Начало >> Учеба >> Заработная плата в угольной промышленности

Учет влияния факторов производства на размер заработной платы - Заработная плата в угольной промышленности

Печать
Оглавление
Заработная плата в угольной промышленности
Современная концепция материального поощрения работников производственной сферы
Состав и структура фонда оплаты труда
Методика расчета фонда оплаты труда
Опыт зарубежных стран в формировании системы оплаты труда
Характеристика объекта исследования
Оценка факторов производства, влияющих на величину заработной платы
Учет влияния факторов производства на размер заработной платы
Возможные варианты оплаты труда с учетом реструктуризации угольной промышленности
Совершенствование системы премирования работников по добыче угля
Заключение, Литература

2.3. Учет влияния основных факторов производства на размер заработной платы

Исследование связи между переменными начинается с определения доминирующих факторов. Прежде всего, из круга факторов, влияющих на результативный признак необходимо выделить наиболее существенно влияющие факторы. Этот этап решается многосторонне. Сначала с помощью экономической теории определяется множество таких факторов. Затем исследование производится с помощью анализа основных статистических показателей.
В данном разделе проводится исследование зависимости изменения средней заработной платы трудящихся от таких независимых факторов как: добыча угля, численность работающих и производительность труда.
Обозначим зависимый фактор (регрессант) за Y, а независимые факторы (регрессоры) за X1, X2 и X3 соответственно. Мы имеем данные за 20 кварталов. Введём их и запишем во внешнюю память компьютера в виде отдельного файла для удобства его возможного редактирования. Проведём расчёт с помощью программного комплекса ST_MNOG.


Таблица 2.2
Исходные данные

кол–во наблюдений: 20 кол–во независимых переменных:  3

 --------------------------------------------------------

¦N наблюдения ¦ Y ¦ X1 ¦ X2 ¦ X3 ¦

--------------------------------------------------------

ИСХОДНЫЕ ДАННЫЕ:

¦ 1 ¦ 244.90¦ 52.67¦ 1998.00¦ 10.60¦

¦ 2 ¦ 252.30¦ 60.12¦ 2218.00¦ 10.80¦

¦ 3 ¦ 254.60¦ 72.04¦ 2366.00¦ 12.10¦

¦ 4 ¦ 234.60¦ 56.11¦ 2457.00¦ 9.10¦

¦ 5 ¦ 235.00¦ 70.64¦ 2495.00¦ 11.30¦

¦ 6 ¦ 231.60¦ 61.25¦ 2444.00¦ 9.90¦

¦ 7 ¦ 241.20¦ 57.69¦ 2401.00¦ 9.50¦

¦ 8 ¦ 238.50¦ 64.74¦ 2441.00¦ 10.40¦

¦ 9 ¦ 265.00¦ 74.97¦ 2527.00¦ 11.70¦

¦ 10 ¦ 261.30¦ 69.28¦ 2501.00¦ 10.90¦

¦ 11 ¦ 268.20¦ 57.95¦ 2473.00¦ 9.30¦

¦ 12 ¦ 270.00¦ 59.39¦ 2367.00¦ 10.10¦

¦ 13 ¦ 303.40¦ 63.21¦ 2329.00¦ 11.00¦

¦ 14 ¦ 323.20¦ 55.59¦ 2325.00¦ 9.60¦

¦ 15 ¦ 324.80¦ 56.44¦ 2284.00¦ 10.00¦

¦ 16 ¦ 329.40¦ 51.42¦ 2226.00¦ 9.40¦

¦ 17 ¦ 330.10¦ 36.26¦ 2143.00¦ 6.90¦

¦ 18 ¦ 343.50¦ 24.63¦ 1946.00¦ 5.20¦

¦ 19 ¦ 362.30¦ 34.72¦ 1752.00¦ 8.40¦

¦ 20 ¦ 340.40¦ 29.04¦ 1723.00¦ 7.20¦

РАСЧЕТНЫЕ ПОКАЗАТЕЛИ:

