1. No category

‫התוצר לעובד בענפי הטכנולוגיה העילית בישראל‪:‬‬
‫מחקר עומק והשוואה בינלאומית‬
‫פברואר ‪4102‬‬
‫א‪.‬ג‪.‬פ‪ .‬אפלייד אקונומיקס בע"מ‪ ,‬מחקר וייעוץ בכלכלה‪ ,‬שיווק ומדעי החברה‬
‫דרך אבא הילל סילבר ‪ ,41‬בית עוז‪ ,‬רמת גן ‪  50525‬טלפון‪ 20-5207240 :‬פקס‪20-5002224 :‬‬
‫הקדמה‬
‫הקדמה‬
‫דו"ח מחקר זה מסכם את הממצאים‪ ,‬התובנות וההמלצות לעתיד‪ ,‬אליהן הגענו‪ ,‬פרי מאמץ משותף לצוות‬
‫המחקר החתום מטה ולצוות ההיגוי בראשות פרופ' צבי אקשטיין‪ ,‬לחקור את הגורמים שהביאו לצמיחה‬
‫נמוכה יחסית של התוצר לעובד בענפי הטכנולוגיה העילית בישראל בשנים ‪.1002-1002‬‬
‫אנו מבקשים להודות ליושב ראש ועדת ההיגוי של המחקר‪ ,‬פרופ' צבי אקשטיין‪ ,‬אשר הנחייתו תרמה‬
‫רבות לכיווני המחקר ולאיכות המחקר‪.‬‬
‫אנו מודים לחברי ועדת ההיגוי ‪ -‬מר גד לוין (מרכז הועדה)‪ ,‬גב' לידיה לזנס (משרד הכלכלה)‪ ,‬ד"ר יואב‬
‫פרידמן (בנק ישראל)‪ ,‬מר מיכה פרלמן (משרד האוצר)‪ ,‬מר אורי גבאי (משרד הכלכלה)‪ ,‬מר אביתר‬
‫קירשברג (למ"ס)‪ ,‬גב' שמחה בר אליעזר (למ"ס)‪ ,‬מר צבי סלומינסקי‪ ,‬מר רובי גינל‪ ,‬גב' יהל בן נר אשר‬
‫תרמו מתובנותיהם ומהידע שלהם לאורך כל שלבי העבודה‪.‬‬
‫תודה מיוחדת שמורה למר אביתר קירשברג – ראש תחום מדע וטכנולוגיה באגף עסקים וכלכלה ‪ -‬על‬
‫שיתוף הפעולה הפורה‪ ,‬על יוזמתו‪ ,‬נכונותו‪ ,‬ועזרתו בהפקת חלק מהנתונים עליהם מבוססת עבודה זו‪.‬‬
‫דניאל וסרטל‪ ,‬חוקר ראשי‪ ,‬אפלייד אקונומיקס בע"מ‬
‫סרגיי סומקין‪ ,‬חוקר‪ ,‬אפלייד אקונומיקס בע"מ‬
‫אביחי חסיד – עוזר מחקר‪ ,‬המרכז הבינתחומי‪ ,‬הרצליה‬
‫‪2‬‬
‫תוכן העניינים‬
‫תוכן העניינים‬
‫‪ 1.‬סיכום ומסקנות ‪8 ........................................ ................................ ................................‬‬
‫‪ .1.1‬שאלת המחקר ‪8 ....................................... ................................ ................................‬‬
‫‪ .2.2.2‬רקע ‪8 ................. ................................ ................................ ................................‬‬
‫‪ .2.2.1‬שאלת המחקר השערות לבחינה ממצאים עקריים מסקנות והמלצות‪20 ......................... .‬‬
‫‪ .1.1‬המלצות מדיניות ‪10 .................................. ................................ ................................‬‬
‫‪ .2.1.2‬ניתוח כולל של המימצאים ‪10 .................. ................................ ................................‬‬
‫‪ .1.1.1‬המלצות ‪11 ........... ................................ ................................ ................................‬‬
‫‪ .1‬בחינת מתודולוגיה לעריכת השוואה בינלאומית של נתוני תוצר ‪12 ........................................‬‬
‫‪ .1.1‬כללי ‪12 .................. ................................ ................................ ................................‬‬
‫‪ .1.1‬מדדי מחירים הדוניים ‪12 ............................ ................................ ................................‬‬
‫‪ .1.2‬שערי חליפין ושערי שוויון כוח קנייה (‪12 ................................ ................................ )PPP‬‬
‫‪ .1.2‬מדדים כלליים ומדדים ברמת ענף ‪12 ............ ................................ ................................‬‬
‫‪ .1.2‬בחינת אמפירית של שיטות אלטרנטיביות ‪12 .................................. ................................‬‬
‫‪ .1.2‬מסקנות והמלצות ‪12 ................................. ................................ ................................‬‬
‫‪ .2‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית ‪18 ............................‬‬
‫‪ .2.1‬כללי ‪18 .................. ................................ ................................ ................................‬‬
‫‪ .2.1‬פירוט ענפים ומקור הנתונים ‪12 ................... ................................ ................................‬‬
‫‪ .2.2‬סיכום הממצאים ‪20 ................................... ................................ ................................‬‬
‫‪ 3.4.‬הצגת הממצאים ‪22 .................................. ................................ ................................‬‬
‫‪ .2.2.2‬התפתחות התוצר לעובד בענפי היי‪-‬טק על פני זמן – השוואה בינלאומית ‪22 ................‬‬
‫‪ .2.2.1‬ניתוח עומק של התוצר לעובד בענפי היי‪-‬טק בישראל ‪22 ..........................................‬‬
‫‪ .2.2.2‬ניתוח השואתי של התפוקה לעובד בענפי היי טק בישראל ובארה"ב לפי גודל החברות‪22‬‬
‫‪ 4.‬סקר חברות ‪22 ........... ................................ ................................ ................................‬‬
‫‪ .2.1‬מטרות‪ ,‬אופן ביצוע ומדגם הסקר ‪22 ............. ................................ ................................‬‬
‫‪3‬‬
‫תוכן העניינים‬
‫‪ .2.1‬סיכום ממצאים ‪22 .................................... ................................ ................................‬‬
‫‪ .2.2‬תיאור מפורט ‪22 ...................................... ................................ ................................‬‬
‫‪ .2‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל ‪22 ..........................‬‬
‫‪ .2.1‬כללי ‪22 .................. ................................ ................................ ................................‬‬
‫‪ .2.1‬מתודולוגיה אקונומטרית ‪28 ........................ ................................ ................................‬‬
‫‪ .2.2‬מקור הנתונים ‪22 ...................................... ................................ ................................‬‬
‫‪ .2.2‬תוצאות ‪20 .............. ................................ ................................ ................................‬‬
‫‪ .2.2.2‬התאמת קבוצת ביקורת ‪20 ................. ................................ ................................‬‬
‫‪ .2.2.1‬השפעת תמיכת המדע"ר על התוצר לעובד ‪22 ........................ ................................‬‬
‫‪ .2.2.2‬יציבות ורגישות האומדנים (תוקף פנימי) ‪22 ........................... ................................‬‬
‫‪ .2.2.2‬שימוש במודל אלטרנטיבי (תוקף חיצוני) ‪20 ........................... ................................‬‬
‫‪ .2.2‬סיכום ממצאים ומסקנות ‪22 ........................ ................................ ................................‬‬
‫‪4‬‬
‫תוכן העניינים‬
‫רשימת לוחות‬
‫לוח ‪ :2‬התפלגות התוצר והעובדים בין ענפי ההיי‪-‬טק ‪22 ......................... ................................‬‬
‫לוח ‪ :1‬מכירות לעובד ושיעורי ‪ EBITD‬ורווח נקי לשנים ‪22 ................................ 1022 – 1002‬‬
‫לוח ‪ :3‬ניתוח התפתחות התוצר לעובד על פני זמן ‪ -‬רשימת ענפים ‪12 .......................................‬‬
‫לוח ‪ :4‬ניוח התפתחות התוצר לעובד על פני זמן – סוג ומקור הנתונים ‪12 ...................................‬‬
‫לוח ‪ :5‬תוצר לעובד בהקבצה לפי קבוצות גודל ‪22 .................................. ................................‬‬
‫לוח ‪ :6‬תוצר לעובד בהקבצה לפי ענף וגודל ‪22 ..................................... ................................‬‬
‫לוח ‪ :7‬תוצר לעובד במרכזי מו"פ בבעלות זרה ‪22 ................................. ................................‬‬
‫לוח ‪ :8‬תוצר לעובד בחברות בבעלות זרה בהקבצה לפי קבוצות גודל ‪22 ....................................‬‬
‫לוח ‪ :9‬תוצר לעובד בחברות בבעלות זרה בהקבצה לפי ענף ‪22 ............... ................................‬‬
‫לוח ‪ :10‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל ‪22 ....................................‬‬
‫לוח ‪ :11‬מספר מפעלים בישראל ובארה"ב בהקבצה לפי קבוצות גודל ‪28 ....................................‬‬
‫לוח ‪ :12‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל ‪22 ....................................‬‬
‫לוח ‪ :13‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל ‪20 ....................................‬‬
‫לוח ‪ :14‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל ‪22 ....................................‬‬
‫לוח ‪ :15‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל ‪21 ....................................‬‬
‫לוח ‪ :16‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל ‪22 ....................................‬‬
‫לוח ‪ :17‬מס' מפעלים (תצפיות) לפי גודל חברה ‪21 ................................ ................................‬‬
‫לוח ‪ :28‬מס' מפעלים (תצפיות) לפי ענף כלכלי של ‪ 1‬ספרות ‪22 ............... ................................‬‬
‫לוח ‪ :19‬השפעה ממוצעת של תמיכת המדע"ר ‪22 ................................. ................................‬‬
‫לוח ‪ :20‬אומדנים אבסולוטיים במונחי תוצר – ‪22 ................................... ................................‬‬
‫לוח ‪ :21‬השפעה ממוצעת של תמיכת המדע"ר ‪28 ................................. ................................‬‬
‫לוח ‪ :22‬השפעה ממוצעת של תמיכת המדע"ר ‪22 ................................. ................................‬‬
‫לוח ‪ :23‬השפעה ממוצעת של תמיכת המדע"ר ‪22 ................................. ................................‬‬
‫‪5‬‬
‫תוכן העניינים‬
‫לוח ‪ :24‬אמידת השפעת תמיכת המדע"ר בשיטות ‪ OLS‬ו‪22 ............................. Heckman ML -‬‬
‫לוח ‪ :25‬התפלות יחס תמיכה ממשלתית‪-‬תוצר גבוה מ‪ 20% -‬בקרב ‪ 28‬התצפיות הרלבנטיות‪21 ....‬‬
‫לוח ‪ :26‬תצפיות עם יחס תמיכה ממשלתית‪-‬תוצר גבוה מ‪ 20% -‬חלוקה לפי גודל חברה ‪21 ...........‬‬
‫לוח ‪ :27‬תצפיות עם יחס תמיכה ממשלתית‪-‬תוצר גבוה מ‪ 20% -‬חלוקה לפי ענף של ‪ 1‬ספרות ‪22 ...‬‬
‫‪6‬‬
‫תוכן העניינים‬
‫רשימת תרשימים‬
‫תרשים ‪ :2‬התוצר לעובד בענפי התעשייה העילית בישראל בהשוואה בינלאומית ‪2 .......................‬‬
‫תרשים ‪ :2‬תקציב הרשאה להתחייב בלשכת המדען הראשי במשרד הכלכלה ‪22 .........................‬‬
‫תרשים ‪ :2‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪22 ..........................................‬‬
‫תרשים ‪ :2‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪21 ..........................................‬‬
‫תרשים ‪ :2‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪21 ..........................................‬‬
‫תרשים ‪ :2‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪22 ..........................................‬‬
‫תרשים ‪ :2‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪22 ..........................................‬‬
‫תרשים ‪ :8‬תקציב הרשאה להתחייב בלשכת המדען הראשי במשרד הכלכלה ‪22 .........................‬‬
‫תרשים ‪ :2‬התפלגות השפעת המדע"ר על התוצר לעובד של החברות נתמכות ‪22 ........................‬‬
‫תרשים ‪ :20‬רכיבי התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪22 ................................‬‬
‫תרשים ‪ :22‬רכיבי התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪22 ................................‬‬
‫תרשים ‪ :21‬רכיבי התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪21 ................................‬‬
‫תרשים ‪ :22‬רכיבי התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪22 ................................‬‬
‫תרשים ‪ :22‬רכיבי התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד ‪22 ................................‬‬
‫‪7‬‬
‫‪ .1‬סיכום ומסקנות‬
‫‪ .0‬סיכום ומסקנות‬
‫‪ .1.1‬שאלת המחקר‬
‫‪ .1.1.1‬רקע‬
‫ראשיתו של מחקר זה בסדרת ממצאים אמפיריים מפתיעים שהצביעו על כך שמיוני שנת ‪ 1000‬ואילך‬
‫צמיחת התוצר לעובד של ענפי הטכנולוגיה העילית בישראל ‪ -‬כפי שזו נמדדת בנתוני החשבונאות‬
‫הלאומית ‪ -‬נמוכה יחסית לזו של משקים מפותחים אחרים‪ .‬הסוגיה מדאיגה במיוחד על רקע חשיבותם של‬
‫ענפים אלה כמחוללי הצמיחה עתירת הידע של מדינת ישראל‪.‬‬
‫התמקדות בתוצר לעובד כמבטא פריון נובעת מכך שהוא מדד מובן והמקובל ביותר למדידת פריון‬
‫החברות ברמה של חברה‪ ,‬ענף או משק ומאפשר לערוך השוואות בינלאומית של התפתחות כושר‬
‫התחרותיות של ענפים ומשקים‪ .‬מבחינה טכנית התמקדות במדד זה מאפשרת לערוך השוואות‬
‫בינלאומיות ברמה ענפית מפורטת יותר‪ ,‬ובהקבצות אינפורמטיביות נוספות‪ ,‬כגון גודל החברות‪ ,‬שלא היו‬
‫מתאפשרות עבור נתונים ומדדים אחרים הקשורים לתהליך הייצור ‪ -‬למשל הון‪ ,‬שעות עבודה ופריון כולל‬
‫(‪ ,)TFP‬שהנם נתונים זמינים הרבה פחות במאגרים בינלאומיים של נתוני חשבונאות לאומית‪.‬‬
‫חשוב להבהיר כי התוצר לעובד כפי שנמדד כאן ולמעשה כפי שכלכלנים נוהגים למדוד אינו משקף באופן‬
‫בלבדי את פריון העובדים – התלוי בעיקר באיכות וכישורי כוח האדם ובאיכות וכמות ההון היצרני‬
‫(מכונות‪ ,‬ציוד וכיו"ב) שברשות החברה‪ .‬במהלך המחקר למדנו מתוך שיחות רבות עם פירמות‪ ,‬עם‬
‫גורמים מקצועיים מלשכות סטטיסטיות ומעיון בספרות הכלכלית‪ ,‬כי רק הפירמות עצמן מסוגלות למדוד‬
‫את פריון העבודה של העובד או המהנדס במונחי ייצור לעובד ו‪/‬או שעות אדם מושקעות בפרויקטים של‬
‫מו"פ ביחס להצלחת הפרויקטים‪ .‬אולם נתונים אלה לא נאספים באופן שיטתי ואחיד ואינם נגישים למחקר‬
‫כלכלי השוואתי‪ .‬התוצר לעובד הנמדד על סמך נתוני החשבונאות הלאומית מודד את ביצועי הפירמות‬
‫כפועל יוצא מיכולותיהן הפנימיות‪ ,‬לרבות פריון עובדיהן‪ ,‬וגם מגורמי שוק רבים‪ ,‬אשר העיקרים בהם הם‬
‫כוח השוק שלהם‪ ,‬מחזורים טכנולוגיים‪ ,‬מחזורי העסקים‪ ,‬מדינות רישום חברות וכן שערי מטבע – השניים‬
‫האחרונים משמעותיים ביותר בענפי הטכנולוגיה העילית‪.‬‬
‫לאחר בחינה מעמיקה של החלופות הגישה שננקטה במחקר זה היא למדוד את התוצר לעובד בענפי‬
‫הטכנולוגיה העילית של ישראל ביחס לארה"ב ומדינות שונות ולנסות לספק הסבר לפערים כפונקציה של‬
‫הגורמים אשר צוינו‪ .‬תרשים ‪ 2‬להלן ממחיש באופן חד מצב זה עבור השנים ‪:1020 – 2222‬‬
‫‪8‬‬
‫‪ .1‬סיכום ומסקנות‬
‫תרשים ‪ :1‬התוצר לעובד בענפי התעשייה העילית בישראל בהשוואה בינלאומית‬
‫ישראל‪ ,‬ארה"ב‪ ,‬אירופה מדינות גדולות ואירופה מדינות קטנות ופינלנד‬
‫ישראל‬
‫ארה ב‬
‫אירופה דינות דולות‬
‫אירופה דינות ק נות‬
‫פינלנד‬
‫‪170,000‬‬
‫‪150,000‬‬
‫‪130,000‬‬
‫‪110,000‬‬
‫‪90,000‬‬
‫‪70,000‬‬
‫‪50,000‬‬
‫מקור הנתונים‪ OECD :‬ולמ"ס‪ ,‬עיבוד של אפלייד אקונומיקס‪.‬‬
‫אירופה מדינות גדולות‪ :‬ממוצע משקולל של גרמניה‪ ,‬ספרד‪ ,‬בריטניה ואיטליה‪.‬‬
‫אירופה מדינות קטנות‪ :‬ממוצע משוקלל של בלגיה‪ ,‬הולנד‪ ,‬פינלנד ושוודיה‪.‬‬
‫כפי שניתן לראות‪ ,‬בין השנים ‪ 1000 - 2222‬התוצר לעובד של ענפי ה הייטק בישראל צמח בקצב מואץ‬
‫בהרבה מזה של יתר המדינות‪ .‬קצב ממוצע של ‪ 22.8%‬לשנה בישראל לעומת ‪ 2.0% ,2.2%‬ו‪0.2% -‬‬
‫במדינות האירופאיות הקטנות‪ ,‬במדינות האירופאיות הגדולות ובארה"ב בהתאמה‪ .‬חשוב לציין שבראשית‬
‫העשור הקודם בנוסף למשבר הדוט‪.‬קום ישראל סבלה גם מן האינתיפאדה השנייה‪ ,‬שעכבה מאד את‬
‫התאוששות הכלכלה לאחר משבר הדוט קום‪.‬‬
‫לאחר משבר "הדוט‪.‬קום"‪ ,‬התוצר לעובד בישראל צנח באופן חד יותר מזה של המדינות האחרות‬
‫והתאושש בקצב איטי יותר‪ .‬לישראל נדרשו שנתיים יותר (‪ 1002‬לעומת ‪ ,)1002‬מאשר ליתר המדינות‬
‫לשוב לצמוח‪ .‬בשנים ‪ 1002 – 1002‬קצב צמיחת התוצר לעובד בישראל‪ 2.2% ,‬בממוצע‪ ,‬התיישר עם‬
‫שיעור הצמיחה של המדינות האירופאיות הגדולות‪ ,)1.2%(,‬והיה נמוך משמעותית מאלה של ארה"ב‬
‫(‪ )2.0%‬והמדינות האירופאיות הקטנות (‪ .)2.2%‬ואילו בשנים ‪ 1002-1008‬התוצר לעובד בישראל נותר‬
‫קבוע (לאחר צניחה והתאוששות חדות) בזמן שבארה"ב מגמת הצמיחה המשיכה‪.‬‬
‫מן הגרף אפשר גם להתרשם מן ההשפעה של אובדן כוחה של חברת נוקיה בסוף העשור הקודם‬
‫והשפעתה על ענפי ההיי‪-‬טק בפינלנד ועל הממוצע של המדינות האירופאיות הקטנות‪.‬‬
‫‪9‬‬
‫‪ .1‬סיכום ומסקנות‬
‫‪ .1.1.1‬שאלת המחקר השערות לבחינה ממצאים עקריים מסקנות והמלצות‪.‬‬
‫בחנו שש השערות מרכזיות כהסברים אפשריים‪ ,‬חילופיים ומשלימים לצמיחה הנמוכה יחסית של התוצר‬
‫לעובד בענפי הטכנולוגיה העילית בישראל‪:‬‬
‫‪.‬‬
‫באיזו ידה התופעה יכולה לנבוע‬
‫ה דינות?‬
‫אי אחידות‬
‫תודולו ית בהתא ת‬
‫חירי התוצר בין‬
‫מקורה של השערה זו בממצאים ראשוניים של החוקרים משנים עברו ומעיון בספרות הכלכלית הרלבנטית‬
‫על כך שאי‪-‬אחידות מתודולוגית בהתאמת מחירים בין מדינות‪ ,‬משפיעה באופן משמעותי על היכולת‬
‫להשוות ערכי תוצר של ענפי הטכנולוגיה העילית ממדינות שונות‪ ,1‬במונחים כספיים‪.‬‬
‫נבחנו שלוש מתודולוגיות (מפורט בפרק ‪ )1‬למדידת התוצר לעובד של ישראל ופינלנד ביחס לארה"ב‬
‫במונחים כספיים‪ )2( :‬תוצר לעובד במונחים דולריים שוטפים; (‪ )1‬תוצר לעובד במונחי שוויון כוח קנייה‬
‫(‪ )PPP‬כללי; (‪ )2‬תוצר לעובד במונחי ‪ PPP‬ברמה ענפית של ‪ 2‬ספרות והתאמה לרכיבי הייצוא לפי מדינת‬
‫היעד‪.‬‬
‫מצאנו ששלוש המתודולוגיות מניבות תוצאות שונות וללא הטיה שיטתית ‪ -‬כלומר אף מתודולוגיה אינה‬
‫מניבה תוצאות גבוהות או נמוכות ביחס ליתר המתודולוגיות באופן שיטתי‪.‬‬
‫ממצאי המחקר מאששים את ההשערה ששימוש בשיטות שונות בהשוואות בינלאומיות של ענפי היי‪-‬טק‬
‫משפיע מאוד על יכולת ההשוואה במונחים כספיים‪ .‬מצאנו אי אחידות מתודולוגית בשיטות התאמת‬
‫מחירים בין לשכות סטטיסטיות ממדינות שונות ובתוך הלשכות‪ ,‬בפרט‪ ,‬בשימוש במדדי מחירים מותאמים‬
‫איכות (‪ ,)hedonic/quality adjusted price indices‬שהשפעתם בענפי היי‪-‬טק משמעותית מאוד‪ .‬ואולם‬
‫עם זאת‪ ,‬מגמות הצמיחה של התוצר לעובד עקביות מאוד בין השיטות ומגמות הצמיחה דומות על פני ‪2‬‬
‫השיטות‪.‬‬
‫מסקנתנו היא כי אכן קיימת בעיה מתודולוגית בהשוואה בינלאומית של מדדי תוצר אך היא אינה סבירה‬
‫את התופעה שביקשנו לחקור‪ :‬קצב הצמיחה הנמוך של התוצר לעובד בישראל בהשוואה למדינות המערב‬
‫שהיו מדינות ייחוס‪.‬‬
‫כיוון שמרבית התוצר מיוצא והעסקאות מבוצעות במונחי דולרים שוטפים הוחלט שההשוואה הבינלאומית‬
‫תתרכז בענפי הטכנולוגיה העילית ‪ -‬ההיי טק והיא תתבצע במונחים של ‪ $ US‬שוטפים‪.‬‬
‫‪ 1‬לשים הפנייה לספרות של ה‪ OECD -‬בנושא‪.‬‬
‫‪01‬‬
‫‪ .1‬סיכום ומסקנות‬
‫ענפי ה כנולו יה העילית‪:‬‬
‫ענפי הטכנולוגיה העילית הנבחנים הם תרופות; ציוד תקשורת אלקטרוני; ציוד תעשייתי לבקרה ופיקוח‪,‬‬
‫ציוד רפואי וציוד אופטי; כלי טייס; ותוכנה‪ ,‬שירותי מחשבים וחברות מו"פ‪ .‬בחלקים שונים של הניתוח‬
‫נעשה שימוש בהקבצות של חלק מהענפים יחד וזאת בהתאם לזמינות הנתונים‪ .‬הלוח להלן מלמד על‬
‫הגודל היחסי של הענפים מסך ענפי ההייטק בישראל בארה"ב ובפינלנד‪ -‬במונחי תוצר ועובדים‪.‬‬
‫לוח ‪ :1‬התפלגות התוצר והעובדים בין ענפי ההיי‪-‬טק‬
‫ממוצע רב‪-‬שנתי ‪5002 - 5002‬‬
‫‪12.1‬‬
‫‪4.3‬‬
‫‪5.5‬‬
‫‪8.6‬‬
‫‪15.8‬‬
‫‪16.8‬‬
‫‪15.2‬‬
‫‪14.8‬‬
‫‪5.8‬‬
‫‪6.7‬‬
‫‪45.6‬‬
‫‪48.8‬‬
‫‪100‬‬
‫‪100‬‬
‫‪14.1‬‬
‫‪7.1‬‬
‫‪5.1‬‬
‫‪3.0‬‬
‫‪16.6‬‬
‫‪16.6‬‬
‫‪12.7‬‬
‫‪13.1‬‬
‫‪11.5‬‬
‫‪11.9‬‬
‫‪40.0‬‬
‫‪48.2‬‬
‫‪100‬‬
‫‪100‬‬
‫‪5.5‬‬
‫‪3.7‬‬
‫‪0.2‬‬
‫‪0.3‬‬
‫‪50.0‬‬
‫‪28.4‬‬
‫‪7.4‬‬
‫‪10.1‬‬
‫‪0.5‬‬
‫‪0.9‬‬
‫‪36.3‬‬
‫‪56.6‬‬
‫‪100‬‬
‫‪100‬‬
‫קל להבחין שהתפלגות הענפים דומה בין ישראל וארה"ב מלבד ענף כלי הטייס (ענף שבישראל מורכב‬
‫מתעשיות מתקדמות של ציוד למטוסים ואילו בארה"ב הוא כולל ייצור מטוסים)‪ .‬בפינלנד לעומת זאת‬
‫ההתפלגות מוטית מאוד לכיוון ענף ציוד התקשורת האלקטרונית (נוקיה)‪.‬‬
‫מאפיין נוסף שבולט וחשוב הוא משקל ענפי התוכנה‪ ,‬שירותי מחשבים וחברות מו"פ‪ ,‬בארה"ב ובישראל‪.‬‬
‫בענפים אלה מיצרים ובהם מועסקים קצת פחות ממחצית התוצר ועובדי היי‪-‬טק‪ .‬כפי שיוצג במהלך הדו"ח‬
‫המצב היחסי של ענפים אלה בישראל בהשוואה לארה"ב נחות פחות‪.‬‬
‫בהמשך מתמקדת ההשוואה הבינלאומית בישראל ביחס לארה"ב ופינלנד‪ .‬זאת מכיוון שעבור מדינות‬
‫רלבנטיות אחרות (מדינות אירופאיות גדולות וקטנות) נתונים ברמת הקבצה של שתי ספרות אינם זמינים‬
‫באופן עקיב (כלל הענפים‪ ,‬כלל השנים) על פני זמן‪.‬‬
‫‪00‬‬
‫‪ .1‬סיכום ומסקנות‬
‫השוואה בינלאו ית של התוצר לעובד בענפי ה כנולו יה העילית בישראל ‪-‬‬
‫וצע‬
‫–‬
‫‪:‬‬
‫‪.2‬‬
‫בכלל ענפי היי‪-‬טק בתעשייה לבד ענף התרופות – התוצר לעובד בישראל נמוך משמעותית‬
‫בהשוואה לארה"ב‪ :‬בסוף התקופה ישראל מהווה כ‪ 20% -‬בלבד מארה"ב‪.‬‬
‫‪.1‬‬
‫בענפי השירותים (תוכנה וחברות מו"פ) – הפער מול ארה"ב קטן יותר‪ :‬בסוף התקופה התוצר לעובד‬
‫בישראל מהווה כ‪ 20% -‬מארה"ב‪.‬‬
‫‪.2‬‬
‫ענף התרופות צמח בצורה מאוד משמעותית במהלך התקופה ובסופה רמת התוצר לעובד בו קרובה‬
‫יותר לזו של ארה"ב‪ ,‬כ‪ 82% -‬ממנו‪ .‬מבדיקות שביצענו למדנו כי ניתן לייחס את מרב הצלחה של ענף‬
‫זה בישראל לחברת טבע ולצמיחה גבוהה מאוד בסקטור התרופות הגנריות בעשור הקודם‪.‬‬
‫‪.2‬‬
‫ר ות התוצר לעובד בישראל דו ות לאלה הנצפות בפינלנד מלבד בענף ציוד תקשורת‪ .‬בדומה‬
‫להשפעת חברת טבע על התוצר בענף התרופות בישראל‪ ,‬במקרה של פינלנד מצבו הטוב או הרע‬
‫של ענף ציוד תקשורת מיוחס להיותה של חברת נוקיה בענף זה‪.‬‬
‫‪02‬‬
‫‪ .1‬סיכום ומסקנות‬
‫באיזו ידה התופעה קשורה ל ודל החברות;‬
‫‪.‬‬
‫מקורה של השערה זו בממצאים אינדיקטיביים ראשוניים של החוקרים בהקשר זה מתוך עיון בדו"חות‬
‫כספיים פומביים וניתוח נתוני ביצוע של חברות הנסחרות בבורסת ‪ :NASDAQ‬המכירות לעובד (קירוב‬
