بررسی تأثیر تجمیع فضایی فعالیت‌های صنعتی بر بهره‌وری کل عوامل تولید در صنایع شیمیایی و ماشین‌آلات استان‌های ایران

نویسندگان

1 استادیار، دانشکده اقتصاد، مدیریت و علوم اجتماعی، دانشگاه شیراز، شیراز، ایران.

2 دانشیار، دانشکده اقتصاد، مدیریت و علوم اجتماعی، دانشگاه شیراز، شیراز، ایران.

3 کارشناس ارشد، دانشکده اقتصاد، مدیریت و علوم اجتماعی، دانشگاه شیراز، شیراز، ایران

چکیده

یکی از متداول­ترین شاخص­هایی که از طریق آن می­توان به قدرت یک فعالیت صنعتی برای دستیابی به مزیت­های نسبی در بین صنایع مختلف پی برد، بهره­وری و ارتقای آن است. در این خصوص شناسایی عوامل مؤثر بر بهره­وری کل عوامل تولید ضرورتی اجتناب­ناپذیر است. هدف اصلی تحقیق حاضر، بررسی تأثیر تجمیع فضایی فعالیت­های صنعتی بر بهره­وری کل عوامل تولید در صنایع شیمیایی و ماشین­آلات ایران است که با استفاده از روش داده­های پانلی پویا بر مبنای گشتاورهای تعمیم‌یافته (GMM) که توسط آرلانو و باند (1991) توسعه داده‌شده است، برای 27 استان ایران، طی دوره‌ی زمانی 1390-1379 برآورد گردیده است. نتایج حاصل از برآورد حاکی از آن است که رابطه متغیر محلی شدن (تخصص) و بهره­وری کل عوامل در الگوهای بررسی‌شده برای صنعت شیمیایی و ماشین­آلات به شکل U معکوس است. به این صورت که توان اول این متغیر دارای تأثیر مثبت و معناداری بر بهره­وری کل عوامل و توان دوم این متغیر دارای تأثیر منفی و معنادار است به این معنی که اگر محلی شدن از حد آستانه عبور کند موجب کاهش بهره­وری کل عوامل خواهد شد. با توجه به اینکه ضریب محلی شدن مثبت است، با افزایش محلی شدن این دو صنعت بهره­وری کل عوامل افزایش می­یابد. شاخص شهرنشینی (تنوع) نیز اثر مثبت و معناداری بر بهره­وری کل عوامل تولید در این دو صنعت دارد، مثبت بودن این متغیر نشان می‌دهد که با افزایش تنوع فعالیت­های صنعتی، بهره­وری افزایش می­یابد.
طبقه‌بندیJEL:,R12, D24  C23 L65, , L62.

کلیدواژه‌ها


عنوان مقاله [English]

The Effect of Spatial Agglomeration of Industrial Activities on Total Factor Productivity in Chemical and Machinery Industries

نویسندگان [English]

  • Zahra Dehghan shabani 1
  • Ahmad Javaherei Sadraei 2
  • Maryam Shahryari fahliyani 3
1 Assistant Professor, Faculty of Economics, Management and Social Sciences, Shiraz University, Shiraz, Iran
2 Associate Professor, Faculty of Economics, Management and Social Sciences, Shiraz University, Shiraz, Iran
3 M.A. Graduated, Faculty of Economics, Management and Social Sciences, Shiraz University, Shiraz, Iran
چکیده [English]

Total Factor Productivity (TFP) is the portion of output not explained by the amount of inputs used in production. As such, its level is determined by how efficiently and intensely the inputs are utilized in production. Economists have long recognized that total factor productivity is an important factor in the process of economic growth. It plays a critical role on economic growth and Comparative advantage of industries. So, identification of factors affecting productivity is very important. This paper aims to analyze the effect of spatial agglomeration of industrial activities on total factors productivity in Chemical and Machinery Industries by using the Generalized Methods of Moments (GMM) on panel data for 27 provinces of Iran over the period 2000-2011.The results have shown that the relationship between the variable of localization (specialization) and TFP has quadratic form -U inverse shape- and the urbanization index (diversification) has positive effect on total factor productivity in Chemical and Machinery Industries.
JEL Classification: R12, D24, C23, L65 ,L62.

کلیدواژه‌ها [English]

  • Total Factors Productivity
  • Agglomeration of Industrial Activities
  • Dynamic
  • Panel Data
  • Chemical Industry
  • Machinery Industry

مقدمه

عبارت تجمیع اغلب به‌جای تخصص[1] و تمرکز[2] به‌کاربرده می­شود (ناکامورا و پل، 2009). تخصص اشاره به ترکیب صنعتی برخی صنایع در یک منطقه خاص در مقایسه با همان صنایع در سطح ملی دارد. تمرکز اغلب شامل توزیع فضایی صنایع خاصی می‌شود، تجمیع به‌طورمعمول اشاره به تمرکز فضایی فعالیت اقتصادی در یک منطقه دارد (برلهارت[3]،1998).

کروگمن[4] (1991) در کتاب خود تجمیع را به‌عنوان یکی از ویژگی­های قابل‌توجه در جغرافیای اقتصادی مطرح می­کند (داث[5]،2010) و آن را "خوشه­بندی فعالیت­های اقتصادی ایجادشده و پایدار با نوعی منطق مدور" می­داند. به گفته­ی پورتر[6] (1998) تجمیع صنعتی به خوشه­ی جغرافیایی گروهی از شرکت­ها و مؤسسات که در تولید و یا فعالیت­های اقتصادی خاص باهم مرتبط هستند، اشاره دارد. تجمیع فعالیت­ها منجر به اثرات خارجی مثبتی می‌شود که بهره­وری را افزایش می­دهد و منجر به جذب بیشتر اشتغال می­شود که این خود منجر به تجمیع بیشتر فعالیت­ها می­گردد (داث،2010).

عموماً صرفه­های ناشی از مقیاس در ابعاد جغرافیایی و مکانی به صرفه­های ناشی از تجمیع[7] شناخته می‌شوند[8]. یک تعریف از صرفه­جویی ناشی از تجمیع «کاهش هزینه­ها به دلیل اینکه فعالیت­های اقتصادی در یک محل واقع می­شوند» است (مک دونالد و مک میلن[9]،2007). ایده­ای که معمولاً به مارشال نسبت داده می­شود. نکته­ی اساسی این است که نزدیکی فعالیت‌های تولیدی در خود صنعت یا دیگر صنایع، منافع خارجی برای بنگاه­ها ایجاد می‌کند که این خود موجب افزایش عملکرد اقتصادی و سپس باعث ایجاد انگیزه برای خوشه­بندی می­شود.

صرفه­جویی­های ناشی از تجمیع به دودسته‌ی صرفه‌جویی ناشی از محلی شدن و شهرنشینی تقسیم می­شود. صرفه­های ناشی از تجمیع محلی[10]، صرفه‌های ناشی از تجمعی هستند که به گروه بنگاه‌هایی که در صنایع مشابه و در یک مکان جغرافیایی مستقرشده‌اند تعلق می­گیرد. صرفه­های ناشی از شهرنشینی صرفه­های ناشی از تجمعی هستند که به بنگاه­هایی تعلق می­گیرد که در بخش‌های متفاوت اقتصادی فعالیت می‌نمایند(جکوبز[11]،1960).

صرفه­های ناشی از تجمیع شهرنشینی[12]، زمانی رخ می­دهد که هزینه­ی تولید یک بنگاه با افزایش اندازه‌ی شهر کاهش یابد(صباغ کرمانی، 1338). درحالی‌که صرفه­جویی ناشی از تجمیع محلی زمانی رخ می­دهد که هزینه­های تولید بنگاه­ها در یک صنعت خاص، با افزایش تولید آن صنعت کاهش یابد. علت این امر این است که تجمع­های صنعتی اندوخته زیادی از نیروی کار دارند که کارایی بازار نیروی کار محلی را از طریق انطباق بین کارگران با کارفرمایان تسهیل می­کنند و همچنین وجود سرریزهای مفید دانش هم درون و هم بین صنایع محلی را بهبود می­بخشد و ضمن اینکه این صنایع تجمیع یافته می­توانند از یک تأمین­کننده نهاده واسطه استفاده کنند و با هزینه کمتر تولید را افزایش دهند (مارتین و همکاران[13]، 2009).

