تعداد نشریات | 43 |
تعداد شمارهها | 1,650 |
تعداد مقالات | 13,398 |
تعداد مشاهده مقاله | 30,195,430 |
تعداد دریافت فایل اصل مقاله | 12,071,917 |
تحلیل تمرکز فضایی شرکتهای دانشبنیان در ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
برنامه ریزی فضایی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
دوره 14، شماره 4 - شماره پیاپی 55، دی 1403، صفحه 27-52 اصل مقاله (1.86 M) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
نوع مقاله: مقاله پژوهشی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
شناسه دیجیتال (DOI): 10.22108/sppl.2024.138926.1742 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
نویسندگان | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
نجم الدین یزدی* 1؛ مهدی فاتح راد2؛ جمال کدخداپور3؛ سیامک طهماسبی4 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
1پژوهشگر پژوهشکدۀ سیاستگذاری، دانشگاه صنعتی شریف، تهران، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2عضو هیئتعلمی پژوهشکدۀ سیاستگذاری، دانشگاه صنعتی شریف، تهران، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
3مدیرعامل سازمان عامل استقرار و توسعه منطقه ویژه علم و فناوری یزد، یزد، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
4پژوهشگر پژوهشکده سیاستگذاری، دانشگاه صنعتی شریف، تهران، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
چکیده | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
امروزه اهمیت شرکتهای دانشبنیان در گذار به اقتصاد دانشبنیان و توسعۀ منطقهای برای پژوهشگران و سیاستگذاران آشکار شده است. شرکتهای دانشبنیان طی یک دهۀ گذشته در ایران رشد چشمگیری داشته و دولت نیز مشوّقهای مالی و غیرمالی متعدّدی را برای رشد و گسترش آنها انجام داده است؛ با این حال شناسایی الگوهای فضایی توزیع و تمرکز شرکتهای دانشبنیان درسطح ملی-منطقهای و شرایطی که آنها را بهسوی تمرکز در مناطق خاصی سوق میدهد، مورد غفلت واقع شده است. شناخت و درک این الگوهای فضایی و نیروهای تمرکزگرا میتواند به سیاستگذاران در طراحی سیاستهای کارآمد برای توسعۀ مناطق حاشیهای و ایجاد نظام نوآوری منطقهای کمک کند. پژوهش حاضر با هدف تحلیل توزیع فضایی شرکتهای دانشبنیان و عواملی که تمرکز فضایی را شکل میدهد، انجام شده است. در این مطالعه برای سنجش تمرکز فضایی از روشهای Global Moran’s I وGettis-Ord Gi* و برای شناسایی نیروهای مؤثر بر تمرکز از رگرسیون حداقل مربعات استفاده شده است. نتایج نشان داد شرکتهای دانشبنیان بیشتر در کلانشهرها توزیع شده و خوشههای آن در مناطق حاشیهایی شکل نگرفته است؛ بنابراین چنین مناطقی از مزیتهای این شرکتها بهرهمند نشده است. دو نیروی تمرکزگرای صرفههای ناشی از شهرنشینی و مقیاس نقش مهمی در تمرکز فضایی شرکتهای دانشبنیان داشتهاند. همچنین، یافتهها نشان داد که میزان تخصصیشدن شرکتهای دانشبنیان پایین است. در پایان، دلالتهای سیاستی با هدف ارائۀ مشوّقهای لازم برای بازتوزیع جغرافیایی شرکتهای دانشبنیان در مناطق کمتر توسعهیافته و حاشیه و حرکت بهسوی تخصصیشدن منطقهای ارائه شد. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
کلیدواژهها | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
: شرکتهای دانشبنیان؛ تمرکز فضایی؛ صرفههای شهرنشینی؛ صرفههای مقیاس؛ جغرافیای اقتصادی نو | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
اصل مقاله | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
مقدمه دانش در دهههای اخیر پیشران اصلی رشد اقتصادی بوده است و یکی از مؤلفههای مهم در توانایی رقابتی یک کشور یا منطقه محسوب میشود (Schwartz, 2006). بسیاری از محققان در مطالعات انجامشده به نقش شرکتهای دانشبنیان در نوآوری، توسعۀ اقتصادی و تولید ثروت اذعان داشتهاند؛ برای مثال، این شرکتها در چین از عناصر مهم در راهبردهای کاهش نابرابری توسعۀ اقتصادی بین مناطق شرق و غرب استفاده میکنند (Xiao & Ritchie, 2009). همچنین، این شرکتها بهعنوان چرخدندۀ کلیدی نظام نوآوری ملی در چین دیده میشود (Liu et al., 2020). صنایع مبتنی بر دانش و فناوری در سال 2019، 2.3 تریلیون دلار به تولید ناخالص داخلی ایالات متحد (11 درصد) کمک و درسطح جهانی 9.2 تریلیون دلار ارزشافزوده را ایجاد کردند (Burke et al., 2022). باتوجه به نقش و اهمیتی که شرکتهایی دانشبنیان دارد توجه عمومی و خصوصی زیادی را درسطح بینالمللی به خود جلب کرده است. همچنین، ادبیات دانشگاهی و سیاستگذاری روبه رشدی در این زمینه وجود دارد (Bade & Nerlinger, 2000 Goetz & Rupasingha, 2002). مطالعات تجربی نشان داده است که صنایع و شرکتها بهطور عام و شرکتهای دانشبنیان بهطور خاص تمایل به تمرکز در مناطق خاصی را دارند. شواهد متعدّدی از مناطق مختلف جهان ازجمله ایتالیا (Lazzeroni, 2010)، ایرلند (Van Egeraat & Curran, 2013)، کانادا (Meyer, 2006)، چین (Wu et al., 2019)، مجارستان (Szakálné Kanó & Vas, 2013) وجود دارد. مطالعۀ تمرکز جغرافیایی فعالیتهای اقتصادی در علوم منطقهای سابقۀ طولانی دارد و در سالهای اخیر نیز توجه زیادی را به خود جلب کرده است (Kolympiris et al., 2015). بررسی تمرکز جغرافیایی شرکتهای دانشبنیان و عوامل تعیینکنندۀ آنها بسیار مهم است؛ زیرا توزیع فضایی آنها برروی دسترسی به فرصتهای اقتصادی در منطقهای که فعالیت میکنند، تأثیر میگذارد (Murigi, 2016). محققان در مطالعات نظری و تجربی متعدّدی به نقش مجاورت جغرافیایی و اهمیت تحلیل توزیع فضایی فعالیتهای اقتصادی و شکلگیری تمرکز جغرافیایی پرداختهاند. آنها اثبات کردهاند که تمرکز، نقش مهمی در توسعۀ اقتصاد منطقهای دارد (Szakálné Kanó & Vas, 2013). همچنین، محققان در مطالعات خود نشان دادهاند که صرفههای انباشت باعث ارتقا کارآیی میشود (Liu et al., 2021) و بر نوآوری شرکتها تأثیر مثبت دارد (Agarwal & Behera, 2022c). با این حال، محققان در برخی مطالعات به جنبههای منفی آن مانند تشدید نابرابری مناطق اشاره کردهاند. خصلت خودتقویتکنندگی تمرکز فضایی شرایط اقتصادی مطلوبی را برای توسعۀ برخی مناطق ایجاد میکند؛ درحالی که این خصلت باعث میشود که مناطق دیگر تا حدودی توسعهنیافته باقی بمانند. علاوه بر این، مناطقی که شرکتها، صنایع و بهتبع آن، جمعیت در آن متمرکز میشوند، برخی اثرهای بیرونی منفی مانند هزینههای ازدحام، آلودگی، اجارهبهای زیاد زمین، اختلال در برخی خدمات (سلامت، آموزش، زیرساختهای شهری و غیره) در آن وجود دارد (Akın & Seyfettinoğlu, 2022). تعداد شرکتهای دانشبنیان در طی یک دهۀ گذشته در ایران رشد چشمگیری داشته است. براساس