авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 |
-- [ Страница 1 ] --

Учреждение Российской академии наук

ЦЕНТРАЛЬНЫЙ ЭКОНОМИКО-МАТЕМАТИЧЕСКИЙ ИНСТИТУТ РАН

CENTRAL ECONOMICS AND MATHEMATICS INSTITUTE

РОССИЙСКАЯ

RUSSIAN

АКАДЕМИЯ НАУК ACADEMY OF SCIENCES

С.А. Айвазян, М.Ю. Афанасьев

МЕТОДОЛОГИЯ ОЦЕНКИ

ЧЕЛОВЕЧЕСКОГО КАПИТАЛА КОМПАНИИ

(на примере научной организации) Препринт # WP/2012/291 МОСКВА 2012 Айвазян С.А., Афанасьев М.Ю. Методология оценки человеческого капитала компании (на примере научной организации) / Препринт # WP/2012/291. – М.: ЦЭМИ РАН, 2012. – 56 с. (Рус.) В развитие методологии оценки производственного потенциала компании предложен подход к оценке ее человеческого капитала, основанный на концепции стохастической границы.

Представлены результаты эмпирического анализа человеческого капитала научной организации, подтверждающие возможность применения предложенного подхода для оценки объема и эффек тивности человеческого капитала как компании, так и ее сотрудников.

Ключевые слова: интеллектуальный капитал, человеческий капитал, факторы человече ского капитала, эффективность человеческого капитала, эконометрическая модель.

Aivazian S.A., Afanasiev M.Yu. The Methodology of Company’s Human Capital Es timation (for Scientific Organizations) / Working paper # WP/2012/291. – Moscow, CEMI Rus sian Academy of Sciences, 2012. – 56 p. (Rus.) In development of methodology of estimation of company’s productive potential is offered ap proach to the estimation of her human capital, based on the concept of a stochastic frontier. The results of empiric analysis of human capital of scientific organization are presented, supporting the possibility of the proposed approach application for the estimation of volume and efficiency of human capital of both company and her employees.

Keywords: the intellectual capital, the human capital, factors of the human capital, efficiency of the human capital, econometric model.

ISBN 978-5-8211-0589- © Айвазян С.А., Афанасьев М.Ю., 2012 г.

© Учреждение Российской академии наук Центральный экономико-математических наук РАН, 2012 г.

ОГЛАВЛЕНИЕ ВВЕДЕНИЕ....................................................................................................................................... 1. ОПИСАНИЕ ПОДХОДОВ К ОЦЕНКЕ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА...........................................

..... 2. ВОПРОСЫ СПЕЦИФИКАЦИИ И ПРИКЛАДНОГО ИСПОЛЬЗОВАНИЯ АНАЛИЗИРУЕМЫХ МОДЕЛЕЙ.................................................................................................................................. 3. ИСХОДНЫЕ ДАННЫЕ.................................................................................................................. 4. МОДЕЛИ И РЕЗУЛЬТАТЫ ИХ ЭКОНОМЕТРИЧЕСКОГО АНАЛИЗА.................................................. ВЫВОДЫ........................................................................................................................................ ПРИЛОЖЕНИЕ 1............................................................................................................................. ПРИЛОЖЕНИЕ 2............................................................................................................................. ЛИТЕРАТУРА................................................................................................................................. ВВЕДЕНИЕ Несмотря на успешные примеры экспериментальной апробации подхода, используемого для оценки производственного потенциала компании (см.

[Kumbhakar et al., (1991)], [Айвазян, Афанасьев (2011)]), остаются нерешенными проблемы, связанные с оценкой ее человеческого капитала. В числе таких проблем следует, в первую очередь, назвать описание факторов человеческого капитала и формирование его интегральной оценки. В данной работе развивается подход, предложенный авторами в [Айвазян, Афанасьев, (2010)]. Для интегральной оценки человеческого капитала предлагается подход, основанный на концепции стохасти ческой границы, целесообразность использования которой при оценке потенциаль ных возможностей компании и ее эффективности показана в работах [Pitt, Lee (1981)], [Reifschneider, Stevenson (1991)], [Taymaz ES (1997)], [Афанасьев (2006)], [Айвазян, Афанасьев, Макаров (2008)], [Айвазян, Афанасьев (2009)], [Айвазян, Афанасьев (2011)].

Человеческий капитал (ЧК) характеризуется далее как основной компонент и источник интеллектуального капитала. Мы будем опираться на следующее опре деление интеллектуального капитала (ИК), которое представляется адекватным це лям нашего исследования и отражает его основные характеристики. Интеллекту альный капитал – это совокупность нематериальных активов компании, а так же знаний, приобретенных навыков и качеств ее сотрудников, обеспечивающих ей возможность получения доходов и конкурентных преимуществ. Специалисты в области экономики знаний в качестве синонима понятия «интеллектуальный капи тал» используют слово «знание» [Макаров (2009)], [Макаров, Клейнер (2007)].

В этой терминологии интеллектуальный капитал может рассматриваться как сово купность всех знаний компании. Обычно понятие ИК используется в контексте оценки производственной деятельности компании, опирающейся на конкретную систему управления. Главная функция интеллектуального капитала – обеспечивать доход и конкурентные преимущества компании за счет формирования и реализа ции необходимых систем знаний и отношений. Многие авторы придерживаются структуризации интеллектуального капитала, предложенной Л. Эдвинсоном [Edvinsson (2000)], согласно которому интеллектуальный капитал состоит из трех составляющих: человеческого капитала, организационного капитала и клиентско го капитала. Напомним некоторые фундаментальные положения, принятые и ис пользованные в данном исследовании.

Т. Шульц, лауреат Нобелевской премии 1979 г.: «Все человеческие ресурсы и способности являются или врожденными, или приобретенными. Каждый человек рождается с индивидуальным комплексом генов, определяющим его врожденный человеческий потенциал. Приобретенные человеком ценные качества, которые мо гут быть усилены соответствующими вложениями, мы называем человеческим ка питалом» [Schultz (1960)]. Т. Щульц одним из первых ввел понятие человеческого капитала как производительного фактора, двигателя и фундамента инновационной экономики. Он доказал, что человеческий капитал обладает необходимыми при знаками производительного характера: он способен накапливаться и воспроизво диться.

Г. Беккер, лауреат Нобелевской премии 1999 г.: «Человеческий капитал – совокупность навыков, знаний и умений человека» [Весkеr (1964)]. В качестве ин вестиций в человеческий капитал Г.Беккер рассматривал, в основном, затраты на образование и обучение. Особый вклад Г. Беккер внес в теорию конкуренции, стра тегии и развития фирмы. Он выделил особое значение специального обучения, специальных знаний и навыков. Специальная подготовка работников формирует конкурентные преимущества фирмы, характерные и значимые особенности ее про дукции. Считается, что для управления человеческим капиталом следует отслежи вать примерно следующий набор параметров: образование;

профессиональная ква лификация;

связанные с работой знания;

профессиональные наклонности, связан ные с работой умения.

Особую роль в составе человеческого капитала компании выполняет соци альный капитал (или социальные связи). Это понятие, введенное П. Бурдьё в статье [Bourdieu (1986)] для обозначения социальных связей, которые могут выступать ресурсом получения выгод. В экономике знаний социальные связи не только явля ются фактором получения дохода, но и способствуют созданию и распространению новых знаний [Макаров (2008)]. Социальный капитал компании является основой для содействия и координации. С учетом этого далее мы будем использовать сле дующее определение человеческого капитала сотрудника компании. Человече ский капитал – совокупность навыков, знаний, умений, приобретенных способно стей и социальных связей, используемых для повышения уровня профессиональной деятельности и достижения конкурентных преимуществ.

Инвестиции в человеческий капитал имеют для компании существенные особенности. При инвестициях в физический капитал оправдана экономия затрат.

Так как физический капитал становится собственностью компании, то экономия на издержках, связанных с его приобретением, при прочих равных условиях повыша ет конкурентоспособность компании. Человеческий капитал нельзя приобрести в собственность. Компания лишь нанимает его услуги. Экономия на оплате этих ус луг может противоречить цели повышения конкурентоспособности, так как увели чивается риск утраты человеческого капитала. В период кризиса этот риск относи тельно мал, так как снижается спрос на рынках труда. В период роста экономики закрепление за компанией услуг человеческого капитала и снижение риска утраты этого основного источника дохода предполагает установление заработной платы сотрудников на уровне более высоком по сравнению с заработной платой сотруд ников компаний-конкурентов. Рост конкурентоспособности компании является ре зультатом ее усилий, направленных на развитие человеческого капитала своих со трудников и повышение его эффективности.

В [Ordones de Pablos (2005)] приводится описание различных факторов че ловеческого капитала, характеризующих, в основном, человеческий капитал ме неджмента компании. Структуризации представления о человеческом капитале способствует понятие «компетенция». Компетенция – это комплекс знаний, на выков, умений и качеств сотрудника, необходимых ему для осуществления кон кретной задачи (функции). Компетенция – основная составляющая специального человеческого капитала, особую роль которого в формировании конкурентных преимуществ подчеркивал Г.Беккер (см. [Becker (1964)]). Принимая во внимание, что должность сотрудника подразумевает необходимость реализации нескольких ключевых функций, мы можем говорить о том, что сотрудник должен обладать оп ределенным набором компетенций. Располагая информацией о компетенциях, можно составить представление о специальных факторах человеческого капитала.

1. ОПИСАНИЕ ПОДХОДОВ К ОЦЕНКЕ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА Методы измерения ЧК тесно связаны с подходами, используемыми для из мерения интеллектуального капитала. Основные принципы измерения ИК пред ставлены К.Э. Свейби на его персональном сайте [Sveiby (2010)]. Он выделяет 42 метода измерения интеллектуального капитала, составляющих основу для четы рех подходов. Первый подход использует методы прямого измерения (Direct Intellectual Capital Methods – DIC), которые основываются на идентификации и оценке в денежных величинах отдельных активов или компонентов интеллекту ального капитала, после чего выводится его интегральная оценка. Второй подход использует методы рыночной капитализации (Market Capitalization Methods – MCM). В этом случае вычисляется разность между рыночной капитализацией ком пании и собственным капиталом ее акционеров, а полученная величина рассматри вается как стоимость ее интеллектуального капитала или нематериальных активов.

Третий подход основан на методах отдачи на активы (Return on Assets Methods – ROA). Отношение среднего дохода компании до вычета налогов за неко торый период к материальным активам компании сравнивается с аналогичным по казателем для отрасли в целом. Чтобы вычислить средний дополнительный доход от использования интеллектуального капитала, полученную разность умножают на материальные активы компании. Далее путем прямой капитализации или дискон тирования получаемого денежного потока можно определить стоимость всех ин теллектуальных ресурсов компании. И, наконец, четвертый подход основан на методах подсчета очков (Scorecard Methods – SC). При их применении иденти фицируются различные компоненты нематериальных активов или интеллектуаль ного капитала и на их основе строятся различные индикаторы и индексы.

В каждом из описанных подходов можно выделить методы, специфициро ванные под оценку основной составляющей ИК – человеческого капитала.

Предлагаемые в данной работе подходы к оценке человеческого капитала представляют собой синтез методов ROA и SC на основе методологии стохас тической границы.

Предполагается, что компания располагает набором факторов, позволяю щих охарактеризовать человеческий капитал (ЧК) своего сотрудника. Мы предпо лагаем также, что значения переменных, характеризующих эти факторы, могут быть измерены для каждого сотрудника компании. Далее будем различать две группы факторов человеческого капитала, учитываемых компанией для каждого сотрудника: общие (основные) факторы и специальные факторы. Предполагается, что учет общих факторов человеческого капитала входит в сферу деятельности от дела кадров и осуществляется в соответствии с правилами, общими для всех ком паний, занимающихся определенным направлением деятельности. Специальные факторы определяются и учитываются компанией в зависимости от того, какие из компетенций сотрудников она контролирует и развивает. Наряду с факторами че ловеческого капитала будем рассматривать также факторы эффективности ис пользования человеческого капитала. Эти факторы могут быть разделены на две группы: факторы эффективности использования ЧК компанией и факторы эффек тивности использования ЧК сотрудником.

