برآورد تاثير توسعه فناوري بر بهره وري كلي عوامل در ايران

Estimating the Effects of Technology Development on Total Factor Productivity in Iran

مفهوم نوآوري در طي سال هاي اخير با تحولات زيادي همراه بوده است. براساس نظريات جديد، نوآوري حاصل مجموعه اي نظام مند از عناصر و مولفه هاست كه در نتيجه آن، يك ايده به محصول و يا فرآيند تجاري تبديل مي شود. در مطالعات تجربي تاكنون، اجزاي زنجيره نوآوري به صورت مجزا مورد بررسي قرار گرفته است به همين دليل، در اين مقاله تلاش شده است براي اولين بار، مولفه هاي مختلف اين زنجيره، شامل مخارج تحقيق و توسعه، انباشت سرمايه فيزيكي و سرمايه انساني و ثبت اختراع (پتنت) به تفكيك داخلي و خارجي به عنوان يك مجموعه منسجم مدلسازي شده و تاثير بلندمدت آن بر بهره-وري كلي عوامل در ايران مورد ارزيابي و تحليل قرار گيرد. به اين منظور از روش هاي اقتصادسنجي سري هاي زماني چندمتغيره شامل روش همگرايي متقابل و مدل تصحيح خطاي برداري (VECM) به منظور ارزيابي رفتار بلندمدت مولفه هاي نوآوري و بهره وري عوامل استفاده شده است. نتايج نشان مي-دهد كه به غير از متغير نسبت نيروهاي دانشي به كل نيروي كار، ساير مولفه هاي نوآوري ملي در بلندمدت، تاثيري مثبت بر بهره وري كلي عوامل در اقتصاد ايران داشته اند. در اين ميان، ثبت پتنت خارجي و داخلي به ترتيب با داشتن ضريب تاثير نرمال شده 58/0 و 48/0، بالاترين تاثير را بر شاخص بهره وري كلي عوامل در افق بلندمدت بر جاي نهاده اند

The concept of “Innovation” has changed considerably in recent years. According to new theories, the innovation emerges in a system of interrelated elements and determinants during which the idea changes to a commercialized output or process. The literature on the innovation has concentrated mainly on various aspects of innovation chain separately. In this paper we tried to investigate the general effects of the whole elements of the innovation chain simultaneously. These elements are: R&D expenditures, physical capital formation, human capital and patent filling (residence and non-residence). We utilized multivariable time-series methods including cointegration and vector error correction model (VECM) to assess the long-run effects of innovation elements on total factor productivity in Iran. Results show that excluding the human capital variable, other elements of innovation chain have positive effects on TFP; among them, residence and non-residence patent filling having the normalized long-run coefficients of 0.58 and 0.48 respectively, are the most important factors affecting TFP in Iran.