WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 6 | 7 || 9 | 10 |   ...   | 11 |

Ответы на вопросы №8 и № 10 позволяют вычислить минимальный доход q3 за который агент согласен отработать то количество часов, которое он фактически отрабатывает на основном месте работы. Ответы на вопросы №8 и № 11 позволяют вычислить доход q4 который агент хотел бы получать, отрабатывая то количество часов, которое он фактически отрабатывает на основном месте работы. Сравнивая доходы q3 и q4 с фактическим доходом агента q0, можно вычислить относительные показателиL1 = (q3 – q0) / q0 и L2 = (q4 – q0) / q0, которые можно считать связанными с уровнем притязаний респондентов. Распределение респондентов по уровню притязаний приведено на рисунках 29 и 30. Интересно отметить, что средние значения этих показателей превышают 200 %.

Распределение респондентов Распределение респондентов- по уровню притязаний (L1) учителей по уровню притязаний (L1) 1-2-15% 2-25% 18% 5-1-11% 0-18% 23% 5-5% 0->>10 9% 6% 3% нет данных нет данных 46% 31% Рис. 29. Распределение респондентов по уровню притязаний L Аналогичные относительные показатели можно вычислить и по ставкам оплаты (см. Приложение 2).

Распределение респондентов- Распределение респондентов по уровню притязаний (L2) учителей по уровню притязаний (L2) 1-2 2-2-8% 21% 0-1 1-15% 18% 8% 5-0-1 13% 5-10% 8% >>10 7% 5% нет данных нет данных 36% 46% Рис. 30. Распределение респондентов по уровню притязаний L' Вторая группа показателей (, r2 и r2 – см. Приложение 2) может условно быть названа «характеристики затрат агента».

Эта группа показателей представляет наибольший интерес с точки зрения целей настоящего исследования, так как именно они позволяют говорить об «идентификации» функции затрат агента, фигурирующей в формальных моделях управления (см. раздел 1.4).

Нормируя на фактическую заработную плату респондента1 qзависимость q1( ), получим зависимость q1N( ). Оказалось, что зависимость q1N( ) (и, естественно, q1( )) достаточно хорошо аппроксимируется линейной зависимостью q1N( ) =, то есть каждому респонденту можно поставить в соответствие число a1 – «ставку заработной платы»2, которую можно считать отражаю Так как процесс сбора данных занял достаточно продолжительное время, то для устранения влияния времени заполнения анкеты на результаты сравнения показателей различных респондентов использовались нормировка и/или пересчет финансовых показателей к одному моменту времени на основании официальных данных об инфляции и изменении ставок оплаты бюджетных работников.

Использование кавычек обусловлено тем, что вычислялась по нормированным ответам на вопрос №10 анкеты.

щей оценку респондентом минимальной ставки оплаты, за которую он согласиться работать (субъективная оценка снизу стоимости своего рабочего времени). Распределение респондентов по параметру приведено на рисунке 31.

Распределение респондентов Распределение респондентов- по параметру a_учителей по параметру a_0.75-1.0-2.39% 1.0-2.2.0-5.10% 16% 20% 2.0-5.12% 0.75->5.41% 13% >5.0-0.10% 29% 0.25-0.10% Рис. 31. Распределение респондентов по параметру Вычисляя q2N( ) – минимальную ветвь отображения q2( ), нормированную на фактическую заработную плату респондента q0, получаем, что зависимость достаточно хорошо аппроксимируется параболой q2N( ) = 2/2r2, то есть каждому респонденту можно поставить в соответствие число r2, которое однозначно определяет минимальную оплату, которую он хотел бы получать (а не за которую он готов был работать (!) – в отличие от ) за соответствующее число отработанных часов. Распределение респондентов по параметру r2 приведено на рисунке 32.

Распределение респондентов Распределение респондентов- по параметру r_учителей по параметру r_50-20% 20-20-19% 10-20 14% 50-18% 10% 10->18% 9% >1-4% 5% 1-5-10 5-29% 5% 49% Рис. 32. Распределение респондентов по параметру rСледуя рассуждениям, приведенным в разделе 1.4, введем зависимость c( ) затрат агента, рассчитываемую интегрированием минимальной ветви q2( ), где последняя зависимость определяется по результатам ответов на вопрос №11: q2( ) = 22 ( ).

Оказывается, что зависимость c( ) достаточно хорошо аппрокси' мируется параболой c( ) = 2/2 r2, то есть каждому респонденту ' можно поставить в соответствие число r2, которое однозначно определяет минимальную оплату, которую он готов рассматривать как справедливую компенсацию за требуемое число отработанных часов. Распределение респондентов по параметру r2 приведено на рисунке 33.

Распределение респондентов- Распределение респондентов по параметру r_2' учителей по параметру r_2' 1,0-2,0 2,0-3,1,0-2,14% 12% 0,5-1,18% 16% 3,0-10,0,5-1,8% 2,0-3,14% 10% 0,25-0,26% 3,0-10,>10,14% 6% 0,25-0,>10,0-0,26% 0-0,13% 11% 12% ' Рис. 33. Распределение респондентов по параметру rИнтересно отметить, что показатели затрат слабо коррелируют между собой и с другими показателями (см. таблицу 6).

