An Order-Invariant Decomposition of Input Accumulation in DEA–Malmquist Productivity Analysis
تقترح هذه الورقة طريقة تفكيك متماثلة المسار تعالج مشكلة الاعتماد على الترتيب في تحليل مالمويست لتحليل مغلف البيانات (DEA) متعدد المدخلات، مما يوفر مقاييس فريدة، وغير معتمدة على الترتيب، ومتسقة ضربياً لآثار تراكم المدخلات الفردية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
لطالما سعى الاقتصاديون إلى فهم سبب ازدياد ثراء وإنتاجية بعض الدول دون غيرها. وللقيام بذلك، غالبًا ما ينظرون إلى ناتج بلد ما — ما ينتجه — ويحاولون تحديد مقدار ما يأتي من هذا النمو من خلال العمل بجد أكبر، أو استخدام أدوات أفضل، أو ببساطة من خلال أن يصبحوا أكثر كفاءة في استخدام ما يمتلكونه بالفعل. وتعد "تحليل المغلف للبيانات" (Data Envelopment Analysis) أداة قياسية لهذا النوع من الاستقصاء، حيث تعمل كخريطة لأفضل أداء ممكن يمكن لمجموعة من الدول تحقيقه في أي وقت معطى. هذه الخريطة، المعروفة باسم "الحد الأمامي" (frontier)، توضح أفضل مخرجات ممكنة لكمية محددة من المدخلات، مثل العمالة أو رأس المال. وعندما يقترب بلد ما من هذا الحد، فإنه يكون في مرحلة اللحاق بالركب؛ وعندما يتحرك الحد نفسه نحو الخارج، فهذا يعني أن التكنولوجيا قد تقدمت. ومع ذلك، هناك طريقة ثالثة ينمو بها الإنتاج: وهي ببساطة عبر تراكم المزيد من المدخلات، مثل بناء المزيد من المصانع أو تدريب المزيد من العمال. وغالبًا ما يوصف هذا بأنه تحرك على طول الحد الأمامي الحالي إلى نقطة يتم فيها استخدام المزيد من الموارد لإنتاج المزيد من المخرجات.
وتنشأ المشكلة عندما يستخدم بلد ما أكثر من نوع واحد من المدخلات، مثل كل من الآلات المادية والعمال المتعلمين معًا. فإذا زاد كلاهما في نفس الوقت، يصبح من الصعب تحديد مقدار ما جاء من النمو من الآلات ومقدار ما جاء من التعليم بدقة. تكمن المشكلة في أن الإجابة يمكن أن تتغير اعتمادًا على العامل الذي تنظر إليه أولاً. فإذا تخيلت إضافة الآلات أولاً ثم العمال، فستحصل على نتيجة واحدة. وإذا تخيلت إضافة العمال أولًا ثم الآلات، فستحصل على نتيجة مختلفة. وهذا يخلق غموضًا مربكًا حيث تعتمد قصة النمو الاقتصادي بالكامل على الترتيب التعسفي الذي يختاره الباحث لفحص العوامل.
وقد اقترح كوزو كونيموني، وهو باحث في جامعة كوانسي غاكوين، حلاً لهذا اللغز. فقد طور طريقة جديدة لتفكيك النمو الناتج عن تراكم المدخلات بحيث لا تعتمد النتيجة على الترتيب الذي تُعتبر به العوامل. وبدلاً من اختيار تسلسل واحد لاتباعه، تنظر طريقته إلى كل تسلسل ممكن يمكن من خلاله إضافة المدخلات. ثم يأخذ متوسط كل هذه المسارات المختلفة لإيجاد إجابة واحدة فريدة حول مقدار مساهمة كل مدخل. ويضمن هذا النهج أن تكون الأرقام النهائية عادلة ومتسقة، بغض النظر عن كيفية ترتيب الحساب.
ولاختبار هذه الفكرة، طبق كونيموني منهجته على بيانات واقعية من "جدول بن العالمي" (Penn World Table)، وهو قاعدة بيانات رئيسية للإحصاءات الاقتصادية الدولية. وقد ركز على الفترة بين عامي 2000 و2010، حيث نظر في ستة وأربعين دولة كانت تمتلك بيانات كاملة. وفي تحليله، عامل رأس المال المادي (الآلات والمباني) ورأس المال البشري (مهارات وتعليم القوى العاملة) كمدخلين منفصلين. وباستخدام طريقته الجديدة، تمكن من فصل النمو في إنتاجية العمل إلى ثلاثة أجزاء متميزة: التحسينات في كيفية استخدام البلد لـمواردها، والتحولات في الحد التكنولوجي الأمامي، والمساهمات المحددة الناتجة عن إضافة المزيد من رأس المال المادي والمزيد من رأس المال البشري.
وكشفت النت النتائج أن الطريقة التي نقيس بها النمو الاقتصادي يمكن أن تتغير بشكل كبير اعتمادًا على كيفية نمذجة المدخلات. فعندما تم تجاهل رأس المال البشري واكتُفي بالنظر إلى رأس المال المادي فقط، بدا أن النمو مدفوع إلى حد كبير بالتحولات التكنولوجية. ومع ذلك، عندما أُدرج رأس المال البشري كمدخل منفصل، أُعيد تصنيف جزء من ذلك النمو الذي كان يُنسب سابقًا إلى التكنولوجيا كحركة على طول الحد الأمامي. وبعبارة أخرى، فإن ما بدا وكأنه قفزة تكنولوجية كان في الواقع نتيجة للاستثمار في مهارات العمال. وكان هذا التحول ملحوظًا بشكل خاص في الدول النامية مثل كمبوديا وبنغلاديش وفيتنام، حيث أدى إدراج رأس المال البشري كعامل متميز إلى تقليل التغير التكنولوجي المقاس وزيادة تراكم المدخلات المقاس.
كما سلطت الدراسة الضوء على الاختلافات بين الاقتصادات المتقدمة والاقتصادات الناشئة. ففي العديد من الدول الغنية، مثل الولايات المتحدة وكندا وأستراليا، كان النمو في الإنتاجية مدفوعًا بالكامل تقريبًا بتراكم رأس المال المادي، مع لعب رأس المال البشري دورًا ضئيلًا في التوسع المقاس. وفي المقابل، أظهرت عدة اقتصادات ناشئة نموًا كبيرًا مدفوعًا بتراكم رأس المال البشري، مما يشير إلى أن الاستثمارات في التعليم والمهارات كانت محركًا رئيسيًا لتقدمها الاقتصادي.
ومن خلال إزالة العنصر التعسفي للترتيب، توفر هذه الطة الجديدة صورة أوضح وأكثر استقرارًا لما يدفع النمو الاقتصادي. فهي تسمح للباحثين برؤية البنية الداخلية لتغيرات الإنتاجية دون التشويه الناتج عن ترتيب الحساب. وتؤكد النتائج أنه بينما يظل إجمالي النمو كما هو، فإن القصة الكامنة وراء هذا النمو تتغير عندما نأخذ في الاعتبار الأدوار المحددة للمدخلات المختلفة. وتعد هذه الوضوح أمرًا ضروريًا لصناع السياسات والاقتصاديين الذين يحتاجون إلى فهم ما إذا كان نجاح بلد ما يعود إلى تكنولوجيا أفضل، أو إدارة أكثر كفاءة، أو التراكم المستمر للموارد المادية والبشرية. وقد صُممت هذه الطريقة لتكون مرنة ويمكن تطبيقها على مختلف البيئات الاقتصادية، مما يوفر وسيلة شفافة لفحص الآلية المعقدة للإنتاجية في عالم متعدد المدخلات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.