چنانچه مطرح گردید، تجمیع فضایی صنایع یکی از عواملی است که از طریق ایجاد صرفه‌جویی ناشی از تجمیع بر بهره­وری کل عوامل در صنایع تأثیرگذار است. هدف این مقاله بررسی ارتباط تجمیع فضایی فعالیت­های صنعتی و بهره­وری کل عوامل تولید در صنایع شیمیایی و ماشین­آلات است و در پی پاسخ به این سؤالات است که آیا شهرنشینی (تنوع) و محلی شدن (تخصص) فعالیت­های صنعتی بر بهره­وری کل عوامل در صنایع شیمیایی و ماشین­آلات اثرگذار است؟

برای این منظور این مقاله در 4 بخش سازمان‌دهی شده است. در بخش اول مقدمه ارائه‌شده و در بخش دوم روش تحقیق موردبررسی قرارگرفته است. در بخش سوم یافته های تحقیق و در بخش چهارم نتیجه‌گیری و پیشنهاد‌های تحقیق آورده شده است.

 

پیشینه پژوهش

هو[14] و همکاران (2015) در مقاله­ای به بررسی نقش تجمیع صنعتی بر رشد بهره­وری بخش صنعتی چین پرداختند. ایشان از داده­های 176 صنعت با کد سه‌رقمی در 2860 استان استفاده کردند. نتایج حاصل از این تحقیق حاکی از آن است که اولاً، اثرات ازدحام منافع حاصل از تجمیع را برای بنگاه‌هایی که در یک منطقه با تجمیع فراوان صنایع مستقرشده‌اند خنثی می­کند. ثانیاً، تجمیع در صنایع بالادستی بیشتر از صنایع مشابه است. ثالثاً، تجمیع صنعتی رشد بهره‌وری را 14 درصد در بخش صنایع چین طی دوره زمانی 2000 تا 2007 افزایش داده است.

هونگ یانگ[15] (2015) به بررسی تأثیر صرفه­جویی ناشی از تجمیع بر تولید محصولات جدید بنگاه­ها در چین طی سال 1998-2007 پرداخت. ایشان دریافت که بنگاه­های چینی از صرفه­جویی ناشی از شهرنشینی منفعت خواهند برد و برعکس، صرفه­جویی ناشی از محلی شدن هیچ اثر مثبتی ندارد. این نتایج نشان می‌دهد که در چین صرفه­جویی ناشی از شهرنشینی نقش مهم‌تری در رشد تولید محصولات جدید دارد.

تینگ و وی[16] (2012)، در مقاله­ای تحت عنوان "اثرات جانبی پویا و بهره­وری تولید"به بررسی اثرات جانبی پویا[17] از تراکم در کشور چین با استفاده از داده‌های سری زمانی و مدل VAR از سال 1993 تا 2009 و استفاده از شاخص الیسون ـ گلیسر (EG) پرداختند. نتایج نشان می­دهد که تخصص و رقابت باعث افزایش بهره­وری می­شود درحالی‌که تنوع دارای اثر منفی بر بهره­وری است.

مارتین و همکاران (2011)، در مقاله­ای با عنوان "تمرکز فضایی و بهره­وری در بنگاه­های فرانسه" اثر تراکم فضایی فعالیت­های اقتصادی را بر بهره­وری کل عوامل تولید با استفاده از داده­های شرکت­های فرانسوی از سال 1996 تا سال 2004 بررسی کردند و از روش تخمین­زن گشتاورهای تعمیم‌یافته(داده­های تابلویی پویا) استفاده کردند. نتایج این تحقیق نشان می­دهد که کارخانه­های فرانسه از صرفه‌های ناشی از محلی شدن بهره می­برند درصورتی‌که شواهد اندکی مبنی بر صرفه‌جویی ناشی از شهرنشینی نیز به‌دست‌آمده است.

موریکاوا[18] (2011)، در مقاله­ای تحت عنوان ‌"صرفه­جویی ناشی از چگالی و بهره­وری در صنایع خدماتی" با استفاده از روش حداقل مربعات معمولی به بررسی عوامل مؤثر بر بهره­وری در صنعت خدماتی ژاپن (مانند صرفه­جویی ناشی از مقیاس، صرفه­جویی ناشی از تنوع و صرفه­جویی ناشی از چگالی) در دوره­ی زمانی 2005-2001 پرداختند. نتایج این تحقیق نشان می­دهد که در کلیه­ی صنایع خدماتی صرفه­جویی ناشی از مقیاس و صرفه­جویی ناشی از تنوع وجود دارد. تقریباً در کلیه­ی صنایع خدماتی صرفه­جویی ناشی از چگالی یک عامل مهم بوده است که با دو برابر شدن چگالی جمعیت شهر، بهره­وری 10 تا 20 درصد افزایش می‌یابد.

هریس و موفات[19] (2011)، در مقاله­ای به بررسی عوامل مؤثر بر بهره­وری کل عوامل در سطح کارخانه بریتانیا طی دوره­ی زمانی 2006ـ1997 با استفاده از روش گشتاورهای تعمیم‌یافته (GMM) پرداخته­اند. ایشان به این نتیجه رسیده­اند که تمرکز صنایع و رقابت، با بهره­وری رابطه­ی مثبت دارد اما در بیشتر بخش‌ها تنوع دارای رابطه­ی منفی با بهره­وری کل عوامل تولید است.

حمودا و همکاران[20] (2010)، در مقاله­ای تحت عنوان "رشد، بهره­وری و متنوع­سازی در آفریقا "با بررسی 35 کشور قاره­ی آفریقا در دوره­ی زمانی‌ 2000-1981 با استفاده از روش حداقل مربعات معمولی بر اساس داده­های تابلویی به این نتیجه رسیدند که متنوع­سازی با اثرگذاری مثبت بر بهره‌وری کل عوامل تولید می­تواند منجر به رشد اقتصادی شود.

هوی لین و همکاران[21] (2009)، در مقاله­ای با عنوان "تراکم و بهره­وری: صنعت نساجی چین" با استفاده از مجموعه داده­های پانلی از شرکت­های نساجی چین طی سال­های 2000 تا 2005 به بررسی پویایی تراکم نواحی صنعتی و تأثیر تراکم بر بهره­وری در سطح بنگاه در صنعت نساجی چین پرداخته­اند. در این تحقیق شاخص الیسون-گلیسر(EG) برای اندازه‌گیری تراکم فضایی برای هرسال محاسبه‌شده که مقدار متوسط شاخص EG حدود 05/0 است که نشان می‌دهد که این صنعت به‌شدت متمرکز است. ایشان با استفاده از تحلیل رگرسیون دریافتند که تراکم صنعتی دارای رابطه‌ی مثبت اما غیرخطی با بهره­وری بنگاه است. همچنین ضریب متغیر ارتباط متقابل بین شاخص EG و اندازه­ی شرکت­ها، منفی است که دلالت بر این دارد که یک شرکت کوچک تمایل دارد که از اثرات جانبی مثبت تراکم نواحی صنعتی سود بیشتری کسب کند.

اندرسون و لووف[22] (2009)، در مقاله­ای با عنوان "تجمیع و بهره­وری" به بررسی رابطه­ی بین تجمیع و بهره­وری با استفاده از مدل­های ایستا و پویا و داده‌های شرکت­های تولیدی سوئد با 10 نفر کارکن و یا بیشتر، در طول دوره­ی زمانی 2004ـ1997 با استفاده از روش GMM پرداخته­اند و به این نتیجه رسیدند که بین اندازه­ی منطقه و بهره­وری نیروی کار در سطح شرکت‌های فردی رابطه­ای مثبت وجود دارد به‌طوری‌که بهره‌وری برای شرکت­های واقع در مناطق بزرگ‌تر بیشتر است و همچنین به نظر نمی­رسد که پدیده‌ی تجمیع رابطه­ای روشن با اندازه­ی شرکت داشته باشد.

