RIETI - 正規社員が管理職になる決定要因およびその男女間の格差―従業員と企業のマッチングデータに基づく実証分析―
本稿では、労働政策研究・研修機構が2012年に実施した「男女正社員のキャリアと両立支援に関する調査」における企業調査票、管理職調査票、一般従業員調査票を活用し、企業と雇用者（管理職、一般従業員）のマッチングデータを構築し、管理職になる決定要因およびその男女間の格差に関する実証分析を行った。得られた主な結論は以下の通りである。第1に、女性の課長以上の管理職になる決定要因に関しては、まず、個人属性における人的資本要因（経験年数、学歴、勤続年数）、家族要因（子供あり）、仕事要因（労働時間、昇進意欲、仕事に関する意識）が女性の管理職になることに影響を与えることが確認され、欧米を対象とした先行研究に類似した結果が得られた。次に、日本の特徴としては、企業レベル要因における企業属性要因（業種、組合、社員における女性の割合、正社員における管理職の割合など）、および制度・政策要因（たとえば、PA施策、WLB
RIETI - 出身大学、職務評価、昇進：雇用者学習モデルの人事データを用いた推定
このノンテクニカルサマリーは、分析結果を踏まえつつ、政策的含意を中心に大胆に記述したもので、DP・PDPの一部分ではありません。分析内容の詳細はDP・PDP本文をお読みください。また、ここに述べられている見解は執筆者個人の責任で発表するものであり、所属する組織および（独）経済産業研究所としての見解を示すものではありません。 人的資本プログラム (第三期：2011～2015年度) 「企業内人的資源配分メカニズムの経済分析―人事データを用いたインサイダーエコノメトリクス―」プロジェクト 会社内での出世を決めるのは出身大学か、入社後の業績か? この疑問に答えるため、本研究では雇用主が各ホワイトカラー従業員の能力を出身大学と上司からの評価を組み合わせることで推測し、能力が高いと判断されたものを昇進させるというモデルを構築し、そのモデルパラメータを製造業大手2社の人事データを用いて推定した。 図1に
RIETI - University Prestige, Performance Evaluation, and Promotion: Estimating the employer learning model using personnel datasets
雇用主学習モデルは雇用主が、従業員の能力についての先験的分布を学歴から形成し、職務のパフォーマンスを観察しながらその分布を更新していくと仮定する。本論文は各従業員の出身大学、職務評価、職能等級に関する豊かな情報を含んだ2つの大規模製造業企業の人事データを用いて、大卒ホワイトカラー労働者についての雇用主学習モデルのパラメータを推定した。推定の結果は雇用主は従業員の能力を素早く学習することを示しており、当初の予測誤差は3年から4年のうちに半減する。企業は名門大学の卒業生を早く出世させるがそれは名門大学の卒業生が一般的に職務上のパフォーマンスがよいためである。 The employer learning model postulates that employers form employees' prior ability distribution from educational crede
「人事を科学する」──ブラック企業問題を解決できるか？
世間の注目度は今のところまだ高くはないようだが、何だか気になる。今年に入って、そう思った話がある。ERP（統合基幹業務システム）パッケージ国内大手のワークスアプリケーションズが発表した、2月26日付のニュースリリースだ。 その内容は、「ワークスアプリケーションズが東京大学と経済産業研究所と手を組み、グローバルで勝てる人材政策のメカニズムを研究する」というものだ。直感的に何だかすごそうである。どんな方法で、そんなことを実現しようとしているのだろうか。 取り組みのキーワードは、ビッグデータ分析だ。「今回の研究は、企業の人事関連データを収集・分析し、人事を科学しようという試みだ」。ワークスアプリケーションズの鈴木竜プロダクト事業本部ゼネラルマネジャーは、こう説明する。 人事ビッグデータ分析の手順はこうだ。 アンケートでなく“生”の人事データを分析 企業から従業員の労働時間や評価、昇進の状況、配属
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
