رشد بهره‌وری کل عوامل تولید، پیشرفت تکنولوژیکی، تغییرات کارایی: شواهد تجربی از صنایع تولیدی ایران

مدلسازی اقتصادی

مقاله 2، دوره 11، شماره 40، اسفند 1396، صفحه 29-48   

نوع مقاله: پژوهشی

نویسندگان

سعید عیسی زاده¹؛ مسعود صوفی مجیدپور^{* 2}

¹دانشیار اقتصاد دانشگاه بوعلی سینای همدان

²دانشگاه آ ازاد عضو هیات علمی

چکیده

هدف این مقاله، تجزیه بهره‌وری کل عوامل تولید به پیشرفت تکنولوژیکی، تغییرات کارایی فنی، کارایی تخصیصی و اثرات مقیاس در صنایع تولیدی ایران است. بدین منظور، مدل مرزی تصادفی در دوره 93-1379 برای 135 صنعت تولیدی برآورد شد. یافته‌ها نشان داد پیشرفت تکنولوژیکی در 21 گروه صنعتی به طور متوسط سالانه حدود 12 درصد رشد داشته است. در زمینه کارایی فنی، بیشتر صنایع تولیدی در استفاده از تکنولوژی­های موجود ضعیف عمل کرده­­اند یا به لحاظ فنی ناکارا بوده‌اند. یافته‌های عامل سوم نشان داد صنایع تولیدی ایران از اثرات مقیاس بهره برده­اند. در زمینه کارایی تخصیصی نیز به غیر از گروه بازیافت، تمام گروه­ها رشد منفی را تجربه کرده­اند. در نتیجه، در میان عناصر بهره­وری کل عوامل تولید، کارایی تخصیصی شرایط نامطلوب­تری داشته و نشان‌دهنده این است که منابع در اقتصاد ایران به­ طور نامطلوب تخصیص می­یابد. بر اساس یافته‌ها، بهبود نظام تامین مالی، افزایش توان بخش خصوصی، بهبود فضای کسب و کار پیشنهاد می‌شود.

کلیدواژه‌ها

طبقه‌بندی JEL: L60؛ O14؛ D24. واژگان کلیدی: بهره‌وری کل عوامل تولید؛ کارایی فنی؛ اثرات مقیاس؛ پیشرفت تکنولوژیکی؛ کارایی تخصیصی

اصل مقاله

1. مقدمه

در نظریه‌های کلاسیک رشد، برانباشت فیزیکی عوامل تولید تاکید شده ­است. اما در نظریه‌های جدید، افزایش بهره‌وری عوامل تولید نیز به عنوان منابع رشد مورد توجه قرار گرفته‌اند. سولو[1](1957) معتقد است به دلیل وجود بازدهی کاهنده در عوامل تولید، از طریق انباشت فیزیکی نمی‌توان به رشد پایدار دست یافت و برای رسیدن به رشد بلندمدت باید بهره‌وری عوامل تولید افزایش یابد.­ وی معتقد است بنگاه‌ها با ارتقاء بهره‌وری می‌توانند هزینه‌های خود را کاهش داده و در نتیجه توان رقابت خود را افزایش دهند.

از آنجا که بخش صنعت در رشد اقتصادی هرکشوری اهمیت ویژه‌ای دارد، لذا مطالعه عوامل شتاب‌دهنده بهره‌وری عوامل تولید و ارتقای آن می‌تواند در سرعت بخشیدن به رشد اقتصادی نقش بسزایی داشته باشد. بنابراین، اندازه‌گیری آن می‌تواند اطلاعاتی در زمینه چگونگی حرکت به سمت رشد اقتصادی فراهم آورد.

در ایران مطالعات زیادی در خصوص اندازه‌گیری و برآورد بهره‌وری کل عوامل تولید و منابع رشد آن با رویکرد‌های مختلف انجام شده است. برخی از این مطالعات با استفاده از تکنیک‌های اقتصادسنجی اقدام به برآورد توابع تولید کرده و سپس به روش پسماند سولو، بهره‌وری کل عوامل را برآورد کرده‌‌‌‌‌‌‌‌اند و تعدادی دیگر با استفاده از تکنیک تحلیل پوششی داده‌ها[2] (DEA) بهره‌وری و کارایی را اندازه‌گیری کرده‌اند. در این مطالعات پیشرفت تکنولوژیکی[3] تنها منبع رشد بهره‌وری کل عوامل در نظر گرفته شده است و در بسیاری از آنها رشد بهره‌وری کل عوامل بدون تفکیک سهم تغییرات کارایی اعم از تخصیصی[4] و فنی[5] و اثرات مقیاس[6] بررسی شده­ است و نبود هر یک از این عوامل می‌تواند باعث ایجاد تورش در محاسبه یا برآورد رشد بهره‌وری و تحلیل آن شود (اودانل[7]، 2014).

نوآوری این مقاله نسبت به مطالعات پیشین این است که اثرات مقیاس و کارایی تخصیصی در کنار کارایی فنی و پیشرفت تکنولوژی پوشش داده می‌شود. دوم اینکه در مطالعات قبلی صرفا اثر عوامل را به روش اقتصاد سنجی برآورد کرده‌اند. در صورتی‌که رویکرد این مقاله از طریق حسابداری رشد است. تازگی سوم، در راستای تکمیل بخش اول (تجزیه بهره‌وری)، برای اندازه‌گیری کارایی فنی از روش اندرسون پیترسون[8](AP) استفاده می‌شود. در نهایت اینکه عمده مطالعات بر حسب طبقه‌بندی [9]ISIC به تفکیک کد‌‌های دو رقمی که حداکثر23 صنعت را دربر می‌گیرد، انجام شده است که عمدتا با خطای تجمیع همراه است. در صورتی که این مطالعه بر حسب طبقه‌بندی  ISIC  به تفکیک کد‌های 4 رقمی که مشتمل بر135 صنعت است، انجام می‌شود و از خطای حداقلی برخوردار است.

