اثر فناوری اطلاعات و ارتباطات بر تولید سرانه هر کارگر در استان‌های ایران: رهیافت گشتاور تعمیم‌یافته پویا

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری توسعه اقتصادی، گروه اقتصاد و مدیریت، دانشگاه ارومیه

2 عضو هیات علمی گروه اقتصاد دانشگاه مازندران

3 دانش‌آموخته‌ی کارشناسی ارشد علوم اقتصادی دانشگاه مازندران (بابلسر)

چکیده

اهمیت بـهره‌وری نیروی کار و لزوم بررسی آن بـا تـوجه به گسترش سطوح رقابت، پیچیدگی تـکنولوژی، کمبود منابع و سرعت تبادل اطلاعات بر کسی پوشیده نیست. هر کشوری به‌دنبال افزایش تولید متوسط نیروی کار خود جهت افزایش تولید و رشد اقتصـادی است. توسعه‌ی فناوری اطلاعات و ارتباطات می‌تواند منافعی از قبیل ارز آوری از طریق صادرات خدمات، ایجاد اشتغال و افزایش بهره‌وری را به‌همراه داشته باشد. بنابراین، تمرکز هرچه بیشتر بر توسعه فناوری اطلاعات و ارتباطات بخصوص در استان‌های کشور می‌تواند نتایج مفیدی‌تر در عملکرد متغیرهای کلان اقتصادی از جمله افزایش تولید سرانه نیروی کار داشته باشد. از این‌رو، هدف اصلی تحقیق حاضر بررسی تاثیر فناوری اطلاعات و ارتباطات بر تولید سرانه هر کارگر در استان‌های ایران با استفاده از تکنیک گشتاور تعمیم‌یافته‌ی پویا (GMM) و همچنین روش حداقل مربعات معمولی اصلاح شده (FMOLS) طی بازه زمانی 1385-1398 است. نتایج تحقیق نشان می‌دهد که با افزایش یک درصد در تعداد کاربران اینترنت همراه، مشترکین تلفن همراه تولید سرانه کارگر در کوتاه‌مدت و بلندمدت به-ترتیب 27/0 و 12/0 درصد افزایش می‌یابد داشته است، در حالی‌که با افزایش یک درصد مشترکین اینترنت ثابت تولید سرانه کارگر در کوتاه‌مدت و بلندمدت به ترتیب 23/0 و 19/0 در استان‌های ایران کاهش می‌یابد. بنابراین نتیجه سیاستی تحقیق حاضر مبنی بر این است که فناوری اطلاعات و ارتباطات در حوزه دیتا و صوت با قابلیت موبیلیتی تولید سرانه هر کارگر در استان‌های کشور را افزایش می‌دهد.

کلیدواژه‌ها


[1] M. Sargazi Moghaddam and kh. Sadeghi, “Beam forming and DOA estimation in smart antenna systems,” Faculty and Research Institute of Electrical, sharif university, 2007. (In Persian).
 
[2] F. Samsami-Khodadad and F. Nazari, “A Novel and Efficient DS/CDMA Direction of Arrival Algorithm for Multipath Fading Channel,” Journal of Electronical & Cyber Defence, vol. 3, no. 3, 2016. (In Persian).
 
[3] J. Capon, “High-resolution frequency-wavenumber spectrum analysis,” Proceedings of the IEEE, vol. 57, no. 8, pp. 1408-1418, Aug, 1969.
 
[4] J. Li and P. Stoica, “Robust Adaptive Beamforming,” Wiley, New York, 2006.
 
[5] B. D. Carlson, “Covariance matrix estimation errors and diagonal loading in adaptive arrays,” Aerospace and Electronic Systems, IEEE Transactions on, vol. 24, no. 4, pp. 397–401, Jul, 1988.
 
[6] O. L. Frost, “An algorithm for linearly constrained adaptive array processing,” Proceedings of the IEEE, vol. 60, no. 8, pp. 926–935, Aug. 1972.D. Carlson, “Covariance matrix estimation errors and diagonal loading in adaptive arrays,” Aerospace and Electronic Systems, IEEE Transactions on, vol. 24, no. 4, pp. 397–401, Jul, 1988.
 
 
[7] S. Applebaum and D. Chapman, “Adaptive arrays with main beam constraints,” Antennas and Propagation, IEEE Transactions on, vol. 24, no. 5, pp. 650–662,   Sep, 1976.
 
[8] C. Y. Tseng and L. J. Griffiths, “A unified approach to the design of linear constraints in minimum variance adaptive beamformers,” Antennas and Propagation, IEEE Transactions on, vol. 40, no. 12, pp. 1533–1542, Dec, 1992.
 
[9] J. B. Liu, X. C. Cong, W. Xie, Q. Wan, and G. Gui, “robust adaptive beamforming for noncircular signal against array steering vector mismatch and interference nonstationary,” proceeding of ChinaSIP, pp. 89-93, 2015.
 
[10] W. Guo, P. Mu, Q. Yin, and W. Wang, “A New Robust Beamforming Method Against Signal Steering Vector Errors And Moving Jammers,” 2011 International Conference on Wireless Communications and Signal Processing (WCSP), pp. 1-5, 2011.
 
 
[11] M. Ashouri and B. Mozaffari, “Robust Beamforming Based on Convex Programming with Sidelobe and Signal Direction Mismatch Control”, Amirkabir University of Technology, Tehran, IRAN, 2015.
 
 
[12] V. Rabinovich and N. Alexandrov, “Antenna Arrays and Automotive Applications,” Springer, New York, Chapter 2, 2013.
 
 
[13] C. Zhou, Y. Gu, W. Song, Y. Xie, and Z. Shi, “Robust Adaptive Beamforming Based on DOA Support Using Decomposed Coprime Subarrays,” proceeding of 2016 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 2986-2990, 2016.
 
 
[14] Ioannis. P. Gravas, D. Zaharis, V. Yioultsis, “Adaptive Beamforming with Side Lobe Suppression by Placing Extra Radiation Pattern Nulls”, IEEE Transactions on Antennas and Propagation, 2018.
 
[15] A. Aubry, “Design and Analysis of Adaptive Sidelobe Blanking Architectures”, 2020.