Akademik Veri Yönetim Sistemi
International Journal of Business Research, cilt.16, sa.4, ss.130-137, 2016 (Scopus)
ÇALIŞAN GECİKMELERİNİN BELİRLEYİCİLERİ
(BİR ATIK YÖNETİMİ ŞİRKETİNİN VERİLERİ ÜZERİNE BİR ANALİZ)
1. AMAÇ
Bu araştırmanın amacı, Türkiye’de faaliyet gösteren bir atık yönetim şirketinin verilerini kullanarak çalışan gecikmelerinin belirleyicilerini analiz etmektir.
2. YÖNTEM
2.1. Data
Veri seti 128 çalışandan oluşmaktaydı. Örneklem ağırlıklı olarak erkek, büyük ölçüde mavi yakalı ve göreceli olarak gençti.
Spesifik olarak örneklemin %84’ü (108) erkek, %78’i ise, beyaz yakalı çalışandı. Ortalama yaş 36,2 (25 ile 55 yaş arasında değişen yaşlarda). Ortalama kıdem süresi, 8,4 yıldı. %44’ü üniversite mezunuydu. Örneklemin %68’i evli, %57’sinin 1 ile 3 arasında değişen çocuk sahibiydi.
2.2. Değişkenler
Gecikme bağımlı değişkendi (işyerine gecikilen süre ile ölçülmüştür). Bağımsız değişkenler ise, demografik değişkenler, işle ilişkili faktörler ve işle ilişkili olmayan faktörlerden oluşmaktaydı.
2.3. Veri Analizi
Araştırmada, ANOVA, Spearman correlation analysis and hiyerarşik regresyon analizi kullanılmıştır.
3. SONUÇLAR
İstatistiksel analizler gecikmeler açısından cinsiyet farklılığı olduğunu göstermiştir. Kadınların erkeklere oranla daha fazla gecikme yaşadıkları gözlenmiştir. Ayrıca, gecikmeler yaş, eğitim, birim, ay ve burç ile güçlü şekilde ilişkili bulunmuştur. Hiyerarşik regresyon analizleri, yaş ve eğitim seviyesi (demografik özellikler), kıdem ve birim (işle ilişkili faktör) ve gecikme ayı, günü ve geciken kişinin burcu (işle ilgili olmayan faktör) gecikmelerin belirleyicileri olduğunu göstermiştir.
PREDICTORS OF EMPLOYEE LATENESS
(ANALYSIS OF DATA FROM A WASTE MANAGEMENT COMPANY)
1. PURPOSE
The purpose of the paper is to study the predictors of employee lateness using a data set from a waste management company, Istanbul, Turkey.
2. METHOD
2.1. Data
The dataset included a sample of 128 employees. The sample was mostly male and predominantly blue-collar and slightly young. Particularly, of the sample, 84 percent (108) were male, and 78 percent (100) were blue-collar workers, with mean age of 36.2 years ± 5.6, ranging from 25 to 55 years. The average tenure was 8.4 years. 44 percent had a bachelor's degree. More than two thirds of the sample was married (68%). 57% of the employees had from one to three children.
2.2. Variables
Lateness was the dependent variable, which was defined by the number of minutes late to work. The independent variables were employee characteristics (i.e. gender, age), job characteristics (i.e. department, position) and non-work factors (i.e. month, astrological sign).
2.3. Data Analysis
The study used ANOVA, Spearman correlation analysis and the hierarchical regression analysis.
3. RESULTS
The statistical analysis showed significant gender differences regarding employee lateness, with women having higher rates of tardiness than men. Moreover, tardiness was found to be highly correlated with age, education, tenure, department, month and astrological signs. Finally, the findings of the hierarchical regression analysis revealed that age and education level (employee characteristics), tenure and department (job characteristics) and month, day and astrological sign (non-work characteristics) were the predictors of lateness.