TÜRKİYE İMALAT SANAYİNDE TEKNİK ETKİNLİK: Onur YENİ

Transkript

1

2 TÜRKİYE İMALAT SANAYİNDE TEKNİK ETKİNLİK: Onur YENİ Öz: Türkiye de imalat sanayinin ekonomik büyüme ve ihracat açısından oldukça önemli olması, bu sektörün rekabet gücünün arttırılması ve korunmasını zorunlu hale getirmektedir. Sektörün teknik etkinliğinin ölçülmesi ise bu amaçlara ulaşılması için benimsenecek stratejilerin oluşturulmasında önemli rol oynamaktadır. Türkiye de imalat sanayi etkinliği üzerine yapılan çalışmalar 2001 yılına kadar olan verileri kullanmıştır. Bu durum 2001 yılı sonrasında imalat sanayi alt sektörlerinde teknik etkinlik ve teknolojik gelişme hakkında çıkarsama yapılmasına engel olmaktadır. Bu çalışmada dönemine ait NACE Rev.1.1 faaliyet sınıflandırmasına göre belirlenen 4 haneli imalat sanayi sektörleri için stokastik sınır üretim fonksiyonu tahmini yapılmakta ve teknik etkinliği etkileyen faktörler belirlenmeye çalışılmaktadır. Elde edilen sonuçlar Türkiye imalat sanayinde ölçeğe göre artan getirinin mevcut olduğunu ve firma büyüklüğü ile teknik etkinliğin pozitif ilişkili olduğunu göstermektedir. Bununla birlikte, zamanla değişen etkinlik düzeyleri gözlemlenmekte ve endüstrilerin üretiminin imalat sanayinin toplam üretimi içindeki payı arttıkça teknik etkinlik sınırlı ölçüde de olsa azalmaktadır. Anahtar Sözcükler: Stokastik Sınır Analizi, Teknik Etkinlik, Translog Üretim Fonksiyonu, Türkiye İmalat Sanayi Abstract: Since manufacturing industry is very important for economic growth and exports, preserving and increasing the competitiveness of this sector is essential. Measuring technical efficiency of manufacturing sector has a major role in determining strategies to achieve these goals. Studies measuring the efficiency of manufacturing industry have used the data up to the year Therefore, it is difficult to have an inference about technical efficiency and technological progress of manufacturing industry and its subsectors after In this paper, stochastic frontier production function is estimated for 4-digit Turkish manufacturing industry sectors (NACE Rev 1.1) for the years and determinants of technical efficiency are examined. Results suggest that there are increasing returns to scale in Turkish manufacturing industry and firm size and technical efficiency are positively related. In addition efficiency varies with time and as the share of an industry s production increases in the total manufacturing industry production, technical efficiency decreases slightly. Keywords: Stochastic Frontier Analysis, Technical Efficiency, Translog Production Function, Turkish Manufacturing Sector 1

3 1. Giriş Bir ekonominin kaynakları etkin biçimde kullanıp kullanmadığının belirlenmesi günümüzdeki rekabetçi koşullarda büyük önem taşımaktadır. Türkiye imalat sanayi, planlı kalkınma döneminden günümüze kadar Türkiye nin ekonomik büyümesinde önemli rol oynamış, 1980 lerde başlayan dışa açılma süreciyle birlikte sektör, ülke ihracatı içindeki payını sürekli attırmıştır. Bu nedenle imalat sanayinde etkinliğinin ölçülmesi ve etkinsizliğin nedenlerinin saptanması oldukça önemlidir. İmalat sanayinin Türkiye ekonomisi içindeki önemini ortaya koymak açısından ilk olarak GSYİH içindeki payına bakıldığında yılları için sabit fiyatlarla (1998 yılı fiyatları baz) elde edilmiş GSYİH içinde imalat sanayinin payının ortalama %23,4 olduğu görülmektedir. Kriz dönemleri dışında imalat sanayinin GSYİH içindeki payı ılımlı bir şekilde artma eğilimindedir. İmalat sanayinin istihdam içindeki payı ise anılan dönem için %18,5 olarak gerçekleşmiştir. İmalat sanayinin ihracat içindeki payı ise anılan dönem için ortalama %93,5 i bulmuştur. Bu veriler ışığında Türkiye temel olarak sanayi ihracatçısı bir ülke görünümü sergilemektedir. Türkiye de imalat sanayi etkinliği üzerine bugüne kadar yapılan çalışmalarda 2001 yılına kadar olan veriler kullanılmıştır. Bu durum 2001 yılı sonrasında imalat sanayi alt sektörlerinde teknik etkinlik ve teknolojik gelişme hakkında çıkarsama yapılmasına engel olmaktadır. Bu çalışmada dönemine ait NACE Rev.1.1 faaliyet sınıflandırmasına göre belirlenen 4 haneli imalat sanayi sektörleri için stokastik sınır üretim fonksiyonu tahmini yapılmakta ve teknik etkinliği etkileyen faktörler belirlenmeye çalışılmaktadır. 2