یوهان و همکاران[23] (2008)، در مقاله­ای تحت عنوان "چگالی فضایی و تفاوت­های بهره­وری در بین مناطق" با استفاده از مدل کیکونی و هال به بررسی اثرات چگالی فعالیت تولیدی بر بهره­وری نیروی کار و بهره‌وری کل عوامل در صنایع کارخانه­ای کره طی دوره­ی1994- 1983 پرداخته‌اند. نتایج تجربی این مقاله نشان می‌دهد که چگالی بالای فعالیت تولیدی منجر به افزایش بهره­وری در 4 منطقه از 15 منطقه­ی کره شده است.

فن و اسکات[24] (2003)، در مقاله­ای با عنوان "تراکم صنعتی و توسعه: بررسی موضوعات اقتصاد فضایی در شرق آسیا و تجزیه‌وتحلیل آماری از مناطق چین" بر اساس 30 بخش تولیدی در سال 2000 شاخص هرفیندال ـ هیرشمن را برای صنایع در استان­های چین محاسبه کردند و به بررسی تأثیر تمرکز فضایی بر بهره‌وری در چین پرداختند. آن‌ها نشان دادند که ارتباط مثبت قوی بین تراکم فضایی و بهره­وری در بسیاری از بخش­های تولیدی در چین وجود دارد.

شهنازی و ذبیحی­دان (1394) در مقاله­ای به بررسی تاثیر تمرکز اقتصادی بر بهره‌وری نیروی کار در  23 صنعت کارخانه‌ای ایران طی سال­های 1388-1385 پرداختند. در این مقاله از شاخص الیسن گلیسر برای محاسبه تمرکز جغرافیایی استفاده‌شده است. بر اساس نتایج برآورد شده، تمرکز فعالیت صنعتی دارای تأثیر مثبت بر بهره‌وری‌ است.

دهقان شبانی (1392)، در مقاله­ای تحت عنوان "تأثیر چگالی فعالیت اقتصادی بر بهره­وری نیروی کار در استان­های ایران" به بررسی تأثیر چگالی فعالیت اقتصادی بر بهره­وری نیروی کار در استان­های ایران پرداخته است که در آن از چارچوب مدل کیکونی و هال (1996) استفاده‌شده است و الگوی اقتصادسنجی بر اساس این مدل را برای 28 استان ایران طی دوره­ی 1390-1380 طراحی کرده که توسط روش حداقل مربعات معمولی در داده­های تابلویی برآورد گردیده است. نتایج حاصل از این تحقیق حاکی از آن است که بهره­وری نیروی کار با افزایش چگالی سرمایه و چگالی نیروی کار که پراکسی چگالی فعالیت­ اقتصادی هستند، افزایش می­یابد که این امر نشان می‌دهد اثرات تجمیع چگالی فعالیت اقتصادی بر اثرات ازدحام غالب است و با دو برابر شدن چگالی فعالیت اقتصادی در استان­های ایران بهره­وری نیروی کار 63 درصد و بهره­وری کل عوامل تقریباً 54 درصد افزایش می­یابد.

 

مبانی نظری تأثیرگذاری تجمیع فعالیت صنعتی[25] بر بهره­وری کل عوامل

شاخص­های تنوع (شاخصی از صرفه­جویی­های ناشی از شهرنشینی) و تخصص (شاخصی از صرفه‌جویی ناشی از محلی شدن)، دو شاخص معروف برای اندازه‌گیری تجمیع هستند.

 

تأثیر تنوع صنعتی بر بهره­وری در صنایع

تنوع صنعتی به وجود شمار بزرگی از انواع مختلف صنایع در یک منطقه یا اندازه­ای که فعالیت اقتصادی یک منطقه بین شماری از طبقات صنایع توزیع‌شده باشد، گفته می­شود. تنوع اقتصادی در یک منطقه تفاوت را در ساختار اقتصاد منطقه نشان می‌دهد. یک منطقه کاملاً متنوع نامیده می­شود اگر نسبت­های یکسانی از کارگران با m نوع مهارت و استعداد داشته باشد که در m نوع فعالیت مشغول به کار باشند، بنابراین در این منطقه نسبت یکسانی از بنگاه­ها وجود دارد که هر یک فرآیند تولیدی از نوع m را استفاده می­کنند (دورانتون و پوگا[26]،2001 به نقل از فرهمند، 1391).

جکوبز[27] (1969) معتقد است که تنوع به‌عنوان موتور اصلی نوآوری­های کارآمد است. ساختار صنعتی متنوع­تر امکان دستیابی به دانش فنی مختلف و تکمیلی را فراهم می­کند و لذا به نفع فعالیت­های نوآورانه است؛ بنابراین ساختار تولید متنوع محلی موجب ایجاد اثرات جانبی شهرنشینی (تنوع) یا اثرات جانبی جکوبز می­شود. اثرات خارجی جکوبز، توسط بسیاری از کارکنان متنوع، مؤسسات و نهادهایی به وجود می­آید که از نزدیکی و مجاورت با یکدیگر بهره­مند می­شوند. نواحی با تنوع فعالیت­های اقتصادی که عموماً تجمیع­های شهری هستند، شبکه‌های اجتماعی متراکم و نهادهایی دارند که فضا برای مبادله­ی اطلاعات و ایده­ها و درنتیجه فعال‌سازی نوآوری و پیشرفت فنی را ایجاد می‌کنند(مارتین و همکاران،2009) که از این طریق موجب افزایش بهره­وری عوامل تولید صنایع موجود، در منطقه می‌گردد.

مجاورت فیزیکی به بنگاه‌ها در صنایع مختلف جریان دانش را به دلیل افزایش تعداد ارتباطات متقابل و تماس‌های چهره به چهره افزایش می­دهد. تماس­های چهره به چهره به‌ویژه زمانی که اطلاعات ناقص است و به‌سرعت تغییر می­کند بهره­وری را در صنایع افزایش می­دهد زیرا موجب افزایش محصول خواهد شد (استورپر و وینیبلز[28]، 2004؛ ابل و همکاران[29]، 2011). همچنین صنایع اندوخته­ای از نیروی کار دارند که کارایی بازار نیروی کار را از طریق انطباق بین کارگران با کارفرمایان تسهیل می­کنند و موجب افرایش بهره­وری نیروی کار در صنایع می­شود.

تنوع فعالیت‌های اقتصادی، رشد فرصت‌های اشتغال به­ویژه در صنایع جدید و نوآور را افزایش می­دهد. هنسون[30] (2001) در مطالعه­ای نتیجه گرفت که رشد صنعتی درازمدت در شهرهای ازنظر صنعتی متنوع‌تر، بالاتر است. این بدان معنی است که تنوع فعالیت اقتصادی رشد را ارتقا می­بخشد(اوسولیوان، 2003). شکی نیست که تنوع اقتصادی در صنعت، نوآوری را در طراحی محصول و تولید، افزایش می‌دهد. همچنین سرریزهای دانش در پیشرفت صنایع نقش دارند و اثر سرریزهایی که به­طور عمده در بین صنایع اتفاق می‌افتد به‌مراتب بیشتر از سرریزهای درون یک صنعت خاص بر رشد است (همان).

کومبز[31] (2000)، معتقد است که زیرساخت‌های حمل‌ونقل و ارتباطات، نزدیکی بازارها و دسترسی بهتر به خدمات تخصصی، منابع دیگر صرفه­های ناشی از شهرنشینی است که بهره‌برداری از بنگاه‌ها را تسهیل می­بخشد. جکوبز مشاهده کرد که تنوع به‌اندازه‌ی تخصص به‌عنوان یک مکانیسم منجر به رشد اقتصادی می‌شود؛ بنابراین ساختار تولید محلی متنوع، منجر به افزایش اثرات خارجی شهرنشینی یا اثرات خارجی جکوبز می­شود.

 

تأثیر تخصص صنعتی بر بهره­وری صنایع

تخصص اقتصادی به میزان تمرکز فعالیت­های مربوط به یک صنعت خاص در منطقه بستگی دارد. یک شهر کاملاً تخصصی نامیده می­شود اگر در آن‌همه‌ی کارگران استعداد و مهارت یکسانی داشته باشند و در یک نوع فعالیت مشغول به کار باشند، پس در این شهر همه­ی بنگاه­های محلی، نوع یکسانی از فرآیند تولید را استفاده می­کنند (دورانتون و پوگا، 2001 به نقل از فرهمند، 1391).