پرسش اساسی این است که چه عواملی ماهیت رشد بهره‌وری کل عوامل تولید را تشکیل می‌دهند؟ و کدام عامل نقش مسلط در رشد بهره­وری کل عوامل در صنایع ایران دارند؟ برای دست‌یابی به این هدف، در ادامه این مقاله بدین شکل سازماندهی شد: پس از مقدمه، در بخش دوم، ادبیات تحقیق مرور شده است. روش‌شناسی تحقیق، در بخش سوم آمده است. در بخش چهارم، حقایق آشکار شده و محاسبات کمی و یافته‌ها به تفصیل بحث شده است. نتیجه‌گیری و پیشنهادها بخش پایانی مقاله را شکل می‌دهد. گفتنی است در این مقاله از نرم­افزار­های Excel، EviewsوGAMS در محاسبات و برآورد آزمون­ها استفاده شده ­است.

 

2. مروری برادبیات

بهره‌وری از مفاهیم مهم و اساسی دانش اقتصاد است که شاخصی برای نشان دادن میزان استفاده مؤثّر، مفید و کارا از منابع تولیدی برای تولید کالاها و خدمات است. بهره‌وری، یک معیار صرفا اقتصادی، مالی و الزاما به معنای کار بیشتر نیست. از سویی، صرفا تولید بیشتر هم نیست؛ بلکه هماهنگ کردن کمیّت، کیفیّت و هزینه در رقابت است. لذا، بهره‌وری به کیفیّت‌ها، وابستگی فراوان دارد؛ دقیق‌تر آنکه بهره‌وری دارای دو مؤلفه اصلی است. مؤلفه نخست، کارایی است که نشان‌دهنده ستاده بیشتر در مقابل داده کمتر است. دیگری اثربخشی است که دلالت بر انتخاب فعالیت‌های سودمند و اصولی برای دستیابی به هدف مشخص دارد. به عبارت دیگر، بهره­وری عبارت است از انجام درست کارها ( کارایی) و انجام کارهای درست (اثربخشی). به این ترتیب، کارایی بخشی از بهره­وری و از نظر محاسبه عبارت است از مقدار بهینه منابعی که برای تولید یک واحد محصول به مصرف رسیده است. به همین دلیل، اگر یک بنگاه بتواند در مقایسه با بنگاه دیگر و با مقدار کمتری از منابع به هدف مشخصی برسد می­گویند از کارایی بیشتری برخوردار است (بختیاری،  دهقانی‌زاده، حسینی‌پور، 1393).

کارایی و بهره‌وری در بسیاری از متون به صورت یکسان و یا به جای یکدیگر استفاده می‌شود که این اشتباه بزرگی است؛ این دو اصطلاح، دقیقا مشابه هم نیستند؛ زیرا هر نقطه روی مرز تولید بیانگر حداکثر میزان کارایی است؛ اما این به معنای حداکثر بودن بهره­وری نیست و تنها در یک نقطه خاص از مرز تولید، بهره­وری در حداکثر مقدار خود قرار دارد، به همین دلیل می‌توان گفت کارایی، جزئی از بهره‌وری است (کولی، رائو، اودانل و باتیسه[10]، 2005).

در نمودار (1) فرض شده ستانده (Y) با استفاده از یک عامل تولید (X) تولید می‌شود. منحنی OF یک تابع مرزی است که روی آن، تولید قابل دسترس را برحسب یک تکنولوژی موجود مشخص می‌نماید و بیانگر حداکثر کارایی است. در این نمودار، خطوطی که با شیب (Y/X) بر نقاط روی منحنی OF رسم می‌شوند، معیاری برای اندازه‌گیری بهره‌وری هستند. اگر بنگاه تولیدی در نقطه‌ای مانند A (زیر منحنی تابع مرزی) عمل نماید، ضمن اینکه با عدم کارایی فنی روبروست، بهره‌وری عوامل تولیدی نیز حداکثر نیستند. جابجایی از نقطه A به B سبب افزایش کارایی و بهره‌وری می‌شود. در نقطه B هرچند کارایی حداکثر می‌شود، اما بهره‌وری این طور نیست. حداکثر بهره‌وری در نقطه C حاصل می‌شود که در آن شیب خط رسم شده از مبداء مختصات (Y/X) برابر با شیب منحنی تابع مرزی بوده و در مقایسه با سایر نقاط زیر و روی منحنی، حداکثر مقدار را دارد. بنابراین، بنگاه تولیدی ممکن است به لحاظ فنی از کارایی کامل بهره‌مند باشد؛ اما بخاطر عوامل دیگری نظیر صرفه‌های مقیاس و یا بهینه نبودن اندازه بنگاه، از حداکثر بهره‌وری برخوردار نباشد. به بیان دیگر، حداکثر بهره‌وری، به لحاظ فنی همواره کارایی‌ کامل را با خود به همراه دارد، اما عکس این موضوع صادق نیست (کولی و همکاران، 2005).

 

A

C

B

Y

X

مقیاس بهینه

F

 

 

 

 

 

 

 

 

 

 

نمودار 1: مقایسه کارایی فنی و بهره‌وری با استفاده از تابع تولید مرزی

منبع: کولی و همکاران، 2005

 

در تکنولوژی موجود، بنگاه در نقطه C، حداکثر بهره‌وری و کارایی فنی را با هم دارد. این تحلیل در شرایط ایستا و در یک برش از زمان است؛ اما در شرایط پویا عاملی با عنوان تغییرات تکنولوژیکی مطرح می‌شود که باعث انتقال تابع مرزی شده و افزایش بهره‌وری را به همراه دارد.

