مقاله پژوهشی
سایر موارد مرتیط
ثریا جلوزان؛ عطااله محمدی ملقرنی؛ بهروز شاهمرادی
چکیده
سود در صورت‌های مالی به عنوان یکی از مهمترین معیارهای ارزیابی عملکرد و تعیین کننده ارزش بنگاه اقتصادی تلقی میگردد. هدف اصلی پژوهش تعیین میزان سود یک محصول بر پایه شاخص پیچیدگی محصول با توجه به تنوع و فراگیری محصول در بازارهای مختلف برای جامعه آماری 500 شرکت سودده موجود در لیست فورچون از سال مالی 2014 تا پایان سال 2018 با استفاده از داده‌های ...
بیشتر
سود در صورت‌های مالی به عنوان یکی از مهمترین معیارهای ارزیابی عملکرد و تعیین کننده ارزش بنگاه اقتصادی تلقی میگردد. هدف اصلی پژوهش تعیین میزان سود یک محصول بر پایه شاخص پیچیدگی محصول با توجه به تنوع و فراگیری محصول در بازارهای مختلف برای جامعه آماری 500 شرکت سودده موجود در لیست فورچون از سال مالی 2014 تا پایان سال 2018 با استفاده از داده‌های تابلویی و تلفیقی انتخاب گشتند. در این مطالعه سعی شده تا با برآورد سود هر محصول به سرمایه‌گذاران این اختیار را دهد که بهترین محصول با سودآوری بیشتر را جهت سرمایه‌گذاری با توجه به سودآوری آن مبتنی بر شاخص پیچیدگی محصول انتخاب کنند. یافتهها نشان می‌دهد در نظر گرفتن رویکرد جدید تولید محصولات با پیچیدگی بالا نسبت به انتخاب نوع محصول و فعالیت واحد اقتصادی و اندازه‌گیری شاخص سودآوری محصول تولیدی، با بررسی رابطه پیچیدگی محصولات و سودآوری آنها با معرفی شاخصی جهت تخمین سود محصول برای سرمایه‌گذاران که مهمترین استفاده‌کنندگان اطلاعات مالی می‌باشند با تصمیم‌گیری بهینه با توجه به ترکیب محصولات و انتخاب نوع محصول جهت تولید در شرکت‌های که سود بالاتری دارند، احتمالاً منابع را به‌طور مؤثرتری تخصیص می‌دهند، که این امر می‌تواند به رشد اقتصادی کلی کمک کند. نتایج مبین رابطه مثبت و معنی‌داری بین متغیرهای سود عملیاتی و شاخص پیچیدگی محصول و تخمین سود بر پایه تنوع و فراگیری محصول است.
مقاله پژوهشی
اقتصاد سنجی
فروغ اسمعیلی صدرآبادی؛ مائده خناری
چکیده
هوش مصنوعی (AI) بر بهره‌وری کل عوامل (TFP) در صنایع ایران از سال 1997 تا 2020 می‌پردازد و از یک مجموعه داده جامع که بر اساس کدهای چهاررقمی طبقه‌بندی بین‌المللی صنایع (ISIC) سازماندهی شده است، استفاده می‌کند. ما از روش GMM برای مقابله با چالش‌هایی مانند درون‌زایی و هم‌خطی در یک مجموعه داده شامل بیش از 200 متغیر مقطعی استفاده می‌کنیم. نتایج ما ...
بیشتر
هوش مصنوعی (AI) بر بهره‌وری کل عوامل (TFP) در صنایع ایران از سال 1997 تا 2020 می‌پردازد و از یک مجموعه داده جامع که بر اساس کدهای چهاررقمی طبقه‌بندی بین‌المللی صنایع (ISIC) سازماندهی شده است، استفاده می‌کند. ما از روش GMM برای مقابله با چالش‌هایی مانند درون‌زایی و هم‌خطی در یک مجموعه داده شامل بیش از 200 متغیر مقطعی استفاده می‌کنیم. نتایج ما نشان می‌دهد که هم سرمایه‌گذاری‌های فیزیکی و هم سرمایه‌گذاری‌های غیرملموس تأثیر قابل توجهی بر TFP دارند؛ به‌طوری‌که افزایش 1% در سرمایه‌گذاری فیزیکی منجر به افزایش 0.514% در TFP می‌شود، در حالی که سرمایه‌گذاری غیرملموس بهبود 0.288%ی را به همراه دارد. یکی از نوآوری‌های کلیدی این تحقیق معرفی یک متغیر اندازه‌گیری AI در تابع تولید است که از روش Corrado، Hulten و Sichel (CHS) برای ارزیابی روشن‌تری از تأثیرات بهره‌وری AI استفاده می‌کند. اگرچه سرمایه‌گذاری در AI به‌طور مثبت با TFP همبستگی دارد، تأثیر فعلی آن محدود است که نشان‌دهنده پذیرش تدریجی فناوری‌های پیشرفته در صنایع ایران است. این موضوع نیاز به یک استراتژی جامع برای بهره‌برداری کامل از مزایای بهره‌وری AI را برجسته می‌کند. ما سیاست‌هایی را برای تسهیل ادغام فناوری و تخصص‌گرایی نیروی کار، از جمله سرمایه‌گذاری در آموزش، ارائه مشوق‌هایی برای پذیرش AI و ترویج همکاری بین صنعت و مؤسسات آموزشی به‌منظور افزایش بهره‌وری و رقابت‌پذیری در بازار جهانی توصیه می‌کنیم.