آلفرد مارشال[32] (1920) بیان می­کند زمانی که
بنگاه­های مشابه مجاور یکدیگر مستقر شوند، موجب تمرکز یک صنعت در یک منطقه و تخصصی­تر شدن آن صنعت در منطقه می­گردند، در این حالت سرریزهای دانش و فنّاوری در بین آن‌ها افزایش می‌یابد. ایده‌های نوآور بندرت می­تواند مخفی نگه‌داشته شوند به‌خصوص زمانی که کارکنان از بنگاه‌های مختلف در یک صنعت بتوانند به‌راحتی با یکدیگر ارتباط داشته باشند(هریس و اونیدس[33]، 2000). وجود سرریز دانش بین بنگاه­ها موجب افزایش تولید می­شود و بهره­وری کل عوامل تولید را افرایش می‌دهند. مارشال (1890) مشاهده کرد که صنایع متخصص به لحاظ جغرافیایی، به دلیل مجاورت باهم، از انتقال دانش درون صنعت و کاهش هزینه­های حمل‌ونقل نهاده­ها و ستاده­ها سود برده و اجازه می­دهد تا شرکت­ها از بازار کار کارآمدتر بهره‌مند شوند (بیدری و شیفوروا، 2008). همچنین هزینه­ی جستجو برای کارکنان واجد شرایط (کارگرانی که انطباق مهارت با نیاز کارفرما دارند) کاهش می­یابد. کارگران متخصص واجد شرایط از جاهای دیگر دارای انگیزه برای رفتن به مناطقی با فرصت­های شغلی بهتر و دستمزد بالاتر هستند. تمرکز محلی بنگاه­ها در صنعت مشابه، فرصت­های شغلی بیشتری را برای کارگران اخراج شده ایجاد می­کند. مهاجرت این کارگران بین بنگاه­ها نیز به سرریز دانش کمک می­کند(داث،2010). به‌طورکلی بنگاه­ها در نزدیکی تأمین­کنندگان نهاده­هایشان مستقر می­شوند تا هزینه‌های حمل‌ونقل کاهش یابد و همچنین در نزدیکی مشتریان خود مستقر می­شوند تا هزینه­ی توزیع کاهش یابد.

مارشال (1890)، ارو (1962) و رومر (1986) یک مفهوم را مطرح کردند که بعدها توسط گلیسر و همکاران (1992) رسمیت یافت و به‌عنوان مدل مارشال-  ارو-  رومر (MAR) شناخته شد. این مدل ادعا می­کند که تمرکز یک صنعت در یک منطقه سرریز دانش را بین شرکت‌ها ترویج داده و نوآوری را در آن صنعت خاص در آن منطقه تسهیل می­کند. این تخصص، انتقال و تبادل دانش، ایده­ها و اطلاعات از محصولات و فرآیندها از طریق تقلید، تعامل کسب‌وکار و گردش بین شرکتی کارگران ماهر را تشویق می­کند. گلیسر و همکاران در سال 1992 بیان کرده­اند که انحصار محلی جریان انتقال ایده­ها به دیگران را محدود می­کند و اجازه می­دهد که اثرات خارجی به­وسیله­ی نوآوری­های جدید درونی شود؛ بنابراین از منظر مدل MAR انحصار نسبت به رقابت بهتر است زیرا انحصار می‌تواند از ایده­ها محافظت کند و باعث می­شود تا به نوآوری اجاره تعلق بگیرد. این‌گونه اثرات سرریزهای درون صنعت به‌عنوان اثرات خارجی محلی شدن یا تخصصی شدن شناخته می­شود و با عنوان اثرات خارجی مارشالی یا اثرات خارجی MAR شناخته می­شوند.

 

روش تحقیق

تصریح مدل

هدف اصلی تحقیق حاضر بررسی اثر تجمیع فعالیت­های صنعتی بر بهره­وری کل عوامل تولید در صنعت شیمیایی و ماشین­آلات در استان­های ایران است. یک تابع تولید کاب- داگلاس به‌صورت زیر در نظر گرفته‌شده است:

 رابطه 1                                            

که  ارزش‌افزوده‌ی صنعت i در زمان t،  موجودی سرمایه و  نیروی کار صنعت i در زمان t و  نماد فناوری (بهره­وری کل عوامل) و عوامل مؤثر بر آن است. در اواخر دهه 50 با مطرح‌شدن مقوله حسابداری رشد و با توجه به واقعیات آماری آشکارشده در مورد رشد موجودی سرمایه، رشد نیروی کار و رشد محصول، مشخص شد که نرخ رشد محصول فراتر از حاصل جمع وزنی رشد نیروی کار و رشد موجودی سرمایه است. در توجیه این اختلاف که به عامل پسماند شهرت یافت، گریلیچس[34] آن را نشأت‌گرفته از رویداد پیشرفت­های فنی دانست و در این خصوص به 3 عامل اشاره کرد. پیشرفت سازمان‌دهی، تشکیلات و محیطی، پیشرفت فنی حاصله در نیروی کار و پیشرفت فنی در تولید کالاهای سرمایه‌ای.

منظور از عامل اول اصلاحات و بهبود سازمانی، تشکیلاتی و محیطی است که تابع تولید را در طول زمان به سمت بالا منتقل می­کند. با لگاریتم و سپس مشتق­گیری از تابع تولید بیان‌شده، نتیجه می­شود:

رابطه 2                                             

اصلاحات و بهبود سـازمانی و تشکیلاتی و محیطی، در رابطه فوق خود را در عامل A آشکار ساخته و قادر است قسمتی از تغییرات تولید را توضیح دهد[35]. حال‌آنکه اقتصاددانان به‌طور سنتی تغییرات در پارامتر A را به تغییرات فنّاورانه نسبت می­دهند. به‌عنوان‌مثال در الگوی رشد نئوکلاسیک که بر تابع تولید رابطه (2) استوار است، پارامتر A صرفاً بیانگر تغییرات فنّاوری تولید است. پیروان مکتب دورهای تجاری حقیقی، در توجیه پسماندهای برآوردی سولو اتکای بیش‌ازحدی به شوک­های فنّاورانه غیرقابل مشاهده دارند. منکیو در این خصوص به اهمیت دوره­های رکود در اقتصاد اشاره دارد و معتقد است که مطابق ادعای پیروان مکتب دورهای تجاری حقیقی شوک‌های فنّاورانه غیرقابل مشاهده باید قادر به توضیح پدیده رکود نیز باشند، حال‌آنکه ما هیچ‌گاه بحثی راجع به کاهش فنّاوری موجود نمی­شنویم. هانسن و پرسکات (1992) معتقدند که تغییرات در چارچوب نهادی و قانونی می­تواند انگیزه­های پذیرش فنّاوری‌های معین را تغییر دهد. برای نمونه، وجود پاره­ای مقررات دولتی دست و پاگیر می‌تواند به‌عنوان یک شوک فنّاوری منفی عمل نماید (دهقان و شهنازی، 1390). در مدل‌های رشد درون‌زا افزایش سرمایه انسانی، جمعیت و حمایت از تحقیق و توسعه بر بهره­وری و انتقال پارامتر A مؤثر هستند و در مدل‌های رشد جغرافیای اقتصادی جدید فاکتور مهم در بهره­وری کل عوامل را تمرکز فعالیت صنعتی، سرریزهای دانش و هزینه انتقال دانش در منطقه می‌دانند (مینروا و اتاویانا، 2009).

بنابراین در پارامتر A، دامنه وسیعی از متغیرهای تأثیرگذار بر ابداع و نوآوری ازجمله متغیرهای نهادی، محیطی و سیاست‌های دولت قرار می‌گیرند.

