سنجش ارزش افزوده داخلی در صادرات ناخالص اقتصادهای منابع محور و غیر منابع محور و سهم آن در تجارت بین الملل با تاکید بر اقتصاد ایران
محل انتشار: فصلنامه پژوهشنامه اقتصادی، دوره: 24، شماره: 94
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 36
فایل این مقاله در 42 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOER-24-94_002
تاریخ نمایه سازی: 22 آذر 1404
چکیده مقاله:
با توجه به اهمیت جهانی شدن اقتصاد و نقش کالاهای واسطه ای در زنجیره های ارزش جهانی، پژوهش حاضر با هدف سنجش سهم کشورها از تجارت بین الملل انجام شد. در این راستا، رابطه بین ارزش افزوده داخلی (DVA) در صادرات ناخالص و تخصص گرایی عمودی (VS) میان ۴۵ کشور مورد تجزیه و تحلیل قرار گرفت و روش های سنتی و نوین اندازه گیری سهم کشورها از تجارت بین الملل با یکدیگر مقایسه شدند. داده های جداول داده-ستانده ۴۳ کشور برای سال ۲۰۱۴ و داده های ایران و سنگاپور به ترتیب برای سال های ۲۰۱۶ و ۲۰۱۵ با استفاده از روش های اقتصادسنجی مورد بررسی قرار گرفتند. یافته ها نشان دادند که رابطه معکوس میان سهم DVA/TGE و VS/TGE همچون مطالعات گذشته برقرار است و روش های نوین، به دلیل لحاظ کالاهای واسطه ای و ارزش افزوده تولید، تصویر دقیق تری از وضعیت تجاری کشورها ارائه می دهند. به طور کلی، در کشورهای منابع محور، سهم DVA بیشتر و سهم VS کمتر از میانگین مشاهده شد. در این میان، کشور ایران با سهم DVA و VS به ترتیب ۹۴/۰ و ۰۶/۰، در صدر و قعر ۴۵ کشور جهان قرار گرفت که نشان دهنده پیوند کم با زنجیره ارزش جهانی و اتکا به فعالیت های بالادستی است.
کلیدواژه ها:
ارزش افزوده داخلی در صادرات ناخالص ، تخصص گرایی عمودی ، تجارت بین الملل ، کشورهای منابع محور ، کشورهای غیر منابع محور
نویسندگان
آذین کیانی راد
کارشناسی ارشد توسعه اقتصادی و برنامه ریزی، دانشگاه علامه طباطبائی، تهران، ایران
علی اصغر بانوئی
استاد دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران، ایران
پریسا مهاجری
دانشیار دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران، ایران
سمیه شاه حسینی
دانشیار دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :