پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 41 |
| تعداد شمارهها | 1,139 |
| تعداد مقالات | 9,781 |
| تعداد مشاهده مقاله | 17,935,590 |
| تعداد دریافت فایل اصل مقاله | 12,539,126 |
تجزیه رشد بهرهوری کل عوامل تولید در صنایع کارخانهای استانهای ایران: رهیافت مرز تصادفی اثرات ثابت صحیح نمایی | ||
| فصلنامه علمی پژوهش های اقتصاد صنعتی | ||
| دوره 7، شماره 23، خرداد 1402، صفحه 59-72 اصل مقاله (1.81 M) | ||
| نوع مقاله: کاربردی | ||
| شناسه دیجیتال (DOI): 10.30473/jier.2023.66312.1360 | ||
| نویسندگان | ||
| مهدی فتح آبادی1؛ مسعود صوفی مجیدپور* 2؛ محمود محمود زاده3 | ||
| 1استادیار، گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران. | ||
| 2استادیار، گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران، | ||
| 3دانشیار، گروه اقتصاد، دانشگاه آزاد اسلامی، فیروزکوه، ایران. | ||
| چکیده | ||
| هدف این مقاله ارزیابی روند و عوامل تعیینکننده رشد بهرهوری کل عوامل (TFP) صنایع کارخانهای استانهای ایران در دوره 98-1390 با استفاده از رویکرد مرزی تصادفی است. در مرحله نخست، تابع تولید مرزی تصادفی با روش اثرات ثابت صحیح نمایی (ETFE) برآورد شد. در مرحله دوم، اجزای بهرهوری کل عوامل تولید شامل پیشرفت فنی، تغییر کارایی فنی و کارایی مقیاس اندازهگیری شدند. نتایج نشان میدهد متوسط رشد TFP کارگاههای صنعتی استانها سالانه 1/31 درصد بوده که پیشرفت فنی و تغییر کارایی فنی باعث پسرفت و اثرات مقیاس سبب بهبود بهرهوری کل عوامل تولید است. در دوره مورد بررسی TFP ابتدا در سال 1۳91 و 1۳9۲ افزایش یافته و سپس در سالهای 1393 و 1394 با کاهش همراه بوده است. در ادامه در سالهای 1395 تا 1398 رشد TFP دوباره روند صعودی داشته است. پیشرفت فنی در تمامی سالها رشد منفی داشته، اما روند آن در دوره مورد بررسی با بهبود همراه بوده است. در میان استانها، بیشترین رشد TFP را استانهای اردبیل، کردستان و هرمزگان و کمترین رشد بهرهوری کل عوامل را استانهای تهران، سیستان و بلوچستان و مازندران تجربه نمودهاند. با توجه به یافتهها، صنایع کارخانهای نیاز به بهکارگیری فناوریهای پیشرفته به همراه تخصیص دوباره منابع دارند. | ||
| کلیدواژهها | ||
| رشد بهرهوری کل عوامل تولید؛ تحلیل مرزی تصادفی؛ مدل اثرات ثابت صحیح نمایی؛ صنایع کارخانهای | ||
| عنوان مقاله [English] | ||
| Decomposition of the Total factor productivity Growth in Manufacturing Industries in Iran's Provinces: Exponential True Fixed Effects Stochastic Frontier Approach | ||
| نویسندگان [English] | ||
| mehdi fathabadi1؛ Masoud Soufi majidpour2؛ mahmod Mahmodzade3 | ||
| 1Assistant Professor of Economics, Firoozkooh Branch, Islamic Azad University, Firoozkooh, Iran. | ||
| 2Assistant Professor of Economics, Firoozkooh Branch, Islamic Azad University, Firoozkooh, Iran | ||
| 3Asociate Professor of Economics, Firoozkooh Branch, Islamic Azad University, Firoozkooh, Iran. | ||
| چکیده [English] | ||
| The purpose of this article is to evaluate the trend and the factors that determining the growth of the total factor productivity (TFP) in the manufacturing industries in the provinces of Iran using a stochastic frontier approach in the period of 2011-2019. First, the stochastic frontier translog production function was estimated by the exponential true fixed effects (ETFE) method. Second, the TFP components were measured includes technical progress, technical efficiency changes and scale efficiency. The results show that the average TFP growth of provinces manufacturing industries was 31.1% annually, which technical progress and technical efficiency changes decline and scale effects improve the TFP. In the study period at first the total factor productivity growth increases in 2012 and 2013 and then decreases in 2014 and 2015. In the years 2016 to 2019, the growth of TFP has increased again. The technical progress has had a negative growth in all years, but its trend has been accompanied by improvement in the study period. Among the provinces, Ardebil, Kurdistan and Hormozgan experienced the highest TFP growth and Tehran, Sistan and Baluchistan and Mazandaran experienced the lowest TFP growth. According to the findings, manufacturing industries need to use advanced technologies along with re-allocation of resources. | ||
| کلیدواژهها [English] | ||
| TFP Growth, Stochastic Frontier Analysis, Exponential True Fixed Effects Model, Manufacturing Industries | ||
| مراجع | ||
|
بهبودی، داود؛ منتظری شورکچالی، جلال (1390). بررسی بهرهوری کل عوامل در ایران در چارچوب حسابداری رشد (87-1345)، فصلنامه پژوهشهای رشد و توسعه اقتصادی، 3، 71-49.
فتحآبادی، مهدی؛ صوفی مجیدپور، مسعود (1397). آموزش عالی, کارایی فنی و تغییرات بهرهوری کل؛ شواهدی از صنایع تولیدی ایران. پژوهش و برنامهریزی در آموزش عالی, 24(2 ), 27-51.