‫לתוצר לעובד) ושיעורי הרווח של חברות טכנולוגיות נבחרות גדולות מאוד בישראל (אינטל ישראל‪ ,‬טבע‪,‬‬
‫צ'קפוינט) ובארה"ב (אפל‪ ,‬גוגל‪ ,‬מיקרוסופט) גבוהים באופן מאוד משמעותי מהממוצע בענפי הטכנולוגיה‬
‫העילית‪ .‬מעבר לכך‪ ,‬המשקל המצטבר של חברות נבחרות אלה במכירות מגזרי היי‪-‬טק של המדינות‬
‫מגיע לעשרות אחוזים מן המגזר ומכאן שהביצועיים שלהן משפיעים על הממוצע הענפי‪.‬‬
‫הנתונים מלמדים על קשר חיובי חזק בין גודל החברות ורמת התוצר לעובד‪ ,‬בפרט‪ ,‬בקרב חברות גדולות‬
‫במיוחד רמות התוצר לעובד הן אף גבוהות במיוחד‪ .‬כפי שהלוח להלן מראה‪ ,‬המשקל המצטבר של‬
‫אפל‪ ,‬גוגל‪ ,‬אינטל ומיקרוסופט מגיע כמעט לרבע מתפוקת ההיי‪-‬טק האמריקני‪ ,‬כאשר המכירות לעובד של‬
‫החברות הן יותר מפי ‪ 2.2‬עד כמעט פי ‪ 2‬מממוצע היי‪-‬טק‪ ,‬ושיעורי ה‪ EBITD -‬והרווח הנקי הן כמעט פי ‪1‬‬
‫ומעל פי ‪ 2.2‬בהתאמה מהשיעורים הממוצעים של כלל ענפי היי‪-‬טק‪.‬‬
‫לוח ‪ :1‬מכירות לעובד ושיעורי ‪ EBITD‬ורווח נקי לשנים ‪1022 – 1002‬‬
‫בקרב חברות ישראליות ואמריקאיות גדולות מאוד נחברות‪.‬‬
‫‪EBITD‬‬
‫‪NASDAQ‬‬
‫)‪(1‬‬
‫‪10%‬‬
‫‪3%‬‬
‫‪5%‬‬
‫‪7%‬‬
‫‪3%‬‬
‫‪6%‬‬
‫‪44%‬‬
‫‪Apple‬‬
‫‪Google‬‬
‫‪Intel‬‬
‫‪Microsoft‬‬
‫‪Check Point‬‬
‫‪Intel Israel‬‬
‫‪Teva‬‬
‫)‪(2‬‬
‫‪1,792,202‬‬
‫‪814,685‬‬
‫‪486,186‬‬
‫‪780,716‬‬
‫‪508,026‬‬
‫‪373,927‬‬
‫‪392,030‬‬
‫ן‬
‫ן‬
‫)‪(3‬‬
‫‪301,710‬‬
‫‪190,391‬‬
‫)‪(5‬‬
‫)‪(4‬‬
‫‪33%‬‬
‫‪38%‬‬
‫‪45%‬‬
‫‪38%‬‬
‫‪55%‬‬
‫‪N/A‬‬
‫‪26%‬‬
‫‪18%‬‬
‫‪18%‬‬
‫‪NASDAQ‬‬
‫)‪(6‬‬
‫‪24%‬‬
‫‪27%‬‬
‫‪25%‬‬
‫‪28%‬‬
‫‪42%‬‬
‫‪N/A‬‬
‫‪18%‬‬
‫)‪(7‬‬
‫‪12%‬‬
‫‪11%‬‬
‫ג‬
‫‪.‬‬
‫‪NASDAQ‬‬
‫ן‬
‫‪Google Finance‬‬
‫‪OECD‬‬
‫‪.‬‬
‫‪:‬‬
‫(‪)1‬‬
‫‪Intel Israel‬‬
‫‪Intel Israel‬‬
‫‪.2010-2011‬‬
‫(‪)2‬‬
‫‪;2009‬‬
‫(‪)3‬‬
‫‪;2010-2011‬‬
‫(‪)6( )5( )4‬‬
‫‪:‬‬
‫‪2008-2009‬‬
‫ג‬
‫‪Intel Israel‬‬
‫‪;2009‬‬
‫‪2010-2011‬‬
‫‪.2009‬‬
‫‪2008-2009‬‬
‫;‬
‫גם ביצועיהן של חברות צ'קפוינט‪ ,‬אינטל ישראל וטבע גבוהים משמעותית ממוצע ענפי היי‪-‬טק‪ ,‬עם‬
‫מכירות לעובד גבוהות כמעט פי ‪ 1‬עד פי ‪ 1.2‬מממוצע ההי‪-‬טק ועם שיעורי ‪ EBITD‬ורווח נקי גבוהים פי‬
‫‪ 2.2‬ו‪ 2.2-‬בהתאמה עבור חברת טבע וגבוהים מעל פי ‪ 2‬ו‪ 2.8-‬בהתאמה עבור חברת צ'פוינט‪ .‬המשמעות‬
‫של משקל החברות הנ"ל בתפוקת ענפי ההיי‪-‬טק מחייבת כבר עתה התייחסות ולמעשה מקדימה את‬
‫ממצאי המחקר‪ :‬משקלה של חברת טבע בתוצר אדיר והיא מתחום הפרמצבטיקה‪ ,‬אומנם תעשייה עילית‪,‬‬
‫אך רחוק מאוד מתחום ה‪ ,ICT -‬הנחשב להיות ליבת ההיי‪-‬טק הישראלי; וחברת אינטל ישראל הינה חברה‬
‫בבעלות רב לאומית של חברת אינטל העולמית‪ .‬בהמשך הדו"ח שני היבטים אלה נחקרים באופן מפורט‬
‫ומעמיק‪.‬‬
‫‪03‬‬
‫‪ .1‬סיכום ומסקנות‬
‫נכון לשנים ‪ 1022 – 1020‬חברות צ'קפוינט וטבע היו החברות הישראליות היחידות בסדר גודל כזה‪,‬‬
‫וזאת כמובן בניגוד למצב בארה"ב‪ :‬החברות האמריקאיות המוזכרות השתייכו לקטגוריות ה‪Mega Cap -‬‬
‫וה‪ Large Cap -‬של בורסת ה‪ ,NASDAQ -‬הכוללות יחד חברות עם ערך שוק של מעל ‪ 20‬מיליארד דולר‬
‫(כ‪ 20 -‬חברות אמריקאיות‪ 2 ,‬אירופאיות‪ 1 ,‬אסיאתיות‪ ,‬ו‪ 1 -‬ישראליות)‪ .‬מתוך כ‪ 20 -‬חברות היי‪-‬טק‬
‫ישראליות הנסחרות בבורסה זו (אשר מרבית החברות הנסחרות בה הן חברות טכנולוגיה) רק חברות‬
‫טבע וצ'קפויט נסחרות בקטגוריית ה‪ 100 – 20( Large Cap -‬מיליארד דולר) ורק חברת ‪ Nice‬נסחרה‬
‫בקטגורית ה‪ 20 - 1( Mid Cap -‬מיליארד דולר)‪ .‬כל יתר החברות הישראליות מתחלקות באופן פחות או‬
‫יותר פרופורציונאלי בין שלושת הקטגוריות הנמוכות הכוללות חברות עם ערך שוק של עד ‪ 1‬מיליארד‬
‫דולר‪.‬‬
‫הנתונים המפורטים בהמשך הדוח מלמדים על קשר חיובי חזק בין גודל החברות ורמת התוצר לעובד‬
‫בישראל‪ :‬קיימים פערים מאוד משמעותיים בתוצר הממוצע לעובד בין חברות קטנות ובינוניות לעומת‬
‫חברות גדולות וענקיות‪ ,‬והפערים גדלים עם חלוף הזמן בעיקר לטובת החברות הענקיות‪.‬‬
‫בענף התרופות הקשר בין גודל החברות לבין תפוקה‪/‬תוצר לעובד משמעותי במיוחד ובענפי השירותים‬
‫פחות‪.‬‬
‫קל להבחין כי בנקודת המוצא (‪ )1002 – 2222‬התפוקה לעובד בישראל נמוכה משמעותית מזו של‬
‫ארה"ב‪ ,‬על פני ‪ 2‬קבוצות הגודל לא רק בקרב הגדולות אלא גם ובייחוד בקרב חברות קטנות (‪10 – 0‬‬
‫עובדים) וחברות גדולות מאוד (‪ 200+‬עובדים)‪.‬‬
‫הממצאים מלמדים כי יחסית לארה"ב "פונקצית הייצור" של ענפי היי‪-‬טק בישראל‪ ,‬מלבד ענף התרופות‪,‬‬
‫היא עתירת כוח אדם וכי הביקוש לעובדים (בעיקר עובדים משכילים) קשיח יותר כלפי מטה (יחסית‬
‫לארה"ב)‪ .‬המשמעות היא שהחברות בישראל מתקשות לנצל יתרונות לגודל בזירה העולמית (לאו דווקא‬
‫במובן התעשייתי המסורתי‪ ,‬אלה גם במובן של גישה ופריסה רחבה לשווקים בינלאומיים)‪.‬‬
‫פירוק של רכיבי התוצר לעובד מלמד כי עיקר גידול הפער בין ישראל לארה"ב מקורו בצמיחה גבוהה‬
‫יותר של רכיבי ההוצאות – חומרים‪ ,‬עובדים‪ ,‬שכר וההשקעות בישראל בהשוואה לארה"ב (המאופיינת‬
‫לעיתים גם בצמיחה שלילית בעובדים)‪ .‬נציין שצמיחת ההכנסות של הענפים בישראל דומה ואף גבוהה‬
‫‪2‬‬
‫מאלה של ארה"ב‪.‬‬
‫להערכת עורכי ה חקר ודל החברות בישראל וה ספר הק ן יחסית של חברות דולות רב ל‬
‫בבעלות ישראלית הוא ה אפיין ה סביר באופן ה וב ביותר את פערי התוצר לעובד לעו ת ארה ב‪.‬‬
‫‪ 2‬הלקח העיקרי של החברות בארה"ב לאחר משבר ההיי‪-‬טק היה לצמצם עלויות ע"י הגדלת מיקור חוץ בתחומים עתירי כוח אדם‪.‬‬
‫‪04‬‬
‫‪ .1‬סיכום ומסקנות‬
‫‪.‬‬
‫באיזו ידה התופעה ושפעת קיו ם של רכזי ו פ בבעלות של חברות רב לאו יות זרות;‬
‫על רקע המשקל הגובר של מרכזי המו"פ בבעלות רב לאומית הפועלים בישראל (ב‪ 22% 1022 -‬מהמו"פ‬
‫העסקי נעשה על ידם) וקצב הצמיחה האיטי של ענפי ה היי‪-‬טק‪ ,‬הועלתה השערה הקושרת קשר סיבתי‬
‫בין שתי התופעות‪ :‬כביכול נתוני התוצר לעובד מתוך הסטטיסטיקה הלאומית בישראל מושפעים כלפי‬
‫מטה בשל אופן התמחור של שירותי המו"פ בין חברות הבת בישראל לחברות האם בחו"ל (למשל שימוש‬
‫שיטת תמחור ‪.)cost plus‬‬
‫ממצאי המחקר מלמדים שהנתונים של חברות בבעלות זרה‪ ,‬ובפרט מרכזי מו"פ‪ ,‬אינם מטים את חישובי‬
‫התוצר לעובד הענפיים בישראל כלפי מטה – להיפך‪ :‬ממוצע התוצר לעובד של מרכזי המו"פ בבעלות זרה‬
‫בישראל גבוה יותר ממוצע התוצר לעובד של החברות הענקיות בישראל ומהממוצעים הענפיים בארה"ב‪.‬‬
‫כמו כן‪ ,‬ממוצע התוצר לעובד בחברות בבעלות זרה בישראל (לא מרכזי מו"פ) גבוה יותר מממוצע התוצר‬
‫לעובד בחברות בבעלות ישראלית – מלבד בענף התרופות‪.‬‬
‫ממצאי סקר החברות מלמדים כי לא מורגשת ירידה בפריון העבודה של העובדים הישראליים‪ ,‬אין מחסור‬
‫בכ"א איכותי ולדעת כל המרואיינים הנוכחות של החברות הרב לאומיות היא ברכה לחברות ההיי טק‬
‫בבעלות ישראלית‪:‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫לגיטימציה לחברות ישראליות בחו"ל ‪ -‬ערך מוניטין רב בחו"ל‪ ,‬מוניטין שערכו הכלכלי עצום;‬
‫ערך מוסף גבוה למוצרים ישראליים המשולבים במוצר של חברות רב"ל;‬
‫חסכון בעלויות חדירה לשווקים ונגישות למימון המשך‪.‬‬
‫‪05‬‬
‫‪ .1‬סיכום ומסקנות‬
‫‪.‬‬
‫באיזו ידה השינויים בתקציבי הת יכה ב ו פ עסקי של לשכת ה דע ר ב שרד הכלכלה‬
‫לאורך השנים סבירים את הירידה היחסית בפריון ענפי ההיי‪ -‬ק ‪:‬‬
‫לשכת המדען הראשי במשרד הכלכלה אמונה על תקציב התמיכות הגדול ביותר בישראל לתמיכה במו"פ‬
‫עסקי‪ ,‬כ‪ 2.2 -‬מיליארד ‪ ₪‬בשנת ‪ .1022‬אולם בערכים ריאליים תקציב זה היווה רק כ‪ 20% -‬מתקציב‬
‫הלשכה בראשית שנות ה‪( 1000 -‬אז התקציב עמד על כ – ‪ 1.2‬מיליארד ש"ח)‪ ,‬תקופת השיא בתקציב‬
‫הלשכה‪.‬‬
‫תרשים ‪ :2‬תקציב הרשאה להתחייב בלשכת המדען הראשי במשרד הכלכלה‬
‫מיליוני ‪ ,₪‬במחירי שנת ‪5011‬‬
‫‪2,500‬‬
‫‪2,000‬‬
‫‪1,500‬‬
‫‪1,000‬‬
‫‪500‬‬
‫‪0‬‬
‫לאור תפקידה המרכזי של לשכת המדע"ר בעידוד המו"פ בישראל‪ ,‬אנו אומדים במסגרת המחקר את‬
‫ההשפעה של תמיכות המדע"ר על התוצר לעובד של החברות הנתמכות ומספקים אומדן של ההפסד‬
‫הלאומי במונחי תוצר כתוצאה מהפחתה בתקציב לשכת המדע"ר החל מראשית המילניום‪.‬‬
‫‪ .2‬תחילה א דנו בכלים אקונו‬
‫היי‪ -‬ק בישראל‬
‫רים את השפעת לשכת ה דען הראשי על התוצר לעובד של ענפי‬
‫בממוצע בשנים ‪ 1008 – 2222‬צמיחת התוצר לעובד בקרב החברות שנתמכו על ידי המדע"ר גבוהה‬
‫באופן מובהק ומשמעותי‪ ,‬בשיעור הנע סביב ‪ ,12%‬מהתוצר לעובד בקרב חברות "תאומות" אשר לא‬
‫קיבלו תמיכה – ב צ בר עד שלוש שנים לאחר קבלת הת יכה‪ .‬במילים אחרות‪ ,‬הממצאים‬
‫מלמדים על תרומה חיובית ומשמעותית של המדע"ר לפריון החברות‪ .‬ההשפעה על חברות גדולות‬
‫(מכירות מעל ‪ 200‬מ' ‪ )₪‬חזקה יותר‪ ,‬סביב ה‪ 22% -‬ואילו בקרב חברות קטנות ובינוניות (מכירות‬
‫מתחת ל‪ 200 -‬מ' ‪ )₪‬השפעה נמוכה יותר‪ ,‬מסביב ה‪( 20% -‬ב צ בר עד שלוש שנים לאחר קבלת‬
‫‪06‬‬
‫‪ .1‬סיכום ומסקנות‬
‫הת יכה)‪ .‬מרב ההשפעה החיובית של המדע"ר היא על תוצר החברות (‪ )20% - 22%‬ולעומת זאת‬
‫לא נמצאה השפעה משמעותית של התמיכה על גידול בכמות העובדים‪.‬‬
‫‪ .1‬האו מדנים יציבים ועקיבים על פני בחינות רגישות מקיפות ביחס לערכים קיצוניים‪ ,‬ושינויים בהנחות‬
‫המודל‪ .‬מעבר לכך‪ ,‬התוצאות המתקבלות משימוש במודל אקונומטרי חילופי (פונקציית ייצור עם‬
‫תיקון ‪ Heckman‬לסלקציה) קונסיסטנטיות אף הן עם הממצאים המוצגים לעיל‪.‬‬
‫‪ .2‬חשוב לציין כי ב ס רת ה תודולו ית בה נעשה שי וש כאן‪ ,‬התוצאות ה תקבלות הינם‬
‫ל ים את ההשפעה הישירה של‬
‫או דנים יני אליים של השפעת לשכת ה דע ר‪ ,‬הם‬
‫הת יכות ב ו פ על תוצר החברות – בלי ל לם בנוסף את ההשפעה דרך זלי ת ידע‪.‬‬
‫וצעים יחסיים של חברות נת כות דע ר לעו ת‬
‫‪ .2‬האו דנים ה דווחים ייצ ים ביצועיים‬
‫חברות לא נת כות דו ות ו כאן שקיים פיזור סביב ה וצע (מפורט בהמשך הדוח)‪.‬‬
‫‪ .2‬במילים אחרות‪ ,‬הממצאים מלמדים על תרו ה חיובית ו ש עותית של ה דע ר לפריון החברות‪.‬‬
‫‪ .2‬בהינתן ההשפעה החיובית הנמדדת של תמיכות המדע"ר על התוצר לעובד של החברות הנתמכות‬
‫ועל רקע שנות המשבר של אחרי משבר הדוט קום ומשבר ‪ ,1008‬אנו סבורים כי צמצום בתקציבי‬
‫‪3‬‬
‫לשכת המדע"ר משנת ‪ 1000‬והילך תרמו להאטת הצמיחה לעובד בענפי היי‪-‬טק‪.‬‬
‫‪ .2‬ניתן לייחס לתמיכות המדע"ר כ‪ 20 -‬אלפי ‪ ₪‬בממוצע‪ ,‬כ‪ ,20% -‬מתוך כ‪ 200 -‬אלף ‪ ₪‬תוצר לעובד‬
‫ממוצע בענפיי היי‪-‬טק בתקופת האמידה (‪ .)1008 – 2222‬במונחי תשואה החישובים שלנו מלמדים‬
‫כי פירות תמיכות המדע"ר במונחי תוצר גבוהות יותר מפי ‪ 1‬מגובה תקציבי המדע"ר על פני תקופת‬
‫האמידה‪.‬‬
‫‪ .8‬האומדן להפסד נטו (לאחר ניכוי החיסכון התקציבי) במונחי תוצר‪ ,‬מצמצום תקציבי לשכת המדע"ר‬
‫‪4‬‬
‫לאחר שנת ‪ ,2222‬שנת השיא של תקציב לשכת המדע"ר מגיע לפי ‪ 2.2‬מן החיסכון התקציבי‪.‬‬
‫‪ .‬ב לל האופי ה צ בר של הידע ה כנולו י הישיר והזול שנוצר בא צעות ו פ ניתן לו ר שככל‬
‫שהירידה בתקציבי ה דע ר נ שכת ו תעצ ת ההשלכות על ירידת הפריון דלות עבר‬
‫לא ידה הנקודתית שבוצעה בעבודה זו‪.‬‬
‫‪3‬‬
‫נציין שהמדיניות בפועל של לשכת המדע"ר במהלך העשור האחרון לא הייתה ניטראלית בהקשר של גודל החברות עם הטיה לכיוון של חברות‬
‫קטנות‪.‬‬
‫‪4‬‬
‫ברור לכל כי התוצאות של חישוב מסוג זה תלויות באופן ישיר בשנת הבסיס הנבחרת וכי גובה ההפסד המחושב כאן נובע מכך שאנו עושים‬
‫שימוש בשנת ‪ , 1222‬שנת שיא של תקציבי לשכת המדע"ר‪ .‬אולם כפי שנכתב על ידינו על בסיס תוצאות בחינות אקונומטריות מקיפות שערכנו‬
‫במהלך השנים האחרונות‪ ,‬איננו סבורים כי קיימות הצדקה כלכליות לצמצום תקציבי לשכת המדע"ר‪ ,‬הן ביחס לערך המשקי הנובע מהתמיכה‬
‫במו"פ והן ביחס לתחרותיות הגלובאלית המתגברת ליצירת ערך בהתבסס על חדשנות‪ ,‬טכנולוגיה ומו"פ‪.‬‬
‫‪07‬‬
‫‪ .1‬סיכום ומסקנות‬
‫באיזו ידה התופעה קשורה לז ינות ואיכות ירודים של כוח אדם דעי ו כנולו י‬
‫‪.‬‬
‫‪5‬‬
‫ירידה באיכות ובזמינות כוח אדם מתאים יכולה להסביר חלק משמעותי של ירידה בתוצר לעובד‪ .‬אבל‬
‫יותר מכך‪ ,‬במדינת ישראל מתקיימות יחד חברות ישראליות וחברות ענק בבעלות זרה שלהן משאבים‬
‫רבים מאלה שבבעלות ישראלית‪ ,‬בתחרות על כ"א איכותי יכול להיווצר מצב בו החברות בעלות המשאבים‬
‫מושכות ומשמרות את העובדים הטובים ביותר ואילו החברות האחרות נאלצות לבחור מתוך מאגר‬
‫עובדים מוכשרים פחות‪.‬‬
‫בחינת השערות אלה באמצעות נתונים סטטיסטיים רשמיים ופומביים שעמדו לרשות החוקרים אינה‬
‫אפשרית בשלב זה‪ .‬נתונים מפורטים ברמת הפירמה מלמ"ס אינם נותנים ביטוי הולם לאיכות הספציפית‬
‫של כוח האדם או של בוגרי האוניברסיטאות שאינה נמדדת רק בשנות השכלה‪ .‬אי לכך במסגרת המחקר‬
‫אנו בוחנים השערה זו באמצעות ראיונות עם מדגם מנהלים של חברות היי‪-‬טק במתכון של שיחה‬
‫פרונטאלית חצי מובנית‪ .‬להלן סיכום ממצאי סקר החברות‪:‬‬
‫‪‬‬
‫לא מורגשת ירידה בפריון העבודה של העובדים הישראליים‪.‬‬
‫‪‬‬
‫אין מחסור בכ"א איכותי ‪ -‬שוק ההשכלה הגבוהה התגמש ומתאים את עצמו לביקוש לעובדים‪.‬‬
‫עלייה בביקוש לעובדים איכותיים שיוצרים חברות הענק הרב לאומיות אינה מצמצמת את‬
‫הכמות של האיכות שמבקשת תעשיית ההיי טק המקומית‪ .‬מערכת הייצור של הון אנושי איכותי‪,‬‬
‫המורכבת ממערכת ההשכלה הגבוהה ותקציבי ה ‪ quality edge‬של מערכת הביטחון מצליחה‬
‫‪6‬‬
‫לייצר את ההיצע הדרוש במחיר הגבוה יותר (שכר גבוה)‪.‬‬
‫‪‬‬
‫בשלב זה עליית הביקוש אינה גורמת ירידה בכמות או איכות העובדים המגיעים להיי טק‬
‫האזרחי‪ .‬הכול מודעים לעלייה בשכ"ע של כ"א איכותי אבל זה לא משפיע על החלטות החברות‬
‫(נתון של כלל השוק) ‪ -‬מרביתן מכוונים לשוק האמריקאי והשכר בישראל עדיין נמוך משמעותית‬
‫מארה"ב ומערב אירופה‪.‬‬
‫לכן הצ יחה הנ וכה יחסית של התוצר לעובד בישראל בשנים‬
‫שינויים בכ ות ובאיכות כוח האדם‪.‬‬
‫‪-‬‬
‫אינה וסברת על ידי‬
‫‪ 5‬אנו מודי ם לחבר ועדת ההיגוי של המחקר‪ ,‬מר ליאור גלו מבנק ישראל‪ ,‬על הבאת לתשומת לבנו את הסוגיה הזו‪.‬‬
‫‪6‬‬
‫נציין כי על פי למ"ס‪ ,‬נתוני סקר חדשנות ‪ 5002 – 5002‬ביחס לשאלה באיזה מידע החברה נתקלה במחסור בעובדים בעלי מימנויות‪ ,‬כ – ‪00%‬‬
‫מכלל החברות הנסקרות השיבו חיובית במידה בינונית ורבה על שאלה זו (כ – ‪ 02%‬בקרב חברות בבעלות מקומית)‪ .‬חוקרי אפלייד סבורים‬
‫שיש מקום לעקוב אחרי ממצא זה לאורך הזמן תוך תיקוף נוסף ומיקוד על חברות שענו חיובית על השאלה "במידה רבה"‪.‬‬
‫‪08‬‬
‫‪ .1‬סיכום ומסקנות‬
‫‪.‬‬
‫באיזו ידה התופעה קשורה לתת השקעה בהון ולתפוקה שולית פוחתת של ההון בענפים אלה‬
‫‪7‬‬
‫בהינתן שענפי הטכנולוגיה העילית בישראל קיימים כבר מספר עשורים‪ ,‬על פי התיאוריה הכלכלית‬
‫הקלאסית ייתכן כי מלאי ההון בענפים אלה נמצא בנקודה בה התפוקה (או תוצר) שניתן לייצר באמצעות‬
‫כוח האדם הקיים (תוצר לעובד) אינו יכול לצמוח ללא תוספת של הון‪.‬‬
‫‪ 7‬אנו מודים לחבר ועדת ההיגוי של המחקר ‪ -‬ד"ר יואב פרידמן מבנק ישראל על הבאת לתשומת לבנו את הסוגיה הזו‪.‬‬
‫‪09‬‬
‫‪ .1‬סיכום ומסקנות‬
‫‪ .1.‬המלצות מדיניות‬
‫‪ .1.1.1‬ניתוח כולל של המימצאים‬
‫הצמיחה הנמוכה יחסית למדינות הייחוס של התוצר לעובד בענפי ההיי‪-‬טק בשנים ‪ 1002 - 1000‬היא‬
‫תוצאה מצטברת של שני משברים עוקבים‪ :‬תחילה משבר הדוט‪.‬קום העולמי ובהמשך משבר אירועי‬
‫האינתיפאדה השנייה‪ .‬שילוב אירועים כזה יכול להפחית מאד את הערך הכלכלי של מוצרי ההיי‪-‬טק‬
‫הישראלי ולפגוע בתוצר לעובד ללא קשר לאיכות העובדים או לגודל החברה‪.‬‬
‫ההסבר לשיקום האיטי יחסית של התוצר לעובד בענפי ההייטק בישראל לעומת ארה"ב בשנים הבאות‬
‫נעוץ בהחלטות שנתקבלו במדינות כשנתיים מפרוץ משבר ההיי‪-‬טק‪:‬‬
‫‪‬‬
‫הלקח העיקרי של החברות בארה"ב היה לצמצם עלויות ע"י הגדלת מיקור חוץ בתחומים עתירי‬
‫כוח אדם‪.‬‬
‫‪‬‬
‫)‬
‫‬‫ואילו בישראל הלקח העיקרי של ה שלה לאחר התייצבות ה צב הבי חוני ‪( -‬‬
‫היה לעודד הסכ י שת פ בינלאו י והק ת שלוחות של חברות רב לאו יות בבעלות זרה‬
‫בישראל ‪ -‬רכזי ו פ וקווי ייצור‪.‬‬
‫ההשלכות של החלטות אלה הן צמיחה מהירה של מרכזי מו"פ של חבר"ל בבעלות זרה בישראל‬
‫ולגיטימציה לחבר"ל ישראליות בשווקי חו"ל לפעול בהן‪ .‬כתוצאה נוטרל החיסרון היחסי של ישראל ‪ -‬קושי‬
‫לחדור לשווקים בחו"ל (בולט במיוחד בתקופות של חשיפה למשברים חיצוניים מדיניים ביטחוניים)‬
‫בתמורה לכך שהיא מאפשרת לחבר"ל המובילות בבעלות זרה לקבל נתח מאיכות ההון האנושי‪,‬‬
‫מהאקלים היזמי ומתנאי מס תחרותיים‪.‬‬
‫כתוצאה הבעיה שאותרה בעבודה זו אינה שיעור צמיחה נמוך יחסית לארה"ב‪ ,‬של "המכירות לעובד" ‪-‬‬
‫אלה צמחו בשיעור דומה ואף גבוה יותר ‪ -‬אלא שיעור צמיחה נמוך של "התוצר לעובד"‪ .‬וזאת כתוצאה‬
‫מצמיחת עלויות הייצור לעובד בישראל בשיעור גבוה יותר מארה"ב ‪ -‬זו תוצאה מובהקת של מיקור החוץ‬
‫של החבר"ל שבסיסן ארה"ב‪ .‬הפער בעלויות הייצור משקף בנוסף להבדלי ודל‪ ,‬הבדלים‬
‫נורמטיביים ‪/‬ציפיות בין ישראל וארה"ב ביחס לגבולות האחריות של המדינה בהספקת שירותים‪/‬מוצרים‬
‫חברתיים שהביקוש אליהם קשיח יחסית כמו תעסוקה‪.‬‬
‫צאי חקרים קוד ים שערכנו בדבר‬
‫בחינת הה שפעה של סלול קרן ה ו פ על הפריון חיזקה‬
‫ההשפעה החיוביות שיש להשקעה ב ו פ על התוצר לעובד‪ .‬בחינות רבות סלולי ההשקעה ב ו פ‬
‫ה ופעלים ע י לשכת ה דע ר הם ההשקעה בעלת התשואה הכלכלית והחברתית ה בוהה ביותר‬
‫בוה‪.‬‬
‫שניתן להשי השקעה ציבורית‪ ,‬ש יועדת להשי ת‬
‫‪21‬‬
‫‪ .1‬סיכום ומסקנות‬
‫לסיכום‪:‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫ההשערה שמקור הצמיחה הנמוכה יחסית של ההיטק הישראלי הוא מתודולוגי ‪ -‬נדחיתה‪.‬‬
‫ההשערה שמקור הצמיחה הנמוכה יחסית הוא השפעה שלילית של החבר"ל הבילאומיות נדחית ע"י‬
‫הנתונים שמעידים על השפעה הפוכה‪ .‬עולה מהממצאים שהשפעת חבר"ל זרה (‪ )IN‬על צמיחת‬
‫התוצר לעובד בענפי ההיי טק בישראל חיובית‪.‬‬
‫ההשערה שמקור הצמיחה הנמוכה יחסית הוא ירידה בכמות כ"א איכותי שנקלט בחברות הישראליות‬
‫נדחתה על ידי המנהלים בחברות היי טק המקומיות‪.‬‬
‫ההשערה שמקור הצמיחה הנמוכה יחסית לארה"ב בתוצר לעובד הוא הבדלים בגודל החברות וכמות‬
‫החברות שהן חברות ענק רב לאומיות מקבלת תמיכה‪.‬‬
‫ההשערה שהשפעת נוכחותן בישראל של חבר"ל זרות על צמיחתן של חבר"ל בבעלות ישראלית‬
‫במדינות היעד חיובית מקבלת תמיכה מהמנהלים בחברות היי טק המקומיות‪.‬‬
‫עולה מהממצאים שהשפעת מסלולי המדען הראשי על התוצר לעובד היא חיובית משמעותית‬
‫ומובהקת‪.‬‬
‫לכאורה המסקנה המתבקשת היא הפניית תקציב ציבורי ליצירת חברות דולות‪.‬‬
‫אולם לא עולה ה צאים שהצ חה של חברות דולות בא צעות הפניית התקציב ציבורי‬
‫ה יועד לסבסוד ו פ פרוייק לי הוא יעד נכון ובר הש ה‪.‬‬
‫הסיבה לכך היא שממשלות דמוקרטיות אינן נבחנות על פי הצלחתן להצמיח חברות עסקיות מוצלחות‬
‫ששורת הרווח הנקי היא השורה התחתונה שלהן‪ ,‬לא כל שכן חברות ענק מבוססות מו"פ שהן בעלות‬
‫כושר תחרותי מול חברות דומות בבעלות פרטית‪ .‬לכן אין לצפות שמדיניות ממשלתית תצליח‬
‫להצמיח חברות כאלה‪ .‬אין לצפות גם שמדיניות ממשלתית תגרום ליזמים של חברות עסקיות לא‬
‫לבצע "אקזיט" שהתשואה שלו על ההשקעה גבוהה מכל תשואה נורמאלית‪ .‬זה בניגוד למניע היזם‬
‫הכלכלי‪ .‬אפשר לנסח את התנאים התיאורטיים היוצרים צמיחה של חברות כאלה אולם התהליכים‬
‫היוצרים צמיחה של חברות כאלה אינם ניתנים לתכנות‪ .‬לא ברור שזה אפשרי ונכון שכלכלה קטנה‬
‫‪8‬‬
‫כמו ישראל תפעל להצמיח חברות רב לאומיות כדרך להעלאת הפריון‪.‬‬
‫התנאי לצ יחה של חברות היי ק דולות ב דינה ק נה הוא קיו ו של צבר ידע נרי בר סחור‬
‫שנוצר באר ונים ללא שיקולים כלכליים ישירים ( ו פ ב חוני‪ ,‬ו פ ב י ון ה דע ר)‪.‬‬
‫‪8‬‬
‫הבעיה העקרית היא שישראל חשופה מאד למשברים מדיניים וביטחוניים שיכולים להשליך על הביקוש למוצרי היצוא הישראלי ‪ -‬ממשלות‬
‫וחברות זרות יימנעו לייצור תלות במוצרים שנחשבים פלטפורמה עיקרית שמיוצרים בישראל‪.‬‬
‫‪20‬‬
‫‪ .1‬סיכום ומסקנות‬
‫‪ .1. .‬המלצות‬
‫שתי המלצות העולות בבירור ממחקר הן‪:‬‬
‫‪ .2‬חשוב להעלות בתהליך רב שנתי הדר תי ו בוקר את חלקה של ההשקעה הציבורית במו"פ‬
‫‪9‬‬
‫אזרחי‪/‬עסקי‪ ,‬מתוך התמ"ג‪.‬‬
‫צא בול של ה חקר שהצ יחה בתוצר לעובד בחברות בינוניות ו דולות בוהה‬
‫‪ .1‬בהסת ך על‬
‫יותר צ יחתו בחברות ק נות (עמ' ‪ 22‬בדו"ח) ולמרות ההסתייגות לעיל חשוב שתהיה מדיניות‬
‫ממשלתית שתאפשר ותקל על המשך צמיחתן של חברות קטנות ובינוניות להן פו נציאל להתפתח‬
‫‪10‬‬
‫לחברות בינוניות וגדולות בהתאמה‪.‬‬
‫‪9‬‬
‫‪10‬‬
‫לאור הממצאים בפרק ‪ 4‬של בחינת ההשערות‪.‬‬
‫המתייחסת להצמחת חברות גדולות‪.‬‬
‫‪22‬‬
‫‪ .2‬בחינת מתודולוגיה לעריכת השוואה בינלאומית של נתוני תוצר‬
‫‪ .4‬בחינת מתודולוגיה לעריכת השוואה בינלאומית של נתוני תוצר‬
‫‪ . .1‬כללי‬
‫חלק זה של העבודה עוסק בהגדרת מתודולוגיה אופטימאלית לעריכת השוואה בינלאומית של נתוני תוצר‪.‬‬
‫הצורך בהבנת סוגיה זו נתגלה במסגרת השוואות בינלאומיות שביצענו על נתוני תוצר ותוצר לעובד עבור‬
‫כלל ענפי התעשייה וכלל ענפי היי‪-‬טק (ענפי התעשייה וענפי המחשוב והתוכנה וענף חברות המו"פ יחדיו)‬
‫במהלך השנים האחרונות‪ .‬באותן בחינות נתגלו לעיתית תוצאות לא קונסיסטנטיות לגבי הרמה וקצב‬
‫ההתפתחות של התוצר והתוצר לעובד בענפים הרלבנטיים בישראל וביתר המדינות‪.‬‬
‫בחינה יסודית זו אפשרה לנו להבין באופן מבוסס כי קיימת בעיה בהשוואה של נתונים מסוג זה בין‬
‫מדינות‪ .‬עיקר הבעיה מקורה בכך שאין מתודולוגיה אחידה בין מדינות למעבר מנתונים נומינאליים‬
‫הנקובים במטבע מקומי לנתונים ריאליים במונחי מטבע משותף המאפשר השוואה בין מדינתית‪.‬‬
‫ליתר פירוט ‪ -‬ישנם שני ממדים הקשורים להשוואות בינלאומיות של ערכים כספיים על פני זמן‪ ,‬המציבים‬
‫אתגרים משמעותיים מאוד‪ :‬ממד הזמן והממד הבין מדינתי בהקשר למטבעות שונים‪ .‬באופן עקרוני‬
‫קיימים פתרונות פשוטים להשוואות מסוג זה ‪ -‬התאמת מחירים באמצעות מדדי מחירים והתאמת‬
‫מטבעות באמצעות שערי חליפין או שערי שיווין כוח קנייה (‪ .)purchasing power parity‬אולם‪ ,‬בפועל‬
‫השימוש של שילובים שונים של מדדי מחירים (המחושבים בשיטות שונות במדינות שונות)‪ ,‬שערי חליפין‬