آخرین آمارهای ثبتشده در بهار 1402 در سامانۀ جامع دانشبنیان[1] بیش از 8400 شرکت دانشبنیان ثبت شده است. ملکی معاون صندوق نوآوری و شکوفایی در سال 1400 مجموع درآمدهای شرکتهای دانشبنیان را حدود 300 هزار میلیارد تومان برآورد میکند (ملکی فر، 1401). باتوجه به اهمیت شرکتهای دانشبنیان در توسعۀ منطقهای بررسی الگوهای توزیع جغرافیایی و تمرکز بر آنها ضروری است. به همین دلیل، بینش دقیق دربارۀ توزیع فضایی شرکتهای دانشبنیان برای سیاستگذاران جهت دستیابی به نوآوری مؤثر و سیاستهای منطقهای درسطح محلی، منطقهای و حتی ملی نیز ضروری است. همچنین، دانش ما دربارۀ الگوهای توزیع و تمرکز فضایی شرکتهای دانشبنیان در ایران محدود است. مطالعات زیادی دربارۀ ابعاد غیرفضایی شرکتهای دانشبنیان مانند موفقیت و پایداری (خیاطیان و همکاران، 1395؛ فلاح و کاظمی، 1399)، نوآوری و تجاریسازی (آزاد و همکاران، 1397؛ میر غفوری و همکاران، 1397) و غیره انجام شده است. محققانی چون صرافی و محمدی (1395) و همافر و همکاران (1397) جنبههای فضایی شرکتهای دانشبنیان را بررسی کردهاند که البته محدود به کلانشهر تهران است؛ بنابراین چشمانداز منطقهای و ملی از تمرکز فضایی شرکتهای دانشبنیان در ایران مورد غفلت واقع شده است. هدف از پژوهش حاضر تحلیل فضایی از توزیع و تمرکز شرکتهای دانشبنیان در ایران و تحلیل عوامل تعیینکننده بر چنین تمرکزی است. اولین قدم در مطالعۀ تمرکز فضایی شرکتهای دانشبنیان این است که شرکتها تا چه میزان در فضا متمرکز هستند؟ خوشهها در کجا قرار دارد؟ آیا عوامل تعیینکنندۀ تمرکز فضایی بهصورت محلی تغییر میکند؟ درادامه، بخش اول پیشینۀ نظری و تجربی در تمرکز فضایی و عوامل تعیینکنندۀ آن بررسی و سپس در بخش دوم رویکرد روششناسی تحلیل تبیین میشود که مبتنی بر تحلیل و مدلسازی است. بخش آخر وضعیت شرکتهای دانشبنیان، سنجش تمرکز فضایی شرکتها و مدلسازی تعیینکنندههای شرکتها توصیف و درنهایت، بحث و نتیجهگیری از نتایج تحلیل فضایی دادههای شرکتهای دانشبنیان در ایران ارائه میشود. پیشینۀ پژوهشچارچوب نظری تمرکز فضاییتمرکز فضایی صنایع را میتوان در هر کشور یا منطقهای در سراسر جهان مشاهده کرد و یک موضوع کلاسیک در اقتصاد و جغرافیای اقتصادی بوده است (Zhang et al., 2021). نویسندگان کلاسیک مجموعهای از عوامل را برای توضیح روند اقتصادی به سمت تمرکز فضایی ارائه کردهاند (Vence-Deza & González-López, 2008). با این حال، فعالیتهای اقتصادی الگوهای فضایی متفاوتی را در مقاطع زمانی خاص نشان میدهد. همچنین، نحوۀ تکامل الگوها در طی زمان متفاوت است. عوامل متعدّدی میتواند در شکلگیری تمرکز و پویایی فعالیتهای اقتصادی در فضا نقش داشته باشد. اسولیوان دو عامل صرفههای محلیشدن و صرفههای شهرنشینی را بهعنوان نیروهای اصلی ذکر میکند که منجر به تمرکز فعالیتهای اقتصادی میشود (O’Sullivan, 2012 Cited In Chung et al., 2018). صرفههای مقیاس که از تمرکز فضایی فعالیت در یک صنعت خاص به وجود میآید، بهعنوان صرفههای محلیشدن شناخته میشود. اثرهای بیرونی که از تمرکز همۀ فعالیت اقتصادی یا از خود اندازۀ شهر به وجود میآید، بهعنوان صرفههای شهرنشینی شناخته میشود (Rosenthal & Strange, 2004). صرفههای محلیشدن زمانی رخ میدهد که هزینههای بنگاهها در صنعت خاص با افزایش برونداد کل صنعت کاهش مییابد. مزیتهای صرفههای محلیشدن با بنگاهها در یک صنعت خاص تحقق مییابد. صرفههای شهرنشینی زمانی رخ میدهد که هزینۀ تولید بنگاه منفرد با افزایش برونداد کل منطقۀ شهری کاهش مییابد. صرفههای شهرنشینی ناشی از مقیاس کل اقتصاد شهری است که منافعی را برای بنگاهها در سراسر منطقۀ شهری ایجاد میکند (Chung et al., 2018). برخی محققان عوامل شکلگیری تمرکز را به دو گروه کلی طبقهبندی میکنند: 1) گروه اول به «عناصر ماهیت اول جغرافیا» یعنی جغرافیای طبیعی و بهرهمندی از منابع طبیعی تأکید میکنند؛ 2) گروه دوم «عناصر ماهیت دوم جغرافیا» یعنی روابط و فاصلۀ بین عاملهای اقتصادی را درنظر میگیرد؛ بنابراین رویکردهای نظری مربوط را میتوان با وزنی که به عوامل مذکور اختصاص میدهند از یکدیگر متمایز کرد. در این عرصه و ازمنظر اقتصادی نظریۀ نئوکلاسیک بر نقش عوامل گروه اول تأکید دارد. نظریۀ تجارت نو برپایۀ ترکیبی از هر دو نوع گروه ایجاد میشود. درنهایت، جغرافیای اقتصادی نو بر گروه دوم از عوامل تمرکز دارد (Traistaru & Martincus, 2003). جغرافیای اقتصادی نو«جغرافیای اقتصادی نو» اصطلاحی است که به دو صورت در ادبیات استفاده میشود. اول و مهمتر از همه بهعنوان کاری استفاده میشود که Paul Krugman و سایر اقتصاددانان انجام دادند. همچنین، اصطلاح «اقتصاد جغرافیایی» یا جغرافیای اقتصادی نئوکلاسیک برای جغرافیای اقتصادی نو نیز در پیشینۀ موضوع استفاده میشود. دوم، بهویژه جغرافیدانان اقتصادی از آن استفاده میکنند که به رشتهای از ادبیات دربارۀ چرخشهای متعدّد در جغرافیای اقتصادی در دهۀ 1990 اشاره میکنند (Hassink & Gong, 2019). برخی از پژوهشگران استدلال میکنند که اصطلاح «جغرافیای اقتصادی نو» گیجکننده است؛ زیرا Paul Krugman اصطلاحات جدیدی را معرفی نمیکند. استفاده از برچسب جدید پس از مدتی ناگریز ازبین میرود. همچنین، این اصطلاح این ضعف را نیز دارد که با جغرافیدانان اقتصادی توسعه یافته است؛ درحالی که اینطور نیست (Brakman et al., 2009). «جغرافیای اقتصادی نو» بهلحاظ تاریخی نشاندهندۀ علاقۀ مجدد به نظریۀ مکانی عمومی و اقتصاد فضاست (Fujita, 2010 Fujita, 2012). مشارکت اصلی جغرافیای اقتصادی نو بازگرداندن جغرافیا به جریان اصلی اقتصاد بوده است؛ با این حال این حوزۀ جدید متفاوت از سرمشقهای جاری در جغرافیای اقتصادی است. در حال حاضر، چندین سرمشق اصلی در جغرافیای اقتصادی وجود دارد که ازجمله میتوان به جغرافیای اقتصادی تکاملی، جغرافیای اقتصادی رابطهای، جغرافیای اقتصادی نهادی و اقتصاد سیاسی جغرافیایی اشاره کرد (Hassink & Gong, 2017). Paul Krugman (1991) برندۀ جایزۀ نوبل در سال 2008 پایه و اساس «جغرافیای اقتصادی نو» را بنیان گذاشت (Agarwal & Behera, 2022b Fujita, 2010). این نظریه تلاش میکند تا صورتبندی طیف گستردهای از انباشت (تمرکز) فعالیتهای اقتصادی را در فضای جغرافیایی تبیین کند. مکانیسم «جغرافیای اقتصادی نو» براساس تعدادی از عناصر اساسی است که نظریهپردازی پذیرفتنی را از اینکه چرا نیروهای مرکزگرا فعالیت اقتصادی را به یک مکان جذب میکنند و سپس با گذشت زمان ادامه پیدا میکنند، ارائه میدهد (Ascani et al., 2012). مدل کلیدی و آغازین Krugman مدل دو منطقهای یا به اصطلاح مدل مرکز-پیرامون است (Hassink & Gong, 2019). در این مدل بازدۀ افزایشی، رقابت ناقص، هزینههای حملونقل و عوامل