پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 49 |
| تعداد شمارهها | 1,264 |
| تعداد مقالات | 10,909 |
| تعداد مشاهده مقاله | 22,310,695 |
| تعداد دریافت فایل اصل مقاله | 14,992,312 |
سنجش تأثیر کارایی بر ارزشافزوده در واحدهای صنعتی منتخب ایران (موردکاوی: بنگاههای با اشتغال ۱۰ نفر و بیشتر) | ||
| فصلنامه علمی پژوهش های اقتصاد صنعتی | ||
| دوره 9، شماره 33، مهر 1404 | ||
| نوع مقاله: کاربردی | ||
| شناسه دیجیتال (DOI): 10.30473/jier.2026.75832.1513 | ||
| نویسندگان | ||
| مهلا رستم زاده1؛ رضا زینل زاده* 2؛ محسن زاینده رودی1 | ||
| 1گروه اقتصاد، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران. | ||
| 2گروه اقتصاد، دانشکده ادبیات و علوم انسانی، دانشگاه آزاد اسلامی، واحد کرمان | ||
| چکیده | ||
| پژوهش حاضر به بررسی اثر شاخصهای کارایی فنی، اقتصادی و تخصیصی بر ارزشافزوده کارگاههای صنعتی منتخب دارای ده کارکن و بیشتر در ایران میپردازد. دادههای پانل این مطالعه برای دوره زمانی ۱۳۹۰ تا ۱۴۰۰ و در قالب ۲۴ زیربخش صنعتی، بر اساس طبقهبندی ISIC و با استفاده از آمارهای طرح صنعتی مرکز آمار ایران گردآوری شده است. نمونهگیری به روش طبقهبندیشده انجام شده و حجم نمونه با استفاده از فرمول کوکران تعیین گردیده است. چهار زیربخش با بیشترین سهم در اشتغال و ارزشافزوده، شامل فرآوردههای غذایی، آشامیدنیها، پوشاک و منسوجات برای تحلیل تفصیلی انتخاب شدهاند. برای استخراج شاخصهای کارایی از رهیافت تحلیل مرز تصادفی (SFA) و برای تحلیل پویای روابط کوتاهمدت و بلندمدت از مدل خودرگرسیونی با وقفههای توزیعی (ARDL) استفاده شده است. نتایج برآورد نشان میدهد که هر سه شاخص کارایی در بلندمدت تأثیر مثبت و معناداری بر ارزشافزوده دارند، بهطوریکه افزایش کارایی فنی و اقتصادی بیشترین نقش را در ارتقای عملکرد بخش صنعت ایفا میکند. در کوتاهمدت نیز اثرگذاری این شاخصها مثبت ولی ضعیفتر بوده و ضریب تصحیح خطا منفی و معنادار است که بیانگر وجود رابطه تعادلی پایدار میان کارایی و ارزشافزوده در سطح زیربخشهای صنعتی میباشد. همچنین، ضرایب سرمایه (۰.۴۷) و نیروی کار (۰.۳۹) نقش اساسی این عوامل در تولید و رشد اقتصادی را برجسته میسازد. بهطور کلی، یافتهها که با نظریههای اقتصادی تولید همسو هستند، بر ضرورت اجرای سیاستهایی با هدف ارتقاء کارایی، سرمایهگذاری در زیرساختها و توسعه سرمایه انسانی بهعنوان محرکهای کلیدی بهبود عملکرد صنعتی کشور تأکید دارند. | ||
| کلیدواژهها | ||
| کارایی؛ ارزش افزوده؛ تابع فاصلهای؛ صنایع ایران؛ پانل دیتا | ||
| عنوان مقاله [English] | ||
| The Assessment of the Impact of Efficiency on Value Added in Selected Industrial Units of Iran (Case Study: Enterprises with 10 or More Employees) | ||
| نویسندگان [English] | ||
| Mahla Rostamzadeh1؛ Reza Zeinalzadeh2؛ Mohsen Zayanderoody1 | ||
| 1Department of Economic, Ke.C., Islamic Azad University, Kerman, Iran. | ||
| 2Department of Economic, Ke.C., Islamic Azad University, Kerman, Iran. | ||
| چکیده [English] | ||
| This study investigates the impact of technical, economic, and allocative efficiency indices on the value added of selected industrial workshops with ten or more employees in Iran. Panel data were collected for the period 2011–2021, covering 24 industrial subsectors based on the ISIC classification, using statistics from the Industrial Survey of the Statistical Center of Iran. A stratified sampling method was applied, and the sample size was determined using Cochran’s formula. Four subsectors with the highest shares in employment and value added—namely food products, beverages, apparel, and textiles—were selected for detailed analysis. Efficiency indices were derived using the Stochastic Frontier Analysis (SFA), while the dynamic short-run and long-run relationships were examined through the Autoregressive Distributed Lag (ARDL) model. The estimation results indicate that all three efficiency measures exert a positive and significant effect on value added in the long run, with technical and economic efficiency playing the most influential roles in enhancing industrial performance. In the short run, the effects remain positive but weaker. The negative and significant error correction term confirms the existence of a stable equilibrium relationship between efficiency and value added across industrial subsectors. Furthermore, the coefficients of capital (0.47) and labor (0.39) underscore the essential role of these factors in production and economic growth. Overall, the findings, which align with economic theories of production, emphasize the necessity of policies aimed at improving efficiency, investing in infrastructure, and developing human capital as key drivers of industrial performance in Iran. | ||
| کلیدواژهها [English] | ||
| Efficiency, Value-added, Distance function, Iranian industries, Panel data | ||
| مراجع | ||
|
REFERENCES [1]. Solow, R. M. (1957). Technical Change and the Aggregate Production Function. Review of Economics and Statistics, 39(3), 312–320. [2]. Farrell, M. J. (1957). The Measurement of Productive Efficiency. Journal of the Royal Statistical Society, Series A, 120(3), 253–290. [3]. Kumbhakar, S. C., & Lovell, C. A. K. (2000). Stochastic Frontier Analysis. Cambridge University Press. [4]. Coelli, T. J., Rao, D. S. P., O'Donnell, C. J., & Battese, G. E. (2005). An Introduction to Efficiency and Productivity Analysis. Springer. [5]. Lotfalipour, M. R., Falahi, M. A., & Ashena, M. (2006). ICT and technical efficiency of the manufacturing industries in Iran. Paper presented at the International Conference on Information and Communication Technologies, or published in related journals [In Persian].