در این مقاله طبق مبانی نظری مطرح‌شده و در چارچوب مدل­های جغرافیای اقتصادی جدید، علاوه بر شوک­های فنّاورانه غیرقابل مشاهده، آنچه بر پارامتر A تأثیرگذار است، یک فاکتور محیطی است که بر هزینه انتقال دانش و سرریزهای دانش مؤثر است که شامل صرفه‌جویی ناشی از محلی شدن و شهرنشینی است، بنابراین:

رابطه 3

که  یک معیار برای صرفه­جویی ناشی از محلی شدن و  معیاری برای صرفه­جویی ناشی از شهرنشینی برای صنعت i است. با گرفتن لگاریتم از عبارت (3) داریم:

 رابطه 4                 

در برآورد مدل (4) دو موضوع وجود دارد:1-  و  هر دو به  وابسته هستند.   می­تواند شامل متغیرهای آب‌وهوا، زیرساخت­های حمل‌ونقل، منابع طبیعی و یا خدمات عمومی و... برای یک صنعت باشد که با افزایش آن‌ها بهره­وری کل عوامل در یک صنعت افزایش خواهد یافت و همچنین منطقه‌ای که ازنظر شرایط آب و هوایی، زیرساخت‌های حمل‌ونقل، منابع طبیعی و خدمات عمومی بهتر باشد برای استقرار بنگاه­های جذاب­تر خواهد بود. بنابراین یک ارتباط مثبت بین متغیرهای محیطی غیرقابل‌اندازه‌گیری (غیرقابل مشاهده) صنعت ( ) و شاخص  و  وجود دارد. زمانی که بین متغیرهای مستقل و جزء خطا ارتباط وجود دارد برآوردگر حداقل مربعات معمولی (OLS) تورش‌دار است و باید تکنیک دیگری استفاده شود. 2- همچنین چنانچه یک شوک مثبت یا منفی در یک منطقه یا در یک صنعت اتفاق افتد، سایر صنایع و بنگاه­ها درنتیجه این شوک تحت تأثیر قرار گیرند و بنابراین تورش همزمانی ایجاد خواهد شد. برای رفع مشکل (1) و در نظر گرفتن تورش همزمانی استفاده از تکنیک GMM پیشنهاد می‌شود (مارتین و همکاران، 2011).

در مطالعات اثرات خطی (یکنواخت[36]) صرفه‌جویی ناشی از تجمیع موردمطالعه قرارگرفته است. اما در تئوری­های جغرافیای اقتصادی و اقتصاد شهری در کنار تأثیر مثبت اثرات خارجی تجمیع، اثرات ازدحام[37] وجود دارد که صرفه­جویی ناشی از تجمیع را بعد از عبور از یک نقطه آستانه کاهش خواهد داد[38]. در این شرایط در نظر نگرفتن تأثیر غیرخطی صرفه­جویی ناشی از تجمیع به‌خصوص در بلندمدت منطقی نخواهد بود، زیرا بنگاه‌های حداکثر کننده سود در بلندمدت در مکان­های بهینه مستقر خواهند شد و سیاست‌گذاران و مقامات دولتی با در نظر گرفتن این اثرات در میان­مدت و بلندمدت باید خدمات عمومی محلی و زیرساخت­های عمومی برای جلوگیری از اثرات ازدحام را فراهم کنند.  

بنابراین مدل اصلی مقاله به‌صورت زیر در نظر گرفته‌شده است:

رابطه 5                  

                                                

  : بهره­وری کل عوامل تولید در زمان t

: بهره­وری کل عوامل تولید در زمانt-1[39]

: شاخص تخصص

: توان دوم شاخص تخصص

: شاخص تنوع

: جمله­ی اخلال

که رابطه‌ی(5) برای دو صنعت شیمیایی و
ماشین­آلات به‌صورت جداگانه برآورد می­شود.

 

منابع داده­های آماری تحقیق

آمار و اطلاعات مورداستفاده در این تحقیق از سالنامه­های آماری استان­ها از سال 1379 تا سال 1390 برای 27 استان[40] گرفته‌شده است. لازم به ذکر است که آمار مربوط به سال 1387 برای تمامی استان­ها، به دلیل در دسترس نبودن، در محاسبات لحاظ نشده است. در ابتدا با استفاده از آمار تعداد شاغلان، سرمایه­گذاری و ارزش‌افزوده‌ی کارگاه­های صنعتی ده نفر کارکن و بیشتر برحسب نوع فعالیت و طبقات کارکن، به محاسبه­ی بهره­وری پرداخته‌شده است که برای انجام این کار به ذخیره­ی سرمایه نیاز بود. برای محاسبه­ی ذخیره­ی سرمایه از آمار سرمایه‌گذاری سال­های 1379 تا 1390 استفاده‌شده و با استفاده از روش نمایی ذخیره­ی سرمایه محاسبه‌شده است. در روش نمایی، ابتدا باید موجودی سرمایه از طریق تخمین تابع نمایی   برآورد شود. در این رابطه  متغیر سرمایه‌گذاری ناخالص انجام‌شده در سال t و  سرمایه­گذاری ناخالص انجام‌شده در سال پایه (1379) است. تبدیل لگاریتمی تابع نمایی به‌صورت  است. پس از تخمین رابطه با روش OLS ضریب متغیر روند زمانی ( ) در معادله به دست می­آید. برای تعیین موجودی سرمایه در سال 1379، بدون احتساب استهلاک سرمایه، از رابطه­ی  استفاده می­شود. با در نظر گرفتن استهلاک سرمایه و کسر 5 درصد از موجودی سرمایه به‌عنوان استهلاک، موجودی سرمایه در سال 1379 به قیمت جاری محاسبه می­شود. سپس با استفاده از تعریف K به‌صورت رابطه  و بر اساس موجودی سرمایه در سال پایه، مقادیر موجودی سرمایه برای سال­های مختلف قابل‌محاسبه است (زراءنژاد و انصاری، 1386). در رابطه فوق،  نشانگر نرخ استهلاک سرمایه و برابر 5 درصد در نظر گرفته‌شده است. برای محاسبه­ی شاخص بهره­وری کل عوامل تولید از شاخص سولو استفاده‌شده است. تابع تولید موردنظر برای اندازه‌گیری این شاخص، تابع کاب ـ داگلاس  است که در آن  ارزش تولید،  سرمایه،  نیروی کار و  و  به ترتیب کشش تولید نسبت به عوامل سرمایه و نیروی­کار را نشان می­دهد.

 

روش­های مختلفی برای اندازه­گیری تجمیع فعالیت‌های اقتصادی (صنعت، کشاورزی، خدمات و ...) در یک منطقه وجود دارد. پرکاربردترین شاخص برای اندازه­گیری تخصص اقتصادی هر صنعت شاخص نسبت مکانی (LQ) است.در این تحقیق نیز از شاخص نسبت مکانی (LQ) استفاده‌شده است که صورت کسر این شاخص، تعداد کارکنان کارگاه‌های صنعت (i) در استان (j) نسبت به کل تعداد کارکنان صنعت (i) در کل کشور را نشان می­دهد و مخرج کسر نشان­دهنده­ی تعداد کل کارکنان صنایع استان (j) نسبت به تعداد کل کارکنان کشور است که رابطه­ی آن را می­توان به‌صورت زیر نوشت:

                   رابطه 6            

: تعداد کارکنان صنعت i در منطقه­ی j 

: تعداد کارکنان صنعت i در کل کشور

: تعداد کارکنان کل منطقه j  

   : تعداد کل کارکنان صنایع کل کشور

و شاخص تعداد شاغلان در سایر صنایع که روبه‌روی صنعت i قرار دارد، بر اساس مقاله مارتین و همکاران (2011) به‌عنوان شاخص تنوع در این مقاله در نظر گرفته‌شده که به‌صورت زیر است:

  

: تعداد کارکنان کل صنایع استان z و

  : تعداد کارکنان صنعت s در استان  z

 

یافته های تحقیق

مدل مورد برآورد در مقاله به‌صورت:

 

است که بر مبنای داده­های تلفیقی برآورد خواهد شد.

با توجه به مباحث مطرح‌شده در بخش تصریح مدل، در این مقاله معادله فوق توسط روش GMM برای دو صنعت شیمیایی و ماشین­آلات در 27 استان ایران طی سال­های 1379 تا 1390 برآورد گردیده است.

قبل از برآورد مدل داده­های پویا به روش گشتاور تعمیم‌یافته لازم است که وابستگی بین جملات اخلال مورد آزمون قرار گیرد که در صورت وابستگی بین جملات باید درروش GMM این وابستگی لحاظ شود و سپس مدل مورد آزمون قرار گیرد.