کمیجانی، اکبر؛ محمودزاده، محمود (1387). نقش فناوری اطلاعات و ارتباطات در رشد اقتصادی ایران (رهیافت حسابداری رشد)، پژوهشنامه اقتصادی، 2(29)، 107-75.
محمودزاده، محمود؛ فتحآبادی، مهدی (1395). عوامل پیشران بهرهوری کل عوامل تولید در صنایع تولیدی ایران، فصلنامه تحقیقات مدلسازی، 26، 165-141.
محمودزاده، محمود؛ موسوی، میرحسین؛ پاکنهاد، فرزاد (1394). حسابداری رشد ارزش افزوده در صنایع تولیدی ایران با تاکید بر فناوری اطلاعات، فصلنامه مدلسازی اقتصادی، 4(32)، 64-41.
مرکز آمار ایران، طرح آمارگیری از کارگاههای صنعتی 10 نفر کارکن و بیشتر، سالهای مختلف.
References
Abramovitz, M. (1956). Resource and output trends in the United States since 1870. In Resource and output trends in the United States since 1870 (pp. 1-23). NBER.
Aghion, Philippe, and Peter Howitt. (1992). A Model of Growth Through Creative Destruction. Econometrica 60, (2), 323-351.
Aigner, D., Lovell, C. K., & Schmidt, P. (1977). Formulation and estimation of stochastic frontier production function models. Journal of econometrics, 6(1), 21-37.
Alvarez-Cuadrado, F., Van Long, N., Poschke, M. (2017). Capital-Labor Substitution, Structural Change and the Labor Income Share. Journal of Economic Dynamics & Control 87, 206-231.
Bound, J., Johnson, G. (1995). What are the causes of rising wage inequality in the United States? Economic Policy Review, Federal Reserve Bank of New York\, 9–17.
Battese, G. E., & Coelli, T. J. (1992). Frontier production functions, technical efficiency and panel data: with application to paddy farmers in India. Journal of productivity analysis, 3(1), 153-169.
Battese, G. E., & Coelli, T. J. (1995). A model for technical inefficiency effects in a stochastic frontier production function for panel data. Empirical economics, 20(2), 325-332.
Clark, G. (2001). The Secret History of the Industrial Revolution. Working Paper, University of California at Davis.
Feng, CH; Wang, M; Liu, G; Huang, J. (2017). Sources of economic growth in China from 2000–2013 and its further sustainable growth path: A three-hierarchy meta-frontier data envelopment analysis, Economic Modelling Journal, 64, 334-348.
Greene, W. (2005). Fixed and random effects in stochastic frontier models. Journal of productivity analysis, 23(1), 7-32.
Haraguchi, N., Cheng, C. F. C., & Smeets, E. (2017). The importance of manufacturing in economic development: has this changed?. World Development, 93, 293-315.
Jondrow, J., Lovell, C. K., Materov, I. S., & Schmidt, P. (1982). On the estimation of technical inefficiency in the stochastic frontier production function model. Journal of econometrics, 19(2-3), 233-238.
Kalirajan, K. P., & Shand, R. T. (1997). Sources of output growth in Indian agriculture. Indian Journal of Agricultural Economics, 52(4), 693-706.
Kao, T. W. D., Su, H. C., & Chen, Y. S. (2019). The curvilinear relationships between structural embeddedness and productive efficiency: An exploratory study. International Journal of Production Economics, 212, 176-185.
Kendrick, J. (1956). Productivity trends: capital and labor. In Productivity trends: Capital and labor (pp. 3-23). NBER.
Karabarbounis, L., Neiman, b. (2014). THE GLOBAL DECLINE OF THE LABOR SHARE, The Quarterly Journal of Economics , 61–103.
Krugman, P. R. (1997). The age of diminished expectations: US economic policy in the 1990s. MIT press.
Kumbhakar, S. C., Denny, M., & Fuss, M. (2000). Estimation and decomposition of productivity change when production is not efficient: a paneldata approach. Econometric Reviews, 19(4), 312-320.
Kumbhakar, S. C., & Lovell, C. K. (2003). Stochastic frontier analysis. Cambridge university press.
Meeusen, W., & van den Broeck, J. (1977). Technical efficiency and dimension of the firm: Some results on the use of frontier production functions. Empirical economics, 2(2), 109-122.
Ray, S. C., & Desli, E. (1997). Productivity growth, technical progress, and efficiency change in industrialized countries: comment. The American Economic Review, 87(5), 1033-1039.
Ruggiero, J. (2007). A comparison of DEA and the stochastic frontier model using panel data. International Transactions in Operational Research, 14(3), 259-266.
Sharma, S; Sylwester, K, Margono, H. (2007). Decomposition of total factor productivity growth in U.S. states, The Quarterly Review of Economics and Finance, 47(2), 215-241.
Solow, R. M. (1957). Technical change and the aggregate production function. The review of Economics and Statistics, 312-320.
Sturgill, B. (2009). Cross-country variation in factor shares and its implications for development accounting. Working Papers 09-07. Department of Economics, Appalachian State University.
UNIDO. (2020) Industrialization as the driver of sustained prosperity.
Wang, H. J. (2003). A stochastic frontier analysis of financing constraints on investment: the case of financial liberalization in Taiwan. Journal of Business & Economic Statistics, 21(3), 406-419. | ||
|
آمار تعداد مشاهده مقاله: 202 تعداد دریافت فایل اصل مقاله: 139 |
||