شناسنامه علمی شماره

نویسندگان

1 استادیار گروه اقتصاد دانشگاه سیستان و بلوچستان

2 دانشجوی کارشناسی ارشد رشته علوم اقتصادی دانشگاه سیستان و بلوچستان

3 پژوهشگر موسسه مطالعات بین المللی انرژی

چکیده

در این پژوهش به­وسیله تابع هزینه ترانسلوگ[1] با چهار نهاده (نیروی­کار، سرمایه، انرژی و مواد اولیه) و روش برآورد رگرسیون­های به ظاهر نامرتبط تکراری[2]، به تحلیل ساختار هزینه 11 صنعت انرژی­بر زیرگروه صنعت تولید سایر محصولات کانی غیرفلزی و صنعت تولید فلزات اساسی در دوره 87-1375 پرداخته شد. در این تحقیق شاخص­های سهم هزینه نهاده، صرفه‌های مقیاس، سطح تولید بهینه، کشش خودقیمتی و متقاطع و کشش جانشینی فنی موریشیما[3] محاسبه شدند. یافته‌های تحقیق مؤید آن است که دو صنعت تولید محصولات اولیه آهن و فولاد و تولید سیمان، آهک و گچ با میزان سهم انرژی­بری 23 و 11 درصد، بزرگ­ترین سهم مصرف انرژی را به ترتیب در میان صنایع تولید سایر محصولات کانی غیرفلزی (کد 26) و صنعت تولید فلزات اساسی(کد 27)، به خود اختصاص داده‌اند. با توجه به نتایج بدست آمده از تخمین سطح بهینه تولید و مقایسه سطح تولید واقعی صنایع، می­توان به این نتیجه دست یافت که کلیه صنایع انرژی­بر، فاصله بسیار زیادی نسبت به نقطه بهینه تولید دارند. همچنین مقادیر عددی کشش موریشیما نیز حاکی از تأیید رابطه جانشینی فنی کلیه نهاده­ها با یکدیگر است، به گونه­ای که مقادیر بدست آمده، بیشتر مساوی و بالاتر از یک می­باشد.



 


 
 



 



[1]. Translog Cost Function


[2]. Iterative Seemingly Unrelated Regressions


[3]. Morishima Elasticity of Substitution

کلیدواژه‌ها

عنوان مقاله [English]

Economies of Scale, Efficient Scale and Elasticity of Substitution in Iran's Energy Intensive Industries

نویسندگان [English]

  • Mohammad Nabi Shahiki Tash 1
  • Ali Norouzi 2
  • Ghulam Ali Rahimi 3

1 Assistant Professor, Department of Economics, Sistan and Baluchestan University

2 Master student of Economic Sciences, Sistan and Baluchestan University

3 Researcher at the Institute for International Energy Studies

چکیده [English]

In this Study, We applied Translog cost function with four Input (Labor, Capital, Energy and Material) and ISUR[1]method for analysis of the cost structure of 11 most Energy intensive sub sector industries (With 4 Digit ISIC[2]code) of Manufacture of other Non-Metallic Mineral Products (Code26) and Manufacture of Basic Metals (Code 27) during the period 1375-87. Input Share, Economies of Scale, Minimum Efficient Scale, Own-cross price elasticity and Morishima elasticity of substitution were calculated. The important results of this study is the detection of Scale effects, which reveals possibilities for increasing Scales (products) and reducing costs. The result of Cross-price and Morishima Elasticity of substitution shows that all Input substitution elasticities areElastic. This case indicates that the Firm's Manager of Energy intensive industries have a lot of options to substitute one input for the other inputs.



[1]. Iterative Seemingly Unrelated Regressions


[2]. International Standard Industrial Classification

کلیدواژه‌ها [English]

  • Translog Cost Function
  • ISUR Method
  • Energy Intensive Industries
  • Economies of Scale
  • Morishima Elasticity of Substitution

صرفه‌های مقیاس، سطح تولید بهینه و کشش جانشینی در صنایع انرژی‌بر ایران

دکتر محمدنبی شهیکی تاش*، علی نورورزی** و غلامعلی رحیمی***

 

تاریخ دریافت: 14 اسفند 1391                  تاریخ پذیرش: 9 مهر 1392

 

در این پژوهش به­وسیله تابع هزینه ترانسلوگ[1] با چهار نهاده (نیروی­کار، سرمایه، انرژی و مواد اولیه) و روش برآورد رگرسیون­های به ظاهر نامرتبط تکراری[2]، به تحلیل ساختار هزینه 11 صنعت انرژی­بر زیرگروه صنعت تولید سایر محصولات کانی غیرفلزی و صنعت تولید فلزات اساسی در دوره 87-1375 پرداخته شد. در این تحقیق شاخص­های سهم هزینه نهاده، صرفه‌های مقیاس، سطح تولید بهینه، کشش خودقیمتی و متقاطع و کشش جانشینی فنی موریشیما[3] محاسبه شدند. یافته‌های تحقیق مؤید آن است که دو صنعت تولید محصولات اولیه آهن و فولاد و تولید سیمان، آهک و گچ با میزان سهم انرژی­بری 23 و 11 درصد، بزرگ­ترین سهم مصرف انرژی را به ترتیب در میان صنایع تولید سایر محصولات کانی غیرفلزی (کد 26) و صنعت تولید فلزات اساسی(کد 27)، به خود اختصاص داده‌اند. با توجه به نتایج بدست آمده از تخمین سطح بهینه تولید و مقایسه سطح تولید واقعی صنایع، می­توان به این نتیجه دست یافت که کلیه صنایع انرژی­بر، فاصله بسیار زیادی نسبت به نقطه بهینه تولید دارند. همچنین مقادیر عددی کشش موریشیما نیز حاکی از تأیید رابطه جانشینی فنی کلیه نهاده­ها با یکدیگر است، به گونه­ای که مقادیر بدست آمده، بیشتر مساوی و بالاتر از یک می­باشد.

 
   

 

 

واژه‌های کلیدی: تابع هزینه ترانسلوگ، رگرسیون­های به ظاهر نامرتبط تکراری، صنایع انرژی­بر، صرفه به مقیاس، کشش جانشینی فنی موریشیما.

طبقه‌بندی JEL: N7، D2، L1.

 

1. مقدمه

صنعت تولید سایر محصولات کانی غیرفلزی (کد 26) و صنعت تولید فلزات اساسی (کد 27)، از جمله اساسی­ترین و مهم­ترین صنایع در کشور می­باشند. ماهیت این دو صنعت به گونه­ای است که صنایع زیرساخت محسوب می­شوند و فرآورده­های تولیدی (ستاده) این صنایع در فرآیند تولیدی بسیاری از صنایع دیگر، در سطح بسیار گسترده به کار گرفته می­شود. تکنولوژی ساختار تولیدی صنایع زیرگروه این دو صنعت به گونه­ای طراحی شده است که در قیاس با سایر صنایع فعال در بخش صنعتی کشور، از درجه انرژی­بری بالاتری برخوردارند و به مفهوم دیگر، نهاده انرژی، در فرآیند تولیدی و اجرایی کارخانجات این صنایع، نقش پررنگ­تری دارا است و از نهاده­های مهم به شمار می­رود. در جدول 1، اطلاعات میزان انرژی­بری صنعت تولید سایر محصولات کانی غیرفلزی (کد 26) و صنعت تولید فلزات اساسی (کد 27) گزارش شده است.

 

جدول 1. سهم مصرف نهاده انرژی در صنایع انرژی­بر

کد صنعت

سهم انرژی

کد صنعت

سهم انرژی

2691

46/0

2722

57/6

2692

23/0

2723

75/0

2694

11

2731

82/0

2695

63/0

2732

14/0

2699

03/1

26

35/13

2710

02/23

27

14/33

2721

86/1

27 و 26

49/46

مأخذ: مرکز آمار ایران

 

با توجه به مقادیر جدول 1، 11 صنعت اساسی و انرژی­بر، مجموعاً 46 درصد از انرژی کشور را به خود اختصاص داده­اند که تقریباً نیمی از میزان انرژی مصرفی کشور در اختیار تنها 11 صنعت قرار دارد. از دیدگاه میزان انرژی­بری، صنایع مورد مطالعه از صنایع مهم و اساسی هستند. میزان مصرف انرژی در میان این 11 صنعت تقریباً متفاوت می­باشد، به گونه­ای که دو صنعت تولید محصولات اولیه آهن و فولاد (کد2710) و تولید سیمان، آهک و گچ (کد2694) با میزان سهم انرژی­بری 23 و 11 درصد، بزرگ­ترین سهم مصرف انرژی را به ترتیب در میان صنایع تولید سایر محصولات کانی غیرفلزی (کد 26) و صنعت تولید فلزات اساسی (کد 27)، به خود اختصاص داده­اند. در مجموع، میزان انرژی­بری صنعت تولید فلزات اساسی (کد 27) به میزان 79/19 درصد از صنعت تولید سایر کانی­های غیرفلزی (کد 26) بیشتر است.

با در نظر گرفتن درجه کارکرد صنعت تولید سایر محصولات کانی غیرفلزی (کد 26) و صنعت تولید فلزات اساسی (کد 27)، از منظر مقیاس و میزان تولیدات صنعتی و میزان و مقیاس به کارگیری عوامل تولید، به ویژه نهاده انرژی، فعالیت بنگاه­های فعال در زیرگروه این صنایع، در بهترین و بهینه­ترین مقیاس تولید از درجه اهمیت بالایی برخوردار است. به عبارت دیگر با در نظر گرفتن اساس رقابت­پذیری به منظور ادامه فعالیت و بقای صنعتی، فعالیت در سطح تولید با حداقل میزان هزینه تولید امری ضروری بوده که موجبات افزایش قدرت رقابتی این دو صنعت، در سطح داخل و به ویژه سطح بین­الملل را فراهم می­سازد.

