پژوهش ها و چشم اندازهای اقتصادی

پژوهش ها و چشم اندازهای اقتصادی

بررسی تأثیر تمرکز جغرافیایی صنایع و توزیع سطح تحصیلات شاغلان بر بهره وری نیروی کار، به تفکیک زیر بخش های صنعت مواد غذایی و آشامیدنی

نوع مقاله : پژوهشی اصیل

نویسندگان
سید جمال الدین محسنی زنوزی 1
سولماز صادقپور 2
مرتضی دهقاندرست 3
1 استادیار اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
2 دانشجوی دکتری اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
3 دانشجوی دکتری اقتصاد دانشکده اقتصاد ومدیریت دانشگاه ارومیه
چکیده
این تحقیق، تلاشی در جهت شناسایی مشکلات و موانع موجود بر سر راه ارتقای بهره­وری نیروی کار و ارائه بینش مناسبی به سیاستگذاران این بخش و صنایع مشابه در مورد دو متغیر تمرکز جغرافیایی صنایع و پراکندگی سطح تحصیلات نیروی کار و در نهایت، ارتباط این شاخص ها با بهره وری نیروی کار می­باشد. بدین منظور، با استفاده از رهیافت داده­های تابلویی در بخش صنعت مواد غذایی و آشامیدنی و در بازه زمانی 1395-1379، به غیر از شاخص های تمرکز و کیفیت آموزشی (ضریب جینی تحصیلات)، از شاخص انگیزشی (دستمزد سرانه نیروی کار)، شاخص سرمایه سرانه فیزیکی و شاخص مدیریتی (تعداد بنگاه­های خصوصی و دولتی) نیز در برآورد مدل استفاده شده است. نتایج به دست آمده، بیانگر این پیشنهاد می­باشد که برای ارتقای بهره‌وری نیروی کار در زیر بخش­های صنعت مواد غذایی و آشامیدنی، می­باید کاهش پراکندگی آموزشی در بین نیروی­کار از طریق افزایش استخدام نیروی کار با تحصیلات بالا، افزایش تمرکز جغرافیایی، بهبود نظام انگیزشی نیروی کار با تعیین دستمزد مناسب، بهبود مدیریت از طریق کاهش تصدی­گری و مدیریت دولتی بنگاه­های صنعتی، صورت بگیرد.
کلیدواژه‌ها
بهره وری نیروی کار
تمرکز جغرافیایی
توزیع سطح تحصیلات شاغلان
داده های تابلویی

موضوعات

عنوان مقاله English

Analyzing the Effects of Geographical Concentration of Industry and the Distribution of Educational Level of Employees on Labor Productivity (in Terms of the Food and Beverage Subsectors)

نویسندگان English

Seyed Jamaledin Mohseni Zonouzi 1
solmaz sadegpour 2
Morteza Dehgandorost 3
1 Assistant Professor of Economics, Urmia University
2 Ph.D. Candidate in Economics, Urmia University
3 Phd student of economics in urmia university
چکیده English

This study is an attempt to identify the persistent obstacles in improving labor productivity path and to give insight to policymakers into the food and beverage industry and related industries about the geographic concentration of industry, educational distribution of employees, and their relationships with labor productivity. For this purpose, a panel data model is applied for explaining labor productivity in the food and beverage industry over the period 2000- 2014. In addition, motivational indices (wage per worker), per capita capital stock and physical capital management index (the number of private and public firms) are used as explanatory variables. The results suggest that improvement in labor productivity in food and beverage industry sub-sectors requires reducing educational dispersion of the labor force by employing high-educated workers, increasing geographical concentration, improving incentive system by determining appropriate wage, and enhancing management through reducing state ownership of industrial firms.