ЧК рассматривается в качестве ресурса, определяющего результаты дея тельности сотрудника и размер его заработной платы. В соответствии с [Айвазян, Афанасьев (2010)], в качестве меры ЧК сотрудника принимается максимальный размер дохода сотрудника компании при эффективном использовании ЧК. Допус кается, что часть заработной платы сотрудника полностью детерминирована значе ниями общих (основных) факторов ЧК. Другая часть зависит, кроме того, от ре зультатов воздействия специальных и не учтенных факторов, в том числе и факто ров ЧК, оказывающих случайное воздействие на размер заработной платы, а также от характеристик факторов эффективности ЧК.

Будем различать две составляющих совокупной заработной платы сотруд ника компании.

• Фиксированная часть заработной платы. Предполагается, что эта часть заработной платы сотрудника детерминирована набором общих факторов челове ческого капитала, определяющих его позицию в структуре кадров. Например, фик сированная часть заработной платы научного работника определяется его должно стью и ученой степенью. Эффективность человеческого капитала прямо не влияет на размер фиксированной части заработной платы, но может учитываться при ре шении вопроса о повышении или понижении сотрудника в должности.

• Дополнительная часть заработной платы сотрудника, которую он полу чает помимо фиксированной части заработной платы. Размер дополнительной час ти заработной платы определяется характеристиками всей совокупности факторов ЧК, а именно, – факторов общих, специальных, эффективности, а также от воздей ствия неучтенных факторов. Дополнительная часть заработной платы может вклю чать в себя так называемую стимулирующую надбавку, зависящую от характери стик специальных факторов человеческого капитала. Стимулирующую надбавку можно рассматривать как премию, выплачиваемую компанией сотруднику, разви вающему свои компетенции в определяемом ею направлении1. Результаты разви тия компетенций отражаются характеристиками специальных факторов ЧК.

Описанные далее подходы к оценке ЧК могут применяться для научных и некоммерческих организаций, а также для компаний, работающих в сфере немате риального производства и в сфере услуг. Если совокупная заработная плата состо ит только из фиксированной части, а дополнительная часть заработной платы от сутствует, то задача оценки ЧК является тривиальной, а использование предлагае мого подхода – нецелесообразным. В этом случае оценкой ЧК сотрудника является фактический размер его заработной платы. Поэтому далее мы будем исходить из того, что сотрудники компании получают дополнительную заработную плату.

Рассмотрим далее общую структуру моделей, операционно реализующих сформулированную выше идею измерения и оценки ЧК компании. С этой целью введем следующие обозначения.

Пусть y j, y (0), y (1) – это, соответственно, совокупная, фиксированная (ос j j новная) и дополнительная заработная плата j-го сотрудника компании, а y (2) – та j часть дополнительной заработной платы, которая определяется как стимулирую щая (рейтинговая) надбавка (если таковая в данной компании предусмотрена). И пусть q j = (q (1), …, q (jm ) ) – «значения» общих факторов j-го сотрудника, а j w j = ( w(1), …, w(jn ) ) – значения специальных факторов ЧК j-го сотрудника (в первом j случае слово «значения» взяты в кавычки, поскольку общие (основные) факторы в большинстве своем являются по своей природе неколичественными (а ординаль ными или номинальными).

В работе эмпирически (на данных одной научной организации, их описание см. ниже) реализуются два альтернативных подхода.

Подход 1. Предполагается, что фиксированная (основная) часть заработной платы ( y (0) ) определяется только «значениями» общих факторов q (т.е. специаль ные факторы ЧК не оказывают на нее никакого влияния), а размер дополнительной заработной платы ( y (1) ) моделируется в соответствии с [Айвазян, Афанасьев (2010)], опираясь на концепцию стохастической границы. Тогда В ряде научных учреждений приняты специальные положения о правилах выплаты стимулирующих (рейтинговых) надбавок своим сотрудникам в зависимости от определенных показателей результативно сти их научной деятельности.

y j = y (0) (q j ) + h( w j ;

q j | ) ( j ), (1) h( w, q | ) где – некоторая детерминированная функция от специальных w = ( w(1), …, w( n ) ) и общих факторов q = (q (1),..., q ( m ) ), зависящая определенным образом от неизвестных (оцениваемых по имеющимся наблюдениям) параметров = (1,…, k );

() – некоторая положительнозначная, монотонно возрастающая функция от = u;

– это (0;

) -нормально распределенная случайная вели чина, отражающая случайное воздействие на y (1) неучтенных факторов (т.е.

N (0;

) ), а u – неотрицательная, не зависящая от случайная величина, от ражающая эффект снижения дополнительной заработной платы сотрудника в ре зультате неэффективного использования его ЧК. Уточнение общего вида функций h и, а также стохастической природы случайной величины u будет дано ниже при решении вопросов спецификации модели (1).

Подход 2. При этом подходе размер фиксированной части заработной пла ты y (0) зависит не только от общих, но и от специальных факторов ЧК. Так, со трудник научной организации, имеющий некоторую фиксированную должность и ученую степень, должен демонстрировать определенный уровень характеристик специальных факторов ЧК для того, чтобы получать фиксированную часть зара ботной платы. То есть, ему необходимо подтверждать уровень квалификации. То гда размер совокупной заработной платы, включая фиксированную ее часть, опре деляется значениями общих и специальных факторов ЧК. Соответственно при мо делировании размера совокупной заработной платы сотрудника тогда используется регрессионная зависимость вида y j = h ( w j ;

q j | ) ( j ). (2) Уточнение общего вида функций h и, а также стохастической природы случайных величин и u из разности = u будет дано ниже (см. следующий раздел).

Какой из указанных подходов следует выбрать компании (научной органи зации) для оценки ЧК, зависит от специфики формирования фиксированной части заработной платы. В рамках данного исследования будут представлены оба подхо да и результаты их сравнения.

2. ВОПРОСЫ СПЕЦИФИКАЦИИ И ПРИКЛАДНОГО ИСПОЛЬЗОВАНИЯ АНАЛИЗИРУЕМЫХ МОДЕЛЕЙ В нашем случае к задачам спецификации модели относятся вопросы уста новления и, по-возможности, обоснования общего вида функций h и, а также принятие определенных допущений относительно стохастической природы остат ков, и u в соотношениях (1) и (2).

В результате диагностики весьма широкого класса моделей (было оценено с последующим проведением соответствующих критериев согласия и статистиче ским анализом получаемых при этом остатков более сорока различных вариантов) мы остановились на следующих двух версиях общего вида функций h.

Версия 1:

m h( w;

q | ) = 0 ( w(1) )1... ( w( n ) )n exp n+l q (l ). (3) l =1 Версия 2:

h( w;

q | ) = 0 ( w(1) )1... ( w( n ) )n. (4) Тогда в соответствии с принятыми подходами к построению моделей сто хастической границы функция () принимается (и в модели (1) и в модели (2)) в форме () = exp{}, (5) причем, случайный остаток представляется в виде разности = u, (6) где смысл компонентов и u уже был описан при представлении модели (1). До бавим к этому, что в соответствии с методологией стохастической границы слу чайная величина TE j = exp{u j } характеризует эффективность использования ЧК сотрудника компании. Заметим, что TE j является случайной величиной, с вероят ностью 1 принимающей значения из полуинтервала ( 0;

1]. Величины TE j пред ставляют экономический интерес, так как могут служить основой для формирова ния и оценки мероприятий, направленных на повышение эффективности ЧК [Айва зян, Афанасьев, (2009)]. Однако при оценивании технической эффективности мо жет возникать затруднение, обусловленное способом построения модели, так как случайные величины u j не наблюдаемы. Тем не менее, введя в модель адекватную и удобную для оценок параметризацию распределения случайных величин u j, можно провести анализ характеристик случайной величины TE j. Далее будут рас смотрены два варианта параметризации распределения случайной величины u j (напомним, что в обоих вариантах переменная u j рассматривается как статистиче ски не зависимая от j неотрицательная случайная величина).

Вариант 1. В ситуациях, когда не учитываются факторы эффективности ЧК, обычно полагают, что случайная величина u для j-го сотрудника имеет экспо ненциальное распределение с функцией плотности u exp 2, где параметр u не зависит от j.

f j (u ) = (7) u u При оцененных значениях j остатков j в качестве оценки случайной ве личины TE j используют (см. [Kumbhakar, Lovell (2004)]) среднее значение услов ного распределения экспоненты неэффективной составляющей, т.е.

1 ( v µ j / v ) 1 E(exp{u j } | j ) = exp µ j + v, (µ j / v ) v где µ j = j, а (.) – функция стандартного нормального распределения.

u Вариант 2. В ситуациях, когда необходимо учесть факторы эффективно сти ЧК, в соответствии с [Battese, Coelli (1988)], будем рассматривать u j как неот рицательную случайную величину, имеющую усеченное в нуле нормальное рас пределение (с математическим ожиданием z j и дисперсией u ), характеризую щую результаты воздействия на размер заработной платы j сотрудника всей сово купности факторов, снижающих эффективность ЧК, т.е.

u j N + (z j ;

u ), (8) где z j – функция неэффективности, характеризующая воздействие факторов не эффективности z j = (1, z (1), …, z (j p ) )T, а = (0, 1,..., s,..., p ) – вектор коэффици j ентов функции неэффективности (оцениваемых по имеющимся наблюдениям).

Тогда, в соответствии с [Kumbhakar, Lovell (2004)]:

1 (* µ j / * ) 1 E(exp{u j } | j ) = exp µ j + *, (µ j / * ) z j v j u 2 u v = 2, 2 = u + v.

µj = * 2 где, 2 Заметим, что (1) и (2) с принятыми допущениями (3)~(8) обобщают извест ную эконометрическую модель Минцера ([Mincer (1975)]), также использующую величину дохода индивида в качестве объясняемой переменной. Модель Минцера так же, как модели (1) и (2), предполагает возможность формирования набора со ставляющих человеческого капитала и получения оценок их значений для каждого сотрудника. Учитываются уровень образования, уровень квалификации, психомет рические характеристики, здоровье. Однако оценка человеческого капитала, полу чаемая по модели Минцера, является корректной только в предположении, что че ловеческий капитал используется эффективно. Важной особенностью моделей (1) и (2) является то, что они позволяют оценить и учесть эффективность использования человеческого капитала сотрудника. Эффективность использования как им самим, так и компанией.

Показатель, который мы будем использовать как основу при оценке ЧК со трудника – величина его потенциального дохода y jpot, ожидаемая при фактическом доходе y j в условиях эффективного использования человеческого капитала.

В случае (1) имеем y jpot = y (0) + h(q j, w j, ) E (exp{v j } | j ) = y (0) + y (1) / TE j. (9) j j j В случае (2) y jpot = h(q j, w j, ) E(exp{v j } | j ) = y j / TE j. (10) При оцененном значении j величина E(exp{u j } | j ) является мерой сни жения заработной платы вследствие неэффективного использования человеческого капитала. Величина E(exp{v j }/ j ) = exp{ j }E(exp{u j }/ j } – мерой корректировки величины заработной платы, детерминированной значениями основных факторов человеческого капитала, в результате воздействия неучтенных факторов ЧК.