کومباکار[11]، آماندسون، کویل و لین (2016) اثرات مقیاس، تغییر تکنولوژی و کارایی را برای توزیع برق در کشور نروژ برای دوره 2010-1998 ارزیابی و به این نتیجه رسیدند پتانسیل صرفه‌های مقیاس در شرکت‌های کوچک در بالاترین حد قرار دارد و این مسئله به ساختار این شرکت‌ها برمی‌گردد. دینگ[12]، گاریگلیا و هریس (2016) بهره‌وری کل عوامل و اجزا آن را برای چین بررسی و برآورد کردند. نتایج حاکی از آن است متوسط رشد TFP در صنایع چین در دوره 2007-1998 معادل 6/9 درصد بوده است که مهم‌ترین عامل آن تخصیص مجدد منابع (کارایی تخصیصی) است. هریس و موفات[13] (2015) به تبیین بهره‌وری کل عوامل تولید در صنایع انگلستان پرداختند. آنها نشان دادند عمر بنگاه با رشد بهره‌وری رابطه عکس دارد. همچنین خلق دانش مهم‌ترین عامل رشد بهره­وری کل عوامل صنایع تولیدی انگلستان است. بالتاجی و ایگر[14](2014) منابع سرریز بهره‌وری در صنعت برق چین را با استفاده از روش داده‌های پانل دیتا برای 25360 بنگاه مشاهده شده برای دوره 2008-2004 انجام داده­اند. نتایج نشان می‌دهد سرریزهای شرکت‌های صادراتی از شرکت‌های غیرصادراتی قوی‌تر هستند. اودانل[15](2014) بهره‌وری کل عوامل تولید را به دو جز تغییرات تکنولوژیکی و کارایی تفکیک کرد. یافته‌ها نشان می‌دهد پیشرفت تکنولوژیکی مهم‌ترین عامل رشد بهره‌وری کل عوامل تولید بوده‌است.

چامبرز و کاراگینیز[16] (2013) نشان دادند با افزایش تولید، تغییر تکنولوژیکی مهم‌تر از تغییر کارایی در پیشگیری از زیان در بخش کشاورزی در توضیح تغییرات بهره‌وری کل عوامل تولید است. همچنین اثرات مقیاس از جمله عوامل مهم رشدTFP است. هاکار[17] (2011 ) با تجزیه بهره‌وری کل عوامل تولید، برای صنایع تولیدی کانادا به منظور بررسی منابع رشد TFP از الگوی مرزی تصادفی تولید برای صنایع تولیدی کانادا بهره گرفته است. وی رشد TFP را براساس داده‌های 18 صنعت در دوره زمانی (1999-2005) به عوامل پیشرفت تکنولوژیکی، تغییرکارایی فنی، کارایی تخصیصی و اثرات مقیاس تقسیم نمود. این تقسیم‌بندی نشان داد طی دوره مطالعه پیشرفت تکنولوژیکی عامل محرک رشد بهره‌وری است، در حالی که تغییرات کارایی عامل کاهش میانگین رشد اقتصادی است.

محمودزاده، موسوی و پاک‌نهاد (1394) در یک تحقیق سهم سرمایه‌ فیزیکی، سرمایه‌ فناوری اطلاعات، نیروی کار و سهم بهره‌وری کل از رشد ارزش افزوده صنایع کارخانه‌ای ایران بر اساس کد‌های دو رقمی در دوره زمانی 86-1379 به روش حسابداری رشد برآورد کردند. نتایج حاکی از آن است سهم سرمایه‌ فیزکی 36 درصد، سهم نیروی‌ کار 34 درصد، فناوری 3 درصد و سهم بهره‌وری کل 27 درصد از رشد است.

حکیمی‌پور، عوضعلی‌پور و قائمی (1391) در یک مطالعه تغییرات بهره‌وری کل عوامل تولیدی را به تغییرات کارایی و تکنولوژیی در صنایع بزرگ استان‌های کشور تفکیک و محاسبه کردند. یافته‌ها نشان می‌دهد متوسط تغییرات بهره‌وری کل عوامل تولیدی 5 درصد بوده و این در حالی است که متوسط تغییرات کارایی منفی 8/0 درصد کاهش و متوسط تغییرات تکنولوژی 8/5 درصد افزایش یافته است. بهبودی و منتطری (1390) بهره‌وری کل عوامل تولید ایران را در چارچوب حسابداری رشد طی دوره 1387-1345 بررسی کردند. نتایج تجربی تحقیق ضمن تأیید فرضیه بازدهی ثابت نسبت به مقیاس در ایران و تعیین سهم 62 درصدی برای سرمایه فیزیکی از تولید، روند نرخ رشد TFP ایران 04/0 درصدی بوده است.

محمدرضا‌زاده، کرباسی و پورمقدم (1389) رشد بهره‌وری کل عوامل تولید بخش کشاورزی ایران را در دوره 2008-1967 با استفاده از رهیافت اقتصادسنجی بررسی کرده­اند، نتایج نشان داد رشد نهاده‌ها عاملی مهم در رشد اقتصادی بخش کشاورزی بوده و اثر تنظیم مقیاس و سرمایه انسانی اثر مثبت بر رشد بهره‌وری عوامل تولید داشته‌اند. دشتی، یاوری و ضباغ (1388) به تجزیه‌ رشد بهره‌وری کل عوامل تولید صنایع ایران در دوره‌ 1385-1350 با استفاده از رهیافت اقتصادسنجی پرداختند آنها دریافتند سهم تغییر تکنولوژیکی در رشد بهره‌وری کل، بیشتر از سهم صرفه مقیاس تولید بوده ‌است.

 

3. روش تحقیق

هدف از این مقاله تجزیه بهره‌وری کل عوامل تولید است که در آن از مدل مرزی تصادفی استفاده می‌شود. این مدل نخستین‌بار توسط ایگنر و همکاران[18] (1977) میوسن و ون دن بروک (1977) معرفی و در ادامه محققانی هم‌چون پیت ‌و لی[19](1981)، اشمیت و سیکلز[20](1984)، کامباکار (1990)، باتسی و کوالی[21](a1992 و b1995) و هاگار (2011) مورد استفاده قرار گرفت. در این مدل فرض بر این است پیشرفت تکنولوژیکی (TP) و کارایی فنی (TE) طی زمان در بین واحدهای تولیدی تغییر می‌کند. مدل مرزی تصادفی به صورت زیر معرفی می‌شود که در آن اثرات ناکارایی تابعی از متغیرهای توضیحی است.