تولیدی متحرک از عوامل کلیدی آن است که در یک مدل تعادل عمومی فرض میشود (Zhang, 2014). در مدلهای «جغرافیای اقتصادی نو» برخلاف نظریۀ رشد (کالاها و عوامل غیرمتحرک) و نظریۀ تجارت (عوامل غیرمتحرک) فرض میشود که کالاها و برخی عوامل متحرک هستند؛ درحالی که عوامل تاریخی و نهادی یا جغرافیای طبیعی یک منطقه (چیزی که کروگمن آن را ماهیت اول جغرافیا مینامد) میتواند به توضیح انباشت کمک کند. مدلهای «جغرافیای اقتصادی نو» بر نیروهایی تمرکز میکنند که رفتار عاملیتهای اقتصادی بهینهکننده (متحرک) را منعکس میکنند (Hammer & Fichet de Clairfontaine, 2016). براساس مفروضات «جغرافیای اقتصادی نو» تمرکز صنایع بهطور کامل، به تقابل نیروهای مرکزگریز و مرکزگرا بستگی دارد. همچنین، این صنایع به سهم خود انباشت صنعتی در یک کشور یا منطقه را تعیین میکنند. نیروهای مرکزگرا بیشتر به اثرهای خارجی مالی (Pecuniary Externalities) اشاره میکنند که بهجای مجاورت فیزیکی به تعاملات بازار بستگی دارند. از طرف دیگر، نیروهای مرکزگریز بهدلیل عدم تحرک عوامل تولید ازجمله زمین، منابع طبیعی و غیره دربرابر انباشت مقاومت میکنند (Sun, 2011). عملکرد برخی نیروهای مرکزگرا (بیشتر ناشی از هزینههای حملونقل، سرریز دانش یا تحرک عوامل هستند) میتواند درمقابل نیروهای مرکزگریز (افزایش دستمزد، افزایش اجارهبهای زمین و غیره) قرار گیرد. درنهایت، این تعامل منجر به ایجاد نیروهای تعادلی میشود (Porfírio, 2016). در جدول 1 نیروهای مؤثر بر تمرکز فعالیتها ازدیدگاه «جغرافیای اقتصادی نو» ارائه شده است. بازارهای محلی بزرگ «پیوندهای پیشین» را ایجاد (مکانهایی با دسترسی خوب به بازارهای بزرگ که برای تولید کالاها باتوجه به صرفههای اقتصادی مناسب هستند) و از «پیوندهای پسین» نیز پشتیبانی میکنند (یک بازار محلی بزرگ باعث تقویت تولید محلی کالاهای واسطهای و کاهش هزینهها برای تولیدکنندگان پاییندستی میشود). تمرکز صنعتی از یک بازار کار محلی با نیروی کار ماهر حمایت میکند؛ بهطوری که کارکنان و کارفرمایان آسانتر میتوانند یکدیگر را پیدا کنند. علاوه بر این، تمرکز محلی فعالیتهای اقتصادی میتواند صرفههای بیرونی مانند سرریزهای اطلاعاتی را ایجاد کند. از سوی دیگر، عوامل غیرمتحرک مانند زمین و منابع طبیعی (و در سطح بینالمللی، نیروی کار) هم از نظر عرضه و هم از نظر تقاضا در برابر تمرکز مقاومت میکنند. تمرکز فعالیتهای اقتصادی باعث افزایش تقاضا برای زمین محلی و افزایش بهره زمین میشود، که این امر خود بهعنوان یک مانع برای تمرکز بیشتر عمل میکند. همچنین، تمرکز فعالیتها میتواند عدم صرفههای بیرونی مانند ازدحام (ترافیک و آلودگی هوا) را ایجاد کند . در جدول 1 نیروهای مؤثر بر تمرکز فعالیتها ازدیدگاه «جغرافیای اقتصادی نو» ارائه شده است. بازارهای محلی بزرگ «پیوندهای پیشین» را ایجاد (یعنی مکانهایی با دسترسی خوب به بازارهای بزرگ که برای تولید کالاها باتوجه به صرفههای اقتصادی مناسب هستند) و از «پیوندهای پسین» نیز پشتیبانی میکنند (یک بازار محلی بزرگ باعث تقویت تولید محلی کالاهای واسطهای و کاهش هزینهها برای تولیدکنندگان پاییندستی میشود). تمرکز صنعتی از یک بازار کار محلی با نیروی کار ماهر حمایت میکند؛ بهطوری که کارکنان و کارفرمایان آسانتر میتوانند یکدیگر را پیدا کنند. علاوه بر این، تمرکز محلی فعالیتهای اقتصادی میتواند صرفههای بیرونی مانند سرریزهای اطلاعاتی را ایجاد کند. از سوی دیگر، عوامل غیرمتحرک مانند زمین و منابع طبیعی (درسطح بینالمللی، نیروی کار) ازنظر عرضه و تقاضا دربرابر تمرکز مقاومت میکنند. تمرکز فعالیتهای اقتصادی باعث افزایش تقاضا برای زمین محلی و افزایش بهرۀ زمین میشود که این امر خود بهعنوان یک مانع برای تمرکز بیشتر عمل میکند. همچنین، تمرکز فعالیتها میتواند عدم صرفههای بیرونی مانند ازدحام (ترافیک و آلودگی هوا) را ایجاد کند (Krugman, 1998). جدول 1: نیروهای مؤثر بر تمرکز جغرافیایی فعالیتهای اقتصادی Table 1: Driving forces on the geographical concentration of economic activities
منبع: Krugman, 1998
شکل 1 چارچوب مفهومی اولیۀ «جغرافیای اقتصادی نو» را نشان میدهد. براساس این شکل پیکربندی فضایی مشاهدهشدۀ فعالیتهای اقتصادی نتیجۀ فرآیندی است که شامل دو نیروی متضاد، یعنی نیروهای انباشت (مرکزگرا) و نیروهای پراکندگی (مرکزگریز) است. در نتیجۀ تعادل این دو نیروی متضاد انواعی از انباشت محلی از فعالیتهای اقتصادی پدیدار میشود و بهدنبال آن ساختار فضایی کل اقتصاد خودسازماندهی میشود. نظام فضایی با تغییرات تدریجی در فناوری و شرایط اقتصادی-اجتماعی تغییرات ساختاری متوالی را تجربه میکند و سپس به سمت یک نظام پیچیدهتر تکامل مییابد (Fujita, 2007).
شکل 1: چارچوب اولیۀ جغرافیای اقتصادی نو (منبع: Fujita, 2007) Figure 1: The basic framework of the new economic geography روششناسی پژوهشهدف از پژوهش حاضر تحلیل و مدلسازی تمرکز فضایی شرکتهای دانشبنیان و تعیینکنندههای آن در ایران است؛ بنابراین برای دستیابی به هدفهای مذکور از روشهای متنوعی استفاده شد که در ادامه، هریک به تفکیک تشریح میشود. واحد جغرافیایی مطالعهشده استان است و جامعۀ آماری شامل همۀ استانها براساس آخرین تقسیمات سیاسی سال 1395 میشود که در شکل 2 نمایش داده شده است.
شکل 2: تقسیمات سیاسی استانهای ایران و جمعیت شهرهای مراکز استانها (منبع: نگارندگان) Figure 2: Political divisions of Iran's provinces and the population of cities in the centers of the provinces
در پژوهش حاضر تأکید برروی High-tech SMEs و شرکتهای فناوریمحور است که در ایران اصطلاح «شرکتهای دانشبنیان» برای این نوع از شرکتها استفاده میشود. در این مطالعه منظور از شرکتهای دانشبنیان شرکتهایی است که مطابق قانون حمایت از شرکتها و مؤسسات دانشبنیان مجوز دانشبنیانشدن را از معاونت، فناوری و اقتصاد دانشبنیان ریاست جمهوری دریافت کردهاند. در این مطالعه دادههای شرکتهای دانشبنیان از وبسایت معاونت، فناوری و اقتصاد دانشبنیان ریاست جمهوری[2] و دادههای مربوط به متغیرهای مستقل پژوهش از سالنامههای مرکز آمار ایران استخراج شد. باتوجه به اینکه واحد مطالعهشده استان است، دادههای هر دو شرکتهای دانشبنیان و متغیرهای تعیینکننده درسطح استان جمعآوری و تجمیع شد. برای تعدیل شرکتهای دانشبنیان مقدارها در 100 هزار نفر جمعیت به درصد تبدیل و سپس دادهها به لایهبرداری استانها در سیستم اطلاعات جغرافیایی متصل و بدین ترتیب، پایگاه دادۀ جغرافیایی تشکیل شد. انتخاب نهایی متغیرهای مستقل براساس مرور پیشینۀ نظری، عدم همخطی میان متغیرهای مستقل و دسترسی به دادهها انجام شد. شکل 3 روششناسی فرآیند انجامدادن پژوهش را نشان میدهد.