از مشخصه­های مهم این دو صنعت، میزان و مقیاس گسترده به کارگیری عوامل تولید و به طور مشخص نهاده انرژی است. بدین­ترتیب هرگونه تغییر در قیمت و هزینه واحد هر یک از نهاده­ها، با در نظر گرفتن مقیاس تولید، اثری مهم و بزرگ بر میزان تولیدات صنعتی در پی دارد و موجب تغییر در ترکیب عوامل تولید می­شود. با درنظر گرفتن این مهم، مدیران بخش تولیدی و اجرایی بنگاه­ها، با توجه به میزان حساسیت و درجه کشش­پذیری نسبت به تغییرات قیمت نهاده­ها، ترکیب بهینه عوامل تولید را انتخاب می­کنند. بنابراین محاسبه میزان کشش و حساسیت قیمت نهاده، از اهمیت بالایی برخوردار است.

 

2. پیشینه تحقیق

زمانیان و همکاران (1380) با استفاده از تابع هزینه ترانسلوگ و با روش رگرسیون‌های به ظاهر نامرتبط تکراری به بررسی بازده مقیاس در صنعت ذوب­آهن اصفهان در طی دوره 1350 تا 1377 پرداختند. نتایجی که از این پژوهش بدست آمده بیانگر آن است که مقدار عددی صرفه­های مقیاس برای میانگین داده­ها و در طی دوره عدد 02/1، برای سال‌های جنگ کوچکتر از 1 و برای سالهای غیر جنگ بزرگتر از 1 می­باشد.

تیمور محمدی و رضا طالبلو (1389) به محاسبه و بررسی صرفه مقیاس در سطح سراسری و خاص هر محصول برای 6 بانک خصوصی و 11 بانک دولتی برای دوره 1388- 1375 پرداختند و نتایج بدست آمده حکایت از وجود صرفه به مقیاس سراسری در صنعت بانکداری دارد. همچنین مقادیر بدست آمده برای شاخص صرفه به مقیاس هر عامل خاص نیز بیانگر وجود صرفه به مقیاس در تمامی مجموعه فعالیت­های بانکی است. در این تحقیق از تابع هزینه ترانسلوگ برای بررسی شاخص­های صرفه به مقیاس در داده­های پانل استفاده شده است.

خداداد کاشی (1386) با استفاده از روش کومانور و ویلسون به سنجش نقطه بهینه تولید و بررسی صرفه‌های مقیاس در صنایع ایران پرداخت. وی در این مقاله، ضمن معرفی جنبه‌های نظری صرفه‌های مقیاس، میزان برخورداری بازارهای صنعتی ایران از صرفه‌های مقیاس را ارزیابی نمود. یافته‌های وی بر آن دلالت دارند که اقتصاد ایران به‎ دلیل کوچک بودن از صرفه‌های مقیاس برخوردار نبوده است. علاوه بر این شواهد، این مطالعه ناسازگاری بین صرفه‌های مقیاس و رقابت در بازارهای صنعتی ایران را تأیید می‌کند. همچنین بر مبنای یافته‌های این محقق، با افزایش اندازه بنگاه و نزدیک شدن به سطح تولید بهینه (MES)، نرخ بازده افزایش می‌یابد.

جعفر عبادی و موسوی[4] (2006) در مقاله­ای به بررسی شاخص صرفه­های مقیاس در صنایع تولیدی کشور ایران در سطح کد 2 رقمی طبقه­بندی ISIC[5] پرداختند. جهت تخمین بازده مقیاس از روش تابع هزینه ترانسلوگ استفاده شد و برای تخمین پارامترها در سیستم معادلات همزمان از روش پیشنهادی زلنر[6] کمک گرفته شد. یافته­های پژوهش بیانگر وجود صرفه مقیاس در اکثر صنایع کد 2 رقمی در دوره 1981 تا 2001 می­باشد.

لیلا تروئت و دیل تروئت[7] (2007) به وسیله تابع هزینه ترانسلوگ به بررسی تابع هزینه صنعت خودروسازی فرانسه و محاسبه صرفه­های مقیاس در این صنعت در طی سالهای 1971 تا 1996 در دو شرکت سیتروئن[8] و رنو[9] پرداختند و نتیجه­ای که بدست آمد، بدین­ترتیب می­باشد که صرفه‌های مقیاس فزاینده در سطوح پایین تولید وجود دارد و این دو شرکت در سطوح متوسط و بالای تولید، عدم صرفه به مقیاس را تجربه می­کنند و بدین دلیل باید حجم تولید خود را کاهش دهند تا با کاهش هزینه تولید، سود بیشتری را بدست آورند.

علی آکمیک[10] (2009) به کمک تابع هزینه ترانسلوگ، ساختار صنعت برق ترکیه را در دو بخش دولتی و خصوصی مورد تحلیل قرار داد. او در مقاله خود در سال 2009 به بررسی بازدهی به مقیاس در بخش تولید نیروی برق کشور ترکیه در طی سالهای 1984 تا 2006 پرداخت و دریافت که در دوره مورد بررسی، برای تمامی شرکت­ها اعم از دولتی و خصوصی، بازده مقیاس افزایشی گسترده­ای وجود دارد.

فتس و فیلیپینی[11] (2010) به بررسی ساختار صنعت برق کشور سوئیس در دوره 1997 تا 2005 پرداختند. ایشان در پژوهش خود از داده‌های پانل برای بررسی صرفه­های مقیاس و صرفه­های ناشی از ادغام عمودی (صرفه ناشی از تنوع) در 74 شرکت برق پرداختند. یافته­های تحقیق بیانگر وجود صرفه­های مقیاس افزایشی و صرفه­های مقیاس برای بیشتر بنگاه­های مورد مطالعه می­باشد.

کارلوس مارتین و همکاران[12] (2011) به کمک تابع هزینه ترانسلوگ به بررسی صرفه مقیاس در 36 شرکت صنعت هواپیمایی اسپانیا در طی سالهای 1991 تا 1997 پرداختند و به این نتیجه رسیدند که در تمامی فرودگاه­ها، در دو دوره بلندمدت و کوتاه­مدت صرفه مقیاس افزایشی وجود دارد.

منکیوزو[13] ( 2012) در تحقیق خود به بررسی صرفه­های مقیاس و تحلیل ساختار اقتصادی صنعت ارتباطات کشور ایتالیا در دوره 2000- 1974 پرداخته است. وی از دو روش رگرسیون به ظاهر نامرتبط و رگرسیون‌های به ظاهر نامرتبط غیرخطی به ترتیب برای تخمین دو تابع هزینه ترانسلوگ و تابع هزینه مرکب جهت تخمین پارامترها و محاسبه صرفه به مقیاس استفاده نمود. نتایج یافته شده حکایت از وجود صرفه به مقیاس کاهشی، ثابت و افزایشی به ترتیب برای دوره 1976- 1974، 1987- 1985 و 2000– 1998 داشته است.

دگل اینوسنتی و جیراردونه[14] ( 2012) با رهیافت تابع مرزی تصادفی و تابع هزینه ترانسلوگ به بررسی صرفه­های مقیاس، کارایی هزینه بنگاه‌ها و تکنولوژی تولید در صنعت اجاره (رهن) کشور ایتالیا در دوره زمانی 2008- 2002 پرداختند. یافته­های تحقیق نشان می‌دهد که صنعت اجاره­دهی در کشور ایتالیا از صرفه‌های مقیاس فزاینده بهره می‌برد و بنگاه­هایی که در تعدادی از خدمات خود به صورت تخصصی عمل کردند نسبت به بنگاه­های دارای تنوع خدمات بالا و پایین دارای صرفه به مقیاس افزایشی بالاتر می­باشند.

 

3. روش تحقیق

در این پژوهش، از توابع هزینه به نام توابع هزینه انعطاف­پذیر بهره برده­ایم. توابع­ انعطاف­پذیر[15] با داشتن تعداد کافی از پارامترها، هیچ‌گونه محدودیتی بر ساختار تولید اعمال نمی­کنند، ضمن اینکه نواحی سه­گانه تولید قابل تفکیک است و لذا می­توان محدوده اقتصادی تولید را مشخص نمود. از انواع توابع هزینه می­توان به تابع هزینه باکس- کاکس[16]، تابع هزینه ترانسلوگ[17]، تابع هزینه درجه دوم تعمیم­یافته[18] و تابع هزینه لئونتیف تعمیم­یافته[19] اشاره نمود.

برنت و خالد[20] (1979) با بکار­گیری یک تابع هزینه باکس- کاکس نشان دادند که توابع ترانسلوگ، درجه دوم تعمیم­یافته و لئونتیف تعمیم­یافته در حقیقت حالت خاصی از تابع باکس- کاکس می‌باشند. فرم کلی تابع هزینه باکس-  کاکس به شرح زیر است.

 

 

در روابط فوق، N تعداد نهاده، K تعداد محصول، P بردار قیمت نهاده­ها و Q بردار مقادیر محصول می­باشد. همچنین شرط تقارن برای تابع هزینه تعمیم­یافته باکس- کاکس به صورت زیر خواهد بود:

 

زمانی تابع همگن از درجه یک در قیمت نهاده­ها خواهد بود که شروط زیر برقرار باشد:

 

و در نهایت با اعمال شرط همگنی بر تابع هزینه تعمیم‌یافته باکس- کاکس، رابطه زیر بدست می‌آید:

 

به منظور استخراج تابع هزینه ترانسلوگ از تابع هزینه انعطاف­پذیر باکس- کاکس، محدودیت زیر بر مدل اصلی وارد می­شود.

