Academic Journal

Адаптивные регрессии в применении к моделированию эффективности труда в ОАО «Ковротекс»

Bibliographic Details
Title: Адаптивные регрессии в применении к моделированию эффективности труда в ОАО «Ковротекс»
Source: Вестник Саратовского государственного социально-экономического университета.
Publisher Information: Государственное образовательное учреждение высшего профессионального образования "Саратовский государственный социально-экономического университет", 2012.
Publication Year: 2012
Subject Terms: 8. Economic growth, ПРОИЗВОДИТЕЛЬНОСТЬ ТРУДА, МНОЖЕСТВЕННАЯ РЕГРЕССИЯ, ПОШАГОВАЯ РЕГРЕССИЯ, ПОЛНЫЙ ПЕРЕБОР СТРУКТУР, ГРЕБНЕВАЯ РЕГРЕССИЯ
Description: В работе приводятся результаты численных экспериментов по описанию производительности труда, основанного на данных одного их текстильных предприятий Ульяновской области ОАО «Ковротекс». Прослеживается зависимость производительности труда от восьми факторов (возраст, общий стаж, стаж работы по специальности и т.д.). При этом рассматривается поэтапный процесс экспресс-обработки в автоматическом режиме. Результаты проведенного эксперимента доказывают преимущества использования АРМ-перехода вместо классического регрессионного анализа.
The paper presents the results of numerical experiments of modeling labour efficiency based on the data from one of textile mills of the Ulyanovsk region "Kovroteks." The author observes the dependence of labor productivity from eight factors (age, work experience, professional experience, etc.). At the same time the study considers a phased process of rapid processing in automatic mode. The results of the experiment demonstrate the benefits of using ARM-method instead of the conventional regression analysis.
Document Type: Article
File Description: text/html
Language: Russian
ISSN: 1994-5094
Access URL: http://cyberleninka.ru/article/n/adaptivnye-regressii-v-primenenii-k-modelirovaniyu-effektivnosti-truda-v-oao-kovroteks
http://cyberleninka.ru/article_covers/14880598.png
Accession Number: edsair.od......2806..ec3cc8d2a37771bbd952eca23e50a33d
Database: OpenAIRE
Description
ISSN:19945094