связи авторами предпринята попытка исследовать силу и характер влияния показателей профессионально-квалификационной структуры кадрового потенциала на рост объемов производства сельскохозяйственной продукции. Исследование проводилось на основе построения многофакторной модели с помощью универсальной интегрированной системы Statistica 7.0, предназначенной для статистического анализа и визуализации данных. В качестве объектов наблюдений были выбраны сельскохозяйственные предприятия Орловской области, являющейся регионом с ярко выраженной аграрной направленностью.
С помощью многофакторного корреляционно-регрессионого анализа были выявлены основные факторы, оказывающие влияние на эффективность производства продукции сельского хозяйства региона. На первом этапе был проведен содержательный анализ факторов, включаемых в модель, для того, чтобы оценить их влияние на ключевой показатель.
Учитывая тот факт, что в бухгалтерской отчетности организаций аграрного сектора экономики отсутствует показатель, характеризующий стоимость валовой продукции сельского хозяйства как в реальных ценах, так и в сопоставимой оценке, в качестве результативного признака выбран стоимостной показатель производительности труда по выручке (выручка от реализации продукции на одного работника сельского хозяйства, тыс. руб.).
Предварительный отбор факторных признаков был произведен с учетом экономической сущности результативного показателя. На уровень производительности труда в сельском хозяйстве оказывают влияние множество факторов. Условно можно выделить факторы технического уровня производства:
• уровень фондооснащенности и энергооснащенности производства, уровень фондовооруженности и энерговооруженности труда;
• структура основных производственных фондов (ОПФ) предприятия или доля активной части ОПФ 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. Также на уровень производительности труда в сельском хозяйстве оказывают влияние организационные факторы:
• уровень квалификации работников;
• 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; затраты труда на производство 1 ц продукции;
• затраты труда на 1 гол.;
• расход кормов на 1 гол.;
• материальные затраты на 1 гол. (по видам животных);
• материальные затраты на 1 ц произведенной продукции (по видам продукции).
Далее, основываясь на основных рекомендациях для отбора факторов при включении их в модель, проведем отсев тех из них, которые не отвечают необходимым требованиям. Многие из вышеприведенных факторов являются факторами разных уровней иерархии, а включение в модель такого рода факторов может послужить причиной появления мультиколлинеарности и привести к утрате статистической значимости модели. Некоторые из перечисленных факторных признаков по экономическому смыслу дублируют друг друга, поэтому включать их вместе в модель также не имеет смысла. Кроме того, по ряду признаков отсутствует необходимая статистическая информация.
В этой связи на начальном этапе представляется возможным выбрать следующие факторы для модели:
• уровень фондовооруженности труда Х1, тыс. руб./чел.;
• коэффициент обновления основных производственных фондов (ОПФ) Х2;
• структура основных производственных фондов предприятия (доля активной части ОПФ в их общей стоимости) Х3, %;
• удельный вес работников, занятых в сельском хозяйстве, в общей численности работников предприятия Х4, %;
• средняя заработная плата работника сельского хозяйства Х5, тыс. руб.;
• удельный вес работников, имеющих профессиональное образование, в общей численности фактически работающих Х6, %;
• доля дополнительных стимулирующих выплат в общем фонде оплаты труда Х7, %;
• моделируемый показатель - производительность труда Y (выручка от реализации продукции на одного работника сельского хозяйства), тыс. руб.
Одной из основных предпосылок корреляционно-регрессионного анализа является необходимость проведения анализа на основе данных случайной бесповторной выборки из генеральной совокупности. Это связано с основной задачей такого рода исследований, определяемой тем, чтобы сделать определенные заключения (носящие теоретико-вероятностный характер) о свойствах генеральной совокупности по результатам ограниченного числа наблюдений.
В этой связи на следующем этапе анализа с помощью случайной бесповторной выборки было отобрано 80 сельскохозяйственных предприятий. Для проверки характера распределения признаков в исходной совокупности авторами была применена описательная статистика, после чего проведена процедура удаления так называемых «аномальных» наблюдений, поскольку по ряду признаков, используемых при моделировании, наблюдались очень сильные отклонения от закономерного характера распределения. Из исходной совокупности были удалены те объекты исследования, значения исследуемых признаков которых очень сильно отличались от среднего по совокупности в большую или меньшую сторону. Учитывая количество признаков, планируемых для включения в модель, анализируемая совокупность должна содержать не менее 42 ед. наблюдения.