 

با مشتق­گیری از رابطه بالا، زمانی که g به سمت صفر میل می­کند، فرم کلی تابع هزینه ترانسلوگ بدست می­آید.

 

تابع هزینه ترانسلوگ[21] و توابع سهم هزینه نهاده تولید[22]

هدف از این پژوهش، تخمین سطح تولید بهینه، صرفه به مقیاس و در ادامه بررسی کشش جانشینی میان نهاده­ها می­باشد. بدین­ترتیب نیاز به تابع انعطاف­پذیر می­باشد که قابلیت بررسی کشش هزینه، کشش جانشینی را داشته باشد. با توجه به ضرورت تحقیق، نیاز به فرمی از تابع هزینه انعطاف­پذیر می­باشد که پارامترهای مورد نیاز، جهت محاسبه شاخص­های مدنظر را دارا باشد. در میان توابع انعطاف­پذیر موجود، از جمله ترانسلوگ، کاب­داگلاس تعمیم‌یافته[23]، لئونتیف تعمیم‌یافته[24]، درجه دوم تعمیم‌یافته[25] و [26]CES، ساختار و فرم تابع هزینه ترانسلوگ به گونه­ای می­باشد که روابط متقابل نهاده­ها (جهت محاسبه کشش­های جانشینی میان نهاده) و همچنین روابط متقابل سطح تولید و نهاده­ها (جهت محاسبه کشش هزینه و سطح تولید بهینه) را در خود گنجانده است، در حالی­که دیگر توابع هزینه چنین قابلیتی را ندارند. از مهم­ترین خواص تابع هزینه ترانسلوگ، محاسبه صرفه‌های مقیاس تولید، با تغییر سطح تولید می­باشد. به عبارتی دیگر، این تابع قابلیت نمایش هر سه منطقه تولید و همچنین محاسبه کشش هزینه و نمایش قسمت نزولی، حداقل و صعودی منحنی LAC (تابع هزینه متوسط U شکل) را داراست. بدین­ترتیب مناسب­ترین فرم تابع که همسو و هم‌جهت با هدف تحقیق باشد، تابع هزینه ترانسلوگ است. تابع هزینه ترانسلوگ، از جمله توابع انعطاف­پذیر درجه دوم غیرهموتتیک[27] می­باشد. تابع هزینه ترانسلوگ هیچ­گونه محدودیت اولیه بر مقادیر پارامتر­ها، کشش­های جانشینی و قیمتی نهاده­های تولید اعمال نمی­کند و قابلیت اعمال فروض و محدودیت­های آماری را داراست. مبانی نظری تابع ترانسلوگ نخستین­بار توسط کریستنسن و همکاران[28] (1973) در مقاله­ای با عنوان « Transcendental Logarithmic Production Function» معرفی شد.

صنایع انرژی­بر دارای یک ستاده و 4 نهاده می­باشند. بدین­ترتیب فرم کلی تابع هزینه ترانسلوگ به شکل زیر می­باشد.

 

تعداد پارامترهای موجود در این تابع بدون اعمال محدودیت، 27 پارامتر است.

در این تحقیق از راهکار سیستم معادلات به منظور تخمین پارامتر، جهت محاسبه شاخص­های سطح تولید بهینه و انواع کشش­ها استفاده می­شود. سیستم معادلات به کار گرفته شده در این تحقیق شامل یک تابع هزینه اصلی ترانسلوگ و 4 تابع سهم تقاضای عوامل تولید می­باشد، جهت استخراج  توابع سهم تقاضای نهاده­ها، با کمک قضیه لم شفارد[29]، از تابع هزینه ترانسلوگ نسبت قیمت هر یک از نهاده­های تولید مشتق می­گیریم.(شفارد[30]،1970)

فرم کلی توابع سهم نهاده صنایع انرژی­بر به صورت زیر می­باشد.

 

جهت تأمین شرط تابع هزینه نرمال و خوش­رفتار، دو شرط تقارن و همگنی از درجه یک در قیمت نهاده­ها را بر تابع هزینه اعمال می­کنیم.

شرط همگنی:

 

شرط تقارن:

 

با اعمال این دو محدودیت، تعداد پارامترهای سیستم معادلات همزمان، از 27 پارمتر به 21 پارامتر تقلیل پیدا می­کند.

 

4. روش تخمین پارامترها

در بسیاری از مطالعات اقتصادی، به بررسی تک­معادله­ای ارتباط میان متغیرهای اقتصادی توجه می­شود. در حالی­که بسیاری از پدیده­های اقتصادی، به­وسیله بررسی تک معادلات، قابل محاسبه نمی­باشد و یا محاسبات دارای تورش از مقادیر واقعی خود می­باشند. با توجه به نوع شاخص­های مورد مطالعه در این پژوهش، نیاز به محاسبات و تخمین پارامترها در قالب سیستم معادلات همزمان[31] نمود پیدا می­کند. راهکار تخمین سیستم معادلات، بسته به نوع معادلات موجود در سیستم معادلات، نوع داده­های آماری متغیرهای برونزا و همچنین وضعیت متغیرهای درونزا در مدل سیستمی، متفاوت می­باشد. جهت افزایش کارایی تخمین پارامترها، معادله تابع هزینه ترانسلوگ و معادلات سهم هزینه نهاده،­ تحت عنوان سیستم معادلات همزمان با یکدیگر و به روش رگرسیون­های به ظاهر نامرتبط تخمین زده می­شوند، زیرا اولاً هریک از معادلات سهم هزینه، دارای پارامترهای یکسانی با معادله هزینه ترانسلوگ می­باشند، ثانیاً معادلات سهم هزینه اجزای نهاده از معادله تابع هزینه ترانسلوگ استخراج شده­اند و اجزای اخلال معادلات سهم هزینه با جزء اخلال تابع هزینه ترانسلوگ در ارتباط می­باشند. برای حل مشکل خودهمبستگی در الگوی سیستمی به ظاهر غیرمرتبط، روش [32]SURE به گونه­ای می­باشد که ارتباط بین اجزای اخلال را در نظر گرفته و شرط حداقل واریانس را برای تأمین کارایی پارامترها برآورده می­کند. (زلنر[33]، 1962). با توجه به دسترسی داده­های 13 سال از 11 صنعت انرژی­بر، روش برآورد سیستمی با توجه به داده­های پانل متوازن، رگرسیون­های به ظاهر نامرتبط تکراری ([34]ISUR) می­باشد.

از آنجا که مجموع سهم هزینه­ها برابر با یک می­باشد، برآورد سیستم معادلات در حالت عادی موجب صفر شدن ماتریس واریانس- کوواریانس اجزای اخلال می­شود که این مسئله موجب بروز مشکل هم­خطی کامل می­شود. به منظور جلوگیری از بروز این مشکل در تخمین سیستم معادلات، یکی از معادلات سهم هزینه نهاده حذف شده و کلیه معادلات تابع هزینه و سهم تقاضای نهاده، برحسب قیمت نهاده­ای که معادله سهم آن حذف شده است، نرمال می­شوند. با توجه به آزمون‌های سنجی، بهترین برآورد و تخمین با حذف معادله سهم تقاضای نیروی­کار بدست می‌آید. بدین­ ترتیب جهت تخمین پارامترهای معادلات همزمان، معادله سهم تقاضای نیروی­ کار حذف شده و پارامترهای این معادله را به طور غیرمستقیم و از طریق فروض همگنی و تقارن بدست می­آوریم. با اعمال محدودیت حذف تابع سهم هزینه نیروی­ کار، تعداد پارامترها از 21 پارامتر به 15 پارامتر کاهش یافت.

شاخص سطح تولید بهینه و صرفه به مقیاس

شاخص صرفه‌های مقیاس ([35]E.S.): صرفه‌های مقیاس عبارت است از میزان افزایش در تولید بنگاه، اگر تمام نهاده­های تولید به یک نسبت ثابت افزایش پیدا کنند. به عبارت دیگر صرفه‌های مقیاس عبارت است از رابطه تولید کل و هزینه در طول مسیر توسعه بنگاه، با فرض آنکه قیمت نهاده­های تولید ثابت بوده و هزینه در هر سطحی از تولید در حداقل باشد. در ادبیات اقتصادی، یکی از روش­های محاسبه مقدار شاخص صرفه‌های مقیاس، استفاده از تابع هزینه و مفهوم کشش هزینه می­باشد. کشش هزینه عبارت است از نسبت درصد تغییرات هزینه تولید به یک درصد تغییر در تولید بر این اساس کشش هزینه­ای تابع ترانسلوگ به شرح زیر می­باشد.

 

چنانچه کشش هزینه مساوی یک بدست آید، در سطح حداقل منحنی هزینه متوسط قرار داریم و چنانچه کشش هزینه بزرگتر (کوچکتر) از یک باشد در قسمت صعودی (نزولی) منحنی هزینه متوسط قرار داریم. صرفه‌های مقیاس به صورت عدد یک منهای مقدار کشش هزینه تولید تعریف می­شود.

 

اگر ، بنگاه دارای صرفه­‌های مقیاس فزاینده می­باشد، اگر ، بنگاه دارای عدم صرفه‌های مقیاس می­باشد و اگر ، بنگاه دارای صرفه‌های مقیاس ثابت می­باشد.

