چکیده
در این مقاله عوامل عمده مرتبط با شاخص بهره وری را برآورد می نماییم که سبب تجزیه و تحلیل غنی بهره وری در صنعت توریسم می شود. در اینجا به بررسی دو مشخصه مهم می پردازیم: ابتدا، ناهمگونی میان مقاصد گردشگری چندگانه، در ثانی، درونزایی بالقوه در ورودی ها. در این مقاله شاخص های مورد نظر را به طور عمده در سطوح کلان به کار می گیریم و بر مقایسه میان کشوری cross-country تمرکز می نماییم. در این مقاله عملکرد مربوط به مدل را از طریق مطالعات متنوع پیشین و با استفاده از رویکرد بیزی آزمایش می نماییم. ما مقاصد گردشگری را بر اساس بهره وری گردشگری رتبه بندی می نماییم و در مورد منابع اصلی و عمده مربوط به رشد بهره وری مباحثاتی انجام می دهیم. همچنین بهره وری با دوره زمانی بلندمدت (long-run) را اندازه گیری می نماییم و در رابطه با این موضوع بحث می نمایم که تشخیص اندازه گیری بهره وری در دوره زمانی بلندمدت (long-run) و دوره زمانی کوتاه مدت (short-run)، برای استراتژی های آتی مربوط به بهبود عملکرد، از اهمیت بالایی برخوردار می باشد.
1. معرفی
" در صنعت توریسم بهره وری دارای معنایی جامع و فراگیر نمی باشد. اما این تعریف در رابطه با اندازه گیری بهره وری در دوره زمانی بلند مدت، از معنایی فراگیر و جامع برخوردار می باشد. به طور کلی، توانایی یک کشور با توجه به بهبود استانداردهای زندگی در طول زمان، وابسته به توانایی آن در افزایش میزان خروجی های مورد نظر می باشد و این در شرایطی می باشد که تمامی نیروهای کار خود را به کار بگیرد" (کروگمن،1994،ص 9).
با توجه به داده های بدست آمده از سازمان جهانی توریسم، علی رغم این که در این سازمان به موضوع بهره وری در صنعت توریسم توجه بسیاری شده است، ادبیات گردشگری این موضوع را به طور جدی مورد بحث و بررسی قرار نداده است. اکثر مقاصد گردشگری تلاش می کنند تا بهره وری صنعت توریسم را افزایش دهند (کلبار، کمان، و میهالیک، 2016). همانطور که آسف و دایر (2013، ص1234) بیان می کنند، ارزیابی پایداری گردشگری و تجدید وضع فعالیت های گردشگری ضروری می باشد. میان بهره وری و سودآوری ارتباط مستقیمی وجود دارد و زمانی که بهره وری افزایش می یابد، رقابت صنعت توریسم در بازار کار، بازار سرمایه و بازار املاک و مستغلات افزایش می یابد.
Abstract
This paper estimates a total factor productivity index that allows for a rich decomposition of productivity in the tourism industry. We account for two important characteristics: First, the heterogeneity between multiple tourism destinations, and second, the potential endogeneity in inputs. Importantly we develop our index at the macro level, focusing on cross-country comparisons. Using the Bayesian approach, we test the performance of the model across various priors. We rank tourism destinations based on their tourism productivity and discuss the main sources of productivity growth. We also provide long-run productivity measures and discuss the importance of distinguishing between short-run and long-run productivity measures for future performance improvement strategies.
1. Introduction
“Productivity isn't everything, but in the long run it is almost everything. A country's ability to improve its standard of living over time depends almost entirely on its ability to raise its output per worker” (Krugman, 1994, p.9).
Despite being a high priority on the World Tourism Organization (UNWTO) research agenda, the productivity analysis of the tourism industry has not received much attention in the tourism literature. There is a continuous effort at most tourism destinations to strengthen the productivity of their tourism industry (Cvelbar, Dwyer, Koman, & Mihalic, 2016). As stated by Assaf and Dwyer (2013, p.1234), with the tourism industry often perceived as a low productivity industry, productivity analysis is “crucial to evaluating tourism sustainability and reshaping tourism activities. There is a direct link between productivity and profitability, as when productivity increases, the tourism industry's competitiveness in labour, capital and real estate markets also increase”.
چکیده
1. معرفی
2. معیار و بهره وری
3. شکاف تحقیقاتی در ادبیات موجود
4 مدلسازی
4.1. تجزیه
5. داده
6. نتایج
7. نتیجه گیری
منابع
Highlights
Abstract
Keywords
1. Introduction
2. Benchmarking and productivity
3. Current gaps in the literature
4. The model
4.1. Decomposition
4.2. The problem of instruments
5. Data
6. Results
7. Concluding remarks
APPENDIX A.
Modeling Heterogeneity
APPENDIX B.
Decomposition
Appendix C.
Particle filtering
References