نوع مقاله : مقاله مستخرج از رساله دکتری

نویسندگان

• اسفندیار جهانگرد ¹
• تیمور محمدی ²
• علی اصغر سالم ³
• فروغ اسمعیلی صدرآبادی ⁴

¹ دانشیار اقتصاد، گروه اقتصاد، دانشکده اقتصاد، دانشگاه علامه طباطبایی تهران، ‌‌ایران.

² استاد اقتصاد، گروه اقتصاد، دانشکده اقتصاد، دانشگاه علامه طباطبایی تهرا ن،‌‌ایران.

³ دانشیار اقتصاد، گروه اقتصاد، دانشکده اقتصاد، دانشگاه علامه طباطبایی تهران،‌‌ ایران.

⁴ استادیار اقتصاد، گروه اقتصاد، دانشکده اقتصاد، دانشگاه شهید بهشتی تهران،‌‌ ایران.

چکیده

چکیده گسترده
معرفی:
در حساب‌های ملی، هزینه‌های در رابطه با سرمایه نامشهود شامل، پایگاه داده‌های رایانه‌ای،تحقیق و توسعه، طراحی، حقوق صاحبان برند، آموزش خاص شرکت و کارآیی سازمان به عنوان سرمایه‌گذاری در حال گسترش است. (Corrado, Hulten, & Sichel, 2005). به عنوان مثال وقتی این دیدگاه گسترده از سرمایه‌گذاری در تجزیه و تحلیل منابع رشد گنجانده شد، سرمایه‌گذاری‌های نامشهود‌یک پنجم تا‌یک سوم رشد بهره‌وری نیروی‌کار در بخش صنعت اقتصاد ایالات متحده و اتحادیه اروپا و شرق و جنوب آسیا (هند، چین و ژاپن) را به خود اختصاص داده است. (Liang,2021 ؛Bhattacharya & Rath,2020 ؛ Rico & Cebrer-Bares,2020 ؛Hintzmann, Masllorens& Ramos Lobo,2021 ؛ Corrado, Haskel, Jona- Iommi ,2013؛Corrado, Hulten,& Sichel ,2009 ؛Marrano, Haskel, & Wallis ,2009 ؛Fukao, Miyagawa, Mukai, Shinoda, & Tonogi, 2009 ؛ van Ark, Hao, Corrado,    & Hulten, 2009)به منظور مدیریت منابع نامشهود به عنوان منبع رشد در سطح کلان اقتصادی و محرک ایجاد ارزش برای بنگاه‌های انفرادی، اندازه‌گیری آنها بسیار مهم است ( Corrado, Haskel, Iommi,2012). آشکار است مطالعات زیادی به سرمایه‌گذاری  نامشهود پرداخته است که این خود نشان دهنده‌ی اهمیت این موضوع می‌‌باشد.
بنابراین در این تحقیق، با تمرکز بر سرمایه‌گذاری نامشهود به  اندازه‌گیری سرمایه‌گذاری نامشهود پرداخته شده است. در ایران تاکنون مطالعات کمی‌‌در حوزه‌ی  اندازه‌گیری سرمایه‌گذاری نامشهود، با توجه به بضاعت آماری که در نحوه‌ی محاسبه و برآورد این نوع  سرمایه‌گذاری وجود دارد، انجام شده است. به عنوان مثال در مطالعه‌ی استادزاد و هادیان (1395) به اثر R&D بر رشد اقتصادی و مطالعه رحیمی‌‌راد و همکاران (1397) به بررسی عوامل مؤثر بر شدت هزینه‌های تحقیق و توسعه در کارگاه‌های صنعتی ایران پرداخته‌اند، اما تاکنون مطالعه‌ای که تمام اجزای سرمایه‌گذاری نامشهود در ایران را اندازه‌گیری