شاخص سطح تولید بهینه ([36]MES): اگر کشش هزینه را برابر عدد یک قرار دهیم و کلیه متغیرهای تابع هزینه به جز مقدار تولید بنگاه را ثابت نگه داریم و آن­گاه معادله بدست آمده را حل نماییم، مقدار بدست آمده برای سطح تولید بنگاه، همان لگاریتم طبیعی سطح تولید بهینه می­باشد. با توجه به تابع هزینه ترانسلوگ، لگاریتم طبیعی سطح بهینه تولید از طریق رابطه زیر بدست می‌آید.

 

سطح تولید بهینه از طریق رابطه زیر محاسبه می­شود.

 

کشش خودقیمتی و متقاطع[37]

کشش خودقیمتی و متقاطع، اثرات ناشی از تغییرات قیمت هریک از نهاده­ها (با فرض ثبات هزینه کل بنگاه)، بر روی مقدار خود نهاده (کشش خودقیمتی) و یا تغییر مقادیر دیگر نهاده­ها (کشش متقاطع) را اندازه­گیری می­کند. اگر مقدار کشش متقاطع میان جفت نهاده، مثبت (منفی) شود، نهاده­های مورد نظر جانشین (مکمل) یکدیگرند. با درنظر گرفتن اصل رفتار عاقلانه در مدیریت فرایند تولید، چنانچه قیمت یکی از نهاده­ها افزایش یابد، باید مقدار به­کارگیری نهاده مورد نظر را کاهش داد تا سطح تولید بنگاه ثابت باقی بماند. بنابراین کلیه مقادیر کشش خودقیمتی باید منفی بدست آید (با افزیش قیمت نهاده، مقدار نهاده کاهش یابد). رابطه کلی کشش قیمتی به صورت زیر است.

 

براساس لم شفارد داریم:

 

در رابطه بالا، C تابع هزینه هزینه ترانسلوگ، مشتق اول تابع هزینه نسبت به نهاده i،  مشتق جزئی اول و دوم تابع هزینه ترانسلوگ نسبت به نهاده i و j است. با در نظر گرفتن تابع هزینه ترانسلوگ، روابط کشش خودقیمتی و متقاطع عوامل تولید به صورت زیر می­باشد.

 

با توجه به رابطه کشش خودقیمتی و متقاطع، هرچه سهم هزینه نهاده که قیمت آن دچار تغییر ­شده، بیشتر باشد، اثرات تقاطعی و خودقیمتی شدیدتر می­شود. به طور خلاصه، هر کدام از نهاده­ها که قیمت آن دستخوش تغییر می­شود، چنانچه سهم هزینه بالایی داشته باشد، دیگر نهاده­ها، جانشین یا مکمل بهتری برای نهاده مورد نظر می­باشند.

کشش جانشینی فنی موریشیما[38]

کشش موریشیما، درصد تغییرات در نسبت مقدار 2 نهاده، به 1 درصد تغییرات در نسبت قیمت همان جفت نهاده را محاسبه می­کند. کشش جانشینی فنی موریشیما توسط موریشیما[39] (1967) معرفی شده و در ادامه توسط چمبرز[40] (1988) بسط یافت. کشش جانشینی موریشیما قادر است اطلاعات کاملی از مقایسه­ ایستا، تغییرات روابط فنی میان سهم اجزای نهاده­ها در واکنش به تغییرات در نسبت قیمت نهاده­ها ارایه دهد. یکی از مزایای مهم کشش موریشیما نسبت به دیگر کشش­های جانشینی فنی بین نهاده­ای، در نظر گرفتن سهم هر کدام از اجزای نهاده به طور مناسب در روابط محاسباتی کشش می­باشد. ضرب سهم نهاده در رابطه کشش موریشیما، موجب می­شود که رابطه کشش فنی به نحو صحیح و درست محاسبه شود و دچار تورش در محاسبه کشش جانشینی فنی نشود. (بلکوربی و روسل[41]، 1989) چنانچه از نسبت سطح بهینه نهاده i نسبت به نهاده j لگاریتم گرفته شود، داریم:

 

حال به توجه به رابطه بالا و لم شفارد، اثرات درصد تغییر در قیمت نهاده i () را بر روی مقدار نسبی  (با فرض ثابت بودن  قیمت نهاده j ()) به صورت رابطه کشش موریشیما به نمایش درآورد:

 

تغییر در قیمت نهاده i، دو اثر متفاوت بر روی مقدار نسبی  بر جای می­گذارد: نخست موجب تغییر در مقدار نهاده i شده و در مرحله بعد، اثرات تقاطعی (جانشینی یا مکملی) بر روی نهاده j دارد. آنچه که کشش موریشیما به بررسی آن می­پردازد، در حقیقت اثر متقابل (تقاطعی) خالص است. به دلیل آنکه، اثرات خودقیمتی را از اثرات متقاطع حذف می­کند.

 

: دو نهاده i و j جانشین فنی یکدیگرند و افزایش در قیمت نهاده j (افزایش در قیمت نسبی ، با فرض ثبات در قیمت نهاده i)، موجب افزایش مقدار نسبی  می­شود.

: دو نهاده i و j مکمل فنی یکدیگرند و افزایش در قیمت نهاده j (افزایش در قیمت نسبی ، با فرض ثبات در قیمت نهاده i)، موجب کاهش مقدار نسبی  می­شود.

 

5. داده­ها و نتایج برآورد

داده­های به کار رفته در این تحقیق، شامل اطلاعات تولید، هزینه تولید، هزینه واحد نهاده­های نیروی­کار، سرمایه، مواداولیه و انرژی 11 صنعت انرژی­بر کشور در دوره 87-1375 می­باشد. کلیه داده­ها از مرکز آمار ایران (1391) گردآوری شده است. اطلاعات 11 صنعت مورد بررسی در قالب کد و توضیحات طبقه­بندی کالاها و خدمات (ISIC)، در جدول 2 آورده شده است. صنایع مورد مطالعه شامل 5 صنعت با کدهای 4 رقمی 2691، 2692، 2694، 2695 و 2699 که زیرگروه کد 2 رقمی 26 (صنعت تولید سایر محصولات کانی غیرفلزی) و همچنین 6 صنعت با کدهای 4 رقمی2710، 2721، 2722، 2723، 2731 و 2732 که زیرگروه کد 2 رقمی 27 (صنعت تولید فلزات اساسی) می­باشند. صنایع تولید سایر محصولات کانی غیرفلزی و صنعت تولید فلزات اساسی از صنایع سنگین کشور می­باشد و سهم بالایی از تولید در میان دیگر صنایع را در اختیار دارند. از دیگر مشخصه­های این صنایع می­توان به مصرف بالای انرژی نسبت به دیگر صنایع فعال در کشور اشاره کرد.

 

جدول 2. صنایع زیرگروه صنعت تولید سایر کانی­های غیرفلزی و صنعت تولید فلزات اساسی براساس طبقه­بندی ISIC[42]

کد 2 رقمی

کد 3 رقمی

کد 4 رقمی

شرح

26

 

 

تولید سایر محصولات کانی غیرفلزی

 

269

 

تولید محصولات کانی غیرفلزی طبقه‌بندی نشده در جای دیگر

 

 

2691

تولید کالاهای سرامیکی غیرنسوز غیرساختمانی

 

 

2692

تولید محصولات سرامیکی نسوز– عایق حرارت

 

 

2694

تولید سیمان، آهک و گچ

 

 

2695

تولید محصولات ساخته شده از بتن، سیمان و گچ

 

 

2699

تولید سایر محصولات کانی غیرفلزی طبقه­بندی­نشده در جای دیگر

27

 

 

تولید فلزات اساسی

 

271

 

تولید محصولات اولیه آهن و فولاد

 

 

2710

تولید محصولات اولیه آهن و فولاد

 

272

 

تولید فلزات اساسی گرانبها و فلزات اساسی غیرآهنی

 

 

2721

تولید محصولات اساسی مسی

 

 

2722

تولید محصولات اساسی آلومینیومی

 

 

2723

تولید فلزات گرانبها و سایر محصولات اساسی-  بجز آهن، فولاد، مس و آلومینیوم

 

273

 

ریخته­گری فولاد

 

 

2731

ریخته­گری آهن و فولاد

 

 

2732

ریخته­گری فلزات غیرآهنی

مأخذ: مرکز آمار ایران

 

در جدول 3 به بررسی سهم هزینه هر یک از نهاده­های تولید 4 گانه در دوره 87-1375 پرداخته شده است. همانطور که در جدول 3 نشان داده شده است، نهاده انرژی به طور متوسط 9 درصد از سهم هزینه تولید را در اختیار دارد و در میان 4 نهاده تولید، در رتبه سوم قرار دارد. نهاده مواد اولیه با 66 درصد از هزینه تولید (به طور متوسط)، مهمترین نهاده تولید در فرایند فعالیت صنعتی این 11 صنعت به شمار می­رود. پس از نهاده مواد اولیه، نیروی­کار با ثبت سهمی معادل 20 درصد از هزینه، جایگاه دوم را در میان 4 نهاده داراست و در آخر میزان به کارگیری سرمایه به گونه­ای است که این نهاده کمترین سهم را داشته و جایگاه چهارم را به خود اختصاص داده است. نحوه به­کارگیری میزان نهاده­ها و سهم هزینه هر یک از نهاده­ها در صنایع کد 26 و 27 کمی متفاوت می­باشد. مواد اولیه در دو صنعت تولید سایر محصولات کانی غیرفلزی و صنعت تولید فلزات اساسی، به ترتیب با سهمی معادل 59 درصد و 73 درصد همچنان مهم­ترین نهاده تولید است. با توجه به مقادیر محاسبه شده، ساختار کارخانجات تولیدی صنعت تولید سایر محصولات کانی غیرفلزی (کد 26) نسبت به صنعت تولید فلزات اساسی (کد 27)، به گونه­ای می­باشد که میزان نیروی­ کار و انرژی بیشتری مصرف می­کند و بدین ­ترتیب صنعت تولید سایر محصولات کانی غیرفلزی (کد 26) نسبت به صنعت تولید فلزات اساسی (کد 27) انرژی­بری و کاربری بالاتری داراست.