شکل 3: فرآیند روششناسی انجامدادن پژوهش (منبع: نگارندگان) Figure 3: The methodological process of conducting research سنجش تمرکز فضاییسنجش تمرکز فضایی بهدلیل جنبههای مختلفی که دارد، موضوع بسیار پیچیدهای است. اولین جنبۀ مسئلهساز به موضوع تمرکز غیرفضایی درمقابل تمرکز فضایی برمیگردد. جغرافیدانان و اقتصاددانان در طی سه دهۀ گذشته برای سنجش میزان تمرکز صنایع و بنگاهها روشهای مختلفی ازجمله ضریب مکانی، ضریب جینی، هرفیندال، نمایۀ الیسون- گلیزر (EGI) و غیره را توسعه دادهاند. این سنجشها فقط متغیر مشاهده را درنظر میگیرند (نه جایی که در فضا قرار دارند) (Arbia, 2001). همچنین، اگر واحدهای فضایی (در اینجا استان) همسایۀ یکدیگر یا دورتر باشند، با آنها یکسان برخورد میشود؛ درحالی که براساس قانون تابلر واحدهایی فضایی که همسایه یا مجاور هم باشند نسبت به واحدهای فضایی دورتر اثر بیشتری برروی یکدیگر میگذارند (Guillain & Gallo, 2011). درحالی که براساس قانون اول تابلر در جغرافیا «هر عارضهای به عارضۀ دیگر وابسته است و عوارضی که بهم نزدیکترند بیشترین تأثیر را نسبت به عوارض دورتر بر همدیگر دارند» (Fischer & Wang, 2011). بنابراین بهدلیل عدم حساسیت روشهای غیرفضایی به پیکربندی فضایی واحدهای سرزمینی انتقاد شده است (Zhang et al., 2021). زیرا این امر بهرهمندی سیاستگذاران را از اطلاعاتی که در ساختار جغرافیایی مناطق (تأثیر مناطق برروی یکدیگر) نهفته است، دشوار میکند. تاکنون تلاشهایی برای در نظر گرفتن ویژگیهای فضایی در تحلیل تمرکز جغرافیایی صورت گرفته است که محققان در آن مطالعات از نمایههای فضایی جدیدی (Arbia, 2001 Panzera et al., 2022) مانند موران I سراسری، موران محلی و سایر روشهای تحلیل اکتشافی دادۀ فضایی (De Dominicis et al., 2013Guillain & Gallo, 2011) برای سنجش تمرکز استفاده کردهاند. در این پژوهش شرکتهای دانشبنیان به تفکیک حوزههای مختلف با استفاده از آمارههای موران I سراسری و گِتیس- اُرد محاسبه شده است که درادامه، تشریح میشود. آمارۀ موران I سراسریدر این مطالعه از آمارۀ موران I سراسری برای سنجش میزان تمرکز فضایی شرکتهای دانشبنیان درحوزههای فناوری مختلف استفاده شده است. این آماره خودهمبستگی فضایی بین مشاهدهها را میسنجد. خودهمبستگی فضایی درجۀ مشابهت مقدارهای عوارض {در اینجا استانها} را درمیان واحدهای فضایی {کل استانها} در درون همسایۀ خود {ماتریس همسایگی مراجعه شود} اندازهگیری میکند (Lee & Wong, 2001). مقدارهای نمایۀ موران سراسری بین 1+ تا 1- متغیر است که سه الگوی فضایی را نشان میدهد. مقدار نزدیک به صفر نشاندهندۀ الگوی فضایی تصادفی برای پدیده و مقدارهای نزدیک به منفی 1 و مثبت 1 نشاندهندۀ بیشترین تمرکز جغرافیایی مقدارهای نامشابه و مشابه است (Fortin & Dale, 2008). آمارۀ گِتیس- اُرد جی*موران سراسری نمیتواند محل خوشهبندی شرکتهای دانشبنیان را نشان دهد؛ بنابراین باید از آمارههای محلی استفاده کرد. آمارههای محلی برروی هر واحد مشاهدهای بهجای کل منطقۀ مطالعهشده تمرکز دارند. این سنجشهای محلی برپایۀ این فرض هستند که فرآیندهای مختلف دلیل اصلی وجود الگوهای جغرافیایی هستند که در هر ناحیه دیده میشود (Oyana & Margai, 2015). ماتریس وزن فضاییتعریف وزن فضایی برای هر دو آزمونهای سراسری و محلی ضروری است؛ زیرا بدین شکل ما میتوانیم فضامندی را در مدلها ترکیب کنیم. شیوۀ ایجاد ماتریس بهدلیل قدرت آن برای تأثیرگذاری برروی نتایج مهم است (Keser, 2010). در در این مطالعه برای تخصیص وزن از روش نزدیکترین همسایگی (k-NN) استفاده شد. این روش درمقایسه با سایر روشها برای واحدهای فضایی ناحیهای مناسبتتر است. برای انتخاب تعداد همسایگی بهینه تعداد همسایگی مختلف آزمون و درنهایت، تعداد 4 همسایگی که بیشترین مقدار امتیاز استاندارد را داشت، بهعنوان تعداد بهینه انتخاب شد. یافتههای پژوهش و تجزیهوتحلیلتوزیع فضایی شرکتهای دانشبنیاندر این بخش توزیع فضایی شرکتهای دانشبنیان براساس حوزۀ فناوری بررسی خواهد شد. تعداد 8050 شرکت دانشبنیان در کشور تا پایان 9 ماهۀ سال 1401 ثبت شده بود که در 9 حوزۀ فناوری قرار میگیرند.
تعداد شرکتها در طی سالهای 1397 تا 1401 بهطور چشمگیری افزایش یافته است. شکل 5 توزیع آنها را طی سالهای 1397 تا 1401 نشان میدهد. بیشترین تعداد شرکتها بهلحاظ حوزۀ فناوری درحوزههای برق و الکترونیک، فناوری اطلاعات و ماشینآلات و تجهیزات پیشرفته قرار دارند که بهترتیب 1822، 1777 و 1721 شرکت است. شرکتهای دانشبنیان بیشتر در سه قطب، یعنی مناطق داخلی، شمال غرب (آذربایجان شرقی) و شمال شرق (خراسان رضوی) توزیع شده که در شکل 6 نشان داده شده است. بیش از نیمی از شرکتهای دانشبنیان در استان تهران (5/51 درصد) استقرار یافته است و بعد از آن استانهای اصفهان و خراسان رضوی بهترتیب با 3/9 و 3/5 درصد هستند. با انطباق نقشۀ شکل 6 توزیع شرکتهای دانشبنیان و توزیع جمعیت شهرهای مرکز استان شکل 2 میتوان چنین استنباط کرد که شرکتهای دانشبنیان در کلانشهر (شهرهای یکمیلیون و بیشتر) متمرکز شده است. این پدیده ناشی از صرفههای شهرنشینی است که نیروی محرکۀ تمرکز شرکتهای دانشبنیان در کلانشهرهاست. در این مطالعه برای تعدیل دادههای خام از جمعیت استانها استفاده شد که در این میان، دادههای تعدیلشده براساس نقشۀ میزان شرکتهای دانشبنیان به صدهزار نفر نشان داد که مناطق داخلی از قطبهای اصلی تمرکز شرکتهای دانشبنیان است. میزان تخصصیشدن شرکتها با شاخص هرفیندال محاسبه شد که نشان داد میزان تخصصیشدن بسیار پایین است و استانهای جنوب و جنوب شرق تنوع بیشتری دارند.
شکل 6: توزیع جغرافیایی کل شرکتهای دانشبنیان، درصد شرکتهای دانشبنیان و میزان تخصصیشدن (منبع: نگارندگان) Figure 6: Geographical distribution of knowledge-based firms, rate of knowledge-based firms and degree of specialization
برق و الکترونیک، فوتونیک، مخابرات و سیستمهای خودکار در کل کشور 1822 شرکت دانشبنیان درحوزۀ برق و الکترونیک فعّال است. این حوزه بیشترین سهم را نیز در بین شرکتهای دانشبنیان دارد. شکل 7-A توزیع جغرافیایی شرکتهای دانشبنیان و سهم هر استان از کل شرکت دانشبنیان حوزۀ برق و الکترونیک را نشان میدهد. براساس این نقشه شرکتهای حوزۀ برق و الکترونیک بیشتر در مناطق داخلی، شمال شرق (استان خراسان رضوی) و شمال غرب توزیع شده است. نیمی (3/50 درصد) از شرکتهای این حوزه در استان تهران متمرکز شده است و بعد از آن بهترتیب استانهای اصفهان، خراسان رضوی، البرز و فارس با 5/9، 6، 3/4 و 4 درصد قرار دارند. این پنج استان با سهم حدود 75 درصد بهعنوان ناحیۀ اصلی[3] حوزۀ فناوری برق و الکترونیک هستند.
فناوری اطلاعات و ارتباطات و نرمافزارهای رایانهای تعداد کل شرکتهای دانشبنیان حوزۀ فناوری اطلاعات و ارتباطات 1777 شرکت است که بیشتر در مناطق داخلی و شمال شرق (خراسان رضوی) و شمال غرب (آذربایجان غربی) توزیع شده است. شکل 7-B توزیع جغرافیایی شرکتهای این حوزه را نشان میدهد. بیش از 6/81 درصد از شرکتها در سه استان تهران، خراسان رضوی و اصفهان متمرکز شده است که سهم آنها بهترتیب 8/71، 2/5 و 6/4 درصد است. دو استان تهران و خراسان رضوی از نواحی اصلی این حوزه هستند؛ زیرا بیش از 75 درصد از شرکتهای حوزۀ فناوری اطلاعات و ارتباطات در این دو استان استقرار یافته است.
ماشینآلات و تجهیزات پیشرفته تعداد کل شرکتهای دانشبنیان این حوزه 1721 شرکت است. شکل 7-C توزیع جغرافیایی شرکتهای دانشبنیان حوزۀ ماشینآلات و تجهیزات پیشرفته را نشان میدهد که بیشتر در مناطق داخلی، شمال غرب و شمال شرق توزیع شده است. استانهای تهران، اصفهان، البرز، خراسان رضوی و آذربایجان شرقی بیشترین سهم را دارند که بهترتیب 9/43، 5/13، 6/6، 3/5 و 5/4 درصد هستند و درمجموع 74 درصد از کل شرکتهای دانشبنیان این حوزه را دربرمیگیرند.
مواد پیشرفته و محصولات مبتنی بر فناوریهای شیمیایی تعداد کل شرکتهای دانشبنیان این حوزه 1130 شرکت است که بیشتر در مناطق داخلی، شمال شرق و شمال غرب توزیع و در شکل 7-D ارائه شده است. استانهای تهران، اصفهان، البرز، آذربایجان شرقی و خراسان رضوی بهترتیب با 1/36، 3/14، 7/5 و 8/4 درصد بیشترین سهم را دارند.