1-3. تصریح مدل مرزی تصادفی

(1)

                                                      

 y_it محصول تولیدی صنعتi در سالt، x_it ماتریس متغیرهای توضیحی، bبردار پارامترها وv_itخطاهای تصادفی است. در اینجا فرض می‌شود جملات اخلال با میانگین صفر و واریانی  توزیع شده‌اند.u_it نیز متغیرهای تصادفی غیرمنفی بوده و با ناکارایی فنی تولید در ارتباط است و فرض می‌شود که به صورت مستقل توزیع شده‌اند (رابطه 2).

(2)

 

z_it  ماتریس متغیرهای توضیحی بوده که با ناکارایی فنی صنعتi در سالt مرتبط است. δ نیز برداری از پارامترهای مجهول است. با تصریح اثرات ناکارایی فنی در معادله (2)، کارایی فنی تولید (TE) صنعتi در زمان t به‌ صورت زیر تعریف می‌شود.

(3)

 

شاخص TE بین صفر و یک است. شاخص یک به معنای فعالیت بنگاه با کارایی کامل است، بدان معنا که از واحد تولیدی بهترین ترکیب نهاده‌ها را در فناوری موجود استفاده می‌کند و مقادیر کمتر از یک به معنای بهینه نبودن فرایند تولید است.

بسیاری از پژوهشگران معتقدند برای استفاده از روش پارامتریک برای تخمین کارایی تولید لازم است فرم تابعی تولید مشخص شود. بدین منظور، این مقاله از تابع ترانسلوگ برای برآورد معادله (1) استفاده می‌نماید. ویژگی مهم تابع ترانسلوگ این است که نیازی به اعمال محدودیت‌‌ بر پارامترها نیست و این امکان فراموش می‌شود تا سهم تغییرات مقیاس (SC) و کارایی تخصیصی(AE) محاسبه شود. با این اوصاف، تابع تولید مرزی تصادفی ترانسلوگ لگاریتمی به شکل معادله (4) معرفی می‌شود.

(4)

 

کهk_it موجودی سرمایه،l_itنیروی کار وt روند زمانی است. بعد از برآورد مدل مرزی تصادفی، شاخص(TP) می‌تواند با مشتق‌گیری از معادله (4) نسبت به زمان به‌صورت زیر بدست آید؛

(5)

کشش‌های تولید نسبت به نیروی کار و سرمایه با استفاده از معادلات زیر قابل محاسبه است.

(6)

برای تخمین بهره‌وری کل عوامل از بخش تصادفی معادله (1) نسبت به زمان دیفرانسیل گرفته می‌شود؛

(7)

 

که معادله (7)  می‌تواند به‌ صورت زیر نیز بازنویسی شود؛

(8)

که g_y بیانگر نرخ رشد تولید،g_k نرخ رشد موجودی سرمایه، g_l  نرخ رشد نیروی کار،e_k و e_l نیز به ترتیب کشش‌های تولیدی سرمایه و نیروی کار هستند که در رابطه (6) معرفی شده‌اند. از طرفی سولو (1957) بیان می‌دارد که رشدTFP به صورت زیر به‌ دست آید؛

(9)

که در آن  و  به ترتیب سهم درآمدی نهاده‌های سرمایه و کار هستند. با جایگزینی معادله (8) در(9) داریم:

(10)

  

کهe بیانگر بازدهی نسبت به مقیاس و است. در واقع معادله (10) تجزیه رشدTFP عوامل تشکیل‌دهنده است (کامباکار و لوول[22]،2000). بر این مبنا منشاء رشدTFP عبارتند از پیشرفت تکنولوژیکی، تغییر کارایی فنی، تغییر مقیاس تولید و تغییر کارایی تخصیصی.

اگر فرض بازدهی ثابت نسبت به مقیاس برقرار باشد، جمله سوم سمت راست معادله (10) حذف می‌شود. اگر بازدهی فزاینده وجود داشته باشد، تغییر مقدار نهاده‌ها اثر مثبت بر رشد TFP و اگر بازدهی کاهنده نسبت به مقیاس برقرار باشد، عکس حالت فوق اتفاق می‌افتد. در نهایت، جمله آخر سمت راست معادله (10) نشان‌دهنده کارایی تخصیصی است که با تعیین دقیق سهم درآمدی نهاده‌ها‌ می‌توان سهم تخصیص عوامل از رشد بهره‌وری کل عوامل را محاسبه کرد.

2-3. اندازه‌گیری کارایی فنی با رویکرد تحلیل پوششی داده‌ها؛ مدل اندرسون - پیترسون

کوپمن[23] (1951) بیان داشت بردار نهاده Xدر تولید بردار ستاده Y کارا خواهد بود اگر امکان کاهش Xدر فرایند تولید وجود نداشته باشد. فار و لاول[24] (1978) از این تعریف برای ارایه شاخص کارایی نهاده­ها  E(X,Y)استفاده کردند. بدین صورت که E(X,Y) یک خواهد بود اگرXدر فرآیند تولید Y کارا باشد. اگرX در تولیدY امکان پذیر باشد، E(X,Y) نهاده X را با هر نقطه‌ای در زیر مجموعه کارا مقایسه می‌کند. بر این اساس، تمایز بین بردار نهاده‌های کارا ممکن نیست؛ زیرا که تمامی بردار نهاده‌های کارا با شاخص یک نمایش داده می‌شوند، بنابراین این امکان وجود ندارد تا بین بنگاه‌های کارا رتبه‌بندی انجام داد. با توجه به این موضوع، اندرسون و پیترسون[25] (1993) روش تحلیل پوششی داده‌ها را گسترش دادند تا بتوانند بنگاه‌های کارا را رتبه‌بندی کنند که به مدل AP مشهور است. مدل پیشنهادی آنها برای رتبه‌بندی صنایع به صورت زیر است:

(11)

X_j  بردار نهاده‌ها، Y_j بردار ستاده‌ها، Ej یک ماتریس اسکالر است و بیانگر سهم بنگاه j از بردار نهاده‌هایی است که بنگاه در فرایند تولید با فناوری موجود استفاده می‌کند. zبردار شدت استفاده بنگاه‌ها است که درآن z_kشدت بکارگیری k امین بنگاه است و ε بردار سطری است. در این مدل (AP ) که یک مدل تعمیم یافته DEA است براساس مقایسه واحدهای کارا با مقادیر مرجع، مشخص شده توسط سایر واحدها، می‌باشد. این فرایند چارچوبی را برای رتبه‌بندی واحدهای کارا ارایه می‌نماید و مقایسه آن‌ها با رتبه‌بندی‌هایی که بر اساس روش‌های پارامتریک صورت می‌گیرد را امکان‌پذیر می‌کند.