Таблица 6. Корреляция между показателями затрат и другими характеристиками респондента a1r2r2' Gender 0,1-0,10,0,0-0,10,Age -0,10,10,Marriage Depen0,00,10,dents Education 0,0-0,2-0,Speciality -0,1-0,2-0,0,0-0,10,Position -0,10,1-0,qt0 -0,10,10,q' 0,00,0-0,-0,10,00,Index (I) 0,20,00,LL2 0,0-0,1-0,a1 1,00,00,0,01,00,r1,r2' Подведем краткие итоги. Параметр характеризует минимальную «внутреннюю» (то есть субъективную) постоянную (не зависящую от числа отрабатываемых часов) ставку оплаты труда респондента. Параметр r2 характеризует оплату, которую респондент хотел бы получать за соответствующее число отработанных Высокое значение данного коэффициента корреляции объясняется ' тем, что r2 и r2 являются производными показателями и вычисляются на основании одних и тех же первичных показателей.

' часов. И, наконец, параметр r2 отражает минимальную оплату1, гибко зависящую от числа отрабатываемых часов, за которую респондент готов отрабатывать соответствующее число часов и которую он считает адекватной своему вкладу (так как этот параметр рассчитывался по минимальной ветви ( )). Последний фактор имеет существенное значение, так как построенная «функция затрат» c( ) характеризует не только компенсирующую составляющую оплаты труда, но и минимальный размер вознаграждения, который играет в некотором смысле мотивирующую роль.

Взаимосвязь между введенными производными показателями (индекс агента, уровень притязаний агента и характеристики затрат агента) и его первичными показателями исследуется в следующем разделе.

2.4. КЛАССИФИКАТОРЫ СТРАТЕГИЙ Как отмечалось выше, выделенные в предыдущем разделе производные показатели респондентов являются информативными с точки зрения анализа индивидуальных стратегий предложения труда, уровня притязаний и идентификации функции затрат для дальнейшего использования последней в формальных моделях управления организационными системами (см. раздел 1.4).

Однако, учитывая специфику практических задач управления, приходится признать, что в каждом конкретном случае получение детализированной информации о предпочтениях агентов (путем проведения опросов и пр.) не представляется возможным. Поэтому целесообразно априорное (на тестовых выборках) установление зависимостей между «объективными» (первичными) характеристиками агентов (пол, возраст, семейное положение и образование) и производными показателями (ин' Статистический анализ свидетельствует, что r2 не меньше r2 с 99% уровнем значимости (с учетом того, что первый параметр характеризует минимальную оплату за один час работы в день, а второй параметр – минимальную оплату за один час работы каждый день в течение 22 дней в месяц).

декс, уровень притязаний и показатели затрат), на основании предсказанных значений которых могут вырабатываться управляющие воздействия (см. заключение). Процессу и результатам поиска этих зависимостей на основании результатов проведенного экспериментального исследования посвящен материал настоящего раздела. Другими словами, попытаемся ответить на вопрос – можно ли, имея «объективные» характеристики агентов, предсказать, например, их типы (отражающие стратегии индивидуального поведения), уровни притязаний и т.д., и какова степень уверенности в результатах таких предсказаний.

Отдельную проблему представляет выбор математического аппарата. Многие объективные и производные показатели измеряются в номинальных шкалах (пол, образование, должность, индекс и др.), поэтому для установления взаимозависимости между ними неприменимы многие хорошо развитые статистические методы1 (дисперсионный анализ, дискриминантный анализ, кластерный анализ и др. [1, 25]). Если ограничиться только количественными показателями (возраст, зарплата, рабочее время, показатели затрат и т.д.), то, во-первых, часть существенной информации об агентах будет игнорироваться, и, во-вторых, получающиеся при этом результаты будут малоконструктивными для использования на практике (например, по результатам дисперсионного анализа ни один из первичных количественных показателей не оказывает статистически значимого влияния на показатели затрат).

Помимо упомянутых выше статистических методов, на сегодняшний день существует множество подходов к классификации номинальных и порядковых признаков [1]. Останавливаться на описании используемого в них аппарата мы не будем2, а опишем результаты применения реализующих их программных средств к задачам классификации респондентов рассматриваемого в настоящей главе опроса.

Кроме того, большинство из этих методов оперирует моделями линейной связи между переменными [ ].

Имеет смысл отметить, что отличаются они используемыми метриками в пространстве показателей, а также правилами обучения.

Результатом классификации (x1, x2, …, xk) будем считать y набор логических правил, который мы будем в дальнейшем условно называть классификатором, вида «Если x1 [a1; b1] и x2 [a2; b2] и … xk [ak; bk], то y [a; b]», где x1, x2, …, xk – «объективные» характеристики агента, k – их число, y – предсказываемый производный показатель, [a1; b1], [a2; b2], … [ak; bk] и [a; b] – диапазоны значений соответствующих показателей. Примером логического правила является: «Если респондент – мужчина 40-50 лет с высшим образованием, имеет двух иждивенцев и работает учителем, то его значение индекса равно двум» (см. Приложение 6).

