Статистико - экономический анализ производительности труда и его оплаты

Для измерения тесноты  связи применяется ряд показателей. При парной связи теснота связи  измеряется прежде всего корреляционным отношением. Квадрат корреляционного отношения – это отношение межгрупповой дисперсии результативного признака, которая выражает влияние различий группировочного факторного признака на среднюю величину результативного признака, к общей дисперсии результативного признака, выражающей влияние на него всех причин и условий. квадрат корреляционного отношения называется коэффициентом детерминации.

Уравнение корреляционной  связи измеряет зависимость между  вариацией результативного признака и вариацией факторного признака (признаков). Меры тесноты связи измеряют долю вариации результативного признака, которая связана корреляционно с вариацией факторного признака (признаков).

Инерпретировать корреляционные показатели следует строго в терминах вариации отклонений от средней величины. Если же задача исследования состоит в измерении связи не между вариацией двух признаков в совокупности, а между изменениями признаков объекта во времени, то метод корреляционного-регрессионного анализа требует значительного изменения.

Из вышепреведенного положения об интерпретации показателей  корреляции следует, что нельзя трактовать корреляцию признаков как причинную связь их уровней.

Метод корреляционно-регрессионного анализа не может объяснить роли факторных признаков в создании результативного признака. Это очень серьезное ограничение метода, о котором не следует забывать.

Следующий общий вопрос – это вопрос о «чистоте» измерения влияния каждого отдельного факторного признака. Группировка совокупности по одному факторному признаку может отразить влияние именно данного фактора на результативный признак при условии, что все другие факторы не связаны с изучаемым, а случайные отклонения и ошибки взаимопогасились в большой совокупности. Если же изучаемый фактор связан с другими факторами, влияющими на результативный признак, будет получена не «чистая» характеристика влияния только одного фактора, а сложный комплекс, состоящий как из непосредственного влияния фактора, так и из его косвенных влияний, через его связь с другими факторами и их влияние на результативный признак. Данное положение полностью относится и к парной корреляционной связи.

Однако коренное отличие метода корреляционно- регрессионного анализа от аналитической группировки состоит в том, что корреляционно-регрессионный анализ позволяет разделить влияние комплекса факторных признаков, анализировать различные стороны сложной системы взаимосвязей. Если метод комбинированной аналитической группировки, как правило, не дает возможность анализировать более трех факторов, то корреляционный метод при объеме совокупности около 100 единиц позволяет вести анализ системы с 8 – 10 факторами и разделить их влияние.

Развивающиеся на базе корреляционно-регрессионного анализа многомерные методы позволяют синтезировать влияние признаков, выделяя из них непосредственно неучитываемые глубинные факторы. Например, изучая корреляцию ряда признаков интенсификации сельскохозяйственного производства, таких как фондообеспеченность, затраты труда на единицу площади, энергообеспеченность, внесение удобрений на единицу площади, плотность поголовья скота, можно синтезировать их влияние на уровень продукции с единицы площади, или на производительностьтруда, получив обобщенный фактор «интенсификация ппроизводства», непосредственно неизмеримый.

Правильное применение и интерпретация результатов  корреляционно-регрессионного анализа возможны лишь при понимании всех специфических черт, достоинств и ограничений метода.

Необходимо сказать  и о других задачах, решаемых с  помощью корреляционно-регрессионного метода, имеющих не формально математический, а содержательный характер.

1. задача выделения  важнейших факторов, влияющих на  результативный признак. Эта задача решается в основном на базе мер тесноты связи признаков-факторов.

2. задача оценки хозяйственной  деятельности по эффективности  использования имеющихся факторов производства. Эта задача решается путем расчета для каждой единицы совокупности тех величин результативного признака, которые были бы получены при средней по совокупности эффективности использования факторов в сравнении их с фактическими результатами производства.

3. задача прогнозирования  возможных значений результативного признака при задаваемых значениях факторных признаков.

Такая задача решается путем  подстановки ожидаемых или планируемых, или возможных значений факторных признаков в уравнение связи и вычисления ожидаемых значений результативного признака.

Приходится решать и обратную задачу: вычисление необходимых значений факторных признаков для обеспечения планового, или желаемого, значения результативного признака в среднем и по совокупности. Эта задача обычно не имеет единственного решения в рамках данного метода и должна дополняться постановкой и решением оптимизационной задачи на нахождение наилучшего из возможных вариантов ее решения

4. задача подготовки  данных, необходимых в качестве  исходных для решения оптимизационных  задач. Например, для нахождения  оптимальной структуры производства в районе на перспективу исходная информация должна включать показатели производительности на предприятиях разных отраслей и форм собственности. В свою очередь, эти показатели могут быть получены на основе корреляционно-регрессионной модели либо на основе тренда динамического ряда.

При решении каждой из названных задач нужно учитывать  особенности и ограничения корреляционно-регрессионного метода. Всякий раз необходимо специально обосновать возможность причинной интерпретации уравнения как объединяющего связь между вариацией фактора и результата. Трудно обеспечить раздельную оценку влияния каждого из  факторов. В этом отношении корреляционные методы глубоко протеворечивы. С одной стороны, их идеал – измерение чистого влияния каждого фактора. С другой стороны, такое измерение возможно при отсутствии связи между факторами и случайной вариацией признаков. А тогда связь является функциональной, и корреляционные методы анализа излишни. В реальных системах связь всегда имеет статистический характер, и тогда идеал методов корреляции становится недостижимым. Но это не значит, что данные методы не нужны.

Указанное противоречие означает попросту недостижимость абсолютной истины в познании реальных связей. Приближенный характер любых результатов корреляционно-регрессионного анализа не является поводом для отрицания их полезности. Любая научная истина - относительна. Забыть об этом и абсолютизировать параметры регрессионных уравнений, меры корреляции было бы ошибкой, так же как и отказаться от использования этих мер [3].

