درخت حوزه‌های تخصصی

ساختار اقتصاد استان تهران با توجه به سهم بخش خدمات از کل ستانده و اشتغال استان که در سال 1380 به ترتیب 57 و 63 درصد می باشد، خدمات محور به شمار می رود و از این منظر، مشابه ساختار اقتصادهای پیشرفته است. هدف این مقاله، تبیین ساختار اقتصاد خدمات محور استان با استفاده از الگوی داده- ستانده و پیوندهای بین بخشی به روش بردار ویژه می باشد. در این راستا، سؤال اساسی تحقیق این است که آیا به کارگیری روش بردار ویژه نسبت به روش های سنتی چنری- واتانابه و راسمیوسن می تواند اهمیت بخش های استان را برمبنای میزان ماندگاری واسطه ای در چرخه تولید بهتر ارزیابی نماید؟ در این مطالعه، ابتدا جدول داده- ستانده سال 1380 استان تهران به روش AFLQij برآورد و سپس اهمیت بخش های اقتصادی استان برحسب پیوندهای پسین و پیشین در قالب سه روش چنری- واتانابه، راسمیوسن و بردار ویژه، مورد سنجش قرار گرفت. نتایج حاصله نشان می دهند که روش بردار ویژه می تواند اهمیت بخش های اقتصادی استان را بر مبنای میزان ماندگاری واسطه ای بخش ها در چرخه تولید تبیین نماید، بدین صورت که چهار بخش با سهم غالب فعالیت های صنعتی، به عنوان بخش کلیدی ظاهر شدند که متوسط سهم تقاضای نهایی از تولید کل آنها برابر 5/45 درصد می باشد، حال آنکه نسبت فوق برای 71 بخش اقتصادی و بخش های خدماتی استان، به ترتیب 76 درصد و 84 درصد است. در مجموع، نتایج حاصله تصویر متفاوتی از ماهیت بخش خدمات نسبت به اقتصادهای پیشرفته به دست می دهد و بدین ترتیب، به نظر می رسد که ماهیت خدمات در استان تهران برخلاف این اقتصادها، بیشتر خدمات مصرفی تا خدمات تولیدی است.

در این‌ مقاله‌، روشی‌ برای‌ ارزیابی‌ و اندازه‌گیری‌ میزان‌ قدرت‌ پیش‌بینی‌ آینده‌ جدولهای‌داده‌-ستانده‌ به‌ دست‌ می‌دهیم‌. همچنین‌ نتایج‌ مطالعه‌ تجربی‌ بر روی‌ جدول‌ داده‌-ستانده‌ سال‌1367 تهیه‌ شده‌ در بانک‌ مرکزی‌ ایران‌ و جدول‌ سال‌ 1370 تهیه‌ شده‌ در مرکز آمار ایران‌ که‌ بااستفاده‌ از این‌ روش‌ انجام‌ شده‌ است‌ را برمی‌شماریم‌. در این‌ مقاله‌، ابتدا سطرها و ستونهای‌جدولهای‌ یادشده‌ براساس‌ طبقه‌بندی‌ ISIC به‌ 11 بخش‌ عمده‌ اقتصادی‌ تقلیل‌ داده‌ شد و سپس‌با استفاده‌ از یک‌ ماتریس‌ تبدیل‌ حاصل‌ از جدول‌ و اجزای‌ اصلی‌ تقاضای‌ نهایی‌، ارزش‌ افزوده‌11 بخش‌ موردنظر برای‌ یک‌ دوره‌ 4 ساله‌ و یک‌ دوره‌ 9 ساله‌ بعد از سال‌ جدول‌، محاسبه‌ شده‌است‌. مقایسه‌ مقادیر پیش‌بینی‌ شده‌ با مقادیر واقعی‌، نشان‌ می‌دهد که‌ پس‌ از گذشت‌ 4 تا 6سال‌، هر دو جدول‌ یادشده‌، از نظر پیش‌بینی‌ آینده‌، قابلیت‌ اطمینان‌ کمتری‌ خواهند داشت‌.بنابراین‌، پژوهشگران‌ باید در استفاده‌ از نظامهای‌ داده‌-ستانده‌ در پیش‌بینی‌ ارزش‌ افزوده‌ برای‌برنامه‌ریزیهای‌ اقتصادی‌، احتیاط لازم‌ را به‌ عمل‌ آورند. به‌ علاوه‌، در این‌ مقاله‌ می‌بینیم‌ که‌ هر دوجدول‌، در پیش‌بینی‌ ارزش‌ افزوده‌ برخی‌ از بخشها، نارساییهایی‌ دارند، لیکن‌ پدر مجموع‌پ،جدول‌ سال‌ 1370، در این‌ مورد، از قابلیت‌ اطمینان‌ نسبی‌ بیشتری‌ برخوردار است‌.

