Диссертация (Влияние управления человеческими ресурсами на результаты деятельности банков на российском рынке), страница 17
Описание файла
Файл "Диссертация" внутри архива находится в папке "Влияние управления человеческими ресурсами на результаты деятельности банков на российском рынке". PDF-файл из архива "Влияние управления человеческими ресурсами на результаты деятельности банков на российском рынке", который расположен в категории "". Всё это находится в предмете "экономика" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата экономических наук.
Просмотр PDF-файла онлайн
Текст 17 страницы из PDF
Для сбора данных о чистой прибыли и расчета показателейИнформация по кредитным организациям [Электронный ресурс] / Официальный сайт ЦБ РФ. – Режимдоступа: http://cbr.ru/credit/main.asp581рентабельности активов и рентабельности капитала необходимо анализироватьотчеты о прибылях и убытках банков, а также собирать информацию по чистойприбыли, операционным доходам и расходам. Данные по общим активам исобственному капиталу необходимо собирать из бухгалтерских балансов банков,размещенных в открытом доступе на сайте Банка России в разделе «Информация покредитным организациям».В методике оценки учитывается, что при изучении влияния системы УЧР нарезультаты деятельности банков, данные об этих результатах необходимо брать неза тот же период, когда осуществлялся сбор данных о системе УЧР, а запоследующий.Такимобразом,впредлагаемойметодикесоблюдаетсяпредиктивный характер анализа, когда собранные в более ранний период времениданные о системе УЧР сопоставляются с текущими результатами деятельностиорганизации.
Такая логика уже использовалась в похожих исследованиях [Huselid,1995; Эфендиев и др., 2014].Шаг 2. Расчет показателей. Для более точного отражения показателейрезультатовдеятельностибанковпредлагаетсяиспользоватьусредненныйпоказатель, рассчитанный как среднее арифметическое между показателями за двагода. Все расчеты необходимо проводить в статистической программе.В соответствии с описанными этапами оценки системы УЧР, оценкирезультативности системы УЧР и результатов деятельности банков в предлагаемойметодике вводится следующая система показателей (таблица 18):82Таблица 18. Система показателей, включённых в методику оценкиГруппапоказателейПоказателиИсточники данныхдля оценки ирасчета показателяS - ориентациясистемы УЧР настратегические целибанкаАнкетированиеН - состав функцийруководителейУЧРслужб УЧРℎ ) - автоматизацияСистема УЧРфункций УЧРF - гибкость системыУЧРI - инновационностьсистемы УЧРЕ - объем расходов наСправочник поперсонал банка,кредитнымвключая инвестиции в организациям ЦБ РФобучение и развитие(In)P - производительность Отчетность потрудаМСФО банковРезультативность HC ROI Справочник посистемыкредитнымрентабельностьУЧРорганизациям ЦБинвестиций вРФчеловеческий капиталNP -чистая прибыльРезультатыдеятельностибанкаROA - рентабельностьактивовROE - рентабельностькапиталаСправочник покредитныморганизациям ЦБ РФКоличественноевыражениепоказателя0≤S≤60≤H≤60≤ℎ ≤60≤F≤60≤I≤6E>0In≥0P≥0˗∞>HC ROI>+∞NP≥0ROA≥0ROE≥0Заключительный этап методики оценки предполагает статистический анализвлияния системы УЧР на результаты деятельности банков на российском рынке.Этап 5.
Статистический анализ влияния системы УЧР на результатыдеятельности банковШаг 1. Корреляционный анализ между показателями результативностисистемы УЧР и показателями результатов деятельности банков. Изучениевлияния системы УЧР на результаты деятельности банков первоначальнонеобходимо осуществить на базе корреляционного анализа между показателямирезультативности системы УЧР (производительность труда и рентабельностьинвестиций в человеческий капитал) и показателями результатов деятельностибанков (чистая прибыль, рентабельность активов, рентабельность капитала).
В связис тем, что две группы показателей являются количественными признаками,83необходимо рассчитывать коэффициент ранговой корреляции Кендалла встатистической программе.Шаг 2. Многофакторный регрессионный анализ влияния показателейрезультативностисистемыУЧРнарезультатыдеятельностибанков.Регрессионный анализ предполагается осуществлять в программе STATA. При этомдля проведения многофакторного регрессионного анализа необходимо провестипервоначальныйотборфакторов.Отборфакторовпредставляетсобойэвристическую процедуру.
В результате корреляционного анализа необходимовыбратьпоказатели,оказывающиесдоверительнойвероятностью0,95статистически значимое влияние на результаты деятельности банков, после чегопоказателиснедостаточнойэкономическойинтерпретируемостьюикоррелирующие между собой нужно удалить и построить регрессионную модель.Предполагается использовать метод наименьших квадратов (МНК). Общий видмодели:yit xit ' ai uit , где ai – ненаблюдаемый фактор неоднородности, внезависимостиоткластера;uit–характернаяошибкамодели,причемE[uit , uis ] 0, t s .