4 2. Teknik Etkinlik Düzeyinin Sınır Fonksiyonları Kullanılarak Ölçülmesi Sınır tahmini yaparken kullanılan en yaygın iki yöntem; parametrik olmayan matematiksel programlama yöntemleri (Örn. veri zarflama analizi) ile ekonometrik yöntemlerdir. Ekonometrik yöntemler de iki alt sınıfa ayrılabilmektedir: 1) sınırdan sapmaların hepsini etkinsizliğe bağlayan yaklaşım, 2) firmalar tarafından kontrol edilemeyen bazı faktörlere bağlı olarak sınır etrafında belirli bir sapmayı dikkate alan yaklaşım. Birinci yaklaşım deterministik bir sınırı önerirken, ikinci yaklaşım stokastik bir sınırı öngörmektedir. Ekonometrik yöntemler daha esnek fonksiyonel formlara ve etkinsizlik terimleri üzerine bazı kısıtlar konmasına izin vermektedir. Stokastik üretim sınırı analizinde yalnızca tek çıktı kullanılmakta, üretim sınırı için belirli bir fonksiyonel form varsayılmaktadır. Stokastik üretim sınırı yaklaşımı, sapma gösteren gözlemlerden daha az etkilenmekte ve parametrelere ilişkin hipotezlerin testlerine olanak sağlamaktadır. Veri zarflama analizi ise daha zayıf varsayımlara gerek duymaktadır. Veri zarflama yönteminin üstünlükleri birden fazla çıktı olduğu durumlarda da kullanılabilmesi ve tahmin edilen sınırın biçimine ilişkin bir varsayım gerektirmemesidir. Öte yandan, bu yöntemde, ölçüm hataları tahmin edilen sınırın biçimi ve konumunu önemli ölçüde etkileyebilmekte, üretim parametrelerine ilişkin hipotezlerin testi için standart istatistik teorisi kullanılamamaktadır (Taymaz, 2001 ; Coelli vd.,2005: ; Greene, 2008). Stokastik üretim sınırı modelleri ilk kez Aigner vd. (1977) ve Meeusen ve van den Broeck (1977) tarafından ortaya atılmış ve bundan sonra ilgili yazında oldukça geniş bir uygulama alanı bulmuştur. Model ilk olarak yatay kesit verilerin analizi için tasarlanmış olsa da Pitt ve Lee (1981), Cornwell vd. (1990), Kumbhakar (1990) ve Kumbhakar vd. (1991) panel veri analizi için uygun çeşitli modeller geliştirmişler ve bu modellerin uygulamalarını yapmışlardır. 3