‫ושערי שוויון כוח קנייה מניב תוצאות שונות בפרט כשההסתכלות היא על גדלים כספיים של התוצר או‬
‫התוצר לעובד על פני זמן‪.‬‬
‫בפרק זה נפרט את סוגי הבעיות שנתגלו בהקשר זה‪ ,‬נתאר את הבחינה האמפירית שנעשתה בכדי‬
‫לנסות להעריך את עוצמות הפערים כאשר עושים שימוש בשיטות התאמת מחירים שונות ונציע את‬
‫מסקנתנו בהקשר‪.‬‬
‫‪23‬‬
‫‪ .2‬בחינת מתודולוגיה לעריכת השוואה בינלאומית של נתוני תוצר‬
‫‪ . .‬מדדי מחירים הדוניים‬
‫בהתייחס למעבר מנתונים נומינאליים לנתונים ריאליים הסוגיה המרכזית היא שלמרות שמדדי המחירים‬
‫במדינות שונות מחושבים על בסיס מתודולוגיה כללית דומה‪ ,‬פרטי יישום המתודולוגיה שונים למדי בין‬
‫המדינות השונות וגם בתוך המדינות בין מוצרים שונים‪ .11‬בפרט‪ ,‬זקיפה של שינויים באיכות המוצרים‬
‫במדדי המחירים (מדדי מחירים הדוניים) הינה פרקטיקה נפוצה ומקובלת בקרב הגורמים הסטטיסטיים‬
‫הרשמיים של המ דינות‪ .‬אולם למיטב הבנתנו את הסוגיה‪ ,‬הדבר נעשה באופן לא אחיד ולא שקוף בין‬
‫מדינות ואף בין מוצרים שונים בתוך אותה מדינה‪.‬‬
‫מתוך שיחות רבות שקיימנו עם גורמים מקצועיים מהלשכה המרכזית לסטטיסטיקה בישראל (למ"ס)‪,‬‬
‫ומה‪ Bureau of Economic Analysis (BEA) -‬וה‪ Bureau of Labor Statistics (BLS) -‬מארה"ב‪ ,‬למדנו כי כל‬
‫גורם האחראי על מוצר או קבוצת מוצרים עושה שימוש בשיטה הדונית (לזקיפת רכיב האיכות אל תוך‬
‫מדדי המחירים) בהתאם לנתונים והכלים העומדים לרשותו‪ ,‬על בסיס היכרותו של סוג המוצרים‬
‫וההשתנות שלהם על פני זמן‪ .‬כל זאת במסגרות מתודולוגיות מקובלות ברמת הארגון‪ ,‬אך שלמיטב‬
‫התרשמותנו אינן מוגדרות באופן מפורש‪.‬‬
‫כך למשל‪ ,‬מדדי המחירים של מוצרים מענפי הטכנולוגיה העילית בארה"ב מחושבים על ידי ה‪BLS -‬‬
‫באמצעות שיטות הדוניות המניבות מחירים יורדים בצורה תלולה החל משנות ה‪ 20 -‬וביתר שאת החל‬
‫משנת ‪ .1000‬בישראל לעומת זאת‪ ,‬מדדי המחירים של אותם ענפים אינם יורדים באותה תקופה‪ .‬זאת‬
‫למרות שמדובר במוצרים זהים או מאוד דומים לאלה הנמכרים בארה"ב‪ ,‬כאשר גם בלמ"ס מיישמים‬
‫שיטות לזקיפת השתנות איכות המוצרים במדדי המחירים‪.‬‬
‫‪ . .2‬שערי חליפין ושערי שוויון כוח קנייה (‪)PPP‬‬
‫כדי שאפשר יהיה להשוות נתונים כספיים ממדינות שונות קיים צורך לתרגם את המונחים הכספיים‬
‫למונחים אחידים‪ ,‬למשל דולר ארה"ב או דולר ארה"ב במונחי שוויון כוח קנייה‪ .‬שימוש בשערי חליפין‬
‫פשוטים הנקבעים בשווקים היא כמובן הפרקטיקה המקובלת לצרכים עסקיים ופיננסיים שוטפים‪ .‬השימוש‬
‫בשערי שוויון כוח קנייה לעומת זאת נועד בעיקר לאמידה והשוואה של הרווחה הכלכלית בין מדינות והיא‬
‫פרקטיקה נפוצה יותר בקרב כלכלנים וארגוניים העוסקים בנושאים אלה‪.‬‬
‫‪11‬‬
‫הבדיקה שלנו נעשתה בעיקר מול הלשכה המרכזית לסטטיסטיקה של מדינת ישראל‪ ,‬ה‪ Bureau of Economic Analysis -‬וה‪Bureau of Labor -‬‬
‫‪ Economics‬של ארה"ב והתבססה גם על ספרות מקצועית של ה‪[ OECD -‬להכניס הפנייה]‪.‬‬
‫‪24‬‬
‫‪ .2‬בחינת מתודולוגיה לעריכת השוואה בינלאומית של נתוני תוצר‬
‫בתמציתיות רבה‪ ,‬שער שוויון כוח קנייה בין מדינה ‪ A‬למדינה ‪ B‬ממירה יחידות המטבע של מדינה ‪B‬‬
‫ליחידות מטבע "שוות ערך קנייה" של מדינה ‪( A‬אשר אפוא תוגדר מדינת הבסיס)‪ .‬כך למשל‪ ,‬אם נניח‬
‫ששער ה‪ PPP -‬בין ישראל לארה"ב (מדינת הבסיס) הוא ‪ ,2‬אזי ש‪ 2 -‬שקל ישראלי קונה בארה"ב מה ש‪-‬‬
‫‪ 2/2‬דולר אמריקאי קונה בארה"ב‪.‬‬
‫למטרת השוואות של תוצר ופריון‪ ,‬לא ברור שמבחינה מתודולוגית השימוש בשערי שוויון כוח קנייה היא‬
‫השיטה הרצויה‪ .‬זאת כיוון שנשוא הבחינה של תוצר ופריון הוא התפתחות כוח הייצור של עסקים ומדינות‬
‫ולאו דווקא את הערך השווה קנייה של אותו ייצור‪ ,‬וכפי שנתאר‪ ,‬השימוש בשערי שוויון כוח או בשערי‬
‫חליפין משנה את התוצאות המתקבלות‪ ,‬בפרט בהסתכלות על גדלים כספיים אבסולוטיים‪.‬‬
‫מגבלה נוספת בהקשר לשימ וש של שערי שוויון כוח קנייה היא שהשערים מחושבים על ידי ארגון ה‪-‬‬
‫‪ OECD‬אחת לארבע שנים ומתפרסמים בעיכוב משמעותי (שנה עד שנתיים)‪ .‬הסיבה לכך היא שמשימת‬
‫החישוב דורשת שיתוף פעולה‪ ,‬תיאום והשקעה של משאבים כספיים ואנושיים רבים של כל המדינות‬
‫המעורבות‪ .‬בין שנות החישוב ארגון ה‪ OECD -‬מפרסמת אומדנים של שערי כוח הקנייה המבוססים על‬
‫השערים המחושבים כל ארבע שנים אשר מתעדכנים באמצעות שימוש במדדי מחירים של המדינות‬
‫המעורבות‪ .‬אולם לאור מה שנכתב לעיל אודות אי האחידות המתודולוגית בבניית מדדי מחירים במדינות‬
‫השונות‪ ,‬השימוש בשערי שוויון כוח קנייה שנתיים נעשה בעייתי עוד יותר‪.‬‬
‫‪ . .2‬מדדים כלליים ומדדים ברמת ענף‬
‫בעיה מתודולוגית נוספת בהקשר לשימוש במדדי מחירים ושערי שוויון כוח קנייה היא שבאופן עקרוני ניתן‬
‫להשיג ולעשות שימוש במדדי מחירים ושערי ‪ PPP‬ברמת הענף‪ ,‬למשל מדד מחירי הסיטונאות ושער שוויון‬
‫כוח קנייה של ענף הרכיבים האלקטרוניים‪ .‬אם ההשוואה הבינלאומית היא בפירוט ענפי אזי שעל פניו רצוי‬
‫לעשות שימוש במדדים מפורטים מתאימים‪ .‬אולם ככל שהמדד בו נעשה שימוש‪ ,‬מפורט יותר‪ ,‬כך‬
‫ההבדלים המתודולוגיים בחישובים בין מדינות ישפיעו באופן חד יותר על תוצאות ההשוואה (במדדים‬
‫האגרגאטיביים ההבדלים נחלקים ומתקזזים על פני ענפים)‪.‬‬
‫כך למשל‪ ,‬השוני המוזכר לעיל במדדי המחירים של מוצרים מענפי הטכנולוגיה העילית בארה"ב לעומת‬
‫ישראל (מחירים יורדים בארה"ב בשל התאמת השיפור באיכות לעומת מחירים עולים מתון בישראל)‬
‫משפיעה בצורה קטנה יחסית על השוני בין מדדי המחירים האגרגאטיביים של המדינות‪.‬‬
‫‪25‬‬
‫‪ .2‬בחינת מתודולוגיה לעריכת השוואה בינלאומית של נתוני תוצר‬
‫‪ . .2‬בחינת אמפירית של שיטות אלטרנטיביות‬
‫בתת פרק זה נתאר בקצרה את הבחינה האמפירית שערכנו להבנת השוני בתוצאות המתקבלות‬
‫בהשוואה בינלאומית של התוצר לעובד בענפי הטכנולוגיה העילית כאשר עושים שימוש בשיטות התאמת‬
‫מחירים ומטבעות שונים‪ .‬נבחנו שלוש מתודולוגיות למדידת התוצר לעובד של ישראל ופינלנד ביחס‬
‫לארה"ב במונחים כספיים‪:‬‬
‫‪‬‬
‫תוצר לעובד במונחים דולריים שוטפים;‬
‫‪‬‬
‫תוצר לעובד במונחי שוויון כוח קנייה (‪ )PPP‬כללי;‬
‫‪‬‬
‫תוצר לעובד במונחי ‪ PPP‬ברמה ענפית של ‪ 2‬ספרות והתאמה לרכיבי הייצוא לפי מדינת היעד‪.‬‬
‫‪12‬‬
‫ההשוואה התבססה על נתונים ענפיים ברמת פירוט של ‪ 1‬ספרות של עובדים ותוצר מה‪ OECD -‬עבור‬
‫ארה"ב ופינלנד ומהלמ"ס עבור ישראל‪ .‬שערי שוויון כוח הקנייה מקורם ב‪.OECD -‬‬
‫נספח ב מציג תרשימים המתארים את רמות התוצר לעובד במדינות ובערכים השונים בפירוט ענפי‪.‬‬
‫תמצית התוצאות היא ששלוש המתודולוגיות מניבות תוצאות שונות מאוד וללא הטיה שיטתית ‪ -‬כלומר‬
‫אף מתודולוגיה אינה מניבה תוצאות גבוהות או נמוכות ביחס ליתר המתודולוגיות באופן שיטתי‪ .‬עם זאת‪,‬‬
‫מגמות הצמיחה של התוצר לעובד עקביות מאוד בין השיטות‪.‬‬
‫‪ 12‬ראה מתודולוגיה מפורטת בנספח א‪.‬‬
‫‪26‬‬
‫‪ .2‬בחינת מתודולוגיה לעריכת השוואה בינלאומית של נתוני תוצר‬
‫‪ . .2‬מסקנות והמלצות‬
‫על רקע תוצאות אלה ולאור שיחות שקיימנו עם גורמים מקצועיים רבים מחברות ההיי‪-‬טק במגוון גדלים‬
‫וממגוון ענפים‪ ,‬במסגרת סקר חברות אשר תוצג בהמשך‪ ,‬מסקנתנו בהקשר זה הן ש‪:‬‬
‫‪ .2‬בידי הפירמות עצמן היכולת למדוד את פריון העבודה של העובד או המהנדס המועסק אצלם במונחי‬
‫ייצור לעובד ו‪/‬או שעות אדם מושקעות בפרויקטים של מו"פ ביחס להצלחת הפרויקטים ולבודד את‬
‫האפקטיביות ואו היעילות מכוח השוק או כשרון השיווק ואולם נתונים כאלה לא נאספים באופן שיטתי‬
‫ואינן נגישים למחקר כלכלי‪.‬‬
‫‪ .1‬התוצר לעובד הנמדד על סמך נתוני החשבונאות הלאומית מודד את ביצועי הפירמות כפועל יוצא‬
‫מיכולותיהן הפנימיות‪ ,‬לרבות פריון עובדיהן‪ ,‬וגם מגורמי שוק רבים‪ ,‬אשר העיקרים בהם הם מחזורי‬
‫העסקים‪ ,‬מחזורים טכנולוגיים ושערי מטבע‪.‬‬
‫‪ .2‬לכן הגישה במחקר זה תהיה למדוד את התוצר לעובד בענפי הטכנולוגיה העילית של ישראל ביחס‬
‫לארה"ב ומדינות שונות ולנסות לספק הסבר לפערים כפונקציה של הגורמים אשר צוינו‪.‬‬
‫‪ .2‬לאור זאת‪ ,‬על רקע השוני המתקבל בנתוני תוצר כספיים מהפעלת שיטות התאמת מחירים שונות‪,‬‬
‫העובדה שהמגמות שהתקבלו בכול השיטות זהות ומכיוון שענפי הטכנולוגיה העילית מייצאות את‬
‫החלק הארי של מוצריהם לשווקים הבינלאומיים והם מתומחרים בדולריים של ארה"ב‪ ,‬מבצעי המחקר‬
‫אמצו את המלצתם של חברי ועדת ההיגוי של המחקר‪ ,‬לערוך את ההשוואה הבינלאומית המוצגת‬
‫בפרקים להלן במונחי דולרים שוטפים של ארה"ב‪ .‬כיוון שההשוואה הרלבנטית היא ביצועי ישראל‬
‫ביחס לארה"ב ומדינות שונות בכל נקודת זמן ועל פני זמן‪ ,‬השוואת נתוני התוצר לעובד במונחים‬
‫שוטפים למספר מדינות‪ ,‬מאפשרת לחשב את היחס בין ביצועי המדינות לכל נקודת זמן ועל פני זמן‪,‬‬
‫מבלי שהתוצאות ישפעו מהתאמות מחירים המתבססות על מתודולוגיות לא אחידות‪.‬‬
‫‪27‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫‪ .2.1‬כללי‬
‫מטרת פרק זה היא לספק מענה המעוגן בניתוח נתונים סטטיסטיים לשלוש ההשערות המרכזיות של‬
‫המחקר בהקשר לצמיחה הנמוכה יחסית בתוצר לעובד של ענפי הטכנולוגיה העילית בישראל ביחס‬
‫למשקים מפותחים אחרים‪:‬‬
‫‪‬‬
‫באיזו מידה התופעה קשורה לגודל החברות;‬
‫‪‬‬
‫באיזו מידה התופעה מושפעת מקיומם של מרכזי מו"פ בבעלות של חברות רב לאומיות זרות;‬
‫אנו עושים זאת על ידי ניתוח של סדרות נתונים ברמת הענף של ענפי הטכנולוגיה העילית בישראל‪,‬‬
‫בארה"ב ופינלנד לשנים ‪ ,1002 – 2222‬וניתוח עומק באמצעות נתוני חברות עבור ישראל לאותה תקופה‪.‬‬
‫עיקר הניתוח מתמקד בהשתנות על פני זמן של רמת התוצר לעובד במדינות אלה‪ .‬כמו כן בוצעו נתונים‬
‫משלימים של רכיבי התוצר לעובד (תפוקה‪ ,‬הוצאות‪ ,‬עובדים‪ ,‬וכיו"ב)‪ ,‬השכר לעובד ומשתנים נוספים אשר‬
‫סייעו בהבנת פני הדברים‪.‬‬
‫התמקדות המחקר בעיקר בתוצר לעובד נעשה בכוונת תחילה בכדי לאפשר חקירה השוואתית לעומת‬
‫מדינות אחרות ברמה ענפית של שתי ספרות‪ .‬נתונים אחרים הנחשבים חשובים לניתוחי צמיחה מסוג זה‪,‬‬
‫ובפרט השקעות והון‪ ,‬קשים יותר להשגה ומהימנים פחות ברמה מצרפית זו‪ .‬באופן דומה‪ ,‬ההשוואה‬
‫לעומת ארה"ב ופינלנד בלבד מוסברת אף היא על ידי כך שעבור מדינות רלבנטיות אחרות (מדינות‬
‫אירופאיות גדולות וקטנות) נתונים ברמת אגרגציה של שתי ספרות אינם זמינים באופן עקיב (כלל‬
‫‪13‬‬
‫הענפים‪ ,‬כלל השנים) על פני זמן‪.‬‬
‫לאור הממצאים והמסקנות מפרק ‪ 1‬לעיל בהקשר למתודולוגיה המומלצת לעריכת השוואת בינלאומיות‬
‫של נתוני תוצר ותוצר לעובד ומכיוון שענפי הטכנולוגיה העילית מייצאות את החלק הארי של מוצריהם‬
‫לשווקים הבינלאומיים והם מתומחרים בדולריים של ארה"ב‪ ,‬מבצעי המחקר אמצו את המלצתם של חברי‬
‫ועדת ההיגוי של המחקר‪ ,‬לערוך את ההשוואה הבינלאומית המוצגת בפרקים להלן במונחי דולרים‬
‫שוטפים של ארה"ב‪ .‬כיוון שההשוואה הרלבנטית היא ביצועי ישראל ביחס לארה"ב ומדינות שונות בכל‬
‫נקודת זמן ועל פני זמן‪ ,‬השוואת נתוני התוצר לעובד במונחים שוטפים למספר מדינות‪ ,‬מאפשרת לחשב‬
‫את היחס בין ביצועי המדינות לכל נקודת זמן ועל פני זמן‪ ,‬מבלי שהתוצאות ישפעו מהתאמות מחירים‬
‫המתבססות על מתודולוגיות לא אחידות‪.‬‬
‫בתת פרק להלן נפרט את מקור הנתונים ואת הענפים הכלולים בניתוח‪.‬‬
‫‪ 13‬בנספח ב ניתן למצוא את הנתונים השוואתיים העיקריים אודות התוצר לעובד של שלושת המדינות במונחי דולרים קבועים‪.‬‬
‫‪28‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫‪ .2.‬פירוט ענפים ומקור הנתונים‬
‫ניתוח נתוני התוצר לעובד ומשתנים משלימים של ענפי הטכנולוגיה העילית בישראל‪ ,‬ארה"ב ופינלנד‬
‫נעשה בחלוקה לענפים של ‪ 1‬ספרות‪ .‬מכיוון שנעשה שימוש בנתונים ממספר מקורות‪ ,‬לעיתים ערכנו‬
‫עבודה של התאמות בין נתונים ממקורות שונים כדי לאפשר השוואה נכונה של ההתפתחות הענפיות בין‬
‫המדינות על פני זמן‪.‬‬
‫באופן עקרוני הניתוח מתמקד בענפי ההיי‪-‬טק לפי החלוקה להלן‪ ,‬אם כי בחלקים שונים של הניתוח נעשה‬
‫שימוש בהקבצות של חלק מהענפים יחד וזאת בהתאם לזמינות הנתונים‪:‬‬
‫לוח ‪ :3‬ניתוח התפתחות התוצר לעובד על פני זמן ‪ -‬רשימת ענפים‬
‫זר‬
‫שם ענף‬
‫תרופות‬
‫רכיבים אלקטרוניים‬
‫ציוד תקשורת אלקטרוני‬
‫ציוד תעשייה לבקרה ופיקוח‪ ,‬ציוד רפואי ומדעי‬
‫כלי טייס‬
‫שירותי מחשוב ותוכנה‬
‫חברות מחקר ופיתוח‬
‫תעשייה‬
‫תעשייה‬
‫תעשייה‬
‫תעשייה‬
‫תעשייה‬
‫שירותים‬
‫שירותים‬
‫קוד‬
‫‪ISIC‬‬
‫‪1212‬‬
‫‪21‬‬
‫‪21‬‬
‫‪22‬‬
‫‪222‬‬
‫‪21‬‬
‫‪21‬‬
‫קוד‬
‫ל ס‬
‫‪122‬‬
‫‪21‬‬
‫‪22‬‬
‫‪22‬‬
‫‪222‬‬
‫‪21‬‬
‫‪22‬‬
‫בלוח ‪ 2‬להלן אנו מפרטים את סוג ומקור הנתונים אשר משווים בחלקים השונים של הניתוח המוצג‬
‫בהמשך‪:‬‬
‫לוח ‪ :4‬ניוח התפתחות התוצר לעובד על פני זמן – סוג ומקור הנתונים‬
‫ניתוח‬
‫סו הנתונים‬
‫התפתחות התוצר לעובד על פני זמן – השוואה בינלאומית‬
‫נתונים מצרפיים ברמה ענפית של ‪ 1‬ספרות‪.‬‬
‫ניתוח עומק של התוצר לעובד בענפי היי‪-‬טק בישראל‬
‫ניתוח השוואתי של התפוקה לעובד‬
‫בענפי היי‪-‬טק בישראל ובארה"ב לפי גודל החברות‬
‫נתוני חברות בהצגה ענפית של ‪ 1‬ספרות‪.‬‬
‫עבור ארה"ב נתונים מצרפיים ברמה ענפית של ‪ 1‬ספרות‪.‬‬
‫עבור ישראל נתוני חברות בהצגה ענפית של ‪ 1‬ספרות‪.‬‬
‫‪29‬‬
‫קור‬
‫הנתונים‬
‫‪OECD‬‬
‫למ"ס‬
‫למ"ס‬
‫‪BEA‬‬
‫למ"ס‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫‪ .2.2‬סיכום הממצאים‬
‫אנו מפרטים להלן את הממצאים המרכזיים העולים מניתוח מפורט ומסודר של כלל מערכת הנתונים‬
‫המוצג בהמשך פרק זה‪:‬‬
‫‪ .2‬בענפי היי‪-‬טק בתעשייה מלבד ענף התרופות – התוצר לעובד בישראל נמוך משמעותית לעומת‬
‫ארה"ב‪ :‬בסוף התקופה ישראל מהווה כ‪ 20% -‬בלבד מארה"ב‪.‬‬
‫‪ .1‬בענפי השירותים (תוכנה וחברות מו"פ) – הפער מול ארה"ב נמוך יותר‪ :‬בסוף התקופה ישראל מהווה‬
‫כ‪ 20% -‬מארה"ב‪.‬‬
‫‪ .2‬ענף התרופות צמח בצורה מאוד משמעותית במהלך התקופה ובסוף התקופה רמתו קרובה יותר לזו‬
‫של ארה"ב‪ ,‬כ‪ .82% -‬אולם‪ ,‬מבדיקות שביצענו למדנו כי ניתן לייחס את מרב הצלחה של ענף זה‬
‫בישראל לחברת טבע ולצמיחה גבוהה מאוד בסקטור התרופות הגנריות בעשור הקודם‪.‬‬
‫‪ .2‬רמת התוצר לעובד בישראל דומה לאלה הנצפות בפינלנד מלבד בענף ציוד תקשורת‪ .‬בדומה לענף‬
‫התרופות בישראל‪ ,‬במקרה של פינלנד רמת התוצר לעובד בענף ציוד תקשורת מיוחס להכללתה של‬
‫חברת נוקיה בענף זה‪.‬‬
‫‪ .2‬ניתוח דינאמי של רכיבי התוצר לעובד מלמד כי עיקר הפער של ישראל לעומת ארה"ב מקורו בצמיחה‬
‫גבוהה יותר ברכיבי ההוצאות – חומרים‪ ,‬עובדים‪ ,‬שכר‪ ,‬השקעות‪ ,‬בישראל לעומת ארה"ב‬
‫(המאופיינת לעיתים גם בצמיחה שלילית בעובדים)‪ .‬נציין שצמיחת ההכנסות של הענפים בישראל‬
‫דומה ואף גבוהה מאלה של ארה"ב‪.‬‬
‫‪ .2‬הנתונים מלמדים על קשר חיובי חזק בין גודל החברות ורמת התוצר לעובד‪ :‬קיימים פערים מאוד‬
‫משמעותיים בתוצר הממוצע לעובד בין חברות קטנות ובינוניות לעומת חברות גדולות וענקיות‬
‫הפערים גדלים עם חלוף הזמן בעיקר לטובת החברות הענקיות אבל גם על פני קבוצות גודל‪,‬‬
‫התפוקה לעובד בישראל נמוכה משמעותית מזו של ארה"ב ובייחוד בקרב חברות קטנות (‪10 – 0‬‬
‫עובדים) וחברות גדלות מאוד (‪ 200+‬עובדים)‪ .‬בענף התרופות הקשר בין גודל החברות לבין‬
‫תפוקה‪/‬תוצר לעובד משמעותי במיוחד ובענפי השירותים פחות‪.‬‬
‫‪ .2‬הנתונים של חברות בבעלות זרה‪ ,‬ובפרט מרכזי מו"פ‪ ,‬אינם מטים את חישובי התוצר לעובד הענפיים‬
‫כלפי מטה – להיפך‪ :‬ממוצע התוצר לעובד של מרכזי המו"פ בבעלות זרה בישראל גבוה יותר ממוצע‬
‫התוצר לעובד של החברות הענקיות בישראל ומהממוצעים הענפיים בארה"ב‪ .‬כמו כן‪ ,‬ממוצע התוצר‬
‫לעובד בחברות בבעלות זרה בישראל (לא מרכזי מו"פ) גבוה יותר מממוצע התוצר לעובד בחברות‬
‫בבעלות ישראלית – מלבד בענף התרופות‪.‬‬
‫‪31‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫‪ .2.2‬הצגת הממצאים‬
‫‪ .1.4.1‬התפתחות התוצר לעובד בענפי היי‪-‬טק על פני זמן – השוואה בינלאומית‬
‫בפרק זה מוצגת מערכת נתונים השוואתיים המאפשרים ללמוד על התפתחות התוצר לעובד בענפי היי‪-‬‬
‫טק בישראל בהשוואה לארה"ב ופינלנד בשנים ‪ .1002 - 2222‬הדגש בניתוח הוא על החלוקה הענפית‬
‫ועל ההתפתחות על פני זמן‪ .‬בפרקים לאחר מכן מוצגים ניתוחים משלימים המאפשרים לבחון את‬
‫השערות המחקר אודות הקשר בין הנוכחות של מרכזי מו"פ בבעלות זרה וגודל החברות לבין הצמיחה‬
‫האיטית יחסית של התוצר לעובד בישראל‪ .‬מקור הנתונים המוצגים הם ה‪ OECD -‬והלמ"ס (ראה הסבר‬
‫מפורט יותר על הנתונים לעיל)‪.‬‬
‫תרשים ‪ :0‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד‬
‫ממוצעים רב שנתיים באלפי דולרים שוטפים‬
‫ענף התרופות‬
‫‪Finland‬‬
‫‪US‬‬
‫‪Israel‬‬
‫‪350,000‬‬
‫‪272,677‬‬
‫‪250,000‬‬
‫‪249,632‬‬
‫‪216,151‬‬
‫‪200,000‬‬
‫‪174,567‬‬
‫‪117,926‬‬
‫‪100,000‬‬
‫‪73,699‬‬
‫‪69%‬‬
‫‪87%‬‬
‫‪2007 - 2009‬‬
‫‪100%‬‬
‫‪30%‬‬
‫‪47%‬‬
‫‪150,000‬‬
‫‪100%‬‬
‫‪2001 - 2003‬‬
‫‪71,580‬‬
‫‪65,781‬‬
‫‪41%‬‬
‫‪38%‬‬
‫‪1995 - 1997‬‬
‫‪30‬‬
‫‪Value Added per Worker in Current US$‬‬
‫‪315,058‬‬
‫‪300,000‬‬
‫‪50,000‬‬
‫‪100%‬‬
‫‬‫► ‪Relative to US‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫תרשים ‪ :4‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד‬
‫ממוצעים רב שנתיים באלפי דולרים שוטפים‬
‫רכיבים אלקטרוניים ולתקשורת‬
‫‪Finland‬‬
‫‪US‬‬
‫‪Israel‬‬
‫‪250,000‬‬
‫‪Value Added per Worker in Current US$‬‬
‫‪236,024‬‬
‫‪200,000‬‬
‫‪160,582‬‬
‫‪153,115‬‬
‫‪150,000‬‬
‫‪100,000‬‬
‫‪91,824‬‬
‫‪87,728‬‬
‫‪90,561‬‬
‫‪69,119‬‬
‫‪67,845‬‬
‫‪60%‬‬
‫‪154%‬‬
‫‪183%‬‬
‫‪100%‬‬
‫‪2007 - 2009‬‬
‫‪77%‬‬
‫‪85,661‬‬
‫‪50,000‬‬
‫‪100%‬‬
‫‪106%‬‬
‫‪2001 - 2003‬‬
‫‪100%‬‬
‫‪81%‬‬
‫‬‫► ‪Relative to US‬‬
‫‪1995 - 1997‬‬
‫תרשים ‪ :2‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד‬
‫ממוצעים רב שנתיים באלפי דולרים שוטפים‬
‫ציוד תעשייתי לבקרה ופיקוח‪ ,‬ציוד רפואי וציוד אופטי‬
‫‪Finland‬‬
‫‪US‬‬
‫‪Israel‬‬
‫‪180,000‬‬
‫‪157,853‬‬
‫‪140,000‬‬
‫‪120,000‬‬
‫‪100,732‬‬
‫‪100,000‬‬
‫‪96,112‬‬
‫‪80,000‬‬
‫‪71,119‬‬
‫‪76,974‬‬
‫‪63,446‬‬
‫‪58,779‬‬
‫‪68,762‬‬
‫‪60,000‬‬
‫‪57,651‬‬
‫‪40,000‬‬
‫‪Value Added per Worker in Current US$‬‬
‫‪160,000‬‬
‫‪20,000‬‬
‫‪64%‬‬
‫‪61%‬‬
‫‪2007 - 2009‬‬
‫‪100%‬‬
‫‪76%‬‬
‫‪92%‬‬
‫‪100%‬‬
‫‪2001 - 2003‬‬
‫‪92%‬‬
‫‪84%‬‬
‫‪1995 - 1997‬‬
‫‪32‬‬
‫‪100%‬‬
‫‬‫► ‪Relative to US‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫תרשים ‪ :2‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד‬
‫ממוצעים רב שנתיים באלפי דולרים שוטפים‬
‫‪14‬‬
‫כלי טייס‬
‫‪Finland‬‬
‫‪US‬‬
‫‪Israel‬‬
‫‪160,000‬‬
‫‪120,000‬‬
‫‪112,857‬‬
‫‪100,000‬‬
‫‪80,000‬‬
‫‪79,859‬‬
‫‪77,771‬‬
‫‪70,169‬‬
‫‪60,000‬‬
‫‪62,824‬‬
‫‪52,652‬‬
‫‪49,644‬‬
‫‪40,000‬‬
‫‪Value Added per Worker in Current US$‬‬
‫‪150,049‬‬
‫‪140,000‬‬
‫‪20,000‬‬
‫‪100%‬‬
‫‪53%‬‬
‫‪56%‬‬
‫‪2007 - 2009‬‬
‫‪62%‬‬
‫‪100%‬‬
‫‪2001 - 2003‬‬
‫‪68%‬‬
‫‪64%‬‬
‫‪100%‬‬
‫‬‫► ‪Relative to US‬‬
‫‪1995 - 1997‬‬
‫תרשים ‪ :7‬התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד‬
‫ממוצעים רב שנתיים באלפי דולרים שוטפים‬
‫תוכנה‪ ,‬שירותי מחשבים וחברות מו"פ‬
‫‪Finland‬‬
‫‪15‬‬
‫‪US‬‬
‫‪Israel‬‬
‫‪140,000‬‬
‫‪100,000‬‬
‫‪89,524‬‬
‫‪88,792‬‬
‫‪70%‬‬
‫‪69%‬‬
‫‪91,343‬‬
‫‪80,000‬‬
‫‪60,000‬‬
‫‪64,600‬‬
‫‪53,740‬‬
‫‪48,218‬‬
‫‪44,414‬‬
‫‪40,000‬‬
‫‪Value Added per Worker in Current US$‬‬
‫‪128,136‬‬
‫‪120,000‬‬
‫‪20,000‬‬
‫‪-‬‬
‫‪2007 - 2009‬‬
‫‪100%‬‬
‫‪53%‬‬
‫‪71%‬‬
‫‪100%‬‬
‫‪2001 - 2003‬‬
‫► ‪Relative to US‬‬
‫‪1995 - 1997‬‬
‫‪ 14‬בישראל הענף כולל בעיקר מכשור מתקדם למטוסים ובארה"ב הענף כולל גם ייצור מטוסים‪.‬‬
‫‪ 15‬בישראל כולל מרכזי פיתוח בבעלות זרה; בארה"ב ענף חברות המו"פ לא קיים; כולל אומדן לנתוני ‪5000‬‬
‫‪33‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫‪ .1.4.1‬ניתוח עומק של התוצר לעובד בענפי היי‪-‬טק בישראל‬
‫בפרק זה מוצג ניתוח המאפשר ללמוד על ההשפעה והקשר שבין גודל החברות והנוכחות של חברות‬
‫בבעלות זרה לבין הצמיחה איטית יחסית של התוצר לעובד בענפי ההיי‪-‬טק בישראל‪ .‬מקור הנתונים‬
‫המוצגים היא הלמ"ס (ראה הסבר מפורט יותר על הנתונים לעיל)‪.‬‬
‫לוח ‪ :5‬תוצר לעובד בהקבצה לפי קבוצות גודל‬
‫ממוצעים רב שנתיים ‪ -‬באלפי דולרים שוטפים‬
‫‪2007 - 2009‬‬
‫‪2001 - 2003‬‬
‫‪1995 - 1997‬‬
‫‪-31‬‬
‫‪29‬‬
‫‪54‬‬
‫‪81‬‬
‫‪143‬‬
‫‪-2‬‬
‫‪27‬‬
‫‪38‬‬
‫‪55‬‬
‫‪102‬‬
‫‪0‬‬
‫‪27‬‬
‫‪41‬‬
‫‪57‬‬
‫‪75‬‬
‫‪Size‬‬
‫‪Group‬‬
‫‪By Sales‬‬
‫‪Mill. NIS.‬‬
‫‪0-2‬‬
‫‪2 - 10‬‬
‫‪10 - 50‬‬
‫‪50 - 400‬‬
‫‪400 +‬‬
‫לוח ‪ :6‬תוצר לעובד בהקבצה לפי ענף וגודל‬
‫ממוצעים רב שנתיים‬
‫באלפי דולרים שוטפים‬
‫‪2007 - 2009‬‬
‫‪All‬‬
‫‪95% 75%‬‬
‫‪287‬‬
‫‪97‬‬
‫‪50‬‬
‫‪129‬‬
‫‪45‬‬
‫‪44‬‬
‫‪94‬‬
‫‪66‬‬
‫‪36‬‬
‫‪98‬‬
‫‪83‬‬
‫‪47‬‬
‫‪102‬‬
‫‪80‬‬
‫‪60‬‬
‫‪126 106‬‬
‫‪26‬‬
‫‪2001 - 2003‬‬
‫‪All‬‬
‫‪95% 75%‬‬
‫‪131‬‬
‫‪65‬‬
‫‪33‬‬
‫‪82‬‬
‫‪25‬‬
‫‪29‬‬
‫‪63‬‬
‫‪54‬‬
‫‪19‬‬
‫‪75‬‬
‫‪59‬‬
‫‪40‬‬
‫‪81‬‬
‫‪57‬‬
‫‪41‬‬
‫‪77‬‬
‫‪54‬‬
‫‪39‬‬
‫‪16‬‬
‫‪1995 - 1997‬‬
‫‪All‬‬
‫‪95% 75%‬‬
‫‪67‬‬
‫‪50‬‬
‫‪41‬‬
‫‪60‬‬
‫‪41‬‬
‫‪28‬‬
‫‪85‬‬
‫‪63‬‬
‫‪32‬‬
‫‪57‬‬
‫‪51‬‬
‫‪38‬‬
‫‪65‬‬
‫‪65‬‬
‫‪48‬‬
‫‪43‬‬
‫‪43‬‬
‫‪64‬‬
‫‪ 16‬בענפים ‪ Software‬ו‪ ,R&D -‬הממוצעים לתקופה השנייה כוללים רק שנים ‪ 5001‬ו‪.5005 -‬‬
‫‪34‬‬
‫‪Branch‬‬
‫‪Pharmaceuticals‬‬
‫‪Elect. components‬‬
‫‪Communication equip.‬‬
‫‪Industrial, optical, medical‬‬
‫‪Software‬‬
‫‪R&D‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫לוח ‪ :7‬תוצר לעובד במרכזי מו"פ בבעלות זרה‬
‫ממוצעים רב שנתיים‬
‫‪17‬‬
‫באלפי דולרים שוטפים‬
‫‪2007 - 2009‬‬
‫‪2001 - 2003‬‬
‫‪179‬‬
‫‪124‬‬
‫‪168‬‬
‫‪166‬‬
‫‪124‬‬
‫‪124‬‬
‫‪108‬‬
‫‪115‬‬
‫‪91‬‬
‫‪81‬‬
‫‪68‬‬
‫‪73‬‬
‫‪67‬‬
‫‪46‬‬
‫‪Sub sample‬‬
‫‪1995 - 1997‬‬
‫‪R&D Centers‬‬
‫‪121‬‬
‫‪95‬‬
‫‪49‬‬
‫‪All‬‬
‫‪In software‬‬
‫‪In R&D‬‬