کلیدواژه‌ها English

Labor Productivity
Geographic concentration
Educational distribution of employees
Panel Data
1. ایروانی، محسن و مالکی، پریسا. (1385). "الگوی تخصص منطقه ای وتمرکز فعالیت های اقتصادی در ایران و لزوم توجه به نقش مناطق و فعالیت های مختلف در سند آمایش سرزمین"، مجموعه مقالات همایش آمایش سرزمین، مرکز آمایش سرزمین، سازمان مدیریت و برنامه ریزی ، تهران.
2. اشراف زاده، مهرگان، نادر. (1387). اقتصادسنجی پانل دیتا، چاپ اول، موسسه‌ی تحقیقات تعاون دانشگاه تهران، تهران.
3. پیله ور، اکبر. (1391). تأثیر بهداشت و آموزش بر بهره‌وری نیروی کار؛ پایان‌نامه کارشناسی ارشد، دانشکده اقتصاد دانشگاه ارومیه.
4. داداش پور، هاشم (1388). "رقابت پذیری منطقه ای به مثابه رویکردی نوین در توسعه منطقه ای"، مجله راهبرد یاس، سال5 ، شماره 22، تهران.
5. سامتی، مرتضی، فتح‌الهی، مهدی و رنجبر، همایون(1395). "تجمع جفرافیایی فعالیتهای صنعتی و رشد بهره‌وری: شواهدی از صنایع تولیدی استان‌های ایران". فصلنامه مدلسازی اقتصادی، سال10، شماره34، ص51-72.
6. محمدزاده، ممی‌پور، فشاری. (1389). کاربرد نرم افزار stata در اقتصادسنجی، چاپ اول، انتشارات نور علم، تهران.
7. Baltagi, B.H. (2005). Econometric Analysis of Panel Data, John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester, West Sussex PO 1988Q, England.
8. Baptista, R., and Swann, P. (1998). ''Do firms in clusters innovate more? Research Policy'', 27(4), 525–540.
9. Bils, Mark and Klenow, Peter J. (1998). ''Does Schooling Cause Growth or the Other Way Around?'' National Bureau of Economic Research (Cambridge, MA) Working Paper No. 6393, February 1998.
10. Benhabib, Jess and Spiegel, Mark M. (1994). '' The Role of Human Capital in Economic Development: Evidence from Aggregate Cross-Country Data,'' Journal of Monetary Economics, 34, 143-173.
11. Barro, Robert J. and Jong Wha Lee. (1993). “International Comparisons of Educational Attainment,” Journal of Monetary Economics, 32, 363-394.
12. Ciccone, A., and Hall, R. E. (1996). ''Productivity and the density of economic activity''. American Economic Review, 86(1), 54–70.
13. Ellison, G., and Glaeser, E. L. (1997). “Geographic concentration in US manufacturing industries: A dartboard approach”. Journal of Political Economy, 105(5), 889–927.
14. Gainelli, G. (2008). ''Spatial agglomeration, technological innovations, and firm productivity: Evidence from Italian industrial districts''. Growth and Change, 39(3), 414–435.
15. Hanushek, Eric A. and Kimko, Dennis D. (2000). “Schooling, Labor-Force Quality, and the Growth of Nations,” American Economic Review, December, 90(5), 1184-1208
16. Henderson, J. V. (2003). ''Marshall's scale economies. Journal of Urban Economics'', 53(1), 1–28.
17. Islam, Nazrul. (1995). “Growth Empirics: A Panel Data Approach,” Quarterly Journal of Economics, 110, 1127-1170.
18. Krugman, P. (1991). ''Increasing returns and economic geography''. Journal of Political Economy, 99(3), 483–499.
19. Krugman, P. (1998). ''What's new about the new economic geography? Oxford Review of Economic Policy'', 14(1), 7–17.
20. Lall, S. V., Shalizi, Z., and Diechmann, U. (2004). ''Agglomeration economies and productivity in Indian industry.Journal of Development Economics'', 73(4), 643–673.
21. Lavi, Y., and Sussman, N. (2001). ''The Determination of Real Wages in the Long run and its Changes in the Short run- Evidence from Israel''. Bank of Israel. No,4, February.
22. Lee, B. S., Jang, S., and Hong, S. Y. (2010). ''Marshall's scale economies and Jacobs externalities in Korea: The role of age, size and the legal organization of firms''. Urban Studies, 47(14), 3131–3156.
23. Lopez, Ramon; Thomas, Vinod; and Wang, Yan. (1998). "Addressing the Education Puzzle: The Distribution of Education and Economic Reform." Policy Research Working Paper #2031. The World Bank, Washington, D.C.
24. Lopez-Acevedo, G. (2003). ''Wages and productivity in Mexican Manufacturing''. World Bank, working paper, No. 2964, January.
25. Lin, H. L., Li, H. Y., and Yang, C. H. (2011). ''Agglomeration and productivity: Firm-level evidence from China's textile industry''. China Economic Review,22(3), 313–329.
26. Kampelmann, Stephan, Rycx, François, Saks, Yves and Tojerow, Ilan . (2018). “Does education raise productivity and wages equally? The moderating role of age and gender”. IZA Journal of Labor Economics (2018) 7:1
27. Marrocu, E., Paci, R., & Usai, S. (2013). ''Productivity growth in the old and new Europe: The role of agglomeration externalities''. Journal of Regional Science, 53(3),418–442.
28. Pritchett, L. (1996). “Where has all the education gone?",World Bank Policy Research Working Paper, No.1581.
29. 28.Yang, C. H., Lin, C. H., & Ma, D. (2010). ''R&D, human capital investment, and productivity: Firm-level evidence from China's electronics industry''. China & World Economy, 18(5), 72–89.
30. Yang, C. H., Motohashi, K., & Chen, J. R. (2009). ''Are new technology-based firms located on science parks really more innovative: Evidence from Taiwan''. Research Policy, 38(1), 77–85.
پژوهش ها و چشم اندازهای اقتصادی
دوره 19، شماره 4
زمستان 1398
صفحه 159-184