5 Stokastik sınır modellerinde panel veri kullanımının yatay kesit veri kullanımına göre bazı üstünlükleri vardır. Her şeyden önce panel veri kullanımı serbestlik derecesini arttırmaktadır. Bunun yanı sıra, hem teknolojik gelişmenin hem de teknik etkinliğin zaman içindeki değişimlerinin incelenmesi olanağını sunmaktadır. (Coelli vd. 2005: 275). Pitt ve Lee (1981) ile Kalirajan (1981) etkinsizlik etkilerinin tahmin edildiği ilk çalışmaların arasında yer almaktadır. Bu çalışmalarda iki aşamalı bir yaklaşım izlenmiş, birinci aşamada stokastik sınır üretim fonksiyonu tahmin edilerek teknik etkinsizlik etkileri bu etkilerin özdeş olarak dağıldığı varsayımı altında ortaya konulmuştur. İkinci aşamasa ise birinci aşamada hesaplanan teknik etkinsizlik etkileri için bir regresyon modeli belirlenmektedir. Ne var ki böyle bir regresyon modelinin belirlenmesi etkinsizlik etkilerinin özdeş dağıldığı varsayımıyla çelişmektedir. Kumbhakar vd. (1991), Reifschneider ve Stevenson (1991) ve Huang ve Liu (1994) stokastik sınır ve etkinsizlik etkileri modellerinin uygun dağılım varsayımları altında firmalar için yatay kesit veri kullanılarak eşzamanlı olarak tahmin edildiği modelleri önermişlerdir. Battese ve Coelli (1995) de ise panel veri kullanılarak stokastik sınır ve etkisizlik etkilerinin eşzamanlı tahmini için bir model önerisi yapılmaktadır. Battese ve Coelli (1995) panel veri analizi için, firma etkilerinin kesik normal (truncated normal) dağılan rasgele değişkenler olarak bulunduğu bir stokastik üretim sınırı fonksiyonu önermiştir. Söz konusu çalışmada stokastik sınır ve etkinsizlik etkileri modelinin eşzamanlı tahmini için en yüksek olabilirlik yöntemi kullanılmıştır. Türkiye de bu alanda yapılan ilk çalışma olan Taymaz ve Saatçi (1997) de Battese ve Coelli (1995) tarafından geliştirilen bu model kullanılarak dönemi için tekstil, çimento ve motorlu araçlar endüstrilerinde stokastik üretim sınırı tahmin edilmiş, bu sektörlerdeki 4

6 teknik etkinlik ve teknolojik gelişme incelenmiştir. Çalışmanın sonuçlarına göre tekstil ve motorlu araçlar endüstrilerinde teknolojik gelişme gözlemlenirken, çimento endüstrisinde anlamlı bir teknolojik değişme saptanmamıştır. Taymaz (2001), yıllarına ait işletme düzeyinde veri kullanarak stokastik imalat sanayi genelinde teknik etkinlik ve teknolojik gelişmeyi ölçmüştür. ISIC 2-hane düzeyinde en yüksek teknolojik gelişme hızı makine sanayinde gözlenmiştir. Makina imalat sanayinden sonra en yüksek teknolojik gelişme hızları cam ve çimento, metal, ağaç ürünleri ve kimya sanayilerinde saptanmıştır. Genel olarak özel işyerlerinin kamu işyerlerinden, yabancı işyerlerinin de yerli işyerlerinden daha yüksek bir teknik etkinlik düzeyine sahip olduğu; ücret değişkeninin teknik etkinlik üzerinde olumlu etkiye sahip olduğu işgücü bileşiminin de teknik etkinlik üzerinde kısmi bir etkiye sahip olduğu görülmektedir. Saygılı ve Taymaz (2001), çalışmalarında Türkiye çimento sanayi için stokastik üretim sınırı yaklaşımını kullanarak özelleştirme ve mülkiyetin teknik etkinlik üzerindeki etkilerini incelemişlerdir. Çalışmanın sonuçları özelleştirmenin ve mülkiyetin çimento sanayi özelinde teknik etkinlik üzerinde anlamlı bir etkisi olmadığını ortaya koymuştur. Tahmin sonuçlarına göre, talebin büyüme oranı, firmanın ihracat içindeki payı, firmanın bölge talebi içindeki payı, firmanın bulunduğu yer (batı) istatistiki olarak anlamlı ve teknik etkinlik üzerinde negatif etkili değişkenler olarak belirlenmişken; firmanın büyüklüğü, kullandığı teknolojinin yaşı, firmanın bulunduğu yer (doğu) ise istatistiki olarak anlamlı ve teknik etkinlik üzerinde pozitif etkili değişkenlerdir. Önder vd. (2003), döneminde Türkiye de seçilmiş 18 ilde imalat sanayinde faaliyet gösteren işletmelerin teknik etkinliğini ve teknolojik gelişmeyi ölçmek için translog üretim fonksiyonunu benimseyerek etkinsizlik etkilerinin de modellendiği stokastik sınır analizini kullanmışlardır. Çalışmaya konu olan dönem içinde bazı yıllarda teknik etkinlik 5