‫‪Non-R&D Centers‬‬
‫‪61‬‬
‫‪66‬‬
‫‪59‬‬
‫‪40‬‬
‫‪All‬‬
‫‪Sales of 100M+‬‬
‫‪In software‬‬
‫‪In R&D‬‬
‫לוח ‪ :8‬תוצר לעובד בחברות בבעלות זרה בהקבצה לפי קבוצות גודל‬
‫ממוצעים רב שנתיים‬
‫באלפי דולרים שוטפים‬
‫‪2007 - 2009‬‬
‫‪Local‬‬
‫‪Foreign‬‬
‫‪-28‬‬
‫‪33‬‬
‫‪52‬‬
‫‪71‬‬
‫‪141‬‬
‫‪-105‬‬
‫‪-4‬‬
‫‪62‬‬
‫‪105‬‬
‫‪146‬‬
‫‪18‬‬
‫* ‪Size Group 2004 - 2006‬‬
‫‪By Sales‬‬
‫‪Foreign Local‬‬
‫‪Mill. NIS.‬‬
‫‪-7‬‬
‫‪17‬‬
‫‪46‬‬
‫‪68‬‬
‫‪112‬‬
‫‪-95‬‬
‫‪-10‬‬
‫‪58‬‬
‫‪110‬‬
‫‪112‬‬
‫‪0-2‬‬
‫‪2 - 10‬‬
‫‪10 - 50‬‬
‫‪50 - 400‬‬
‫‪400 +‬‬
‫(*) התקופה לא תואמת את התקופות ביתר הלוחות בשל היעדר נתונים‬
‫‪ 17‬בענפים ‪ Software‬ו‪ ,R&D -‬הממוצעים לתקופה השנייה כוללים רק שנים ‪ 5001‬ו‪.5005 -‬‬
‫‪ 18‬התקופה לא תואמת את התקופות ביתר הלוחות בשל היעדר נתונים‬
‫‪35‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫לוח ‪ :9‬תוצר לעובד בחברות בבעלות זרה בהקבצה לפי ענף‬
‫ממוצעים רב שנתיים‬
‫באלפי דולרים שוטפים‬
‫‪2007 - 2009‬‬
‫* ‪2004 - 2006‬‬
‫‪Local‬‬
‫‪Foreign‬‬
‫‪Local‬‬
‫‪Foreign‬‬
‫‪323‬‬
‫‪47‬‬
‫‪114‬‬
‫‪97‬‬
‫‪93‬‬
‫‪74‬‬
‫‪116‬‬
‫‪266‬‬
‫‪63‬‬
‫‪107‬‬
‫‪115‬‬
‫‪147‬‬
‫‪241‬‬
‫‪52‬‬
‫‪97‬‬
‫‪79‬‬
‫‪84‬‬
‫‪59‬‬
‫‪79‬‬
‫‪104‬‬
‫‪100‬‬
‫‪113‬‬
‫‪104‬‬
‫‪135‬‬
‫‪19‬‬
‫‪Size Group‬‬
‫‪By Sales‬‬
‫‪Mill. NIS.‬‬
‫‪Pharmaceuticals‬‬
‫‪Elect. components‬‬
‫‪Communication equip.‬‬
‫‪Industrial, optical, medical‬‬
‫‪Software‬‬
‫‪R&D‬‬
‫(*) התקופה לא תואמת את התקופות ביתר הלוחות בשל היעדר נתונים‪.‬‬
‫‪ 19‬התקופה לא תואמת את התקופות ביתר הלוחות בשל היעדר נתונים‬
‫‪36‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫‪ .1.4.1‬ניתוח השואתי של התפוקה לעובד בענפי היי טק בישראל ובארה"ב לפי גודל החברות‬
‫בפרק זה מוצג ניתוח השוואתי ייחודי בין ישראל וארה"ב אודות התוצר לעובד בענפי היי‪-‬טק בחלוקה‬
‫לענפים וקבוצות גודל‪ .‬הניתוח מאפשר להבין האם הפיגור היחסי בתוצר לעובד של ישראל ביחס לארה"ב‬
‫ברמת הענף מתרחש גם כאשר משווים הקבצות של חברות לפי גודל‪ .‬מקור הנתונים המוצגים הם ה‪-‬‬
‫‪ BEA‬והלמ"ס (ראה הסבר מפורט יותר על הנתונים לעיל)‪.‬‬
‫לוח ‪ :10‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל‬
‫באלפי דולרים שוטפים‬
‫כלל ענפי היי‪-‬טק‬
‫ישראל –‬
‫וצעים רב שנתיים‬
‫‪2007-2009‬‬
‫‪2001-2003‬‬
‫‪Size‬‬
‫‪1995-1997‬‬
‫‪By Workers‬‬
‫‪85‬‬
‫‪68‬‬
‫‪67‬‬
‫‪0-20‬‬
‫‪139‬‬
‫‪80‬‬
‫‪82‬‬
‫‪20-100‬‬
‫‪186‬‬
‫‪168‬‬
‫‪126‬‬
‫‪100-500‬‬
‫‪264‬‬
‫‪173‬‬
‫‪139‬‬
‫‪500+‬‬
‫‪192‬‬
‫‪136‬‬
‫‪116‬‬
‫‪Total‬‬
‫ארה ב‬
‫‪2007‬‬
‫‪2002‬‬
‫‪1997‬‬
‫‪Size‬‬
‫‪By Workers‬‬
‫‪191‬‬
‫‪150‬‬
‫‪144‬‬
‫‪0-20‬‬
‫‪192‬‬
‫‪148‬‬
‫‪126‬‬
‫‪20-100‬‬
‫‪229‬‬
‫‪173‬‬
‫‪151‬‬
‫‪100-500‬‬
‫‪349‬‬
‫‪293‬‬
‫‪251‬‬
‫‪500+‬‬
‫‪298‬‬
‫‪242‬‬
‫‪209‬‬
‫‪Total‬‬
‫‪37‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫לוח ‪ :11‬מספר מפעלים בישראל ובארה"ב בהקבצה לפי קבוצות גודל‬
‫כלל ענפי היי‪-‬טק‬
‫וצעים רב שנתיים‬
‫ישראל –‬
‫‪Size‬‬
‫‪By‬‬
‫‪Workers‬‬
‫‪2007-2009‬‬
‫‪2001-2003‬‬
‫‪1995-1997‬‬
‫‪11,268‬‬
‫‪5,968‬‬
‫‪3,818‬‬
‫‪1,101‬‬
‫‪629‬‬
‫‪361‬‬
‫‪20-100‬‬
‫‪222‬‬
‫‪161‬‬
‫‪89‬‬
‫‪100-500‬‬
‫‪43‬‬
‫‪34‬‬
‫‪24‬‬
‫‪500+‬‬
‫‪12,634‬‬
‫‪6,792‬‬
‫‪4,293‬‬
‫‪Total‬‬
‫‪0-20‬‬
‫ארה ב‬
‫‪Size‬‬
‫‪By‬‬
‫‪Workers‬‬
‫‪2007‬‬
‫‪2002‬‬
‫‪1997‬‬
‫‪135,130‬‬
‫‪135,114‬‬
‫‪100,254‬‬
‫‪0-20‬‬
‫‪15,662‬‬
‫‪16,582‬‬
‫‪13,578‬‬
‫‪20-100‬‬
‫‪6,953‬‬
‫‪7,261‬‬
‫‪6,569‬‬
‫‪100-500‬‬
‫‪26,832‬‬
‫‪22,420‬‬
‫‪14,820‬‬
‫‪500+‬‬
‫‪184,577‬‬
‫‪181,377‬‬
‫‪135,221‬‬
‫‪Total‬‬
‫‪38‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫לוח ‪ :12‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל‬
‫באלפי דולרים שוטפים‬
‫ענף התרופות‬
‫ישראל –‬
‫‪2007-2009‬‬
‫וצעים רב שנתיים (*)‬
‫‪Size‬‬
‫‪1995-1997‬‬
‫‪By Workers‬‬
‫‪2001-2003‬‬
‫‪528‬‬
‫‪0-20‬‬
‫‪279‬‬
‫‪20-100‬‬
‫‪257‬‬
‫‪100-500‬‬
‫‪664‬‬
‫‪500+‬‬
‫(*) נתוני ‪ 2222 – 2222‬ו‪ 1002 – 1002 -‬חסויים בשל מיעוט תצפיות‬
‫ארה ב‬
‫‪2007‬‬
‫‪2002‬‬
‫‪1997‬‬
‫‪Size‬‬
‫‪By Workers‬‬
‫‪364‬‬
‫‪328‬‬
‫‪220‬‬
‫‪0-20‬‬
‫‪271‬‬
‫‪229‬‬
‫‪196‬‬
‫‪20-100‬‬
‫‪338‬‬
‫‪327‬‬
‫‪255‬‬
‫‪100-500‬‬
‫‪859‬‬
‫‪675‬‬
‫‪489‬‬
‫‪500+‬‬
‫‪39‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫לוח ‪ :13‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל‬
‫באלפי דולרים שוטפים‬
‫רכיבים אלקטרוניים ולתקשורת‬
‫ישראל רכיבים אלק רוניים –‬
‫‪2007-2009‬‬
‫‪2001-2003‬‬
‫וצעים רב שנתיים‬
‫‪Size‬‬
‫‪1995-1997‬‬
‫‪By Workers‬‬
‫‪161‬‬
‫‪98‬‬
‫‪56‬‬
‫‪0-20‬‬
‫‪166‬‬
‫‪56‬‬
‫‪45‬‬
‫‪20-100‬‬
‫‪107‬‬
‫‪103‬‬
‫‪63‬‬
‫‪100-500‬‬
‫‪246‬‬
‫‪191‬‬
‫‪134‬‬
‫‪500+‬‬
‫ישראל ציוד תקשורת –‬
‫‪2007-2009‬‬
‫‪2001-2003‬‬
‫וצעים רב שנתיים‬
‫‪Size‬‬
‫‪1995-1997‬‬
‫‪By Workers‬‬
‫‪137‬‬
‫‪66‬‬
‫‪54‬‬
‫‪0-20‬‬
‫‪168‬‬
‫‪139‬‬
‫‪140‬‬
‫‪20-100‬‬
‫‪315‬‬
‫‪224‬‬
‫‪249‬‬
‫‪100-500‬‬
‫‪287‬‬
‫‪197‬‬
‫‪195‬‬
‫‪500+‬‬
‫ארה ב‬
‫‪2007‬‬
‫‪2002‬‬
‫‪1997‬‬
‫‪Size‬‬
‫‪By Workers‬‬
‫‪224‬‬
‫‪202‬‬
‫‪169‬‬
‫‪0-20‬‬
‫‪193‬‬
‫‪153‬‬
‫‪126‬‬
‫‪20-100‬‬
‫‪246‬‬
‫‪178‬‬
‫‪161‬‬
‫‪100-500‬‬
‫‪443‬‬
‫‪341‬‬
‫‪311‬‬
‫‪500+‬‬
‫‪41‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫לוח ‪ :14‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל‬
‫באלפי דולרים שוטפים‬
‫ציוד תעשייתי לבקרה ופיקוח‪ ,‬ציוד רפואי וציוד אופטי‬
‫ישראל –‬
‫וצעים רב שנתיים‬
‫‪2007-2009‬‬
‫‪2001-2003‬‬
‫‪Size‬‬
‫‪1995-1997‬‬
‫‪By Workers‬‬
‫‪121‬‬
‫‪76‬‬
‫‪83‬‬
‫‪0-20‬‬
‫‪180‬‬
‫‪103‬‬
‫‪90‬‬
‫‪20-100‬‬
‫‪255‬‬
‫‪194‬‬
‫‪122‬‬
‫‪100-500‬‬
‫‪237‬‬
‫‪172‬‬
‫‪127‬‬
‫‪500+‬‬
‫ארה ב‬
‫‪2007‬‬
‫‪2002‬‬
‫‪1997‬‬
‫‪Size‬‬
‫‪By Workers‬‬
‫‪201‬‬
‫‪165‬‬
‫‪146‬‬
‫‪0-20‬‬
‫‪209‬‬
‫‪151‬‬
‫‪135‬‬
‫‪20-100‬‬
‫‪254‬‬
‫‪192‬‬
‫‪151‬‬
‫‪100-500‬‬
‫‪386‬‬
‫‪242‬‬
‫‪208‬‬
‫‪500+‬‬
‫‪40‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫לוח ‪ :15‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל‬
‫באלפי דולרים שוטפים‬
‫תוכנה ושירותי מחשוב‬
‫ישראל –‬
‫וצעים רב שנתיים‬
‫‪2007-2009‬‬
‫‪2001-2003‬‬
‫‪Size‬‬
‫‪1995-1997‬‬
‫‪By Workers‬‬
‫‪76‬‬
‫‪60‬‬
‫‪54‬‬
‫‪0-20‬‬
‫‪110‬‬
‫‪67‬‬
‫‪77‬‬
‫‪20-100‬‬
‫‪150‬‬
‫‪147‬‬
‫‪95‬‬
‫‪100-500‬‬
‫‪171‬‬
‫‪71‬‬
‫‪86‬‬
‫‪500+‬‬
‫ארה ב‬
‫‪2007‬‬
‫‪2002‬‬
‫‪1997‬‬
‫‪Size‬‬
‫‪By Workers‬‬
‫‪183‬‬
‫‪142‬‬
‫‪138‬‬
‫‪0-20‬‬
‫‪186‬‬
‫‪142‬‬
‫‪121‬‬
‫‪20-100‬‬
‫‪216‬‬
‫‪158‬‬
‫‪138‬‬
‫‪100-500‬‬
‫‪277‬‬
‫‪227‬‬
‫‪185‬‬
‫‪500+‬‬
‫‪42‬‬
‫‪ .3‬התוצר לעובד בענפי הטכנולוגיה העילית בישראל ובהשוואה בינלאומית‬
‫לוח ‪ :16‬מכירות לעובד בישראל ובארה"ב בהקבצה לפי קבוצות גודל‬
‫באלפי דולרים שוטפים‬
‫חברות מו"פ‬
‫ישראל –‬
‫וצעים רב שנתיים‬
‫‪2007-2009‬‬
‫‪2001-2003‬‬
‫‪Size‬‬
‫‪1995-1997‬‬
‫‪By Workers‬‬
‫‪103‬‬
‫‪104‬‬
‫‪212‬‬
‫‪0-20‬‬
‫‪194‬‬
‫‪75‬‬
‫‪90‬‬
‫‪20-100‬‬
‫‪165‬‬
‫‪149‬‬
‫‪89‬‬
‫‪100-500‬‬
‫‪156‬‬
‫‪91‬‬
‫‪35‬‬
‫‪500+‬‬
‫ארה ב‬
‫‪2007‬‬
‫‪2002‬‬
‫‪1997‬‬
‫‪Size‬‬
‫‪By Workers‬‬
‫‪210‬‬
‫‪176‬‬
‫‪142‬‬
‫‪0-20‬‬
‫‪194‬‬
‫‪158‬‬
‫‪127‬‬
‫‪20-100‬‬
‫‪210‬‬
‫‪158‬‬
‫‪132‬‬
‫‪100-500‬‬
‫‪156‬‬
‫‪148‬‬
‫‪123‬‬
‫‪500+‬‬
‫‪43‬‬
‫‪ .4‬סקר חברות‬
‫‪ .2‬סקר חברות‬
‫‪ .2.1‬מטרות‪ ,‬אופן ביצוע ומדגם הסקר‬
‫הסקר נערך במטרה לבחון האם הפיגור היחסי שנמדד בצמיחת פריון העבודה של ענפי ההיי‪-‬טק בישראל‬
‫נובע מאחת הסיבות להלן‪:‬‬
‫‪‬‬
‫ירידה באיכות כוח האדם בעלי כשורים מדעיים וטכנולוגיים רלבנטיים;‬
‫ההשפעה של הנוכחות המסיבית של חברות רב לאומיות על זמינות כוח אדם האיכותי (שעובר‬
‫‪‬‬
‫לעבוד בחברות הרב לאומיות) למיזמים בבעלות ישראלים מחד וכן על נסיקת מחירי העבודה (עיקר‬
‫ההוצאה התפעולית ) שפוגעת ברווח התפעולי ‪ -‬התוצר לעובד‪.‬‬
‫הסקר נערך במתכון של שיחות פתוחות בעזרת שאלון מנחה שהוכן במיוחד למטרה זו ושאושר על ידי‬
‫חברי ועדת ההיגוי של המחקר‪ .‬כלל השיחות נערכו על ידי צוות כלכלני חברת אפלייד אקונומיקס‪.‬‬
‫רואיינו ‪ 22‬בעלי תפקידי ניהול בכירים בחברות היי‪-‬טק בבעלות ישראלים – מתוכם‪:‬‬
‫‪ 2‬מנהלי קרנות הון סיכון שמנהלות יחד ‪ 22‬חברות הזנק;‬
‫‪ 21‬מנהלים של מיזמי הי טק בשלבים שונים של פיתוח וקירבה לשוק;‬
‫‪ 2‬מנהלי פיתוח של חברות היי טק פעילות;‬
‫‪ 2‬מנהלי משאבי אנוש של חברות היי טק פעילות;‬
‫‪ 2‬חברי דירקטוריון של חברות היי טק פעילות;‬
‫‪ 2‬משקיעים אנג'לס – סדרתיים‪.‬‬
‫תחומי הפעילות של החברות כוללים‪ :‬מכשור רפואי‪ ,‬רובוטיקה ושו"ב‪ ,‬אבחון רפואי מרחוק‪ ,‬למידה‬
‫מרחוק‪ ,‬מלטים ‪/‬ספינות ורכבים נשלטים מרחוק ‪ -‬כולל משחקים‪ ,‬אבטחת מידע‪.‬‬
‫‪44‬‬
‫‪ .4‬סקר חברות‬
‫‪ .2.‬סיכום ממצאים‬
‫להלן סיכום הממצאים בתמציתיות‪:‬‬
‫‪‬‬
‫לא מורגשת ירידה בפריון העבודה של העובדים הישראליים‪.‬‬
‫‪ ‬אין מחסור בכ"א איכותי ‪ -‬שוק ההשכלה הגבוהה נעשה גמיש ומתאים את עצמו לביקושים ‪ -‬הכל‬
‫מודעים לעלייה בשכ"ע של כ"א איכותי אבל זה לא משפיע על החלטות החברות (נתון של כלל השוק)‬
‫ מרביתן מכוונים לשוק האמריקאי והשכר בישראל עדיין נמוך משמעותית מארה"ב ומערב אירופה‪.‬‬‫‪ ‬לדעת כולם הנוכחות של החברות הרב לאומיות היא ברכה לחברות ההיי טק בבעלות ישראלית‪:‬‬
‫‪ o‬לגיטימציה לחברות ישראליות בחו"ל ‪ -‬מוניטין שערכו הכלכלי עצום‪.‬‬
‫‪ o‬ערך מוסף גבוה למוצרים ישראליים המשולבים במוצר של חברות רב"ל‪.‬‬
‫‪ o‬חסכון בעליות חדירה לשווקים ונגישות למימון המשך‪.‬‬
‫‪ .2.2‬תיאור מפורט‬
‫דחייה מוחלטת על ידי כל המרואיינים של השערת המחקר אודות ירידה באיכות כוח העבודה המדעי‬
‫והטכנולוגי של העובדים הישראליים‪ .‬לא מורגשת ירידה ביצירתיות‪ ,‬במוסר העבודה‪ ,‬ביעילות‪ ,‬ובסך הכל‬
‫בפריון העבודה של העובד הישראלי‪ .‬לעתים לוקח לפרויקטים של מו"פ יותר זמן להבשיל למוצר שנמכר‬
‫בשוק‪ .‬הניסיון לימד שההתפתחות ‪ -‬אינה רציפה ‪ -‬תנודתית מאד ‪ -‬של הפירמה ושל התחום‪ .‬המעבר‬
‫מעולם מוצרים של האתמול לעולם המחר אינו ליניארי ועתיר סיכון ‪ -‬לוקח זמן‪ .‬לרוב הגדלת עלויות‬
‫הפיתוח מקדימה את הצמיחה‪.‬‬
‫אין תחושה של מחסור ממשי בכ"א איכותי והערכה היא ששוק ההשכלה הגבוהה נעשה גמיש ומתאים‬
‫את עצמו לביקושים בשוק העבודה‪ .‬הכל מודעים לעלייה בשכ"ע של כ"א איכותי ושל טלנטים אבל זה לא‬
‫משפיע על החלטותיהם כי זה נתון של כלל השוק ‪ -‬מרביתם מכוונים לשוק האמריקאי ושכר זה עדיין נמוך‬
‫משמעותית מהשכר למקבילים בארה"ב ובמערב אירופה‪.‬‬
‫מו"פ ממשיך להיות עתיר אי ודאות וסיכונים למשקיע‪ .‬יש הבדל בין עלויות הפיתוח לעלויות הייצור‬
‫בשלב המו"פ‪ ,‬השלב המסוכן‪ ,‬היזם מחפש להתחלק בסיכון‪ .‬בשלב פריצת הדרך הטכנולוגית היזם‬
‫מחפש שווקי מימון לפיתוח השוק או מימוש ע"י אקזיט או מיזוג את תוך פירמה יצרנית‪ .‬עלויות הייצור‬
‫התחרותי המאפיינים השוק הבשל אינן מעסיקות חברות מוטות מו"פ‪.‬‬
‫‪45‬‬
‫‪ .4‬סקר חברות‬
‫לרוב יזמים ישראלים מפתחים מוצרים שהם יישום אזרחי של ידע ומוצרים ייעודיים שפותחו ע"פ הגדרת‬
‫או צורך ביטחוני ‪/‬מבצעי ומומנו ע"י המדינה‪ /‬שת"פ אמריקאי‪ .‬ישראלים מפתחים אפליקציות לפלטפורמות‬
‫ומשביחים מוצרים‪.‬‬
‫מבחינת מרבית המרואיינים האת ר הוא זיהוי השוק העתידי – הביקוש העתידי‪:‬‬
‫‪ ‬זיהוי מחסור קריטי בשוק ורתימת המשאבים והמאמצים להיות שם ראשונים;‬
‫‪ ‬זיהוי פריצת דרך במוצר משלים כמו זמינות של טכנולוגיה במחסור שיוצרת ביקושים למוצרים‬
‫מתחרים;‬
‫‪ ‬זיהוי אירועים היוצרים ביקושים למוצרים‪ ,‬טכנולוגיות‪ ,‬שווקים חדשים‪.‬‬
‫לדעת כולם הנוכחות של חברות הרב לאו יות היא ברכה לחברות ההיי ק בבעלות ישראלית – הן‪:‬‬
‫‪ ‬מעניקות לגיטימציה לחברות ישראליות שמוכרות בחו"ל ובעיקר כאלה שמוכרות פלטפורמות בחו"ל;‬
‫‪ ‬יוצרות ערך מוסף גבוה למוצרים שנוצרו בישראל ומשולבים במוצר של הרב"ל;‬
‫‪ ‬מאפשרות חסכון בעליות חדירה לשווקים ונגישות למימון המשך ‪ -‬במקום להתרוצץ בין ת"א לחו"ל‬
‫בניסיון לחדור לשווקים או לקבל מימון המשך‪ ,‬המו"מ מתנהל כאן;‬
‫‪ ‬יוצרות להיי טק הישראלי מוניטין שערכו הכלכלי עצום‪.‬‬
‫‪46‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫‪ .2.1‬כללי‬
‫לשכת המדען הראשי במשרד הכלכלה אמונה על תקציב התמיכות הגדול ביותר בישראל לתמיכה במו"פ‬
‫עסקי‪ ,‬כ‪ 2.2 -‬מיליארד ‪ ₪‬בשנת ‪ .1022‬אולם במונחים ריאליים תקציב זה היווה רק כ‪ 20% -‬מתקציב‬
‫הלשכה בראשית שנות ה‪ ,1000 -‬תקופת השיא בתקציב הלשכה‪.‬‬
‫תרשים ‪ :8‬תקציב הרשאה להתחייב בלשכת המדען הראשי במשרד הכלכלה‬
‫מיליוני ‪ ,₪‬במחירי שנת ‪5011‬‬
‫‪2,500‬‬
‫‪2,000‬‬
‫‪1,500‬‬
‫‪1,000‬‬
‫‪500‬‬
‫‪0‬‬
‫בניסיון להסביר את הצמיחה הנמוכה יחסית בתוצר לעובד של ענפי הטכנולוגיה העילית בישראל‪ ,‬ולאור‬
‫תפקידה המרכזי של לשכת המדע"ר בעידוד המו"פ בישראל‪ ,‬אנו מנתחים להלן בכלים אקונומטריים‬
‫מתקדמים את ההשפעה של תמיכות המדע"ר על התוצר לעובד של החברות הנתמכות‪ .‬בהתבסס על‬
‫‪47‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫תוצאות סטטיסטיות מובהקות ויציבות אנו מספקים אומדן כספי ראשוני של ההפסד הלאומי במונחי תוצר‬
‫‪20‬‬
‫כתוצאה מקיצוצי תקציב לשכת המדע"ר החל מראשית המילניום‪.‬‬
‫‪ .2.‬מתודולוגיה אקונומטרית‬
‫בפרק זה אנו מתארים את המתודולוגיה האקונומטרית בה נעשה שימוש כדי לנתח את ההשפעה של‬
‫תמיכות המדע"ר על התוצר לעובד של החברות הנתמכות‪.‬‬
‫באופן כללי קיימות שני סוגי שיטות אקונומטריות לניתוחים מסוג זה‪ ,‬שיטות פרמטריות ושיטות לא‬
‫פרמטריות (‪ .)parametric and non-parametric‬השיטה הפרמטרית מתבססת על אמידת של רגרסיות‬
‫(‪ GMM ,2SLS ,OLS‬וכיו"ב) בעלות מבנה פונקציונאלי ידוע בהתבסס על ידיעה ו‪/‬או הנחות לגבי התפלגות‬
‫מאפייני האוכלוסיות הנחקרות‪ .‬השיטה הלא פרמטריות בא נעשה שימוש כאן‪ ,‬דומה יותר לניסוי מעבדה‪,‬‬
‫במסגרתו משווים את הביצועיים של החברות הנתמכות (קבוצת החברות שקיבלו טיפול) לאלה של‬
‫חברות מאוד דומות אשר לא נתמכו (קבוצת הביקורת של הניסוי)‪ .‬מבחינה טכנית יתרון השיטה הזו בכך‬
‫שלא נדרשות הנחות לגבי המבנה הפונקציונאלי של משוואות האמידה והתפלגות מאפייני האוכלוסיות‪,‬‬
‫אולם מאידך וכפי שיוצג בהמשך חסרון השיטה הוא הצורך בכמות רבה של נתונים עקביים על פני זמן‬
‫עבור כל חברה נחקרת וחברות המשמשות כקבוצת ביקורת‪.‬‬
‫אבל מעבר לכך‪ ,‬הערכתנו היא שהניסיון לאמוד את ההשפעה של תמיכה ממשלתית במו"פ על ביצועי‬
‫חברות באופן ישיר באמצעות רגרסיה פשוטה (‪ OLS‬למשל) ואפילו השימוש במודל המטפל בתופעה של‬
‫סלקציה (‪ ,)Heckman‬אינה אפשרות התואמת באופן מספק את מנגנון ההשפעה של התמיכה על ביצועי‬
‫החברות‪ .‬הסיבה היא שההשפעה הישירה של התמיכה הממשלתית היא על גובה הוצאות המו"פ של‬
‫החברות‪ ,‬ועל איכות וסיכון הפרויקטים המבוצעים על ידי החברות הנתמכות‪ .‬תוצר החברות ומשתני ביצוע‬
‫אחרים יושפעו לאחר מכן כפונקציה של רמת ההצלחה של הפרויקטים אשר נתמכו‪ ,‬אבל גם של פרויקטים‬
‫אחרים אשר היו מתבצעים בכל מקרה אלמלא התמיכה‪ ,‬ועל ידי אותם עובדים (לפחות במידה מסוימת)‪,‬‬
‫כמו גם ממשתנים כלכלים אחרים‪ .‬המודל הלא פרמטרי בו נעשה שימוש כאן למעשה משווה באופן ישיר‬
‫את הביצועים של החברות הנתמכות לאלה של החברות מאוד דומות אשר לא נתמכו ובכך סיבוכיות‬
‫המנגנון תמיכה‪-‬הוצאות מו"פ ‪-‬ביצועיים אינה מהווה מגבלה שכן זה אינו חלק מהאמידה‪.‬‬
‫מפתח ההצלחה של השימוש במודל הלא פרמטרי היא היכולת לבחור לכל חברה שנתמכה‪ ,‬חברה אשר‬
‫לא קיבלה מימון מספיק דומה לה במאפיינים הרלבנטיים‪ ,‬כחלק מניסיון להתגבר על תופעת הסלקציה בה‬
‫ה'טיפול'‪ ,‬או התמיכה הממשלתית‪ ,‬ניתן לחברות שמתאימות יותר לקבלת הטיפול‪ ,‬מה שלא מאפשר‬
‫השוואת ביצועיהן לחברות שלא השתתפו בתוכניות התמיכה‪ .21‬על מנת להתגבר על בעיה זו נעשה מבחן‬
‫‪20‬‬
‫במסגרת מחקר זה ‪ ,‬התוצאות המתקבלות הינם אומדנים מינימאליים של השפעת לשכת המדע"ר‪ ,‬המגלמים את ההשפעה הישירה של התמיכות במו"פ על תוצר‬
‫החברות – מבלי לגלם בנוסף את ההשפעה דרך זליגת ידע‪.‬‬
‫‪ 21‬שיטה זו שימשה לבחינת השפעת תוכנית ‪ Eureka‬ומתוארת לעומק ב‪.Gayer, Lach & Wassertiel ,5011 :‬‬
‫‪48‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫להסתברות לקבלת התמיכה הממשלתית שמדמה ניסוי מקרי‪ .‬כל תצפית מקבלת את ציון ההתאמה‬
‫) ( ‪ ,‬כאשר ‪ x‬הוא וקטור של‬
‫(‬
‫‪ Propensity score‬המוגדר עפ"י הנוסחה הזו‪) :‬‬
‫משתנים התורמים להסתברות לקבלת התמיכה‪ .‬הצמדת התאומים מתבצעת כך שאנו מוצאים את זוג‬
‫החברות בעלות הציונים הקרובים ביותר ובלבד שיהיו מאותו מגזר (תעשייה‪/‬שירותים)‪ ,‬מאותה שנה‬
‫ומאותה קבוצת גודל‪ .‬נבחרו תאומים בעלי מרחק מקסימלי של ‪ ,0.2‬כאשר הציון‪ ,‬או ההתסברות לקבלת‬
‫מענק ממשלתי‪ ,‬נע בין ‪ 0‬ל‪.2-‬‬
‫השפעת התמיכה הממשלתית תהיה הפרש ההפרשים‪ ,‬דהיינו צמיחת התוצר של החברה שקיבלה‬
‫תמיכה‪ ,‬בין התקופה שלפני הטיפול לתקופה שלאחריו‪ ,‬לעומת הצמיחה בתקופה המקבילה בחברה‬
‫התאומה שלא קיבלה את הטיפול ‪ -‬בצורה פורמלית‪:‬‬
‫)) (‬
‫(∑‬
‫= צמיחת משתנה המשקף את ביצועי החברה‪ :‬תוצר‪ ,‬עובדים או תוצר לעובד‪ .‬התוצר של‬
‫כאשר‬
‫התקופה שלפני הטיפול הוא ממוצע של שנת הטיפול‪ t ,‬והשנה שלפניה ‪ ,t-1‬ואילו התוצר שלאחר הטיפול‬
‫הוא ממוצע של עד ‪ 2‬שנים לאחר קבלת הטיפול‪ .‬ממוצע זה נעשה על מנת 'להחליק' את נתוני התוצר‬
‫ולהימנע בשינויים חריגים שהתרחשו בביצועי החברה אך אינם קשורים לתמיכה הממשלתית‪.‬‬
‫‪ .2.2‬מקור הנתונים‬
‫נעשה שימוש בפאנל סקרי העסקים של הלשכה המרכזית לסטטיסטיקה‪ .22‬פאנל זה מרכז בתוכו נתונים‬
‫שנאספו בעזרת שאלונים שנשלחו לחברות בנוסף לנתונים שנאספו מגורמים מנהלתיים (מס הכנסה‪,‬‬
‫מע"מ‪ ,‬וביטוח לאומי)‪ .‬מדגם החברות בפאנל הינו מדגם מייצג של כלל החברות בענף הכלכלי הרלוונטי‬
‫כאשר הסתברות הדגימה של חברות גדולות הינה ‪ ,2‬וככל שהחברה קטנה‪ ,‬כך ההסתברות לדגימתה‬
‫יורדת‪ .‬המשתנים העיקריים הכלולים במאגר הינם עובדים‪ ,‬תוצר‪ ,‬תפוקה והשקעות על מרכיביהם‬
‫השונים‪ .‬בנוסף לנתונים אלו‪ ,‬מוזגו לפאנל העסקים סקרי המו"פ הכוללים נתונים על הוצאות המו"פ‪,‬‬
‫מרכיבי התמיכה הממשלתית ומאפייני עובדי המו"פ בחברה‪.‬‬
‫‪22‬‬
‫פאנל זה שימש למספר מחקרים בעבר שעסקו בפריון ובהשפעת התמיכה במו"פ‪ ,‬ראה לדוגמא‪, Lach(2002),Griliches & Regev (1995) :‬‬
‫אקשטיין ורגב (‪ ,)1222‬לאך‪ ,‬פריזט ווסרטל (‪.)5002‬‬
‫‪49‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫‪ .2.2‬תוצאות‬
‫בפרק זה אנו מפרטים את התוצאות המתקבלות מבחינת השפעת תמיכת המדע"ר במו"פ עסקי‪ ,‬על‬
‫התוצר לעובד הממוצע של ענפיי היי‪-‬טק‪ .‬כפי שהוסבר לעיל‪ ,‬המודל המרכזי שלנו הוא מסוג ‪matching‬‬
‫‪ estimator‬לא פרמטרי ‪ ,‬במסגרתו אנו משווים את הביצועיים של החברות הנתמכות (קבוצת החברות‬
‫שקיבלו טיפול) לאלה של חברות מאוד דומות אשר לא נתמכו (קבוצת הביקורת של הניסוי)‪ .‬בפרק להלן‬
‫אנו מפרטים את אופן הבחירה של קבוצת הביקורת ("החברות התאומות") למדגם החברות אשר קיבלו‬
‫תמיכה במהלך שנות המדגם‪ .‬בהמשך אנו מציגים את תוצאות האמידה וחישובים נגזרים להערכת‬
‫השפעת תמיכת המדע"ר במונחי תוצר ומתארים את בחינת הרגשיות שערכנו לתוצאות המרכזיות‪ ,‬ביחס‬
‫לתוקפם הפנימי (רגישות לערכים קיצוניים ורגישות להנחות המודל) והחיצוני של התוצאות (שימוש במודל‬
‫חילופי)‪.‬‬
‫‪ .1.4.1‬התאמת קבוצת ביקורת‬
‫להלן נפרט בקצרה את ההגדרות וההנחות המרכיבות את האלגוריתם ליצירת צמדים של חברות מאוד‬
‫דומות‪ ,‬אשר אחת נתמכה והשנייה מהווה חלק מקבוצת הביקורת של המודל‪ .‬הנחות והגדרות אלה‬
‫קשורות באופן ישיר למספר התצפיות בהן ניתן לעשות שימוש‪ ,‬כפי שהלוחות בהמשך מראים‪.‬‬
‫המדגם כולל רק חברות אשר מבצעות מו"פ‪ .‬קבוצת הטיפול של המודל הן תצפיות אשר קיבלו תמיכה‬
‫ממשלתית בשנה מסוימת‪ .‬קבוצת הביקורת מורכבת מתצפיות אשר (א) לא קיבלו מעולם סובסידיה‬
‫ממשלתית‪ ,‬או (ב) לא קיבלו תמיכה עד לשנת התצפית ובמשך שלוש השנים הבאות‪ .‬בשיתוף פעולה עם‬
‫הלמ"ס זוהו תצפיות שבמדגם ברשותנו הוגדרו בטעות כקבוצת ביקרות בשל העדר נתונים מספיקים‬
‫לזיהוי מושלם‪.23‬‬
‫באמצעות רגרסיה מסוג ‪ probit‬נאמדה לכל תצפית במדגם את ההסתברות לקבלת תמיכה ממשלתית‬
‫כפונקציה של המשתנים הנצפים להלן‪ :‬שיעור עובדי מו"פ ממצבת העובדים‪ ,‬שיעור העובדים האקדמאיים‬
‫ממצבת עובדי המו"פ והתוצר לעובד (במחירים קבועים)‪ .‬כמו כן‪ ,‬הרגרסיה כללה משתני דמי לגודל‬
‫החברות (עד ‪20‬מ' ‪ 200 – 20 ₪‬מ' ‪ ₪‬ומעל ‪ 200‬מ' ‪ ,)₪‬לשנה ולענף כלכלי ברמה של ‪ 1‬ספרות‪.‬‬
‫הסתברות הנאמדת שימשה בשלב מאוחר יותר כציון התאמה (‪ )propensity score‬להתאמת החברה‬
‫התאומה לכל חברה נתמכת‪ .‬ערכי ציוני ההתאמה נעים בין בין ‪ 0‬ל‪.2 -‬‬
‫בכדי לאפשר השוואה דינאמית מינימאלית של ביצועי החברות הנתמכות והחברות התאומות שלהן‪,‬‬
‫תקופת ה‪" -‬לפני" קבלת התמיכה הוגדרה כשנה לפני קבלת התמיכה והשנה בה נתקבלה התמיכה‪.‬‬
‫‪ 23‬אנו מודים למר אביתר קירשברג‪ ,‬מנהל תחום מו"פ באגף העסקים של הלמ"ס על יוזמתו‪ ,‬נכונותו ועזרתו בהקשר זה‪.‬‬
‫‪51‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫תקופת ה‪" -‬אחרי" קבלת התמיכה הממשלתית הוגדרה בין ‪ 2‬עד ‪ 2‬שנים לאחר קבלת תמיכה‪ .‬כל תצפית‬
‫אשר לא עמדה בדרישות אלה נפסלה‪.24‬‬
‫לכל תצפית של חברה נתמכת בעלת נתונים מספקים‪ ,‬הותאמה תצפית של חברה לא נתמכת אשר ענתה‬
‫על הקריטריונים הבאים‪:‬‬
‫‪‬‬
‫לחברה הלא נתמכת נתונים מספקים של "לפני" ו‪"-‬אחרי" לשנת התמיכה הרלבנטית של החברה‬
‫הנתמכת;‬
‫‪‬‬
‫החברה הלא נתמכת השתייכה לאותו ענף כלכלי בפירוט ענפי של שתי ספרות אליו השתייכה‬
‫החברה הנתמכת;‬
‫‪‬‬
‫החברה הלא נתמכת השתייכה לאותה קבוצת גודל אליו השתייכה החברה הנתמכת‪ .‬למטרה זו‬