На основании матрицы парных линейных коэффициентов корреляции (табл. 1), рассчитанных в ППП Statistica 7.0 по данным 45 предприятий, с вероятностью 95 % можно утверждать, что наблюдается достаточно сильная связь (г > 0,6) уровня производительности труда от таких факторов, как уровень фондовооруженности труда Х1, доля активной части
Таблица 1
Матрица парных коэффициентов корреляции
Признак Y Х1 Х2 Х3 Х4 Х5 Х6 Х7
Y 1 0,867 0,421 0,796 -0,071 0,697 0,427 -0,208
Xi 0,867 1 0,232 0,690 -0,150 0,421 0,298 -0,209
Х2 0,421 0,232 1 0,354 0,014 0,420 0,498 0,014
Х3 0,796 0,690 0,354 1 -0,325 0,604 0,218 -0,164
Х4 -0,071 -0,150 0,014 -0,325 1 0,124 0,309 0,137
Х5 0,697 0,421 0,420 0,604 0,124 1 0,450 -0,103
Х6 0,427 0,298 0,498 0,218 0,309 0,450 1 -0,145
Х7 -0,208 -0,209 0,014 -0,164 0,137 -0,103 -0,145 1
ОПФ в их общей стоимости Х3 и средняя заработная плата работника сельского хозяйства Х5.
На данном этапе представляется возможным исключить из модели следующие факторы: удельный вес работников, занятых в сельском хозяйстве, в общей численности работников предприятия Х4, доля дополнительных стимулирующих выплат в общем фонде оплаты труда Х7, поскольку их взаимосвязь с итоговым показателем статистически незначима (уровень значимости 0,05 по ¿-критерию Стьюдента).
Следующим этапом анализа является проверка включенных в модель факторов на коллинеарность. Анализ парных коэффициентов корреляции (см. табл. 1) показывает сильную коллинеарную зависимость между отобранными для включения в модель факторами Х1 - Х3. На основании содержательного анализа данных факторов можно сделать вывод о том, что оба этих показателя характеризуют обеспеченность основными средствами предприятия, между ними несомненна определенная взаимосвязь. Однако, как известно, наличие статистически тесной связи между включаемыми в модель множественной регрессии факторами оказывает существенное влияние на результаты прогнозного анализа. Наличие коллинеарности нарушает условие независимости действия факторных признаков, поэтому включать их одновременно в анализ не представляется возможным. Исключаем из модели фактор Х3, как имеющий более тесные связи с прочими факторными признаками модели и меньшую тесноту связи с моделируемым показателем.
На основании изложенных фактов для включения в окончательную модель были отобраны следующие факторы:
• уровень фондовооруженности труда Х1;
• коэффициент обновления основных производственных фондов (ОПФ) Х2;
• средняя заработная плата работника сельского
• удельный вес работников, имеющих профессиональное образование, в общей численности фактически работающих Х6. Факторы Х1 и Х2 отражают влияние научно-технического прогресса на рост производительности труда, факторы Х5 и Х6 - организационные, они характеризуют качественный состав кадрового потенциала организаций, применение прогрессивных форм организации и оплаты труда, уровень материального стимулирования работников сельского хозяйства на изучаемых предприятиях региона.
Матрица парных коэффициентов корреляции, характеризующая связь между оставшимися в модели факторами, представлена в табл. 2.
Таким образом, наиболее тесная связь с моделируемым показателем наблюдается у факторов Х1 и Х5. Коллинеарных факторов нет.
В результате содержательного анализа и посредством пошагового включения факторов модель производительности труда, рассчитанная в программе Statistica 7.0, имеет следующий вид: Y = 84,01 + 0,12xi + 287,1х2 + 1,46х5 + 2,246х6, (1) где R2 = 0,79; скорректированный фактор R2 = 0,78; R = 0,89; F (3,41) = 52,65; Stnd. err. = 34,8; DW = = 1,702.