جدول 3. سهم هزینه نهاده­های تولید صنایع انرژی­بر

کد صنعت

نیروی­کار

سرمایه

مواد اولیه

انرژی

2691

40/0

05/0

50/0

05/0

2692

21/0

06/0

68/0

05/0

2694

31/0

08/0

34/0

27/0

2695

23/0

04/0

71/0

03/0

2699

18/0

04/0

71/0

07/0

2710

11/0

03/0

77/0

09/0

2721

11/0

03/0

81/0

05/0

2722

11/0

02/0

71/0

16/0

2723

15/0

04/0

71/0

10/0

2731

27/0

07/0

61/0

05/0

2732

18/0

04/0

75/0

03/0

متوسط کد 26

26/0

05/0

59/0

10/0

متوسط کد 27

15/0

04/0

73/0

08/0

متوسط 11 صنعت

20/0

05/0

66/0

09/0

مأخذ: مرکز آمار ایران (1391)

 

جدول 4 به بررسی وضعیت بیشینه و کمینه مقادیر سهم هزینه هر نهاده در میان 11 صنعت پرداخته است. کمترین سهم انرژی­بری، با سهم بسیار اندک 3 درصد هزینه، مربوط به صنعت تولید محصولات ساخته شده از بتن، سیمان و گچ و صنعت ریخته­گری فلزات غیرآهنی با کدهای 2695 و 2732 می­باشد. بیشترین سهم انرژی­بری با سهمی معادل 27 درصد سهم هزینه، مربوط به صنعت تولید سیمان، آهک و گچ با کد 2694 است. همچنین این صنعت با تنها 34 درصد هزینه، کمترین میزان به کارگیری مواد اولیه را نسبت به 10 صنعت دیگر به خود اختصاص داده است و فاصله بسیار زیادی با دیگر صنایع، از دیدگاه بکارگیری مواد اولیه دارد. صنعت تولید محصولات اساسی مسی با کد طبقه­بندی 2721، با توجه به کاربرد بسیار بالای مواد اولیه (81 درصد هزینه تولید) در فرایند تولیدات خود، از میزان نیروی ­کار کمتری (11 درصد) نسبت به دیگر صنایع بهره می­برد. وضعیت به­کارگیری نهاده سرمایه از مقدار 2 درصد هزینه تولید در صنعت تولید محصولات اساسی آلومینیومی (کد 2694) تا 8 درصد هزینه تولید در صنعت تولید سیمان، آهک و گچ در نوسان بوده است.

 

جدول 4. خلاصه وضعیت سهم هزینه نهاده تولید صنایع انرژی­بر

 

بیشترین سهم

کد صنعت

کمترین سهم

کد صنعت

سهم نیروی­کار

40/0

2691

11/0

2722- 2721 - 2710

سهم سرمایه

08/0

2694

02/0

2722

سهم مواد اولیه

81/0

2721

34/0

2694

سهم انرژی

27/0

2694

03/0

2732 - 2695

مأخذ: مرکز آمار ایران

 

تخمین پارامترهای سیستم معادلات همزمان

به منظور تخمین پارامترهای کارا برای تابع هزینه ترانسلوگ و معادلات سهم هزینه سرمایه، مواد اولیه و انرژی[43] با توجه به داده­های پانل و در نظر گرفتن خودهمبستگی، از روش برآورد سیستمی رگرسیون‌های به ظاهر نامرتبط تکراری (ISUR) استفاده شده است. نتایج برآورد و تخمین پارامترها در جدول 5 نشان داده شده است.

 

جدول 5.  نتایج تخمین پارامترهای سیستم معادلات همزمان صنایع انرژی­بر

پارامتر

برآورد

آماره t

انحراف معیار

پارامتر

برآورد

آماره t

انحراف معیار

 

45091/13

016097/2

671758/6

*

00339/0

960545/2

003978/0

 

239276/0

520536/0

459673/0

*

00047/0

137415/1

016016/0

 

018268/0

137415/1

016016/0

*

00023/0

520536/0

459673/0

*

128595/1

960545/2

003978/0

 

000637/0

339449/0

001877/0

 

202404/0

539724/1

131454/0

 

001102/0

462053/0

002384/0

 

310245/0-

861178/2-

108433/0

 

000757/0-

474300/0-

001596/0

 

020754/0-

147169/0-

141024/0

*

002684/0-

127344/0-

002720/0

*

00409/0-

474300/0-

001596/0

 

009545/0-

976928/1-

004828/0

 

005124/0-

921450/1-

002667/0

 

011778/0

960545/2

003978/0

 

000346/0-

127344/0-

002720/0

 

000451/0

089620/0

005029/0

 

000576/0-

192155/0-

002997/0

 

 

 

 

* پارامترهای تابع سهم هزینه نیروی­کار از روش غیرمستقیم محاسبه می­شوند.

مأخذ: یافته­های محقق

 

تخمین پارامترها در الگوی سیستمی به منظور جلوگیری از صفرشدن ماتریس واریانس- کوواریانس اجزای اخلال، با حذف معادله سهم هزینه نهاده نیروی­ کار صورت گرفته است. پارامترهای معادله سهم تقاضای نیروی­کار از روش غیرمستقیم و از طریق فروض همگنی و تقارن محاسبه می­شوند. پارامترهای معادلات سهم هزینه عوامل تولید در جدول 6 گزارش شده است.

 

جدول 6. پارامترهای توابع سهم هزینه نهاده­های صنایع انرژی­بر

 

معادلات سهم هزینه

سرمایه

مواد اولیه

انرژی

نیروی­کار

عرض از مبدأ

202404/0

310245/0-

020754/0-

128595/1

قیمت سرمایه

005124/0-

000637/0

001102/0

00339/0

قیمت مواد اولیه

000637/0

000346/0-

000757/0-

00047/0

قیمت انرژی

001102/0

000757/0-

000576/0-

00023/0

ارزش تولید

009545/0-

011778/0

000451/0

00268/0-

قیمت نیروی­کار

00339/0

00047/0

00023/0

00409/0-

مأخذ: یافته­های محقق

 

با توجه به تخمین پارمترهای سیستم معادلات، از 2 روش مستقیم (رگرسیون­های به ظاهر نامرتبط تکراری) و غیرمستقیم (فروض همگنی و تقارن)، حال می­توان توابع تقاضای عوامل تولید مرتبط با صنایع انرژی­بر را به صورت زیر استخراج نماییم.

 

جدول 7. توابع تقاضای عوامل تولید مرتبط با صنایع انرژی­بر

تابع تقاضای سرمایه

 

تابع تقاضای مواد اولیه

 

تابع تقاضای انرژی

 

تابع تقاضای نیروی­کار

 

 

کشش هزینه، صرفه به مقیاس و سطح تولید بهینه

نتایج محاسبات کشش هزینه و صرفه به مقیاس، به تفکیک 11صنعت، کد 26، کد 27 و متوسط 11 صنعت، در جدول 8 گزارش شده است. نتایج بدست آمده نشان می­دهد که تمامی 11 صنعت، در طول دوره 87- 1375 صرفه به مقیاس افزایشی گسترده را تجربه می­کنند. کلیه صنایع، کشش هزینه کوچکتر از یک دارند و مقدار عددی بدست آمده از محاسبه رابطه صرفه به مقیاس، بزرگتر از صفر بدست آمده است که گواه این است که صنایع اساسی کشور در سطحی از تولید فعالیت می­کنند که فاصله گسترده­ای با سطح بهینه تولید دارند. بدین­ترتیب تمامی 11 صنعت، به منظور کاهش هزینه واحد و افزایش سوددهی خود باید مقیاس تولید را گسترش دهند، به مفهومی واضح­تر، مدیران بخش تولید و اجرایی این صنایع اساسی و سنگین، برای اینکه قدرت رقابتی خود را در میان صنایع داخلی و خارجی افزایش دهند، اساسی­ترین و مهم­ترین راهکار پیش روی مدیران این صنایع، افزایش مقیاس تولید، به منظور نزدیک کردن سطح تولید، به سطح بهینه تولید می­باشد.

در جدول 8، محاسبات صرفه مقیاس در سطح کد 2 رقمی 26 و 27 گزارش شده است. نتایج نشان می­دهد که در صنعت تولید سایر محصولات کانی غیرفلزی (کد 26)، نسبت به صنعت تولید فلزات اساسی (کد 27) از مزیت صرفه به مقیاس به میزان کمتری بهره­برداری شده است و صنعت تولید سایر محصولات کانی غیرفلزی دارای صرفه مقیاس بزرگتری است. کشش هزینه و صرفه به مقیاس در سطح متوسط داده­های 11 صنعت به ترتیب 86/0 و 14/0 بدست آمده است که حکایت از صرفه به مقیاس گسترده در سطح متوسط 11 صنعت دارد. به مفهوم اقتصادی، کلیه صنایع در قسمت نزولی LAC[44] فعالیت می­کنند و چنانچه مقیاس تولید خود را گسترش دهند، هزینه با نسبت کمتری افزایش پیدا می­کند. تفسیر رقم 14/0 برای صرفه به مقیاس بدین­ترتیب می­باشد. چنانچه بنگاه مقیاس تولید بنگاه 1 درصد افزایش یابد، هزینه تولید بنگاه 86/0 درصد افزایش می­یابد و 14 درصد صرفه­جویی در هزینه تولید ناشی از گسترش مقیاس و فعالیت در وسعت گسترده­تر رخ خواهد داد.