داده‌های این مقاله از طرح آمارگیری از کارگاه‌های صنعتی 10 نفر کارکن و بیشتر که توسط مرکز آمار ایران منتشر می‌شود، تامین شده است. این اطلاعات مربوط به 135 صنعت با کد چهار رقمی ISIC طی سال‌های 93-1379 است. از آنجا که اطلاعات مربوط به تشکیل سرمایه برای صنایع مورد بررسی وجود دارد، لذا موجودی سرمایه با استفاده از «روش موجودی دایمی»[26] به شرح زیر محاسبه می‌شود؛ ( محمودزاده و فتح آبادی، 1395).

(12)

که  و  به ترتیب موجودی سرمایه و سرمایه‌گذاری در دوره  است.  و  نیز به ترتیب بیانگر نرخ استهلاک و متوسط رشد سرمایه‌گذاری طی دوره مورد بررسی هستند. در این مقاله بر اساس مطالعه صنایع تولیدی نرخ استهلاک 5 درصد در نظر گرفته شده است (جاوالا و پوجالا[27]، 2007). علاوه بر متغیر تشکیل سرمایه، داده‌های ارزش افزوده و اشتغال صنایع تولیدی نیز از درگاه اطلاعاتی مرکز آمار ایران گردآوری شده‌اند (محمود زاده و دیگران، 1394).

4. نتایج تجربی

با توجه به روش‌شناسی تحقیق در مرحله نخست، مدل مرزی تصادفی (رابطه4) در دوره    93-1379 برای 135 صنعت تولیدی با کد چهار رقمی برآورد ‌می­شود. در مرحله دوم با استفاده از نتایج برآورد مدل، پیشرفت تکنولوژیکی (رابطه 5) و کشش‌های نیروی کار و سرمایه (رابطه 6) استخراج می‌شوند. برای برآورد مدل مرزی تصادفی از روش «داده‌های پانل»[28] استفاده می‌شود. برای انتخاب بین روش حداقل مربعات تلفیقی[29] (PLS) و اثرات ثابت[30] (FE) از آزمون «F لیمر»[31] و برای انتخاب بین روش اثرات ثابت و اثرات تصادفی[32] (RE) از آزمون «هاسمن»[33] استفاده شد. نتایج این دو آزمون‌ نشان می‌دهد روش اثرات ثابت، مدل مناسب برای تحلیل نتایج است (جدول 1).

 

جدول 1. برآورد پارامترهای مدل مرزی تصادفی 93-1379

متغیر	پارامتر	ضریب	خطای استاندارد
عرض از مبداء		62/1	54/0
زمان		1/0	02/0
سرمایه		17/0	07/0
نیروی کار		26/1	1/0
مجذور سرمایه		01/0-	004/0
مجذور نیروی کار		03/0-	008/0
مجذور زمان		001/0	001/0
سرمایه * نیروی کار		01/0	01/0
سرمایه * زمان		002/0	001/0
نیروی کار * زمان		001/0-	002/0
ضریب تعیین		98/0
آماره F		4/1007
آماره F لیمر		66/39
آماره هاسمن		44/75
تعداد مشاهدات		2025
*، **، *** به ترتیب بیانگر معناداری در سطح 1، 5 و 10 درصد

منبع: یافته­های تحقیق

 

یافته‌های مدل مرزی تصادفی بیان می‌دارد متغیرهای نیروی کار، سرمایه فیزیکی و زمان اثر مثبت و معنادار بر تولید صنایع دارند. همچنین ضریب تعیین نشان می‌دارد 98 درصد از تغییرات متغیر وابسته توسط متغیرهای مستقل توضیح داده می‌شود. در ادامه به کمک نتایج برآورد پارامترهای مدل مرزی تصادفی، سه جز از عناصر بهره‌وری کل عوامل تولید شامل پیشرفت تکنولوژیکی، کارایی تخصیصی و اثرات مقیاس محاسبه می­شوند.

برای محاسبه رشد بهره‌وری کل عوامل تولید[34] ابتدا پیشرفت تکنولوژیکی (رابطه 5) محاسبه شده است (ستون دوم جدول 2)، در ادامه کشش‌های نیروی کار و سرمایه (رابطه 6) محاسبه و سپس به کمک آنها کارایی تخصیصی و اثرات مقیاس (رابطه 10) استخراج می‌شود. در نهایت، با تجمیع این محاسبات و نتایج تغییر کارایی فنی به روش اندرسون پیترسون، نرخ رشد سالانه بهره وری کل عوامل تولید[35] (TFPG)حاصل می‌شود که نتایج آنها در جداول
(3 - 11) برای 135 صنعت ارائه شده است. در حقیقت  رشد TFP از جمع جبری اجزای آن به دست می‌آید و در ادامه به منظور تجزیه و تحلیل ساده‌تر 135 صنعت را به 21 گروه تقسیم و میانگین آنها تحلیل می‌شود.

    در جدول (2) نتایج 23 صنعت، گروه صنایع عذایی، آشامیدنی و دخانی آورده شده است، متوسط رشد TFP در دوره مورد بررسی برای این گروه 2/2 درصد است،  که در این میان 16 صنعت از 23 صنعت گروه مذکور رشد بهره‌وری مثبت را تجربه کرده‌اند که بالاترین رشد مربوط به کد 1556 (تولید دوغ و آب معدنی) با  5/13 درصد رشد سالانه و کمترین رشد مربوط به کد 1551 (الکل اتیلیک از مواد تخمیر شده) با متوسط رشد منفی 2/16 درصد است. اما نتایج اجزای بهره­وری کل عوامل متفاوت است؛ به گونه ای که در این دوره پیشرفت تکنولوژیکی به طور متوسط سالانه 8/11 رشد داشته است، در حالی که کارایی تخصیصی به طور متوسط 2/13 رشد منفی سالانه را تجربه کرده است، هم چنین با این که تغییرات کارایی فنی با متوسط رشد سالانه 2/0 و اثرات مقیاس با رشد سالانه 4/3  درصد به رشد بهره­وری کمک کرده­اند، اما تخصیص نامطلوب منابع عاملی است تا اثر مثبت پیشرفت تکنولوژیکی، کارایی فنی و اثرات مقیاس در این گروه خنثی شود.