В качестве оценки HC j человеческого капитала сотрудника компании мож но рассматривать отношение величины y jpot его дохода, ожидаемого в условиях эффективного использования его ЧК к величине y min заработной платы человека с минимальным количеством лет образования и без опыта работы, который может быть принят на работу в данную организацию. Например, для научной организации y min – это зарплата лаборанта – исследователя. То есть y jpot HC j =. (11) y min Человеческий капитал сотрудника можно оценивать и в стоимостном вы ражении как разность величин y jpot и y min. Поэтому в дополнение к оценке HC j будем рассматривать оценку НС j = y jpot y min. Оценка (11) представляется более удобной, так как позволяет сопоставлять человеческий капитал сотрудников орга низаций разного профиля, различающихся по уровню оплаты труда.

Оценка (11) человеческого капитала сотрудника развивает подход, исполь зованный в работе [Mulligan, Sala-i-Martin (1995)]. К. Миллиган и К. Сала исполь зовали в качестве оценки человеческого капитала отношение совокупного трудово го дохода работника к заработной плате человека с нулевым количеством лет обра зования и без опыта работы. Для оценки определенного таким образом ЧК работ ника использовалось построение регрессионного уравнения зависимости среднего недельного заработка от образования, опыта, пола, расы, семейного положения и проч. Основанная на использовании потенциального размера заработной платы оценка ЧК в форме (9), позволяет учесть влияние факторов эффективности ЧК.

Если величина ymin оказывается одинаковой для всех анализируемых (сравниваемых) компаний, то в качестве оценки ЧК компании можно использовать величины N y jpot N N N HC = HC j = и HC = HC j = y jpot N * y min, j y min j j j равные сумме оценок ЧК всех сотрудников компании, а также их средние значения HCср = HC / N и HC ср = HC / N 2.

Эффективность TEc использования ЧК компании определяется отношением фактического суммарного дохода сотрудников к величине их суммарного дохода, ожидаемого в условиях эффективного использования ЧК:

N N TEc = y j y jpot.

j j Далее возможности описанного подхода к оценке ЧК компании и ее сотруд ников демонстрируются с помощью эконометрического моделирования на конкрет ном примере одной научной организации.

Здесь следует оговориться, что эти значения могут использоваться лишь как оценки снизу для ЧК компа нии, т.к. при простом суммировании ЧК сотрудников компании игнорируется синергетический эффект, возникающий при объединении ЧК отдельных сотрудников.

3. ИСХОДНЫЕ ДАННЫЕ Основные (общие) факторы моделей описывались двумя неколичествен ными (категоризованными) переменными:

q (1) – должность сотрудника, с шестью градациями3:

• младший научный сотрудник (мнс);

• научный сотрудник (нс);

• старший научный сотрудник (снс);

• ведущий научный сотрудник (внс);

• главный научный сотрудник (гнс);

• заведующий лабораторией (завлаб).

q (2) – наличие ученой степени с тремя градациями:

• отсутствие ученой степени;

• ученая степень кандидата наук (кн);

• ученая степень доктора наук (дн).

Соответственно, переменная q (1) порождает пять участвующих в моделях фиктивных (бинарных) переменных d (1) ~ d (5), значения которых определяются сле j j дующим образом4:

d (1) = 1, если j-й сотрудник работает в должности «завлаб» (иначе d (1) = 0 );

j j d (2) = 1, если j-й сотрудник работает в должности «гнс» (иначе d (2) = 0 );

j j d (3) = 1, если j-й сотрудник работает в должности «внс» (иначе d (3) = 0 );

j j d (4) = 1, если j-й сотрудник работает в должности «снс» (иначе d (4) = 0 );

j j d (5) = 1, если j-й сотрудник работает в должности «нс» (иначе d (5) = 0 ).

j j Аналогично переменная q (2) порождает две участвующие в моделях фик тивных (бинарных) переменные s (1) и s (2), значения которых определяются сле j j дующим образом:

В расширенном варианте выборки, а именно, при добавлении в нее пяти членов дирекции, участвующих в научной деятельности, добавлялась седьмая градация – «член дирекции».

В расширенном варианте выборки предусмотрена шестая фиктивная переменная d (0) = 1, если j-й со j трудник занимает должность члена дирекции (и d (0) = 0, в противном случае).

j s (1) = 1, если j-й сотрудник имеет ученую степень «кн» (и s (1) = 0 в против j j ном случае);

s (2) = 1, если j-й сотрудник имеет ученую степень «дн» (и s (2) = 0 в против j j ном случае).

Значения переменных d (jl ) и s (jm ) регистрировались по состоянию на конец 2010 г.

Специальные факторы моделей описывались четырьмя количественными переменными:

w(1) – объем опубликованных j-м сотрудником за определенный последний j период деятельности5 монографий, учебников, учебных пособий (в п.л.);

w(2) – количество опубликованных (за тот же период) статей в рецензируе j мых журналах;

w(3) – количество выступлений (за тот же период) с докладами на конфе j ренциях;

w(4) – количество видов научно-организационной работы, в которых j-й со j трудник принимает (в течение того же периода) систематическое участие.

Параллельно с приведенными выше измерениями специальных факторов в натуральных единицах нам были доступны измерения тех же переменных в услов ных баллах (правила начисления баллов определены в специальном «Положении», см. [Ушкова (2011)]). Мы будем обозначать соответствующие балльные измерения с помощью переменных w(jl ) (l = 1, 2, 3, 4).

Анализируемые зависимые (объясняемые) переменные y j, y (0), y (1) и y (2) j j j фиксировались в тыс. руб. и измерялись в годовом исчислении в среднем за три го да: 2008–2011 гг.

Таким образом, мы располагали исходными данными вида {d } Массив 1: (1) d (2), d (3), d (4), d (5) ;

s (1), s (2) ;

w(1), w(2), w(3), w(4) ;

y j, y (0), y (1), y (2), j, j j j j j j j j j j j j j j = 1, 2, …, 172.

В соответствии со специальным «Положением», принятом в статистически обследованном научном уч реждении, данный « определенный последний период деятельности» составлял три года: 2008–2010 гг.

Массив 2: повторяет массив 1 с учетом замены «натуральных» показателей их «балльными» аналогами w(jl ) (l = 1, …, 4).

{d } Массив 3: (0) d (1), d (2), d (3), d (4), d (5) ;

s (1), s (2) ;

w(1), w(2), w(3), w(4) ;

y j, y (0), y (1), y (2), j, j j j j j j j j j j j j j j (дополнитель но включены j = 1, 2, …, 177.

5 членов ди рекции) Массив 4: повторяет массив 3 с учетом замены «натуральных» показателей w(jl ) (дополнитель (l ) но включены их «балльными» аналогами w j.

5 членов ди рекции) {s } Массив 5: содержит данные (1) s (2) ;

w(1), …, w(4) ;

z (1), z (2) ;

y (1) только для j, j j j j j j 47 сотрудников, которые дали сведения о факторах неэффективности z (ji ).

Массив 6: повторяет массив 5 с учетом замены «натуральных» показателей w(jl ) их «балльными» оценками w(jl ).

4. МОДЕЛИ И РЕЗУЛЬТАТЫ ИХ ЭКОНОМЕТРИЧЕСКОГО АНАЛИЗА Итак, представленные ниже модели предназначены для оценки человече ского капитала сотрудников научной организации и всей компании в целом. А так же – для измерения эффективности использования ЧК сотрудником и компанией, что предоставляет определенные дополнительные возможности для управления персоналом.

Одна модель может отличаться от другой:

• выбором зависимой (объясняемой) переменной;

• набором объясняющих переменных;

• общим видом функции h;

• присутствием (отсутствием) остатков u j и видом их закона распреде ления;

• единицами измерения специальных факторов w;

• составом исходных данных.

Соответственно, далее оцениваются и анализируются модели М1~М13, см.

табл. 1. В последнем столбце этой таблицы приведены конкретные позиции прило жений к данной работе, в которых представлены подробные результаты идентифи кации каждой из моделей.

Таблица Характеристики анализируемых моделей Объяс- Закон рас- Единицы Адреса резуль Зависимая Вид функ няющие предел. ос- измерения Массив татов оценива Модель (объясняемая) ции перемен- татков факторов данных ния в прило переменная h ные жениях uj w w;

q y(1) М1 натур.

(3) (7) 1 1.3;

1.4;

2.1;

2. y(1) М2 натур.

w (4) (7) 1 1.5;

2.1;

2. y(1) М3 баллы w;

q (3) (7) 2 1. y(1) М4 баллы w (4) (7) 2 1. w;

q М5 натур.

y (3) (7) 1 1.9;

2. М6 баллы w;

q y (3) (7) 2 1.10;

2. w;

q y(1) М7 натур.

(3) (7) 3 1.13;

2. y(1) М8 натур.

w (4) (8) 5 1. y(1) М9 баллы w (4) (8) 6 1. y(2) М10 не участвует баллы w (4) 4 1. y(2) М11 не участвует натур.

w (4) 2 1. w;

q y(1) М12 не участвует натур.

(3) 1 1. w;

q М13 не участвует натур.

y (3) 1 1. С целью некоторого «преданализа» моделей, в которых в качестве зависи мой переменной используется величина дополнительной заработной платы сотруд ника y (1), рассмотрим модель M12 вида j 4 ln y (1) = 0 + l ln w(jl ) + 4+l d (jl ) + 10 s (1) + 11 s (2) + j, (12) j j j l =1 l = в которую не включена остаточная случайная величина u j, определяющая эффек тивность использования ЧК. Результаты оценивания модели (12) приведены в табл. 1.3 Приложения 1. Мы видим, что наличие (отсутствие) ученых степеней не оказывает значимого влияния на величину дополнительной заработной платы. Этот факт подтвердился и при других вариантах спецификации модели, поэтому мы ис ключили переменные s (1) и s (2) из дальнейших расчетов (естественное объяснение этому факту – высокая корреляция переменных s (1) и s (2) с переменными d (1) ~ d (5), т.е. явление мультиколлинеарности).

Рассмотрим модель М1, т.е.

ln y (1) = 0 + 1 ln w(1) +... + 4 ln w(4) + 5d (1) +... + 9 d (5) + v j u j, (13) j j j j j где u j имеет экспоненциальное распределение.

Оценки параметров приведены в табл. 1.4 Приложения 1. Должность имеет значимое влияние на величину дополнительного дохода. Все коэффициенты имеют правильный знак. Характеристики 3 и 4-го специальных факторов ЧК значимы. Не эффективность значима. В табл. 2.1. Приложения 2 приведены оценки TE = E (exp{u j } | j ) эффективности использования факторов ЧК и оценки HC j ЧК для каждого сотрудника. На их основе (см. п. 3) получены следующие значения оценок ЧК организации и эффективности его использования:

HC ср HC HC HCср TEс (тыс. руб.) (тыс. руб.) 889,3 5,17 65 274 379,5 0, Для сравнения оценим ЧК на основе модели М2, в которой учитываются только специальные факторы ЧК ln y (1) = 0 + 1 ln w(1) +... + 4 ln w(4) + v j u j, (14) j j j где u j имеет экспоненциальное распределение.

Оценки параметров в табл. 1.5. Приложения 1.

Оценки ЧК организации и эффективности его использования:

HC ср HC HC HCср TEс (тыс. руб.) (тыс. руб.) 899,9 5,23 66 238 385,1 0, Оценки ЧК организации, полученные по моделям М1 с учетом и М2 без учета общих факторов ЧК, практически совпадают. Однако оценки эффективности ЧК сотрудников существенно различаются. В табл. 2.1 Приложения 2 приведены перечни сотрудников, упорядоченные по убыванию оценок эффективности ЧК, по лученных по моделям М1 и М2. В табл. 2.2 Приложения 2 приведены перечни со трудников, упорядоченные по убыванию оценок HC j, полученных по этим моде лям. Должность (опыт) является характеристикой ЧК и оказывает значимое влия ние на дополнительный доход. В модели с должностью при равных значениях ха рактеристик специальных факторов человеческого капитала ожидаемый дополни тельный доход сотрудника, имеющего более высокую должность, оказывается вы ше. Поэтому в модели М1 при равной величине дополнительного дохода и одина ковых значениях характеристик специальных факторов ЧК эффективность сотруд ника, имеющего более высокую должность, оказывается ниже. Модель М1, учиты вающая опыт сотрудников при объяснении величины дополнительного дохода, представляется более адекватной целям исследования.

