جریان تجاری، نیروی کار، تحقیق و توسعه

دانلود پایان نامه ارشد

است. البته از آن جهت دشوار است كه، همه عوامل در تحليل مدل آمدهاند و در حل آن با مشكل همخطي ميان عوامل روبرو ميشویم. problems among factorHowever, the object of this researchبا این حال، هدف از این تحقیق به جای يافتن عوامل دقيق، تحلیل و بررسی ارتباط بین بهرهوری و جریان تجاری است. the analysis of correlations between productivity and networktrade rather than the finding of exact factors, so we assume tبنابراین، بر اساس مقاله دوکهی لی و میسوکیانگ تابع ساده زیر را برای تجزیه و تحلیل تجربی فرض میکنیمfollowing simple function for empirical analysis that includes که، شاملmajor explanatory variables: متغیرهای اصلی توضیحي است: (دوکهی لی و میسوکیانگ، 2009: 76)

TFP=F(R,TP)
In this equation, PT represents a productivity index, such as

در این معادله، TFP نشان دهندۀ شاخص بهرهوری کل عوامل میباشدtotal factor productivity.، که آن را تابعی از R R and TP are R&D investment and theو TP، یعنی سرمایهگذاری در بخش تحقیق و توسعه64 وtrade pattern, respectively. جریان تجاری65 در نظر گرفتهایم. به طور کلی R&D investment has generally beenسرمایه‌گذاری در بخش تحقیق و توسعه، عامل عمدهای در بیان تغییرات فنی استused as a major factor in expressing technical changes,، که4so it isincluded in this research. در این تحقیقات گنجانده شده است.The trade pattern variable that is used متغیر جریان تجاری که مورد استفاده قرار گرفته،is the number of car manufacturers (N) that supplier firms trade تعداد بنگاههای توليدكننده خودرو (N) است که، در این with in panel regression analysis.تحقیق استفاده شدهاند.Considering this function as a با توجه به این تابع به عنوان یکbasic model, we show the correlations between trade patterns مدل پایه، ما روابط میان جریانات تجاریand TFP through the automobile industry. و TFP را در صنعت خودرو نشان ميدهيم.Firstly, to examine the relationship between TFP and the
در مرحله اول، جهت بررسی رابطۀ میان TFP وtrade pattern, we need to estimate the TFP. جریان تجاری، باید TFP را برآورد كنيم.The concept of TFP در TFP is introduced by regarding technological advance as anپیشرفت تکنولوژی عامل مهم بهرهوری استimportant factor of productivity, because it seems that labor، چرا که به نظر میرسد که نهادههای کارand capital inputs alone cannot explain steady economic و سرمایه به تنهایی نمیتوانند رشد اقتصادی با ثبات را توضیح دهند.growth.Much of the literature on estimation of TFP uses جهت برآورد TFP از تابع تولید تجمعی سولو66 استفاده میکنیمSolow’s aggregate production function..In this research, we also در این تحقیق، همچنین از مدل سولوuse Solow’s model as a basis for estimation ( Solow, 1957 به عنوان مبنای برآورد استفاده شده است).
According to Solow’s method, the growth rate of output can beبا توجه به الگوی رشد سولو، نرخ رشد محصول میتواندbroken down into three components: the contributions of the به سه مؤلفه تقسیم شود: سهمfactors of production (labor and capital), and of the residual عوامل تولید (کار و سرمایه) و باقیمانده deemed to be TFP.که TFP تلقی میشود.The following Eq. (30) is Solow’s aggregate معادله (1) تابع تولید تجمعی سولوproduction function. میباشد. Y represents output, and L and K representY بیانگر محصول، L67 و68K بترتیب بیانگر labor and capital inputs, respectively.نهادههای کار و سرمایه میباشند.The variable T is included متغیر T در این مدل برای بیان تغییرات فنی در طول زمان استin this model to express technical change over time..