 

جدول 2. تجزیه بهره‌وری کل عوامل تولید صنعت غذایی، آشامیدنی و دخانی؛ 93-1380

رشد بهره‌وری کل عوامل(TFPG)	اثرات مقیاس(SE)	کارایی تخصیصی(AE)	تغییرات کارایی فنی(TEΔ)	پیشرفت تکنولوژیکی(TP)	کد صنعت
9/10	9/0	5/2-	7/0	8/11	1512
2/0-	0/1	9/13-	9/0	9/11	1514
6/0-	7/4	6/15-	3/1-	7/11	1515
2/1	3/4	5/14-	4/0-	8/11	1516
4	4/5	1/23-	1/10	6/11	1517
4/3-	9/4	4/11-	6/8-	7/11	1518
2/7	3/2	3/8-	3/1	8/11	1519
7/8	2/5	6/9-	3/1	8/11	1520
3/4	0/2	8/10-	2/1	9/11	1531
2/2	0/2	9/11-	4/0	8/11	1532
3/4-	6/4	7/18-	2-	8/11	1533
6/0	0/2	0/13-	2/0-	8/11	1542
3/10	4/5	5/6-	3/0-	7/11	1543
0/1	9/0	5/12-	1	7/11	1544
2/11	0/6	3/7-	8/0	7/11	1545
2/2	6/1	8/10-	3/0-	7/11	1546
1/0	6/1	9/13-	7/0	7/11	1547
7/6	8/3	6/9-	8/0	8/11	1548
2/16-	3/4	9/32-	4/0	9/11	1551
1/14-	2/7	4/31-	8/1-	8/11	1553
1/0-	3/0-	5/11-	0/0	8/11	1555
5/13	4/3	6/2-	7/0	9/11	1556
8/5	2/5	6/10-	6/0-	8/11	1600
2/2	4/3	2/13-	2/0	8/11	میانگین

منبع: یافته­های تحقیق

 

در جدول (3) میانگین اجزاء بهره‌وری کل عوامل تولید برای 135 صنعت تولیدی در دوره 1379-93 ارایه شده است.

 

جدول 3. میانگین تجزیه بهره‌وری کل عوامل تولید 135 صنعت تولیدی، 93-1380

رشد بهره‌وری کل عوامل(TFPG)	اثرات مقیاس(SE)	کارایی تخصیصی(AE)	تغییرات کارایی فنی(TEΔ)	پیشرفت تکنولوژیکی(TP)	صنعت
9/4	4/3	4/10-	1/0	8/11	میانگین

منبع: یافته‌های تحقیق

 

نتایج تجزیه بهره‌وری کل عوامل در 135 صنعت تولیدی کد چهار رقمی در دوره مورد بررسی نشان می‌دهد پیشرفت تکنولوژیکی عامل موثر و مسلط رشد بهره‌وری کل عوامل تولید بوده است. در مقابل کارایی تخصیصی وضعیت مطلوبی نداشته و در این دوره حدود 10 درصد رشد منفی را تجربه نموده و سبب گردیده اثر مثبت پیشرفت تکنولوژیکی خنثی شود. هم‌چنین کارایی فنی و اثرات مقیاس نیز رشد مثبت را تجربه کرده‌اند؛ و به ترتیب برابر 1/0 و 4/3 درصد رشد مثبت داشته‌اند. مهم‌ترین موضوع در این یافته‌ها این نکته است که کارگاه‌های صنعتی 10 نفر کارکن و بیشتر در دوره 93-1379 نتوانسته‌اند منابع خود را بخوبی در فرایند تولید تخصیص دهند.

 

5. نتیجه‌گیری و پیشنهادها

هدف این مقاله تجزیه بهره­وری کل عوامل تولیدی صنایع کارخانه­ای ایران بر اساس کدهای 4 رقمی ISIC است. بهره‌وری کل عوامل تولید در صنایع کارخانه‌ای از اهمیت خاصی برخوردار است، تا آنجا که یکی از عوامل توسعه‌نیافتگی کشورها بهره‌وری پایین عوامل تولید در بخش‌های اقتصادی به ویژه بخش صنعت است. در این مقاله با استفاده از روش کامباکار و لاول (2000) بهره­وری کل عوامل تولید به چهار عامل پیشرفت تکنولوژیکی، کارایی فنی، کارایی تخصیصی و اثرات مقیاس درصنایع تولیدی ایران تفکیک و اندازه­گیری شد. بدین منظور، مدل مرزی تصادفی در دوره 93-1379 برای 135 صنعت تولیدی با کد چهار رقمی با روش داده­های پانل  برآورد گردید. سپس با کمک نتایج مدل، پیشرفت تکنولوژیکی و کشش‌های نیروی کار و سرمایه محاسبه و در ادامه کارایی تخصیصی و اثرات مقیاس استخراج شد. در مرحله بعد تغییر کارایی فنی به روش اندرسون پیترسون، اندازه­گیری شد. در نهایت، نرخ رشد بهره وری کل عوامل تولید با تجمیع این چهار عامل به دست آمد.

یافته­ها نشان داد پیشرفت تکنولوژیکی در 21 گروه صنعتی به طور متوسط سالانه حدود 12 درصد رشد داشته است. درادبیات اقتصادی پیشرفت تکنولوژیکی به دودسته تقسیم می‌شود؛ یکی بهبود تولید از طریق سرمایه­گذاری در تجهیزات جدید و دیگری بدون سرمایه‌گذاری جدید و با نهاده­های موجود. در اقتصاد ایران عامل اصلی پیشرفت تکنولوژیکی، سرمایه‌گذاری­های جدید است که اغلب در تجهیزات جدید تبلور یافته است که به آن پیشرفت تکنولوژیکی "تضمین شده[36]" (بهسومی[37]، 1999) اطلاق می‌شود.

