Применение эконометрических методов для управления человеческим капиталом
DOI:
https://doi.org/10.46991/BYSU:G/2023.14.3.016Ключевые слова:
эконометрические методы, управление человеческим капиталом, анализ главных компонентов (PCA), метод K-means, кластерный анализ, линейный дискриминантный анализ (LDA), эконометрическая оптимизация, язык программирования PythonАннотация
В исследовании проведён анализ применения эконометрических методов для оптимизации управления человеческим капиталом. Цель исследования заключается в объединении различных эконометрических методов в поэтапный алгоритм для совершенствования системы управления человеческим капиталом. Методическую основу исследования составили метод главных компонент (PCA), кластерный анализ методом K-means и линейный дискриминантный анализ (LDA). Тестирование выбранных методов было реализовано с использованием языка программирования Python. В качестве объектов тестирования были отобраны предприятия из стран Евразийского экономического союза (ЕАЭС); совокупная выборка по отобранным предприятиям составила 200 наблюдений по 15 показателям, характеризующим человеческий капитал. Применение PCA для снижения размерности данных позволило упростить сложный набор данных, делая его более управляемым для выявления ключевых направлений вариабельности в аспектах человеческого капитала. Тестирование показало, что четыре главные компоненты объяснили около 78.7% вариативности данных. Применение K-means позволило провести группировку данных в четыре отдельных кластера, которые определяют различные группы сотрудников со специфическими характеристиками. Применение LDA помогло определить ключевые факторы, разделяющие кластеры. Тестирование показало, что первая и вторая дискриминантные компоненты эффективно разделили кластеры, объясняя значительную часть вариативности между ними (78.7% объясненной дисперсии). Результаты исследования демонстрируют значимость применения эконометрических методов в реальной практике управления человеческим капиталом, предлагая новые подходы и инструменты для повышения эффективности управленческих решений в условиях ускорения интеллектуального развития экономических систем.
Библиографические ссылки
Дмитриев Н. Д., Зайцев А. А. Интеллектуальный капитал в промышленности: особен-ности и место рентных подходов. СПб.: Астерион, 2022.
Marr B. Data-Driven HR: How to Use Analytics and Metrics to Drive Performance. Kogan Page Publishers, 2018. 264 p.
Айвазян Н., Гзоян Э. Оценка интеллектуального капитала стран СНГ в контек-сте науки // Вестник Ереванского Университета: Экономика. 2012. № 3(1).
Полевая М. В. Управление человеческими ресурсами в условиях глобальных измене-ний. Москва: Прометей, 2019. 236 с.
Дмитриев Н. Д. Зайцев А. А., Родионов Д. Г. Модель взаимосвязи между ин-теллектуальным капиталом и формированием рентного дохода промышленных пред-приятий // Вестник академии знаний. 2023. № 4. С. 92-97.
Гродский В. С. Управление человеческими ресурсами: теория, практика, эффек-тивность. М.: Инфра-М, 2022. 278 с.
Карапетян Т. Капитализация национального богатства через инвестиционные фонды // Вестник Ереванского Университета: Экономика. 2020. № 1.
Герасимов А. Н., Скрипниченко Ю. С., Скрипниченко В. Ю. Социально-экономические факторы формирования и использования человеческого капитала в про-екции их влияния на экономическую безопасность // Вестник Академии знаний. 2022. №6 (53).
Ларин С. Н., Куропаткина Л. В., Хрусталев Е. Ю. Эффективность вузовской науки как важнейший фактор развития человеческого капитала // Политематический сетевой электронный научный журнал КубГАУ. 2021. № 166 (02).
Guenole N., Ferrar J., Feinzig S. The Power of People: How Successful Organiza-tions Use Workforce Analytics To Improve Business Performance. FT Press, 2017.
Дмитриев Н. Д. Интеллектуальный рычаг как инструмент оценки эффективно-сти «интенсивных» инвестиций // Экономика и Индустрия 5.0 в условиях новой реаль-ности (ИНПРОМ-2022): сборник конференции. 2022.
Овсепян В. Развитие человеческого капитала и экономический рост // Вестник Ереванского Университета: Экономика. 2015. № 2.
Becker G. S. Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education. University of Chicago Press, 2009.
Mathis R. L., Jackson J. H., Valentine S. R., Meglich P. Human Resource Manage-ment. Cengage Learning, 2016.
Дмитриев Н. Д. Зайцев А. А., Унгвари Л. Развитие экономико-математического аппарата управления интеллектуальным капиталом через оптимизационные модели // Бизнес. Образование. Право. 2023. № 3.
Тарасов В. Т., Данилов И. П. Эконометрический анализ детерминантов чело-веческого капитала // Вестник ЧГУ. 2012. № 4.
Маградзе Т., Дмитриев Н. Д. Моделирование мотивационных механизмов уп-равления человеческими ресурсами в электроэнергетике // Human Progress. 2020. № 2.
Greene W.H. Econometric Analysis. Prentice Hall, 2003.
Provost F., Fawcett T. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media, Inc., 2013.
Hanushek E.A., Woessmann L. The Knowledge Capital of Nations: Education and the Economics of Growth. MIT Press, 2015.
Scholz T.M. Data in Organizations and the Role of Human Resource Management: A Complex Systems Theory-based Conceptualization, 2017.
Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Min-ing, Inference, and Prediction. Springer Science & Business Media, 2013.
Izenman A.J. Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning. Springer New York, 2013.
Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Вестник Ереванского Университета
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.