نوع مقاله : مقاله پژوهشی
نویسندگان
1 پژوهشگر پژوهشکدۀ سیاستگذاری، دانشگاه صنعتی شریف، تهران، ایران
2 عضو هیئت‌علمی پژوهشکدۀ سیاستگذاری، دانشگاه صنعتی شریف، تهران، ایران
3 مدیرعامل سازمان عامل استقرار و توسعه منطقه ویژه علم و فناوری یزد، یزد، ایران
4 پژوهشگر پژوهشکده سیاستگذاری، دانشگاه صنعتی شریف، تهران، ایران
چکیده
کلیدواژه‌ها
عنوان مقاله [English]
نویسندگان [English]
Abstract
The significance of knowledge-based firms in transitioning to a knowledge-based economy and fostering regional development has become increasingly evident to researchers and policymakers. Over the past decade, Iran has witnessed remarkable growth in knowledge-based firms supported by various financial and non-financial incentives from the government. However, research has largely overlooked the spatial patterns of distribution and concentration of these firms at both national and sub-national levels, as well as the factors driving their concentration in specific regions. Understanding these spatial patterns and centralizing forces is crucial for policymakers aiming to design effective strategies for the development of peripheral regions and establishment of a regional innovation system. This study aimed to analyze the spatial concentration of knowledge-based firms and the factors influencing this process. To measure spatial concentration, we employed global Moran’s I and Getis-Ord Gi* statistics, while Ordinary Least Squares (OLS) regression was used to identify determinants. The results indicated that the distribution of knowledge-based firms was predominantly concentrated in metropolitan areas with no significant clusters forming in marginal regions, which had not reaped the associated benefits. The centralizing forces of economies of scale and urbanization had played a pivotal role in this spatial concentration. Additionally, our findings revealed a low degree of specialization among knowledge-based firms. Finally, we presented policy implications aimed at providing incentives for the geographical redistribution of knowledge-based firms in less developed and peripheral regions, while also promoting regional specialization.
Keywords: Knowledge-Based Firms, Spatial Concentration; Urbanization Economies, Economies of Scale, New Economic Geography.
Introduction
Knowledge is a fundamental driver of economic growth and a crucial component in enhancing competitiveness among countries and regions. In the shift toward a knowledge-based economy, knowledge-based firms play a vital role and have garnered increasing attention from both academic literature and policymakers. Industries and companies tend to cluster in specific locations, a phenomenon supported by extensive global evidence. The study of the geographic concentration of economic activities has a long history and has gained significant interest in recent years. Geographic concentration is essential for regional development as it enhances efficiency and fosters innovation among firms. However, some studies have also highlighted its negative aspects, such as the exacerbation of regional inequality. The self-reinforcing nature of spatial concentration creates favorable economic conditions for certain areas while leaving others relatively underdeveloped. Moreover, in regions where companies, industries, and populations are concentrated, negative externalities can arise, including congestion costs, pollution, high land rents, and disruptions to essential services, such as healthcare, education, and urban infrastructure. In Iran, the number of knowledge-based firms has grown significantly over the past decade with over 8,400 firms now registered. Given the importance of these firms in regional development, it is crucial to examine their geographic distribution patterns and concentration. A comprehensive understanding of the spatial distribution of knowledge-based firms is essential for policymakers seeking to implement effective innovation and regional policies at local, regional, and national levels. This research aimed to analyze the spatial distribution and concentration of knowledge-based firms in Iran and investigate the factors that contributed to this concentration.
Materials & Methods
This research was classified as applied and exploratory-confirmatory in nature, employing various methods to achieve its objectives. To measure the spatial concentration of knowledge-based firms, we utilized global Moran's I and local Moran's I statistics, along with Ordinary Least Squares (OLS) regression, to model the relationships between determining factors and spatial concentration. Data on knowledge-based firms were obtained from the website of the Vice Presidency for Technology and the Knowledge-Based Economy, while the data related to the independent variables were sourced from the annual publications of the Iranian Statistics Center.
Research Findings
The spatial distribution of knowledge-based companies was analyzed across several technology fields: 1) electricity and electronics, photonics, telecommunications, and automation systems; 2) information and communication technology and software; 3) advanced machinery and equipment; 4) advanced medicine, diagnostic, and treatment products; 5) commercialization services; 6) biotechnology, agriculture, and food industries; 7) cultural industries, creative industries, and human sciences; 8) medical devices, necessities, and equipment; and 9) advanced materials and products based on chemical technologies. The findings indicated a significant increase in the number of companies. In terms of technology sectors, the largest concentrations were found in electricity and electronics (1,822 companies), information technology (1,777 companies), and advanced machinery and equipment (1,721 companies). However, the distribution of knowledge-based firms was uneven, primarily concentrated in specific regions, particularly in the North-West (East Azerbaijan) and North-East (Khorasan-Razavi) areas. Notably, over half of the knowledge-based firms (51.5%) were located in Tehran Province followed by Isfahan (9.3%) and Razavi Khorasan (5.3%). This distribution aligned with the presence of metropolitan areas (cities with populations exceeding one million). Additionally, the degree of specialization among companies was assessed using the Herfindahl index, revealing an overall low level of specialization. In contrast, the southern and southeastern provinces demonstrated greater diversity in their knowledge-based industries.