بررسی وجود یا عدم وجود وابستگی مقطعی بین جملات اخلال توسط آزمون­های مختلفی ازجمله آزمون استقلال مقطعی پسران (2004) و آزمون وابستگی مقطعی بروش پاگان (1980) صورت می‌گیرد. این‌که مناسب­ترین آزمون برای هر تحقیق کدام است، بستگی به تعداد مقطع­ها و سری­های زمانی دارد. چنانچه تعداد سری­های زمانی از مقطع­ها کمتر باشد، آزمون استقلال مقطعی پسران مناسب است و درصورتی‌که تعداد سری­های زمانی از مقطع‌ها بیشتر باشد، آزمون وابستگی مقطعی به‌روش پاگان مناسب است (پسران،2004). در این تحقیق دوره­ی زمانی 1379 تا 1390 به‌جز سال 1387 است که 11 سال و تعداد مقاطع 27 استان ایران برای هر صنعت است بنابراین، از آزمون پسران استفاده‌شده که نتایج آزمون وابستگی مقطعی بین جملات اخلال در جدول­ زیر آورده شده است.

جدول 1- نتایج آزمون وابستگی مقطعی

صنعت

آزمون استقلال مقطعی پسران

مقدار آماره­ی آزمون پسران

(معناداری)Prob 

شیمیایی

1.098

0.2722

ماشین‌آلات

19.691

0.000

منبع: محاسبات پژوهش.

با توجه به نتایج این جدول­، در صنعت شیمیایی وابستگی مقطعی بین جملات اخلال وجود ندارد و در صنعت ماشین­آلات وابستگی مقطعی بین جملات اخلال وجود دارد.

برای برآورد مدل GMM از نرم­افزار Stata استفاده‌شده است که در این نرم­افزار برای اطمینان در خصوص مناسب بودن روش GMM قادر به انجام دو آزمون یعنی آزمون سارگان و آزمون همبستگی پسماندهای مرتبه­ی اول و دوم (1)AR و (2)AR خواهیم بود. اگر وابستگی مقطعی بین جملات اخلال وجود داشته باشد، باید این وابستگی رفع شود یا از الگوریتمی استفاده شود که به‌طور خودکار آن را رفع نماید. بدین منظور برای برآورد مدلGMM  از نرم‌افزار Eviews استفاده می­شود که در این
 نرم­افزار برای اطمینان در خصوص مناسب بودن روشGMM  و متغیرهای ابزاری انتخاب‌شده، آماره‌ی آزمون هانسن گزارش می­شود.

نتایج تخمین مدل برای صنعت شیمیایی در استان‌های ایران طی دوره­ی زمانی 1390ـ 1379در جدول (2) آورده شده است.

 

جدول2- نتایج برآورد مدل برای صنعت شیمیایی در استان­های ایران

متغیرها

شیمیایی

بهره­وری کل عوامل

 

0.7573821

580.12(0.000)

تخصص

1.034261

16.99(0.000)

توان دوم تخصص

 

0.0802724-

16.89-(0.000)

تنوع

2.371885

15.71(0.000)

AR(1)

2.9473-

(0.0032)

AR(2)

0.66808

(0.5041)

آزمون سارگان

26.5503

(0.8151)

مقادیر ردیف اول هر متغیر ضریب متغیر در مدل و مقادیر ردیف دوم مقدار آماره t و مقادیر داخل پرانتز مقدار احتمال است. منبع: محاسبات پژوهش.

طبق نتایج به‌دست‌آمده در صنایع شیمیایی، تخصص ازنظر آماری معنادار و دارای ضریب مثبت می­باشد که نشان‌دهنده‌ی تأثیر مثبت این متغیر بر بهره­وری کل عوامل تولید است و با افزایش تخصص، بهره­وری افزایش می­یابد؛ بنابراین، در این صنعت، نظریه­ی مارشال تأیید می­شود و تخصص اثر مثبت بر بهره‌وری و رشد اقتصادی دارد.

طبق مباحث ارائه‌شده تجمیع فعالیت‌های صنعتی از طریق صرفه­جویی­های ناشی از تجمیع محلی شدن و شهرنشینی باعث افزایش بهره­وری می­شود. تجمیع یا خوشه­ای شدن صنایع به دلایلی همچون افزایش نوآوری و پیشرفت فنی، افزایش سرریزهای دانش، انطباق بین کارگران و کارفرمایان و کاهش هزینه­های حمل‌ونقل موجب افزایش بهره­وری در صنعت می‌شود؛ اما با افزایش تعداد بنگاه­های یک صنعت در یک مکان، اثرات ازدحام با ایجاد ترافیک، آلودگی محیط‌زیست و افزایش هزینه­های حمل‌ونقل تأثیری منفی بر بهره­وری صنایع دارد. توان دوم تخصص نیز به همین دلیل واردشده است و انتظار بر این است که یک نقطه­ی ماکزیمم داشته باشد که چنانچه محلی شدن از یک حد بالاتر رفت، اثر ازدحام می‌تواند منافع ناشی از تجمیع را از بین ببرد و اثر صرفه­جویی ناشی از محلی شدن را بر بهره­وری عوامل کاهش دهد. در جدول (2) متغیر توان دوم تخصص ازنظر آماری معنادار و دارای ضریب منفی است. درواقع می­توان گفت این متغیر دارای یک نقطه­ی آستانه است که مقدار آستانه برای متغیر تخصص طبق جدول به‌طور تقریبی 44/6 می­باشد[41] که اگر به‌طور متوسط تخصص از 44/6 بالاتر برود با افزایش محلی شدن بهره­وری کاهش خواهد یافت. متوسط شاخص تخصص در صنعت شیمیایی استان‌ها طی سال­های 1379 تا 1390، 15/1 می­باشد که کمتر از مقدار تقریبی آستانه است؛ بنابراین در این صنعت با افزایش محلی شدن و تخصص بهره­وری افزایش خواهد یافت.

متغیر تنوع نیز ازلحاظ آماری معنادار است و ضریب این متغیر مثبت شده پس در این صنعت فرضیه جکوبز مبنی بر تأثیر مثبت تنوع بر بهره­وری تأیید می­شود که با افزایش تنوع فعالیت­های صنعتی، بهره‌وری افزایش می­یابد.

برای ایجاد اطمینان در خصوص مناسب بودن روش GMM برای برآورد مدل از دو آزمون استفاده
می­شود. 1- آزمون سارگان که برای اثبات شرط اعتبار تشخیص بیش‌ازحد یعنی صحت و اعتبار متغیرهای ابزاری به کار می­رود که فرضیه صفر این آزمون نشان‌دهنده متغیرهای ابزاری مناسب است و 2- آزمون همبستگی پسماندهای مرتبه اول AR(1) و مرتبه دوم  AR(2) است که این آزمون نیز برای بررسی اعتبار و صحت متغیرهای ابزاری استفاده می‌شود. آرلانو و بوند (1991) بیان می­کنند که در تخمین GMM باید جملات اخلال همبستگی مرتبه اول  AR(1) باشند اما دارای همبستگی سریالی مرتبه دوم AR(2) نباشند. فرضیه صفر آزمون همبستگی پسماندها؛ همبسته نبودن پسماندها است. مقادیر آزمون سارگان و آزمون همبستگی پسماندهای مرتبه اول AR(1) و مرتبه دوم AR(2) در جدول (2) گزارش‌شده است. طبق نتایج این آزمون­ها، صحت اعتبار نتایج مدل­های آزمون شده بر اساس روش GMM تأیید می­شود.

نتایج تخمین مدل برای صنعت ماشین­آلات در استان‌های ایران طی دوره­ی زمانی 1390ـ 1379 در جدول (3) آورده شده است.

جدول 3- نتایج برآورد مدل برای صنعت ماشین‌آلات در استان­های ایران

متغیرها

ماشین­آلات

بهره­وری کل عوامل دوره قبل

0.593819

59053.08(0.000)

تخصص

9.454544

656.5040(0.000)

توان دوم تخصص

1.91264-

560.080-(0.000)

تنوع

0.254495

79.92457(0.000)

آزمون هانسن

0.199887

مقادیر ردیف اول هر متغیر ضریب متغیر در مدل و مقادیر ردیف دوم مقدار آماره t و مقادیر داخل پرانتز مقدار احتمال است.