کند و به بررسی تأثیر آن بر متغیرهای اقتصادی بپردازد، صورت نگرفته است (Ostadzad, & Hadian,2016, Rahimi Rad, Heydari, & Najarzadeh, 2017). در ایران مطالعاتی به شناسایی عوامل مؤثر در تعیین ارزش دارایی‌های نامشهود در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران انجام شده است. اما اندازه گیری سرمایه‌گذاری نامشهود با تعاریف جامع بین المللی و به تفکیک کد آیسیک چهاررقمی‌‌تاکنون انجام نشده است در نتیجه در این تحقیق سعی بر آن شده است که با استفاده از رویکرد کورادو و همکاران (2005) که به عنوان روشی قابل استناد در اکثر مطالعات معتبر کشورهای جهان برای اندازه‌گیری سرمایه‌گذاری نامشهود، تعریف شده است و همچنین با توجه به تعاریف جامع پذیرفته شده در سطح بین المللی از سرمایه‌گذاری نامشهود به نوعی این مهم  برای ایران پیاده سازی و به برآورد این متغیر مهم اقتصادی پرداخته شده است.
( Mashayikhi, Birami,& Birami, 2013 ؛ Corrado, Haskel, Jona- Iommi,2005؛ Fukao, Miyagawa, Mukai, Shinoda, & Tonogi, 2009).
بنابراین، در این مطالعه از رویکرد  CHS (رویکرد جامع و پذیرفته شده ای  که در اکثر مطالعات مهم ، از این رویکرد استفاده شده است) برای اندازه گیری سرمایه‌گذاری نامشهود استفاده شده است (Corrado, Hulten, and Sichel,2005).‌یکی از فعالیت‌های مهم  در کارکردهای اقتصاد ایران ، فعالیتهای صنایع کارخانه‌ای  مورد تایید مرکز آمار ایران  است که این مقاله ابتدا در صدد برآورد سهم و روند سرمایه‌های نامشهود در این فعالیت‌ها با رویکرد CHS بوده که با توجه به کمبود مطالعه در این زمینه برای اقتصاد ایران بسیار مهم است. همچنین نحوه‌ی تأثیر آن بر بهره‌وری کل عوامل تولید نیز از مبحث‌های بعدی این مطالعه است که می‌‌تواند راهشگای رهیافت‌های اقتصادی و تصمیمات مهمی‌‌در این زمینه باشد. برای‌یافتن پاسخ پرسش‌های تحقیق و نزدیک شدن به فرضیه‌های آن از دوره زمانی مورد مطالعه  1396- 1375 برای کارگاه‌های صنعتی ده نفر کارکن و بالاتر، به تفکیک کد آیسیک (ISIC) چهار رقمی‌‌استفاده شده است. مدل مورد استفاده داده‌های پانلی با روش GMM می‌‌باشد. نتایج حاکی از این است که سرمایه‌گذاری نا مشهود اثر مثبت و معنی داری بر بهره‌وری کل عوامل تولید دارد.در ادامه تحقیق، نیروی کار را به نیروی کار حرفه‌ای و غیر حرفه ای تقسیم بندی شده است. تخمین مدل اقتصادی  این پژوهش نشان می‌‌دهد که اثرگذاری نیروی کار ماهر بر بهره‌وری کل عوامل تولید در صنایع ایران ، نسبت به نیروی کار غیر ماهر در حدود 6 برابر است.
 