در مطالعه حاضر نمونه ای از کاربرد الگوسازی چندسطحی برای تحلیل جداول داده- ستانده منطقه ای ارائه شده است. برای این منظور ابتدا جداول داده- ستانده کلیه استان های کشور براساس روش سهم مکانی اصلاح شده فلگ استخراج شده اند. سپس متمایز بودن ضرایب فنی لئونتیف و پیوندهای پسین و پیشین بین فعالیت ها و بخش های اقتصادی استان های مختلف، با استفاده از الگوهای سه سطحی و دو سطحی، آزمون شده است. نتایج حاصل از تجزیه واریانس بین سطوح مختلف نشان می دهد فعالیت ها، بخش ها و استان های مختلف از لحاظ شاخص های مذکور ناهمگن هستند. بنابراین تجمیع فعالیت های جداول داده- ستانده و همچنین تلفیق فضایی جداول داده- ستانده منطقه ای با یکدیگر منجر به کاهش دقت و خطا در تحلیل ها می گردد.

مقاله حاضر به شناسایی زنجیره های تولید[1] با استفاده از شاخص میانگین طول انتشار[2]برای اقتصاد ایران با استفاده از جدول داده ستانده سال 1380 می پردازد. ابتدا به اندازه گیری پیوند های پسین و پیشین فعالیت ها می پردازیم و سپس، ماتریس شاخص میانگین طول انتشار و در نهایت، شناسایی زنجیره های تولیدی را با استفاده از جدول داده ستانده تجمیع شده شش بخشی و بیست وهشت بخشی به دست می آوریم. نتایج حاکی از آن است که با بررسی پیوندهای پسین و پیشین فعالیت های اقتصادی، بخش های صنعت و آب،برق و گاز به عنوان بخش های کلیدی شناسایی شدند.همچنین با مقایسه میانگین طول انتشارهای پسین و پیشین نتایج نشان می دهند که بزرگ ترین میانگین طول انتشار پیشین متعلق به بخش کشاورزی و سپس، بخش معدن و کوچک ترین مقادیر متعلق به بخش خدمات و ساختمان است. بزرگ ترین میانگین طول انتشارهای پسین نیز متعلق به بخش ساختمان و کشاورزی و کوچک ترین مقادیر متعلق به بخش معدن و خدمات است. نکته و نتیجه مهم این بوده که در هر دو مورد جدول 6 بخشی و جدول 28 بخشی بخش معدن در بین فعالیت های اقتصادی در ابتدای چرخه تولید اقتصاد ایران قرار می گیرد.