Исходя из значений «условно чистых» коэффициентов регрессии, можно сделать следующий вывод: при росте уровня фондовооруженности труда (^ = 2,74) в среднем на 1 тыс. руб. (при неизменности остальных фактов модели) производительность труда на
Таблица 2
Матрица парных коэффициентов корреляции
хозяйстваХ5;
Показатель Y Х1 Х2 Х5 Х6
Y 1 0,54 0,31 0,53 0,39
Х1 0,54 1 0,19 0,15 0,17
Х2 0,31 0,19 1 0,05 0,28
Х5 0,53 0,15 0,05 1 0,32
Х6 0,39 0,17 0,28 0,32 1
Таблица 3
Дисперсионный анализ
Регрессия Число степеней свободы Df Сумма квадратов отклонений ££ Несмещенная выборочная дисперсия MS Критерий Фишера ^-уровень
Факторная 4 368 302,78 92 075,69528 17,79 1,82538Е-08
Остаточная 40 206 995,33 5 174,88337 - -
Общая 44 575 298,08 - - -
предприятиях аграрного сектора экономики региона вырастет в среднем на 120 руб., рост коэффициента обновления основных производственных фондов (^ = 2,41) на единицу стимулирует рост производительности в среднем на 287,1 тыс. руб. Увеличение среднего уровня оплаты труда работников сельского хозяйства = 4,22) на 1 тыс. руб. повлечет за собой рост уровня производительности в среднем на 1 460 руб., увеличение на 1 % удельного веса работников, имеющих высшее профессиональное образование, приведет к росту производительности труда в среднем на 2 246 руб. при условии, что все прочие факторы закреплены на среднем уровне. Знаки коэффициентов регрессии полностью отвечают экономическим представлениям о направлении влияния факторов на величину производительности труда.
Свободный член уравнения регрессии может качественно интерпретироваться только в тех случаях, когда в область изменения всех факторов входят нулевые или близкие к ним значения. Поскольку для анализа производительности труда такие случаи обычно не характерны, то значение а = 84,01 не несет никакой смысловой экономической нагрузки.
Коэффициент детерминации регрессионной модели дает основание сделать вывод о том, что 79 % вариации в уровне производительности труда на предприятиях аграрного сектора экономики региона объясняется факторами, входящими в уравнение регрессии. Уровень остаточной вариации, объясняющейся воздействием случайных и неучтенных в модели факторов, составляет 21 %.
Об адекватности модели свидетельствует значение критерия Дарбина-Уотсона (DW), равное 1,702. Данное значение попадает в интервал d (1,67) < 1,702 < 4 - du (2,33) с вероятностью 95 %, что указывает на некоррелированность регрессионных остатков.
Множественный коэффициент корреляции показывает, что связь между исследуемыми признаками является тесной. Полученное уравнение представляется статистически значимым (^"-критерий Фишера значительно превышает критическое значение при
заданном уровне вероятности (табл. 3). Все факторы, включенные в модель, являются статистически значимыми, поскольку фактические значения ^крите-рия Стьюдента, рассчитанные для соответствующих коэффициентов регрессии, превышают критическое (^габл = 2,02) с вероятностью 95 %.
Абсолютная величина коэффициентов «условно чистой» регрессии зависит от единиц измерения выработки и остальных показателей. Поэтому для оценки истинной роли различных факторов в формировании уровня производительности труда абсолютные показатели следует дополнить относительными. В этих целях применяются коэффициенты эластичности, характеризующие среднее процентное отклонение результата при среднем изменении соответствующего фактора на 1 % (при условии, что прочие факторы закреплены на неизменном уровне). Определение коэффициентов эластичности - обязательное условие анализа, позволяющее выяснить относительное влияние различных факторов на уровень производительности труда. Коэффициенты эластичности регрессионной модели (1) представлены в табл. 4.
Полученные значения средних коэффициентов эластичности, как видно из табл. 4, свидетельствуют о наибольшей роли уровня фондовооруженности: с ростом Х1 на 1 % результативный признак возрастает в среднем в 0,45 раза. Таким образом, проведенный анализ подтвердил, что фондовооруженность является одним из главных факторов роста эффективности производства, связанных с научно-техническим прогрессом.