Для сравнения построим модели, учитывающие характеристики специаль ных факторов ЧК, оцененные в баллах. По аналогии с моделью М1 построим мо дель М ln y (1) = 0 + 1 ln w(1) +... + 4 ln w(4) + 5 d (1) +... + 9 d (5) + v j u j, j j (15) j j j Полученные оценки представлены в табл. 1.6. Приложения 1. В модели М должность оказывает значимое влияние на величину дополнительного дохода. Вы сокая значимость 3 и 4-й характеристик специальных факторов ЧК, оцененных в баллах. Неэффективность значима. Получены следующие оценки ЧК организации и эффективности его использования:

HC ср HC HC HCср TEс (тыс. руб.) (тыс. руб.) 901,2 5,24 66 357 385,7 0, По аналогии с моделью М2 построим модель М ln y (1) = 0 + 1 ln w(1) +... + 4 ln w(4) + v j u j, j j (16) j Полученные оценки представлены в табл. 1.7. Приложения 1. Должность в модели не учитывается. Балльные оценки публикаций в виде монографий и учеб ных пособий w(1) не оказывают значимого влияния на величину дополнительного j дохода. Другие факторы значимы. Получены следующие оценки ЧК организации и эффективности его использования:

HC ср HC HC HCср TEс (тыс. руб.) (тыс. руб.) 891,1 5,18 65 347 379,9 0, Можно сделать вывод, что оценки ЧК организации и его эффективности, полученные по моделям М1, М2 с характеристиками специальных факторов ЧК в натуральном выражении и по моделям М3, М4 с характеристиками в баллах, прак тически совпадают. Поэтому для оценки ЧК можно использовать оценки характе ристик специальных факторов ЧК в той форме, которая удобна для организации и поддерживается системой мониторинга ЧК.

Далее рассмотрим модели, в которых в качестве зависимой переменной вы ступает совокупная заработная плата y, т.е. модели, порожденные соотношени ем (2) с вариантами (3) и (4) спецификации функции h ( w;

q | ). Эти модели по зволят нам получить оценки для HC, HCср, HC, HC ср и TEср для человеческого ка питала компании на основе выражения (10). Но так же, как и в случае с моделиро ванием y (1), с целью необходимого преданализа этих моделей рассмотрим сначала модель М13 в форме уравнения регрессии:

ln y j = 0 + 1 ln w(1) +... + 4 ln w(4) + 5 d (1) +... + 9 d (5) + 10 s (1) + 11s (2) + v j.(17) j j j j j j В этой регрессии логарифма величины совокупного дохода на логарифми рованные значения характеристик специальных факторов и значения основных факторов ЧК значимое влияние на величину совокупного дохода оказывает долж ность и характеристики двух специальных факторов – 3 и 4-го (см. табл. 1.8 При ложения 1). Ученая степень значимого влияния не оказывает.

По аналогии с моделью М1 построим модель М ln y j = 0 + 1 ln w(1) +... + 4 ln w(4) + 5 d (1) +... + 9 d (5) + v j u j, (18) j j j j где u j имеет экспоненциальное распределение.

Оценки параметров представлены в табл. 1.9. Приложения 1. Должность имеет значимое влияние на величину дополнительного дохода. Все коэффициенты имеют правильный знак. Характеристики специальных факторов ЧК кроме 1-го значимы на 10% уровне. Неэффективность значима.

Оценки ЧК организации и эффективности его использования:

HC ср HC HC HCср TEс (тыс.руб.) (тыс.руб.) 942,3 5,47 70 101 407,5 0, Оценки ЧК организации, полученная по модели М5 на основе совокупного дохода выше, чем оценки, полученные по моделям М1–М4 на основе дополнитель ного дохода. Соответственно, эффективность ЧК, оцененная на основе модели М ниже. Сравнение перечней сотрудников, упорядоченных по убыванию оценок эф фективности, полученных по моделям М1 и М5 (см. табл. 2.3 Приложения 2) ука зывает на то, что в модели М5, объясняющей совокупный доход, выше относи тельная эффективность сотрудников, занимающих более высокие должности.

По аналогии с моделью М3 построим модель М ln y j = 0 + 1 ln w(1) +... + 4 ln w(4) + 5 d (1) +... + 9 d (5) + v j u j, j j (19) j j Полученные оценки представлены в табл. 1.10 Приложения 1. Должность оказывает значимое влияние на величину дополнительного дохода. Высокая зна чимость 3 и 4-й характеристик специальных факторов ЧК, оцененных в баллах. Не эффективность значима. Сравнение перечней сотрудников, упорядоченных по убыванию оценок эффективности, полученных по моделям М5 и М6 (см. табл. 2. Приложения 2) указывает на значительную близость как оценок эффективности, так и оценок ЧК сотрудников.

Оценки ЧК организации и эффективности его использования:

HC ср HC HC HCср TEс (тыс. руб.) (тыс. руб.) 947,7 5,51 70 594 410,4 0, В табл. 2 представлены оценки ЧК организации, полученные на основе мо делей М1–М6.

На основании представленных в табл. 2 результатов оценки ЧК по моделям М1-М6 можно сделать следующие выводы:

– оценки ЧК организации, полученные по моделям М1–М4, в которых объ ясняемой переменной является дополнительный доход сотрудника, практически не отличаются;

– оценки ЧК организации по моделям М5 и М6, в которых объясняемой пе ременной является совокупный доход сотрудника, практически не отличаются;

– подход, основанный на использовании моделей М1–М4, приводит к ре зультатам, существенно отличающимся от полученных на основе моделей М5–М6.

Таблица Оценки ЧК организации по моделям М1-М Специальные HCср HC Модель Объясняется доход Должность факторы в HC HCср TEс (тыс. (тыс.

форме руб.) руб.) М1 дополнительный да натур. 889,3 5,17 65 274 379,5 0, М2 дополнительный нет натур. 899,9 5,23 66 238 385,1 0, М3 дополнительный да баллы 901,2 5,24 66 357 385,7 0, М4 дополнительный нет баллы 891,1 5,18 65 347 379,9 0, М5 совокупный да натур. 942,3 5,47 70 101 407,5 0, М6 совокупный да баллы 947,7 5,51 70 594 410,4 0, Заметим, что при оцененных параметрах моделей М1-М6 для каждого со трудника компании могут быть определены ожидаемые значения корректировок TE j = E(exp{u j } | j ) величины заработной платы вследствие неэффективного использования ЧК (см.

табл. 2.1–2.3 Приложения 2).

Если используемая компанией система оплаты и стимулирования труда ос нована на учете факторов человеческого капитала, то дисперсия случайной вели чины v j u j в моделях М1-М6 будет мала. То есть, величина дохода сотрудника будет в высокой степени детерминирована набором основных и специальных фак N y jpot будет близка к раз торов человеческого капитала. В этом случае величина j = меру фонда оплаты труда. Следовательно, когда система оплаты и стимулирования труда построена на основе факторов человеческого капитала, в качестве оценки объема человеческого капитала компании можно использовать фонд оплаты труда.

В противном случае, как следует из оценок, представленных в работе [Афанасьев (2007)], различие между оценкой человеческого капитала и оценкой результата его использования с учетом эффективности, может быть значительным.

Для оценки мероприятий, направленных на повышение эффективности че ловеческого капитала, может использоваться представленная в [Айвазян, Афанась ев (2009)], концепция достижимого потенциала, которая опирается на возможность управления факторами эффективности.

Описанные выше модели М1-М6 построены по данным для 172 научных сотрудников. В их число не были включены руководящие сотрудники – члены ди рекции. Для оценки их человеческого капитала нужны дополнительные специаль ные факторы, так как эти сотрудники помимо научной систематически выполняют административную работы. Должность лишь частично учитывает эту специфику.

Представленная ниже модель М7, построенная для 177 сотрудников организации, в которой учтены данные по 5 руководящим сотрудникам, позволяет проследить, каким образом их включение в выборку изменяет оценки человеческого капитала других научных сотрудников. В табл. 1.13 Приложения 1 представлены результаты оценки параметров модели М7:

ln y (1) = 0 + 1 ln w(1) +... + 4 ln w(4) + 5d (0) + 6 d (1) +... + 10 d (5) + v j u j, (20) j j j j j j где d (0) = 1, если сотрудник j является членом дирекции, иначе d (0) = 0 ;

u j имеет j j экспоненциальное распределение.

Модель М7 отличается от модели М1 только тем, что в ней учтена долж ность члена дирекции, в результате чего количество сотрудников в выборке воз росло с 172 до 177.

Оценки ЧК организации и эффективности его использования по выборке из 177 сотрудников приведены в следующей таблице.

HC ср HC HC HCср TEс (тыс. руб.) (тыс. руб.) 1013,8 5,70 76 057 427,3 0, Включение в выборку 5 сотрудников, занимающих руководящие должно сти, привело к увеличению оценок HC и HC. Эффект естественный в силу увели чения числа сотрудников в выборке. Средние значения также повысились, так как включенные в выборку руководящие сотрудники имеют высокие характеристики специальных факторов человеческого капитала. Особый интерес представляют оценки ЧК компании по совокупности 172 сотрудников без членов дирекции, рас считанные по модели М7. В следующей таблице эти оценки можно сравнить с оценками, полученными по модели М1.

HC ср HC Модель HC HCср TEс (тыс. руб.) (тыс. руб.) М7 (172) 897,9 5,22 65 624 381,5 0, М1 889,3 5,17 65 274 379,5 0, Все оценки ЧК компании по модели М7, полученные для выборки из 172 сотрудников немного выше, чем по модели М1. Причем, как видно из резуль татов, представленных в табл. 2.4 Приложения 2, повысились и оценки ЧК сотруд ников. Этот эффект объясняется снижением оценок эффективности большинства сотрудников в результате включения в модель М7 сотрудников с высокими харак теристиками факторов ЧК. Оценки ЧК и эффективности для всей совокупности со трудников по модели М7 приведены в табл. 2.5 Приложения 2.

Проведена проверка адекватности процедуры агрегирования, применяв шейся при определении значений специальных факторов ЧК. С этой целью по строены регрессионные зависимости величины надбавки в заработной плате от значений характеристик специальных факторов (см. Приложение 1). В табл. 1. Приложения 1 представлен протокол оценки параметров линейной регрессии сред ней стимулирующей надбавки к заработной плате за 2008–2010 гг. y (2) по значени ям специальных факторов человеческого капитала (в баллах), произведенной по всем 177 наблюдениям (модель М10):

y (2) = 0 + 1w(1) + 2 w(2) + 3w(3) + 4 w(4) + v j.

(21) j j j j j Значение R2 = 0,7385 достаточно высокое. Заметим, что величины надбавки рассчитываются для каждого года, а регрессия строилась для средних значений, что несколько снизило прогностическую силу модели. Все характеристики специ альных факторов ЧК значимы на 5% уровне. «Вклад» одного балла, начислен k ного по каждой характеристике специальных факторов, в размер надбавки, при мерно одинаков. Результаты свидетельствует об адекватности процедуры агреги рования, использованной при расчете характеристик специальных факторов ЧК в баллах.