شکل 7: توزیع جغرافیایی شرکتهای دانشبنیان به تفکیک حوزۀ فناوری، A) برق و الکترونیک، B) فناوری اطلاعات و ارتباطات، C) ماشینآلات و تجهیزات پیشرفته، D) مواد پیشرفته و محصولات مبتنی بر فناوری (منبع: نگارندگان) Figure 7: Geographical distribution of knowledge-based firms by technology field, A) electricity and electronics, B) information and communication technology, C) advanced machinery and equipment, and D) advanced materials and technology-based products دارو و فرآوردههای پیشرفتۀ حوزۀ تشخیص و درمان تعداد شرکتهای دانشبنیان حوزۀ دارو و فرآوردههای پیشرفته 480 شرکت است که بیشتر در مناطق داخلی، شمالی، شمال شرق، شمال غرب و غرب کشور توزیع و در شکل 8-E نشان داده شده است. استانهای تهران، البرز، فارس، خراسان رضوی و اصفهان بیشترین سهم را دارند که بهترتیب 2/49، 2/10، 2/5، 2/4 و 0/4 درصد و درمجموع، 7/72 درصد هستند. یکی از نکات مهم این است که سهم این حوزه برخلاف سایر حوزۀ فناوری قبلی در غرب کشور افزایش یافته بود.
خدمات تجاریسازی تعداد کل شرکتهای دانشبنیان حوزۀ خدمات تجاریسازی 400 شرکت است که بیشتر در مناطق داخلی، شمال شرق، شمال غرب و غرب (کرمانشاه) توزیع و در شکل 8-F نمایش داده شده است. حدود 80 درصد از شرکتهای دانشبنیان این حوزه در استانهای تهران (68 درصد)، خراسان رضوی (4 درصد)، اصفهان (5/3 درصد)، یزد (3/2 درصد) و قم (3/2 درصد) استقرار یافته است.
فناوری زیستی، کشاورزی و صنایع غذایی در کل کشور تعداد 362 شرکت دانشبنیان درحوزۀ فناوری زیستی و کشاورزی درحال فعالیت هستند. شکل 8-G توزیع جغرافیایی شرکتهای این حوزه را نشان میدهد. این شرکتها علاوهبر مناطق داخلی و شمالی در سایر مناطق بهخصوص در غرب، شمال غرب و جنوب غرب نیز بهطور چشمگیری توزیع شده است. استانهای تهران (3/24 درصد)، البرز (7/9 درصد)، اصفهان (7/7 درصد)، خراسان رضوی (4/6 درصد) و مازندران (4/4 درصد) بیشترین سهم را دارند. دو نکتۀ مهم درحوزۀ فناوری وجود دارد: اول اینکه مناطق غرب، شمال غرب، غرب و جنوب شرق کشور سهم فراوانی را به خود اختصاص دادهاند؛ دوم، استان سیستانبلوچستان که در سایر حوزه سهم بسیاری پایینی داشته است در این حوزه سهم 9/1 درصدی دارد که مهم است و درمقابل استان تهران که در همۀ حوزهها سهم چشمگیری (از حدود 50 درصد و بیشتر) داشت در این حوزه تنها 3/24 درصد را به خود اختصاص داده است.
وسایل، ملزومات و تجهیزات پزشکی شرکتهای دانشبنیان این حوزه 326 شرکت را دربرمیگیرد که توزیع جغرافیایی آنها در شکل 8-H نشان داده شده است. شرکتهای این حوزه بیشتر در مناطق داخلی، شمال شرق (خراسان رضوی) و شمال غرب توزیع شده است؛ با این حال بسیاری از استانها بهخصوص در شرق و شمال شرق شرکتهای دانشبنیان فعّال را در این حوزه نداشتند. استانهای تهران، اصفهان و البرز بهترتیب با 5/52، 11 و 4/7 درصد بیشترین سهم را دارند.
صنایع فرهنگی، صنایع خلّاق و علوم انسانی و اجتماعی سی و دو شرکت دانشبنیان درحوزۀ صنایع فرهنگی فعّال بودند که بهدلیل تعداد پایین آنها نقشۀ آن ترسیم نشد.
شکل8: توزیع جغرافیایی شرکتهای دانشبنیان به تفکیک حوزۀ فناوری، E) دارو و فرآوردههای پیشرفته، F) خدمات تجاریسازی، G) فناوری زیستی، کشاورزی، H) وسایل، ملزومات و تجهیزات پزشکی (منبع: نگارندگان) Figure 8: Geographical distribution of knowledge-based firms by technology field, E) medicine and advanced products, F) commercialization services, G) biotechnology, agriculture and H) medical devices, necessities and equipment تمرکز فضایی شرکتهای دانشبنیانبرای سنجش میزان تمرکز فضایی شرکتهای دانشبنیان از آمارههای موران I سراسری و گتیس- ارد جی* استفاده شد. گزارش آزمون خودهمبستگی سراسری موران I برای شرکتهای دانشبنیان در جدول 2 ارائه شده است. مقدار نمایۀ موران I برای کل شرکتهای دانشبنیان و حوزههای برق و الکترونیک، ماشینآلات و تجهیزات پیشرفته، مواد پیشرفته و محصولات مبتنی بر فناوری، دارو و فرآوردههای پیشرفته، وسایل، ملزومات و تجهیزات پزشکی مثبت و با 999 جایگشت تصادفی درسطح کمتر از 05/0 معنادار است؛ بنابراین فرض تصادفیبودن توزیع شرکتهای اشارهشده رد و فرض خوشهایبودن توزیع آنها تأیید میشود. درمیان توزیع دادهها وابستگی فضایی وجود دارد. میزان موران I برای شرکتهای حوزۀ فناوری اطلاعات و ارتباطات، خدمات تجاریسازی و فناوری زیستی و کشاورزی معنادار نبود که این خود عدم خودهمبستگی فضایی را نشان میدهد.
جدول 2: گزارش مقدارهای موران سراسری برای شرکتهای دانشبنیان Table 2: Report of national Moran values for knowledge-based companies
منبع: نگارندگان
موران I آزمونی سراسری است که اطلاعات کلی را دربارۀ مجموعهداده ارائه میدهد و نمیتواند بین خوشهبندی مقدارهای بالا و یا پایین تمایز قائل شود. در این مطالعه برای شناسایی خوشههای محلی از آمارۀ گتیس- ارد استفاده شد که در شکل 9 ارائه شده است. براساس شکل مذکور آمارۀ موران I یک آزمون سراسری است که اطلاعات کلی دربارۀ الگوی فضایی مجموعهداده ارائه میدهد؛ اما قادر به تمایز بین خوشهبندی مقدارهای بالا یا پایین نیست. در این مطالعه برای شناسایی خوشههای محلی از آمارۀ گتیس-اُرد استفاده شد که نتایج آن در شکل 9 نشان داده شده است. براساس این شکل خوشهبندی مقدارهای زیاد شرکتهای دانشبنیان بهصورت یک لکۀ بزرگ از شمال (استان مازندران) تا مناطق داخلی (استان اصفهان) گسترش یافته است؛ درحالی که خوشهبندی مقدارهای پایین در استانهای هرمزگان و ایلام مشاهده میشود.
شکل 9: خوشههای محلی شرکتهای دانشبنیان (منبع: نگارندگان) Figure 9: Local clusters of knowledge-based companies نتایج رگرسیونبرای مدلسازی شرایط و عواملی که شرکتهای دانشبنیان را در مناطق خاصی سوق میدهد از مدل رگرسیون حداقل مربعات استفاده شد. مدلهای رگرسیون سراسری با هر مشاهده بهطور مستقل برخورد و سپس یک مجموعه از پارامترها را برای نشاندادن همۀ مشاهدهها برآورد میکنند. رگرسیون حداقل مربعات معمولی (OLS) یک مدل آماری سراسری برای آزمون و بررسی روابط بین متغیرهاست. در این پژوهش ابتدا برای بررسی روابط بین تعیینکنندهها و تمرکز شرکتهای دانشبنیان از OLS استفاده شد. مقدارهای و تعدیلشده همراه با معیار اطلاعات آکائیک عملکرد مدل را ارزیابی میکنند. مقدارها در و تعدیلشده بهترتیب 445/0 و 360/0 است که مقدار پذیرفتنی را نشان میدهد؛ بنابراین متغیرهای درصد تحصیلات عالی، میزان صنعتیشدن، سهم تولید ناخالص داخلی استان (GDP) و لگاریتم شهرهای مرکز استان 36 درصد از تغییرات تمرکز فضایی شرکتهای دانشبنیان را توضیح میدهند. خلاصۀ نتایج مدل حداقل مربعات معمولی در جدول 3 ارائه شده است. درمیان متغیرهای مستقل، میزان صنعتیشدن و لگاریتم جمعیت شهرهای مرکز استان رابطۀ مثبت و معناداری را با تمرکز شرکتهای دانشبنیان دارند؛ درحالی که درصد تحصیلات عالی و سهم تولید ناخالص داخلی استان با تمرکز شرکتهای دانشبنیان رابطۀ معناداری ندارند؛ بنابراین افزایش میزان صنعتیشدن و جمعیت شهرهای مرکز استان منجر به تمرکز بیشتر شرکتهای دانشبنیان میشود. جدول 3: خلاصۀ نتایج تأثیرگذاری متغیرهای مستقل برروی تمرکز فضایی شرکتها در مدل OLS Table 3: Summary of OLS results
منبع: نگارندگان
; Adjusted ; AICc= -165/390; *Significant at 0.05.
