درخت حوزه‌های تخصصی

بهره وری از جمله متغیرهای مهمی است که در جهت دادن به روش های اصولی اقتصادی برای سیاستگذاران در کشور نقش مهمی را ایفاء می کند. هدف از این مطالعه، برآورد بهره وری نیروی کار در سطح صنایع بزرگ استان فارس می باشد. برای این منظور مدل مورد بررسی توابع صریح C.E.S و کاپ - داگلاس را در برگرفته و از متغیرهای مستقل موجودی سرمایه، شکاف تولید و هزینه های تحقیق و توسعه استفاده شده و به دلیل نبود داده های مربوط به موجودی سرمایه خالص با استفاده از روش نمایی، داده های موجودی سرمایه خالص در استان فارس تخمین زده شده است. نتایج نشان میدهد که میزان بهره وری نیروی کار با موجودی سرمایه و هزینه های تحقیق و توسعه رابطه مثبت و با شکاف تولید رابطه منفی دارد. ضریب کشش برآورد شده متغیرهای فوق نسبت به بهره وری نیروی کار به ترتیب 43/0 ، 59/0 و 26/0- می باشد. همچنین، نتایج نشان داده که بهره وری در استان فارس همواره روندی نزولی داشته و رقم بهره وری در سال 1389 نسبت به سال 1364، 66 درصد کاهش یافته است. پایین بودن نرخ بهره وری در استان فارس به ساختار نامناسب سرمایه گذاری، عدم آگاهی از پدیده بهره وری و نبودن برنامه ریزی صحیح بهره وری در تولید برمی گردد.

در طول این سال ها، شرکت ها از طریق بهبود و بهینه سازی فرایندهای کسب و کار بدون افت بهره وری،کیفیت و زمان پاسخ دهی، یک مرز رقابتی برقرار کردند. از زمان انقلاب صنعتی، تکنیک های مدیریت فرایند، به طور مداوم رشد کرده اند. از توصیف فرایند و مدیریت گردش کار تا بهبود فرایند و مهندسی مجدد تا مدیریت فرایند کسب و کار (BPM) امروزی. زمانی که دیگر صنایع مدیریت فرایند کسب و کار را برای فرایندهای اصلی خود پذیرفتند، صنعت بیمه برای انجام مدیریت فرایند کسب و کار در مراکز اصلی خود از جمله بیمه گری و واحد خسارات بی میل بوده است. با این وجود اخیرا شرکت های بیمه به منافع و موفقیت های ناشی از مدیریت فرایند کسب و کار پی برده و آن را با نرخ فزاینده ای اجرا می کنند. در این مقاله، ما بازار مدیریت فرایند کسب و کار و آخرین روندهای آن را بررسی می کنیم و منافعی که مدیریت فرایند کسب و کار می تواند برای صنعت بیمه ایجاد کند را شناسایی می کنیم سپس به چالش هایی که یک بیمه گر در زمان اجرای مدیریت فرایند کسب و کار ممکن است با آن مواجه شود و اینکه چگونه می تواند به اجرای مؤثر مدیریت فرایند کسب و کار دست یابد نگاهی می اندازیم.

عوامل زیادی بر قیمت نفت خام تأثیر می گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش بینی این متغیر از طریق مدل های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل های تک متغیری روش مناسبی باشد. در این مدل ها از حافظه تاریخی متغیر برای مدل سازی و پیش بینی استفاده می شود. اما یکی از محدودیت های مدل های تک متغیری این است که برای حصول نتایج مناسب نیاز به داده های زیادی دارند. از آنجا که مدل های رگرسیون فازی برای پیش بینی دقیق نیاز به تعداد داده های کم تری دارند، در این تحقیق، از سه روش رگرسیون فازی، آریما و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (ترکیب دو روش مذکور) و از داده های روزانه قیمت نفت اوپک برای پیش بینی قیمت نفت خام اوپک استفاده شده است. نتایج حاکی از این است که مدل های رگرسیون فازی و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی علاوه بر این که از نظر تمام معیارهای متداول خطای پیش بینی، عملکرد بهتری نسبت به مدل آریما دارند با فراهم کردن بهترین و بدترین حالت، تصمیم گیری را نسبت به مدل آریما تسهیل کرده است. همچنین مدل ترکیبی به مراتب پیش بینی بهتری نسبت به مدل رگرسیون فازی ارائه می دهد و فاصله بازه تصمیم گیری را کوتاه تر می کند. تفاده از الگوی خودرگرسیون برداری (VAR) برآورد گردید. براساس نتایج مدل برآوردی، شوک های قیمت نفت در کوتاه مدت دارای تأثیر منفی بر تولید سبز است و علت آن این است که با استخراج نفت، استهلاک منابع طبیعی افزایش یافته و باعث کاهش تولید سبز می شود. اما در بلندمدت تأثیر مثبت بر تولید سبز دارد به این علت که در بلند مدت افزایش درآمد های نفتی باعث رشد واقعی سایر بخش ها می شود و این رشد استهلاک را جبران می کند.