Важными задачами статистического  изучения производительности труда являются установление связи и выявление роли отдельных факторов роста производительности труда. Измерение влияния отдельных факторов дает возможность выявить резервы и перспективы роста производительности труда.

На среднегодовую выработку  одного работника оказывает влияние  такой фактор как фондовооруженность труда (наличие основных фондов, приходящихся на одного среднегодового работника), а также энерговооруженности. Влияние этих факторов на среднегодовую выработку можно проследить при помощи корреляционно-регрессионного метода анализа. Данные для анализа представлены в таблице.

Таблица 13 – Исходные данные для корреляционно-регрессионного анализа

Показатель	Энерговооруженность, л.с.,Х1	Фондовооруженность, т.р., Х2	Среднегодовая выработка
1993	55,23	270,12	120,06
1994	58,23	280,38	122,88
1995	61,09	296,01	134,13
1996	63,85	368,49	150,11
1997	65,23	371,59	154,00
1998	68,14	380,24	156,72
1999	71,18	389,05	158,20
2000	72,10	396,01	160,49
2001	74,16	400,43	162,99
2002	76,29	403,98	164,47
2003	78,57	412,29	168,08
2004	79,12	429,06	170,59
2005	85,10	430,66	176,25
2006	86,16	435,11	180,14
2007	90,31	438,18	185,29
2008	93,12	442,03	198,04
2009	95,18	460,16	219,02
2010	96,31	461,42	293,97
2011	128,01	621,71	463,55
2012	184,71	993,16	407,02

 

 

Получим уравнение регрессии, отражающее зависимость среднегодовой выработки от фондовооруженности и энерговооруженности:

у = 138,98+3,65х₁ +0,09х₂

Это значит, что с увеличением фондовооруженности на 1 тыс.р. среднегодовая выработка увеличивается на 3650 р., а при увеличении энерговооруженности на 1 тыс.р. выработка уменьшается на 90 р.

Коэффициент корреляции составил 0,91, это говорит о наличии очень тесной связи между признаком и выбранными факторами. Коэффициент детерминации равен 0,81, значит, уравнением регрессии объясняется 81% дисперсии среднегодовой выработки, а на долю прочих факторов приходится 19%.

 

ВЫВОДЫ

 

В результате проведенного анализа производительности труда и его оплаты в ООО «Исеть» можно сделать выводы о том, что за анализируемый период уровень производительности труда увеличился на 66,83%, за счет увеличения роста годовой выработки.

 За анализируемый  период стоимость валовой продукции  сократилась на  22,74%, предположительно, за счет сокращения среднесписочной численности работников.

Таким образом, проанализировав  производительность труда в ООО «Исеть» за три года, можно сделать вывод, что результативность и эффективность труда в организации повышаются, наблюдается тенденция роста производительности труда, все обобщающие показатели оценки ее уровня выросли, за счет повышения производительности труда увеличился объем производства.

Это свидетельствует  о том, что предприятие обладает совершенными производственными мощностями, квалифицированными работниками, что приводит к увеличению среднегодовой выработки.

Наблюдается сокращение среднегодовой заработной платы, ввиду сокращения количества работников на 40,57%(за 3 года). Если рассчитывать заработную плату на каждого работника в среднем, заметим, что темп прироста заработной платы за 5 лет составил 65,69%

За анализируемый период фонд заработной платы сократился на 2434 т.р. или на 21,43%, за счет сокращения численности работников на 43 человека.

Наибольшая доля денежных средств в составе фонда заработной платы приходится на постоянных рабочих.

В целом средства на оплату труда используются достаточно эффективно.

 

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

 

1. Годин А. М. Статистика: учебник. – Дашков и К^о, 2010. – 464 с.
2. Голуб А. А. Социально-экономическая статистика: учебное пособие . – М.: ВЛАДОС, 2011. – 272 с.
3. Гусаров В. М. Статистика. – М.: ЮНИТИ-ДАНА, 2009. – 463 с.
4. Елисеева И. Н., Юзбашев, М. М. Общая теория статистики. – М.: Финансы и статистика, 2010. – 656 с.
5. Зинченко А. П. Статистика. – М.: КолосС, 2007. – 568 с.
6. Колесникова И. И. Социально-экономическая статистика: учебное пособие. – Мн.: Новое знание, 2005. – 250 с.
7. Курс социально-экономической статистики: учебное пособие. Под ред. проф. М. Г. Назарова. – М.: Финстатинформа, ЮНИТИ-ДАНА, 2010. – 771 с.
8. Сиденко А. В., Попов, Г. Ю., Матвеева, В. М. Статистика: учебник . – М.: Дело и сервис, 2011. – 464 с.
9. Социальная статистика. Под ред. Член-корр. РАН И. И. Елисеевой. – М.: Финансы и статистика, 2009. – 480 с.
10. Теория статистики: учебник. Под ред. Г. Л. Громыко. – М.: Инфра-М, 2009. – 414 с.
12. Афанасьева В. Н., Юзбашев М. М. Анализ временных рядов и прогнозирование: учебник. – М.: Финансы и статистика, 2007. – 228 с.
13. Богородская Н. А. Статистика.– М.: Фирма «Благовест-В», 2009. – 248 с.
14. Гришин А. Ф. Статистика: учебное пособие. – М.: Финансы и статистика, 2012. – 240 с.
15. Ефимова М. Р., Ганченко О. И., Петрова Е. В. Практикум по общей теории статистики: учебное пособие. – М.: Финансы и статистика, 2010. – 208 с.
16. Ефимова М. Р., Петрова Е. В., Румянцев В. Н. Общая теория статистики: учебник. – М.: Инфра-М, 2011. – 416 с.