جدول 3 نشان میدهد که مقدارهای عامل تورم واریانس (VIF) برای تمام موارد پیشبینیکننده حدود 5/1 است. مقدارهای بیش از از 5/7 برای VIF نشاندهندۀ افزونگی بین متغیرهای پیشبینیکننده است؛ بنابراین در این مدل مسئلۀ همخطی چندگانه بین متغیرهای پیشبینیکننده مشاهده نمیشود.
نتیجهگیریپژوهش حاضر با هدف تحلیل تمرکز فضایی شرکتهای دانشبنیان و تعیینکنندههای آن درسطح استانهای ایران با استفاده از آمارههای موران سراسری، گتیس- اُرد و رگرسیون حداقل مربعات انجام شد. استفاده از دادههای فضایی (هر نوع داده با مختصات جغرافیایی) این امکان را فراهم میکند تا از مشکلات روشهای آماری کلاسیک برای سنجش تمرکز فضایی اجتناب شود. تمرکز فضایی شرکتهای دانشبنیان با استفاده از روشهای آمار فضایی سنجش شد و نتایج پژوهش نشان داد که توزیع شرکتهای دانشبنیان بهصورت خودهمبسته است و بهصورت خوشهای در مناطق خاصی متمرکز شده است؛ با این حال میزان تخصصیشدن شرکتها پایین بوده است. خوشهبندی شرکتهای دانشبنیان راهبردی برای بهرهمندی از اثرهای خارجی مثبت تمرکز فضایی است. یافتههای این پژوهش منطبق با یافتههای (Agarwal & Behera, 2022a Qi et al., 2019; Schwartz, 2006) است؛ زیرا پژوهشهای فوق نشان داد که شرکتها و صنایع دانشبنیان بهصورت متمرکز توزیع شدهاند. در این مطالعه بهدلیل استفاده از شاخصهای سنجش تمرکز متفاوت و سطح تجمیع داده (مقیاس تحلیل) از مقایسۀ عددی مقدارهای تمرکز اجتناب شد. میزان شدت تمرکز به تفکیک حوزههای فناوری متفاوت است. بدین صورت که بیشترین شدت تمرکز مربوط به حوزههای 1) مواد پیشرفته، و محصولات مبتنی بر فناوری؛ 2) وسایل، ملزومات و تجهیزات کشاورزی؛ 3) ماشینآلات و تجهیزات پیشرفته بود. درمقابل، حوزۀ فناوری اطلاعات، خدمات تجاریسازی، صنایع فرهنگی و فناوری زیستی و کشاورزی بهصورت تصادفی و پراکنده توزیع شده بودند. در تمرکز فضایی شرکتهای دانشبنیان نهتنها یک نیرو نقش دارد، مجموعهای از نیروهای مرکزگرا و مرکزگریز باعث تمرکز شرکتها در مناطق خاصی میشوند که در این پژوهش تنها به برخی از نیروهای مرکزگرا پرداخته شد. براساس نتایج مدل OLS دو متغیر میزان صنعتیشدن و لگاریتم جمعیت شهرهای مرکز استانها رابطۀ مثبت و معناداری با تمرکز شرکتهای دانشبنیان دارند؛ بنابراین در تمرکز شرکتهای دانشبنیان دو نیروی صرفههای شهرنشینی و صرفههای مقیاس یا محلیشدن از مهمترین نیروی مرکزگرا هستند که منجر به تمرکز شرکتها در مناطق خاصی شدهاند. یافتههای این پژوهش با اصول کلی پیشینۀ تجربی دربارۀ نقش صرفههای شهرنشینی و صرفههای مقیاس در شکلدهی به تمرکز فضایی بنگاهها و صنایع سازگار است؛ زیرا پیشینۀ تجربی نشان میدهد تمرکز شرکتهای دانشبنیان از الگوی مشابه پیروی میکند. کلانشهرها و بهخصوص شهرهای پایتخت بهعنوان کانون اصلی تمرکز شرکتهای دانشبنیان هستند (Antonietti et al., 2013 Bujdosó et al., 2016; Méndez-ortega & Méndez-ortega, 2019; Qi et al., 2019; Santiago, 2020). در این پژوهش شرکتهای دانشبنیان در کلانشهرها و بهخصوص کلانشهر تهران متمرکز شده است. الگوی کلی در اروپا این است که شرکتهای دانشبنیان در شهرهای پایتخت یا در منطقۀ تجاری اصلی متمرکز شده است (Deza & López, 2014; Vence-Deza & González-López, 2008)). زیرا در چنین مناطقی دسترسی آسانتر به منابع دانش (دانشگاهها یا مؤسسههای پژوهشی) و انواع مختلف منابع (نیروی کار ماهر) وجود دارد (Ženka et al., 2020). دسترسی و موجودیت نیروی کار ماهر از دیگر عواملی بود که در تمرکز شرکتهای دانشبنیان بررسی شد؛ بنابراین شرکتهای دانشبنیان تمایل دارند در جاهایی متمرکز شوند که به نیروی کار ماهر دسترسی داشته باشند. شواهد تجربی پژوهشهای (Koo, 2005; López & Páez, 2017; Méndez-ortega & Méndez-ortega, 2019) اهمیت زیاد نیروی کار ماهر را برای شرکتهای دانشبنیان نشان میدهد؛ بنابراین موجودیت نیروی کار ماهر درونداد اصلی برای شرکتها با فناوری پیشرفته است؛ با این حال در این پژوهش بین درصد تحصیلات عالی در هر استان و تمرکز شرکتهای دانشبنیان رابطۀ مثبت وجود داشت؛ اما بهلحاظ آماری معنادار نبود که این خود میتواند ناشی از تجمیع دادهها درسطح استان باشد. دلالتهای سیاستی، محدودیتها و پژوهشهای آیندهنتایج پژوهش دلالتهای مهمی برای سیاستهایی با هدف جذب و تشویق شرکتهای دانشبنیان در مناطق کمتر توسعهیافته و حاشیهای و حرکت سوی تخصصیشدن منطقهای را دارد. براساس یافتههای پژوهش تعداد شرکتهای دانشبنیان در بعضی از استان به لحاظ تعداد و جمعیت بسیار پایین است. باتوجه به اینکه شرکتهای دانشبنیان در مناطق حاشیهای و کمتر توسعهیافته بهصورت ارگانیک رشد پیدا نکرده است باید با مشوّقهای مختلف از ایجاد و توسعۀ شرکتهای دانشبنیان در این مناطق حمایت کرد. بهاحتمال، نیاز است که گونههای متفاوتی از شرکتهای دانشبنیان که منطبق بر ظرفیتهای داخلی آنهاست، توسعه یابد. یکی دیگر از یافتههای مهم پژوهش تمرکز شرکتهای دانشبنیان در کلانشهرهاست که این امر ناشی از صرفههای ناشی از انباشت و صرفههای مقیاس است و منجر به تشدید نابرابریهای منطقهای میشود. همچنین، جذابیت کلانشهرها مهاجرت نیروی کار ماهر از سایر مناطق و حتی مهاجرت شرکتهای دانشبنیان را به دنبال دارد؛ بنابراین پیشنهاد میشود که با سیاستها و مشوّقهای حمایتی لازم از پیامدهای منفی انباشت در کلانشهرها پیشگیری شود. براساس یافتههای پژوهش میزان تخصصیشدن شرکتهای دانشبنیان پایین بود و شرکتها و مناطق هنوز به سمت تخصصیشدن حرکت نکردهاند؛ بنابراین برای ایجاد گونۀ خاصی از شرکتهای دانشبنیان ابتدا باید مناطق را باتوجه به سابقۀ شرکتهای دانشبنیان، ظرفیتهای طبیعی، کالبدی-فیزیکی و اقتصادی-اجتماعی اولویتبندی و سپس با در نظر گرفتن مزیتهای ویژه شرکتها را برای تمرکز درحوزههای تخصصی خاص جهتدهی کرد. بدیهی است این پژوهش نیز مانند سایر پژوهشها با محدودیتهایی روبهروست که دو جنبه را دربرمیگیرد: 1) استفاده از دادههای تجمیعیافته: شاخصهای تمرکز به اندازۀ واحدهای فضایی حساس هستند که این خود به مسئلۀ واحدهای ناحیهای قابل اصلاح (MAUP) معروف است. بر این اساس، نتایج محاسبات آماری با تغییر اندازۀ واحدها تغییر میکند؛ 2) محدودیتهای مربوط به مدل OLS: مدل OLS باوجود کارآیی در شناسایی فرآیندهای تمرکزگرا با محدودیتهایی روبهروست؛ زیرا این مدل ناهمگنی فضایی را در فرآیندها بهخوبی نشان نمیدهد. برای شناخت جنبههای مختلف جغرافیای اقتصاد دانشبنیان در ایران پیشنهادهایی برای پژوهشهای آینده ارائه میشود. اول، پیشنهاد میشود برای درک بهتر از جزئیات الگوهای فضایی تمرکز از دادههای سطح خردتر و حتی نقطهای استفاده شود که این خود به حل مسئلۀ واحدهای ناحیهای قابل اصلاح کمک میکند؛ دوم، باتوجه به اینکه این پژوهش مقطعی است، پیشنهاد میشود در پژوهشهای آینده پویایی فضایی-زمانی تمرکز شرکتها نیز بررسی شود؛ سوم، برای مدلسازی فضایی تغییرپذیری تعیینکنندهها در سراسر فضا از مدل رگرسیون وزنی جغرافیایی (GWR) (Geographically Weighted Regression) که بهتازگی به آن توجه شده است، استفاده شود. درنهایت، پژوهشگران باید توجه بیشتری به ناهمگنی فضایی در تمرکز شرکتهای دانشبنیان داشته باشند.