‫הוגדרו שלוש קבוצות גודל לפי מחזור מכירות‪/‬תפוקה‪ :‬עד ‪ 20‬מ' ‪ 200 – 20 ,₪‬מ' ‪ ₪‬ומעל ‪ 200‬מ'‬
‫‪;₪‬‬
‫‪‬‬
‫מתוך כלל החברות הלא נתמכות שענו על שלושת הקריטריונים לעיל ביחס לכל חברה לא נתמכת‪,‬‬
‫נבחרה כחברה "תאומה" החברה עם הציון התאמה מתוך רגרסיית ה‪ ,Probit -‬הקרוב ביותר לציון‬
‫ההתאמה של החברה הנתמכת‪ ,‬אולם ההפרש בין הציונים הוגבל ל‪( 0.22 -‬ערכי הציונים נעים בין ‪0‬‬
‫ל‪ .) 2-‬זאת כדי למנוע קבלת זוגות של חברות שהן רק דומות או קצת דומות ולא מאוד דומות‪.‬‬
‫‪‬‬
‫חברה לא נתמכת יכולה לשמש כחברה תאומה ליותר מחברה נתמכת אחת‪ ,‬אולם לא יותר מאשר ל‪-‬‬
‫‪ 20‬חברות נתמכות‪.‬‬
‫על סמך בדיקות דמיון שערכנו בין משתני הביצוע של החברות הנתמכות והחברות התאומות שלהן‬
‫בתקופה שלפני קבלת התמיכה‪ ,‬אנו סבורים כי האלגוריתם המתואר אכן מצליח ליצור זוגות של חברות‬
‫מאוד דומות‪ .‬מאידך‪ ,‬הצורך בנתונים עקביים על פני זמן לשני קבוצות החברות בהינתן התנאים למציאת‬
‫קבוצת ביקורת יוצרים מגבלת נתונים מתאימים אמוד משמעותית‪ ,‬כפי שהלוחות להלן מלמדים‪:‬‬
‫‪24‬‬
‫נעשה ניסיון לבחון את ההשפעה גם לטווחי זמן של ‪ 4 – 5‬ו‪ 2 – 0 -‬שנים‪ ,‬אשר אינו התאפשר מכיוון שבקרב חברות בינוניות וקטנות זמינות‬
‫נתונים על פני זמן הינה בלתי מספקת‪ .‬אולם בכל מקרה בחינת השפעת התמיכה בטווח של עד שלוש שנים עקבית עם סוג התמיכה הניתנת‬
‫במסגרת קרן המו"פ של לשכת המדע"ר (החלק הארי של תקציבי התמיכה של המדע"ר)‪ ,‬המיועד ברובו לתמיכה במו"פ תחרותי ובעל פוטנציאל‬
‫עסקי של עד הטווח הבינוני‪.‬‬
‫‪50‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫לוח ‪ :17‬מס' מפעלים (תצפיות) לפי גודל חברה‬
‫‪5,693‬‬
‫‪1,402‬‬
‫‪7,095‬‬
‫‪316‬‬
‫‪462‬‬
‫‪778‬‬
‫‪564‬‬
‫‪743‬‬
‫‪1,307‬‬
‫‪65‬‬
‫‪110‬‬
‫‪175‬‬
‫‪40‬‬
‫‪63‬‬
‫‪103‬‬
‫(*)מרב התצפיות מקורן בסקר המו"פ‪.‬‬
‫כפי שניתן לראות‪ ,‬מתוך מדגם התחלתי של ‪ 2,022‬תצפיות מסקרי התעשייה והמסחר והשירותים של‬
‫הענפי ההיי‪-‬טק‪ ,‬רק ‪ 2,202‬הן תצפיות מסקר המו"פ‪ ,‬כלומר הן חברות המבצעות מו"פ בוודאות‪ .25‬מתוכן‪,‬‬
‫‪ 228‬הן תצפיות עבור חברות אשר קיבלו תמיכה ואילו רק ל ‪ 222 -‬תצפיות נמצאו ‪ 202‬תצפיות חברות‬
‫תאומות אשר חלקן מהוות תצפית ביקורת ליותר מחברה אחת‪ .‬כמו כן‪ ,‬הלוח מלמד על חלוקה סבירה של‬
‫מדגם האמידה בין חברות קטנות וחברות גדולות‪.‬‬
‫הלוח להלן מציג את החלוקה לפי ענפים של המדגם המקורי ומדגם האמידה המתקבל לאחר התאמת‬
‫קבוצת הביקורת‪ .‬הייצוגיות במדגם האמידה לעומת מדגם סקר המו"פ סבירה מלבד בענף הציוד לבקרה‬
‫ופיקוח ואופטי ורפואי‪ ,‬המיוצג במשקל יתר משמעותי במדגם האמידה (כ‪ ,)22% -‬לעומת משקלו בקרב‬
‫החרבות הנתמכות (כ‪ .) 22% -‬כפי שנציג בפרק הדן ברגישות ותוקף האומדנים‪ ,‬ייצוגיות יתר זו אינה‬
‫משפיעה באופן משמעותי על תוצאות האמידה‪.‬‬
‫‪ 25‬בסקרי התעשייה ישנם נתוני מו"פ שעל פניו הם משלימים לנתוני סקר המו"פ‪ .‬אולם‪ ,‬נתונים אלה פחות מהימנים וממילא מהווים אחוז קטן ביחס‬
‫לנתוני סקרי המו"פ‪ .‬מטעמי שמרנות העדפנו שלא לעשות שימוש בהם‪.‬‬
‫‪52‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫לוח ‪ :12‬מס' מפעלים (תצפיות) לפי ענף כלכלי של ‪ 5‬ספרות‬
‫‪650‬‬
‫‪549‬‬
‫‪1,269‬‬
‫‪3,488‬‬
‫‪844‬‬
‫‪295‬‬
‫‪7,095‬‬
‫‪98‬‬
‫‪239‬‬
‫‪398‬‬
‫‪286‬‬
‫‪182‬‬
‫‪104‬‬
‫‪1,307‬‬
‫‪53‬‬
‫‪202‬‬
‫‪268‬‬
‫‪98‬‬
‫‪79‬‬
‫‪78‬‬
‫‪778‬‬
‫‪17‬‬
‫‪10‬‬
‫‪76‬‬
‫‪44‬‬
‫‪9‬‬
‫‪19‬‬
‫‪175‬‬
‫‪14‬‬
‫‪5‬‬
‫‪35‬‬
‫‪31‬‬
‫‪6‬‬
‫‪12‬‬
‫‪103‬‬
‫(*)מרב התצפיות מקורן בסקר המו"פ‪.‬‬
‫הפרק להלן מציג את התוצאות המרכזיות של הניתוח והפרק לאחר מכן דן ברגישות ותוקף התוצאות‪.‬‬
‫‪ .1.4.1‬השפעת תמיכת המדע"ר על התוצר לעובד‬
‫בפרק זה אנו מציגים את התוצאות המרכזיות של בחינת השפעת הקבלה של תמיכת לשכת המדען‬
‫הראשי על התוצר והתוצר לעובד של החברות הנתמכות‪.‬‬
‫כפי שתואר בהרחבה לעיל‪ ,‬נעשה שימוש בשיטת אקונומטרית לא פרמטרית מסוג ‪,matching estimator‬‬
‫במסגרתה מושווים התוצר‪ ,‬העובדים והתוצר לעובד של כל חברה במדגם שקיבלה תמיכה מהמדען‬
‫הראשי ("חברות נתמכות") לערכים בהתאם של חברות שלא קיבלו תמיכה ושמאוד דומות לכל אחת‬
‫מהחברות הנתמכות בקבוצה של פרמטרים רלבנטיים אשר הוגדרו מראש (קבוצת הביקורת)‪ .‬מטעמי‬
‫שמרנות ובשל מגבלת נתונים אנו ממקדים את טווח מדידת ההשפעה לעד שלוש שנים לאחר קבלת‬
‫תמיכת המדע"ר‪.26‬‬
‫אומדני ההשפעה המוצגים בלוח להלן עבור התוצר‪ ,‬העובדים והתוצר לעובד‪ ,‬הנם ממוצע האפקטים‬
‫האינדיבידואליים של כל חברה נתמכת לעומת חברת הביקורת אשר הוצמדה לה‪ .‬לכל האומדנים‬
‫הממוצעים חושבו סטיות התקן שלהם ורווחי בר סמך ברמת מובהקות של ‪ .2%‬התפלגות ערכי האומדנים‬
‫האינדיבידואליים מכילה ערכים חיוביים ושליליים ואנו מדווחים גם על אחוז האפקטים החיוביים להלן‪.‬‬
‫הלוח מכיל גם דיווח אודות מספר הצפיות המשמשות לאמידה‪ ,‬הן של חברות נתמכות והן של חברות‬
‫ביקורת (שעל פי השיטה יכולות לשמש כחברת ביקורת ליותר מחברה נתמכת אחת)‪ .‬לבסוף‪ ,‬מכיוון‬
‫שמדובר בנתוני חברות על פני זמן (נתוני פנל)‪ ,‬אזי שמספר התצפיות גבוה ממספר המפעלים שבמדגם‪,‬‬
‫כפי מדווח אף כן בלוח‪.‬‬
‫‪ 26‬נעשה ניסיון לבחון את ההשפעה לטווחי זמן של ‪ 4 – 5 ,0 – 1‬ו‪ 2 – 0 -‬שנים‪ ,‬אשר אינו מתאפשר מכיוון שבקרב חברות בינוניות וקטנות זמינות נתונים על פני‬
‫זמן הינה בלתי מספקת‪ .‬אולם בכל מקרה בחינת השפעת התמיכה בטווח של עד שלוש שנים עקבית עם סוג התמיכה הניתנת במסגרת קרן המו"פ של לשכת‬
‫המדע"ר (החלק הארי של תקציבי התמיכה של המדע"ר)‪ ,‬המיועד ברובו לתמיכה במו"פ תחרותי ובעל פוטנציאל עסקי של עד הטווח הבינוני‪.‬‬
‫‪53‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫חשוב לציין כי ב ס רת ה תודולו ית הזו‪ ,‬התוצאות ה תקבלות הינם או דנים יני אליים של‬
‫השפעת לשכת ה דע ר‪ ,‬ה ל ים את ההשפעה הישירה של הת יכות ב ו פ על תוצר החברות –‬
‫בלי ל לם בנוסף את ההשפעה דרך זלי ת ידע‪.27‬‬
‫כ ו כן‪ ,‬נציין שב ס רת הנחות ה ודל האקונו רי‪ ,‬או דני ההשפעה ה תקבלים שקפים את‬
‫ההשפעה התוספתית של ת יכת ה דע ר על ביצועי החברות הנת כות‪ ,‬ולא יכולת הבחירה של‬
‫חברות וצלחות על ידי לשכת ה דע ר‪.‬‬
‫לוח ‪ :19‬השפעה ממוצעת של תמיכת המדע"ר‬
‫על התוצר‪ ,‬העובדים והתוצר לעובד של החברות הנתמכות‬
‫כלל החברות וחלוקה לפי גודל‬
‫‪. .‬‬
‫‪%‬‬
‫ן‬
‫ג‬
‫ן‬
‫ג‬
‫‪0.19‬‬
‫‪0.01‬‬
‫‪0.58‬‬
‫‪0.189‬‬
‫‪0.191‬‬
‫‪0.00‬‬
‫‪0.00‬‬
‫‪0.49‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.21‬‬
‫‪0.01‬‬
‫‪0.58‬‬
‫‪0.209‬‬
‫‪0.30‬‬
‫‪0.00‬‬
‫‪0.33‬‬
‫‪0.02‬‬
‫‪0.00‬‬
‫‪0.01‬‬
‫‪0.60‬‬
‫‪0.52‬‬
‫‪0.63‬‬
‫‪0.296‬‬
‫‪0.000‬‬
‫‪0.328‬‬
‫‪0.10‬‬
‫‪0.03‬‬
‫‪0.09‬‬
‫‪0.02‬‬
‫‪0.01‬‬
‫‪0.02‬‬
‫‪175‬‬
‫‪90‬‬
‫‪103‬‬
‫‪52‬‬
‫‪0.211‬‬
‫ג‬
‫‪0.304‬‬
‫‪0.000‬‬
‫‪0.332‬‬
‫‪110‬‬
‫‪50‬‬
‫‪61‬‬
‫‪26‬‬
‫חברות ק נות‬
‫(‬
‫‪0.58‬‬
‫‪0.46‬‬
‫‪0.54‬‬
‫ץ‬
‫ן‬
‫‪0.095‬‬
‫‪0.028‬‬
‫‪0.085‬‬
‫ן‬
‫ן)‬
‫‪0.105‬‬
‫‪0.032‬‬
‫‪0.095‬‬
‫‪63‬‬
‫‪39‬‬
‫‪38‬‬
‫‪24‬‬
‫כפי שניתן לראות בלוח‪ ,‬בממוצע צמיחת התוצר לעובד בקרב החברות שנתמכו על ידי המדע"ר גבוה‬
‫באופן מובהק ומשמעותי‪ ,‬בשיעור הנע סביב ‪ ,22%‬מהתוצר לעובד בקרב חברות "תאומות" אשר לא‬
‫קיבלו תמיכה – ב צ בר עד שלוש שנים לאחר קבלת הת יכה‪ .‬במילים אחרות‪ ,‬הממצאים מלמדים על‬
‫תרומה חיובית ומשמעותית של המדע"ר לפריון החברות‪.‬‬
‫ההשפעה על חברות גדולות (מכירות מעל ‪ 200‬מ' ‪ )₪‬חזקה יותר‪ ,‬סביב ה‪ 22% -‬ואילו בקרב חברות‬
‫קטנות ובינוניות (מכירות מתחת ל‪ 200 -‬מ' ‪ )₪‬השפעה נמוכה מסביב ל‪( 20% -‬ב צ בר עד שלוש‬
‫שנים לאחר קבלת הת יכה)‪ .‬מרב ההשפעה החיובית של המדע"ר היא על תוצר החברות (‪- 22%‬‬
‫‪ )20%‬ולעומת זאת לא נמצאה השפעה משמעותית של התמיכה על גידול בכמות העובדים‪.‬‬
‫‪54‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫חרף מספר התצפיות הנמוך יחסית‪ ,‬האומדנים יציבים ועקיבים על פני בחינות רגישות מקיפות ביחס‬
‫לערכים קיצוניים‪ ,‬ושינויים בהנחות המודל – כפי שמוצג בפרק הבא‪ .‬מעבר לכך‪ ,‬התוצאות המתקבלות‬
‫משימוש במודל אקונומטרי חילופי (פונקציית ייצור עם תיקון הקמן לסלקציה) קונסיסטנטיות אף הן עם‬
‫הממצאים המוצגים לעיל‪ ,‬כפי שמוצג בהמשך‪.‬‬
‫וצעים יחסיים של חברות נת כות דע ר לעו ת‬
‫נד יש כי האו דנים ה דווחים ייצ ים ביצועיים‬
‫חברות לא נת כות דו ות ו כאן שקיים פיזור סביב ה וצע ‪ -‬ל עשה בר ה של חברות בודדות כ‪-‬‬
‫או דני האפק ים של התוצר‪ ,‬העובדים והתוצר לעובד בהתא ה חיוביים‪ ,‬ואילו‬
‫‪ % , %‬ו‪% -‬‬
‫יתר האפק ים האינדיבידואליים בהתא ה הם שליליים (תוצאותיהן של חברות נת כות נחותות‬
‫אלה של התאו ות שלהן)‪ .‬כ ו כן‪ ,‬האו דנים ייצ ים ם קרים בהם החברות הנת כות והחברות‬
‫התאו ות חווים ירידה ב שתנים הנבחנים‪ .‬לצורכי ה חשה‪ ,‬התרשים להלן צי את פיזור‬
‫וצע האפק ים (‪.) %‬‬
‫האו דנים האינדיבידואליים של התופר לעובד סביב‬
‫תרשים ‪ :2‬התפלגות השפעת המדע"ר על התוצר לעובד של החברות נתמכות‬
‫‪Average effect = 0.19‬‬
‫‪% of Positive effects = 58%‬‬
‫‪% of Negative effects = 42%‬‬
‫במטרה להבין את המשמעות המשקית במונחים כספיים של אומדנים היחסיים המוצגים לעיל‪ ,‬חישבנו‬
‫אומדנים אבסולוטיים לתוספת תוצר לעובד הנובעת מתמיכות המדע"ר במו"פ של ענפי היי‪-‬טק‪ ,‬ואת‬
‫המשמעות מבחינת תוספת תוצר אגרגטיבית לענפים‪ .‬המעבר מאומדנים אקונומטריים לאומדנים כספיים‬
‫אבסולוטיים כרוך בשימוש ממוצעי הביצועים של החברות אשר קיבלו תמיכה במהלך השנים ובענפים‬
‫אלה‪ ,‬וממוצעים אלה עלולים להיות מושפעים מערכים קיצוניים של תצפיות‪/‬חברות בודדות יוצאות דופן‪.‬‬
‫‪55‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫לאור זאת חישובנו המוצגים להלן נעשו על בסיס האומדנים האקונומטריים הנמצאים בטווח הנמוך מתוך‬
‫כלל תרחישי הרגישות אשר ערכנו (המתוארים בפרק הבא)‪ ,‬ובנוסף הגבלנו את ערכי הביצועיים‬
‫המשמשים לאמידה לנתוני חברות אשר מכירותיהן אינן עולות על ‪ 220‬מיליון ‪ ₪‬לשנה (כ‪ 20% -‬מכלל‬
‫אוכלוסיית המדגם כלולים בחישובים)‪ .‬גם מטעמי שמרנות‪ ,‬אנו מציגים חישובים רק עבור השנים הכלולים‬
‫בתוך תקופת האמידה האקונומטרית‪.‬‬
‫לוח ‪ :20‬אומדנים אבסולוטיים במונחי תוצר –‬
‫תוספת הנובע מתמיכת המדע"ר וההפסד בגין קיצוצי התקציב החל משנת ‪5000‬‬
‫ביחס לענפי היי‪-‬טק ותקציב המדע"ר‬
‫אומדנים לשנות האמידה‪5002 – 1222 :‬‬
‫‪₪‬‬
‫תוצר ענפי ההיי‪-‬טק‬
‫‪₪‬‬
‫‪₪‬‬
‫‪590.7‬‬
‫‪45.4‬‬
‫‪313.4‬‬
‫‪29.0 - 26.0‬‬
‫‪2.2 - 2.0‬‬
‫‪29.0 - 26.5‬‬
‫תקציב מדע"ר‬
‫‪15.3‬‬
‫‪1.2‬‬
‫קיצוצים בתקציב המדע"ר החל מ‪2000 -‬‬
‫‪3.5‬‬
‫‪0.4‬‬
‫‪5.2 - 4.3‬‬
‫‪0.6 - 0.5‬‬
‫תוספת תוצר הנובעת מתמיכת המדע"ר‬
‫הפסד תוצר בגלל קיצוצי התקציב*‬
‫(*) הפסד נטו = מנוכה תקציב‪.‬‬
‫כפי שהלוח מראה‪ ,‬לפי החישובים שלנו‪ ,‬ניתן לייחס לתמיכות המדע"ר עד כ‪ 20 -‬אלפי ‪ ₪‬בממוצע‪ ,‬כ‪-‬‬
‫‪ ,20%‬מתוך כ‪ 200 -‬אלף ‪ ₪‬תוצר לעובד ממוצע בענפיי היי‪-‬טק בתקופת האמידה‪ .‬כפי שניתן לראות‪,‬‬
‫השפעת המדען במונחי תוצר ענפי שנתי ומצטבר על פני התקופה אינה עולה על ‪ 2%‬מתוך סך התוצר‬
‫השנתי והמצטבר של ענפי היי‪-‬טק‪ .‬הסיבה לפער זה‪ ,‬כפי שהאומדנים האקונומטריים מראים באופן‬
‫מובהק‪ ,‬היא שתמיכת המ דע"ר משפיעה באופן חיובי וחזק על תוצר החברות אך לא על כמויות העובדים‬
‫(רווחי פריון) ואילו בכלל ענפי היי‪-‬טק‪ ,‬קיים קשר בין צמיחת התוצר לצמיחת כמויות העובדים‪.‬‬
‫‪56‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫מעבר לכך‪ ,‬החישובים שלנו מלמדים כי פירות תמיכות המדע"ר במונחי תוצר הן לערך פי ‪ 1‬גבוהות יותר‬
‫מגובה תקציבי המדע"ר על פני תקופת האמידה‪ .‬כמו כן אנו מחשבים אומדן להפסד במונחי תוצר‪,‬‬
‫מצמצום תקציבי לשכת המדע"ר לאחר שנת ‪ ,2222‬שנת השיא של תקציב לשכת המדע"ר‪ .28‬על פי‬
‫חישובנו‪ ,‬ההפסד נטו (לאחר ניכוי החיסכון התקציבי) מגיע עד לפי ‪ 2.2‬מן החיסכון התקציבי‪.‬‬
‫חשוב לציין‪ ,‬כפי שכבר נעשה בתחילת הפרק‪ ,‬כי ב ס רת ה תודולו ית הזו‪ ,‬התוצאות ה תקבלות‬
‫הינם או דנים יני אליים של השפעת לשכת ה דע ר‪ ,‬ה ל ים את ההשפעה הישירה של‬
‫הת יכות ב ו פ על תוצר החברות – בלי ל לם בנוסף את ההשפעה דרך זלי ת ידע‪.29‬‬
‫‪ .1.4.1‬יציבות ורגישות האומדנים (תוקף פנימי)‬
‫בפרק זה אנו מפרטים את בחינות הרגישות שערכנו על התוצאות המרכזיות אשר הוצגו בפרק הקודם‪,‬‬
‫ביחס השפעה אפשרית של ערכים קיצוניים‪ ,‬ייצוגיות יתר של ענף הציוד לבקרה ופיקוח ואופטי ורפואי‬
‫במדגם האמידה והנחות העבודה של המודל‪ .‬באופן כללי אנו יכולים להסיק כי תוצאות האמידה יציבות‬
‫(‪ )robust‬על פני כלל הבדיקות‪.‬‬
‫הלוח להלן מציג את אומדני השפעת התמיכה הממשלתית הממוצעת‪ ,‬כאשר הממוצע מחושב ללא‬
‫האומדנים האינדיבידואליים באחוזונים ‪( 2%‬נמוכים ביותר) ו‪( 22% -‬גבוהים ביותר)‪ .‬כפי שניתן לראות‬
‫עבור כלל החברות ממוצע השפעת התמיכה על התוצר והתוצר לעובד נמוך במעט מאשר בתרחיש‬
‫המרכזי ‪ .‬בחלוקה לחברות קטנות וגדולות ניכרים שינוים משמעותיים יותר עם עלייה בקרב החברות‬
‫הקטנות וירידה בקרב החברות הגדולות‪ ,‬שינויים אשר מתקזזים באומדן של כלל החברות‪.‬‬
‫‪28‬‬
‫ברור לכל כי התוצאות של חישוב מסוג זה תלויות באופן ישיר בשנת הבסיס הנבחרת וכי גובה ההפסד המחושב כאן נובע מכך שאנו עושים‬
‫שימוש בשנת ‪ , 1222‬שנת שיא של תקציבי לשכת המדע"ר‪ .‬אולם כפי שנכתב על ידינו על בסיס תוצאות בחינות אקונומטריות מקיפות שערכנו‬
‫במהלך השנים האחרונות‪ ,‬איננו סבורים כ י קיימות הצדקה כלכליות לצמצום תקציבי לשכת המדע"ר‪ ,‬הן ביחס לערך המשקי הנובע מהתמיכה‬
‫במו"פ והן ביחס לתחרותיות הגלובאלית המתגברת ליצירת ערך בהתבסס על חדשנות‪ ,‬טכנולויגה ומו"פ‪.‬‬
‫‪29‬‬
‫אומדן התשואה אשר כולל את הזליגה נעשה על ידי אפלייד בשנת ‪ .5002‬בימים אלה מתנהל מחקר שמטרתו לעדן את המחקר משנת ‪5002‬‬
‫עבור הנתונים העדכניים יותר‪.‬‬
‫‪57‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫לוח ‪ :21‬השפעה ממוצעת של תמיכת המדע"ר‬
‫על התוצר‪ ,‬העובדים והתוצר לעובד של החברות הנתמכות‬
‫כלל החברות וחלוקה לפי גודל רגישות לערכים קיצוניים‬
‫‪. .‬‬
‫‪%‬‬
‫‪0.16‬‬
‫‪-0.02‬‬
‫‪0.17‬‬
‫‪0.01‬‬
‫‪0.00‬‬
‫‪0.01‬‬
‫‪0.17‬‬
‫‪-0.01‬‬
‫‪0.20‬‬
‫‪0.01‬‬
‫‪0.00‬‬
‫‪0.01‬‬
‫‪0.62‬‬
‫‪0.53‬‬
‫‪0.63‬‬
‫ג‬
‫‪0.63‬‬
‫‪0.55‬‬
‫‪0.65‬‬
‫‪0.15‬‬
‫‪-0.03‬‬
‫‪0.13‬‬
‫‪0.01‬‬
‫‪0.00‬‬
‫‪0.01‬‬
‫‪0.63‬‬
‫‪0.51‬‬
‫‪0.58‬‬
‫ן ג‬
‫ג‬
‫ן‬
‫ן‪5‬‬
‫ץ‬
‫‪0.161‬‬
‫‪0.159‬‬
‫‪-0.020‬‬
‫‪-0.020‬‬
‫‪0.171‬‬
‫‪0.169‬‬
‫ן‬
‫ן‪5‬‬
‫ץ‬
‫‪0.172‬‬
‫‪0.168‬‬
‫‪-0.010‬‬
‫‪-0.010‬‬
‫‪0.202‬‬
‫‪0.198‬‬
‫ן‬
‫ן‪5‬‬
‫ץ‬
‫‪0.152‬‬
‫‪0.148‬‬
‫‪-0.029‬‬
‫‪-0.031‬‬
‫‪0.132‬‬
‫‪0.128‬‬
‫ן‬
‫ן‬
‫‪159‬‬
‫‪84‬‬
‫‪98‬‬
‫‪51‬‬
‫ן‬
‫‪100‬‬
‫‪47‬‬
‫‪61‬‬
‫‪27‬‬
‫ן‬
‫‪59‬‬
‫‪37‬‬
‫‪37‬‬
‫‪24‬‬
‫כפי שצוין לעיל‪ ,‬במדגם האמידה ענף הציוד לבקרה ופיקוח ואופטי ורפואי מיוצג במשקל יתר משמעותי‬
‫(כ‪ ,)22% -‬לעומת משקלו בקרב החברות הנתמכות (כ‪ .)22% -‬כפי שהלוח להלן מראה‪ ,‬ייצוגיות יתר זו‬
‫אינה משפיעה באופן משמעותי על תוצאות האמידה‪ .‬הלוח מציג את האומדנים הממוצעים של השפעת‬
‫תמיכת המדע"ר בחלוקה ל‪( :‬א) ענף ציוד תעשייתי לבקרה‪ ,‬פיקוח ורפואי; (ב) יתר הענפים ו‪( -‬ג) אומדן‬
‫משוקלל בו מתוקנן משקל ענף ציוד תעשייתי לבקרה‪ ,‬פיקוח ורפואי‪ ,‬למשקלו באוכלוסייה‪ .‬האומדים‬
‫המשוקלל המתוקננים דומים בערכים שלהם לאומדנים הממוצעים המקוצצים אחוזונים ‪22%- 2%‬‬
‫המוצגים בלוח לעיל‪.‬‬
‫חשוב לציין שהאומדים הנפרדים של ענף הציוד לבקרה ופיקוח ואופטי ורפואי ושל יתר העפים שונים‬
‫באופן משמעותי מהאומדנים הממוצעים הכלליים‪ ,‬המקוצצים והמשוקללים לתקנות בעיית הייצוגיות‪.‬‬
‫התופעה הגיונית וצפויה שכן בסופו של דבר ממוצע מורכב מטווח של ערכים‪ ,‬אולם בשל מגבלת הנתונים‬
‫איננו יכולים להציג אומדנים בחלוקה ענפית‪.‬‬
‫‪58‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫לוח ‪ :22‬השפעה ממוצעת של תמיכת המדע"ר‬
‫על התוצר‪ ,‬העובדים והתוצר לעובד של החברות הנתמכות‬
‫רגישות לייצוגיות יתר של ענף ציוד תעשייתי לבקרה‪ ,‬פיקוח ורפואי‬
‫‪. .‬‬
‫‪%‬‬
‫ן‬
‫ג‬
‫‪0.42‬‬
‫‪0.08‬‬
‫‪0.36‬‬
‫‪0.03‬‬
‫‪0.01‬‬
‫‪0.03‬‬
‫ף‬
‫‪0.66‬‬
‫‪0.52‬‬
‫‪0.64‬‬
‫‪0.416‬‬
‫‪0.079‬‬
‫‪0.356‬‬
‫‪0.03‬‬
‫‪-0.06‬‬
‫‪0.09‬‬
‫‪0.02‬‬
‫‪0.00‬‬
‫‪0.02‬‬
‫‪0.52‬‬
‫‪0.46‬‬
‫‪0.53‬‬
‫‪0.026‬‬
‫‪-0.060‬‬
‫‪0.086‬‬
‫ן‬
‫ג‬
‫‪0.424‬‬
‫‪0.081‬‬
‫‪0.364‬‬
‫‪76‬‬
‫‪40‬‬
‫‪35‬‬
‫‪17‬‬
‫‪0.034‬‬
‫‪-0.060‬‬
‫‪0.094‬‬
‫‪99‬‬
‫‪50‬‬
‫‪68‬‬
‫‪35‬‬
‫‪175‬‬
‫‪90‬‬
‫‪103‬‬
‫‪52‬‬
‫‪0.16‬‬
‫‪-0.01‬‬
‫‪0.18‬‬
‫הלוח להלן מציג את אומדני השפעת התמיכה כאשר נעשה שימוש לחישובם בעד ‪ 2‬חברות תאומות עבור‬
‫כל חברה נתמכת‪ .‬מטרת הבדיקה הזו היא לבחון את ערכי האומדנים בהסתמך על מדגם אמידה עם‬
‫מספר גדול יותר של תצפיות‪ .‬כפי שניתן לראות להלן מדגם האמידה גדל באופן מאוד משמעותי ואילו‬
‫כיווני האומדנים יציבים‪ .‬ערכי האומדנים נמוכים באופן משמעותי‪ ,‬אך הדבר צפוי שכן בהנחה ששיטת‬
‫בחירת התאומים טובה‪ ,‬אזי שהשימוש בעוד ‪ 2‬תאומים ש‪ 2 -‬מתוכם אינם הקרובים ביותר‪ ,‬מניב אומדנים‬
‫פחות מדויקים‪.‬‬
‫לוח ‪ :23‬השפעה ממוצעת של תמיכת המדע"ר‬
‫על התוצר‪ ,‬העובדים והתוצר לעובד של החברות הנתמכות‬
‫רגישות לשימוש בעד ‪ 4‬חברות תאומות לכל חברה נתמכת‬
‫‪. .‬‬
‫‪%‬‬
‫ג‬
‫‪0.10‬‬
‫‪-0.03‬‬
‫‪0.12‬‬
‫‪0.02‬‬
‫‪0.00‬‬
‫‪0.02‬‬
‫‪0.54‬‬
‫‪0.48‬‬
‫‪0.55‬‬
‫‪0.07‬‬
‫‪-0.03‬‬
‫‪0.10‬‬
‫‪0.01‬‬
‫‪0.00‬‬
‫‪0.01‬‬
‫‪0.59‬‬
‫‪0.53‬‬
‫‪0.60‬‬
‫ן‬
‫‪0.097‬‬
‫‪-0.030‬‬
‫‪0.117‬‬
‫ן‪5‬‬
‫ץ‬
‫‪0.068‬‬
‫‪-0.030‬‬
‫‪0.098‬‬
‫ג‬
‫‪0.103‬‬
‫‪-0.030‬‬
‫‪0.123‬‬
‫ן‬
‫ן‬
‫‪0.072‬‬
‫‪-0.030‬‬
‫‪0.102‬‬
‫ן‬
‫‪443‬‬
‫‪102‬‬
‫‪181‬‬
‫‪76‬‬
‫‪339‬‬
‫‪99‬‬
‫‪173‬‬
‫‪74‬‬
‫מלבד בחינות הרגישות אשר תוארו לעיל‪ ,‬ערכנו במהלך העבודה הרבה בדיקות נוספות ביחס להנחות‬
‫המודל‪ ,‬לרבות אילו משתנים נכללות ברגרסית ה‪ probit -‬לאמדית ציוני ההתאמה‪ ,‬הגדרות שונות של‬
‫התקופות "לפני" ו‪"-‬אחרי"‪ ,‬התאמה לפי מגזר (תעשייה ושירותים)‪ ,‬שינוי בהגדרות ובהתאמה לפי קבוצות‬
‫גודל‪ ,‬ושינויים בערך המקסימאלי המותר לציון ההתאמה‪ .‬על פני כלל הבדיקות כיווני האומדנים ועוצמתם‬
‫דומות באופן סביר לתוצאות המוצגות כאן‪.‬‬
‫‪59‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫‪ .1.4.4‬שימוש במודל אלטרנטיבי (תוקף חיצוני)‬
‫להערכתנו השימוש בשיטת ה‪ propensity scoring -‬עליה מבוססות תוצאות האמידה המתוארות לעיל‬
‫היא השיטה המועדפת לבחינת התופעה הנחקרת‪ ,‬יתרונותיה וחסרונותיה הכללים מתוארים לעיל בפרק‬
‫המתודולוגי‪ .‬יחד עם זאת‪ ,‬חשוב לערוך בחינה של התוקף החיצוני של תוצאות המחקר על יד שימוש‬
‫במודל אקונומטרי חילופי‪.‬‬
‫אנו עושים זאת על ידי שימוש במודל אקונומטרי קלאסי של אמידת פונקציית ייצור עם תיקון ‪Heckman‬‬
‫לסלקציה עבור קבלת תמיכה מהמדע"ר‪ .‬פונקציית הייצור היא מסוג קאב‪-‬דאגלס בנוסח ‪Grilliches‬‬
‫שמסבירה את התוצר כפונקציה של העובדים (‪ ,)L‬מלאי ההון (‪ ,)K‬מלאי המו"פ (‪ )RDS‬ורכיב נוסף שאינו‬
‫נכלל במודל גריליכס הקלאסי‪ ,‬תמיכת המדע"ר במו"פ (‪ .)RDSub‬להלן ניסוח משוואת האמידה‪.30‬‬
‫‪+𝜀,‬‬
‫‪,‬‬
‫𝐷𝑅 ∙ 𝛾 ‪+‬‬
‫‪,‬‬
‫𝐷𝑅 ∙ ‪𝑉𝐴 , = 𝛼 + 𝛽1 ∙ 𝐿 , + 𝛽2 ∙ 𝐾 , + 𝛽3‬‬
‫באמידה מתווספים משתני דמי לשנה‪ ,‬לגודל החברות ולענף כלכלי‪.‬‬
‫בנוסף אנו בוחנים את השפעת הסובסידיה לפי גודל החברות על ידי שימוש באינטראקציה שבין גובה‬
‫הסובסידיה ומשתנה דמי לשלושה גדלים של חברות לפי מחזור מכירות‪/‬תפוקה (עד ‪ 20‬מ' ‪200 – 20 ,₪‬‬
‫מ' ‪ ₪‬ומעל ‪ 200‬מ' ‪:)₪‬‬
‫‪3‬‬
‫‪+𝜀,‬‬
‫‪,‬‬
‫𝐷𝑅 ∙ 𝑗𝛾 ∙ 𝑗𝐷 ∑ ‪+‬‬
‫‪,‬‬
‫𝐷𝑅 ∙ ‪𝑉𝐴 , = 𝛼 + 𝛽1 ∙ 𝐿 , + 𝛽2 ∙ 𝐾 , + 𝛽3‬‬
‫‪𝑗 =1‬‬
‫נקדים ונאמר שלהערכתנו הניסיון לאמוד את ההשפעה של תמיכה ממשלתית במו"פ על ביצועי חברות‬
‫באופן ישיר באמצעות רגרסיה פשוטה (‪ OLS‬למשל) ו‪/‬או באמצעות מודל המטפל בתופעה של סלקציה‬
‫(‪ ,)Heckman‬אינה אפשרות התואמת באופן מספק את מנגנון ההשפעה של התמיכה על ביצועי החברות‪.‬‬
‫הסיבה היא שההשפעה הישירה של התמיכה הממשלתית היא על גובה הוצאות המו"פ של החברות‪ ,‬ועל‬
‫איכות וסיכון הפרויקטים המבוצעים על ידי החברות הנתמכות‪ .‬תוצר החברות ומשתני ביצוע אחרים‬
‫יושפעו לאחר מכן כפונקציה של רמת ההצלחה של הפרויקטים אשר נתמכו‪ ,‬אבל גם של פרויקטים אחרים‬
‫‪30‬‬
‫המתודולוגיה לשימוש במודל מסוג גרליכס מפורטת בוסרטל‪ ,‬לאך ופריזט (‪ .)5002‬הטיפול בעובדים כאן מתקדם יותר שכן במשתנה עובדים‬
‫נכללים רק עובדים אשר אינם עובדי מו"פ‪ .‬הדבר מונע את תופעת החשבונאות הכפולה הנובעת משימוש בעובדים הכוללים עובדי מו"פ‬
‫ובמקביל בהוצאות או במלאי הוצאות המו"פ‪.‬‬
‫‪61‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫אשר היו מתבצעים בכל מקרה אלמלא התמיכה‪ ,‬ועל ידי אותם עובדים (לפחות במידה מסוימת)‪ ,‬כמו גם‬
‫ממשתנים כלכלים אחרים‪ .‬המודל הלא פרמטרי בו נעשה שימוש כאן למעשה משווא באופן ישיר את‬
‫הביצועים של החברות הנתמכות לאלה של החברות מאוד דומות אשר לא נתמכו ובכך סיבוכיות המנגנון‬
‫תמיכה‪-‬הוצאות מו"פ ‪-‬ביצועיים אינה מהווה מגבלה שכן זה אינו חלק מהאמידה‪.‬‬
‫הלוח להלן מסכם את התוצאות מאמידת פונקציות הייצור המתוארות לעיל בשתי שיטות‪ OLS :‬פשוטה ו‪-‬‬
‫‪ ,Heckman Maximum Likelihood‬המאפשרת קבלת אומדנים המתוקנים מסלקציה הנובעת מכך שחלק‬
‫מהחברות נבחרו על ידי לשכת המדע"ר לקבלת תמיכה וחלק לא‪.‬‬
‫לוח ‪ :24‬אמידת השפעת תמיכת המדע"ר בשיטות ‪ OLS‬ו‪Heckman ML -‬‬
‫סיכום האומדנים ורמת המובהקות שלהם (המספרים הקטנים מתחת לכל אומדנן)‬
‫תצפיות עם יחס בין תמיכה לתוצר שאינו עולה על ‪( 20%‬מעל ‪ 22%‬מהמדגם)‬
‫◄‬
‫‪:‬‬
‫ן‬
‫‪OLS‬‬
‫‪Heckman ML‬‬
‫‪OLS‬‬
‫‪Heckman ML‬‬
‫‪1,008‬‬
‫‪0.35‬‬
‫‪1,067‬‬
‫‪0.47‬‬