Вторым по силе влияния на моделируемый показатель является фактор Х5 - средняя заработная плата работника сельского хозяйства. С ростом Х5 в 1,01
Таблица 4
Коэффициенты регрессионной модели
Коэффициент эластичности Х1 Х2 Х6
Э . у, 0,45 0,18 0,42 0,29
в, 0,46 0,11 0,39 0,22
раза У возрастает в среднем на 0,42 %, что позволяет сделать вывод, о том, что на исследуемых предприятиях выполняется стимулирующая функция оплаты труда. Фактор Х6 оказывает достаточное влияние на моделируемый показатель. Так, 1 %-ный рост данного фактора приводит к росту производительности труда в среднем на 0,29 % по совокупности.
Фактор Х2 оказывает незначительное влияние на моделируемый показатель. Так, при росте коэффициента обновления основных производственных фондов на 1 % уровень производительности труда возрастает в среднем всего лишь на 0,18 % при условии, что все прочие факторы закреплены на среднем уровне.
Такая зависимость может быть объяснена тем, что уровень развития производительных сил в аграрном секторе региона на сегодняшний день не в полной мере соответствует уровню развития техники и оборудования. На сельскохозяйственных предприятиях области происходит замена устаревшей, пришедшей в негодность техники на более современную, высокотехнологичную. И на данном этапе развития уровень квалификации кадрового потенциала не позволяет в полной мере задействовать возможности нового оборудования, вследствие чего изучаемый фактор, как показало исследование, оказывает недостаточное влияние на рост производительности труда.
Для выявления факторов, в развитии которых заложены наиболее крупные резервы роста производительности труда, необходимо учитывать уровень колеблемости изучаемых переменных. Поэтому наряду с коэффициентами эластичности были рассчитаны в - коэффициенты (стандартизированные коэффициенты регрессии) (см. табл. 4). Величина вj показывает, на сколько средних квадратических отклонений изменится производительность труда в среднем по совокупности с изменением соответствующего факторного признака на одно среднее квадратическое отклонение при фиксированном положении (на среднем уровне) всех прочих факторов, входящих в модель.
Таким образом, можно сделать вывод, что наибольшие резервы роста производительности труда заложены в увеличении уровня следующих факторов: фондовооруженности работников сельского хозяйства, оплаты труда, профессионально-квалификационного уровня работников.
Несомненно, что уровень квалификации (или в нашем исследовании это показатель, характеризую-
щий удельный вес работников, имеющих профессиональное образование) является одним из факторов, оказывающих непосредственное влияние на результаты деятельности предприятия. Но в последнее время наблюдается недостаточный уровень подготовки кадров рабочих профессий, зачастую работники секторов растениеводства или животноводства (такие как механизаторы или операторы машинного доения) не имеют специального профессионального среднего образования и даже в некоторых случаях начального профессионального. Поэтому неудивительно, что и сила влияния этого фактора на увеличение производительности труда недостаточна.
В связи с указанной ситуацией возрастает необходимость совершенствовать действующую систему подготовки и переподготовки кадров рабочих профессий в аграрной сфере. Иначе будут наблюдаться факты, когда при увеличении фондовооруженности и росте коэффициента обновления фондов (что доказано авторами в разработанной модели) просто не будет в наличии необходимых кадров, имеющих необходимые профессиональные компетенции для работы на современной технике, применения инновационных технологий в процессе производства. В конечном счете, авторы придерживаются той точки зрения, что наличие в сельскохозяйственных организациях высокопроизводительной техники и использование инновационных технологий не даст должного экономического эффекта при отсутствии грамотных, подготовленных на соответствующем уровне квалифицированных кадров рабочих профессий.
Для составления прогнозов подставляем планируемые, ожидаемые и возможные значения факторов и получаем прогнозы с различной степенью интерпретации. Составленные прогнозы приведены в табл. 5.
Прогноз «средних значений» предполагает, что средние значения исследуемых факторов в прогнозный период по данной совокупности останутся на уровне исследуемого периода. «Пессимистический» вариант отражает небольшой рост производительности труда при незначительном увеличении производственный показателей, «осторожно-оптимистический» представляет собой небольшое увеличение результативного показателя за счет интенсификации производства. «Весьма оптимистический» прогноз состоит из двух вариантов с наилучшими значениями факторов, которые в перспективе могут быть достигнуты в целом по рассматриваемой совокупности.