متدولوژی:
این بخش مدلی را ارائه می‌دهد که رابطه‌‌ی سرمایه‌گذاری نامشهود با بهره‌وری عوامل را تشریح می‌کند. فرض کنید که می‌توان ارزش‌افزوده صنعت بر حسب کد آیسیک چهار‌رقمی‌‌‌و ده نفر کارکن و بالاتر را در صنعت i و زمان t _t)،i   (Qبه صورت زیر نوشت:
      

 

 در سمت راست، L و K نیروی‌کار و سرمایه مشهود هستند. به همین‌ ترتیب R جریان خدمات  سرمایه  نامشهود و A‌‌‌یک اصطلاح تغییر است که امکان تغییر در بهره‌وری را فراهم می‌کند که L، K و R به بازده تبدیل می‌شوند. از معادله ‏(1) دیفرانسیل می‌گیریم
         

          

 بطوریکه ^X ϵ بیانگر کشش تولیدی عامل X است که در اصل با توجه به نهاده، صنعت و زمان متفاوت است. برای بررسی تجربی نقش نامشهودها به عنوان محرک رشد از ادبیات موجود استفاده می‌شود و دردو مرحله انجام می‌شود. ابتدا شرایط ϵ را در نظر بگیرید. برای‌یک شرکت با کمترین هزینه داریم:
                

 