Y=F(L,K;T)

To explain technical change simply, Solow assumed neutralبرای سادگی، فرض میکنیم که پیشرفت تکنولوژی خنثی باشد. technical change.5In that case, the production function takesدر این صورت، تابع تولید شکل خاصی از معادله the special form of Eq. (31) .(2) به خود میگیرد.
(31)
Y=A(.)f(L,K)

Here the multiplicative factor A(Á) measures the cumulatedدر اینجا ضرب عامل (.)Aeffect of technical change shifts over time. اثر تجمعی تغییرات فنی را که در طول زمان شیفت یافته را نشان میدهد. 6Applying the Cobb-با استفاده از تابع تولید کاب-Douglas production function and log-changed form to Eq. (31)داگلاس69 و شکل تغییر لگاریتمی در معادله (2), داریم:
(32)(3) lnY_t=ln⁡[A(.)]+αlnL_t+βlnK_t

are output, labor, and capital of the period t,Y_t، L_t و K_t بترتیب محصول، نیروی کار و سرمایه در زمان t هستندrespectively.. معادله Eq. (33) represents TFP, and it can be derived from(4) بیانگر TFP است و میتوان آن را از معادله Eq. (32) .(3) بدست آورد.

(33)(4) ln⁡[A(.)]=lnY_t-αlnL_t-βlnK_t

In Eq. در معادله (34)(4), if we know a and b, which represent the share o، اگر مقادیر α و β که بترتیب بیانگر سهم محصول output produced by labor and capital respectively, we caتولید شده توسط نیروی کار و سرمایه هستند را بدانیم، میتوان estimate TFP by using existing data of YTFP را با استفاده از اطلاعات موجود در Y_t، L_t و K_t t, Lt, and Kt.a andتخمین زد. α و β b can be obtained from the results of regression of Eq. (32) .را میتوان از نتایج رگرسیون معادله (4) بدست آورد.
به منظور مشاهده رابطه میان TFP و ساختار تجاری، در ادامهTable 2Comparison of the manufacturer and the parts supplDedicated traNetwork tradOutpuManufacturer2ð140ÀnNext, we assume TFP by Eq. (34) in order to observe th TFP را توسط معادله (5) فرض می‌کنیم.

(34)(5) 〖A(.)=TFP=Ae〗^λt

In Eq. (35) , eدر معادله (5)، e^λt ltrepresents technical advances over time.بیانگر پیشرفتهای فنی در طول زمان است. با استفاده از Apply-ing the assumption of PT = F(R, TP), we can derive Eq.(35)فرض
TFP=F(R,TP)، می توانیم از معادله (5) مشتق بگیریم,،which is the embodied form of the assumption. که همان فرض اولیه است. در مورد ارتباط میان N و TP اینکه، چون N شاخص بکار گرفته شده بجای ساختار تجاری میباشد و از طرفی دیگر بهره‌وری تابعی از TP میباشد (TFP=F(R,TP))، بنابراین به جای TP مقدار N را که بیانگر سهم فروش بنگاه i- ام نسبت به سهم فروش کل بنگاههای دیگر مورد نمونه است، قرار میدهیم. پس در ابتدا TFP را برآورد میکنیم و سپس ارتباط میان TFP و ساختار تجاری را مشاهده میکنیم. معادله Eq. (35) is the log-changed form to be used for panel(6) شکل تغییر لگاریتمی جهت استفاده رگرسیون با دادههای پانلregression. است.

(35)(6) ln TFPt = lnA + β1 ln Rt + β2 ln TPt

lnTFPt بهرهوری کل عوامل
lnA پیشرفت تکنولوژی که خنثی فرض شده است
lnRtسرمایهگذاری در بخش تحقیق و توسعه در بنگاه i-ام
lnTPt ساختار تجاری بنگاه

با توجه به مطالب ذکر شده در مبانی نظری و مدل نهایی، روند متغیر را نیز در تخمین مدل میآوردیم.

Ln Yit = Constant + α ln Lit + β ln Kit + γ trend + εit
ln TFPit = Constant + β1 ln Rit + β2 ln Nit + β3 Trend + Uit

3-11-تعریف متغیرها

Y_it محصول در زمان t
L_it نیروی کار در زمان t
K_it سرمایه در زمان t
TFPit بهرهوری کل عوامل
R_it سرمایهگذاری در بخش تحقیق و توسعه در بنگاه i-ام
N_it سهم فروش بنگاه i- ام نسبت به سهم سایر بنگاهها
وu: جزء تصادفی مدل میباشند.