محاسبه جدول متقارن داده- ستانده متکی بر دو فرض تکنولوژی بخش و کالاست. اوّلی درایه های غیرمنفی در جدول را تضمین می کند ولی فاقد پایه نظری قابل قبول است. هر چند دومی، از پایه نظری نسبتاً قابل قبولی برخوردار اما ظهور عناصر منفی در آن اجتناب ناپذیر و تفسیر اقتصادی عناصر منفی غیرممکن می باشد. دو نوع واکنش برای برون رفت از مساله ظهور عناصر منفی در برخورد تحلیلگران داده- ستانده مشاهده می شود. گروهی از تحلیلگران به طور کلی، فرض تکنولوژی کالا را رد می کنند، در حالی که گروهی از اقتصاددانان، بر این باورند که باید با این چالش مدارا نموده و از روش های حذف تدریجی عناصر منفی برای حل این مساله، استفاده کرد. بانک مرکزی به منظور احتراز از ظهور عناصر منفی، فرض تکنولوژی بخش را مبنای محاسبه جداول متقارن سال های 1367 و 1378 قرار می دهد. حال آنکه، مرکز آمار ایران در ابتدا از فرض تکنولوژی بخش حمایت می کند و بر مبنای آن، جدول متقارن سال 1365 را محاسبه می کند، پس از آن، عبارت «عمدتاً فرض تکنولوژی کالا با تعدیلاتی در چارچوب تکنولوژی مختلط» را اساس استخراج جدول متقارن 1380 قرار می دهد. در گزارش های مرکز آمار ایران دقیقاً مشخص نیست که از کدام روش برای حذف عناصر منفی استفاده شده است. ذکر این نکته ضرورت دارد که این مساله تاکنون مورد توجه پژوهشگران اقتصاد داده- ستانده در ایران قرار نگرفته است. در این مقاله، با استفاده از الگوریتم ریاضی آلمن و بر مبنای ماتریس های ساخت و جذب مرکز آمار ایران برای سال 1380، برای نخستین بار در مطالعات مربوط به حوزه اقتصاد داده- ستانده ایران و ضمن استفاده از فرض تکنولوژی کالا، جدول داده- ستانده متقارنی را محاسبه می کنیم که فاقد عناصر منفی است و تراز جدول نیز حفظ می شود. در این مطالعه، ارقام مستخرج از الگوریتم آلمن با ارقام متناظر در جدول متقارن مرکز آمار ایران مقایسه می گردند. یافته های تحقیق حاکی از آن است که در الگوریتم آلمن، میزان تعدیل های مورد نیاز روی جدول متقارن کالا در کالا با فرض تکنولوژی کالا بسیار کمتر از میزان تعدیل هایی است که مرکز آمار برای حذف درایه های منفی استفاده نموده است. به کارگیری روش مذکور برای محاسبه جداول متقارن آتی بویژه محاسبه جدول متقارن سال 1390 که اخیراً در دستور کار مرکز آمار ایران قرار گرفته است، پیشنهاد می گردد.

در پنج دهه گذشته تحلیل گران اقتصاد داده- ستانده دو رویکرد ماتریس ضرایب داده – ستانده و ماتریس مبادلات واسطه ای بین بخشی که هردو مبتنی بر الگوریتم های تکرارند را در بهنگام سازی جداول داده- ستانده مورد استفاده قرار داده اند. اولی پایه نظری تابع تولید دارد و از مقبولیت بیشتری نسبت به رویکرد دوم برخوردار است که فقط جنبه حسابداری دارد و کمتر مورد توجه قرار گرفته است. اما نکته چالش برانگیز، نتایج یکسان و یا متفاوت بودن بکارگیری دو رویکرد بین تحلیلگران اقتصاد داده- ستانده است. گروهی بر اختلاف نتایج تاکید دارند، حال آنکه مشاهدات گروه دیگر حاکی از یکسان بودن نتایج است. هیچیک از دو گروه عواملی همچون تجمیع و سرعت همگرایی روش ها را در این دو رویکرد مورد توجه قرار نداده اند. بررسی جنبه های نظری و کاربردی این موضوعات محورهای اصلی این مقاله را تشکیل می دهند. با استفاده از جداول آماری داده ستانده سالهای 1375 و 1380 ایران، این رویکردها با تاکید بر تجمیع و سرعت همگرایی در قالب جداول سه بخشی، هفت بخشی، پانزده بخشی و بیست و یک بخشی بصورت کمی مورد سنجش قرار می گیرند. یافته های کلی مقاله عبارتند از: یک- خطاهای آماری بین دو رویکرد وجود دارند اما ناچیزند. دو- سرعت همگرایی رویکرد اول بیشتر از سرعت همگرایی رویکرد دوم است.