7 artışı gözlenmiş; ancak dönemin tamamı için teknik etkinlik düzeyinde düşüş olduğu bulgusuna ulaşılmıştır. Ortalama firma büyüklüğünün teknik etkinliği arttırdığı, özel sektörde ortalama teknik etkinliğin kamu sektörüne göre daha yüksek olduğu gözlemlenmiş, İstanbul, hem özel sektörde hem de kamu sektöründe teknik etkinliğin en yüksek olduğu il olarak saptanmıştır. Balcılar ve Çokgezen (2003) in çalışmasında 1998 yılı için yatay kesit veri kullanılarak Türkiye deki kamu ve özel şeker fabrikalarının karşılaştırmalı analizi yapılmaktadır. Stokastik sınır analizi kullanılarak firmalar için translog üretim fonksiyonu tahmin edilen çalışmanın sonucunda kamu ve özel sektöre ait firmaların etkinliklerinde anlamlı bir farklılaşma olmadığı ortaya çıkmıştır. Kök ve Yeşilyurt (2006), dönemi için ilk beş yüz imalat sanayi kuruluşunun etkinliğini stokastik sınır analizi kullanılarak ölçmektedir. Çalışmada özel kesimde bulunan alt sektörlerin kamu kesiminde bulunanlara göre daha yüksek etkinliğe sahip oldukları sonucunda ulaşılmıştır. Bunun yanı sıra alt sektörlerin teknik etkinlik düzeyleri ile yoğunlaşma oranları arasında pozitif bir korelasyon gözlenmiştir. 3. Model Bu çalışmada, imalat sanayi altında bulunan 4 haneli endüstrilerin dönemine ait panel veri seti kullanılarak Battese ve Coelli (1995) de kullanılan etkinsizlik etkileri modeli tahmin edilmektedir. Translog üretim sınırı fonksiyonu aşağıdaki gibidir: 6

8 Burada hata teriminin bileşeni olan simetrik hatayı (rasgele hata terimi) temsil etmekte, biçiminde bağımsız ve özdeş olarak ve den bağımsız dağılmaktadır. Hata teriminin diğer bileşeni olan ler negatif olmayan rasgele değişkenler olup teknik etkinsizlikle ilişkilidir. ler biçiminde bağımsız olarak dağılmaktadır: burada rasgele değişkeni sıfır ortalama ve varyansa sahip kesik normal biçimde dağılmaktadır. Bu varsayımlar nin dağılımının negatif olmayan kesiminde dağılmasıyla tutarlıdır (Battese ve Coelli, 1995). Bu çalışmada kullanılan teknik etkinsizlik etkileri aşağıda gösterilmektedir: i. sektör ve t. gözlem için üretimin teknik etkinliği aşağıdaki gibi tanımlanmaktadır: 4. Veri ve Değişkenler Çalışmada yılları arasında TÜİK tarafından toplanan Yıllık Sanayi ve Hizmet İstatistikleri kullanılmaktadır. NACE Rev. 1.1 ekonomik faaliyet sınıflamasına göre İmalat Sanayi (Kısım D) altında faaliyet gösteren 234 adet endüstri bulunmaktadır. Bu 234 adet endüstrinin 114 adedine ait veriler 5429 Sayılı Kanun gereği gizlilik ilkesine göre kısmen ya da tamamen verilmediği için 120 adet endüstriye ilişkin veriler kullanılmaktadır. Stokastik üretim sınırı tahmininde iki girdi kullanılmıştır: işgücü (L) ve sermaye (K) Çıktı (y): NACE Rev. 1.1 faaliyet sınıflamasına göre 120 endüstriye ilişkin çıktı değerleri sabit 2003 fiyatlarıyla ölçülmektedir. İşgücü (L): İşgücü değişkeni ücretli çalışanların çalıştığı saat sayısı olarak ölçülmektedir. 7