‫‪1,008‬‬
‫‪0.36‬‬
‫‪1,067‬‬
‫‪0.47‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.13‬‬
‫‪0.11‬‬
‫‪0.13‬‬
‫‪0.10‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.19‬‬
‫‪0.12‬‬
‫‪0.19‬‬
‫‪0.13‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪0.000‬‬
‫‪-0.01‬‬
‫‪-0.03‬‬
‫‪0.100‬‬
‫‪0.140‬‬
‫‪0.01‬‬
‫ג‬
‫‪0.03‬‬
‫‪0.380‬‬
‫‪0.510‬‬
‫‪-0.01‬‬
‫‪-0.05‬‬
‫‪0.240‬‬
‫‪0.080‬‬
‫‪-0.01‬‬
‫‪-0.03‬‬
‫‪0.040‬‬
‫‪0.240‬‬
‫הלוח מציג שני ממצאים מרכזיים אשר מחזקים את הממצאים המוצגים בפרקים הקודמים אודות‬
‫ההשפעה החיובית של תמיכת המדע"ר על התוצר של החברות הנתמכות‪:‬‬
‫ניתן לראות שללא תיקון ‪ Heckman‬לסלקציית עבור קבלת תמיכה‪ ,‬אומדני ההשפעה של מלאי המו"פ על‬
‫התוצר הם בסדרי גודל של ‪ 0.22‬ואילו לאחר תיקון עבור סלקציה (מודל ‪ )Heckman‬האומדנים יורדים ל‪-‬‬
‫‪ 0.21‬ו‪ .0.22-‬הפער בין האומדנים כמובן קשור לכך שבמדל ‪ OLS‬הפשוט‪ ,‬האומדנים כוללים את השפעת‬
‫המדע"ר על התוצר דרך השפעתו על הוצאות המו"פ – בהלימה עם ההסבר שלנו לעיל אודות מנגנון‬
‫ההשפעה‪.‬‬
‫כמו כן‪ ,‬ניתן גם לראות שמרב ההשפעות הזניחות השליליות (‪ )-0.02‬של תמיכת המדע"ר על התוצר‬
‫במודל ‪ OLS‬הפשוט מאבדות את מובהקותן כאשר נעשה שימוש במודל ‪ ,Heckman‬מלבד אומדן שלילי‬
‫בגובה ‪ -0.02‬ומובהק ברמה של ‪ 8%‬בקרב חברות בינוניות וגדולות – תוצאה שלבדה ועל רקע יתר‬
‫התוצאות אינה ספקת בכדי לקבוע קיום של השפעה שלילית‪.‬‬
‫‪60‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫כפי שמפורט בכותרת הלוח‪ ,‬מדגם האמידה כולל חברות שהיחס בין התמיכה הממשלתית לתוצר שלהן‬
‫אינו עולה על ‪ ,20%‬תצפיות המרכיבות מעל ‪ 22%‬מהמדגם המקורי‪ .‬השימוש במגבלה זו נובע מהגילוי‬
‫שהכללת ה‪ 28 -‬תצפיות עם יחס העולה על ‪ ,20%‬משפיעה בצורה מאוד חזקה של סימן ועוצמת‬
‫האומדנים של תמיכת המדע"ר – מגביר את עוצמת ההשפעה שלילית ומשפר את מובהקות האמדנים‪.‬‬
‫כיו ון שמדובר בתצפיות קיצוניות מבחינת גובה המימון שהן מקבלות יחסית לביצועים שלהן‪ ,‬לא סביר‬
‫לאפשר להן להשפיע על תוצאות האמורות לייצג את הכלל ולהנחות דיוני מדיניות‪.‬‬
‫להלן האפיונים המרכזיים של תצפיות אלה‪:‬‬
‫לוח ‪ :25‬התפלות יחס תמיכה ממשלתית‪-‬תוצר גבוה מ‪20% -‬‬
‫בקרב ‪ 02‬התצפיות הרלבנטיות‬
‫‪.6‬‬
‫‪.4‬‬
‫‪Fraction‬‬
‫‪.2‬‬
‫‪0‬‬
‫‪5‬‬
‫‪4‬‬
‫‪2‬‬
‫‪3‬‬
‫‪mimun_value_up5‬‬
‫‪1‬‬
‫‪0‬‬
‫לוח ‪ :26‬תצפיות עם יחס תמיכה ממשלתית‪-‬תוצר גבוה מ‪20% -‬‬
‫חלוקה לפי גודל חברה‬
‫קבוצת ודל‬
‫תצפיות‬
‫לפי תפוקה‬
‫ב יליוני ‪₪‬‬
‫‪20 – 0‬‬
‫‪6‬‬
‫‪20 – 20‬‬
‫‪23‬‬
‫‪200 – 20‬‬
‫‪9‬‬
‫סה כ‬
‫‪38‬‬
‫‪62‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫לוח ‪ :27‬תצפיות עם יחס תמיכה ממשלתית‪-‬תוצר גבוה מ‪20% -‬‬
‫חלוקה לפי ענף של ‪ 5‬ספרות‬
‫ענף‬
‫תצפיות‬
‫‪245+32‬‬
‫‪3‬‬
‫‪33‬‬
‫‪9‬‬
‫‪34‬‬
‫‪9‬‬
‫‪72‬‬
‫‪6‬‬
‫‪73‬‬
‫‪11‬‬
‫סה כ‬
‫‪38‬‬
‫‪ .2.2‬סיכום ממצאים ומסקנות‬
‫בממוצע צמיחת התוצר לעובד בקרב החברות שנתמכו על ידי המדע"ר גבוה באופן מובהק ומשמעותי‪,‬‬
‫בשיעור הנע סביב ‪ ,12%‬מהתוצר לעובד בקרב חברות "תאומות" אשר לא קיבלו תמיכה – ב צ בר עד‬
‫שלוש שנים לאחר קבלת הת יכה‪ .‬במילים אחרות‪ ,‬הממצאים מלמדים על תרומה חיובית ומשמעותית‬
‫של המדע"ר לפריון החברות‪ .‬ההשפעה על חברות גדולות (מכירות מעל ‪ 200‬מ' ‪ )₪‬חזקה יותר‪ ,‬סביב ה‪-‬‬
‫‪ 22%‬ואילו בקרב חברות קטנות ובינוניות (מכירות מתחת ל‪ 200 -‬מ' ‪ )₪‬השפעה נמוכה מסביב ל‪20% -‬‬
‫(ב צ בר עד שלוש שנים לאחר קבלת הת יכה)‪ .‬מרב ההשפעה החיובית של המדע"ר היא על תוצר‬
‫החברות (‪ )20% - 22%‬ולעומת זאת לא נמצאה השפעה משמעותית של התמיכה על גידול בכמות‬
‫העובדים‪.‬‬
‫וצעים יחסיים של חברות נת כות דע ר לעו ת חברות‬
‫האו דנים ה דווחים ייצ ים ביצועיים‬
‫לא נת כות דו ות ו כאן שקיים פיזור סביב ה וצע‪.‬‬
‫האומדנים יציבים ועקיבים על פני בחינות רגישות מקיפות ביחס לערכים קיצוניים‪ ,‬ושינויים בהנחות‬
‫המודל‪ .‬מעבר לכך‪ ,‬התוצאות המתקבלות משימוש במודל אקונומטרי חילופי (פונקציית ייצור עם תיקון‬
‫‪ Heckman‬לסלקציה) קונסיסטנטיות אף הן עם הממצאים המוצגים לעיל‪.‬‬
‫ניתן לייחס לתמיכות המדע"ר עד כ‪ 20 -‬אלפי ‪ ₪‬בממוצע‪ ,‬כ‪ ,20% -‬מתוך כ‪ 200 -‬אלף ‪ ₪‬תוצר לעובד‬
‫ממוצע בענפיי היי‪-‬טק בתקופת האמידה (‪ .)1008 – 2222‬מעבר לכך‪ ,‬החישובים שלנו מלמדים כי פירות‬
‫תמיכות המדע"ר במונחי תוצר הן לערך פי ‪ 1‬גבוהות יותר מגובה תקציבי המדע"ר על פני תקופת‬
‫האמידה‪ .‬כמו כן אנו מחשבים אומדן להפסד במונחי תוצר‪ ,‬מצמצום תקציבי לשכת המדע"ר לאחר שנת‬
‫‪63‬‬
‫‪ .5‬השפעת לשכת המדען הראשי על התוצר לעובד של ענפי היי‪-‬טק בישראל‬
‫‪ , 2222‬שנת השיא של תקציב לשכת המדע"ר‪ .‬על פי חישובנו‪ ,‬ההפסד נטו (לאחר ניכוי החיסכון‬
‫התקציבי) מגיע עד לפי ‪ 2.2‬מן החיסכון התקציבי‪.‬‬
‫חשוב לציין כי ב ס רת ה תודולו ית הזו‪ ,‬התוצאות ה תקבלות הינם או דנים יני אליים של‬
‫השפעת לשכת ה דע ר‪ ,‬ה ל ים את ההשפעה הישירה של הת יכות ב ו פ על תוצר החברות –‬
‫בלי ל לם בנוסף את ההשפעה דרך זלי ת ידע‪.‬‬
‫‪64‬‬
‫נספחים‬
‫נספחים‬
‫‪65‬‬
‫נספחים‬
‫נספח א‪ :‬מתודולוגיה להשוואת תוצר לעובד במונחי ‪ PPP‬ברמה ענפית של ‪ 2‬ספרות והתאמה לרכיבי‬
‫הייצוא לפי מדינת היעד‬
‫‪66‬‬
Using disaggregated purchasing power parities
for cross-country comparison of work productivity
- Discussion draft -
Daniel Wasserteil
March 21, 2012
E.G.P Applied Economics Ltd. Research and Consulting in Economics, Marketing and Social Sciences.
14 Aba Hillel Silver Rd., Ramat Gan 52506  Phone: 972-3-6087004, Fax: 972-3-6390001
1. Introduction
We propose a methodology to adjust for cross-country, across-time (dynamic) price
differences when comparing levels of production and work productivity (measured
usually as value added divided by the number of workers or by the number of work
hours) by industry, between any two countries.
The issue of cross-country dynamic price adjustment is far more challenging than usually
regarded because country price indices (national as well disaggregated by consumption
group or industry) are estimated individually by each country based on methodologies
that often differ up to very significant degrees31. The consequence of this being that
when local price indices are used to adjust for price changes across-time within
countries, the data in real terms may not be comparable across countries. Moreover,
using aggregated purchasing power parities (PPPs) for the adjustment of cross-country
purchasing power (price-level) differences does not solve the problem of cross country
discrepancies in price-adjustment methodologies. This is because while benchmark year
PPPs are estimated (for example every four years in the Eurostat-OECD exercise) by
directly comparing any two countries' prices, PPPs for years between the benchmark
years are estimated on the basis of the countries' price indices evolution.
We propose using the Eurostat-OECD purchasing power parities (PPPs) estimated
every four years since 1999 at the least aggregated level available - basic heading.
Basic headings are defined as the lowest level of final expenditure on GDP (gross
domestic product) for which explicit expenditure weights can be estimated32. Crucially,
the basic heading level of aggregation roughly corresponds to the two digit industry
branch level, at which aggregated industry data is usually available.
In what follows we develop first the methodology for the comparison of cross-country
aggregated industry sales. Towards the end of the paper we elaborate on the
As a case in point, the methodology proposed here was developed to cope with a crucial disparity in the methodologies used in the US
and Israel to estimate prices changes in the electronics, advanced equipment and software branches: while the Bureau of Labor Statistics
(BLS) estimates price indices using hedonic price functions that explicitly and systematically accommodate for changes in product quality
through time, Israel's Central Bureau of Statistics (CBS) does not. Instead it keeps track of significant changes in product quality and
adjusts for them when needed. Moreover, within the US, the hedonic methodologies applied differ across consumption and industry
categories.
32 Eurostat-OECD methodological manual on purchasing power parities; Eurostat and OECD, p. 135, paragraph 7.6.
31
methodology's application to the comparison of cross-country work productivity at the
industry level, accounting for the separate changes in quantities sold and in the value
added they generate.
2. Methodology
2.1. Basic purchasing-power adjustment of expenditures
PPPs are chiefly used to compare GDP (gross domestic product) across countries. By
dividing (or multiplying) the GDP in home currency and price level (purchasing
power) terms of one country by the PPP between it and a second country, one obtains
the first country's GDP in terms of the second country's currency and price levels.
To fully understand what this means an example is needed: lets assume two countries A
and B, that (1) use the same currency and (2) have identical output levels of a series of
identical goods, but (3) that differ in their price levels (i.e. levels of purchasing power),
these being higher in country A than in country B for all goods. The PPP between the
two countries, in terms of one of them, say B, is computed as a weighted average of the
price ratios between the countries within a representative basket of goods of the same
quality33. By dividing country's A GDP by this PPP, one obtains country's A GDP at
country's B price levels - i.e. country's A GDP adjusted to its purchasing power in country
B. Since we assumed that both countries produce the same quantity of identical goods
but that the price level is higher in country A than in country B, then the "nominal" GDP
of A is higher than that of B, while their PPP-adjusted GDP will be at the same level.
In simple words - this type of PPP adjustment converts one country's monetary
value of production in home currency and price level terms to its monetary value
in the currency and price level terms of a second country. Thus usually it is said
What is crucial for the PPP computation is that the quality and quantity of the basket of goods be comparable (i.e. equal quantities of
highly quality-similar goods) across countries. If the countries had different currencies, the PPP between the countries would be
computed in the same manner, but the prices would be given in local currency terms and the resulting PPP would reflect both currency
and price differences.
33
that the PPP-adjusted GDP of a country gives a measure of the number of GDP
units it can buy from another country's GDP - that is, the purchasing power value
of one country's GDP vis-à-vis a second country's GDP.
As will be explained bellow however, aggregate or industry-level PPP-adjusted
expenditures are inappropriate for cross-country comparisons of production and
productivity.
2.2. Comparing production and productivity by industry across countries using
disaggregated PPPs
2.2.1 Justification
The "Eurostat-OECD methodological manual on purchasing power parities" explicitly
recommends not to use the results of the Eurostat-OECD comparisons "as measures to
generate output and productivity comparisons by industry", and it also recommends
limited use of PPPs "to analyze changes over time in relative GDP per capita and
relative prices".
Unfortunately and to the best of our knowledge - alternative methodologies for crosscountry dynamic comparisons of industry-level production and productivity are
considerably more data demanding (thus not widely applicable across countries), while
at the same time there does not seem to be a consensus among experts as to which
methodology more precisely adjusts for dynamic cross-country price differences34 .
In the face of this reality it is our view that basic heading PPPs may be used to adjust
industry-level price differences in cross-country dynamic comparison of production and
Papers presented and discussed at the OECD workshop "Industry Productivity: International Comparison and Measurement Issues"
from 1996, survey and discuss the various challenges in regard to cross-country dynamic comparison of output and productivity:
http://www.oecd.org/document/33/0,3746,en_2825_30453906_1825441_1_1_1_1,00.html
34
productivity, as a good practical alternative among a far-than-ideal choice of
methodologies. The main and very powerful reasons for this being two: First - PPPs are
computed on the basis of a single and quite transparent methodology for data collection
and processing, under coordination and supervision of the OECD35. Second, as will be
explained bellow, the data requirements for the implementation of the methodology
suggested here can be fulfilled using existing OECD's industry level data series.
2.2.2 Purchasing power treatment of exports by country-of-destiny
Eurostat-OECD PPPs are computed using only data of countries' local expenditures
and/or local quantities and prices. Therefore, as long as the subject of cross-country
comparison are levels of expenditure, simply dividing any industry or the whole
economy's value added by its corresponding PPP is methodologically consistent and
correct.
But if we seek to compare production and productivity levels, we should accommodate
for the fact that a share of firms' production is exported and thus sold at country-ofdestiny currencies and purchasing power levels36 37. Our proposition is that this can be
done between any two countries, by adjusting the local and export components of
production (e.g. sales, value added) from each industry of each country to the home
prices of a country designated as reference (one of the two countries being compared) using the relevant basic heading PPPs.
35
The four-year OECD-Eurostat benchmark exercise involves countries' local statistical agencies collecting local prices for products
belonging to comparable baskets of goods in terms of quantity and quality across countries. Crucially, this process is coordinated and
supervised by the OECD, which also, at latter stages computes all countries' PPPs.
36
The last part of the sentence is in fact an assumption - although a very reasonable one. Although exports could be sold at higher or
lower prices than those prevailing at the country-of-destiny, in order for example to be more competitive - because of transport and
transaction costs as well as basic profitability logic, it seems much more likely that the prices of exports should be on the vicinity of
the country-of-destiny price levels.
37
The Eurostat-OECD PPP methodology uses exchange rates between countries as proxy PPPs for exports and imports. See: EurostatOECD methodological manual on purchasing power parities; Eurostat and OECD, p. 131, paragraph 7.39.
The practical shortcomings of not adjusting separately the prices of the local and export
components of industry-level production should be well understood. Because of markets
differences (e.g. size, maturity, level of competition), purchasing power disparities and
the use of different currencies across countries, the prices of identical or highly qualitysimilar products of the same firm in different countries are not necessarily equivalent
after exchange rate conversion to home currency. But what firms report (in financial
statements and to statistical agencies) is precisely the monetary values in home
currency terms of local sales and sales abroad (exports), which, given cross-country
discrepancies in product values (prices), are not necessarily proportional to the
quantities sold.
An example may further clarify: let us assume that a firm from country A sells 50 units of
a product locally and 100 units in country B (exports). The price of the product is 1 locally
and 4 in country B, while the exchange rate between A and B is 2 (so in same-currency
terms the firm's products sells abroad at double its value in the home market = abroad
price divided by exchange rate). The firm will thus report sales in home-country currency
terms of 50 in the local market [=50 x 1] and of 200 abroad [=(100 x 4)/2]. So in
monetary terms the sales of the firm abroad are 4 times its local sales, while in quantity
terms (closest to a measure of production) they are only double! Furthermore,
proportional disparities between monetary values of outcomes reported and the
quantities underlying them are also affected by differences across time in purchasing
power and exchange rates.
In what follows we present formally our suggested methodology to overcome, at least
partially, the described challenge. We develop first the methodology for the comparison
of cross-country aggregated industry sales. We afterwards elaborate on the
methodology's application to the comparison of cross-country work productivity at the
industry level, accounting for the separate changes in quantities sold and in the value
added they generate.
2.2.3 Cross country purchasing power production comparison
We want to compare the production of industry i in countries A and B. The products of
both countries are sold in each country's home markets and exported to other countries,
i.e. A exports to B and other countries and B exports to A and other countries. The
products are sold at country-of-destiny market prices.
Industry-level production or sales are of course the sum of all the different products
produced or sold by the industry. But in the framework of aggregated analyses, by
definition only aggregated data is available, so some working assumptions need be
made to facilitate the analysis. Maybe the major, but indispensable, such work-facilitating
device is the abstraction from within industry sets of differentiated products, while
assuming instead that within-industry production is homogenous. Or in other words,
assuming that each industry i produces a single homogenous good - which can
conveniently be referred to as good i.
Within this framework, the sales Y of product i by industry i from each country may be
expressed as follow:
Sales of country A in country-of-destiny Sales of country B in country-of-destiny
currency and purchasing power terms:
currency and purchasing power terms:
Eq. 1
Eq. 2
NA
NB
Yi A  QiAA  Pi A  QiAB  Pi B   QiAC  Pi C ,
Yi B  QiBA  Pi A  QiBB  Pi B   QiBC  Pi C ,
C  1, 2,..., NA
C  1, 2,..., NB
C 1
C 1
Where:
QiAA , QiBA = The quantity of good i produced in country A or B and sold in country A;
QiAB , QiBB = The quantity of good i produced in country A or B and sold in country B;
QiAC , QiBC = The quantity of good i produced in country A or B and sold in countries
other that A or B;
NA , NB = The number of countries where country A or B sell other than A or B.
Pi A , Pi B , Pi C = The prevailing market prices in country-of-destiny currency terms for
good i in countries A, B and other countries other than A or B.
These measures of sales are of course not comparable across countries and useless by
themselves, since they are the sum of the monetary values of sales in different
currencies terms. As mentioned above, what firms report are the monetary values in
home currency terms of local sales and sales abroad. These are computed by firms by
converting the monetary value of abroad sales into home currency terms using prevailing
market exchange rates. Framed in terms of the equations above, aggregated data
reported by firms can be expressed as follow:
Sales of country A
Sales of country B:
in home currency terms:
In home currency terms:
Eq. 3
Eq. 4