جایی که s  سهم پرداختهای ‌‌این فاکتور نسبت به ارزش افزوده ‌است. بنابراین ‌‌این به سادگی شرط مرتبه اول‌‌‌یک بنگاه را از نظر کشش‌های تولید را بیان می‌کند. اگر معادله ‏(1) کاب داگلاس باشد، ϵ در طول زمان ثابت است و معادله ‏(2) ممکن است به‌‌‌یک مدل رگرسیون با ضرایب ثابت تبدیل شود. اگر ‏(1) مثلاً کشش جانشینی ثابت باشد، ϵ پس با گذشت زمان در تمام سطوح متفاوت خواهد بود، بنابراین ‏(2) ممکن است به عنوان مدل رگرسیون با تعامل بین همه نهاده‌ها نوشته شود. حال فرض کنید که‌‌‌یک شرکت می‌تواند از متغیرهای K، L‌‌‌یا R در سایر شرکت‌ها، صنایع‌‌‌یا کشورها بهره‌مند شود. بنابراین، همانطور که گریلیچز اشاره کرد، کشش صنعت ΔlnR در lnQ ∆‌ ترکیبی از کشش نهاده و ستانده ‌است. درنتیجه ما می‌توانیم استیروه دنبال کنیم و داریم (Griliches,1992  ؛ Stiroh,2002 ):
         

                         

که نشان می‌دهد کشش‌های  تولیدی عوامل با وزن عوامل برابر هستند به علاوه، در‌‌اینجا انعطاف پذیری انحراف از وزن عوامل به دلیل سرریز وجود دارد. همه‌‌ اینها را در می‌توان در معادله ‏(2) نشان داد:
 

 

دوم، Δln Q_i,t در نظر بگیرید. همانطور که گریلیچز و شانکرمن خاطر نشان کردند، اگر نهاده‌های R&D در  L و K متعارف بگنجانیم  و‌‌یک مدل رگرسیون برای تعیین کشش تولیدی R&D استفاده شود، نتایج دارای انحراف خواهد بود. نکته اصلی ‌‌این استدلال ‌‌این است که نامشهودها (مانند تحقیق و توسعه) دارایی‌های طولانی مدت هستند و نه نهاده‌های واسطه‌‌ای، و باید به عنوان سرمایه‌گذاری در ارزش افزوده گنجانده شوند (Griliches,1980؛ Schankerma,1981). با بیان ارزش افزوده معمولی به عنوان V (که در آن نامشهودها به عنوان واسطه رفتار می‌شوند)، می‌توانیم به صورت زیر بنویسیم:
               

 

بطوریکه  N‌‌یک سرمایه‌گذاری  نامشهود واقعی است و ما سهم هزینه‌های سرمایه‌گذاری نامشهود را در Q اسمی‌به عنوان s^R تقریب داده‌‌ایم. با جایگزینی ‏(6) به ‏(5) داریم:
 

 

اگر عبارت بالا را برحسب ΔlnV_i,t داریم:
 

 

برای سادگی فرض کرده‌‌ایم که lnR = ΔlnN∆ (مانند حالت "مصرف حداکثر" حالت پایدار). برای مدلسازی بهره‌وری عوامل از مطالعات کیوز، کریستنسن و دایورت کمک گرفته شده‌ است و شاخص lnTFP∆ با تابع تولید ‌ترانسلوگ به صورت زیر ساخته می‌شود (Caves, Christensen, & Diewert ,1982):
 

 

 
 
 
 
 
جایی که ∆lnTFP_i,t= ∆lnTFPQ_i,t  و ∆lnTFPQ_i,t به صورت زیر محاسبه می‌شود:
 

 

بدیهی است که ‌‌این رویکردها دارای مزایا و مضراتی هستند اما تخمین ‌‌این رگرسیون به طور بالقوه از عواملی که در  TFP  نقش بسزایی داشتند و سرکوب شدند، آشکار می‌سازد.
 