9 Sermaye (K): Sermaye değişkeni yılları arasında seçilen endüstrilerdeki sermaye stokunu temsil etmekte ve 2003 fiyatlarıyla ölçülmektedir. TÜİK verilerinde sermaye stoku yer almadığından ve 2001 yılı sonrasında ise sermaye stoku için temsili değişken olarak kullanılabilecek amortisman verisi yayınlanmadığından, kullanılabilecek diğer temsili değişkenler olarak yazında geçen kurulu ekipmanların toplam beygir gücü, kurulu makinelerin toplam sayısı, sabit varlıkların değeri gibi değişkenler de anketlerden çıkartıldığından çalışmada kullanılan sermaye stoku verileri aralıksız envanter yöntemi kullanılarak yazar tarafından hesaplanmıştır. Yatırım serilerinden sermaye stokunu hesaplarken ilk sorun başlangıç stokudur. Bir başlangıç stoku hesapladıktan sonra ilave yatırımlar eklenerek ve amortismanlar da düşülerek güncel sermaye stokuna ulaşılabilmektedir. Başlangıç stokunun elde edilebilmesi için formülü kullanılmaktadır (Yılmaz, 2007). Burada δ sermayenin aşınma payını, ise n yıl için yapılan yatırımların ortalamasını göstermektedir. Sermaye stoku hesaplamasında yatırım verisi olarak TÜİK in yayınladığı Makine ve Teçhizata Brüt Yatırımlar kullanılmıştır. Aşınma payı olarak ise makine ve teçhizat için kabul edilen %10 oranı uygulanmıştır. Çalışmada kontrol değişkenleri olarak Taymaz ve Saatçi (1997) de kullanılan teknik personelin payı ve idari personelin payı kullanılması öngörülmüş; ancak 2001 yılından sonra TÜİK in bu verileri de anketlerinden çıkardığı görülmüştür. Green ve Mayes (1991) in Birleşik Krallık İmalat Sanayi için yaptığı çalışmada kullanılan kontrol değişkenleri olan üretimde çalışan işçilerin toplam işgücüne oranı, üretimde çalışan işçi başına maaş ve 8

10 ücretler, üretim dışında çalışan işçi başına maaş ve ücretler gibi değişkenler de aynı biçimde TÜİK anketlerinde yer almamaktadır. Sektördeki Ortalama Firma Büyüklüğü (OFB): Sektördeki ortalama firma büyüklüğü sektördeki çalışan sayısının girişim sayısına bölünmesiyle elde edilmektedir. Sektör Çıktısının İmalat Sanayi Çıktısı İçindeki Payı (SPAY): Sektörün çıktısının İmalat sanayi çıktısına oranını ifade etmektedir. Yıllar: Her yıl için ortalama etkinlik değişimlerini ölçmek için etkinsizlik etkileri modelinde beş yıl için kukla değişkenler kullanılmaktadır. 5. Ampirik Bulgular Stokastik sınır modeli için en yüksek olabilirlik parametre tahminleri FRONTIER 4.1 programı kullanılarak elde edilmiştir (Coelli, 1994). Türkiye imalat sanayi için dönemi stokastik sınır üretim fonksiyonu parametre tahminleri Tablo 1 de gösterilmektedir. Tablo 1: Stokastik sınır üretim fonksiyonu parametre tahminleri Değişken Parametre Katsayı t-değeri Sabit * ln(işgücü) 2.074* ln(sermaye) 1.252* [ln(işgücü)] [ln(sermaye)] ln(işgücü)* ln(sermaye) * Etkinsizlik Etkileri Sabit 1.545* ln(ofb) * SPAY * * * * *

11 * Varyans Parametreleri 0.115* Log-likelihood Ortalama Etkinlik 85.4 * %5 düzeyinde istatistiksel olarak anlamlı Stokastik sınır modelinin katsayı işaretleri beklentilere uygun çıkmıştır. Parametrelerin çoğunun istatistiksel olarak anlamlı olduğu gözlemlenmektedir. İşgücü ve sermaye değişkenlerinin tahmin edilen katsayıları yüksek düzeyde anlamlı olup imalat sanayinde ölçeğe göre artan getiri olduğunu işaret etmektedir. Etkinsizlik modelinin tahmin edilen katsayılarına bakıldığında ln(ofb) değişkeninin işaretinin beklentiye uygun olarak negatif ve anlamlı çıktığı görülmektedir. Bu, ortalama firma büyüklüğü arttıkça etkinsizliğin azaldığını ifade etmektedir. SPAY değişkeninin katsayısı pozitif ve anlamlı olarak tahmin edilmiş olup sektörün imalat sanayi içindeki payı arttıkça etkinsizliğin arttığını ancak etkisinin çok küçük olduğunu göstermektedir yılı dışında etkinsizlik etkileri modeline konulan yıl kukla değişkenlerinin hepsinin katsayıları negatif ve anlamlı çıkmıştır. Bu durum her yıl için etkinlik düzeyinin 2003 yılından yüksek olduğunu göstermektedir. Stokastik sınır üretim fonksiyonu tahmini için yapılan hipotez testlerinin sonuçları Tablo 2 de gösterilmektedir. Hipotez testleri genelleştirilmiş olabilirlik testi kullanılarak yapılmıştır. Test istatistiği aşağıdaki formül kullanılarak hesaplanmıştır: 10