در مقاله ی حاضر سعی شده تا با استفاده از اطلاعات جدول داده- ستانده ی استان فارس(1386) و با اتکا به تلفیق شاخص های ارتباطات بین بخشی و اشتغال زایی، بخش ها ی دارای اولویت استان مشخص گردد. همچنین نقش بخش کشاورزی از لحاظ ارتباط با سایر بخش ها و اشتغال در میان دیگر بخش های اقتصاد استان تبیین می گردد. با بررسی روابط بین بخشی می توان گفت که برای جهش اقتصاد استان باید به ترتیب در بخش های ""عمده فروشی، خرده فروشی، تعمیر وسایل نقلیه و کالاها""، ""زراعت و باغداری"" و ""حمل و نقل""، رونق بیشتری ایجاد شود. همچنین بخش های ""رستوران""، ""ساخت پوشاک"" و ""محصولات غذایی"" قابلیت آن را دارند که تقاضا برای تولیدات واسطه ای سایر بخش ها را بیش از بخش های دیگر افزایش دهند و در مجموع بخش های ""عمده فروشی، خرده فروشی، تعمیر وسایل نقلیه و کالاها""، ""زراعت و باغداری"" و ""حمل و نقل جاده ای"" به لحاظ ارتباط با سایر بخش ها، از شدت بیشتری برخوردارند. پیوند پسین در بخش-های ""نفت""، ""آموزش"" و ""بهداشت و درمان"" و پیوند پیشین بخش های ""وسایل نقلیه""، ""آموزش"" و ""اداره امور عمومی و خدمات شهری"" از ارتباط بیشتری با سایر بخش های اقتصادی برخوردارند. بر اساس بررسی های مبتنی بر جدول داده- ستانده ی سال 1386 استان، بخش کشاورزی تأمین کننده ی کالاهای واسطه ای سایر بخش ها و وابستگی آن به تولیدات واسطه ای بخش های دیگر کمتر است و در ردیف بخش های تقریباً خودکفا طبقه بندی می شود. بخش کشاورزی، پس از بخش های ""ساختمان"" و ""اداره ی امور عمومی"" می تواند در ایجاد اشتغال جدید در استان بیشترین اثر را داشته باشدکه برای رفع تنگنای بیکاری می توان تقاضای نهایی این بخش را افزایش داد.

آمارهای موجود نشان می دهد که متوسط سالانه واردات در 5 سال منتهی به 1393 حدود 70 میلیارد دلار بوده و مهم تر آنکه، نیازهای ارزی مربوط به این حجم از وادرات از محل سبد متنوعی از کالاهای صادراتی صورت نمی گیرد. بنابراین، این پرسش مهم مطرح می شود که آسیب پذیری هر یک از بخش های اقتصادی از محدودیت واردات چقدر است؟ پاسخ به این پرسش مستلزم محاسبه ماتریس حسابداری اجتماعی بومی است که در آن واردات تفکیک شده است؛ بدین منظور، از ماتریس حسابداری اجتماعی به هنگام شده سال 1390 مرکز پژوهش های مجلس استفاده کرده و میزان وابستگی مستقیم، غیرمستقیم و القایی بخش های اقتصادی به واردات و ضرایب فزاینده تولید در شرایط متعارف و ویژه اقتصادی را محاسبه می کنیم. یافته های این پژوهش نشان می دهد که نخست، محدودیت واردات نه تنها موجب کاهش ضرایب فزاینده تولید می شود، بلکه جایگاه نسبی بخش های اقتصادی را از منظر توان تولیدی تغییر می دهد. دوم، زیربخش های صنعت در مقایسه با بخش های دیگر اقتصادی، آسیب بیشتری را متحمل می شوند، زیرا وابستگی بیشتری به واردات دارند. سوم، در پی محدودیت واردات، بخش زراعت و باغداری، ساخت محصولات فلزی فابریکی، ساخت وسایل نقلیه موتوری و تریلرها به ترتیب با کاهش مطلق 616/0، 544/0 و 519/0 در ضرایب فزاینده، بیشترین کاهش را تجربه می کنند. چهارم، بخش ساخت وسایل نقلیه موتوری (با ضریب وابستگی مستقیم 1379/0 و ضریب وابستگی مستقیم، غیرمستقیم و القایی 2367/0 به واردات)، ساخت محصولات از لاستیک و پلاستیک (با ضریب وابستگی مستقیم 1337/0 و ضریب وابستگی مستقیم، غیرمستقیم و القایی 2128/0 به واردات)، ساخت محصولات فلزی فابریکی (با ضریب وابستگی مستقیم 1168/0 و ضریب وابستگی مستقیم، غیرمستقیم و القایی 2112/0 به واردات) بیشترین وابستگی را به واردات دارند.