یافته­ها:
برای اقتصاد ایران، سهم تشکیل سرمایه ثابت نامشهود نسبت به کل تولید قابل ملاحظه است. برای 132 کد در نظر گرفته برای سالهای 1375 تا 1396، به طور متوسط، سهم سرمایه‌گذاری نامشهود نسبت به کل تولید برابر41.68 درصد می‌باشد. که این رقم قابل تامل است.
نتایج نشان می‌دهد، برخلاف رویکرد سنتی، سرمایه‌گذاری نامشهود در کالاهای واسطه‌ای گنجانده نشده است بلکه به عنوان عامل مهم و اصلی در تابع تولید آمده است. تعداد بالای مشاهدات به تخمین دقیق‌تر مدل کمک کرده است. ضریب اثرگذاری اشتغال با احتساب نیروی کار حرفه‌ای و غیرحرفه‌ای، تقریبا به طور متوسط برابر 22 /  می‌باشد که اثر مثبت و معنی داری بر TFP دارد. همچنین اگر سرمایه فیزیکی ده درصد رشد‌یابد، بهره‌وری کل عوامل تولید تقریبا به طور متوسط 2.3 درصد درهمان جهت به صورت معنی دار رشد می‌‌کند. نکته‌ی قابل توجه میزان اثرگذاری سرمایه‌گذاری نامشهود می‌‌باشد که اگر این نوع سرمایه‌گذاری در میان صنایع مختلف کارخانه‌ای  ده درصد رشد‌یابد، می‌‌تواند به طور متوسط به رشد بهره‌وری عوامل تولید به میزان 3.5 درصد کمک کند. که در واقع نقش سرمایه‌گذاری‌های نامشهود در صنایع کارخانه‌ای  در دنیای امروزی را پررنگ نشان می‌‌دهد. این نتایج نشان می‌‌دهد که سهم تولید صنایع ایران تنها معطوف به سرمایه‌گذاری فیزیکی و نیروی کار نمی‌‌باشد، و نوع دیگری از سرمایه‌گذاری به نام سرمایه‌گذاری نامشهود وجود دارد که نه تنها مؤثر است بلکه در میزان اثرگذاری آن بر تولید صنایع و بالتبع بهره‌وری آن ها از مابقی مولفه‌ها برتری‌یافته است. که با مطالعه‌ی صنایع بزرگ جهان مانند مایکروسافت، می‌‌توان ‌یافت ارزش بازاری آن در سال 2006 در مقایسه با ارزش سرمایه‌گذاری فیزیکی و نیروی کار آن بسیار بزرگ‌تر است که این تفاوت مقدار در حیطه‌ی سرمایه‌گذاری نامشهود گنجانده شده است. بنابراین برای اکثر صنایع در کشور‌های مختلف دور از واقع نیست که میزان سرمایه‌گذاری نامشهود نسبت به مابقی مولفه‌های اثرگذار تأثیر بیشتری داشته باشد. درنتیجه، فرضیه اول مبنی بر اینکه رابطه‌ی مثبت و معنی داری بین سرمایه‌گذاری نامشهود بر بهره‌وری کل عوامل تولید می‌‌باشد را می‌‌توان در سطح 99 درصد با ضریب اثر گذاری356/.  پذیرفت.
همچنین، به ازای ده درصد افزایش نیروی کار ماهر، بهره‌وری کل عوامل تولید به طور متوسط  تقریبا 6/0 درصد تغییر می‌‌کند.در حالی که این رقم برای نیروی کار غیرماهر تقریبا 1/0 درصد است. این نتایج نشان می‌‌دهد علاوه بر اینکه سرمایه‌گذاری نا مشهود بر بهره‌وری تأثیر مثبت و معنی داری دارد، نیروی کار ماهر هم به رشد بهره‌وری صنایع کارخانه‌ای کمک می‌‌کند.
نتیجه گیری:
اهمیت سرمایه‌گذاری نامشهود نسبت به سطح سرمایه‌گذاری در دارایی‌های مشهود که ما قصد داریم با آنها سرمایه‌گذاری کنیم، از جمله زیرساخت‌های حمل و نقل، ماشین آلات و نیروگاه‌ها و غیره در حال رشد است. در نتیجه، نقش سرمایه‌گذاری نامشهود برای درک و پیش بینی روند بهره‌وری، رشد اقتصادی و نوآوری اهمیت فزاینده‌ای پیدا می‌‌کند. اهمیت سرمایه‌گذاری نامشهود مانند تحقیق و توسعه ‌یا نرم‌افزار، برای توصیف بهره‌وری، رقابت پذیری و رشد اقتصادی، مدت هاست که توسط ادبیات اقتصادی و آمارشناسان به رسمیت شناخته شده است. در نظر گرفتن سرمایه‌گذاری در نامشهودها به‌یک فهم بهتر از تفاوت در روند تحولات بهره‌وری در سراسر کشور می‌‌انجامد. در این تحقیق ابتدا سعی شد به اندازه گیری سرمایه‌گذاری نامشهود با رویکرد CHS  برای کدهای آیسیک چهار رقمی ‌‌صنایع کارخانه‌ای ده نفر کارکن و بالاتر پرداخته شود. میزان سهم بالای سرمایه‌گذاری نامشهود نسبت به تولیدات کل هر صنعتی نشان دهنده‌ی اهمیت این موضوع می‌‌باشد. سپس متغیر سرمایه‌گذاری نامشهود را به عنوان جزء اصلی در کنار سرمایه‌گذاری فیزیکی و نیروی کار در تابع تولید آورده شد. مشاهدات نشان داد که سرمایه‌گذاری نامشهود اثر مثبت و معنی داری بر بهره‌وری کل عوامل تولید گذاشته است و ضریب بالای آن نشان دهنده‌ی میزان تأثیرگذاری سرمایه‌گذاری نامشهود بر TFP می‌‌باشد و حذف آن در تابع تولید ، برآورد TFP را با خطای اریبی همراه کرد. برای اینکه میزان تأثیر نیروی کارحرفه‌ای را در بهره‌وری عوامل تولید نشان داده شود، نیروی کار به ماهر و غیر ماهر جدا کردیم و نتایج از میزان اثرگذاری بیشتر به میزان تقریبا شش برابری نیروی کار حرفه‌ای و متخصص بر بهره‌وری عوامل تولید حاکی است. در نتیجه در صنایع کارخانه‌ای ایران، پیشنهاد می‌‌شود با تمرکز بیشتر در تحقیق و توسعه صنایع ، ICT، استخدام نیروی کار ماهر و متخصص و توجه بیشتر به تبلیغات و برند سازی و حمایت دولت از اقتصاد دانش بنیان و به طور کلی با سرمایه‌گذاری بیشتر بر موارد 9 گانه رویکرد  CHSسرمایه‌گذاری نامشهود، باعث بهره‌وری عوامل تولید در صنایع کشور شد.