منبع: محاسبات پژوهش.

طبق نتایج به‌دست‌آمده در صنایع ماشین­آلات، تخصص ازنظر آماری معنادار و دارای ضریب مثبت می­باشد که نشان‌دهنده‌ی تأثیر مثبت این متغیر بر بهره­وری کل عوامل تولید است و با افزایش تخصص، بهره­وری افزایش می­یابد. زمانی که بنگاه­های مشابه مجاور یکدیگر مستقر شوند، موجب تمرکز یک صنعت در یک منطقه و تخصصی­تر شدن آن صنعت در منطقه می­گردند، در این حالت سرریزهای دانش و فنّاوری در بین آن‌ها افزایش می­یابد. وجود سرریز دانش بین بنگاه­ها موجب افزایش تولید می­شود و بهره­وری کل عوامل تولید را افرایش می­دهد. همچنین در این حالت بنگاه‌ها برای تبادل نهاده و ستاده در بین خودشان، هزینه­های حمل‌ونقل کمتری را می­پردازند؛ بنابراین در این صنعت، نظریه­ی مارشال تأیید می­شود و تخصص اثر مثبت بر بهره­وری و رشد اقتصادی دارد. متغیر توان دوم تخصص دارای ضریب منفی و معنادار است. درواقع می­توان گفت این متغیر دارای یک نقطه­ی ماکزیمم است و اگر تخصص از یک حدی بالاتر برود تأثیر منفی بر بهره­وری خواهد داشت. مقدار آستانه به‌طور تقریبی برای تخصص طبق ضرایب جدول 47/2 است و متوسط تخصص در استان­ها 66/0 محاسبه‌شده که عددی کمتر از مقدار آستانه است. درواقع افزایش محلی شدن تا قبل از حد آستانه باعث افزایش بهره­وری می­شود و از مقدار آستانه به بعد با افزایش محلی شدن، بهره­وری کاهش می­یابد.

متغیر تنوع نیز ازلحاظ آماری معنادار است و ضریب این متغیر مثبت شده و به معنی تأثیر مثبت تنوع بر بهره­وری کل است. وجود صنایع مختلف در یک منطقه، موجب انتقال سرریز دانش می­شود، بسیاری از اقتصاددانان منطقه­ای معتقدند که سرریزهایی که به‌طور عمده در بین صنایع اتفاق می­افتد به‌مراتب بیشتر از اثر سرریزهای درون یک صنعت خاص بر رشد و بهره­وری اثرگذار است (بیدری و شیفوروا، 2008). در این صنعت فرضیه­ی جکوبز نیز مبنی بر تأثیر مثبت تنوع بر بهره­وری تأیید می­شود.

برای اطمینان در خصوص مناسب بودن روش GMM و متغیرهای ابزاری انتخاب‌شده، آماره­ی آزمون هانسن در گزارش می­شود که در این آزمون اگر مقدار احتمال به‌دست‌آمده بیشتر از 05/0 باشد به معنی این است که متغیرهای ابزاری درست انتخاب‌شده‌اند. با توجه به جدول (3) مقدار احتمال آزمون هانسن که مقداری بالاتر از 05/0 دارد که مشخص می­شود که متغیرهای ابزاری به­درستی انتخاب‌شده‌اند.

 

نتیجه­گیری و پیشنهاد‌ها

تجمیع یا خوشه­ای شدن صنایع به دلیل افزایش نوآوری و پیشرفت فنی، افزایش سرریزهای دانش، انطباق مهارت بین کارگران و کارفرمایان و کاهش هزینه­های حمل‌ونقل موجب افزایش بهره­وری در صنعت می­شود. از طرفی با افزایش تعداد بنگاه­های یک صنعت در یک مکان، اثرات ازدحام به دلیل ایجاد ترافیک، آلودگی محیط‌زیست، افزایش هزینه‌های حمل‌ونقل، افزایش قیمت زمین و... تأثیری منفی بر بهره­وری صنایع دارد.

نتایج به‌دست‌آمده در جدول (2) برای صنعت شیمیایی به این صورت است که متغیر تخصص که از شاخص نسبت مکانی به‌دست‌آمده است برای این صنعت، تأثیر مثبت و معناداری بر بهره­وری کل عوامل دارد و توان دوم این متغیر ازلحاظ آماری معنادار و دارای اثر منفی بر بهره­وری است. مقدار آستانه متغیر تخصص برای این صنعت به‌طور تقریبی محاسبه‌شده و با متوسط شاخص تخصص در استان­ها طی سال­های 1379 تا 1390 مقایسه شده است؛ که مقدار متوسط استانی از مقدار تقریبی آستانه عبور نکرده است یعنی تخصص دارای تأثیر مثبت بر بهره‌وری عوامل در صنعت شیمیایی است. متغیر تنوع نیز ازنظر آماری معنادار و دارای اثر مثبت بر بهره­وری کل عوامل است.

نتایج به‌دست‌آمده در صنعت ماشین‌آلات که در جدول (3) آورده شده است حاکی از آن است که متغیر تخصص نیز با بهره­وری نیروی کار رابطه U معکوس دارد به این صورت که توان اول این متغیر تأثیر مثبت و معناداری بر بهره­وری کل عوامل دارد و توان دوم این متغیر ازلحاظ آماری معنادار و منفی است، ازآنجاکه توان اول تخصص تأثیر مثبت بر بهره‌وری و توان دوم تأثیر منفی بر بهره­وری دارد و مقدار متوسط شاخص تخصص در استان­های ایران طی سال­های 1379 تا 1390 از مقدار آستانه آن کمتر است می‌توان نتیجه گرفت که تجمیع بنگاه­های موجود در صنعت ماشین­آلات در یک مکان موجب افزایش بهره­وری کل عوامل در این صنعت می­شود. متغیر تنوع نیز ازنظر آماری معنادار و دارای اثر مثبت بر بهره­وری کل عوامل در صنعت ماشین­آلات است.

بنابراین، بر اساس نتایج این تحقیق توسعه خوشه‌های صنعتی در این دو صنعت توصیه می­شود.

همچنین پیشنهاد می­شود در سایر صنایع چنین مطالعه­ای صورت گیرد و ضمن اینکه در تحقیقات بعدی شاخص­های تنوع و تخصص متفاوت با تحقیق حاضر استفاده شود و تأثیر آن را بر بهره­وری کل عوامل محاسبه شود.



[1]. Specialization

[2]. Concentration

[3]. Brulhart

[4]. Krugman

[5] .Douth

[6] . Porter

[7] . Agglomeration Economics

8- وجود صرفه­های ناشی از تجمع برای اولین بار توسط اقتصاددانان وابسته به مکتب کلاسیکی مانند وبر مطرح شد. آلفرد مارشال(1890 و1920) توضیحاتی دقیق در مورد این صرفه­ها مطرح کرد.

[9] . McDonald & McMillen

[10]- شاخص تخصص برای اندازه­گیری آن استفاده می‌شود.

[11]. Jacobes

[12]- شاخص تنوع برای اندازه­گیری آن استفاده می­شود.

[13] .Martin

[14] .Hu

[15] .Hong-yong

[16].Ting & Wei

[17]. Dynamic Externalities

1. Morikawa

[19]. Harris & Moffat Harris

3. Hammouda

[21]. Hui-Lin

[22].Andersson & Loof

1. yuhan

2. Fan  &  Scott

[25] .Aggregate of Industrial Activities

[26]. Duranton & Puga

[27]  .Jacobes

[28]. Storper & Venables

[29] . Able

[30] .Henson

[31]. Combs

[32] .Marshall

[33] .Harris & Ioannides

[34]. Griliches

[35]- ویلیام ‌اچ برانسون، (1382). تئوری و سیاستهای اقتصاد کلان. ترجمه: عباس شاکری. تهران محل انتشار: نشرنی. ص 782

[36].Monotonic Effect

[37] .Congestion Effects

[38]- اثرات ازدحام شامل ایجاد ترافیک، آلودگی محیط زیست، افزایش هزینه­های حمل و نقل، افزایش قیمت زمین و ... است.