ایران به علت موقعیت لرزه خیزی و وجود گسل فراوان و همچنین قرارگیری روی یکی از کمربندهای زلزله خیز جهان موسوم به آلپا، در برابر این پدیده بس یار آس یب پذیر است. علاوه براین با حدود یک درصد از جمعیت دنیا، بیش از شش درصد تلفات در بلایای طبیعی جهان را دارد. بسیاری از شهرهای مهم کشور از جمله تهران، ب ر روی گسل های فعال قرار گرفته اند، که ضعف کلی کالبد شهر، تراکم جمعیت بالا و نحوه نامناسب پراکنش جمعیت در سطح محلات شهری تهران در هنگام وقوع زلزله احتمالی خسارات جانی و مالی فراوانی را میتواند ایجاد کند. اثرات خسارات فوق به علت مبادلات بالای تهران با سایر مناطق اقتصاد ملی به تهران ختم نمی شود و می تواند خسارات جدی به کل اقتصاد ملی نیز وارد نماید. هدف اصلی مقاله برآورد تحلیل اثر بخشی اقتصاد سوانح و سرریزی های آن است. برآورد به کمک مدل داده ستانده دو منطقه ای صورت گرفته است که در آن دو منطقه، استان تهران و سایر اقتصاد ملی است. پایه آماری تحقیق، جدول داده ستانده دو منطقه ای است که بر اساس جدول داده ستانده ملی سال 1390 مرکز پژوهش های مجلس، و آمارهای منطقه ای مرکز آمار ایران از روش غیرآماری FLQ تهیه شده است. به علاوه آمار خسارت های فیزیکی ناشی از زلزله در تهران با سناریوهای اختلال شغلی و زمان بازیابی: ناچیز، کم، متوسط، شدید و خیلی شدید از رحیمی (1392) اخذ شده است. نتایج نشان می دهند اقتصاد استان تهران در اثر وقوع زلزله در پنج سناریوی فوق از 81 % در سناریو ناچیز تا 103 % در سناریوی خیلی شدید از تولید کل اش را ازدست می دهد و خسارت اقتصاد ملی از منظر تولید ملی متناظر آن ها 24 % تا30% برآورد شده است.

تکنیک داده _ ستانده با سابقه طولانی، ابزاری مناسب برای هدف گذاری سیاست ها و شناسایی بخش های کلیدی اقتصاد است. با شناسایی بخش های کلیدی می توان موتور توسعه و رشد اقتصاد را با توجه به رشدهای نامتوازن در چند بخش دنبال کرد. ساده ترین و کم هزینه ترین روش برای تهیه جدول داده _ستانده منطقه ای(استان) استفاده از روش های سهم مکانی می باشد. روش های سهم مکانی ضرایب فنی ملی را به ضرایب فنی منطقه تبدیل می کند. سهم مکانی تعدیلی فلگ AFLQ در تعدیل بخش های ضعیف ناتوان بوده و ضرایب فنی این بخش ها را نزدیک به ضرایب فنی ملی، برآورد می کند. نویسندگان مقاله روش جدید MFLQ ارائه می دهند که ضمن رفع ایراد روش AFLQ به شناسایی بخش های کلیدی استان خراسان رضوی کمک می کند. نتایج نشان می دهد روش AFLQ چهار بخش ضعیف استان خراسان رضوی را بخش کلیدی معرفی می نماید، ولی روش جدید MFLQ هیچ کدام از بخش های ضعیف استان، کلیدی تعیین نمی شوند؛ پس روش MFLQ نسبت به روش AFLQ برتری دارد.