 

جدول 8. کشش هزینه و صرفه به مقیاس در صنایع انرژی­بر

کد صنعت

کشش هزینه

صرفه به مقیاس

کد صنعت

کشش هزینه

صرفه به مقیاس

2691

86/0

14/0

2722

89/0

11/0

2692

81/0

19/0

2723

77/0

23/0

2694

87/0

13/0

2731

88/0

12/0

2695

89/0

11/0

2732

84/0

16/0

2699

84/0

16/0

26

85/0

15/0

2710

92/0

08/0

27

86/0

14/0

2721

87/0

013/0

کل 11 صنعت

86/0

14/0

مأخذ:یافته­های محقق

 

خلاصه وضعیت کشش هزینه و صرفه به مقیاس 11 صنعت در جدول 9 گزارش شده است. بیشترین صرفه به مقیاس و بالتبع کمترین کشش هزینه محاسبه شده در دوره 87-1375 مربوط به صنعت تولید فلزات گرانبها و سایر محصولات اساسی- بجز آهن، فولاد، مس و آلومینیوم با کد 2723 می­باشد. متوسط صرفه به مقیاس بدست آمده برای 11 صنعت با مقدار محاسبه شده برای صنعت تولید کالاهای سرامیکی غیرنسوز غیرساختمانی (کد 2691) برابری می­کند. کمترین صرفه به مقیاس گزارش شده، مربوط به صنعت تولید محصولات اولیه آهن و فولاد (کد 2710) می­باشد. مفهوم کمترین مقدار صرفه به مقیاس (بیشترین کشش هزینه) به این ترتیب می­باشد که چنانچه مقیاس تولید بنگاه افزایش یابد، کاهش کمتری در هزینه تولید را در پی دارد و صرفه‌جویی در هزینه نسبت به دیگر صنایع کمتر می­باشد. بیشترین و کمترین صرفه­جویی در هزینه به ترتیب مربوط به صنعت تولید فلزات گرانبها و سایر محصولات اساسی- بجز آهن، فولاد، مس و آلومینیوم (کد 2723) و صنعت تولید محصولات اولیه آهن و فولاد (کد2710)  است.

 

جدول 9. خلاصه وضعیت کشش هزینه و صرفه به مقیاس صنایع انرژی­بر

 

صرفه به مقیاس

کشش هزینه

کد صنعت

بیشترین مقدار صرفه به مقیاس

23/0

77/0

2723

متوسط مقدار صرفه به مقیاس

14/0

86/0

2691

کمترین مقدار صرفه به مقیاس

08/0

92/0

2710

مأخذ: یافته­های محقق

 

پس از محاسبه صرفه به مقیاس و کشش هزینه صنایع، به محاسبه سطح تولید بهینه و مقایسه با سطح تولید واقعی هر صنعت پرداخته شده است. جدول 10 میزان سطح تولید بهینه و سطح واقعی تولید به تفکیک 11 صنعت در طی 13 سال مورد بررسی را نمایش داده است. سطح تولید بهینه در واقع همان سطح حداقل هزینه متوسط تولید می­باشد. این سطح تولید، کاراترین مقیاس فعالیت بوده و جهت محاسبه سطح تولید بهینه باید کشش هزینه بدست آمده برای هر صنعت را مساوی صفر قرار داد. ذکر این نکته ضروری می­باشد که هرچه صرفه به مقیاس بیشتر باشد، میزان فاصله سطح تولید واقعی از سطح تولید بهینه، بیشتر است و بنگاه از کاراترین مقیاس، دورتر بوده و هزینه واحد بیشتری داراست.

 

 

جدول 10. سطح تولید بهینه و واقعی صنایع انرژی‌بر

کد صنعت

سطح تولید بهینه

سطح تولید واقعی

کد صنعت

سطح تولید بهینه

سطح تولید واقعی

2691

15+E82214/1

11+E58724/8

2722

14+E4747/9

12+E61277/3

2692

16+E99432/4

11+E21229/5

2723

17+E05532/2

12+E16622/1

2694

15+E34635/6

12+E22242/6

2731

14+E80935/6

12+E54963/1

2695

14+E87009/6

12+E38654/2

2732

15+E18023/1

11+E14043/3

2699

15+E09979/6

12+E92595/1

26

16+E29797/1

12+E38297/2

2710

15+E43463/1

13+E39576/3

27

16+E53975/3

12+E76171/7

2721

15+E61015/2

12+E97004/5

متوسط 11 صنعت

16+E52076/2

12+E31683/5

مأخذ:یافته­های محقق

 

جدول 11، به تحلیل فاصله سطح تولید واقعی از سطح بهینه تولید با درنظر گرفتن صرفه به مقیاس، پرداخته است. با درنظر گرفتن صرفه به مقیاس اندازه­گیری شده برای تک تک صنایع، تفاوت در فاصله میان دو سطح بهینه و سطح واقعی، قابل درک می­باشد. همانگونه که ذکر شد، هرچه صرفه به مقیاس گسترده­تر باشد، در نتیجه فاصله میان سطح تولید در مقیاس کارا از سطح تولید بنگاه بیشتر است. با توجه به صرفه به مقیاس 14 درصد، سطح تولید بهینه (در سطح متوسط داده­های 11 صنعت)، برابر با 16+E52076/2 ریال بدست آمده است که با سطح تولید واقعی به میزان 16+E52023/2 ریال فاصله دارد.

 

جدول 11. فاصله سطح تولید بهینه از سطح واقعی تولید درصنایع انرژی

کد صنعت

صرفه به مقیاس

تفاضل سطح بهینه از سطح واقعی تولید

کد صنعت

صرفه به مقیاس

تفاضل سطح بهینه از سطح واقعی تولید

2691

14/0

15+E82128/1

2722

11/0

14+E43858/9

2692

19/0

16+E99427/4

2723

23/0

16+E05530/2

2694

13/0

15+E34013/6

2731

12/0

14+E79386/6

2695

11/0

14+E84622/6

2732

16/0

15+E17991/1

2699

16/0

15+E09787/6

26

15/0

16+E29797/1

2710

08/0

15+E40067/1

27

14/0

16+E53975/3

2721

13/0

15+E60418/2

متوسط 11 صنعت

14/0

16+E52023/2

مأخذ: یافته­های محقق

 

جدول 12 به تحلیل خلاصه وضعیت سطح تولید بهینه از منظر بیشترین و کمترین مقدار سطح تولید بهینه پرداخته است. آنچه که از این جدول برمی­آید، این است که صنعت تولید فلزات گرانبها و سایر محصولات اساسی- بجز آهن، فولاد، مس و آلومینیوم با کد 2723، دارای بالاترین سطح تولید بهینه نسبت به دیگر صنایع بوده و صنعت ریخته­گری آهن و فولاد با کد 2731، پایین­ترین سطح تولید بهینه را داراست. ذکر یک نکته بسیار مهم و اساسی می­باشد و آن این است که، سطح تولید بهینه و صرفه به مقیاس، دو مفهوم متفاوت می­باشد. سطح تولید بهینه، همان نقطه حداقل منحنی LAC است و صرفه به مقیاس به نوعی میزان تغییرات در هزینه و تولید در رسیدن به سطح بهینه را مشخص می­کند. بنابراین، صرفه به مقیاس بیشتر به معنای سطح بهینه تولید بزرگتر نمی‌باشد، بلکه فاصله بیشتر سطح تولید واقعی از سطح بهینه است.

 

جدول 12. خلاصه وضعیت سطح تولید بهینه و سطح تولید واقعی صنایع انرژی‌بر

 

سطح تولید بهینه

سطح تولید واقعی

کد صنعت

بیشترین میزان سطح تولید بهینه

17+E05532/2

12+E16622/1

2723

متوسط میزان سطح تولید بهینه

16+E52076/2

12+E31683/5

متوسط کل صنعت

کمترین میزان سطح تولید بهینه

14+E80935/6

12+E54963/1

2731

مأخذ: یافته­های محقق

 

کشش خودقیمتی و متقاطع

نتایج کشش خودقیمتی و متقاطع میان نهاده­های تولید در 11 صنعت کد 4 رقمی 26 و 27 در جدول 13 گزارش شده است. کلیه کشش­ها دارای علامت مورد انتظار هستند (کلیه کشش­های خودقیمتی دارای علامت منفی می­باشند)، به عبارت دیگر، چنانچه قیمت این نهاده­ها افزایش پیدا کند، میزان به کارگیری این نهاده­ها کاهش پیدا می­کند تا سطح تولید ثابت بماند.