В табл. 1.2 Приложения 1 представлен протокол оценки параметров линей ной регрессии средней стимулирующей надбавки y (2), усреднение за 2008– 2010 гг., по значениям специальных факторов человеческого капитала в натураль ных единицах измерения (модель М11):

y (2) = 0 + 1w(1) +... + 4 w(4) + v j. (22) j j j Значение R2 = 0,6975 достаточно высокое. Результаты свидетельствует об адекватности процедуры агрегирования, использованной при расчете характери стик специальных факторов ЧК в натуральном выражении.

Оценка значимости факторов эффективности.

В результате анкетирования были получены характеристики z1j и z 2 факто j ров эффективности ЧК для 47 сотрудников организации. Агрегированная оценка z1j получена в результате обработки ответов на вопрос «Видите ли Вы недостатки в условиях Вашей работы?», допускающий несколько типовых вариантов ответов.

Чем выше оценка, тем больше, по мнению сотрудника, проблем, препятствующих эффективной работе. Агрегированная оценка z 2 получена в результате обработки j ответов на вопрос «Существуют ли обстоятельства, снижающие Вашу мотивацию к научной работе?». Так как оценки факторов эффективности были получены не для всех сотрудников, использовать их в приведенных выше моделях для оценки ЧК организации оказалось не возможным.

Однако построены две модели для оценки значимости факторов эффектив ности ЧК:

Модель М8: ln y (1) = 0 + 1 ln w(1) +... + 4 ln w(4) + v j u j, (23) j j j Модель М9: ln y (1) = 0 + 1 ln w(1) +... + 4 ln w(4) + v j u j, j j (24) j в которых u j = N + (z j, u ) имеет усеченное в нуле нормальное распределение, с математическим ожиданием z j = 0 + 1 z (1) + 2 z (2), зависящем от значений двух j j факторов эффективности с оценками z (1) и z (2).

j j Напомним, что агрегированная оценка z1j отражает мнения сотрудников об условиях их работы. Чем выше оценка, тем больше, по их мнению, проблем, пре пятствующих эффективной работе. Агрегированная оценка z 2 отражает мнения j сотрудников о воздействии различных, в том числе и внешних проблем, снижаю щих их мотивацию. Чем выше оценка, тем больше они видят таких проблем. Оцен ки параметров моделей приведены в табл. 1.11 и 1.12 Приложения 1. Обе модели фиксируют значимое влияние оценки первого фактора. Причем, оценка коэффици ента 1 отрицательна. Чем больше проблем, тем эффективнее работа. По видимому, сотрудники, работающие более эффективно, обращают больше внима ния на проблемы, осложняющие работу. Оценки второго фактора в моделях не зна чимы. Мнения сотрудников, о наличии факторов, снижающих мотивацию, не ока зывают значимого влияния на эффективность их работы.


Заметим в заключение, что подход к формированию оценки ЧК компании как суммы оценок ЧК сотрудников является определенным упрощением, так как не учитывает синергетический эффект, который достигается компанией при объеди нении человеческих капиталов сотрудников. Основным преимуществом описанно го выше подхода является то, что этот эффект частично удается учесть за счет ис пользования методологии стохастической границы. Изменение характеристик фак торов человеческого капитала отдельных сотрудников приводит к изменению оце нок эффективности и человеческого капитала всех сотрудников компании. Оценки ЧК работающих сотрудников изменяются также в результате найма или увольне ния новых сотрудников. Однако полностью учесть синергетический эффект пред лагаемый подход не позволяет. Поэтому представленные выше оценки HC и HC следует рассматривать как оценки снизу ЧК компании.

ВЫВОДЫ 1. Подход, основанный на использовании величины потенциального дохода сотрудника, рассчитанного на основе методологии стохастической границы, позво ляет получить оценки человеческого капитала компании, допускающие интерпре тацию в контексте эффективности использования и возможности управления ЧК.

Полученные оценки могут стать основой для принятия решений по управлению персоналом с целью развития человеческого капитала и повышения эффективности его использования.

2. Показано, что в моделях, построенных для расчета ЧК научной организа ции, ученая степень не оказывает значимого влияния на величину совокупного и дополнительного дохода. Оценки ЧК отдельных сотрудников и организации в це лом, полученные по моделям М1 с учетом должности и М2 без учета должности близки, однако оценки эффективности существенно различаются. Модель М1, учи тывающая опыт сотрудников при объяснении величины дополнительного дохода, представляется более адекватной целям исследования. По тем же соображениям модель М3 предпочтительнее модели М4.

3. Оценки ЧК организации и его эффективности, полученные по модели М с характеристиками специальных факторов ЧК в натуральном выражении, практи чески совпадают с оценками ЧК по модели М3, учитывающей характеристики спе циальных факторов в баллах. То же можно сказать о моделях М5 и М6. Поэтому для оценки ЧК можно использовать оценки характеристик специальных факторов ЧК в той форме, которая удобна для организации и поддерживается системой мо ниторинга ЧК. Если характеристики специальных факторов учитываются в нату ральном выражении, то следует ориентироваться на использование моделей М1 и М5. Если характеристики специальных факторов учитываются в баллах, то следует ориентироваться на использование моделей М3 и М6.

4. Оценки ЧК организации, полученные по моделям М1 и М3, в которых объясняемой переменной является дополнительный доход сотрудника, практиче ски не отличаются. Оценки ЧК организации по моделям М5 и М6, в которых объ ясняемой переменной является дополнительный доход сотрудника, практически не отличаются.

5. Подходы, основанные на использовании моделей М1, М3 и моделей М5,М6 приводят к существенно разным оценкам. Поэтому при оценке ЧК следует выбрать одну из моделей М1 или М5, если используются оценки специальных фак торов в натуральном выражении;

одну из моделей М3 или М6, если используются оценки специальных факторов в баллах. При выборе целесообразно учитывать специфику оценки и мониторинга специальных факторов ЧК в организации.

6. Если используемая компанией система оплаты и стимулирования труда основана на учете факторов ЧК, то оценка человеческого капитала компании близ ка к размеру фонда оплаты труда. В противном случае различие между оценкой че ловеческого капитала компании и фондом оплаты труда может быть значительным.

7. Включение в выборку дополнительных сотрудников может приводить к изменению оценок человеческого капитала других сотрудников. Поэтому измене ние выборки, по которой проводится оценка человеческого капитала компании, должно быть обосновано. Важно, чтобы используемые факторы человеческого ка питала и их характеристики сохраняли адекватность при изменении выборки.

ПРИЛОЖЕНИЕ Таблица 1. Оценки параметров модели М10 (т.е. уравнения (21)) Оценки параметров линейной регрессии средней надбавки к заработной плате за 2008–2010 гг., начисленной по значениям характеристик специальных факторов ЧК (в баллах), на эти значения специальных факторов человеческого капитала (в баллах).

regress y2 _ w1 _ w2 _ w3 _ w Number of obs = F(4, 167) = 123. Prob F = 0. R-squared = 0. Adj R-squared = 0. y2 Coef. Std. Err. t Pt [95% Conf. Interval] w1 384.5973 102.1596 3.76 0.000 182.9738 586. w2 382.4779 76.51186 5.00 0.000 231.4731 533. w3 460.7612 45.50844 10.12 0.000 370.9452 550. w4 288.7855 92.93208 3.11 0.002 105.3736 472. _cons 11607.22 2412.904 4.81 0.000 6845.082 16369. Таблица 1. Оценки параметров модели М11 (т.е. уравнения (22)) Оценки параметров линейной регрессии средней надбавки к заработной плате за 2008–2010 гг., начисленной по значениям характеристик специальных факторов ЧК (в баллах), на значения специальных факторов чело веческого капитала в натуральных единицах измерения.

regress w1 w2 w3 w Number of obs = F( 4, 167) = 100. Prob F = 0. R-squared = 0. Adj R-squared = 0. y2 Coef. Std. Err. t Pt [95% Conf. Interval] x1 781.6901 158.0133 4.95 0.000 469.8331 1093. x2 2178.951 399.1642 5.46 0.000 1391.156 2966. x3 2324.072 358.8678 6.48 0.000 1615.806 3032. x4 15170.26 2984.522 5.08 0.000 9279.967 21060. _cons 3604.3 2819.611 1.28 0.203 -1960.52 9169. Таблица 1. Оценки параметров модели М12 (т.е. уравнения (12)) regress ln y1 ln w1 ln w2 ln w3 ln w4 d1 d2 d3 d4 d5 s1 s Number of obs = F(11, 160) = 8. Prob F = 0. R-squared = 0. Adj R-squared = 0. ln y1 Coef. Std. Err. t Pt [95% Conf. Interval] cons 11.28623.4212668 26.79 0.000 10.45427 12. ln w1.0119963.0174899 0.69 0.494 -.0225444. ln w2.0154303.0220541 0.70 0.485 -.0281244. ln w3.0583541.022717 2.57 0.011.0134903. ln w4.0856231.0268606 3.19 0.002.032576. d1 1.739971.4928776 3.53 0.001.7665867 2. d2 1.40105.5218106 2.68 0.008.3705255 2. d3 1.228089.4510192 2.72 0.007.3373703 2. d4 1.007771.4086461 2.47 0.015.2007348 1. d5.422004.3975973 1.06 0.290 -.3632116 1. s1 -.2016666.2482875 -0.81 0.418 -.6920099. s2 -.3277455.3555079 -0.92 0.358 -1.029839. Таблица 1. Оценки параметров модели М1 (т.е. уравнения (13)) Stoc. frontier normal/exponential model Number of obs = Wald chi2(9) = 102. Log likelihood = -210.03434 Prob chi2 = 0. ln y1 Coef. Std. Err. z Pz [95% Conf. Interval] cons 11.63093.3448454 33.73 0.000 10.95505 12. ln w1.005523.0142108 0.39 0.698 -.0223296. ln w2.0224286.0178306 1.26 0.208 -.0125188. ln w3.0579561.0182488 3.18 0.001.0221891. ln w4.0629124.0212468 2.96 0.003.0212694. d1 1.583421.3615319 4.38 0.000.8748312 2. d2 1.255572.3580668 3.51 0.000.5537744 1. d3 1.126051.3326041 3.39 0.001.4741594 1. d4 1.089803.3122426 3.49 0.000.4778184 1. d5.6351833.328278 1.93 0.053 -.0082296 1. /lnsig2v -1.170221.2087609 -5.61 0.000 -1.579385 -. /lnsig2u -.8453607.2857294 -2.96 0.003 -1.40538 -. sigma_v.5570443.0581445.4539844. sigma_u.655288.0936175.4952513. sigma2.7397008.1069791.5300256. lambda 1.176366.1322525.917156 1. Таблица 1. Оценки параметров модели М2 (т.е. уравнения (14)) Stoc. frontier normal/exponential model Number of obs = Wald chi2(4) = 56. Log likelihood = -228.5073 Prob chi2 = 0. ln y1 Coef. Std. Err. z Pz [95% Conf. Interval] cons 12.95837.131787 98.33 0.000 12.70007 13. ln w1.0221798.0149191 1.49 0.137 -.0070611. ln w2.0281628.0187462 1.50 0.133 -.0085791. ln w3.0547506.0198009 2.77 0.006.0159415. ln w4.0982304.021153 4.64 0.000.0567713. /lnsig2v -.9435173.2243952 -4.20 0.000 -1.383324 -. /lnsig2u -.7383441.3167038 -2.33 0.020 -1.359072 -. sigma_v.6239041.0700005.5007432. sigma_u.6913065.1094697.5068521. sigma2.8671609.1233131.6254717 1. lambda 1.108033.1605313.7933976 1. Таблица 1. Оценки параметров модели М3 (т.е. уравнения (15)) Stoc. frontier normal/exponential model Number of obs = Wald chi2(9) = 103. Log likelihood = -209.26781 Prob chi2 = 0. ln y1 Coef. Std. Err. z Pz [95% Conf. Interval] cons 11.45416.3262831 35.10 0.000 10.81466 12. ln w1 -.0035472.014239 -0.25 0.803 -.0314551. ln w2.0155928.0153011 1.02 0.308 -.0143969. ln w3.0478399.016075 2.98 0.003.0163335. ln w4.0562506.0169243 3.32 0.001.0230797. d1 1.529084.3586405 4.26 0.000.8261611 2. d2 1.229491.3560185 3.45 0.001.5317078 1. d3 1.130966.3285976 3.44 0.001.4869269 1. d4 1.068826.3093607 3.45 0.001.4624904 1. d5.7042548.3253923 2.16 0.030.0664977 1. /lnsig2v -1.184171.2104624 -5.63 0.000 -1.59667 -. /lnsig2u -.8474317.2861559 -2.96 0.003 -1.408287 -. sigma_v.5531725.058211.4500778. sigma_u.6546099.0936602.494532. sigma2.7345139.1065448.5256899. lambda 1.183374.1325437.923593 1. Таблица 1. Оценки параметров модели М4 (т.е. уравнения (16)) Stoc. frontier normal/exponential model Number of obs = Wald chi2(4) = 68. Log likelihood = -218.78485 Prob chi2 = 0. ln y1 Coef. Std. Err. z Pz [95% Conf. Interval] cons 12.70246.1175654 108.05 0.000 12.47203 12. ln w1.0077592.0146777 0.53 0.597 -.0210085. ln w1.0268131.0153442 1.75 0.081 -.003261. ln w1.0409012.0167805 2.44 0.015.0080122. ln w1.0836054.0157093 5.32 0.000.0528158. /lnsig2v -1.113355.2461328 -4.52 0.000 -1.595766 -. /lnsig2u -.6845058.306722 -2.23 0.026 -1.28567 -. sigma_v.5731101.0705306.4502811. sigma_u.7101686.1089122.5257997. sigma2.8327946.1248932.5880084 1. lambda 1.239149.161147.