[1] . https://pub.daneshbonyan.ir/ [2] . https://pub.daneshbonyan.ir/ [3]. نواحی که 75 درصد از شرکتهای دانش بنیان متمرکز باشد بهعنوان ناحیۀ اصلی و 24 درصد بقیه ناحیۀ فرعی نامیده میشود. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
مراجع | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
منابعآزاد، ناصر، محمدی پور، مجتبی، و نقدی، بهمن (1397). چالشهای تجاریسازی محصولات دانشبنیان با تأکید بر بخش بازاریابی و مالی (مورد مطالعه: پارک فناوری دانشگاه تهران). نشریۀ اقتصاد مالی، 12(44)، 189-207. https://sanad.iau.ir/journal/ecj/Article/663799?jid=663799 خیاطیان، محمدصادق، الیاسی، مهدی، و طباطباییان، سید حبیبالله (1395). الگوی پایداری شرکتهای دانشبنیان در ایران. فصلنامۀ سیاست علم و فناوری، 9(2)، 49-62. https://jstp.nrisp.ac.ir/article_12953.html صرافی، مظفر، و محمدی، علیرضا (1395). تحلیل الگوی فضایی توزیع شرکتهای دانشبنیان (مطالعۀ موردی: کلانشهر تهران). فصلنامۀ برنامهریزی و آمایش فضا، 20(3)، 181- 209. http://hsmsp.modares.ac.ir/article-21-2104-fa.html فلاح، محمدرضا، و کاظمی، زهره (1399). شناسایی پیشرانهای مؤثر بر موفقیت شرکتهای دانشبنیان با تأکید بر نقش هوشمندی کسبوکار. دو فصلنامۀ راهبردهای بازرگانی، 16(14)، 72-57. https://doi.org/10.22070/cs.2020.2460 ملکی فر، سیاوش (1401). درآمد ۳۰۰ هزار میلیارد تومانی شرکتهای دانشبنیان در سال گذشته. خبرگزاری مهر، قابل دسترس در 11/9/1401. https://www.mehrnews.com/news/5695232/ میر غفوری، سید حبیبالله، مروتی شریفآبادی، علی، و احسان زاهدی، امیر (1397). طراحی مدل یکپارچۀ توسعۀ سطح نوآوری و تجاریسازی شرکتهای دانشبنیان ایران. فصلنامۀ ابتکار و خلاقیت در علوم انسانی، 7(4)، 107- 142. https://journals.iau.ir/article_540822.html همافر، میلاد، پورجعفر، محمدرضا، و سعیدی رضوانی، نوید (1397). تحلیل الگوی پراکنش فضایی فعالیتهای دانشبنیان در شهر تهران. فصلنامۀ اقتصاد و مدیریت شهری، 6(22)، 57-75. https://www.doi.org/10.29252/iueam.6.22.57 References Agarwal, S., & Behera, S. R. (2022a). Do knowledge and technology-intensive industries spatially concentrate in rural and urban areas of India? Evidence from economic census micro-level data. Theoretical Economics Letters, 12(04), 1095–1125. https://doi.org/10.4236/tel.2022.124060 Agarwal, S., & Behera, S. R. (2022b). Do neighbourhood effects matter for the geographical concentration? Evidence from the Indian industries. Theoretical Economics Letters, 12(04), 1007–1033. https://doi.org/10.4236/tel.2022.124055 Agarwal, S., & Behera, S. R. (2022c). Geographical concentration of knowledge and technology-intensive industries in India: Empirical evidence from establishment-level analysis. Indian Economic Review, 57(2), 513-552. https://doi.org/10.1007/s41775-022-00145-w Akın, B., & Seyfettinoğlu, Ü. K. (2022). Factors determining the location decision: Analysis of location choice preferences of the ICI-1000 companies with the nested logit model. Central Bank Review, 22(1), 57–75. https://doi.org/10.1016/j.cbrev.2022.03.001 An, L., Tsou, M., Crook, S. E. S., Chun, Y., Spitzberg, B., Marc, J., & Gupta, D. K. (2015). Space–time analysis: Concepts quantitative methods and future directions. Annals Of the Association Of American Geographers, 105(5), 891–914. https://doi.org/10.1080/00045608.2015.1064510 Antonietti, R., Cainelli, G., & Lupi, C. (2013). Vertical disintegration and spatial co-localization: The case of Kibs in the metropolitan region of Milan. Economics Letters, 118(2), 360–363. https://doi.org/10.1016/j.econlet.2012.11.031 Arbia, G. (2001). The role of spatial effects in the empirical analysis of regional concentration. Journal Of Geographical Systems, 3(3), 271–281. https://doi.org/10.1007/PL00011480 Ascani, A., Crescenzi, R., & Iammarino, S. (2012). New economic geography and economic integration: A review. Search working paper. https://B2n.ir/k87969 Azad, N., Mohammdipour, M., & Naghdi, B. (2018). The challenges of commercializing knowledge-based products with an emphasis on marketing and finance (Case study: Tehran university technology park). Journal Of Financial Economics, 12(44), 189- 208. https://sanad.iau.ir/journal/ecj/Article/663799?jid=663799 [In Persian]. Bade, F. J., & Nerlinger, E. A. (2000). The spatial distribution of new technology-based firms: Empirical results for West-Germany. In Papers in Regional Science, 79(2), 155–176. https://doi.org/10.1007/s101100050041 Brakman, S., Garretsen, H., & Marrewijk, C. Van. (2009). The new introduction to geographical economics. Cambridge university press. https://B2n.ir/b86532 Bujdosó, Z., Pénzes, J., Dávid, L., & Madaras, S. (2016). The spatial pattern of KIBS and their relations with the territorial development in Romania. Amfiteatru Economic Journal, 18(41), 73–88. https://hdl.handle.net/10419/168988 Burke, A., Okrent, A., & Hale, K. (2022). Science and engineering indicators 2022: The state of U.S. science and engineering. National science foundation. https://ncses.nsf.gov/pubs/nsb20221 Chung, E. C., Lee, B. S., & Cho, C. (2018). Determinants of agglomeration in Korean manufacturing industries. The Singapore Economic Review, 65(5), 1–27. https://doi.org/10.1142/S0217590818500169 DeDominicis, L., Arbia, G., & De Groot, H. L. F. (2013). Concentration of manufacturing and service sector activities in Italy: Accounting for spatial dependence and firm size distribution. Regional Studies, 47(3), 405–418. https://doi.org/10.1080/00343404.2011.579593 Deza, X. V., & López, M. G. (2014). Regional concentration of knowledge-intensive business services in Europe. Environment And Planning C: Government and Policy, 32(6), 1036–1058. https://doi.org/10.1068/c11171r Fallah, M., & Kazemi, Z. (2020). Identify the drivers of the success of knowledge-based companies with an emphasis on the role of business intelligence. Biannual Peer Review Journal of Business Strategies, 16(14), 57-72. https://doi.org/10.22070/cs.2020.2460 [In Persian]. Fischer, M. M., & Wang, J. (2011). Spatial data analysis: models methods and techniques. Springer science & business media. https://B2n.ir/m57152 Fortin, M. J., & Dale, M. R. T. (2008). Spatial autocorrelation. In the SAGE handbook of spatial analysis. https://B2n.ir/z29986 Fujita, M. (2007). The development of regional integration in East Asia: From the viewpoint of spatial economics. Review Of Urban And Regional Development Studies, 19(1), 2–20. https://doi.org/10.1111/j.1467-940X.2007.00126.x Fujita, M. (2010). The evolution of spatial economics: From thünen to the new economic geography. The Japanese Economic Review, 61(1), 1–32. https://doi.org/10.1111/j.1468-5876.2009.00504.x Fujita, M. (2012). Thünen and the new economic geography. Regional Science And Urban Economics, 42(6), 907–912. https://doi.org/10.1016/j.regsciurbeco.2011.12.002 Goetz, S. J., & Rupasingha, A. (2002). High-tech firm clustering: Implications for rural areas. American Journal Of Agricultural Economics, 84(5), 1229–1236. https://doi.org/10.1111/1467-8276.00383 Guillain, R., & Gallo, J. Le. (2011). Agglomeration and dispersion of economic activities in and around Paris: An exploratory spatial data analysis. Environment And Planning B: Planning And Design, 37(6), 1–36. https://doi.org/10.1068/b35038 Hammer, C., & Fichet de Clairfontaine, A. (2016). Trade costs and income in european regions: Evidence from a regional bilateral trade dataset department of economics working paper series 220. WU Vienna university of Economics and business. https://B2n.ir/z57735 Hassink, R., & Gong, H. (2017). Sketching the contours of an integrative paradigm of economic geography. papers in innovation studies 2017/12. Lund university, CIRCLE - centre for innovation research. https://doi.org/10.13140/RG.2.2.32158.64322 Hassink, R., & Gong, H. (2019). New economic geography (In the wiley blackwell encyclopedia of urban and regional studies). John Wiley & Sons. https://doi.org/10.1002/9781118568446.eurs0222 