عنصر دوم کارایی تحصیصی است که به غیر از گروه بازیافت تمام گروه­ها رشد منفی را تجربه کرده­اند. این امر نشان می‌دهد تخصیص منابع در اقتصاد ایران به ­طور نامطلوب انجام می‌گیرد. از نشانه­های تخصیص نابجای منابع در ایران می‌توان به میزان بالای موجودی سرمایه نسبت به تولید (بهره­وری پایین سرمایه) و بهره­وری پایین نیروی انسانی اشاره کرد.

جزء سوم بهره‌وری کل عوامل کارایی فنی بوده که مفهومی نسبی است و تفاوت بین بنگاه‌ها در نوع و نحوه استفاده از تکنولوژی را نشان می‌دهد. بنگاهی دارای کارایی  فنی بالاتر است که بتواند با مجموعه داده‌های موجود (یعنی تکنولوژی و یا نحوه بکارگیری عامل کار و سرمایه که قبلا تعیین شده است) میزان محصول بیشتری را نسبت به سایر بنگاهها تولید نماید. کارایی  و یا عدم کارایی  فنی بستگی به نوع و نحوه استفاده از تکنولوژی مورد استفاده بنگاه دارد که خود ممکن است در اثر کارایی یا عدم کارایی مدیریت و سیستم مورد استفاده و یا هر دو باشد. یافته‌ها نشان می‌دهد در اقتصاد ایران بیشتر صنایع تولیدی در استفاده از تکنولوژی های موجود ضعیف عمل کرده­­است یا به عبارتی صنایع تولیدی به لحاظ فنی ناکارا بوده‌اند. عامل چهارم اثرات مقیاس است که بیانگر نسبت خروجی به ورودی است؛ که می تواند ثابت، فزاینده و یا کاهنده باشد. بازدهی ثابت بدان معناست که اندازه بنگاه در تشخیص کارایی نسبی مورد توجه قرار نمی­گیرد؛ یعنی، خروجی به همان نسبت ورودی‌ ایجاد می‌شود. در این حالت صرفه­های مقیاس ظاهر نمی‌شود. اما بر اثر افزایش اندازه و مقیاس یک بنگاه، هزینه­ها کاهش می­یابد. در مقابل، بازدهی فزاینده رشد بهره­وری را در پی­خواهد داشت. یافته­ها‌ حاکی از آن است که صنایع تولیدی ایران از اثرات مقیاس نفع برده­اند. به عبارت دیگر، با افزایش نهاده­ها، مقیاس تولید بنگاه­ها به گونه­ای افزایش یافته است که کاهش هزینه­ها را به همراه داشته است.

با توجه به اینکه در میان عناصر بهره­وری کل عوامل، کارایی تخصیصی شرایط نامطلوب‌تری دارد و باعث شده که اثر مثبت سایر اجزا خنثی شود، بنابراین به نظر می­رسد توصیه اصلی باید برای هدایت بهتر منابع در جهت تولید ارائه شود. مسائلی مانند رقابتی نبودن نظام مالی، رانت‌جویی در دستیابی به منابع و قرارداد­های نامناسب در بازار سبب تخصیص نامناسب منابع در ایران شده است. لذا سیاست­هایی از جمله بهبود نظام تامین مالی، افزایش توان بخش خصوصی، بهبود فضای کسب و کار در راستای افزایش رقابت و شفاف‌سازی می‌تواند به بهبود و عملکرد بنگاه­ها در تخصیص بهینه منابع و همچنین افزایش کارایی و بهره‌وری کمک نماید.

---

[1]  Robert Solow

[2]  Data Envelopment Analysis

[3]  Technological Progress

[4]  Allocation Efficiency

[5]  Technical Efficiency

[6]  Scale Effects

[7]  O’Donnell

[8]  Anderson and Peterson (AP)

[9]  International Standard of Industrial Classification (ISIC)

[10] Coelli, Rao, O'Donnell & Battese

[11]  Kumbhakar, Amundsveen, Kvile & Lien.

[12]  Ding, Guariglia & Harris

[13]  Harris & Moffat

[14]  Baltagi & Egger

[15]  C. J. O’Donnell

[16]  Chambers & Karagiannis

  [17]  Haggar

[18]  Aigner etal.

[19]  Pitt and Lee

[20]  Schmidt and Sickles

[21]  Battese and Coelli

[22]  Kumbhakar and Lovell

[23]  Koopmans

[24]  Fare and Lovell

[25] Anderson and Peterson (AP)

[26] Perpetual Inventory Method (PIM)

[27] Jalava and Pohjola.

[28] Panel Data

[29] Pooled Least Squares

[30] Fixed Effects

[31] Leamer F Test

[32] Random Effects

[33] Hausman Test

[34] تجزیه رشد بهره­وری کل عوامل تولید در صنایع تولیدی ایران در 9 جدول به تفکیک صنایع مختلف محاسبه شده است. اما به علت حجم زیاد جداول و تحلیل‌های آن در اینجا فقط جدول گروه صنایع عذایی، آشامیدنی و دخانی آورده شده است.

[35] Total Productivity Factor Growth

[36] Embodied

[37] Besomi

مراجع

منابع

-      بانک مرکزی ج.ا.ایران شاخص بهای کالاها و خدمات مصرفی و شاخص صنعت به قیمت ثابت1390 قابل دسترس در www.cbi.ir .

-      بهبودی، داود، منتظری، جلال (1390). بررسی بهره‌وری کل عوامل در ایران در چارچوب حسابداری رشد.  فصلنامه پژوهش‌های رشد و توسعه اقتصادی، 3(1):49-71.

-      بختیاری، صادق، دهقانی زاده، مجید، حسینی‌پور، سید مجتبی (1393). تحلیلی از بهره‌وری نیروی کار در بخش تعاونی: مطالعه موردی تعاونی‌های صنعتی استان یزد. فصلنامه قرآیند مدیریت و توسعه، 27(3): 73-45.

