ตั้งราคาตลาดด้วย Regression วิธีกำหนดเงินเดือนที่แม่นยำขึ้น

การตั้งราคาตลาดด้วยการวิเคราะห์ regression คือการสร้างเส้นอ้างอิงทางสถิติที่เชื่อมคะแนนค่างานกับอัตราตลาด แทนที่จะอ่านตัวเลขจากตารางสำรวจโดยตรง วิธีนี้ช่วยให้องค์กรประมาณอัตราที่เหมาะสมสำหรับตำแหน่งที่ไม่มีในการสำรวจได้ และลดการพึ่งพาการตัดสินเชิงอัตวิสัยในการกำหนด midpoint (จุดกลางค่าตอบแทนของแต่ละช่วงเงินเดือน)

การสำรวจค่าตอบแทนในตลาดแรงงานไทยมักครอบคลุมตำแหน่งหลักในกลุ่มใหญ่ แต่ตำแหน่งเฉพาะทางหรือตำแหน่งที่ออกแบบเองในองค์กรมักหาข้อมูลอ้างอิงตรงได้ยาก การวิเคราะห์ regression จึงเป็นเครื่องมือเสริมที่ช่วยให้กระบวนการออกแบบโครงสร้างเงินเดือนมีความเป็นระบบและอธิบายได้มากขึ้น

Regression ในบริบทค่าตอบแทน หมายความว่าอะไร

การวิเคราะห์ regression (regression analysis) หรือการวิเคราะห์ถดถอย คือวิธีทางสถิติที่หาความสัมพันธ์ระหว่างตัวแปรสองชุด ในบริบทค่าตอบแทน ตัวแปรต้น (x) คือคะแนนค่างานที่ได้จากกระบวนการประเมินค่างาน (job evaluation) และตัวแปรตาม (y) คืออัตราตลาดที่ได้จากข้อมูลสำรวจ

ผลลัพธ์ที่ได้คือ “เส้นตลาด” (market line) ที่แสดงแนวโน้มว่าตำแหน่งที่มีคะแนนระดับหนึ่งควรได้รับค่าตอบแทนเท่าใดตามภาพรวมตลาด เส้นนี้ต่างจากการอ่านตัวเลขจุดเดียวตรงที่มันต่อเนื่องตลอดช่วงคะแนน ทำให้องค์กรสามารถประมาณค่าได้แม้ในจุดที่ไม่มีข้อมูลตลาดโดยตรง

กระบวนการนี้ต่างจากการ “กะ” midpoint ตรงที่ทุกจุดบนเส้นถูกกำหนดโดยข้อมูลจริง ไม่ใช่การตัดสินใจเชิงอัตวิสัย เมื่อมีตำแหน่งใหม่เกิดขึ้นในองค์กร ผู้ออกแบบโครงสร้างเพียงแค่ทราบคะแนนค่างานของตำแหน่งนั้น ก็สามารถอ่านอัตราที่ควรจะเป็นจากเส้นได้ทันที โดยไม่ต้องรอให้ตำแหน่งนั้นปรากฏในการสำรวจครั้งถัดไป

ทำไมต้องใช้ Regression แทนการอ่านตารางสำรวจตรง ๆ

การอ่านตาราง percentile จากการสำรวจโดยตรงมีข้อจำกัดอยู่สองประการ ประการแรก การสำรวจไม่ได้ครอบคลุมทุกตำแหน่งในทุกอุตสาหกรรม ถ้าตำแหน่งขององค์กรไม่ตรงกับกลุ่มตัวอย่างในการสำรวจ การนำตัวเลขมาใช้โดยตรงอาจเกิดการเปรียบเทียบที่ผิดพลาด ประการที่สอง การเลือก percentile โดยไม่มีหลักการที่อธิบายได้ เช่น เลือก P50 หรือ P75 ตามความรู้สึก ทำให้ยากต่อการอธิบายให้ผู้บริหารและพนักงานเข้าใจ