براساس مقادیر کشش متقاطع بدست آمده، کلیه مقادیر کشش متقاطع مثبت بوده و میان نهاده­ها رابطه جانشینی برقرار می­باشد. بررسی کشش­های متقاطع در سطح میانگین داده­های 11 صنعت، نشان می­دهد که قوی­ترین رابطه جانشینی میان نهاده مواد اولیه و دیگر نهاده­ها وجود دارد. یکی از دلایل این مسئله، سهم بالاتر مواد اولیه نسبت به دیگر نهاده­ها می­باشد. نتایج کشش متقاطع میان نهاده انرژی با سایر نهاده­ها (در سطح میانگین داده­های 11 صنعت)، نشان می­دهد که با تغییر در قیمت سایر نهاده­ها، نهاده انرژی جانشین ضعیفی برای نهاده­های نیروی­کار و سرمایه است در حالی که جانشین خوبی برای نهاده مواد اولیه به شمار می­رود. بطوریکه قیمت نهاده مواد اولیه 1درصد افزایش یابد، نهاده انرژی به میزان 65/0 درصد جایگزین نهاده مواد اولیه می­شود. با تغییر قیمت انرژی، سایر نهاده­ها قابلیت جانشینی ضعیفی با نهاده انرژی دارند. با توجه به کشش­های محاسبه شده در 11 صنعت، قوی­ترین رابطه جانشینی متقاطع میان انرژی و مواد اولیه با مقدار کشش 80/0، در صنعت تولید محصولات اساسی مسی با کد 2721، برقرار است و ضعیف­ترین رابطه جانشینی نهاده انرژی با نهاده سرمایه، با مقدار کشش 03/0، در صنعت تولید محصولات اساسی آلومینیومی با کد 2722 وجود دارد. از نکات قابل توجه، این است که صنعت تولید سیمان، آهک و گچ با کد 2694، با توجه به آنکه بالاترین سهم انرژی­بری را در میان دیگر صنایع در اختیار دارد، بیشترین حساسیت را به تغییرات قیمت انرژی، و جایگزینی سایر نهاده­ها با این نهاده از خود نشان می­دهد.

 

جدول 13. کشش جانشینی خودقیمتی و متقاطع میان نهاده­های صنایع انرژی­بر

 

2691

2692

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

61/0-

06/0

50/0

05/0

81/0-

08/0

68/0

05/0

سرمایه

47/0

06/1-

51/0

07/0

26/0

02/1-

70/0

06/0

مواد اولیه

40/0

05/0

50/0-

05/0

21/0

06/0

32/0-

05/0

انرژی

40/0

07/0

49/0

96/0-

21/0

09/0

67/0

96/0-

 

2694

2695

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

70/0-

09/0

34/0

27/0

79/0-

05/0

71/0

03/0

سرمایه

35/0

98/0-

34/0

29/0

32/0

11/1-

73/0

06/0

مواد اولیه

31/0

08/0

66/0-

27/0

23/0

04/0

30/0-

03/0

انرژی

31/0

08/0

33/0

73/0-

23/0

08/0

68/0

99/0-

 

2699

2710

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

84/0-

06/0

71/0

07/0

92/0-

06/0

77/0

10/0

سرمایه

27/0

10/1-

73/0

10/0

21/0

11/1-

79/0

13/0

مواد اولیه

18/0

04/0

29/0-

07/0

11/0

03/0

23/0-

09/0

انرژی

18/0

05/0

70/0

93/0-

11/0

04/0

76/0

91/0-

 

2721

2722

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

92/0-

06/0

81/0

05/0

92/0-

05/0

71/0

16/0

سرمایه

22/0

14/1-

83/0

08/0

27/0

21/1-

73/0

21/0

مواد اولیه

11/0

03/0

19/0-

05/0

11/0

02/0

29/0-

16/0

انرژی

12/0

05/0

80/0

97/0-

11/0

03/0

70/0

84/0-

 

2723

2731

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

87/0-

07/0

71/0

10/0

74/0-

08/0

61/0

05/0

سرمایه

23/0

07/1-

72/0

12/0

32/0

01/1-

62/0

07/0

مواد اولیه

15/0

04/0

29/0-

09/0

27/0

07/0

39/0-

05/0

انرژی

15/0

05/0

70/0

91/0-

27/0

08/0

60/0

96/0-

 

2732

متوسط 11 صنعت

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

85/0-

06/0

75/0

03/0

82/0-

06/0

66/0

09/0

سرمایه

25/0

08/1-

77/0

06/0

29/0

08/1-

68/0

11/0

مواد اولیه

17/0

04/0

25/0-

03/0

20/0

05/0

34/0-

08/0

انرژی

18/0

08/0

73/0

99/0-

21/0

06/0

65/0

92/0-

مأخذ: یافته­های محقق

 

کشش جانشینی موریشیما

مقادیر محاسبه شده برای کشش جانشینی فنی موریشیما در جدول 14، گزارش شده است. نتایج بدست آمده از کشش متقاطع، حکایت از جانشینی کلیه نهاده­ها با یکدیگر دارند، مقادیر عددی کشش موریشیما نیز حاکی از تأیید رابطه جانشینی فنی کلیه نهاده­ها با یکدیگر است. اکثر مقادیر بدست آمده، بیانگر رابطه جانشینی قوی میان کلیه نهاده­ها با یکدیگر است، به گونه­ای که مقادیر بدست آمده، اکثراً مساوی و بالاتر از یک می­باشد. بدین ترتیب کلیه صنایع، قدرت انتخاب بسیاری در جانشین ساختن نهاده­های تولید با یکدیگر دارند و قادر خواهند بود با تغییر هر یک از نهاده­ها، نهاده­ای که بالاترین قابلیت جانشینی را داراست، جایگزین نهاده­ای نمایند که قیمت آن تغییر کرده است.

 

جدول 14. کشش جانشینی فنی موریشیما میان نهاده­های صنایع انرژی­بر

 

2691

2692

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

-

08/1

1

01/1

-

07/1

02/1

02/1

سرمایه

11/1

-

11/1

13/1

10/1

-

08/1

10/1

مواد اولیه

1

01/1

-

99/0

1

01/1

-

98/0

انرژی

01/1

03/1

1

-

01/1

03/1

01/1

-

 

2694

2695

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

-

05/1

01/1

01/1

-

11/1

02/1

02/1

سرمایه

07/1

-

06/1

07/1

16/1

-

14/1

18/1

مواد اولیه

1

1

-

1

1

02/1

-

97/0

انرژی

1

02/1

1

-

02/1

05/1

02/1

-

 

2699

2710

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

-

11/1

02/1

02/1

-

14/1

03/1

04/1

سرمایه

15/1

-

13/1

15/1

18/1

-

15/1

16/1

مواد اولیه

1

02/1

-

99/0

1

02/1

-

99/0

انرژی

01/1

04/1

01/1

-

01/1

04/1

1

-

 

2721

2722

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

-

15/1

03/1

04/1

-

19/1

03/1

03/1

سرمایه

20/1

-

17/1

19/1

26/1

-

23/1

24/1

مواد اولیه

1

02/1

-

98/0

1

03/1

-

1

انرژی

01/1

05/1

01/1

-

01/1

05/1

1

-

 

2723

2731

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

-

10/1

02/1

03/1

-

07/1

01/1

02/1

سرمایه

14/1

-

12/1

13/1

09/1

-

08/1

10/1

مواد اولیه

1

01/1

-

99/0

1

01/1

-

99/0

انرژی

01/1

03/1

1

-

01/1

03/1

01/1

-

 

2732

متوسط 11 صنعت

 

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

سرمایه

مواد اولیه

انرژی

نیروی کار

-

10/1

02/1

03/1

-

10/1

02/1

02/1

سرمایه

14/1

-

12/1

16/1

15/1

-

13/1

15/1

مواد اولیه

1

02/1

-

98/0

1

02/1

-

99/0

انرژی

02/1

04/1

02/1

-

01/1

04/1

01/1

-

مأخذ: یافته­های محقق

 

6. جمع­بندی

در این پژوهش به تحقیق و بررسی ساختار 11 صنعت انرژی­بر از طریق شاخص­های کشش هزینه تولید، صرفه به مقیاس، سطح تولید بهینه، تابع تقاضای عوامل تولید، کشش خود قیمتی و متقاطع و در آخر کشش جانشینی فنی موریشیما، پرداخته شد. سهم هزینه نهاده­های بکار رفته در صنایع مورد بررسی بدین ترتیب بوده است که، به طور متوسط، انرژی با 9 درصد از هزینه اجرایی صنایع، نقش مهمی داشته و مواد اولیه با سهمی معادل 66 درصد، مهم­ترین و مؤثرترین نهاده، در فرایند تولید بوده است. مقادیر بدست آمده از محاسبه کشش هزینه این­گونه می­باشد که، کلیه 11 صنعت دارای کشش هزینه کوچکتر از یک و بنابراین صرفه به مقیاس افزایشی هستند. با توجه به نتایج یافت شده از تخمین سطح بهینه تولید و مقایسه سطح تولید واقعی صنایع، می­توان این­گونه استنباط کرد که کلیه صنایع انرژی­بر، فاصله بسیار زیادی از تولید در کاراترین مقیاس دارند و به جهت افزایش قدرت رقابتی و سطح سوددهی خود، باید مقیاس تولید خود را افزایش دهند. نتایج کشش متقاطع میان نهاده انرژی با سایر نهاده­ها (در سطح میانگین داده­های 11 صنعت) نشان می­دهد که با تغییر در قیمت سایر نهاده­ها، نهاده انرژی جانشین ضعیفی برای نهاده­های نیروی­کار و سرمایه است، در حالی که جانشین خوبی برای نهاده مواد اولیه به شمار می­رود. با توجه به مقادیر بدست آمده از کشش جانشینی موریشیما، حساسیت و کشش­پذیر بودن نسبت به نهاده­های تولید، حکایت از قدرت انتخاب بالای صنایع، در جانشین کردن عوامل تولید با یکدیگر دارد.

