ОЦЕНКА ЭФФЕКТИВНОСТИ УЧЕТА И АНАЛИЗА ЗАТРАТ НА ОХРАНУ ТРУДА С ПРИМЕНЕНИЕМ СТАТИСТИЧЕСКИХ МЕТОДОВ
DOI:
https://doi.org/10.51579/1563-2415.2025.-4.03Ключевые слова:
охрана труда (OSH), учет затрат, статистические методы, эмпирические модели, управление рисками, прогнозирование, оценка эффективности, управление предприятием.Аннотация
В статье представлено исследование по оценке эффективности систем учета и анализа затрат на охрану труда на уровне предприятия с применением статистических и моделирующих методов. В работе адаптированы подходы, ранее применявшиеся при моделировании социальных процессов, к сфере охраны труда, включая построение эмпирических зависимостей, выбор функциональной формы (линейная, показательная, логарифмическая, степенная, дробно-рациональная) и определение параметров методом наименьших квадратов. На основе статистических данных о затратах на охрану труда, несчастных случаях и факторах риска выявлены функциональные зависимости между затратами и результатами, такими как снижение уровня травматизма и рост производительности. Для прогнозирования использованы сценарные подходы с построением пессимистических и оптимистических прогнозов на основе критерия Вальда, что позволило повысить надежность оценки эффективности затрат. Полученные результаты демонстрируют успешные практики и проблемные аспекты, а также содержат статистически обоснованные рекомендации по совершенствованию систем учета затрат на охрану труда. Результаты исследования представляют практическую ценность для руководителей, специалистов по охране труда и управлению рисками, а также исследователей, способствуя формированию научно обоснованных стратегий повышения безопасности и эффективности труда.
Библиографические ссылки
Veltri, A., Ramsay, J. Economic Analysis Make the Business Case For SH&E // Professional Safety. – 2009. – Vol. 54. – № 9. – Р.22-30.
Dorman, P. Macroeconomics: A Fresh Start. – Springer, 2014. – 456 р. ISBN 13: 9783642374401.
Rantanen, J., Khinast, J. The Future of Pharmaceutical Manufacturing Sciences // Journal of Pharmaceutical Sciences. – 2015. – Vol. 104. – № 11. – Р. 3612-3638. https://doi.org/10.1002/jps.24594.
Ericson, P. G. P. и др. Diversification of Neoaves: Integration of Molecular Sequence Data and Fossils // Biology Letters. – 2006. – Vol. 2. – № 4. – Р.543-547. https://doi.org/10.1098/rsbl.2006.0523.
Ahlqvist, A. Merjalaiset-suurten järvien kansaa // Virittäjä. – 1998. – Vol. 102. – № 1. – Р. 24-55.
James, G., Witten, D., Hastie, T., Tibshirani, R., Taylor, J. Linear Regression // An Introduction to Statistical Learning: With Applications in Python. – Cham: Springer International Publishing, 2023. – Р. 69–134. https://doi.org/10.1007/978-3-031-38747-0_3.
Gao, Y., Mahadevan, S., Song, Z. An Over-Parameterized Exponential Regression // arXiv preprint arXiv:2303.16504. – 2023. https://doi.org/10.48550/arXiv.2303.16504.
Schober, P., Vetter, T. R. Logistic Regression in Medical Research // Anesthesia & Analgesia. – 2021. – Vol. 132. – № 2. – Р.365-366. https://doi.org/10.1213/ANE.0000000000005247.
Baranger, D. A. A. и др. Tutorial: Power Analyses for Interaction Effects in Cross-Sectional Regressions // Advances in Methods and Practices in Psychological Science. – 2023. – Vol. 6. – № 3. https://doi.org/10.1177/25152459231187531.
Sajid, T. и др. Quadratic Regression Analysis for Nonlinear Heat Source/Sink and Mathematical Fourier Heat Law Influences on Reiner-Philippoff Hybrid Nanofluid Flow Applying Galerkin Finite Element Method // Journal of Magnetism and Magnetic Materials. – 2023. – Vol. 568. – е. 170383. https://doi.org/10.1016/j.jmmm.2023.170383.
Aghaei, A. A. Rkan: Rational Kolmogorov–Arnold Networks // arXiv preprint arXiv:2406.14495. – 2024. https://doi.org/10.48550/arXiv.2406.14495.
Goyal, P., Benner, P. Discovery of Nonlinear Dynamical Systems Using a Runge–Kutta Inspired Dictionary-Based Sparse Regression Approach // Proceedings of the Royal Society A. – 2022. – Vol. 478. – № 2262. – e. 20210883. https://doi.org/10.1098/rspa.2021.0883.
Ding, F. Least Squares Parameter Estimation and Multi-Innovation Least Squares Methods for Linear Fitting Problems from Noisy Data // Journal of Computational and Applied Mathematics. – 2023. – Vol.426. – e. 115107. https://doi.org/10.1016/j.cam.2023.115107.
Sun, M. и др. Complex Parameter Rao, Wald, Gradient, and Durbin Tests for Multichannel Signal Detection // IEEE Transactions on Signal Processing. – 2021. – Vol. 70. – P. 117-131. https://doi.org/10.1109/TSP.2021.3132485.
Yee, T. W. On the Hauck–Donner Effect in Wald Tests: Detection, Tipping Points, and Parameter Space Characterization // Journal of the American Statistical Association. – 2022. – Vol. 117. – № 540. – P. 1763-1774. https://doi.org/10.1080/01621459.2021.1886936.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2025 А.С. Искакова, А.М. Бакирбекова, Ш.К. Абикенова, Л.К. Ногайбаева
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