Таблица 5
Результаты прогнозных оценок производительности труда
№ п/п Вариант прогнозируемого фактора Возможные значения факторов Ожидаемое значение результативного признака
Х2 Х6 Г По отношению к среднему фактическому уровню
1 Весьма оптимистический а) по лучшим значениям в совокупности 611 376,2 56,3 25 137,8 58,6 126 445,7 В 3,34 раза
б) по значениям ООО «Отрадаагроинвест» 239 986,8 48,9 24 731,5 21,7 79 078,38 В 2,1 раза
2 Осторожно-оптимистический 5 926,2 39,6 8 569,1 24,2 24 729,55 65,4 %
3 Пессимистический 1 711,6 12,3 3 027,8 2,3 8 332,59 22,1 %
4 Средних значений 82 095,6 46,3 9 950,2 11,3 37 780,87 100,0 %
Первый из вариантов построен по лучшим значениям факторов по совокупности, второй - по значениям показателей ООО «Отрадаагроинвест» Мценского района, в котором была достигнута наиболее высокая производительность труда среди предприятий в анализируемом периоде. Варианты «весьма оптимистического прогноза» дают увеличение производительности труда в 3,34 и 2,1 раза соответственно.
На основе проведенного исследования приходим к следующим выводам:
1) развитие экономики сельского хозяйства, основанной на повышении конкурентоспособности сельскохозяйственных товаропроизводителей, предъявляет высокие требования к квалифицированным кадрам;
2) на основе проведенного корреляционно-регрессионного анализа установлено, что кадровый потенциал является одним из ведущих факторов повышения эффективности сельскохозяйственного производства наряду с технологическим уровнем и рационально организованной системой управления;
3) подготовка, переподготовка и повышение квалификации кадров, способных обеспечить конкурентоспособность сельскохозяйственной продукции и продовольствия на внутреннем и внешнем рынках на основе инновационного развития сельского хозяйства, создания благоприятной среды для развития предпринимательства, повышения инвестиционной привлекательности сектора, выступают стратегической задачей государственного масштаба.
Список литературы 1. Бабаджанов А. Повышение производительности труда и совершенствование системы подготовки
кадров - важные факторы повышения конкурентоспособности сельского хозяйства // Международный сельскохозяйственный журнал. 2011. № 5.
2. Государственная программа Российской Федерации «Развитие образования» на 2013-2020 годы: утверждена распоряжением Правительства РФ от 22.11.2012 № 2148-р (ред. от 15.05.2013 № 792-р).
3. Ерохина Е. В. Проблемы формирования нового кадрового потенциала для инновационной региональной экономики // Экономический анализ: теория и практика. 2012. № 1 (256).
4. Козлов А. В., Панков Б. П. Готовы ли кадры сельского хозяйства к вызовам ВТО? // АПК: экономика и управление. 2012.№ 7.
5. Кутаев Ш. К. Развитие системы подготовки кадров в интересах регионального рынка труда // Региональная экономика: теория и практика. 2010. № 22 (157).
6. Прока Н. И. Мониторинг человеческого капитала аграрного сектора экономики // Образование, наука и производство. 2012. № 1.
7. Скрынник Е. Совершенствование системы подготовки и переподготовки кадров для сельского хозяйства. Оказание консультационной помощи сельскохозяйственным товаропроизводителям // Национальные интересы: приоритеты и безопасность. 2010. № 5 (62).
8. Сорокина Н. Ю., Нефедова Ю. Д. Организационный и финансовый механизм модернизации системы повышения квалификации и переподготовки кадров в регионе // Национальные интересы: приоритеты и безопасность. 2009. № 24 (57).
9. Фролова О. А., Зубренкова О. А., Ильичева О. В., Сидорова Н. П. Современное состояние и пути совершенствования кадрового обеспечения разных форм хозяйствования аграрной сферы // Региональная экономика: теория и практика. 2009. № 29 (122).