NA

 

NB


Yi A, HC  QiAA  Pi A  QiAB  Pi B  E AB   QiAC YPi Bi C, HC E ACQiBA  Pi A  E BA  QiBB  Pi B   QiBC  Pi C  E BC
C 1
C 1
,
C  1, 2,..., NA
C  1, 2,..., NB
Where:
E AB , E BA 
1
= Prevailing market exchange rates between countries A and B;
E AB
E AC , E BC = Prevailing market exchange rates between countries A or B and other
countries besides A or B;
These measures are not comparable across countries. But even within the home
country they are representative of the purchasing power of the industry's sales in
the home country, but are not accurate measures of production – cross-country
currency and purchasing power differences distort the proportion between
quantities sold and their home currency value.
What is usually done to compare sales across countries is to translate firms', industry's
or countries' total levels of sales in home currency terms, i.e. Yi A, HC and Yi B , HC above,
into a reference currency using either prevailing market exchange rates or aggregate
purchasing power parities. As can be understood by looking at equations 3 and 4 above
these practices are insufficient to obtain accurate enough measures of quantities actually
sold.
We propose instead a more thorough treatment of the local and export components of
sales. This can be done using the Eurostat-OECD purchasing power parities (PPPs) at
the least aggregated level available - basic heading. Crucially, the basic heading level of
aggregation roughly corresponds to the two digit industry branch level, at which
aggregated industry data is usually available. The computation of these PPPs involve
countries' local statistical agencies collecting local prices for products belonging to
comparable baskets of goods in terms of quantity and quality across countries. Crucially,
this process is coordinated and supervised by the OECD, which also, at latter stages
computes all countries' PPPs.
For the purpose of comparing industry production (quantities) across countries within the
framework devised above, relevant PPPs can be expressed as follow38:
PPP between
PPP between country B and other countries besides A:
Country A and B:
Eq. 5
PPPi AB 
PPPi
AB
QiAA  Pi A
QiBB  Pi B
Eq. 7
PPPiCB 
QiCC  PiC
QiBB  Pi B
where C  1, 2,..., NA or NB


