پیشران های رشد بهره وری بخش مسکن

بخش مسکن یکی از بخش های مهم و پیشران در رشد و توسعه اقتصادی ایران به شمار می آید. بنابراین بررسی وضعیت رشد بهره وری و اجزاء آن ، از اهمیت زیادی برخوردار است . رشد بهره وری بخش مسکن را می توان با استفاده از ادبیات تابع مرزی تصادفی به چهار جزء؛ شامل پیشرفت تکنولوژی تغییر کارایی ،فنی اثرات ،مقیاس و کارایی تخصیصی تجزیه کرد. بکارگیری تابع مرزی تصادفی برای تخمین کارایی فنی بخش هایی که کارایی فنی بالایی دارد ، مناسب نیست . زیرا جمله جزء اخلال ناکارایی در مدل وجود ندارد. بنابراین نتایج مدل تور شدار میشود از آنجا که بخش مسکن معمولا میتواند کارایی فنی بالایی داشته باشد . برای تخمین تغییر کارایی فنی از تکنیک تحلیل پوششی دادهها ، و برای تخمین دیگر اجزاء پیشران از تابع تولید مناسبی مثل تابع ترانسلوگ لگاریتمی ، طی دوره 1400- 1365 استفاده شد براساس نتایج تخمین های مذکور مقدار میانگین اجزاء پیشران به ترتیب؛ 1/47 ؛ 0/53 ؛ 1/52 ؛ 0/15 درصد و میانگین رشد بهره وری کل 3/67 درصد محاسبه شد. همچنین سهم هر یک از پیشرانهای مذکور در رشد بهره وری، به ترتیب ؛ 40؛ 14/5 ؛ 41/5 ؛ و 4 درصد بدست آمد. بنابراین اثرات مقیاس ، و پیشرفت تکنولوژی، بیشترین سهم را در رشد بهره وری بخش مسکن دارند. نتایج حاکی از آن است که بخش مسکن بطور نسبی ؛ کارایی فنی قابل قبولی دارد و روند ناکارایی نیز کاهشی است با این وجود، واحدهای ‏تولیدی بخاطر ظرفیت خالی تولید، نمی توانند تغییر کارایی فنی را بهبود بخشند. دیگر پیشران ها نیز هرچند مثبت است اما بدلیل فقدان هم افزایی پیشرفت تکنولوژی با اثرات مقیاس، و با وجود ناچیز ‏بودن کارایی تخصیصی؛ تاثیر قابل قبولی بر رشد بهره وری نداشته اند .

drivers of productivity growth in the housing sector

the housing sector is one of the most important and driving sectors in iran's economicgrowth and development. therefore, examining the state of productivity growth and itscomponents is very important. the productivity growth of the housing sector can bedivided into four components by using random frontier function literature; includingtechnological progress, technical efficiency change, scale effects, and allocativeefficiency were analyzed. using the random boundary function is not suitable forestimating the technical efficiency of sectors that have high technical efficiency.because there is no inefficiency disturbance component in the model. therefore, theresults of the model are biased. since the housing sector can usually have high technicalefficiency. to estimate the technical efficiency change, the technique of data envelopeanalysis was used, and to estimate other engine components, a suitable productionfunction such as logarithmic translog function was used during the period of 1365-1400. based on the results of the mentioned estimates, the average value of thepropulsion components, respectively; 1.47; 0.53; 1.52; 0.15 percent, and the average productivity growth was calculated as 3.67 percent. also, the contribution of each of thementioned drivers in productivity growth, respectively;40; 14/5; 41/5; 4 percent, wasobtained. therefore, the effects of scale and technological progress have the greatestcontribution to the growth of the productivity of the housing sector. the results indicatethat the housing sector relatively; it has an acceptable technical efficiency and the trendof inefficiency is decreasing. however, the production units cannot improve thetechnical efficiency change due to the empty production capacity. other drivers are alsomoderately positive, but due to the lack of synergy between technological progress andscale effects, and the deviation of allocation efficiency; they have not had an acceptableeffect on productivity growth.