کلیدواژه‌ها

• سرمایه‌گذاری نامشهود
• بهره‌وری کل عوامل تولید
• رویکرد CHS
• داده‌های پانلی

موضوعات

• اقتصاد کلان

عنوان مقاله [English]

The effect of intangible investment on the total factor productivity in Iran's industries

نویسندگان [English]

• esfandyar jahangard ¹
• Teymour Mohammadi ²
• Ali Asghar Salem ³
• Forough EsmaeilySadrabadi ⁴

¹ Professor of Economics, Department of Economics, Faculty of Economics, Allameh Tabatabai University, Tehran, Iran.

² Professor of Economics, Department of Economics, Faculty of Economics, Allameh Tabatabai University, Tehran, Iran.

³ Associate Professor of Economics, Department of Economics, Faculty of Economics, Allameh Tabatabai University, Tehran, Iran

⁴ Assistant Professor of Economics, Department of Economics, Faculty of Economics, Shahid Beheshti University, Tehran, Iran.

چکیده [English]

EXTENDED ABSTRACT
 
INTRODUCTION
In national accounts, costs related to intangible capital include computer databases, research and development, design, brand equity, company-specific training, and organizational efficiency as investments has expanded (Corrado, Hulten, and Sichel, 2005). When this broad view of investment is included in the analysis of the sources of growth, intangible investments account for one-fifth to one-third of labor productivity growth in the industrial sector of the United States and the European Union and East and South Asia (India, China and Japan ((Liang,2021 ؛Bhattacharya and Rath,2020 ؛ Rico and Cebrer-Bares,2020 ؛Hintzmann, Masllorens& Ramos Lobo,2021 ؛ Corrado, Haskel, Jona- Iommi ,2013؛Corrado, Hulten,and Sichel ,2009 ؛Marrano, Haskel, and Wallis ,2009 ؛Fukao, Miyagawa, Mukai, Shinoda, and Tonogi, 2009 ؛ van Ark, Hao, Corrado, and Hulten, 2009). In order to manage intangible resources as a source of growth at the macroeconomic level and a driver of value creation for individual firms, their measurement is very important( Corrado,Jonathan HaskelCecilia, Jona-LasinioMassimiliano Iommi,2012). It is obvious that many studies have focused on intangible investment, which shows the importance of this topic.
Therefore, in this research, focusing on intangible investment, intangible investment has been measured. In Iran, due to the lack of statistics on how to calculate and estimate this type of investment, few studies have been conducted in the field of intangible investment measurement.   For example, in the study of Ostadzad and Hadian (2014) on the effect of research and development on economic growth and the study of Rahimi Rad, Heydari and Najarzadeh (2016) investigated the factors affecting the intensity of research and development costs in industrial workshops of Iran. But so far, this study has not been done to measure all the components of intangible investment in Iran and investigate its effect on economic variables.
In Iran, studies have been conducted to identify effective factors in determining the value of intangible assets in companies listed on the Tehran Stock Exchange. However, the measurement of intangible investment with comprehensive international definitions and separated by the four-digit ISIC code has not been done so far. As a result, in this research, it has been tried to use the approach of Corrado et al. (2005), which is a method that can be cited in most Valid studies of the countries of the world have been defined to measure intangible investment, and also according to the comprehensive definitions accepted at the international level of intangible investment, this importance has been implemented for Iran and this important economic variable has been estimated (Mashaikhi, Birami and Birami, 2013; Corrado et al, 2005; Fukao, Miyagawa, Mukai, Shinoda, and Tonogi, 2009).
Therefore, in this study, the CHS approach (a comprehensive and accepted approach that has been used in most important studies) has been used to measure intangible investment(Corrado, Hulten, and Sichel,2005). One of the important activities in the functions of Iran's economy is the activities of factory industries approved by the Iranian Statistics Center. This article first aims to estimate the share and trend of intangible capital in these activities with the CHS approach, which due to the lack of studies in this field is very important for Iran's economy.
Also, how it affects the productivity of the entire production factors is also one of the next topics of this study, which can be the way of economic approaches and important decisions in this field. In order to find answers to the research questions and approach its hypotheses, the studied time period of 1996-2018 has been used for industrial workshops with ten workers and above, separated by the four-digit ISIC code. The model used is panel data with GMM method. The results indicate that intangible investment has a positive and significant effect on the productivity of all production factors. In the continuation of the research, the workforce has been divided into professional and non-professional workforce. The estimation of the economic model of this research shows that the effect of skilled labor on the total productivity of production factors in Iranian industries is about 6 times compared to unskilled labor.
 
METHODOLOGY
This section presents a model that describes the relationship between intangible investment and factor productivity. Assume that the added value of the industry according to the four-digit ISIC code and ten workers and above in industry i and time t can be written as follows:
 

                                      

On the right side, L and K are labor and capital. Similarly, R is the flow of intangible capital services and A is a change term that allows for changes in productivity as L, K, and R become returns. We get the differential from equation (1):

   

So that ϵ^X represents the production elasticity of factor X, which is basically different according to input, industry and time. To empirically examine the role of intangibles as growth drivers, existing literature is used and it is done in two stages. First, consider the condition of ϵ. For a company with the lowest cost, we have:
 

 

where s is the share of payments of this invoice in relation to added value. So this simply expresses the first-order condition of a firm in terms of production elasticities. If equation (1) is Cobb-Douglas, ϵ is constant over time, and equation (2) may be transformed into a regression model with constant coefficients. . If (1), for example, the elasticity of substitution is constant, then ϵ will vary over time at all levels, so (2) may be written as a regression model with interactions among all inputs. Now suppose that a firm can K, L or R variables can be used in other companies, industries or countries. Therefore, as Griliches pointed out, the industry elasticity ΔlnR in lnQ ∆ is a combination of input and output elasticity. As a result, we can follow Stiroh and we have (Griliches, 1992; Stiroh, 2002):
 

 

which shows that the productive elasticities of the factors are equal to the weight of the factors. In addition, here there is the flexibility of deviation from the weight of the factors due to spillover. All this can be shown in equation
 
 

   

Second, consider Δln Qi,t. As Grilichs and Shankerman pointed out, if we include the R&D inputs in conventional L and K and use a regression model to determine the R&D production elasticity, the results will be biased. The main point of this argument is that intangibles (such as research and development) are long-term assets and not intermediate inputs, and should be included as value-added investments (Griliches, 1980; Schankerma, 1981). Adding the normal as V (where the intangibles are treated as intermediates), we can write:
                 

    