9233063 1. Таблица 1. Оценки параметров модели М13 (т.е. линейной регрессии (17)) regress ln y ln w1 ln w2 ln w3 ln w4 d1 d2 d3 d4 d5 s1 s Number of obs = F( 11, 160) = 9. Prob F = 0. R-squared = 0. Adj R-squared = 0. ln y Coef. Std. Err. t Pt [95% Conf. Interval] cons 12.08871.2612768 46.27 0.000 11.57271 12. ln w1.013099.0108475 1.21 0.229 -.0083237. ln w2.0041803.0136783 0.31 0.760 -.0228331. ln w3.0255632.0140894 1.81 0.071 -.0022621. ln w4.0445337.0166594 2.67 0.008.011633. d1 1.448394.3056911 4.74 0.000.8446841 2. d2 1.39367.3236359 4.31 0.000.7545214 2. d3 1.072172.2797298 3.83 0.000.5197333 1. d4.8131167.2534493 3.21 0.002.3125794 1. d5.4739542.2465967 1.92 0.056 -.0130499. s1 -.1251409.1539922 -0.81 0.418 -.4292603. s2 -.3005104.2204921 -1.36 0.175 -.7359605. Таблица 1. Оценки параметров модели М5 (т.е. уравнения (18)) Stoc. frontier normal/exponential model Number of obs = Wald chi2(8) = 140. Log likelihood = -117.19209 Prob chi2 = 0. ln y Coef. Std. Err. z Pz [95% Conf. Interval] d1.7741315.1312226 5.90 0.000.5169399 1. d2.6694183.1262246 5.30 0.000.4220225. d3.4703592.1068931 4.40 0.000.2608525. d5.375528.093778 4.00 0.000.1917265. ln w1.0120683.0078942 1.53 0.126 -.0034039. ln w2.0160263.0099815 1.61 0.108 -.003537. ln w3.0215977.0099531 2.17 0.030.0020901. ln w4.0330602.0121316 2.73 0.006.0092828. cons 12.8274.1124573 114.06 0.000 12.60699 13. /lnsig2v -2.374883.1846818 -12.86 0.000 -2.736853 -2. /lnsig2u -1.812089.242118 -7.48 0.000 -2.286632 -1. sigma_v.3050006.028164.2545071. sigma_u.4041195.0489223.3187603. sigma2.2563379.0377315.1823856. lambda 1.324979.0637876 1.199958 1. Таблица 1. Оценки параметров модели М6 (т.е. уравнения (19)) Stoc. frontier normal/exponential model Number of obs = Wald chi2(8) = 144. Log likelihood = -115.90853 Prob chi2 = 0. ln y Coef. Std. Err. z Pz [95% Conf. Interval] d1.7033236.1356285 5.19 0.000.4374967. d2.6173711.1286655 4.80 0.000.3651913. d3.4371495.10746 4.07 0.000.2265317. d5.3303367.0938301 3.52 0.000.146433. ln w1.0070112.0079388 0.88 0.377 -.0085486. ln w2.0115427.0085324 1.35 0.176 -.0051806. ln w3.0167032.0087688 1.90 0.057 -.0004834. ln w4.0317787.0096828 3.28 0.001.0128007. cons 12.77933.1038694 123.03 0.000 12.57575 12. /lnsig2v -2.391626.1845697 -12.96 0.000 -2.753376 -2. /lnsig2u -1.823058.2422378 -7.53 0.000 -2.297836 -1. sigma_v.302458.0279123.2524132. sigma_u.4019092.0486788.3169796. sigma2.2530118.0373032.1798989. lambda 1.32881.0634194 1.20451 1. Таблица 1. Оценка параметров модели М8 (т.е. уравнения (23)) Stoc. frontier normal/truncated-normal model Number of obs = Wald chi2(4) = 10. Log likelihood = -41.511419 Prob chi2 = 0. ln y1 Coef. Std. Err. z Pz [95% Conf. Interval] cons 14.16722 1009.063 0.01 0.989 -1963.56 1991. ln w1.0307817.0199104 1.55 0.122 -.0082419. ln w2.0239937.0194044 1.24 0.216 -.0140383. ln w3.050538.0215224 2.35 0.019.0083549. ln w4.0634896.0273868 2.32 0.020.0098125. z1 -3.621486 1.070203 -3.38 0.001 -5.719045 -1. z2 -.3588267.3853435 -0.93 0.352 -1.114086. cons 1.96544 1009.063 0.00 0.998 -1975.762 1979. /lnsigma2 -1.071434.2062842 -5.19 0.000 -1.475743 -. /ilgtgamma -6.072269 12765.96 -0.00 1.000 -25026.9 25014. sigma2.3425171.0706559.2286087. gamma.0023006 29.30218. sigma_u2.000788 10.0365 -19.67038 19. sigma_v2.3417291 10.03674 -19.32993 20. Таблица 1. Оценка параметров модели М9 (т.е. уравнения (24)) Stoc. frontier normal/truncated-normal model Number of obs = Wald chi2(4) = 13. Log likelihood = -39.96626 Prob chi2 = 0. ln y1 Coef. Std. Err. z Pz [95% Conf. Interval] cons 14.57439.8068891 18.06 0.000 12.99292 16. ln w1.0227542.0194637 1.17 0.242 -.015394. ln w2.0154565.0163508 0.95 0.345 -.0165905. ln w3.0425249.018402 2.31 0.021.0064576. ln w4.0962563.0160566 5.99 0.000.064786. z1 -4.294117 1.388557 -3.09 0.002 -7.015638 -1. z2 -.289589.4270718 -0.68 0.498 -1.126634. cons 2.142444.5562734 3.85 0.000 1.052168 3. /lnsigma2 -1.105688.213696 -5.17 0.000 -1.524524 -. /ilgtgamma.81941 2.333496 0.35 0.725 -3.754158 5. sigma2.3309832.0707298.2177247. gamma.6941111.4954499.0228842. sigma_u2.2297391.1778169 -.1187757. sigma_v2.1012441.1622903 -.2168391. Таблица 1. Оценка параметров модели М7 (т.е. уравнения (20)) Stoc. frontier normal/exponential model Number of obs = Log likelihood = -216.86808 Prob chi2 = 0. ln y1 Coef. Std. Err. z Pz [95% Conf. Interval] ln w1.0087119.0136533 0.64 0.523 -.0180481. ln w2.0175248.0171281 1.02 0.306 -.0160457. ln w3.0563202.0180037 3.13 0.002.0210337. ln w4.0703964.0201485 3.49 0.000.030906. d0 1.503033.5353551 2.81 0.005.4537563 2. d1.216687.4619602 0.47 0.639 -.6887384 1. d2 -.0915727.4670843 -0.20 0.845 -1.007041. d3 -.2208865.4534691 -0.49 0.626 -1.10967. d4 -.2482207.4480781 -0.55 0.580 -1.126438. d5 -.7003323.4606189 -1.52 0.128 -1.603129. _cons 13.00719.4419851 29.43 0.000 12.14092 13. /lnsig2v -1.19005.2039276 -5.84 0.000 -1.589741 -. /lnsig2u -.8931705.2824493 -3.16 0.002 -1.446761 -. sigma_v.5515488.056238.4516398. sigma_u.6398092.0903568.4851096. sigma2.7135619.1004799.5166249. lambda 1.160023.1279521.9092415 1. ПРИЛОЖЕНИЕ Таблица 2. Перечень сотрудников в порядке убывания Перечень сотрудников в порядке убывания оценок эффективности TE, полученных в мо- оценок эффективности TE, полученных в мо дели M2 дели M Код сотр. Должн. Уч. Степ. TE Код сотр. Должн. Уч. Степ. TE HC HC с.н.с. к.экон.н. 0.87 19.49 с.н.с. к.экон.н. 0.88 19. 6 с.н.с. с.н.с.

142 0.85 7.09 142 0.86 7. в.н.с. к.техн.н. 0.85 в.н.с. к.техн.н. 0. 134 7.94 134 7. зав лаб. К.экон.н. 0.84 с.н.с. к.экон.н. 0. 115 6.51 98 6. гл.н.с. д.техн.н. 0.83 мл.н.с.

129 9.89 137 0.84 2. с.н.с. к.экон.н. 0.82 н.с.

98 6.52 78 0.83 5. с.н.с. гл.н.с. д.экон.н. 0.83 18. 136 0.81 7.49 гл.н.с. д.экон.н. 0.81 14.71 и.о.н.с.

139 2 0.83 5. с.н.с. к.техн.н. 0.81 гл.н.с. д.экон.н. 0.83 14. 81 5.55 зав лаб. Д.экон.н. 0.80 16.83 гл.н.с. д.техн.н. 0. 67 129 9. гл.н.с. д.экон.н. 0.80 18.92 с.н.с.

138 136 0.82 7. н.с. и.о.гл.н.с д.экон.н. 0.81 12. 78 0.80 5.20 с.н.с. к.экон.н. 0.80 н.с.

100 5.53 52 0.81 4. с.н.с. зав лаб. К.экон.н. 0. 32 0.80 6.98 115 6. в.н.с. к.экон.н. 0.79 и.о.с.н.с. к.экон.н. 0. 86 5.16 140 6. зав лаб. Д.экон.н. 0.79 14.92 зав лаб. Д.экон.н. 0.80 16. 77 и.о.н.с. с.н.с. к.техн.н. 0. 2 0.78 5.73 81 5. с.н.с. к.экон.н. 0.78 в.н.с. к.экон.н. 0. 121 7.22 86 5. и.о.гл.н.с д.экон.н. 0.78 13.32 с.н.с.

102 32 0.80 6. и.о.с.н.с. к.экон.н. 0.77 с.н.с. к.экон.н. 0. 140 6.59 121 7. с.н.с. к.т.н. с.н.с. к.экон.н. 0. 149 0.76 5.11 100 5. в.н.с. д.экон.н. 0.76 и.о.н.с.