-      حکیمی‌پور، نادر، عوضعلی‌پور، صادق، قائمی، ذبیح الله (1391). ارزیابی تغییرات بهره‌وری کل عوامل تولیدی صنایع بزرگ در استان‌های ایران با استفاده از شاخص مالم کوئیست. پژوهش‌های مدیریت عمومی، 15(5): 131-165.

-      دشتی، نادر، یاوری، کاظم، ضباغ، محید (1388). تجزیه رشد کل عوامل تولید در صنعت ایران با استفاده از رهیافت اقتصاد‌سنجی. فصلنامه اقتصاد مقداری 6(1):101-128.

-      محمودزاده، محمود، فتح آبادی، مهدی (1395). عوامل پیشران بهره‌وری کل عوامل تولید در صنایع تولیدی ایران. فصلنامه تحقیقات مدلسازی اقتصادی، 26:165-141.

-      محمودزاده، محمود، موسوی، میرحسین، پاک نهاد، فرزاد (1394). حسابداری رشد ارزش افزوده در صنایع ایران با تاکید بر فناوری اطلاعات. فصلنامه مدلسازی اقتصادی، 9(4): 41-46.

-      مرکز آمار ایران نتایج آمارگیری از کارگاه های صنعتی بالای ده نفر کارکن و بیشتر سال‌های 1379 تا 1393 قابل دسترس در www. sci.org.ir.

-      محمدرضا زاده، نازنین، کرباسی، علیرضا، پورمقدم، علیرضا (1390). تجزیه وتحلیل رشد بهره‌‌‌وری کل عوامل تولیدکشاورزی ایران. هشتمین همایش دو سالانه اقتصاد کشاورزی ایران.

-        Aigner, D.J., Lovell, C.A.K. & Schmidt, P. (1977). Formation and estimation of stochastic Frontier production function models. Journal of Econometrics, 6(1): 21-37.

-        Andersen, P. & Petersen, N.C. (1993). A procedure for ranking efficient units in data envelopment analysis. Management Science, 39(10):1261-1264.

-        Baltagi, B.H., Egger, P.H. & Kesina, M. (2015). Sources of productivity spillovers: panel data evidence from China. Journal of Productivity Analysis, 43: 389-402.

-        Battese, G.E. & Coelli, T.J. (1992a). A model for technical inefficiency effects in the stochastic Frontier production for panel data. Empirical Economics, 20 (2): 325-32.

-        Battese, G.E. & Coelli, T.J. (1992b). Frontier production functions, technical efficiency and panel data: with application to paddy farmers in India. Journal of Productivity Analysis, 3 (1-2):153-69.

-        Battese, G.E. & Coelli, T.J. (1993). A stochastic frontier production function incorporating a model for technical inefficiency effects. Working Papers in Econometrics and Applied Statistics No. 69, Department of Econometrics, University of New England, Armidale.

-        Battese, G.E. & Coelli, T.J. (1995). A model for technical inefficiency effects in the stochastic Frontier production for panel data. Empirical Economics, 20 (2): 325-32.

-        Besomi, D. (1999). Harrods on the classification of technological progress. The origin of a wild-goose chase. BNL Quarterly Review, 208: 95-118.  

-        Chambers, R.G., Karagiannis, G. & Tzouvelekas, V. (2014). Productivity accounting for separable technologies. Journal of Productivity Analysis, 41: 41-50.

-        Coelli, T., Rao, D.S., O'Donnell, C. & Battese, G.E., (2005). An Introduction to Efficiency and Productivity Analysis.Second Ed. Springer.

-        Ding, S., Guariglia, A. & Harris, R. (2016). The determinants of productivity in Chinese large and medium-sized industrial firms, 1998–2007. Journal of Productivity Analysis, 45: 131-155.

-        Fare, R. & Lovell, C.A.K. (1978). Measuring the technical efficiency of production. Journal Economic Theory, 19: 150-162.

-        Haggar, M.H. (2011). TFP growth, technological progress and efficiencies change Empirical evidence from Canadian manufacturing industries. International Journal of Productivity and Performance Management, 60(4): 360-371.

-        Harris, R. & Moffat, J. (2015). Plant-level determinants of total factor productivity in Great Britain, 1997–2008. Journal of Productivity Analysis, 44: 1-20.

-        Jalava, J.  & Pohjola, M. (2007). ICT as source of output and productivity growth. In Finland telecommunications policy, 31: 463-472.

-        Koopmans, T.C. (1951). Analysis of production as an efficient combination of activities. In Activity Analysis of Production an Allocation, T. C. Koopmans (ET) Willey New York.

-        Kumbhakar, C.S., Amundsveen, C., Kvile, M.H. & Lien, G. (2016). Scale economies, technical change and efficiency in Norwegian electricity distribution, 1998–2010. Journal of Productivity Analysis, 43:295-305.

-        Kumbhakar, S.C. & Lovell, C.A.K. (2000). Stochastic Frontier Production. Cambridge University Press, New York, NY, 279-309.

-        Kumbhakar, S.C. (1990). Production Frontiers, panel data, and time-varying technical inefficiency. Journal of Econometrics, 46 (1-2): 201-11.

-        Kumbhakar, S.C., Ghosh, S. & McGuckin, J.T. (1991). A generalized production Frontier approach for estimating determinants of inefficiency in US dairy farms. Journal of Business and Economic Statistics, 9 (3): 279-286.

-        Meeusen, W. & van den Broeck, J. (1977). Efficiency estimation from Cobb-Douglas production functions with composed error. International Economic Review, 18 (2):435-44.

-        O’Donnell, C.J. (2014). Econometric estimation of distance functions and associated measures of productivity and efficiency change. Journal of Productivity Analysis, 41: 187-200.

-        Pitt, M. & Lee, L.F. (1981). The measurement and sources of technical inefficiency in the Indonesian weaving industry. Journal of Development Economics, 9(1):43-64.

-        Schmidt, P. & Sickles, R.C. (1984). Production frontiers and panel data. Journal of Business and Economic Statistics,2(4):, 367-74.

-        Solow, R. (1957). Technical change and the aggregate production function. Rev Econ Stat, 39: 312-320.