از میانه قرن بیستم تاکنون، انواع روش های غیرآماری در محاسبه ضرایب داده-ستانده منطقه ای (RIOCs) و محاسبه جداول داده-ستانده منطقه ای (RIOTs) توسط تحلیل گران اقتصاد داده-ستانده منطقه ای معرفی شده اند. در یک طیف، انواع روش های سهم مکانی قرار دارند که کانون توجه آنها محاسبه RIOCs است و تراز RIOTs منوط به پذیرش دو پسماند بردار صادرات و بردار ارزش افزوده بخش های منطقه است. طیف دیگر را روش های تراز کالایی (CB) و مبادلات تجاری دوطرفه (CHARM) تشکیل می دهند که خاستگاه اصلی آنها، محاسبه RIOTs است که در آن، منظور کردن پسماند ارزش افزوده در تراز RIOTs نقش کلیدی دارد. در این مقاله، برخلاف تعداد معدودی از پژوهش های انجام گرفته در ایران، نشان داده می شود که بکارگیری روش های CB و CHARM، ارقام بردار ارزش افزوده در حساب های منطقه ای مرکز آمار ایران را به طور ناخواسته تعدیل می کند. این مشاهده، یک سوأل اساسی را پیش روی نگارندگان مقاله قرار می دهد: چرا بایستی آمارهای رسمی ارزش افزوده بخش ها را تعدیل نمود؟ برای برون رفت از این نقیصه و پاسخ به سوأل مطرح شده، روش های ترکیبی جدید CB-RAS و CHARM-RAS پیشنهاد می گردد. روش های CB، CHARM، CB-RAS و CHARM-RAS در کنار جدول ملی، منطقه ای و حساب های منطقه ای سال ۱۳۸۱ استان گیلان مبنای محاسبه RIOTs استان قرار می گیرند. یافته های کلی نشان می دهند که نخست، روش های CB و CHARM، GDP استان را ۴/۲ درصد کم برآورد می کنند. دامنه تعدیل ارزش افزوده بخش ها قابل ملاحظه است به طوری که بخش صنایع وابسته به کشاورزی، ۵/۹- درصد و بخش معدن ۶/۵۴+ درصد را نشان می دهد. روش های پیشنهادی این نارسائی را برطرف می کند. دوم، پنج روش آماری MAD، RMSE، TIL، STPE و WAD مبنای سنجش خطاهای آماری بین ماتریس های ضرایب فزاینده عرضه مستخرج از روش های ترکیبی CB-RAS و CHARM-RAS با ارقام متناظر واقعی قرار می گیرند. یافته ها نشان می دهد که خطاهای آماری در روش ترکیبی CHARM-RAS به مراتب کمتر از سایر روش ها است.

علیرغم معرفی و بکارگیری روشهای متعدد بهنگام سازی ماتریس ضرایب مستقیم داده- ستانده در شش دهه گذشته، هنوز نکاتی از روشهای RAS و RAS تعدیل شده وجود دارند که در سالهای اخیر توجه تحلیلگران اقتصاد داده- ستانده را به خود معطوف کرده است. یکی از این نکات چالش برانگیز رابطه بین اطلاعات برونزا، برتر و یا اضافی بیشتر سال مقصد در روش RAS تعدیل شده و کاهش خطاهای آماری آن نسبت به RAS متعارف در بهنگام سازی ضرایب داده-ستانده است. گروهی از تحلیلگران رابطه مذکور را مثبت ارزیابی می کنند حال آنکه گروه دوم با تأکید بر ماهیت و معیارهای اطلاعات برونزا مشاهده می کنند که بکارگیری آمارهای برونزای بیشتر در روش RAS تعدیل شده لزوماً منجر به کاهش خطاهای آماری نسبت به روش RAS متعارف نخواهد شد. در ایران نیز، باور عمومی بین تهیه کنندگان و کاربران جدول، پیرامون تأیید یافته های گروه نخست شکل گرفته است. در این مقاله، با استفاده از جداول داده-ستانده متقارن آماری سال های 1375 و 1380، به دو پرسش اساسی پاسخ داده خواهد شد. نخست آنکه آیا RAS تعدیل شده همواره و برای همه درایه ها خطاهای کمتری نسبت به RAS متعارف در بهنگام سازی ضرایب داده-ستانده دارد؟ سؤال دوم: آیا ماهیت آمارهای برونزا و معیارهای آن صرفنظر از درایه های بیشتر و یا کمتر تأثیری بر کاهش و یا افزایش خطاهای آماری ضرایب بهنگام شده دارند؟ یافته های مقاله در موارد زیر تصویر متفاوتی را نشان می دهند: یک- روش RAS تعدیل شده حداقل در بعضی از درایه ها نسبت به روش RAS متعارف برتری ندارد. دو- سنجش اعتبار آماری ضرایب بهنگام شده بستگی زیادی به ماهیت و معیارهای آمارهای برونزا دارد. سه- آمارهای برونزای بیشتر در سال مقصد لزوماً منجر به کاهش خطاهای آماری ضرایب بهنگام شده نمی گردد.