[39]- لازم به ذکر است که برای رفع مشکل (1) و (2) در برآورد مدل (5) از روش GMM استفاده می شود که در این تکنیک وقفه متغیر وابسته در مدل وارد می­شود.

2- علت اینکه 27 استان انتخاب شده است این است که قبل از سال 1383 آماری به صورت جدا برای استان­های خراسان شمالی، خراسان جنوبی و خراسان رضوی ارائه نگردیده است، این سه استان بدلیل محدودیت اطلاعات آماری در این تحقیق تحت یک استان (خراسان) آورده شده است. ضمن اینکه آمار و اطلاعات استان البرز نیز تنها در سال 1390 موجود است و آمار این استان با استان تهران آورده شده است و استان ایلام بدلیل اینکه آمار کارگاههای صنعتی آن در بیشتر سال­ها ارائه نشده است از 31 استان کنار رفته است.

 

[41]- مقدار آستانه به طور تقریبی از فرمول   محاسبه شده است که b ضریب تخصص و a ضریب توان دوم تخصص است.

دهقان شبانی، زهرا. (1392).  تأثیر چگالی فعالیت اقتصادی بر بهره­وری نیروی کار در استان‌های ایران.فصلنامه پژوهش‌های­ اقتصادیایران، 55، 93- 118.

زراء نژاد، منصور؛ انصاری، الهه. (1386). اندازه­گیری بهره‌وری سرمایه در صنایع بزرگ استان خوزستان. فصلنامه بررسی­های اقتصادی، 4(4)، 1- 26.

سولیوان، آرتور. (1386). مباحثی در اقتصاد شهری. ترجمه جعفر قادری و علی قادری. تهران:  انتشارات نور علم.

شهنازی، روح اله؛ دهقان شبانی، زهرا. (1391).  بررسی تأثیر فضای کسب‌وکار بر رشد اقتصادی در کشورهای منتخب. فصلنامه پژوهشنامهاقتصادی، 42، 161- 186.

شهنازی، روح اله؛ ذبیحی دان، محمد سعید. (1393). بررسی تأثیر تمرکز اقتصادی بر بهره‌وری در صنایع کارخانه‌ای ایران. فصلنامه تحقیقات توسعه اقتصادی، 16، 127- 152.

صباغ کرمانی، مجید. (1380). اقتصاد منطقه­ای. تهران: انتشارات سمت.

فرهمند، شکوفه؛ ابوطالبی، مینا. (1391). تأثیر تنوع و تخصص اقتصادی بر رشد اشتغال استانی در ایران. مجله­تحقیقاتاقتصادی. 47(3)، 45- 63.

مرکز آمار ایران. (1390- 1379). سالنامه­های آماری استانی.

مککین، فیلیپ. (1393). اقتصادنوینشهریومنطقه­ای. ترجمه­ شهرام رئیسی دهکردی. همدان. انتشارات نور علم.

معاونت برنامه­ریزی و اشتغال استانداری فارس.(1391). بررسی و محاسبه مقادیر حقیقی سری زمانی حساب­های ملی و منطقه­ای در اقتصاد ایران. دفتر آمار و اطلاعات.

Abel, J., Dey, I., & Gabe, T. (2011). Productivity and the Density of Human Capital. FRB of New York Staff Report, 440.

Andersson, M., & Lööf, H. (2011). Agglomeration and Productivity: Evidence from Firm-level Data. The Annals of Regional Science, 46(3), 601-620.

Arellano, M. and Bond, S. (1991). Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations. The Review of Economic Studies, 58(2), 277-297.

Baltagi, B. H. (1995). Econometric Analysis of  Panel Data. New York: John Wiley & Sons.

Beaudry, C., & Schiffauerova, A. (2008). Who's Right, Marshall or Jacobs? The Localization Versus Urbanization Debate. Research Policy, 38(2), 318-337.

Brülhart, M. (1998). Economic geography, industry, location, and trade: the evidence. World Economy, 21, 775–801.

Combes, P. (2000). Economic structure and local growth: France, 1984–1993. Journal of Urban Economics, 47, 329–55.

Dauth, W. (2010). Agglomeration and Regional Employment Growth. IAB Discussion Paper.

Duranton, G., & Puga, D. (2001). Nursery Cities: Urban diversity,process innovation, and the life-cycle of products. American Economic Review, 91(5), 1454-1477.

Fan, C. C., & Scott, A. J. (2003). Industrial Agglomeration and Development: a Survey of Spatial Economic Issues in East Asia and a Statistical Analysis of Chinese Regions. Economic Geography, 79(3), 295-319.

Hammouda, H. B., Karingi, S. N., Njuguna, A. E., & Jallab, M. S. (2010). Growth, Productivity and Diversification in Africa. Journal of Productivity Analysis, 33(2), 125-146.

Harris, R., & Moffat, J. (2011). Plant-level Determinants of Total Factor Productivity in Great Britain, 1997-2006. Spatial Economics Research Centre (SERC).London School of Economics and Political Sciences, London, UK, 1-70.

Harris, T. F., & Ioannides, Y. M. (2000). Productivity and Metropolitan density. Department of Economics, Tufts University, 1-26.

Hong-yong, Z. (2014). How Does Agglomeration Promote the Product Innovation of Chinese Firms? China Economic Review, 35, 105-120.

Hsiao, C. (1986). Analysis of Panel Data. Cambridge: Cambridge University Press.

Hu, C., Xu,  Z., & Yashiro, N. (2015). Agglomeration and productivity in China: Firm level evidence. China Economic Review, 33, 50-66.‏

Jacobs, J. (1960). The Economy of Cities.  New York: Vintage.

Krugman, P. (1991). Geography and Trade.  Boston, MA: MIT Press.

Marshall, A. (1920). Principles of economics. London: McMillan, Eighth edition reprinted 1962.

Martin,R ., Finglaton, B and  Garretsen .(2009). Analysis of the Main Factors of Regional Growth: An in‌depth study of the best and worst performing European regions. Cambridge Econometrics.

Martin, P., Mayer, T., & Mayneris, F. (2011). Spatial Concentration and Plant-level Productivity in France. Journal of Urban Economics, 69(2), 182-195.

McDonald, J., & D. McMillen. (2007). Urban Economics and Real Estate: Theory and Policy. Malden, MA: Blackwell Publishing.

Minerva, A and Ottaviano. (2009). Endogenous growth theories: agglomeration benefits and transportation costs. Handbook of Regional Growth and Development Theories. Great Britain by MPG Books Ltd, Bodmin, Cornwall.

Morikawa, M. (2011). Economies of Density and Productivity in Service Industries: an Analysis of Personal Service Industries Based on Establishment‌‌ Level Data. The Review of Economics and Statistics, 93(1), 179-192.

Nakamura. R., & Paul. C.J. (2009). Measuring Agglomeration. Handbook of Regional Growth and Development Theories. Great Britain by MPG Books Ltd, Bodmin, Cornwall.

Pesaran, M.H. (2004). General diagnostic tests for cross-section dependence in panels. IZA Discussion paper, 1240.

Porter, M. (1998). Clusters and competition: new agendas for companies, governments, and institutions. Harvard Business School Press.

Storper, M., & Venables, A. J. (2004). Buzz: face-to-face contact and the urban economy. Journal of economic geography, 4(4), 351-370.

Ting, Z., & Wei, Z. (2012). Dynamic Externalities and Manufacturing Productivity: An Empirical Comparison among China's Top Three Municipalities. Tokyo: Research Inst. of Economy, Trade and Industry.

Trubka, R. (2009). Productivity and the Density of Economic Activity: Preliminary Estimates of Agglomeration Benefits in Australian Cities. Curtin University‘s Sustainability Policy Institute.

Baldwin, J.R., Beckstead, D., Mark Brown, W., & Rigby, D.L. (2008). Agglomeration and the Geography of Localization Economies in Canada. Regional Studies, 42(1). 117–132.

Yuhan, K. H., Lee, Y. J., & Oh, M. H. (2008). The Spatial Density of Production Activity and Productivity Differentials Across Regions: A Case of Korea. The Journal of the Korean Economy, 9(2), 269-29.