تحلیل بهره وری نیروی کار در معادن ایران

نوع مقاله : علمی-پژوهشی

نویسنده

گروه اقتصاد، پژوهشکده اقتصاد، دانشگاه تربیت مدرس، تهران، ایران

چکیده

استخراج مواد معدنی بدون استفاده از نیروی کار ممکن نیست. نیروی کار در ترکیب با ماشین‌آلات و انرژی میتواند تولید و استخراج را تداوم بخشد. در این مقاله، با مروری بر حقایق مدون در معادن در حال بهره‌برداری، ابتدا عوامل موثر بر بهره‌وری شناسایی و سپس با تصریح یک مدل اقتصادسنجی، تاثیر این عوامل بر بهره‌وری در بازه زمانی سال‌های 1396-1362 برآورد می‌شود. با توجه به نامانایی متغیرها، آزمون هم‌انباشتگی یوهانسون-یوسلیوس وجود رابطه بلندمدت بین متغیرها را تایید میکند. براین اساس، سهم شاغلان ماهر، مالکیت خصوصی بر معادن، سرمایه سرانه، دستمزد و حقوق، بر بهره‌وری نیروی کار در معادن تاثیر مثبت دارند. با توجه به یافتهها، به‌منظور افزایش بهره‌وری نیروی کار در معادن، طراحی نظام پرداخت و پاداش متناسب با ‏ارزش افزوده شاغلان، استفاده از فناوریهای کاراندوز(تجهیزات پیشرفته معدنی) در استخراج معادن عمیق و پرخطر، ‏خصوصی‌سازی معادن غیراستراتژیک کشور و افزایش سهم نیروی کار در سود و فروش مواد معدنی، توجه به روابط جانشینی/ مکملی نهاده‌های کار، انرژی و سرمایه در استخراج و فرآوری مواد معدنی توصیه می‌شود.‏

کلیدواژه‌ها


عنوان مقاله [English]

Analyzing Labor Productivity in Iranian Mines

نویسنده [English]

  • Lotfali Agheli
Department of economics, Economic Research Institute, Tehran, Iran
چکیده [English]

Mining is impossible without employing labor. The production and extraction of minerals require a combination of labor, machinery and energy. In this paper, through a review of the stylized facts of the Iranian mines under operation, first the factors affecting labor productivity are identified, and then, by specifying an econometric model, their effects on productivity are estimated over the period 1983-2017. Given the non-stationary variables, the Johansen-Juselius co-integration test confirms the existence of a long-term relationship among the variables. Accordingly, the share of skilled labor, private ownership of mines, capital-labour ratio, and wages and salaries positively influence labor productivity. According to the findings, designing a payment and reward system related to the added value of employees, using labor-saving technologies (advanced mining equipment) in the extraction of deep and high-risk mines, privatization of non-strategic mines, increasing the share of the labour force in the profit and sale of minerals, paying attention to the substitution and complement inputs (labor, energy and capital) in mineral extraction and processing are recommended to increase labor productivity in mines.

کلیدواژه‌ها [English]