93 5.27 61 0.79 3. в.н.с. к.экон.н. 0.76 н.с.

72 4.09 68 0.79 3. зав лаб. К.ф.-м.н. 0.76 в.н.с. д.экон.н. 0.78 10. 41 9.47 с.н.с. зав лаб. Д.экон.н. 0.78 14. 131 0.76 3.34 зав лаб. Д.экон.н. 0.75 12.74 в.н.с. д.экон.н. 0. 125 93 5. гл.н.с. д.экон.н. 0.75 н.с. к.экон.н. 0. 91 4.99 157 4. с.н.с. к.экон.н. 0.75 н.с.

128 4.38 99 0.78 4. с.н.с. к.экон.н. 0.75 и.о.н.с.

101 4.74 4 0.77 3. н.с. с.н.с. к.т.н.

52 0.74 4.67 149 0.77 5. в.н.с. к.экон.н. 0.74 в.н.с. к.экон.н. 0. 7 5.13 72 4. в.н.с. к.экон.н. 0.74 в.н.с. д.экон.н. 0. 21 5.14 144 8. с.н.с. к.экон.н. 0.74 с.н.с. к.экон.н. 0. 84 5.23 101 4. зав лаб. Д.экон.н. 0.74 10.22 н.с.

92 94 0.75 3. зав лаб. К.техн.н. 0.74 зав лаб. Д.экон.н. 0.75 12. 165 9.97 мл.н.с. с.н.с.

137 0.74 2.50 131 0.75 3. в.н.с. к.экон.н. 0.73 в.н.с. к.экон.н. 0. 74 5.24 62 5. с.н.с. к.экон.н. 0.73 в.н.с. к.биол.н. 0. 103 4.00 46 8. и.о.н.с. гл.н.с. д.экон.н. 0. 61 0.73 4.15 169 5. гл.н.с. д.экон.н. 0.73 в.н.с. к.экон.н. 0. 169 5.06 21 5. зав лаб. Д.экон.н. 0.73 с.н.с. к.экон.н. 0. 156 5.42 1 7. в.н.с. к.экон.н. 0.73 с.н.с. к.экон.н. 0. 62 5.95 84 5. зав лаб. К.экон.н. 0.73 и.о.н.с.

120 6.01 71 0.73 3. с.н.с. к.экон.н. 0.73 гл.н.с. д.экон.н. 0. 3 3.19 91 5. в.н.с. д.экон.н. 0.73 11.52 в.н.с. к.экон.н. 0. 148 7 5. Продолжение табл. 2. Код сотр. Должн. Уч. Степ. Код сотр. Должн. Уч. Степ.

TE HC TE HC с.н.с. к.ф.-м.н. с.н.с. к.экон.н.

12 0.72 4.35 128 0.73 4. с.н.с. к.биол.н. с.н.с. к.экон.н.

16 0.72 4.42 10 0.72 5. зав лаб. Д.ф.-м.н. в.н.с. к.экон.н.

80 0.72 8.43 74 0.72 5. зав лаб. Д.экон.н. с.н.с. к.ф.-м.н.

40 0.72 9.55 12 0.72 4. н.с. и.о.в.н.с. к.экон.н.

68 0.72 3.22 96 0.72 4. зав лаб. Д.экон.н. зав лаб. Д.экон.н.

20 0.72 10.12 92 0.72 10. в.н.с. д.экон.н. зав лаб. К.ф.-м.н.

144 0.72 9.09 41 0.72 9. зав лаб. Д.ф.-м.н. и.о.с.н.с. к.экон.н.

14 0.71 7.66 141 0.72 3. с.н.с. к.ф.-м.н. зав лаб. К.техн.н.

57 0.71 4.29 165 0.72 10. в.н.с. к.биол.н. с.н.с. к.биол.н.

46 0.71 8.27 16 0.71 4. зав лаб. Д.экон.н гл.н.с. д.экон.н.

66 0.71 8.96 168 0.71 8. с.н.с. к.экон.н. с.н.с. к.экон.н.

127 0.70 4.39 103 0.71 4. и.о.н.с. с.н.с. к.ф.-м.н.

4 0.70 3.87 57 0.71 4. с.н.с. к.экон.н. зав лаб. Д.экон.н.

10 0.70 5.18 40 0.70 9. в.н.с. к.ф.-м.н. с.н.с. к.экон.н.

79 0.70 4.62 3 0.70 3. с.н.с. к.экон.н. н.с.

1 0.70 7.32 70 0.70 3. и.о.с.н.с. к.экон.н. н.с.

141 0.70 4.01 56 0.70 2. н.с. зав лаб. Д.экон.н.

99 0.70 5.27 20 0.70 10. зав лаб. Д.экон.н. мл.н.с.

53 0.70 8.94 17 0.70 0. гл.н.с. д.экон.н. с.н.с. к.экон.н.

87 0.70 4.54 127 0.69 4. гл.н.с. д.экон.н. в.н.с. к.ф.-м.н.

83 0.70 4.35 79 0.69 4. с.н.с. к.экон.н. с.н.с.

5 0.69 4.28 146 0.69 4. н.с. к.экон.н. в.н.с. к.экон.н.

157 0.69 4.85 89 0.69 5. и.о.в.н.с. к.экон.н. с.н.с. к.ф.-м.н.

111 0.69 4.09 15 0.69 5. зав лаб. К.ф.-м.н. с.н.с. к.экон.н.

47 0.69 4.83 5 0.69 4. зав лаб. Д.экон.н. м.н.с. к.ф.-м.н.

161 0.69 9.94 45 0.69 2. с.н.с. н.с.

152 0.69 3.35 167 0.69 3. и.о.в.н.с. к.экон.н. в.н.с. к.ф.-м.н.

96 0.68 4.56 55 0.68 6. с.н.с. к.экон.н. с.н.с. к.экон.н.

97 0.68 3.44 97 0.68 3. зав лаб. К.экон.н. зав лаб. Д.экон.н.

154 0.68 5.38 161 0.68 10. н.с. в.н.с. к.ф.-м.н.

94 0.68 3.47 31 0.67 6. гл.н.с. д.экон.н. зав лаб. Д.экон.н 168 0.67 8.96 66 0.67 9. с.н.с. в.н.с. д.ф.-м.н.

146 0.67 5.02 42 0.67 6. в.н.с. к.экон.н. зав лаб. Д.экон.н.

89 0.67 5.35 53 0.67 9. зав лаб. Д.экон.н. гл.н.с. д.экон.н.

143 0.66 8.51 83 0.67 4. и.о.н.с. гл.н.с. д.экон.н.

71 0.66 3.55 24 0.67 7. с.н.с. к.ф.-м.н. гл.н.с. д.экон.н.

15 0.65 5.77 87 0.67 4. зав лаб. Д.ф.-м.н. зав лаб. Д.ф.-м.н.

34 0.65 7.61 80 0.67 8. гл.н.с. д.ф.-м.н. в.н.с. к.экон.н.

30 0.65 6.90 95 0.67 6. гл.н.с. д.экон.н. зав лаб. К.экон.н.

166 0.64 5.89 120 0.66 6. гл.н.с. д.экон.н. зав лаб. Д.ф.-м.н.

108 0.64 5.37 14 0.66 8. гл.н.с. д.экон.н. с.н.с.

24 0.64 7.69 152 0.65 3. в.н.с. д.ф.-м.н. гл.н.с. д.ф.-м.н.

42 0.63 6.93 30 0.65 6. с.н.с. к.ф.-м.н. и.о.в.н.с. к.экон.н.

69 0.63 3.53 111 0.65 4. в.н.с. к.экон.н. зав лаб. Д.экон.н.

112 0.62 4.19 156 0.65 5. н.с. в.н.с. к.ф.-м.н.

70 0.62 3.35 58 0.65 5. в.н.с. к.ф.-м.н. н.с.

31 0.62 6.55 122 0.64 2. в.н.с. д.ф.-м.н. гл.н.с. д.экон.н.

29 0.61 6.05 159 0.64 6. в.н.с. к.экон.н. в.н.с. д.ф.-м.н.

95 0.61 6.45 29 0.63 5. в.н.с. к.ф.-м.н. гл.н.с. д.экон.н.

55 0.61 7.47 166 0.63 5. гл.н.с. д.ф.-м.н. с.н.с. к.экон.н.

19 0.60 6.35 114 0.63 4. с.н.с. к.экон.н. в.н.с. к.экон.н.

114 0.60 4.20 112 0.63 4. Продолжение табл. 2. Код сотр. Должн. Уч. Степ. Код сотр. Должн. Уч. Степ.

TE HC TE HC в.н.с. к.экон.н. зав лаб. Д.экон.н.

85 0.60 4.14 143 0.63 8. с.н.с. д.экон.н. м.н.с.

147 0.60 2.39 49 0.63 1. гл.н.с. д.экон.н. н.с.

159 0.60 6.99 64 0.63 3. с.н.с. к.экон.н. с.н.с. к.экон.н.

113 0.59 3.62 135 0.63 4. и.о.с.н.с. к.ф.-м.н. гл.н.с. д.экон.н.

8 0.59 3.58 108 0.63 5. в.н.с. к.ф.-м.н. м.н.с.

58 0.59 6.13 50 0.62 1. с.н.с. к.экон.н. с.н.с. к.ф.-м.н.

135 0.59 4.53 43 0.62 5. гл.н.с. д.техн.н. с.н.с. к.ф.-м.н.

39 0.59 5.25 69 0.62 3. с.н.с. к.мед.н. н.с.

164 0.58 3.07 153 0.61 2. в.н.с. к.экон.н. гл.н.с. д.ф.-м.н.

130 0.58 4.35 19 0.61 6. н.с. гл.н.с. д.ф.-м.н.

56 0.57 3.09 9 0.60 6. зав лаб. с.н.с. к.мед.н.

132 0.57 5.46 164 0.59 3. гл.н.с. д.ф.-м.н. в.н.с. к.экон.н.

9 0.57 6.41 130 0.59 4. н.с. с.н.с. к.экон.н.

167 0.56 3.40 113 0.59 3. гл.н.с. д.экон.н. зав лаб. К.экон.н.

162 0.56 3.90 154 0.59 5. с.н.с. в.н.с. к.экон.н.

118 0.55 2.77 104 0.59 4. в.н.с. к.экон.н. н.с.

104 0.55 4.18 26 0.58 3. гл.н.с. д.ф.-м.н. с.н.с. д.экон.н.

25 0.54 6.28 147 0.58 2. с.н.с. к.ф.-м.н. и.о.с.н.с. к.ф.-м.н.

43 0.54 5.68 8 0.58 3. в.н.с. д.ф.-м.н. зав лаб. Д.ф.-м.н.

38 0.54 4.46 34 0.58 8. и.о.зав.л. д.экон.н. в.н.с. д.ф.-м.н.

82 0.54 7.76 44 0.57 5. в.н.с. д.ф.-м.н. в.н.с. к.экон.н.

44 0.53 6.08 85 0.57 4. с.н.с. к.экон.н. зав лаб. К.ф.-м.н.

18 0.53 3.80 47 0.57 5. с.н.с. к.экон.н. гл.н.с. д.техн.н.

151 0.53 3.10 39 0.56 5. в.н.с. к.ф.-м.н. н.с.

36 0.53 3.70 75 0.56 1. с.н.с. с.н.с. к.экон.н.

90 0.52 3.78 151 0.55 3. н.с. м.н.с.

153 0.51 2.98 48 0.55 1. с.н.с. к.экон.н. в.н.с. д.ф.-м.н.

172 0.51 3.80 38 0.55 4. с.н.с. к.экон.н. гл.н.с. д.ф.-м.н.