این پژوهش با هدف شناسایی و بررسی وضع موجود بازار کار و تحلیل زوایای آشکار و پنهان بیکاری و توسعه اشتغال با روش کمی در استان تهران انجام شده است. ابتدا با استفاده از اطلاعات آماری و از طریق تعیین سهم بخش های اقتصادی از بازار کار و میزان دادوستد نیروی کار بین بخشی، برای تمامی شهرستان های استان تهران، میزان کمی جذب و مازاد نیروی کار مشخص شد و سپس در افق چشم انداز ایران 1404، اندازه واقعی تقاضای نیروی کار برآورد گردید. در این تحقیق، از روش های مبتنی بر داده- ستانده به بازار کار استفاده شده است که عبارتند از: روش اول، مبتنی بر آمار شاغلان بخش های اقتصادی که شامل روش تغییر سهم و روش ضریب مکانی است. روش دوم، روش داده- ستانده مبتنی بر ارزش افزوده تولید است که برای ارزیابی جذب یا صدور نیروی کار در سه بخش عمده اقتصادی، کشاورزی، خدمات و صنعت در هر شهرستان استفاده شده است. یافته های تحقیق نشان می دهند که سهم اشتغال در بخش کشاورزی از سال 1385 تا سال 1394، با 1/0 درصد کاهش مواجه بود و از سال 1395 تا سال 1404، با 1/0 درصد افزایش روبه رو خواهد شد. سهم اشتغال در بخش صنعت از سال 1385 تا سال 1394، 3/0 درصد افزایش داشته و سپس تا سال 1404 با کاهش تقریباً پنج درصدی همراه خواهد بود. سهم بخش خدمات از سال 1385 تا سال 1394 تقریباً ثابت بوده (2/0 درصد کم شده) و سپس از سال 1394 تا سال 1404 به روند افزایشی خود ادامه می دهد و تقریباً به رشد 5 درصدی خواهد رسید. بیشترین تغییر در اشتغال مربوط به سهم بخش خدمات می باشد، بیشترین ضریب مکانی با روش اشتغال، مربوط به شهر تهران در بخش خدمات و پایین ترین نیز مربوط به شهر تهران در بخش کشاورزی و صنعت می باشد.

تهیه جداول داده- ستانده منطقه ای با روش آماری، پیچیده و زمانبر است. بنابراین، پژوهشگران از روش های غیرآماری استفاده می کنند. جدیدترین مدل تهیه جدول داده- ستانده منطقه ای AFLQنام دارد. ولی با توجه به آمار حساب های منطقه ای مرکز آمار ایران، در این روش، صادرات و تقاضای نهایی به صورت پسماند در نظر گرفته می شوند. ضمن اینکه صادرات مجدد بین مناطق نادیده گرفته می شود. برای غلبه بر مشکلات فوق، در این پژوهش، روش CHARM معرفی می گردد. روش فوق قادر است مشکلات فوق را برطرف کند. به منظور مقایسه نتایج حاصل از دو روش، استان بوشهر به عنوان مطالعه موردی انتخاب شده است. نتایج پژوهش نشان می دهد که 7/12 درصد از حجم تجاری استان به صادرات مجدد اختصاص دارد. به علاوه، مقادیر ضرایب پیشین و پسین در روش CHARMبیش از روش AFLQ است. زیرا ناحیه اول جدول داده- ستانده در روش CHARM، واردات واسطه ای بین مناطق را دربرمی گیرد. از سوی دیگر، رتبه بندی بخش های اقتصادی در دو روش متفاوت از یکدیگر هستند