  • Productivity of Mines
  • Per capita capital
  • Ownership
  • Employment
  • Wage ‎
[1] Islam, S., and Syed Shazali, S. T. (2011). “Determinants of manufacturing productivity: pilot study on labor-intensive industries”. International Journal of Productivity and ‎Performance Management, 60(6): 567-582.‎
[2] Wellmer, F. W., Dalheimer, M., and Wagner, M. (2007). “Economic Evaluations in Exploration”. Second Edition, Springer Science & Business Media, Heidelberg.
[3] Garcia, P., Knights, P. F., and Tilton, J. (2001). “Labor productivity and comparative advantage in mining: The copper industry in Chile”. Resources Policy, 27: 97-105. ‎
[4] Tilton, J. E., and Landsberg, H. H. (1999). “Innovation, productivity growth, and the survival of the US copper industry”. In Productivity in Natural Resource Industries: Improvement Through Innovation, David Simpson R. Ed., Routledge, New York, Chapter 4, 109-139.
[5] Kotsadam, A., and Tolonen, A. (2015). “African mining, gender, and local employment”. ‎The World Bank, Policy Research Working Paper, 7251:pp. 45.
[6] امینی، ع.؛ 1383؛ "اندازه گیری و تحلیل عوامل موثر در بهره وری کل عوامل در بخش صنعت و معدن". ‎پیک نور- ‏علوم انسانی زمستان، سال دوم، شماره 4، ص 73-47.
[7] Sun, S., and Anwar, S. (2015). “R&D status and the performance of domestic firms in China’s coal mining industry”. Energy Policy, 79: 99-103.‎
[8] Suh, D. H. (2018). “Exploring the US mining industry’s demand system for production factors: Implications for economic sustainability”. Resources Policy, https://doi.org/10.1016/j.resourpol.2018.06005. 
[9] عاقلی، ل.؛ 1385؛ "برآورد تابع تولید معادن کشور". فصلنامه پژوهش‌های اقتصادی، دوره ششم، شماره 1، ص ‏‏49-33.
[10] Wyganowska, M. (2018). “Analysis of the motivational nature of remuneration in the light of production and efficiency in hard coal mining in Poland”. In IOP Conference ‎Series: Earth and Environmental ‎Science, 198(1): 012017.‎‏ ‏
[11] Jara, J‏.‏, Pérez, P., and Villalobos, P. (2010). “Good deposits are not enough: mining labor productivity analysis in the copper industry in Chile and Peru 1992–‎‎2009”. Resources Policy, 35(4): 247-256.‎
[12] De Solminihac, H., Gonzales, L. E., and Cerda, R. (2018). “Copper mining productivity: Lessons from Chile”. Journal of Policy Modeling, 40: 182-193.‎
[13] Sahoo, A. K., Sahu, N. C., and Sahoo, D. (2018). “Impact of policy reforms on the productivity growth of Indian coal mining: A decomposition analysis”. Resources ‎Policy, 59: 460-467.‎
[14] Tilton, J. (2001). “Labor productivity, costs, and mine survival during a recession”. ‎Resources Policy, 27(2): 107-117‎‏.‏
[15] مرکز آمار ایران؛ "نتایج آمارگیری از معادن در حال بهرهبرداری کشور". سال‌های مختلف.‏
[16] بانک مرکزی؛ 1396؛ "موجودی سرمایه در اقتصاد ایران (1394-1353)". اداره حساب های اقتصادی، 155صفحه.
[17] Nicholson, W., and Snyder, C. M. (2018). “Microeconomic theory: Basic principles and extensions”. 10th ‎Edition, Thomson South-Western, pp. 763.
[18] Felipe, J., and McCombie, J. S. (2015). “Can the Marginal Productivity Theory of Distribution be Tested?”. Review of Radical Political Economics, 47(2): 274-291.
[19] EViews 11: Innovative Solutions for Econometric Analysis, Forecasting and Simulation. Available at: https://eviews.com/general/about_us.html.
[20] Gujarati, D. N., and Porter, D. C. (2016). “Basic Econometrics”. McGraw-Hill, UK Edition,‎ 960.
[21] Dickey, D. A., and Fuller, W. A. (1979). “Distribution of the estimators for autoregressive time series with a unit root”. Journal of the American Statistical Association, 74(366a): 427-431.
[22] Johansen, S., and Juselius, K. (1990). “Maximum likelihood estimation and inference on cointegration—with applications to the demand for money”. Oxford Bulletin of Economics and Statistics, 52(2): 169-210.
[23] MacKinnon, J. G., Haug, A. A., and Michelis, L. (1999). “Numerical distribution functions of likelihood ratio tests for cointegration”. Journal of Applied ‎Econometrics, 14(5): 563-577.‎‎