¦Ср. значение ¦ 282.715¦ 55.408¦ 2270.800¦ 9.670¦

¦Ср. кв. отк-е ¦ 42.891¦ 13.744¦ 236.164¦ 1.657¦

¦ Дисперсия ¦ 1839.614¦ 188.905¦55773.360¦ 2.746¦

¦ MIN значение ¦ 231.600¦ 24.626¦ 1723.000¦ 5.200¦

¦MAX значение ¦ 362.300¦ 74.973¦ 2527.000¦ 12.100¦

¦ Размах ¦ 130.700¦ 50.347¦ 804.000¦ 6.900¦

¦Нижняя граница¦ 154.043¦ 14.175¦ 1562.308¦ 4.699¦

¦Верхня граница¦ 411.387¦ 96.641¦ 2979.292¦ 14.641¦

¦Коэф. вариации¦ 15.171¦ 24.806¦ 10.400¦ 17.137¦

¦Нормальн. р-е?¦ да ¦ да ¦ да ¦ да ¦

--------------------------------------------------------

Проведём анализ исходных данных. Если коэффициент вариации некоторого ряда данных не более 35 процентов, то данные этого ряда считаются однородными. В нашем случае коэффициенты вариации всех факторов значительно меньше 35 процентов и, следовательно, они являются однородными.
Многие эконометрические выводы справедливы только в том случае, если исходные данные подчинены нормальному закону распределения случайной величины. В данном программном комплексе проверка нормального распределения осуществляется с помощью метода 3?, и как видно из последней строки все ряды факторов подчинены нормальному закону распределения.
С помощью программного комплекса проведём параметризацию модели:
Кривые роста:  Линейная
Y=253.6208 -5.6631*X1+  0.0555*X2+ 22.4155*X3
Кривые роста:  Гиперболическая
Y=257.2771+8137.4232/X1-39759.0397/X2-1092.5108/X3
Кривые роста:  Параболическая
Y=450.6403+  0.0040*X1^2 -0.0000*X2^2 -0.5734*X3^2
Кривые роста:  Показательная
Y=e^(  5.4654+ -0.0204*X1+  0.0002*X2+  0.0826*X3)
Кривые роста:  Степенная
Y=  0.0000*X1^ -7.0940*X2^  7.6841*X3^  6.9136

Таблица 2.3
Расчетные данные

 

-==============================T=========T=========T=========T=========T=========¬

¦ Тип регрессии ¦линейная ¦гипербо- ¦параболи-¦степенная¦ показа- ¦

¦ ¦ ¦лическая ¦ ческая ¦ ¦ тельная ¦

¦==============================¦ ¦ ¦ ¦ ¦ ¦

¦ П А Р А М Е Т Р Ы ¦ ¦ ¦ ¦ ¦ ¦

¦==============================+=========+=========+=========+=========+=========¦

¦ ¦ ¦ ¦ ¦ ¦ ¦

¦ КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ ¦ 0.858¦ 0.739¦ 0.748¦ 0.840¦ 0.764¦

¦СРЕДНЯЯ ОШИБКА АППРОКСИМАЦИИ %¦ 8.395¦ 8.753¦ 8.577¦ 8.563¦ 8.404¦

¦ КОЭФФИЦИЕНТ ФИШЕРА ¦ 17.196¦ 6.403¦ 6.784¦ 12.738¦ 7.473¦

¦ КОЭФФИЦЕЕНТ ДЕТЕРМИНАЦИИ ¦ 0.874¦ 0.546¦ 0.560¦ 0.705¦ 0.584¦

¦СКОРРЕКТИР. КОЭФ. ДЕТЕРМИНАЦИИ¦ 0.795¦ 0.460¦ 0.477¦ 0.650¦ 0.505¦

¦ КОЭФФИЦИЕНТ ДАРБИНА-УОТСОНА ¦ 1.788¦ 1.553¦ 1.673¦ 1.709¦ 1.714¦

¦ ЗНАЧЕНИЕ МНК ¦ 15661.60¦ 16719.04¦ 16193.83¦ 10858.41¦ 15323.09¦

¦КОЭФФИЦИЕНТ ЭЛАСТИЧНОСТИ E1¦ -1.110¦ 0.568¦ 0.046¦ -5.006¦ -0.201¦

¦КОЭФФИЦИЕНТ ЭЛАСТИЧНОСТИ E2¦ 0.446¦ -0.063¦ -0.445¦ 10.533¦ 0.089¦

¦КОЭФФИЦИЕНТ ЭЛАСТИЧНОСТИ E3¦ 0.767¦ -0.416¦ -0.195¦ 2.763¦ 0.142¦

¦КОЭФ. парной кор-ции R(Y/X1)¦ -0.74002¦ 0.71431¦ -0.72030¦ -0.73783¦ -0.74002¦

¦КОЭФ. парной кор-ции R(Y/X2)¦ -0.70413¦ 0.69050¦ -0.70872¦ -0.69803¦ -0.70413¦

¦КОЭФ. парной кор-ции R(Y/X3)¦ -0.63885¦ 0.60893¦ -0.63285¦ -0.63113¦ -0.63885¦

¦КОЭФ. парной кор-ции R(X1/X2)¦ 0.86119¦ 0.82748¦ 0.84716¦ 0.85540¦ 0.86119¦

¦КОЭФ. парной кор-ции R(X1/X3)¦ 0.93685¦ 0.94126¦ 0.93180¦ 0.93964¦ 0.93685¦

¦КОЭФ. парной кор-ции R(X2/X1)¦ 0.86119¦ 0.82748¦ 0.84716¦ 0.85540¦ 0.86119¦

¦КОЭФ. парной кор-ции R(X2/X3)¦ 0.63841¦ 0.59768¦ 0.63108¦ 0.62809¦ 0.63841¦

¦КОЭФ. парной кор-ции R(X3/X1)¦ 0.93685¦ 0.94126¦ 0.93180¦ 0.93964¦ 0.93685¦

¦КОЭФ. парной кор-ции R(X3/X2)¦ 0.63841¦ 0.59768¦ 0.63108¦ 0.62809¦ 0.63841¦

L==============================¦=========¦=========¦=========¦=========¦=========-

 