 

 

 

منابع

الف- فارسی

خداداد کاشی، فرهاد (1386)، «صرفه‌های مقیاس در اقتصاد ایران»، مجله تحقیقات اقتصادی، شماره 80.

خداداد کاشی، فرهاد (1389)، اقتصاد صنعتی (نظریه و کاربرد)، مرکز تحقیق و توسعه، سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها (سمت).

عمادزاده مصطفی، آذربایجانی، کریم و غلامرضا زمانیان (1380) «صرفه­های ناشی از مقیاس: تحلیلی از وضعیت شرکت ذوب­آهن اصفهان»، مجله تحقیقات اقتصادی، دوره 59، صفحات 116- 95.

محمدی تیمور و رضا طالبلو (1389)، «صرفه­های ناشی از ابعاد و مقیاس در صنعت بانکداری ایران»، فصلنامه اقتصاد مقداری، دوره 7، 54- 25.

 

ب- انگلیسی

Akkemik, K. A. (2009), “Cost function Estimates, Scale Economies and Technological Progress in the Turkish Electricity Generation Sector”, Energy Policy, No. 37, pp. 204-213.

Berndt, E. R. and M. S. Khaled (1979), “Parametric Productivity Measurement and Choice Among Flexible Functional Forms”, Journal of Political Economy, No. 87, pp. 1220-1245.

Blackorby, C. and R. R. Russell (1989), “Will the Real Elasticity of Substitution Please Stand up? ( A Comparison of the Allen/Uzawa and Morishima Elasticities)”, The American Economic Review, No. 79, pp. 882-888.

Chambers, R. G. (1988), Applied Production Analysis: A Dual Approach, Cambridge University Press, Cambridge, MA, pp. 1-327.

Christensen, L. R., Jorgenson, D. W. and L. J. Lau (1973), “Transcendental Logarithmic Production Function”, The Review of Economics and Statistics, No. 55, pp. 28-45.

Degl'Innocenti, M. and C. Girardone (2012), “Ownership, Diversification and Cost Advantages: Evidence from the Italian Leasing Industry”, Journal of International Financial Markets, Institutions & Money, No. 22, pp. 879- 896.

Ebadi, J. and M. S. Mousavi (2006), “The Economies of Scale In Iran Manufacturing Establishments”, Iranian Economic Review, No. 11.

Fetz, A. and M. Filippini (2010), “Economies of Vertical Integration in the Swiss Electricity Sector”, Energy Economics, No. 32, pp. 1325-1330.

Mancuso, Paolo (2012), “Regulation and Efficiency in Transition: The Case of Telecommunications”, International Journal of Production Economics, No. 135, pp. 762-770.

Martin, J. C., Concepcion, R. and A. Voltes-Dorta (2011), “Scale Economies and Marginal Costs in Spanish Airports”, Transportation Research, No. 47, pp. 238-248.

Morishima, M. (1967), “A Few Suggestions on the Theory of Elasticity”, Economic Review, No. 16, pp. 144-150.

Shephard, R. S. (1970), Theory of Cost and Production Functions, Princeton University Press, Princeton, NJ.

Stiegler, J. J. (1958), “The Economies of Scal”, Journal of Law and Economics, No. 1, pp. 54-71.

Truett, L. J. and D. B. Truett (2007), “A Cost-Based Analysis of Scale Economies in The French Auto Industry”, International Review of Economics and Finance, No. 16, pp. 369-382.

Zellner, A. (1962), “An Efficient Method of Estimating Seemingly Unrelated Regressions and Tests for Aggregation Bias”, Journal of the American Statistical Association, No. 58, pp. 977-992.

 



* استادیار گروه اقتصاد دانشگاه سیستان و بلوچستان                                                         Mohammad_Tash@eco.usb.ac.ir

** دانشجوی کارشناسی ارشد رشته علوم اقتصادی دانشگاه سیستان و بلوچستان                 Norouzi_Ali_66@yahoo.com

*** پژوهشگر مؤسسه مطالعات بین‌المللی انرژی

[1]. Translog Cost Function

[2]. Iterative Seemingly Unrelated Regressions

[3]. Morishima Elasticity of Substitution

[4]. Jafar Ebadi and Saeed Mousavi Madani (2006)

[5]. International Standard Industrial Classification

[6]. Zellner

[7]. Lila J. Truett and Dale B. Truett (2007)

[8]. Citroen

[9]. Renault

[10]. Ali Akkemik (2009)

[11]. fetz Aurelio and Massimo Filippini (2010)

[12]. Martin, Concepcion and Voltes-Dorta (2011)

[13]. Paolo Mancuso (2012)

[14]. Degl'Innocenti and Girardone (2012)

[15]. Flexible Cost Function

[16]. Box-Cox Cost Function

[17]. Translog Cost Function

[18]. Generalized Square-Root Quadratic Cost Function

[19]. Generalized Leontief Cost Function

[20]. Berndt and Khaled (1979)

[21]. Translog Cost Function

[22]. Input Cost Share

[23]. Generalized Cobb Douglas

[24]. Generalized Leontief

[25]. Generalized Square-Root Quadratic

[26]. Constant Elasticity of Substitution

[27]. Non Homothetic

[28]. Christensen, Jorgenson and Lau (1973)

[29]. Shephard Lemma

[30]. Shephard (1970)

[31]. Simultaneous Equation System

[32]. Seemingly Unrelated Regressions

[33]. Zellner (1962)

[34]. Iterative Seemingly Unrelated Regressions

[35]. Economies of Scale

[36]. Minimum Efficient Scale

[37]. Own-Cross Price Elasticity

[38]. Morishima Elasticity of Substitution

[39]. Morishima (1967)

[40]. Chambers (1988)

[41]. Blackorby and Russell (1989)

[42]. طبقه­بندی کالاها و خدمات بکار رفته در این تحقیق، براساس ISIC Ver3.1 می­باشد.

[43]- تابع هزینه نیروی­کار حذف شده است و پارامترهای این تابع از روش غیرمستقیم محاسبه می­شود.

[44]. Long Run Average Cost

الف- فارسی
خداداد کاشی، فرهاد (1386)، «صرفه‌های مقیاس در اقتصاد ایران»، مجله تحقیقات اقتصادی، شماره 80.
خداداد کاشی، فرهاد (1389)، اقتصاد صنعتی (نظریه و کاربرد)، مرکز تحقیق و توسعه، سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها (سمت).
عمادزاده مصطفی، آذربایجانی، کریم و غلامرضا زمانیان (1380) «صرفه­های ناشی از مقیاس: تحلیلی از وضعیت شرکت ذوب­آهن اصفهان»، مجله تحقیقات اقتصادی، دوره 59، صفحات 116- 95.
محمدی تیمور و رضا طالبلو (1389)، «صرفه­های ناشی از ابعاد و مقیاس در صنعت بانکداری ایران»، فصلنامه اقتصاد مقداری، دوره 7، 54- 25.
 
ب- انگلیسی
Akkemik, K. A. (2009), “Cost function Estimates, Scale Economies and Technological Progress in the Turkish Electricity Generation Sector”, Energy Policy, No. 37, pp. 204-213.
Berndt, E. R. and M. S. Khaled (1979), “Parametric Productivity Measurement and Choice Among Flexible Functional Forms”, Journal of Political Economy, No. 87, pp. 1220-1245.
Blackorby, C. and R. R. Russell (1989), “Will the Real Elasticity of Substitution Please Stand up? ( A Comparison of the Allen/Uzawa and Morishima Elasticities)”, The American Economic Review, No. 79, pp. 882-888.
Chambers, R. G. (1988), Applied Production Analysis: A Dual Approach, Cambridge University Press, Cambridge, MA, pp. 1-327.
Christensen, L. R., Jorgenson, D. W. and L. J. Lau (1973), “Transcendental Logarithmic Production Function”, The Review of Economics and Statistics, No. 55, pp. 28-45.
Degl'Innocenti, M. and C. Girardone (2012), “Ownership, Diversification and Cost Advantages: Evidence from the Italian Leasing Industry”, Journal of International Financial Markets, Institutions & Money, No. 22, pp. 879- 896.
Ebadi, J. and M. S. Mousavi (2006), “The Economies of Scale In Iran Manufacturing Establishments”, Iranian Economic Review, No. 11.
Fetz, A. and M. Filippini (2010), “Economies of Vertical Integration in the Swiss Electricity Sector”, Energy Economics, No. 32, pp. 1325-1330.
Mancuso, Paolo (2012), “Regulation and Efficiency in Transition: The Case of Telecommunications”, International Journal of Production Economics, No. 135, pp. 762-770.
Martin, J. C., Concepcion, R. and A. Voltes-Dorta (2011), “Scale Economies and Marginal Costs in Spanish Airports”, Transportation Research, No. 47, pp. 238-248.
Morishima, M. (1967), “A Few Suggestions on the Theory of Elasticity”, Economic Review, No. 16, pp. 144-150.
Shephard, R. S. (1970), Theory of Cost and Production Functions, Princeton University Press, Princeton, NJ.
Stiegler, J. J. (1958), “The Economies of Scal”, Journal of Law and Economics, No. 1, pp. 54-71.
Truett, L. J. and D. B. Truett (2007), “A Cost-Based Analysis of Scale Economies in The French Auto Industry”, International Review of Economics and Finance, No. 16, pp. 369-382.
Zellner, A. (1962), “An Efficient Method of Estimating Seemingly Unrelated Regressions and Tests for Aggregation Bias”, Journal of the American Statistical Association, No. 58, pp. 977-992.