Дипломная работа: Влияние факторов внешней и внутренней среды на выбор форм денежного вознаграждения в организациях на российском рынке

3.2 Этап 1: выводы по результатам исследования

Подводя итог осуществленного в рамках первого этапа анализа, в приложении 8 представлены матрицы сопряженности, позволяющие сравнить все полученные модели. Как можно увидеть, кластеры в обеих трех-кластерных моделях расщепляются на маленькие (не на целые крупные части). Это свидетельствует не в пользу более укрупненных моделей: это может означать, что они включают в себя компании со слишком разрозненными характеристиками. Более того, самая первая модель, судя по всему, в большей степени представляет собой просто разбиение континуума используемых практик на 3 группы, что не позволяет однозначно судить о результатах, представленных в группе «средних» компаний. Таким образом, для дальнейшего анализа и построения регрессионной модели наиболее целесообразно использование шести-кластерной модели (Модель F2).

Сравнив полученные кластерные модели и изначальные предположения, можно прийти к выводу, что часть из них, действительно, была подтверждена. Это относится к двум первым предположениям, пятому предположению о совместном применении всех форм финансового участия, частично - к 3-му и 6-му предположению.

В рамках принятой к дальнейшему анализу модели, значимое отличие практик вознаграждения руководителей от используемых форм для остальных групп персонала (предположение 4) было обнаружено только в одном кластере. Также, предположение 8 о комбинированном использовании участия в целях и участия в прибыли было частично обнаружено в рамках последней модели.

Некоторые предположения, например, седьмое, о разделении на группы практик по использованию, в первую очередь, индивидуальных форм и групповых форм, не получило никакой поддержки, что, отчасти, довольно закономерно в рамках предыдущих эмпирических исследований (Jirjan, 2018, Kang, Shen, 2015).

3.3 Этап 2: результаты исследования

На следующем этапе была осуществлена проверка наличия линейной взаимосвязи попарно между используемыми при анализе переменными. Наличие значимой линейной связи между фактором и кластерным распределением было выявлено только в случае возраста компании (положительная, p<0,01) и применения любых форм увольнений для всех категорий персонала (положительная, p<0,05). Наличие связи между независимыми переменными, также, было выявлено в случае достаточно большого количества факторов, что повлияло в дальнейшем на включение данных факторов в модели регрессионного анализа. Корреляции между факторами и принадлежностью к каждому кластеру представлены в приложении 11.

Далее, были построены регрессионные модели.

Принадлежность к первому кластеру, согласно регрессионному анализу (бинарная логистическая регрессия) значимо связана с изменениями двух организационных факторов: использованием компанией опросов в качестве метода получения информации от работников (положительно, повышает вероятность на 4%) и годом основания компании (негативно, уменьшает вероятность на 6%) (см. таблицу 7). Результаты не позволяют принять Гипотезу 8.

Таблица 7

Модель бинарной логистической регрессии, зависимая переменная - принадлежность к кластеру 1

p=0.05; Nagelkerke R Square = 0,145

Согласно мультиномиальному регрессионному анализу, принадлежность к первому кластеру значимо связана только с возрастом компании (см приложение 12). Компании, возраст которых менее 10 лет или более 45, с большей вероятностью принадлежат к кластеру 1, чем к кластеру 4, по сравнению с компаниями, чей возраст более 10 лет, но менее 25, при неизменных прочих переменных. Как можно увидеть в приложении 11, рассматриваемая переменная, также, значимо коррелирует с долей временно занятых сотрудников, однако, в модели это не вошло.

Принадлежность к кластеру 2 связана с группой переменных, каждая из которых, однако, оказывает крайне незначительный эффект (менее 1%); более того, в данном случае присутствует мультиколлениарность между переменными. Тем не менее, как можно увидеть в таблице 8, использование именно такой группы практик вознаграждения обратно связано с годом создания компании и с уровнем определения ставок оплаты труда, что не позволяет принять Гипотезу 4, а также не соответствует предположениям Гипотезы 10. Положительная связь наблюдается с ростом рынка, на котором осуществляет свою деятельность компания, в поддержку Гипотезы 28, долей частично занятых сотрудников (что не позволяет принять Гипотезу 14) и долей сотрудников старше 50 лет (что также не соответствует Гипотезе 27).