3-12-روش تحقيق

روش تحقیق، کتابخانهای و اسنادي است. در اين مطالعه تأثير جریانات تجاری بر بهرهوري صنعت خودرو داخلی مورد بررسي قرار ميگيرد كه، شكل كلي مدل در ساختار الگو توضيح داده شده است. همچنین، در اين تحقيق با توجه به اينکه تجزيه و تحليل دادهها براي 11 سال متوالی، يعني از (1386-1376) و براي 14 بنگاه تولیدکنندۀ قطعات خودرو در داخل کشور صورت ميگيرد، از روش دادههاي ترکيبي (تلفيقي) جهت تجزيه و تحليل استفاده کردهایم.
The panel analysis uses data from 16 parts suppliers fromبا استفاده از دادههای آماری و تحلیل دادههای پانل به تجزیه و تحلیل آنها1985 to 2005. میپردازیم.The data sources are the Korea Information اولاً، دادهها در سطح بنگاهی است و در صنعت خودرو انتخاب شدهاند. در Actually, 16 suppliers as samples for this analysis واقع، این عرضهکنندگان به عنوان نمونه برای تحقق این تجزیه و تحلیل خیلی کوچک هستند. too small to accomplish this study.The number of employees is used for labor input (L).تعداد کارگران برای نهاده نیروی کار (L) استفاده شده است.Totaltangible assets, except for land and construction in progress کل داراییهای ملموس 8assets were used for the capital input (K).برای نهاده سرمایه (K) مورد استفاده قرار گرفته است. 9Many researcheبسیاری از محققان have tried to estimate the capital input by using variousدر تلاشند تا نهاده سرمایه را با استفاده از مفاهیم مختلفconcepts. برآورد کنند.In this research, the concept of capital input as a به عنوان متغیر جریان تجاری، سهم فروش بنگاه i- ام به کل فروش بنگاههای تولیدیmanufacturers (N) with which one parts supplier had a trade متغیر N را relationship is used.مورد استفاده قرار دادهایم. حال به تشريح دادههاي ترکيبي ميپردازيم.

3-13-انواع مدلهاي دادههاي ترکيبي سري زماني (پانل)

دادههاي ترکيبي، به مجموعهای از دادهها گفته ميشود، که بر اساس آن مشاهدات به وسيله تعداد زيادي از متغيرهاي مقطعي که اغلب به صورت تصادفي انتخاب ميشوند، در طول يک دوره مشخصمورد بررسي قرار میگیرند. اين دادههاي آماري را دادههاي ترکيبي يا دادههاي مقطعي-سري زماني مينامند.
شکل کلي دادههاي ترکيبي به صورت زير است: (بالتاگی70، 2008: 11-9)

در رابطه فوق نشان دهنده ي متغير وابسته، متغيرهاي توضيحي، اسکالر ميباشد و يک بردار ميباشد. نشان دهنده مقاطع يا واحدهاي مشاهده شده، نشان دهنده دوره زماني مي‌باشد.
(2)

جزء خاص مقطع زماني71، (نمونه ها) و اثرات باقيمانده72، همچنين داراي بعد زماني73 نمي‌باشد.
معادله (1) ميتواند به فرم برداري به صورت زير نوشته شود:
(3)

برداري بعدي از يک ها است. معادله (2) ميتواند به اين فرم نوشته شود:
(4)

ماتريس يکه به بعد74، يک برداري از يکها داراي بعد و علامت ضرب کرونکر مي‌باشد.يک ماتريس انتخابگر يکها و صفرها75 است، يا به عبارت ديگر، ماتريس متغيرهاي مجازي است که اگر اثرات ثابت درنظر گرفته شود، يک براي تخمين وارد رگرسيون ميشود.
(5)
و

ماتريس ميانگين مشاهدات زماني براي هر نمونه است.
ماتريس نشان دهنده انحراف از ميانگين

پایان نامه
Previous Entries بهرهوری کل عوامل، تابع تولید، نرخ سودآوری Next Entries سطح معنادار، اثرات ثابت