Regression แก้ปัญหานี้ด้วยการสร้างเส้นอ้างอิงจากข้อมูลทั้งหมดพร้อมกัน แทนที่จะดูทีละจุด ทำให้โครงสร้างที่ได้มีความสม่ำเสมอตลอดทุกระดับงานและอธิบายที่มาได้ชัดเจน

นอกจากนี้ ในองค์กรที่มีตำแหน่งงานหลายสายและหลายระดับ การใช้เส้น regression เดียวกันตลอดทั้งองค์กรช่วยให้ midpoint progression ระหว่าง band มีความสม่ำเสมอและสอดคล้องกัน ต่างจากการกำหนด midpoint แยกรายตำแหน่งซึ่งมักเกิดความไม่สอดคล้องที่อธิบายได้ยาก โดยเฉพาะเมื่อต้องรักษา midpoint progression ในช่วง 10-25% ระหว่างแต่ละ grade ให้เป็นระเบียบ

วิธีตั้งราคาตลาดด้วย Regression ทำอย่างไร

ขั้นที่ 1 — รวบรวมและทำความสะอาดข้อมูล

รวมคะแนนค่างาน (job evaluation score) ของแต่ละตำแหน่งเข้ากับข้อมูลอัตราตลาด (ใช้ P50 เป็นฐาน) จากแหล่งเดียวกัน ตรวจสอบว่าคำนิยามงานในการสำรวจตรงกับตำแหน่งขององค์กร และตัดข้อมูลผิดปกติที่เกิดจากความไม่ตรงกันของกลุ่มเปรียบเทียบออกก่อน

ขั้นนี้สำคัญที่สุด เพราะผลลัพธ์ของ regression ดีเท่าคุณภาพข้อมูลที่ป้อนเข้า ถ้าคะแนนค่างานคิดมาไม่รอบคอบหรือข้อมูลตลาดมาจากกลุ่มเปรียบเทียบที่ไม่ตรง เส้นที่ได้จะคลาดเคลื่อนตั้งแต่ต้น

ในทางปฏิบัติ ข้อมูลที่ควรนำมาใช้ควรมาจากการสำรวจที่กำหนดกลุ่มเปรียบเทียบ (peer group) ไว้ชัดเจน เช่น อุตสาหกรรมเดียวกัน หรือขนาดองค์กรใกล้เคียงกัน การนำข้อมูลจากการสำรวจที่กว้างเกินไปหรือไม่ตรงกลุ่มมาใช้อาจทำให้เส้น regression สะท้อนภาพตลาดที่ไม่ใช่คู่แข่งจริงของบริษัท ส่งผลให้ midpoint ที่ได้สูงหรือต่ำกว่าความเป็นจริงโดยไม่จำเป็น

ขั้นที่ 2 — สร้างเส้น regression และตรวจสอบความน่าเชื่อถือ

นำคะแนนค่างาน (แกน x) และอัตราตลาด (แกน y) มาสร้างเส้นถดถอยเชิงเส้น (linear) หรือเส้นโค้ง (log-linear) ขึ้นอยู่กับรูปแบบของข้อมูล จากนั้นตรวจสอบค่า R² ซึ่งบอกว่าคะแนนค่างานอธิบายความแตกต่างของอัตราตลาดได้กี่เปอร์เซ็นต์

ค่า R² ที่ยอมรับได้ในงานออกแบบโครงสร้างค่าตอบแทนโดยทั่วไปอยู่ที่ 0.70 ขึ้นไป ถ้าต่ำกว่านี้ให้กลับไปตรวจสอบว่ามีข้อมูลผิดปกติหลงเหลือ หรือคะแนนค่างานยังไม่สะท้อนความซับซ้อนของงานได้ดีพอ นอกจากค่า R² ให้ดูแผนภาพกระจาย (scatter plot) ประกอบเสมอเพื่อหาจุดที่ยังคลาดเคลื่อนอย่างมีนัย