Проведём анализ полученных результатов. Путём сопоставления расчётных показателей (коэффициента корреляции, средней ошибки аппроксимации, коэффициента детерминации и т. д.) приходим к выводу, что линейная форма зависимости наиболее адекватно соответствует исходным данным.
Множественный коэффициент корреляции показывает тесноту связи между регрессором (средней заработной платой трудящихся) и регрессантами, и в нашем случае равен 0.858, что говорит о сильной указанной связи.
Средняя ошибка аппроксимации не должна быть больше 10-15 %.В нашем случае линейная зависимость имеет наименьшую среднюю ошибку аппроксимации (8.395 %).
Находим коэффициент Фишера в соответствующих таблицах при уровне значимости α=0.05. табличная F-статистика равна 3.24, что значительно меньше расчётной величины -  17.196. Это говорит о том, что все коэффициенты регрессионного уравнения являются значимыми.
Коэффициент детерминации является суммарной мерой общего качества уравнения регрессии, т.е. соответствия уравнения регрессии выборочным данным. Он изменяется от 0 до 1. Чем ближе коэффициент детерминации к 1, тем лучше выборочные данные соответствуют уравнению регрессии. В нашем случае коэффициент детерминации равен 0.874, что является хорошим показателем соответствия.
Важной предпосылкой для построения качественной модели является отсутствие зависимости случайных отклонений в рядах наблюдений. Коэффициент DW Дарбина-Уотсона применяется для обнаружения автокорреляции, т.е. зависимости случайных отклонений в рядах наблюдений.  По таблицам (уровень значимости α=0.005, объём выборки - 10, количество регрессоров - 3) находим нижнее и верхнее значение d-статистики (0.998 и 1.676). Автокорреляция отсутствует если расчётный коэффициент Дарбина-Уотсона DW лежит в следующих пределах: du  ≤  DW < 4 - du . Для нашего случая:
1.676  ≤  1.788 < 4 - 1.676, т. е. автокорреляция отсутствует.
Коэффициенты эластичности показывают на сколько процентов изменится регрессант (зависимая переменная) при изменении соответствующего регрессора на 1%.
Регрессоры должны быть независимы между собой. Для нашего случая парные коэффициенты корреляции большими, т.е. имеет место мультиколлинеарность. Но так как целью исследования является прогноз значений регрессанта, а не степени влияния каждого из регрессоров, то мультиколлинеарность в данном случае не является проблемой.
Итак, линейная регрессия:
Y=253.6208 -5.6631*X1+  0.0555*X2+ 22.4155*X3
наиболее адекватно соответствует приведённым данным.
Проведём прогноз на последующие 1.5 года с помощью метода экспоненциального сглаживания.
Таблица 2.4
Расчет прогноза
Для прогноза переменной  X 1  выбрана функция  3
Для прогноза переменной  X 2  выбрана функция  3
Для прогноза переменной  X 3  выбрана функция  3

---------------------------------------------------------

¦ N наблюд ¦ Y ¦ X1 ¦ X2 ¦ X3 ¦

---------------------------------------------------------

¦ 21 ¦ 344.18¦ 28.97¦ 1866.83¦ 6.73¦

¦ 22 ¦ 353.07¦ 25.14¦ 1808.44¦ 6.31¦

¦ 23 ¦ 362.36¦ 21.14¦ 1747.33¦ 5.86¦

¦ 24 ¦ 372.07¦ 16.97¦ 1683.51¦ 5.40¦

¦ 25 ¦ 382.20¦ 12.61¦ 1616.98¦ 4.92¦

¦ 26 ¦ 392.73¦ 8.08¦ 1547.72¦ 4.41¦

 

Из рассчитанных прогнозных данных сделаем вывод, что средняя заработная плата будет возрастать.


Динамика изменения размера средней заработной платы трудящихся
Рис. 2.2 – Динамика изменения размера средней заработной платы трудящихся на шахте им. Карла Маркса



 
« Загальна психіатрична симптоматологія та синдромологія   Значение письменных доказательств и заключения эксперта в гражданском и арбитражном процессе »