The Moran's I index for the total number of knowledge-based firms, as well as for specific fields, such as electricity and electronics, advanced machinery and equipment, advanced materials and technology-based products, and medical devices and equipment, yielded positive values. With 999 random permutations, these results were significant at a level of less than 0.005. Thus, we rejected the assumption of randomness in the distribution of these firms and confirmed the presence of clustering, indicating spatial dependence in the data distribution. In contrast, Moran's I values for firms in information and communication technology, commercialization services, and biotechnology and agriculture were not significant, suggesting a lack of spatial autocorrelation. To identify local clusters, we employed the Getis-Ord statistic, which revealed a substantial cluster of high concentrations of knowledge-based firms extending from the northern region (Mazandaran Province) to the central areas (Isfahan Province). Conversely, clusters of low concentrations were observed in Hormozgan and Ilam provinces.
We utilized the OLS regression model to analyze the conditions and factors influencing the concentration of knowledge-based companies in specific regions. The results indicated that the independent variables accounted for 36% of the variance. Among these variables, the rate of industrialization and logarithm of the population in provincial capitals exhibited a positive and significant relationship with the concentration of knowledge-based firms. In contrast, the percentage of individuals with higher education and GDP share of provinces did not show significant correlations. Higher rates of industrialization and larger populations in provincial capitals were associated with greater concentrations of knowledge-based companies. This suggested that firms were more likely to establish themselves in areas with a robust industrial presence, which provided the necessary infrastructure, resources, and business ecosystem to support innovation and technological advancement. Additionally, larger urban populations typically offered more potential customers, a larger talent pool for skilled labor, and better access to services and amenities, all of which were attractive factors for knowledge-based companies.
Discussion of Results & Conclusion
Utilizing spatial data allowed us to circumvent the limitations associated with classical statistical methods for measuring spatial concentration. The findings indicated that knowledge-based firms exhibited autocorrelation and were concentrated in clusters within specific regions. However, the overall degree of specialization among these firms remained low. Clustering served as a strategy to leverage the positive externalities associated with spatial concentration. The concentration of knowledge-based firms was not attributable to a single factor; rather, a combination of centripetal forces drove this phenomenon. In this study, we focused on several of these centripetal forces with urbanization economies and economies of scale identified as the most significant contributors to the concentration of firms in particular areas. The results had important implications for policies aimed at
کلیدواژه‌ها [English]
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.
تمرکز 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» 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
|
نیروهای مرکزگرا |
نیروهای مرکزگریز |
|
اثر‌های اندازۀ بازار (پیوندها) |
عوامل غیرمتحرک |
|
بازار پررونق نیروی کار |
بهره‌های زمین |
|
صرفه‌های بیرونی خالص |
عدم صرفه‌های بیرونی خالص |
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
هدف 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 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.
در 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).
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).
تعریف 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.
در 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.
|
شکل 4: توزیع شرکت‌ها براساس حوزۀ فناوری (منبع: نگارندگان) |
شکل 5: تعداد شرکت‌های ثبت‌شده 1401- 1397 (منبع: نگارندگان) |
|
Figure 4: Frequency of firms by technology field |
Figure 5: Number of registered firms 2018-202 |
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
برای 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
|
حوزۀ فناوری |
نمایۀ موران |
مقدار z |
معناداری |
الگوی فضایی |
|
کل شرکت‌های دانش‌بنیان |
252/0 |
04/3 |
005/0 |
خوشه‌ای |
|
برق و الکترونیک، فوتونیک، مخابرات و سیستم‌های خودکار |
174/0 |
22/2 |
028/0 |
خوشه‌ای |
|
فناوری اطلاعات و ارتباطات و نرم‌افزارهای رایانه‌ای |
018/0 |
85/0 |
175/0 |
تصادفی |
|
ماشین‌آلات و تجهیزات پیشرفته |
186/0 |
03/2 |
039/0 |
خوشه‌ای |
|
مواد پیشرفته و محصولات مبتنی بر فناوری‌های شیمیایی |
259/0 |
62/2 |
013/0 |
خوشه‌ای |
|
دارو و فرآورده‌های پیشرفته و حوزۀ تشخیص و درمان |
183/0 |
98/1 |
043/0 |
خوشه‌ای |
|
خدمات تجاری‌سازی |
050/0 |
10/1 |
150/0 |
تصادفی |
|
فناوری زیستی، کشاورزی و صنایع غذایی |
009/0- |
269/0 |
357/0 |
پراکنده |
|
وسایل، ملزومات و تجهیزات پزشکی |
218/0 |
731/2 |
014/0 |
خوشه‌ای |
|
صنایع فرهنگی، صنایع خلّاق و علوم انسانی و اجتماعی |
- |
- |
- |
- |
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
برای 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
|
متغیرها |
ضرایب |
خطای استاندارد |
آمارۀ t |
سطح معناداری |
تورم واریانس |
|
عرض از مبدأ |
102/0- |
051/0 |
994/1- |
05/0 |
-------- |
|
درصد تحصیلات عالی |
001/0 |
0008/0 |
761/1 |
08/0 |
350/1 |
|
میزان صنعتی شدن |
000258/0 |
000098/0 |
998/0 |
*01/0 |
158/1 |
|
سهم GDP استان |
00056/0- |
0008/0 |
691/0- |
4/0 |
625/1 |
|
لگاریتم جمعیت شهرهای مرکز استان |
017/0 |
007/0 |
185/2- |
*03/0 |
51/1 |
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.
پژوهش 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.
نتایج 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.
)