สิ่งที่ต้องระวังเป็นพิเศษคือตำแหน่งที่อยู่ห่างจากเส้นมากผิดปกติ ซึ่งเรียกว่าจุดข้อมูลผิดปกติ (outlier) จุดเหล่านี้อาจเกิดจากการจับคู่ตำแหน่งกับการสำรวจที่ไม่ตรงกัน หรือตำแหน่งที่มีลักษณะงานพิเศษเฉพาะองค์กร การเก็บจุดผิดปกติเหล่านี้ไว้ในการวิเคราะห์โดยไม่ตรวจสอบจะดึงเส้นให้เบี่ยงเบน และส่งผลให้ midpoint ของตำแหน่งอื่น ๆ คลาดเคลื่อนตามไปด้วย

ขั้นที่ 3 — กำหนด policy line และช่วงเงินเดือน

เลือกตำแหน่ง policy line ขององค์กรเทียบกับเส้นตลาด เช่น ที่ P50 สำหรับนโยบายจ่ายเท่าตลาด หรือ P60 สำหรับนโยบายนำตลาด จากนั้นขยายสัดส่วนช่วง (spread) ออกทั้งสองด้านตามนโยบาย

ตัวอย่างสมมติเพื่ออธิบายกลไก ไม่ใช่ค่าแนะนำ: ถ้า midpoint ของ band หนึ่งอยู่ที่ 50,000 บาท และองค์กรใช้ spread 50% ช่วงเงินเดือนจะอยู่ที่ประมาณ 37,500-62,500 บาท (minimum = midpoint × 0.75, maximum = midpoint × 1.25) ค่า spread ที่เหมาะสมโดยทั่วไปอยู่ในช่วง 40-60% ขึ้นกับลักษณะงานและนโยบายองค์กร

สำหรับข้อมูลเพิ่มเติมเรื่องการคำนวณ spread และ midpoint progression สามารถอ่านเพิ่มเติมได้ที่ โครงสร้างเงินเดือน 101

ขั้นที่ 4 — ทดสอบกับข้อมูลพนักงานปัจจุบัน

นำโครงสร้างที่ได้มาเปรียบเทียบกับเงินเดือนจริงของพนักงาน คำนวณ compa-ratio เพื่อดูว่าใครอยู่นอกช่วง (ต่ำกว่า minimum หรือสูงกว่า maximum) และประเมินต้นทุนในการปรับก่อนนำไปใช้จริง

ขั้นนี้ช่วยป้องกันการนำโครงสร้างที่ดูดีบนกระดาษไปใช้แล้วเกิดผลกระทบต้นทุนที่ไม่ได้วางแผนไว้ ควรทำการวิเคราะห์หลายสถานการณ์ก่อนนำเสนอผู้บริหาร เช่น สถานการณ์ที่ปรับเฉพาะคนที่ต่ำกว่า minimum ก่อน เทียบกับสถานการณ์ที่ปรับพร้อมกันทุกคน เพื่อให้ผู้บริหารตัดสินใจได้บนพื้นฐานของผลกระทบต้นทุนจริง ไม่ใช่โครงสร้างเชิงทฤษฎีเพียงอย่างเดียว

ขั้นที่ 5 — ทบทวนและปรับปรุงเป็นรอบ

กำหนดรอบทบทวน regression อย่างน้อยปีละหนึ่งครั้งหรือเมื่อตลาดเปลี่ยนแปลงอย่างมีนัย เส้นที่ใช้มานานเกินไปโดยไม่อัปเดตจะสะท้อนตลาดจริงได้น้อยลงและอาจทำให้โครงสร้างที่มีอยู่ล้าหลังโดยไม่รู้ตัว

ควรบันทึกไว้ในเอกสารประกอบโครงสร้างด้วยว่าเส้น regression ที่ใช้อยู่นั้นอ้างอิงข้อมูลสำรวจชุดใด จากปีใด และใช้กลุ่มเปรียบเทียบอะไร เพื่อให้ผู้รับช่วงต่อสามารถทำการทบทวนได้อย่างมีข้อมูลครบถ้วน ไม่ต้องเริ่มต้นใหม่ทุกรอบ