Набор логических правил должен быть таков, чтобы каждому возможному набору значений объективных характеристик ставился в соответствие определенный диапазон значений предсказываемого производного показателя. При заданной выборке основным критерием «качества» классификатора K( ) является процент правильной классификации, который определяется как доля тех респондентов, для которых предсказанное данным классификатором значение производного показателя совпало с фактическим. Естественно, имеет смысл сравнивать процент правильной классификации любого классификатора с процентом правильной классификации K0 «случайного классификатора», который, независимо от комбинации входных данных, с равной вероятностью выбирает любое допустимое значение предсказываемого производного показателя.

Таблица качества для трех классификаторов1 (NeuroShell Classifier (NSC), STATISTICA Classifications Trees и логический Отметим, что все объективные показатели, за исключением возраста, являются номинальными. Поэтому возраст и количественные производные показатели категоризовывались на 5 значений (каждая из групп содержала одинаковое число респондентов, за исключением возраста, для которого группы выделялись в соответствии с диаграммами, приведенными в Приложениях 3 и 4), которым могут быть поставлены в соответствие, например, значения лингвистической переменной: «низкий», «ниже среднего», «средний», «выше среднего», «высокий» (причем под «средним» понимается средний по данной выборке). Отказ от использования категоризации количественных классификатор (ЛК), реализованный авторами1) и шести основных производных показателей приведена ниже.

Таблица 7. Качество классификации всех респондентов STATISTICA NeuroShell Classifica- ЛК KClassifier tions Tree L1 -44% 51% 20% L2 -46% 47% 20% I 54%53% 53% 32% -48% 49% 20% r2 -45% 45% 20% ' 39%39% 48% 20% rАналогичные результаты для респондентов-учителей приведены в таблице 8.

Таблица 8. Качество классификации респондентов-учителей STATISTICA NeuroShell Classifica- ЛК KClassifier tions Tree 20% L1 -54% 57% 20% L2 -57% 58% I 53%53% 56% 30% -56% 56% 20% r2 -50% 50% 20% ' 47%47% 49% 20% rпеременных повышает качество классификации (например, (NSC) ' rувеличивается с 39% (см. таблицу 6) до 55%), но порождает вопрос о возможности применения настроенного классификатора к новым данным.

Описание логического классификатора и результаты классификации приведены в Приложении 6.

Из результатов таблиц 7-8 следует, что примерно для половины респондентов производные показатели могут быть правильно определены на основании информации только об их объективных характеристиках.

Возможность использования результатов классификации в задачах управления обсуждается в третьей части настоящей работы и в заключении.

ЧАСТЬ III. ИНДИВИДУАЛЬНЫЕ СТРАТЕГИИ ПРЕДЛОЖЕНИЯ ТРУДА В ЗАДАЧАХ УПРАВЛЕНИЯ Третья (заключительная) часть настоящей работы посвящена рассмотрению теоретико-игровых моделей управления (стимулирования) в организационных (активных) системах (АС), в которых рациональное поведение агентов – активных элементов (АЭ) – описывается той или иной индивидуальной стратегией предложения труда из рассмотренных с теоретической точки зрения в первой части, и с экспериментальной точки зрения – во второй части.

Как отмечалось выше, задача стимулирования может формулироваться в двух терминах – в терминах функций полезности, и в терминах функций затрат АЭ. Исследованию теоретикоигровых моделей стимулирования, в которых в целевой функции АЭ фигурирует его функция затрат, посвящено множество работ [15,19-24]. Задачи же, сформулированные в терминах функций полезности, или, что почти то же самое (см. раздел 1.4) – в терминах зависимости желательной продолжительности рабочего времени от ставки оплаты, практически не исследованы. Поэтому рассмотрим задачи из этого класса. В том числе, ниже описываются: задача управления продолжительностью проекта (раздел 3.1) и задача формирования состава АС (раздел 3.2). В обеих моделях для простоты считается, что, на основании описанных во второй части классификаторов агентов по типам индивидуальных стратегий предложения труда, всех АЭ, входящих в АС и претендующих на участие в АС, можно разделить на четыре типа (с известными характеристиками), причем АЭ одного типа одинаковы.

3.1. МОДЕЛЬ УПРАВЛЕНИЯ ПРОДОЛЖИТЕЛЬНОСТЬЮ ПРОЕКТА Рассмотрим АС, представляющую собой множество I АЭ – исполнителей некоторого проекта. Предположим, что в состав АС входят n1 АЭ первого типа (в смысле стратегии предложения труда – см. вторую часть настоящей работы), n2 АЭ второго типа, n3 – третьего и n4 – четвертого. Если обозначить n – общее число АЭ (|I| = n), то n1 + n2 + n3 + n4 = n.

Pages:     | 1 |   ...   | 6 | 7 || 9 | 10 |   ...   | 11 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

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.