[6]. Salimi Far, M., Rezvani, M. J., & Abou Torabi, M. A. (2009). The survey of financial development indicators and their causal relationship with economic growth in Iran. Journal of Quantitative Economics, 19(2), 123–145 [In Persian]. [7]. Momeni, F., Banouei, A. A., & Rostami, M. (2009). Estimation of physical capital stock in the Iranian economy (Perpetual inventory method). Economic–Research Journal of the Ministry of Economic Affairs and Finance, (3), 1–26[In Persian]. [8]. Gharshi, M. H., & Azarbaijani, S. A. (2011). Estimation of technical efficiency and its determinants in Iranian manufacturing industries using the stochastic frontier approach. Iranian Economic Research Quarterly, 15(44), 1–28[In Persian]. [9]. Shahiki Tash, M. N., & Yaghoubi, N. M. (2014). Evaluation of technical efficiency in Iran’s manufacturing industries using the maximum likelihood estimation method. Management Research in Iran, 18(1), [Spring 2014] [In Persian]. [10]. Sheyki Tash, M. N., Taher pour, J., & Shivayi, E. (2014). Evaluation of factors affecting technical inefficiency of Iranian manufacturing industries: Stochastic frontier approach and maximum likelihood method. Economic Research Quarterly, 14(55), 47–57, [In Persian]. [11]. Baradaran, V., & Mohammadi, S. H. (2016). Investigating the impact of macroeconomic variables on the value added of industrial sub-sectors using an econometric approach. Business Research Journal, (80), 1–30. [In Persian]. [14]. Asgari, M. (2019). Technical efficiency analysis of Iranian industrial units using stochastic frontier approach. Journal of Industrial Economics, 14(2), 45–57. [15]. Salehi Asfiji, R., et al. (2019). Impact of energy efficiency on value-added in the Iranian industrial sector. Energy Economics and Management, 10(1), 33–50. [16]. Salsabila, L., & Rejeki, D. (2021). The influence of value-added capital employed (VACA), value added human capital (VAHU), and structural capital value added (STVA) on profitability: Evidence from the metal sub-sector manufacturing companies listed on the Indonesia Stock Exchange (2015–2019). Jurnal Akuntansi dan Bisnis Krisnadwipayana, 8(3), 59–72. http://dx.doi.org/10.35137/jabk.v8i3.596 [17]. Azolibe, C. B. (2022). What accelerates industry value added in middle-income countries: Is there a differential impact in low-income countries? Transnational Corporations Review, 14(2), 153–168. https://doi.org/10.1080/19186444.2021.1930458. [18]. Huang, X. (2022). The roles of competition on innovation efficiency and firm performance. [Complete Journal Name], [Volume (Issue)], [Page range]. Evidence from the Chinese manufacturing industry. European Research on Management. [19]. UNIDO (2022). Annual Value-Added Industrial Report (MVA 2022). New York: United Nations Industrial Development Organization [20]. Azad, A. A., & Poor Zamani, Z. (2023). Analysis of company efficiency from the perspective of risk and governance: Artificial intelligence approach. Management Accounting and Auditing Knowledge, 11(44), 347–371. [In Persian]. [21]. Xue, P., Du, J., Liu, J., Li, Z., Alboahooth, B., & Yang, Y. (2023). Natural resources and economic perspective: Manufacturing value added for Europe and Central Asian economies. Resources Policy, 86 (Part A), 1–14. [23]. Love, I., & Ziccino, L. (2006). Financial Development and Dynamic Investment Behavior: Evidence from Panel VAR. Quarterly Review of Economics and Finance; 46: 190-210. [23]. Holtz-Eakin, D., W. Newey and H. S. Rosen. (1988). Estimating Vector Autoregressions with Panel Data, Econometrica, 56(6): 1371-1395. | ||
|
آمار تعداد مشاهده مقاله: 16 |
||