12 Tablo 2: Hipotez testleri Sıfır Hipotezi Test istatistiği Kritik değer* Karar Cobb-Douglas üretim fonksiyonu H 0 : β 3 = β 4 = β 5 = H 0 reddedilir Etkinsizlik yoktur H 0 :γ=δ 0 =δ 1 =δ 2 =δ 3 =δ 4 =δ 5 =δ 6 =δ 7 =0** H 0 reddedilir Stokastik olmayan etkinsizlik H 0 : γ = 0** H 0 reddedilir Etkinsizlik etkileri yoktur H 0 : δ 1 =δ 2 =δ 3 =δ 4 =δ 5 =δ 6 =δ 7 = H 0 reddedilir Zamana göre değişmeyen etkinsizlik H 0 : δ 3 =δ 4 =δ 5 =δ 6 =δ 7 = H 0 reddedilir *Test istatistiği için kritik değer %5 anlamlılık düzeyindedir. **Test istatistiği karma bir Χ 2 dağılımına sahiptir (Kodde ve Palm, 1986) Tahmin edilen üretim fonksiyonunu Cobb-Douglas tipine indirgeyen birinci sıfır hipotezi reddedilmiştir. İkinci olarak etkinsizlik olup olmadığı test edilmiş ve sıfır hipotezi reddedilmiştir. Üçüncü sıfır hipotezi, etkinsizlik etkilerinin stokastik olmadığını ifade etmektedir. Burada önemli bir nokta hipotez test edilirken kullanılacak serbestlik derecesinin belirlenmesidir. Eğer γ parametresi sıfır ise, etkinsizlik etkilerinin varyansı sıfırdır ve model OFB, SPAY ve yıl kukla değişkenlerinin üretim fonksiyonuna girdiği geleneksel bir ortalama tepki fonksiyonuna dönüşür ve model en küçük kareler yöntemi kullanılarak tahmin edilebilir. Bu durumda, üretim fonksiyonunda da sabit terim olduğu göz önünde bulundurulursa δ 0 da sıfır olacaktır. Öyleyse, bu sıfır hipotezi için kullanılacak kritik değer, serbestlik derecesi 2 olan Χ 2 dağılımından elde edilecektir (Battese ve Coelli, 1995, Coelli, 1995). Söz konusu hipotez de reddedildiğinden stokastik sınır yöntemi kullanılabilmiştir. Bunun yanı sıra etkinsizlik etkilerinin olup olmadığı da test edilmiş ve sıfır hipotezi reddedilmiştir. Bu hipotezin reddedilmesi etkinsizlik etkilerinin toplu olarak anlamlı olduğunu göstermektedir. Son olarak etkinsizliğin zamana göre değişip değişmediği test edilmiş (time-invariant efficiency), hipotezin reddedilmesi etkinsizlik etkilerinin zamanla değişmekte olduğunu göstermiştir. 11

13 6. Sonuç Çalışmada yılları dönemi için NACE Rev. 1.1 endüstri düzeyinde panel veri kullanılarak Türkiye imalat sanayi için stokastik sınır üretim fonksiyonu tahmin edilmiş ve teknik etkinlik hesaplanmıştır. Ampirik bulgulara göre, Türkiye imalat sanayinde ölçeğe göre artan getiri mevcut olmakla birlikte firma büyüklüğü arttıkça teknik etkinlik artmakta, zamanla değişen etkinlik düzeyleri gözlemlenmektedir. Bunun yanı sıra endüstrilerin üretiminin imalat sanayinin toplam üretimi içindeki arttıkça teknik etkinlik azalmakta ancak bu etki çok sınırlı kalmaktadır. Çalışmanın, firma düzeyinde veriler kullanılarak yapılamaması başlıca eksikliğini oluşturmakta ve 2001 sonrası dönemin konu edileceği gelecek çalışmalar için bir başlangıç noktası oluşturmaktadır. 12