Homafar, M., Poorjafar, M., & Saeidi Rezvani, N. (2018). An analysis of spatial distribution pattern of knowledge-based activities in Tehran. Journal of Urban Economic and Management, 6(22), 57-75. https://www.doi.org/10.29252/iueam.6.22.57 [In Persian]. Keser, S. (2010). Investigation of the spatial relationship of municipal solid waste generation in Turkey with socio-economic demographic and climatic factors. Middle East technical university. https://hdl.handle.net/11511/19375 Khayatiyan, M., Elyasi, M., & Tabatabaeeian, H. (2016). The model for sustainability of knowledge-based firms in Iran. Journal Of Science & Technology Policy, 9(2), 49-62. https://jstp.nrisp.ac.ir/article_12953.html [In Persian]. Kolympiris, C., Kalaitzandonakes, N., & Miller, D. (2015). Location choice of academic entrepreneurs: Evidence from the US biotechnology industry. Journal of Business Venturing, 30(2), 227–254. https://doi.org/10.1016/j.jbusvent.2014.02.002 Koo, J. (2005). Knowledge-based industry clusters: Evidenced by geographical patterns of patents in manufacturing. Urban Studies, 42(9), 1487–1505. https://doi.org/10.1080/00420980500185249 Krugman, P. (1998). What’s new about the new economic geography?. Oxford Review of Economic Policy, 14(2), 7–17. https://doi.org/10.1093/oxrep/14.2.7 Lazzeroni, M. (2010). High-tech activities system innovativeness and geographical concentration: Insights into technological districts in Italy. European Urban and Regional Studies, 17(1), 45–63. https://doi.org/10.1177/0969776409350795 Lee, J., & Wong, D. W. (2001). Statistical analysis with ArcView GIS. John Wiley & Sons. https://B2n.ir/m00488 Liu, L., Hou, Y., Zhan, X., & Wang, Z. (2020). Innovation efficiency of high-tech SMEs listed in China: Its measurement and antecedents. Discrete Dynamics in Nature And Society, 2020(1), 8821950. https://doi.org/10.1155/2020/8821950 Liu, Z., Chen, X., Xu, W., Chen, Y., & Li, X. (2021). Detecting industry clusters from the bottom up based on co-location patterns mining: A case study in Dongguan China. Environment And Planning B: Urban Analytics and City Science, 48(9), 2827–2841. https://doi.org/10.1177/2399808321991542 López, F. A., & Páez, A. (2017). Spatial clustering of high-tech manufacturing and knowledge-intensive service firms in the Greater Toronto Area. Canadian Geographer, 61(2), 240–252. https://doi.org/10.1111/cag.12326 Malekifar, S. (2023). Income of 300 thousand billion tomans of knowledge-based firms last year. Mehr news agency. https://www.mehrnews.com/news/5695232/ [In Persian]. Mirghafoori, S, H., Morovati sharifabadi, A., & Zahedi, A. (2018). Designing an integrated model for developing the innovation and commercialization level of iran's knowledge-based companies. Quarterly Journal Of Innovation And Creativity In Human Sciences, 7(4), 107- 142. https://journals.iau.ir/article_540822.html [In Persian]. Martincus, C. V. (2003). Mercosur and fiscal competition help to explain recent locational patterns in Brazil. the annual meeting of LACEA. https://B2n.ir/r11555 Méndez-ortega, C., & Méndez-ortega, C. (2019). Locating software, video game, and editing electronics firms: Using microgeographic data to study barcelona carles. Journal of Urban Technology, 26(3), 1–29. https://doi.org/10.1080/10630732.2019.1613866 Meyer, S. P. (2006). A spatial analysis of small- and medium-sized information technology firms in Canada and the importance of local connections to institutions of higher education. Canadian Geographer/Le Géographe Canadien, 50(1), 114–134. https://doi.org/10.1111/j.0008-3658.2006.00130.x Murigi, M. W. (2016). Factors influencing spatial distribution and growth of juvenile. University of Nairobi. https://B2n.ir/u38194 Ord, J. K., & Getis, A. (1995). Local spatial autocorrelation statistics: distributional issues and an application. Geographical Analysis, 27(4), 286–306. https://doi.org/10.1111/j.1538-4632.1995.tb00912.x Oyana, T. J., & Margai, F. M. (2015). Spatial analysis: Statistics visualization and computational methods. CRC Press. https://doi.org/10.1201/b18808 Panzera, D., Cartone, A., & Postiglione, P. (2022). New evidence on measuring the geographical concentration of economic activities. Papers In Regional Science, 101(1), 59–79. https://doi.org/10.1111/pirs.12644 Porfírio, J. A. (2016). Critique of new economic geography to understand rural development: The influence of corporate strategy. Routledge. https://B2n.ir/w94332 Qi, H., Liu, S., Qi, W., & Liu, Z. (2019). Geographical concentration of knowledge- and technology-intensive industries and city innovation in China. Sustainability, 11(18). https://doi.org/10.3390/su11184840 Rosenthal, S. S., & Strange, W. C. (2004). Evidence on the nature and sources of agglomeration economies. In handbook of regional and urban economics. https://doi.org/10.1016/S1574-0080(04)80006-3 Santiago, L. E. (2020). The industries of the future in Mexico: Local and non-local effects in the localization of knowledge-intensive services. Growth And Change, 51(2), 584–606. https://doi.org/10.1111/grow.12368 Sarrafi, M., & Mohammadi, A. (2016). Analysis of spatial distribution pattern of knowledge-intensive firms case study: Tehran metropolis. Journal Of Spatial Planning, 20(3), 181-209. http://hsmsp.modares.ac.ir/article-21-2104-fa.html [In Persian]. Schwartz, D. (2006). The regional location of knowledge based economy activities in Israel. Journal Of Technology Transfer, 31(1), 31–44. https://doi.org/10.1007/s10961-005-5011-9 Sun, S. (2011). Reinterpreting china’s regional disparities from new economic geography’perspective. Lund university. https://B2n.ir/x15017 Szakálné Kanó, I., & Vas, Z. (2013). Spatial distribution of knowledge-intensive industries in hungary. Transition Studies Review, 19(4), 431–444. https://doi.org/10.1007/s11300-013-0261-y Traistaru, I., & Martincus, C. V. (2003). Determinants of manufacturing concentration patterns in mercosur. 43rd Congress of ERSA. http://ideas.repec.org/p/wiw/wiwrsa/ersa03p191.html Van Egeraat, C., & Curran, D. (2013). Spatial concentration in the Irish pharmaceutical industry: The role of spatial planning and agglomeration economies. Tijdschrift Voor Economische En Sociale Geografie, 104(3), 338–358. https://doi.org/10.1111/tesg.12008 Vence-Deza, X., & González-López, M. (2008). Regional concentration of the knowledge-based economy in the EU: Towards a renewed oligocentric model? European Planning Studies, 16(4), 557–578. https://doi.org/10.1080 /09654310801983472 Wu, K., Wang, Y., Ye, Y., Zhang, H., & Huang, G. (2019). Relationship between the built environment and the location choice of high-tech firms : Evidence from the pearl river delta. Sustainability, 11(13), 3689. https://doi.org/10.3390/su11133689 Xiao, L., & Ritchie, B. (2009). Access to finance for high-tech SMEs: Regional differences in China. Environment And Planning C: Government and Policy, 27(2), 246–262. https://doi.org/10.1068/c0817b Ženka, J., Slach, O., & Ivan, I. (2020). Spatial patterns of knowledge-intensive business services in cities of various sizes morphologies and economies. Sustainability (Switzerland), 12(5), 1–19. https://doi.org/10.3390/su12051845 Zhang, X. (2014). The impact of industrial agglomeration on firm employment and productivity in guangdong province China. Asian Economic and Financial Review, 4(10), 1389–1408. https://B2n.ir/n05372 Zhang, X., Yao, J., Sila-Nowicka, K., & Song, C. (2021). Geographic concentration of industries in Jiangsu China: A spatial point pattern analysis using micro-geographic data. Annals Of Regional Science, 66(2), 439–461. https://doi.org/10.1007/s00168-020-01026-x | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
آمار تعداد مشاهده مقاله: 24 تعداد دریافت فایل اصل مقاله: 3 |