Economic development strategy
INFLUENCE OF INDICATORS OF VOCATIONAL STRUCTURE OF PERSONNEL POTENTIAL ON ECONOMIC EFFICIENCY OF ACTIVITY AGRICULTURAL ENTERPRISES*
Tat'iana I. GULIAEVA, Elena V. BURAEVA, Oksana Iu. GRISHAEVA
Abstract
The article considers, on the basis of correlation and regression analysis of the data obtained by the authors in the process of monitoring of personnel potential of agricultural enterprises of the Orel region, the human resources is one of the leading factors in improving the efficiency of agricultural production, with the level of technology and management system. The authors prove that the innovative development of the agricultural sector is impossible without highly qualified personnel.
Keywords: human resources, agricultural enterprises, production efficiency, skill levels.
References
1. Babadzanov A. Povyshenie proizvoditel'nosti truda i sovershenstvovanie sistemy podgotovki kadrov - vazh-nye faktory povysheniia konkurentosposobnosti sel'skogo khoziaistva [Increase productivity and improve the system of training - important factors in improving the competitiveness of agriculture]. Mezhdunarodnyi sel 'skokhoziaistvennyi zhurnal - International journal of agriculture, 2011, no. 5.
2. State program of the Russian Federation «Development of Education» for 2013-2020: approved by the Government of RF of 22.11.2012 № 2148-p (ed. of 15.05.2013 № 792-p).
3. Erokhina E. V. Problemy formirovaniia novogo kadrovogo potentsiala dlia innovatsionnoi regional'noi ekonomiki [Problems of formation of new human capacity for innovation of the regional economy]. Ekonomicheskii analiz: teoriia ipraktika - Economic analysis: theory and practice, 2012, no. 1 (256).
4. Kozlov A. V., Pankov B. P. Gotovy li kadry sel'skogo khoziaistva k vyzovam VTO? [Are agricultural staff ready to the challenges of the WTO?]. APK: ekonomika i upravlenie -AIC: economics and management, 2012, no. 7.
5. Kutaev Sh. K. Razvitie sistemy podgotovki kadrov v interesakh regional'nogo rynka truda [Development of
* The study was supported by the Government of the Orel region within the framework of the project «Monitoring of personnel potential of the agricultural enterprises of the Orel region» (topic no. 12 grant for R & D to ensure the development of innovative agribusiness of the Orel region from 19.07.2013 no. 1).
training system in the interests of the regional labor market]. Regional 'naia ekonomika: teoriia i praktika - Regional economy: theory and practice, 2010, no. 22 (157).
6. Proca N. I. Monitoring chelovecheskogo kapitala agrarnogo sektora ekonomiki [Monitoring of human capital of the agricultural sector]. Obrazovanie, nauka iproizvod-stvo - Education, science and production, 2012, no. 1.
7. Skrinnik E. Sovershenstvovanie sistemy podgotovki i perepodgotovki kadrov dlia sel'skogo khoziaistva. Okaza-nie konsul'tatsionnoi pomoshchi sel'skokhoziaistvennym tovaroproizvoditeliam [Improving training and retraining for agriculture. Consultancy to agricultural producers]. Natsional 'nye interesy: prioritety i bezopasnost ' - National interests: priorities and security, 2010, no. 5 (62).
8. Sorokina N., Nefedov Y. D. Organizatsionnyi i finansovyi mekhanizm modernizatsii sistemy povysheniia kvalifikatsii i perepodgotovki kadrov v regione [Organizational and financial framework, upgrading the system of training and retraining in the region]. Natsional'nye interesy: prioritety i bezopasnost ' - National interests: priorities and security, 2009, no. 24 (57).
9. Frolova O. A., Zubrenkova O. A., Ilicheva O. V., Sidorova N. P. Sovremennoe sostoianie i puti soversh-enstvovaniia kadrovogo obespecheniia raznykh form khoziaistvovaniia agrarnoi sfery [Current state and ways of improvement of staffing of different forms of managing agrarian spheres]. Regional'naia ekonomika: teoriia i praktika - Regional economy: theory and practice, 2009, no. 29 (122).
Tat'iana I. GULIAEVA
Orel State Agricultural University, Orel,
Russian Federation
prorector1@orelsau.ru
Elena V. BURAEVA
Orel State Agricultural University, Orel,
Russian Federation
econometriks@yandex.ru
Oksana Iu. GRISHAEVA
Orel State Agricultural University, Orel,
Russian Federation
pervych@mail.ru