14 Kaynakça Aigner D.J., C.A.K. Lovell ve P. Schmidt (1977) Formulation and estimation of stochastic frontier production function models, Journal of Econometrics, 6(1), Balcılar, M. ve M. Çokgezen (2003) Comparative Technical Efficiencies of State and Privately Owned Sugar Plants in Turkey, Manas Universitesi Sosyal Bilimler Dergisi, 4(8), Battese, G.E., ve T.J. Coelli (1995) A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data. Empirical Economics, 20(2): Coelli, T. J. (1994) A Guide to FRONTIER Version 4.1: A Computer Programme for Stochastic Frontier Production and Cost Function Estimation, CEPA Working Paper 96/07, Centre for Efficiency and Productivity Analysis, University of New England, Australia Coelli, T. J. (1995) Estimators and Hypothesis Tests for a Stochastic Frontier Function: A Monte Carlo Analysis, Journal of Productivity Analysis, 6(4), Coelli, T.J.; D.S.P. Rao; ve G.E. Battese (2005) An Introduction to Efficiency and Productivity Analysis, Boston: Kluwer Academic Cornwell, C.; P. Schmidt ve R.C. Sickles (1990). Production Frontiers with Cross-Sectional and Time-Series Variation in Efficiency Levels. Journal of Econometrics, 46(1 2): Green, A. ve D. Mayes (1991) Technical Inefficiency in Manufacturing Industries, The Economic Journal, 101(406),

15 Greene, W. H. (2008) The econometric approach to efficiency analysis iç. H.O. Fried, C.A.K Lovell, S.S Schmidt (der) The Measurement of Productive Efficiency and Productivity Growth, New York: Oxford University Press, Huang C.J. ve J-T Liu (1994) Estimation of a non-neutral stochastic frontier production function, Journal of Productivity Analysis, 5(2), Kalirajan, K. (1981) An econometric analysis of yield variability in paddy production, Canadian Journal of Agricultural Economics, 29(3), Kodde, D. A. ve F. C. Palm. (1986) Wald Criteria for Jointly Testing Equality and Inequality Restrictions, Econometrica, 54(5), Kök, R ve M. E. Yeşilyurt (2006) İlk Beş Yüz İmalat Sanayi Kuruluşunun Etkinlik Analizi ve Sigma Yakınsaması-Türkiye Örneği: , İktisat İşletme ve Finans, 249, Kumbhakar, S.C. (1990) Production Frontiers, Panel Data and Time-Varying Technical Efficiency. Journal of Econometrics, 46(1 2), Kumbhakar S.C., S. Ghosh ve J.T. McGuckin (1991) A generalized production frontier approach for estimating determinants of inefficiency in US dairy farms, Journal of Business and Economic Statistics, 9(3), Meeusen W, van den Broeck J (1977) Efficiency estimation from Cobb-Douglas production functions with composed error, International Economic Review, 18(2), Önder A.Ö., E. Deliktaş, A. Lenger (2003) Efficiency in the Manufacturing Industry of Selected Provinces in Turkey: A Stochastic Frontier Analysis, Emerging Markets Finance and Trade, 39(2),

16 Pitt M.M., L-F Lee (1981) The measurement and sources of technical inefficiency in the Indonesian weaving industry, Journal of Development Economics, 9(1), Reifschneider D. ve R. Stevenson (1991) Systematic departures from the frontier: A framework for the analysis of finn inefficiency, International Economic Review, 32(3), Saygılı, Ş. ve E. Taymaz (2001) Privatization, Ownership and Technical Efficiency- A study of the Turkish cement industry, Annals of Public and Cooperative Economics, 72(4), Taymaz, E. ve G. Saatçi (1997) Technical Change and Efficiency in Turkish Manufacturing Industries Journal of Productivity Analysis, 8(4), Taymaz, E. (2001) Ulusal Yenilik Sistemi: Türkiye İmalat Sanayiinde Teknolojik Değişim ve Yenilik Süreçleri, TÜBİTAK / TTGV / DİE, Ankara, 2001 Yılmaz, K. (2007) Sermaye Stoku Hesapları: İşyeri Bazlı Yatırım Verileri, Sermaye Stoku Hesaplama Yöntemleri Çalıştayı, 17 Mart 2007, Ankara, ( ) 15