So that N is a real intangible investment and we have approximated the share of intangible investment costs in nominal Q as sR. Substituting (6) into (5), we have:
 

 

If we have the above expression in terms of ΔlnVi,t:
 

 

For simplicity we have assumed that Δ lnR = lnN∆ (as in the steady-state "max consumption" case). To model the efficiency of factors, the studies of Caves, Christensen and Diewert have been used, and the ∆lnTFP index is constructed with the translog production function as follows (Caves, Christensen, & Diewert, 1982):
 

 

where ∆lnTFPi,t= ∆lnTFPQi,t and ∆lnTFPQi,t is calculated as follows:
 

 

Obviously, these approaches have advantages and disadvantages, but the estimation of this regression potentially reveals the factors that played a significant role in TFP and were suppressed.
FINDINGS
To measure the intangible capital from Iranian factory data with four-digit ISIC code during 1996 to 2018 is 2190. The data shows that the ratio of intangible capital to production for all industries is equal to 68.41%, which shows the high impact of intangible capital on Iranian industries^[1].
The results show that, contrary to the traditional approach, intangible investment is not included in intermediate goods, but is included as an important factor in the production function. The high number of observations has helped to estimate the model more accurately. The employment impact factor, including professional and non-professional labor force, is approximately equal to 22/, which has a positive and significant effect on TFP.Also, if the physical capital grows by ten percent, the total factor productivity will grow significantly by 2.3 percent on average in the same direction. The remarkable thing about the impact of intangible investment is that if this type of investment grows by 10 percent among various manufacturing industries, it can help to increase the TFP by 3.5 percent on average, which actually shows the role of intangible investments in factory industries in today's world.
These results indicate that the production share of Iran's industries is not only focused on physical investment and labor, and there is another type of investment called intangible investment, which is not only effective but also in the extent of its effect on industrial production is superior to the rest of the components.
By studying the world's major industries such as Microsoft, it can be found that its market value in 2006 is much larger compared to the value of its physical investment and labor force, and this difference in value is included in the area of intangible investment.
Therefore, for most industries in different countries, it is not far from reality that the amount of intangible investment has a greater impact than the rest of the effective components. As a result, the hypothesis that there is a positive and significant relationship between intangible investment on the productivity of all production factors can be accepted at the level of 99% with an impact factor of /356.
Also, for a ten percent increase in skilled labor, the TFP changes on average by approximately 0.6 percent, while this figure is approximately 0.1 percent for unskilled labor. These results show that in addition to intangible investment having a positive and significant effect on productivity, skilled labor also helps to grow the productivity of factory industries.
 
CONCLUSION
The importance of intangible investment is growing relative to the level of investment in the tangible assets we intend to invest with, including transport infrastructure, machinery and power plants, etc. As a result, the role of intangible investment becomes increasingly important for understanding and predicting productivity trends, economic growth and innovation. The importance of intangible investment, such as research and development or software, to describe productivity, competitiveness and economic growth, has long been recognized by economic literature and statisticians.Considering investment in intangibles leads to a better understanding of differences in productivity trends across countries. In this research, firstly, the measurement of intangible investment with the CHS approach for the four-digit ISIC codes of factory industries with ten employees and above was discussed. The high share of intangible investment compared to the total production of each industry shows the importance of this issue. Then the intangible investment variable was brought as the main component next to physical investment and labor in the production function. Observations showed that intangible investment had a positive and significant effect on the productivity of all production factors. Its high coefficient indicates the impact of intangible investment on TFP, and its omission in the production function caused TFP estimation to have a bias error. In order to show the impact of the professional workforce on the productivity of production factors, we separated the workforce into skilled and unskilled, and the results show that the impact of professional and expert workforce is almost six times greater on TFP.
 
[1] The Statistics Center of Iran has been used to obtain the data. The years used are from 1996 to 2018. The estimated components are intangible investment, physical investment, labor force and production volume, to calculate the productivity index of production factors. The obtained data have been used separately according to the economic activity ranking classification code with version 4 from the Statistics Center of Iran. In the codes, we merged them with similar codes, and as a result, the number of codes is 132, which is the total number of data for the years 1996 to 2018 is equal to 2190, and the volume of data is worth considering for the correct estimation.

کلیدواژه‌ها [English]

• Intangible investment"
• Total factor productivity"
• CHS approach"
• Iran factory industries
• "
• Panel Data"