Таблица 8

Модель бинарной логистической регрессии, зависимая переменная - принадлежность к кластеру 2

p=0,05; Nagelkerke R Square = 0,285

По результатам построения моделей мультиномиального логистического регрессионного анализа, для второго кластера, также, значимой переменной оказался возраст (см. приложение 12-14). Однако, в данном случае представлена другая картина: компании, возраст которых менее 10 лет, с большей вероятностью принадлежат к кластеру 2, чем к кластеру 4, по сравнению с компаниями, чей возраст более 10 лет, но менее 25. Кроме того, в одной из моделей значимыми оказались использование компанией практики обучение без отрыва от производства и доля женщин в компании. Согласно данной модели, компании, которые применяют практики обучения на рабочем месте в средней степени, более склонны использовать практики кластера 2, чем кластера 4, по сравнению с компаниями, использующими практики обучения на рабочем месте в большой степени, при прочих равных. Данный вывод дает достаточно неожиданный для изначальных предположений результат, хотя и в некоторой степени подтверждает предположение о позитивной связи принадлежности к кластеру 4. Также, компании с наименьшей долей женщин менее вероятно принадлежат к кластеру 2, чем компании, где женщин больше 25%, при прочих равных. Значимым фактором, согласно другой модели, оказалось и количество сотрудников (размер организации). Небольшие компании (до 250 человек в штате), по сравнению с очень крупными компаниями (более 1000 человек) с большей вероятностью будут принадлежать к кластеру 2, чем к кластеру 4. В заключение, по логлинейной модели (представлено в приложении 15 ) кластер 2 и строительная отрасль обратно связаны, так как вероятность принадлежности к кластеру 2 в случае строительного сектора меньше, чем к кластеру 4 при производственном секторе. Связь с отраслевым распределением подтвердил и корреляционный анализ (см. приложение 11).

При оценке вероятности принадлежности к кластеру 3 не было обнаружено ни одной значимой бинарной регрессионной модели. Единственным фактором, которой в какой-либо степени оказался связанным с принадлежностью к кластеру, стал возраст организации (прямая связь) (см. табл. 9), с которым была обнаружена связь и при оценке корреляции (см. приложение 11). По результатам построения мультиномиальных регрессионных моделей (см. приложения 12-14), принадлежность к кластеру 3, по сравнению с 4-м кластером, более вероятна, если в компании в средней мере используют обучение на рабочем месте (по сравнению с очень широким распространением), что частично подтверждает Гипотезу 1, а также в случае, если в компании доля женщин 25% и более. По другой модели наиболее старые компании более вероятно обладают практиками, характерными для кластера 3, чем кластера 4, аналогично модели бинарной логистической регрессии.

Результаты логлинейного анализа позволили выявить обратную связь между принадлежностью к данному кластеру и строительным сектором (см. приложение 15). Связь с отраслью была обнаружена и по результатам оценки корреляции.

Таблица 9

Модель бинарной логистической регрессии, зависимая переменная - принадлежность к кластеру 3

p=0,05; Nagelkerke R Square = 0,096

В случае оценки вероятности принадлежности к кластеру 4 (см. табл. 10), были выявлены следующие переменные: использование обучения на рабочем месте (самый сильный положительный эффект, повышение вероятности на 13%), год основания компании (положительная связь, увеличение вероятности на 9%), охват профсоюзами (негативная связь, снижение вероятности на 3%), а также доля женщин в компании (самый сильный негативный эффект - снижение вероятности на 4%). Доля женщин и охват профсоюзами, также, значимо коррелирует с зависимой переменной (см. приложение 11). Таким образом, влияние использования обучения без отрыва от производства противоречит выдвинутому в Гипотезе 1 предположению относительно обратной связи с кластером 4. В то же время, поддержку получили гипотезы 10 и 12 (части, относящиеся к четвертому кластеру).

Таблица 10

Модель бинарной логистической регрессии, зависимая переменная - принадлежность к кластеру 4

p=0,05; Nagelkerke R Square = 0,312

Так как данный кластер, как наиболее наполненный, является референтным (в модели закодирован как последний, 6-й кластер), результаты анализа принадлежности к данному кластеру по сравнению с другими описаны в остальных блоках. Что касается результатов логлинейного анализа, представленного в приложении 15, в четвертом кластере менее вероятно будут компании секторов торговли и транспорта, отдыха, рекламы и медиа, финансов и профессиональных услуг, образования и другие, чем компании производственного сектора.

На принадлежность к пятому кластеру было обнаружено воздействие трех факторов: применение практик обучения на рабочем месте, состояние рынка, на котором работает компания, а также охват профсоюзами (см. табл. 11). Все три фактора негативно связаны с данным профилем денежного вознаграждения компаний, наибольшим эффектом обладает состояние рынка компании: изменение в большую сторону снижает вероятность принадлежности к кластеру на 2%.

Таблица 11

Модель бинарной логистической регрессии, зависимая переменная - принадлежность к кластеру 5