Eq. 6
Eq. 8
Pi A
 B
Pi
PPPiCB 
PiC
Pi B
Equations 6 and 7 result from the fact that the quality and quantity of the goods
compared are held constant across countries. So in fact PPPs reduce to the ratio of
prices between any two countries expressed in home currency and price terms, for a
given product or service or a bundle of those.
As can be appreciated, what are needed are all the industry-level (basic heading) PPPs
between the countries where A and B products are sold, and country B (the PPP
between country B and itself being 1). What this means is that the currency and prices
(purchasing power) in country B are designated as reference in the sense that all
monetary values of local and abroad sales from both countries will be expressed in the
currency and prices of country B.
This is in fact what price adjusting is all about – converting monetary values given in
prices from different periods and in different currencies into equivalent monetary values
38
This is a simplified representation of how PPPs at the heading level are computed by the Eurostat-OECD. In fact the basic-heading
PPPs are aggregated weighted averages of product and service prices within each basic-heading category.
expressed in terms of a specific currency and time period. And this is what the proposed
methodology here is all about too: converting the local and export components of sales
from two countries - expressed in currency and price terms from their home market - into
comparable monetary values in terms of one of the countries' currency and purchasing
power (i.e. price) levels.
Converting the reported, non-adjusted home sales and exports monetary values of
country A and B industry i, into country B's currency and price terms requires two
steps39:
Step 1: because firms' and industry aggregated sales are reported in home currency and
price terms (equations 3 and 4), each export component of sales has to be "converted
back" into the original country-of-destiny currency and price levels (equations 1 and 2)
using the relevant exchange rates:
Sales of country A in country-of-destiny
Sales of country B in country-of-destiny
estimated currency and purchasing power terms:
estimated currency and purchasing power terms:
Eq. 9
Eq. 10
S AB NA S AC
Yˆi A  S iAA  i AB   i AC ,
E
C 1 E
NB
S BA
S BC
Yˆi B  iBA  S iBB   iBC ,
E
C 1 E
C  1, 2,..., NA
C  1, 2,..., NB
39
In practice the two steps described could be reduced into a single step by computing hybrid exchange rate-PPPs rates of conversion.
Where:
S iAA , S iBA = Sales of country A or B in country A, reported in home currency terms of A or
B respectively;
S iAB , S iBB = Sales of country A or B in country B, reported in home currency terms of A or
B respectively;
S iAC , S iBC = Sales of country A or B in countries other than A or B, reported in home
currency terms of A or B respectively;
As can be seen, the equations above yield an approximation of industry sales in countryof-destiny currency and price terms. This of course due to the fact that exports are
recorded and converted by firms into home currency terms at various points in time
using time varying prevailing exchange rates, while in the equations above, the home
currency monetary values of exports are "converted back" into country-of-destiny
currency and price terms using a single representative exchange rate - e.g. the yearly
average exchange rate.
Step 2: Assuming that industry local and export sales in estimated country-of-destiny
currency and price terms are approximately equal to local and export sales in actual
currency and price terms:
Eq. 11
Eq. 12
 S iAB
AB
B
 AB  Qi  P
E
Yˆi A  Yi A  
,
 S AC
AC
C
i
 AC  Qi  P
E
,
 S iBA
BA
A
 BA  Qi  P
E
Yˆi B  Yi B  
,
 S BC
BC
C
i
 BC  Qi  P
E
,
C  1, 2,..., NA
C  1, 2,..., NB
Then the relevant PPPs (equations 6 and 8) may be applied in order to convert the
local sales and exports of each country expressed in country-of-destiny currency and
price terms (equations 1 and 2) into the reference currency and price terms – in this
setting those of country B:
Yi
Sales of country A in PPP terms
(currency and purchasing power of country B)
Sales of country B in PPP terms
(currency and purchasing power of country B)
Eq. 13
Eq. 14
A, PPP
QiAA  Pi A QiAB  Pi B NA QiAC  Pi C



CB
PPPi AB
PPPi BB
C 1 PPPi
Where: C  1, 2,..., NA
Yi
B , PPP
QiBA  Pi A QiBB  Pi B NB QiBC  Pi C



CB
PPPi AB
PPPi BB
C 1 PPPi
Where: C  1, 2,..., NB

Yi A, PPP 
QiAA  Pi A QiAB  Pi B NA QiAC  Pi C
QiBA  Pi A QiBB  Pi B NB QiBC  Pi C
B , PPP


Y




i
1
1
Pi A
Pi C
Pi A
Pi C
C 1
C 1
Pi B
Pi B
Pi B
Pi B

NA
Yi A, PPP  QiAA  Pi B  QiAB  Pi B   QiAC  Pi B
C 1
NB
Yi B , PPP  QiBA  Pi B  QiBB  Pi B   QiBC  Pi B
C 1

Eq. 15
NA


Yi A, PPP  Pi B   QiAA  QiAB   QiAC 
C 1


Eq. 16
NB


Yi B , PPP  Pi B   QiBA  QiBB   QiBC 
C 1


As can be clearly seen the resulting equations 15 and 16 show the quantities sold locally
and exported by industry i from country A and country B expressed in country B's
currency and price levels.
These equations may now be used to compare relative quantities sold by the two
countries industry i:
Ratio of industry i quantities sold in country A relative to country B:
Yi A, PPP
Yi B , PPP
NA
NA


Pi B   QiAA  QiAB   QiAC  QiAA  QiAB   QiAC
C 1


C 1

NB
NB
BA
BB
B 
BA
BB
BC 
Q


Q

QiBC
Pi   Qi  Qi   Qi 

i
i
C 1
C 1


C  1, 2,..., NA or NB

Eq. 17
NA
TQiA Yi A, PPP


TQiA Yi B , PPP
QiAA  QiAB   QiAC
C 1
NB
QiBA  QiBB   QiBC
C 1
C  1, 2,..., NA or NB
Where:
TQiA , TQiB = Total quantities sold by industry i from country A or B.
2.2.4 Work productivity measures
2.2.4.1 Incorporating value added measures into the framework
The most basic and widely used measures of work productivity are added value per
workers or its more precise counterpart, added value per hours worked. In the context of
productivity, value added is preferred to sales because it is a measure of firms' net
contribution to production on top of supplier firms' contribution. Sales on the other hand
include the contribution of all supplier firms to the value of the product or service sold.
The practical definition of value added is firms' sales less costs of materials – i.e. the
value of supplier firms' production.
A crucial fact to understand in this regard is that sales and value added are measures of
production that express the monetary values of the same quantities of products or
services sold by firms. A proper understanding of productivity needs to account for
changes in quantities sold and in the value added they generate.
In the framework devised here this could ideally be achieved by means of equations 17
which allows to asses relative changes of quantities produced in countries A and B, and
an analysis of the countries' relative value added shares in local sales and exports by
country-of-destiny. Unfortunately, although aggregate industry level data for value added
is widely available, breakdowns into value added derived from home sales and countryof-destiny-exports are not40.
What we propose instead as a practical approximation is to incorporate the available
industry-aggregated measures of value added into the analysis, by assuming that the
share of value added in local sales and exports by country-of-destiny is equal to the
share of total value added in total sales.
40
This is due to the fact the value added is mostly an accounting construct generated for national accounting purposes by statistical
agencies. What this means is that its computations entails subtracting firms' total material costs used for production from total sales (all
in home currency terms), while the breakdown into local and export sales is either not public or not computed at all.
Under this assumption, equations 13 and 14 can be adapted as follow to compare
industrial production across two countries allowing for the separate assessment of
quantity and value added contributions:

Estimated production of country A in PPP terms
(in currency and purchasing power terms of country B)
Estimated production of country B in PPP terms
(in currency and purchasing power terms of country B)
Eq. 18
Eq. 19
A, PPP
i
 VAiA, HC
  A, HC
 Yi
  QiAA  Pi A QiAB  Pi B NA QiAC  Pi C

  PPP AB  PPP BB   PPP CB
i
i
i
C 1
 




Where: C  1, 2,..., NA
X
B , PPP
i
 VAiB , HC
  B , HC
 Yi
  QiBA  Pi A QiBB  Pi B NB QiBC  Pi C

  PPP AB  PPP BB   PPP CB
i
i
i
C 1
 
Where: C  1, 2,..., NB
Where:
VAiA, HC , VAiB , HC = Value added of industry i in country A or B, reported in home currency
terms of A or B respectively;
From similar algebra as above, it follows that:
Eq. 20
 VA A, HC
X iA, PPP  Pi B   Ai , HC
 Yi
Eq. 21
NA
  AA
 VA A, HC

   Qi  QiAB   QiACXiB , PPP  Pi B   Ai , HC
C 1

 
 Yi
NB
  BA

   Qi  QiBB   QiBC 
C 1

 




And now similarly as above, these equations may be used to asses the relative
production between the two countries industry i, allowing for the separate assessment of
quantity and value added contribution:
Ratio of industry i estimated production in country A relative to country B
Eq. 22
X iA, PPP
X iB , PPP
 VAiA, HC
 A, HC
Y
  i B , HC
 VAi
 B , HC
Y
 i
NA
  AA
 VA A, HC
  Qi  QiAB   QiAC   Ai , HC


C 1

   Yi
NB
  BA
  VA B , HC
  Qi  QiBB   QiBC   Bi , HC
 
C 1
  Yi



  TQ A 
  i 
  TQiB 



C  1, 2,..., NA or NB
Where:
 VAiA, HC
 A, HC
Y
 i
 VAiB , HC
 B , HC
Y
 i
 TQiA 


B 
 TQi 








is an approximate measure of the impact of value added differences between
the countries on the production differential, while,
measures the impact of differences in quantities sold between the countries on
the production differential.
2.2.4.2 From production to work productivity
The transition from the production measures above to work productivity measures is
straight forward and it involves simply dividing the relevant equation by the measure of
work chosen (e.g. workers, hours worked):
Ratio of industry i estimated work productivity
in country A relative to country B
Eq. 23
 VAiA, HC
 A, HC
Y
 i
X iA, PPP
xiA
Wi A
 B , PPP 
xiB
Xi
 VAiB , HC
 B , HC
Y
Wi B
 i
NA
  AA

   Qi  QiAB   QiAC 
A, HC

C 1
  VAi
 
 Y A, HC
Wi A
  i B , HC
NB
  BA
  VA
   Qi  QiBB   QiBC   Bi , HC


C 1
  Yi
 
Wi B


  TQ A   W B 
  i  i 
  TQiB   Wi A 



C  1, 2,..., NA or NB
Where:
Wi A , Wi B = measures of work (e.g. workers, hours worked) in industry i in countries A or
B.
As can be seen, the ratio of work productivity between the two countries can be broken
down into three components: relative value added in sales, relative quantities produced,
and the relative amount of work employed for production in each country.
2.2.4.3 Comparing through time
Comparisons of industry work productivity across time between two countries can be
done using the ratio presented above (equation23) without further adjustments. This is
due to the use of basic heading PPPs computed every three years for the adjustment of
currency and price differences. Ratios can be computed for each year and then
compared through the years. Changes in the overall ratio can be assessed in terms of
the relations mentioned above (relative value added in sales, relative quantities
produced, and the relative amount of work employed for production in each country) and
also in relation to changes in the PPPs themselves, which reflect relative changes in
product or service prices across countries between years.
For example, an increase in the basic heading PPP of industry i between country A and
B (see equation 6) indicates that industry prices in country A increased relative to those
in country B. This change might bare consequences on the demand for the countries'
products or services, which may be reflected on the quantity component of the
productivity ratios. In this example, and under normal economic conditions, higher
relative prices in country A than in country B should result in lower relative quantities
being sold by A – i.e. a lower quantity ratio41.
Exchange rates can also offer some explanatory use as to changes in the relative
productivity between countries since changes in them affect international demand for
imports from affected countries. An increase in the value of one country's currency may
lower the demand for its products, thus giving way to lower work productivity if
proportional reductions in work or increases in demand from alternative markets do not
follow.
41
Conditions relative to other countries might offset this effect and in general, make the interpretation of PPP changes less straight
forward.
‫נספחים‬
‫ תוצאות בחינת המתודלוגייה לביצוע השוואה בינלאומית של נתוני תותר‬:‫נספח ב‬
‫ענף התרופות‬
‫ישראל ביחס לארה"ב‬
160%
140%
120%
prod_w_PPPbh
prod_w_EXC
100%
prod_w_PPPGDP
va_w_PPPbh
80%
va_w_EXC
va_w_PPPGDP
va_prod_share
60%
40%
20%
‫פינלנד ביחס לארה"ב‬
160%
140%
120%
prod_w_PPPbh
100%
prod_w_EXC
prod_w_PPPGDP
va_w_PPPbh
80%
va_w_EXC
va_w_PPPGDP
va_prod_share
60%
40%
20%
‫נספחים‬
‫ציוד תקשורת אלק רוני‬
‫ישראל ביחס לארה"ב‬
150%
130%
110%
prod_w_PPPbh
prod_w_EXC
prod_w_PPPGDP
90%
va_w_PPPbh
va_w_EXC
va_w_PPPGDP
70%
va_prod_share
50%
30%
‫פינלנד ביחס לארה"ב‬
380%
330%
280%
prod_w_PPPbh
230%
prod_w_EXC
prod_w_PPPGDP
va_w_PPPbh
180%
va_w_EXC
va_w_PPPGDP
va_prod_share
130%
80%
30%
‫נספחים‬
‫ ציוד רפואי וציוד אופ י‬,‫ציוד תעשייתי לבקרה ופיקוח‬
‫ישראל ביחס לארה"ב‬
150%
130%
110%
prod_w_PPPbh
prod_w_EXC
prod_w_PPPGDP
90%
va_w_PPPbh
va_w_EXC
va_w_PPPGDP
70%
va_prod_share
50%
30%
‫פינלנד ביחס לארה"ב‬
150%
130%
110%
prod_w_PPPbh
prod_w_EXC
prod_w_PPPGDP
90%
va_w_PPPbh
va_w_EXC
va_w_PPPGDP
70%
va_prod_share
50%
30%
‫נספחים‬
‫כלי ייס‬
‫וסים‬
‫(בישראל הענף כולל בעיקר כשור תקדם ל‬
)‫וסים‬
‫בארה ב הענף כולל ם ייצור‬
‫ישראל ביחס לארה"ב‬
180%
160%
140%
prod_w_PPPbh
120%
prod_w_EXC
prod_w_PPPGDP
100%
va_w_PPPbh
va_w_EXC
80%
va_w_PPPGDP
va_prod_share
60%
40%
20%
‫פינלנד ביחס לארה"ב‬
180%
160%
140%
prod_w_PPPbh
120%
prod_w_EXC
prod_w_PPPGDP
100%
va_w_PPPbh
va_w_EXC
80%
va_w_PPPGDP
va_prod_share
60%
40%
20%
‫נספחים‬
‫ שירותי חשבים וחברות ו פ‬,‫תוכנה‬
‫בישראל כולל רכזי פיתוח בבעלות זרה‬
‫בארה ב ענף חברות ה ו פ לא קיים‬
‫ישראל ביחס לארה"ב‬
120%
110%
100%
90%
prod_w_PPPbh
prod_w_EXC
80%
prod_w_PPPGDP
va_w_PPPbh
70%
va_w_EXC
va_w_PPPGDP
60%
va_prod_share
50%
40%
30%
‫פינלנד ביחס לארה"ב‬
120%
110%
100%
90%
prod_w_PPPbh
prod_w_EXC
80%
prod_w_PPPGDP
va_w_PPPbh
70%
va_w_EXC
va_w_PPPGDP
60%
va_prod_share
50%
40%
30%
‫נספחים‬
‫ ניתוח רכיבי התוצר לעובד על פני זמן – השוואה בינלאומית‬:‫נספח ג‬
‫ ארה"ב ופינלנד‬,‫טק בישראל‬-‫ רכיבי התוצר לעובד בענפי היי‬:20 ‫תרשים‬
‫שיעורי שינוי מצטברים של ממוצעים רב שנתיים‬
‫ענף התרופות‬
USA
ISR
FIN
ISR 303%
FIN 297%
350%
210%
160%
110%
60%
10%
0
R&D
Cap. Inv.
Profits
Wages
VA
Emp
Materials
Exports
1995 - 1997 >>> 2001 - 2003
Total Sales
VA/Emp
Local Sales
R&D
Cap. Inv.
Profits
Wages
VA
Emp
Materials
Exports
Total Sales
Local Sales
VA/Emp
-40%
2001 - 2003 >>> 2007 - 2009
Commulative Growth
‫ ארה"ב ופינלנד‬,‫טק בישראל‬-‫ רכיבי התוצר לעובד בענפי היי‬:22 ‫תרשים‬
‫שיעורי שינוי מצטברים של ממוצעים רב שנתיים‬
‫רכיבים אלקטרוניים ולתקשורת‬
USA
ISR
140%
FIN
218%
157%
269%
120%
100%
80%
60%
40%
20%
0%
0
-20%
- 69%
1995 - 1997 >>> 2001 - 2003
2001 - 2003 >>> 2007 - 2009
Commulative Growth
R&D
Cap. Inv.
Profits
Wages
Emp
VA
Materials
Exports
Total Sales
VA/Emp
Local Sales
Cap. Inv.
R&D
Profits
Wages
Emp
VA
Materials
Total Sales
Exports
Local Sales
VA/Emp
-40%
‫נספחים‬
‫ ארה"ב ופינלנד‬,‫טק בישראל‬-‫ רכיבי התוצר לעובד בענפי היי‬:21 ‫תרשים‬
‫שיעורי שינוי מצטברים של ממוצעים רב שנתיים‬
‫ ציוד רפואי וציוד אופטי‬,‫ציוד תעשייתי לבקרה ופיקוח‬
USA
ISR
FIN
80%
106%
169%
$19B
Out from losses
103%
136%
70%
60%
50%
40%
30%
20%
10%
0%
- 11%
382%
1995 - 1997 >>> 2001 - 2003
2001 - 2003 >>> 2007 - 2009
Commulative Growth
R&D
Cap. Inv.
Profits
Emp
Wages
VA
Materials
Total Sales
Exports
VA/Emp
Local Sales
R&D
Cap. Inv.
Profits
Emp
Wages
VA
Materials
Total Sales
Exports
VA/Emp
Local Sales
-10%
‫נספחים‬
‫ ארה"ב ופינלנד‬,‫טק בישראל‬-‫ רכיבי התוצר לעובד בענפי היי‬:22 ‫תרשים‬
‫שיעורי שינוי מצטברים של ממוצעים רב שנתיים‬
42
‫כלי טייס‬
USA
ISR
FIN
110%
157%
169% 312%
223%
200%
90%
USA 193%
FIN 200%
70%
50%
30%
10%
0
-10%
-30%
1995 - 1997 >>> 2001 - 2003
R&D
Cap. Inv.
Profits
Emp
Wages
VA
Materials
Exports
Total Sales
VA/Emp
Local Sales
R&D
Cap. Inv.
Profits
Wages
VA
Emp
Materials
Exports
Total Sales
Local Sales
VA/Emp
-50%
2001 - 2003 >>> 2007 - 2009
Commulative Growth
.‫ בישראל הענף כולל בעיקר מכשור מתקדם למטוסים ובארה"ב הענף כולל גם ייצור מטוסים‬42
‫נספחים‬
‫תרשים ‪ :22‬רכיבי התוצר לעובד בענפי היי‪-‬טק בישראל‪ ,‬ארה"ב ופינלנד‬
‫שיעורי שינוי מצטברים של ממוצעים רב שנתיים‬
‫‪43‬‬
‫תוכנה‪ ,‬שירותי מחשבים וחברות מו"פ‬
‫‪FIN‬‬
‫‪USA‬‬
‫‪ISR‬‬
‫‪451%‬‬
‫‪1049%‬‬
‫‪290%‬‬
‫‪FIN 1489%‬‬
‫‪240%‬‬
‫‪190%‬‬
‫‪140%‬‬
‫‪90%‬‬
‫‪40%‬‬
‫‪-10%‬‬
‫‪R&D‬‬
‫‪Cap. Inv.‬‬
‫‪Profits‬‬
‫‪Emp‬‬
‫‪Wages‬‬
‫‪VA‬‬
‫‪Materials‬‬
‫‪Exports‬‬
‫‪Total Sales‬‬
‫‪VA/Emp‬‬
‫‪Local Sales‬‬
‫‪R&D‬‬
‫‪Cap. Inv.‬‬
‫‪Profits‬‬
‫‪Wages‬‬
‫‪VA‬‬
‫‪Emp‬‬
‫‪Materials‬‬
‫‪Exports‬‬
‫‪Total Sales‬‬
‫‪ 43‬בישראל כולל מרכזי פיתוח בבעלות זרה; בארה"ב ענף חברות המו"פ לא קיים; כולל אומדן לנתוני ‪5000‬‬
‫‪VA/Emp‬‬
‫‪2001 - 2003 >>> 2007 - 2009‬‬
‫‪Commulative Growth‬‬
‫‪Local Sales‬‬
‫‪1995 - 1997 >>> 2001 - 2003‬‬
‫נספחים‬
‫נספח ד‪ :‬ניתוח עומק של עלות העבודה בענפי היי‪-‬טק בישראל‬
‫עלות העבודה לעובד בהקבצה לפי קבוצות ודל‬
‫וצעים רב שנתיים באלפי דולר‬
‫כלל העובדים‪:‬‬
‫‪2007 - 2009‬‬
‫‪2001 - 2003‬‬
‫‪1995 - 1997‬‬
‫‪52‬‬
‫‪44‬‬
‫‪53‬‬
‫‪61‬‬
‫‪82‬‬
‫‪27‬‬
‫‪34‬‬
‫‪43‬‬
‫‪42‬‬
‫‪61‬‬
‫‪30‬‬
‫‪29‬‬
‫‪33‬‬
‫‪39‬‬
‫‪54‬‬
‫‪2007 - 2009‬‬
‫‪2001 - 2003‬‬
‫‪1995 - 1997‬‬
‫‪52‬‬
‫‪44‬‬
‫‪53‬‬
‫‪61‬‬
‫‪82‬‬
‫‪27‬‬
‫‪34‬‬
‫‪43‬‬
‫‪42‬‬
‫‪61‬‬
‫‪30‬‬
‫‪29‬‬
‫‪33‬‬
‫‪39‬‬
‫‪54‬‬
‫‪Size‬‬
‫‪Group‬‬
‫‪By Sales‬‬
‫‪Mill. NIS.‬‬
‫‪0-2‬‬
‫‪2 - 10‬‬
‫‪10 - 50‬‬
‫‪50 - 400‬‬
‫‪400 +‬‬
‫עובדי ו פ‪:‬‬
‫‪Size‬‬
‫‪Group‬‬
‫‪By Sales‬‬
‫‪Mill. NIS.‬‬
‫‪0-2‬‬
‫‪2 - 10‬‬
‫‪10 - 50‬‬
‫‪50 - 400‬‬
‫‪400 +‬‬
‫נספחים‬
‫עלות העבודה לעובד בהקבצה לפי ענף ו ודל‬
44
‫וצעים רב שנתיים באלפי דולר‬
:‫כלל העובדים‬
Branch
Pharmaceuticals
Elect. components
Communication equip.
Industrial, optical, medical
Software
R&D
1995 - 1997 2001 - 2003 2007 - 2009
All
75%
All
75%
All
75%
36
41
42
33
67
50
26
19
29
22
52
30
52
38
57
43
83
42
51
30
58
35
74
45
49
41
52
46
73
53
40
59
64
53
102
69
:‫עובדי ו פ‬
Branch
Pharmaceuticals
Elect. components
Communication equip.
Industrial, optical, medical
Software
R&D
1995 - 1997 2001 - 2003 2007 - 2009
All
75%
All
75%
All
75%
42
41
52
33
86
50
38
72
72
55
51
63
44
86
41
36
32
62
45
71
83
65
45
71
55
102
70
42
67
48
122
70
.5005 -‫ ו‬5001 ‫ הממוצעים לתקופה השנייה כוללים רק שנים‬,R&D -‫ ו‬Software ‫ בענפים‬44
‫נספחים‬
‫עלות העבודה לעובדי ו פ ב רכזי ו פ בבעלות זרה‬
‫וצעים רב שנתיים באלפי דולר‬
‫‪2007 - 2009‬‬
‫‪2001 - 2003‬‬
‫‪117‬‬
‫‪124‬‬
‫‪168‬‬
‫‪79‬‬
‫‪124‬‬
‫‪124‬‬
‫‪79‬‬
‫‪79‬‬
‫‪91‬‬
‫‪81‬‬
‫‪61‬‬
‫‪62‬‬
‫‪67‬‬
‫‪46‬‬
‫‪1995 - 1997‬‬
‫‪45‬‬
‫‪Sub sample‬‬
‫‪R&D Centers‬‬
‫‪63‬‬
‫‪95‬‬
‫‪49‬‬
‫‪All‬‬
‫‪In software‬‬
‫‪In R&D‬‬
‫‪Non-R&D Centers‬‬
‫‪44‬‬
‫‪45‬‬
‫‪59‬‬
‫‪40‬‬
‫‪ 45‬בענפים ‪ Software‬ו‪ ,R&D -‬הממוצעים לתקופה השנייה כוללים רק שנים ‪ 5001‬ו‪.5005 -‬‬
‫‪All‬‬
‫‪Sales of 100M+‬‬
‫‪In software‬‬
‫‪In R&D‬‬
‫נספחים‬
‫עלות העבודה לעובד בחברות בבעלות זרה בהקבצה לפי קבוצות ודל‬
‫וצעים רב שנתיים באלפי דולר‬
‫כלל העובדים‪:‬‬
‫‪2007 - 2009‬‬
‫* ‪2004 - 2006‬‬
‫‪Local‬‬
‫‪Foreign‬‬
‫‪Local‬‬
‫‪Foreign‬‬
‫‪50‬‬
‫‪39‬‬
‫‪48‬‬
‫‪51‬‬
‫‪78‬‬
‫‪115‬‬
‫‪78‬‬
‫‪84‬‬
‫‪84‬‬
‫‪89‬‬
‫‪35‬‬
‫‪39‬‬
‫‪41‬‬
‫‪47‬‬
‫‪62‬‬
‫‪70‬‬
‫‪71‬‬
‫‪76‬‬
‫‪70‬‬
‫‪70‬‬
‫‪Size Group‬‬
‫‪By Sales‬‬
‫‪Mill. NIS.‬‬
‫‪0-2‬‬
‫‪2 - 10‬‬
‫‪10 - 50‬‬
‫‪50 - 400‬‬
‫‪400 +‬‬
‫עובדי ו פ‪:‬‬
‫‪2007 - 2009‬‬
‫‪Local‬‬
‫‪Foreign‬‬
‫‪80‬‬
‫‪68‬‬
‫‪61‬‬
‫‪85‬‬
‫‪80‬‬
‫‪68‬‬
‫‪104‬‬
‫‪112‬‬
‫‪109‬‬
‫* ‪2004 - 2006‬‬
‫‪Local‬‬
‫‪Foreign‬‬
‫‪59‬‬
‫‪61‬‬
‫‪54‬‬
‫‪62‬‬
‫‪69‬‬
‫‪72‬‬
‫‪74‬‬
‫‪77‬‬
‫‪79‬‬
‫‪Size Group‬‬
‫‪By Sales‬‬
‫‪Mill. NIS.‬‬
‫‪0-2‬‬
‫‪2 - 10‬‬
‫‪10 - 50‬‬
‫‪50 - 400‬‬
‫‪400 +‬‬
‫(*) התקופה לא תוא ת את התקופות ביתר הלוחות בשל היעדר נתונים‬
‫נספחים‬
‫עלות העבודה לעובד בחברות בבעלות זרה בהקבצה לפי ענף‬
‫וצעים רב שנתיים‬
‫באלפי דולר‬
:‫כלל העובדים‬
Size Group
By Sales
Mill. NIS.
Pharmaceuticals
Elect. components
Communication equip.
Industrial, optical, medical
Software
R&D
2004 - 2006 *
2007 - 2009
Foreign
Local
Foreign
Local
45
51
66
56
74
103
53
33
65
63
52
49
62
81
71
69
92
120
68
35
91
75
60
57
:‫עובדי ו פ‬
Size Group
By Sales
Mill. NIS.
Pharmaceuticals
Elect. components
Communication equip.
Industrial, optical, medical
Software
R&D
2004 - 2006 *
2007 - 2009
Foreign
Local
Foreign
Local
57
28
65
77
77
84
66
55
76
62
66
65
74
47
84
95
105
126
86
76
88
62
98
80
‫(*) התקופה לא תוא ת את התקופות ביתר הלוחות בשל היעדר נתונים‬