22 0.50 2.34 25 0.54 6. в.н.с. к.техн.н. с.н.с. к.экон.н.

160 0.49 3.10 18 0.54 3. и.о.с.н.с. к.ф.-м.н. с.н.с.

28 0.49 3.59 90 0.54 3. с.н.с. с.н.с.

63 0.49 2.81 118 0.54 2. н.с. н.с.

122 0.49 2.74 117 0.53 2. мл.н.с. с.н.с. к.техн.н.

17 0.47 1.21 35 0.53 4. гл.н.с. д.экон.н. н.с.

107 0.47 6.05 123 0.53 1. н.с. н.с.

64 0.46 4.10 133 0.52 2. м.н.с. к.ф.-м.н. с.н.с. к.экон.н.

45 0.46 2.65 172 0.51 3. н.с. гл.н.с. д.экон.н.

26 0.44 3.77 162 0.50 4. с.н.с. к.техн.н. с.н.с.

35 0.44 5.11 63 0.50 2. с.н.с. к.экон.н. и.о.зав.л. д.экон.н.

27 0.44 3.16 82 0.49 8. н.с. н.с. к.экон.н.

75 0.43 2.14 158 0.48 1. с.н.с. к.экон.н. в.н.с. к.ф.-м.н.

124 0.43 3.78 36 0.48 3. гл.н.с. д.ф.-м.н. в.н.с. к.техн.н.

65 0.42 3.68 160 0.48 3. н.с. зав лаб.

133 0.41 2.63 132 0.47 6. и.о.с.н.с. гл.н.с. д.экон.н.

23 0.41 2.20 107 0.46 6. н.с. с.н.с. к.экон.н.

117 0.41 2.36 22 0.46 2. н.с. и.о.с.н.с. к.ф.-м.н.

123 0.40 2.12 28 0.46 3. с.н.с. д.техн.н. с.н.с. д.техн.н.

145 0.37 3.77 145 0.45 3. в.н.с. к.экон.н. с.н.с. к.экон.н.

116 0.36 3.50 124 0.43 3. н.с. к.экон.н. н.с. к.ф.-м.н.

158 0.35 1.26 59 0.43 2. н.с. н.с. к.техн.н.

73 0.35 2.44 11 0.43 2. и.о.зав.ла д.экон.н. н.с.

171 0.35 4.80 73 0.42 2. Окончание табл. 2. Код сотр. Должн. Уч. Степ. Код сотр. Должн. Уч. Степ.

TE HC TE HC с.н.с. к.ф.-м.н. гл.н.с. д.ф.-м.н.

33 0.35 2.86 65 0.41 3. м.н.с. с.н.с. к.экон.н.

49 0.34 1.87 27 0.41 3. м.н.с. м.н.с.

50 0.34 2.32 109 0.37 1. н.с. к.техн.н. и.о.с.н.с.

11 0.33 2.74 23 0.36 2. н.с. к.ф.-м.н. с.н.с. к.экон.н.

59 0.33 2.28 54 0.32 3. с.н.с. к.экон.н. в.н.с. к.экон.н.

54 0.31 3.20 116 0.31 3. с.н.с. к.экон.н. в.н.с. к.экон.н.

150 0.31 1.04 76 0.31 3. в.н.с. к.экон.н. и.о.зав.ла д.экон.н.

170 0.31 2.01 171 0.31 5. м.н.с. с.н.с. к.экон.н.

48 0.26 2.22 150 0.29 1. гл.н.с. д.ф.-м.н. с.н.с. к.ф.-м.н.

13 0.25 5.91 33 0.28 3. в.н.с. к.экон.н. н.с.

76 0.24 4.15 163 0.28 2. с.н.с. к.ф.-м.н. гл.н.с. д.ф.-м.н.

110 0.23 2.24 13 0.27 5. с.н.с. к.ф.-м.н. в.н.с. к.экон.н.

37 0.22 3.32 170 0.24 2. в.н.с. д.ф.-м.н. с.н.с. к.ф.-м.н.

51 0.18 1.42 37 0.22 3. н.с. н.с.

163 0.17 2.94 119 0.21 1. н.с. н.с.

126 0.17 2.39 126 0.21 2. гл.н.с. д.ф.-м.н. с.н.с. к.ф.-м.н.

60 0.16 2.58 110 0.20 2. м.н.с. в.н.с. д.ф.-м.н.

109 0.15 2.21 51 0.15 1. н.с. с.н.с. к.экон.н.

119 0.15 1.90 88 0.12 2. с.н.с. к.экон.н. гл.н.с. д.ф.-м.н.

88 0.14 2.18 60 0.12 3. с.н.с. к.экон.н. с.н.с. к.экон.н.

155 0.07 1.44 155 0.06 1. н.с. к.экон.н. н.с. к.экон.н.

105 0.01 1.44 105 0.02 0. с.н.с. с.н.с.

106 0.01 1.42 106 0.01 1. Таблица 2. Перечень сотрудников в порядке убывания Перечень сотрудников в порядке убывания оценок человеческого капитала HC, получен- оценок человеческого капитала HC, получен ных в модели M2 ных в модели M Код сотр. Должн. Уч. Степ. TE Код сотр. Должн. Уч. Степ. TE HC HC с.н.с. к.экон.н. 0.87 19.49 с.н.с. к.экон.н. 0.88 19. 6 гл.н.с. д.экон.н. 0.8 гл.н.с. д.экон.н. 0.83 18. 138 18.92 зав лаб. Д.экон.н. 0.8 зав лаб. Д.экон.н. 0. 67 16.83 67 16. зав лаб. Д.экон.н. 0.79 14.92 зав лаб. Д.экон.н. 0.78 14. 77 гл.н.с. д.экон.н. 0.81 14.71 гл.н.с. д.экон.н. 0.83 14. 139 и.о.гл.н.с д.экон.н. 0.78 13.32 и.о.гл.н.с д.экон.н. 0.81 12. 102 зав лаб. Д.экон.н. 0.75 12.74 зав лаб. Д.экон.н. 0.75 12. 125 в.н.с. д.экон.н. 0.73 11.52 в.н.с. д.экон.н. 0.78 10. 148 зав лаб. Д.экон.н. 0.74 10.22 зав лаб. Д.экон.н. 0.72 10. 92 зав лаб. Д.экон.н. 0.72 10.12 зав лаб. Д.экон.н. 0. 20 20 10. зав лаб. К.техн.н. 0.74 зав лаб. К.техн.н. 0.72 10. 165 9.97 зав лаб. Д.экон.н. 0.69 зав лаб. Д.экон.н. 0.68 10. 161 9.94 гл.н.с. д.техн.н. 0.83 гл.н.с. д.техн.н. 0. 129 9.89 129 9. зав лаб. Д.экон.н. 0.72 зав лаб. К.ф.-м.н. 0. 40 9.55 41 9. зав лаб. К.ф.-м.н. 0.76 зав лаб. Д.экон.н. 0. 41 9.47 40 9. в.н.с. д.экон.н. 0.72 зав лаб. Д.экон.н 0. 144 9.09 66 9. зав лаб. Д.экон.н 0.71 зав лаб. Д.экон.н. 0. 66 8.96 53 9. гл.н.с. д.экон.н. 0.67 зав лаб. Д.ф.-м.н. 0. 168 8.96 80 8. зав лаб. Д.экон.н. 0.7 зав лаб. Д.экон.н. 0. 53 8.94 143 8. зав лаб. Д.экон.н. 0.66 в.н.с. д.экон.н. 0. 143 8.51 144 8. зав лаб. Д.ф.-м.н. 0.72 гл.н.с. д.экон.н. 0. 80 8.43 168 8. в.н.с. к.биол.н. 0.71 и.о.зав.л. д.экон.н. 0. 46 8.27 82 8. Продолжение табл. 2. Код сотр. Должн. Уч. Степ. Код сотр. Должн. Уч. Степ.

TE HC TE HC в.н.с. к.техн.н. зав лаб. Д.ф.-м.н.

134 0.85 7.94 34 0.58 8. и.о.зав.л. д.экон.н. зав лаб. Д.ф.-м.н.

82 0.54 7.76 14 0.66 8. гл.н.с. д.экон.н. в.н.с. к.биол.н.

24 0.64 7.69 46 0.74 8. зав лаб. Д.ф.-м.н. в.н.с. к.техн.н.

14 0.71 7.66 134 0.84 7. зав лаб. Д.ф.-м.н. с.н.с.

34 0.65 7.61 136 0.82 7. с.н.с. гл.н.с. д.экон.н.

136 0.81 7.49 24 0.67 7. в.н.с. к.ф.-м.н. с.н.с. к.экон.н.

55 0.61 7.47 121 0.8 7. с.н.с. к.экон.н. с.н.с. к.экон.н.

1 0.7 7.32 1 0.74 7. с.н.с. к.экон.н. с.н.с.

121 0.78 7.22 142 0.86 7. с.н.с. с.н.с.

142 0.85 7.09 32 0.8 6. гл.н.с. д.экон.н. гл.н.с. д.ф.-м.н.

159 0.6 6.99 30 0.65 6. с.н.с. в.н.с. к.ф.-м.н.

32 0.8 6.98 55 0.68 6. в.н.с. д.ф.-м.н. гл.н.с. д.экон.н.

42 0.63 6.93 159 0.64 6. гл.н.с. д.ф.-м.н. зав лаб. К.экон.н.

30 0.65 6.9 115 0.81 6. и.о.с.н.с. к.экон.н. в.н.с. д.ф.-м.н.

140 0.77 6.59 42 0.67 6. в.н.с. к.ф.-м.н. с.н.с. к.экон.н.

31 0.62 6.55 98 0.84 6. с.н.с. к.экон.н. и.о.с.н.с. к.экон.н.

98 0.82 6.52 140 0.8 6. зав лаб. К.экон.н. зав лаб. К.экон.н.

115 0.84 6.51 120 0.66 6. в.н.с. к.экон.н. гл.н.с. д.ф.-м.н.

95 0.61 6.45 19 0.61 6. гл.н.с. д.ф.-м.н. гл.н.с. д.ф.-м.н.

9 0.57 6.41 25 0.54 6. гл.н.с. д.ф.-м.н. гл.н.с. д.ф.-м.н.

19 0.6 6.35 9 0.6 6. гл.н.с. д.ф.-м.н. в.н.с. к.ф.-м.н.

25 0.54 6.28 31 0.67 6. в.н.с. к.ф.-м.н. зав лаб.

58 0.59 6.13 132 0.47 6. в.н.с. д.ф.-м.н. гл.н.с. д.экон.н.

44 0.53 6.08 107 0.46 6. в.н.с. д.ф.-м.н. в.н.с. к.экон.н.

29 0.61 6.05 95 0.67 6. гл.н.с. д.экон.н. гл.н.с. д.экон.н.

107 0.47 6.05 166 0.63 5. зав лаб. К.экон.н. в.н.с. д.ф.-м.н.

120 0.73 6.01 29 0.63 5. в.н.с. к.экон.н. в.н.с. к.экон.н.

62 0.73 5.95 62 0.74 5. гл.н.с. д.ф.-м.н. в.н.с. д.ф.-м.н.

13 0.25 5.91 44 0.57 5. гл.н.с. д.экон.н. зав лаб. К.экон.н.

166 0.64 5.89 154 0.59 5. с.н.с. к.ф.-м.н. в.н.с. к.ф.-м.н.

15 0.65 5.77 58 0.65 5. и.о.н.с. зав лаб. Д.экон.н.

2 0.78 5.73 156 0.65 5. с.н.с. к.ф.-м.н. гл.н.с. д.ф.-м.н.

43 0.54 5.68 13 0.27 5. с.н.с. к.техн.н. с.н.с. к.техн.н.



Pages:   || 2 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.