ข้อควรระวังที่ HR ต้องรู้ก่อนใช้ Regression

Regression เป็นเครื่องมือสถิติ ไม่ใช่สูตรที่ให้คำตอบเดียว ผู้ออกแบบโครงสร้างต้องอ่านผลร่วมกับบริบทธุรกิจ กลยุทธ์ค่าตอบแทน และข้อจำกัดทางงบประมาณเสมอ ตัวเลขที่ออกมาจาก regression เป็นจุดเริ่มต้นของการตัดสินใจ ไม่ใช่จุดสิ้นสุด

นอกจากนี้ regression วิเคราะห์แบบ bivariate (สองตัวแปร) ในรูปแบบพื้นฐาน ในความเป็นจริงค่าตอบแทนได้รับอิทธิพลจากหลายปัจจัยพร้อมกัน เช่น อุตสาหกรรม ขนาดองค์กร และภูมิภาค การออกแบบที่ดีจึงต้องใช้ regression เป็นหนึ่งในเครื่องมือ ไม่ใช่เครื่องมือเดียว

ข้อจำกัดอีกประการหนึ่งที่ควรทราบคือ regression บอกเพียงว่า “ตลาดจ่ายเท่าไร” ไม่ได้บอกว่า “ควรจ่ายเท่าไรถึงจะดีที่สุดสำหรับองค์กรนี้” การกำหนดตำแหน่ง policy line ยังต้องพิจารณาปัจจัยเชิงกลยุทธ์ เช่น ความสามารถในการแข่งขันเพื่อดึงดูดคนในสายงานเฉพาะ ความสามารถทางการเงินของบริษัท และเป้าหมายระยะยาวด้านการบริหารค่าตอบแทนควบคู่กันไป

Regression เหมาะกับองค์กรประเภทใด

วิธีนี้เหมาะที่สุดสำหรับองค์กรที่มีระบบประเมินค่างานอยู่แล้วและต้องการนำข้อมูลตลาดมาผูกกับคะแนนอย่างเป็นระบบ ตลอดจนองค์กรที่มีตำแหน่งหลายระดับและต้องการความสม่ำเสมอของ midpoint ตลอดทุก band

สำหรับองค์กรขนาดเล็กที่ยังไม่มีระบบประเมินค่างาน การเริ่มด้วยการออกแบบโครงสร้างเงินเดือนเบื้องต้นอาจเป็นขั้นแรกที่เหมาะสมกว่า ก่อนที่จะนำ regression มาใช้เป็นเครื่องมือเสริม

ในทางกลับกัน องค์กรขนาดกลางถึงใหญ่ที่มีตำแหน่งงาน 50 ตำแหน่งขึ้นไป และมีหลาย job family มักได้ประโยชน์สูงสุดจากวิธีนี้ เพราะจำนวนตำแหน่งที่มากพอทำให้ regression มีความน่าเชื่อถือ และโครงสร้างที่ได้ยังคงสามารถอธิบายและปรับเทียบกับตลาดได้อย่างมีระบบในทุกรอบการทบทวน สำหรับองค์กรที่อยู่ในช่วงเปลี่ยนผ่าน ข้อมูลเพิ่มเติมเรื่องการออกแบบ pay band สามารถดูเพิ่มเติมได้ที่ การออกแบบ pay band

---

หากองค์กรของคุณต้องการออกแบบโครงสร้างเงินเดือนที่อ้างอิงตลาดได้อย่างมีหลักการ ทีม Triple I พร้อมให้คำปรึกษาตั้งแต่การออกแบบระบบประเมินค่างานไปจนถึงการสร้างโครงสร้างที่ใช้งานได้จริง นัดคุยฟรีกับที่ปรึกษา เพื่อประเมินความพร้อมขององค์กรและวางแผนขั้นตอนที่เหมาะสม