Оценки, полученные методом наименьших квадратов, будутсостоятельными (т.е. сходиться по вероятности к истинным значениям параметров)тогда и только тогда, когдаE[ xit , uit ] 0, E[ xit , at ] 0, t , i (далее при построениимоделей corr(u_i, X)). Более того, среднеквадратические ошибки модели в случаеиспользования МНК надежны, только если отсутствует автокорреляция в рядуошибок, а также выполняется условие гомоскедастичности.В том случае, если при построении МНК не будет достигнуто всехнеобходимых предпосылок для использования данного подхода, необходимоиспользовать другой вариант регрессионного анализа.
В результате могут бытьиспользованы методы, аналогичные методам анализа панельных данных – модели спостоянным эффектом и модели со случайным эффектом [Baltagi, 2013].Модели с постоянным эффектом и модели со случайным эффектомбазируются на допущении строгой экзогенностиE[uit | at , xis ] 0, s 1...T i .Поскольку кластерный анализ позволил выявить достаточно однородные группы(достигаются одновременно высокое значениеPseudo Fи низкое значениеPseudo T 2 ),84есть все основания предполагать наличие строгой экзогенности. Модель случайныхэффектов основана на дополнительном допущенииE[at | xit ] 0 (далее припостроении моделей corr(u_i, X)). Если это условие соблюдается, использованиеслучайных эффектов приводит к более эффективным оценкам, то есть меньшейдисперсии оценок [Baltagi, 2013].Шаг 3.
Построение системы эконометрических уравнений. Для определениявлияния системы УЧР на чистую прибыль, рентабельность активов и рентабельностькапитала банков, предлагается построить систему эконометрических уравнений.Система рекурсивных эконометрических уравнений (метод оценки – трехшаговыйМНК) позволит выявить влияние частных эффектов переменных УЧР на результатыдеятельности банков.В итоге, разработанную методику оценки влияния системы УЧР нарезультаты деятельности банков на российском рынке схематично можнопредставить следующим образом (рисунок 5):Рисунок 5.
Методика оценки влияния системы УЧР на результаты деятельностибанков на российском рынкеВажно отметить, что подобная методика не применялась в другихисследованиях. Её особенностью является комплексное включение различных85показателей, характеризующих систему УЧР и предиктивный характер анализа. Вследующем пункте работы представлено описание этапов апробации предложеннойметодики оценки влияния системы УЧР на результаты деятельности банков.2.5.
Этапы апробации методики оценкиАпробация предложенной методики оценки влияния системы УЧР нарезультаты деятельности банков на российском рынке проходила в два этапа:пилотный и основной.2.5.1. Пилотный этапВ рамках пилотного этапа, проходившего с ноября 2011 года по март 2012года, была сформирована выборка обследуемых банков; изучена публичнаяинформация на сайтах банков, в годовых отчетах и кадровых политиках банков;проведены полуструктурированные интервью с руководителями служб УЧР банков.В соответствии с первым этапом методики оценки влияния УЧР нарезультаты деятельности банков на российском рынке, необходимо сформироватьвыборку обследуемых банков. По данным ЦБ РФ на 1 января 2014 года число банковв России составило 859 [Справочник по кредитным организациям, 2014]. Такимобразом, в рамках традиционного подхода к формированию выборки данноеисследование должно было включать 43-86 банков.
Однако с целью повышениявалидности результатов, в итоге, для проведения исследования удалось обеспечитьвыборку из 200 банков (что составляет 23% от генеральной совокупности).Как показал проведенный анализ российского банковского сектора, основнуюдолю составляют универсальные банки, предоставляющие широкий спектр услуг.Из 200 банков выборки доля универсальных банков составила 85,4% (N=170);корпоративных – 5,9% (N=13); розничных – 4,4% (N=10) и 4,3% (N=8) –инвестиционных. Большая часть банков (61,5%,N=123) располагается вЦентральном федеральном округе, 55,5% (N=111) имеют головной офис в Москве.Остальные – в других городах России: Санкт-Петербурге (7,5%, N=15), Самаре (3%,N=6), Казани (2,5%, N=5), Новосибирске (2%, N=4), Екатеринбурге (2%, N=4),Челябинске (1,5%, N=3), Саратове (1,5%, N=3), Калининграде (1%, N=2),Краснодаре (1%, N=2), Тольятти (1%, N=2).Основную долю выборки (92%, N=184) составили частные банки сотечественным капиталом.
В исследование также включены 18% (N=36) банков с86иностранным капиталом с целью анализа различий в практиках управлениячеловеческими ресурсами в российских и зарубежных банках. В структурероссийского банковского сектора среди 859 банков 14% являются банками синостранным капиталом и 3% банков, контролируемых государством 6. В выборкеисследования доля государственных банков составила 8% (N=16).В структуре выборки преобладают банки, имеющие период работы нароссийском рынке более 18 лет: 59,5% (N=119) – от 18 до 22 лет; 25,5% (N=51) –более 22 лет.