A magyar feldolgozóipar technikai hatékonysági vizsgálata
Absztrakt
Tanulmányunk célja a magyar feldolgozóipar technikai hatékonyságának vizsgálata a 2013–2022 közötti időszakban, olyan sztochasztikushatár-modellekkel (Stochastic Frontier Analysis, SFA), amelyek lehetővé teszik a vállalatok közötti nem megfigyelt heterogenitás kezelését. Emellett az output növekedését felbontottuk az input- és a termelékenységnövekedés hatására, majd a termelékenységváltozást tovább bontottuk a technológiai változás és a technikai hatékonyság változásának hatására. Az eredmények azt mutatják, hogy a vizsgált időszakot elsősorban inputvezérelt növekedés jellemezte, és a technológiai fejlődés (évi 1,4 százalék) szintén kedvezően hatott a termelékenységre. A technikai hatékonyság javulása ugyanakkor mérsékelt, és az egyes méretkategóriák között szignifikáns különbség mutatkozott, ami arra utal, hogy jelentős tartalékok rejlenek a szektor működésének hatékonyabbá tételében, különösen a kis- és középvállalatok esetében. Mindezek mellett modellünk szerint a magasabb exportorientáltság pozitívan befolyásolja a vállalati hatékonyságot. A technológiai fejlődés és a technikai hatékonyság eltérő politikai eszközökkel támogathatók: a technológiai fejlesztést főként innovációs és K F-ösztönzéssel lehet elősegíteni, míg a technikai hatékonyság növelésében a képzési és szaktanácsadási rendszerek fejlesztése játszhat kiemelt szerepet. Eredményeink így fontos kiindulópontot jelentenek a feldolgozóipar versenyképességét és termelékenységét előmozdító intézkedések megtervezéséhez.*
Hivatkozások
ABDULAI, A.–TIETJE, H. [2007]: Estimating technical efficiency under unobserved heterogeneity with stochastic frontier models: application to northern German dairy farms. European Review of Agricultural Economics, Vol. 34. No. 3. 393–416. o. https://doi.org/10.1093/erae/jbm023.
AIGNER, D.–LOVELL, C. A. K.–SCHMIDT, P. [1977]: Formulation and estimation of stochastic frontier production function models. Journal of Econometrics, Vol. 6. No. 1. 21–37. o. https://doi.org/10.1016/0304-4076(77)90052-5.
AMORNKITVIKAI, Y.–HARVIE, C.–CHAROENRAT, T. [2014]: Estimating a Technical Inefficiency Effects Model for Thai Manufacturing and Exporting Enterprises (SMEs): A Stochastic Frontier (SFA) and Data Envelopment Analysis (DEA) Approach. Proceedings of Informing Science & IT Education Conference (InSITE). 363–390. o. https://doi.org/10.28945/2028.
ANDREWS, D.–CRISCUOLO, C.–GAL, P. [2018]: The global productivity slowdown, technology divergence and public policy: A firm-level perspective. OECD Economics Department Working Papers, No. 1372. https://doi.org/10.1787/2e2e2f1e-en.
BAILY, M. N.–MONTALBANO, N. [2016]: Why Is U.S. Productivity Growth So Slow? Possible Explanations and Policy Responses. Hutchins Center Working Paper, No. 22. https://www.brookings.edu/wp-content/uploads/2016/09/wp22_baily-montalbano_final4.pdf.
BARÁTH LAJOS–FERTŐ IMRE [2013]: Heterogenitás és technikai hatékonyság. A magyar specializált szántóföldi növénytermesztő üzemek esete. Közgazdasági Szemle, 60. évf. 6. sz. 650–669. o. https://unipub.lib.uni-corvinus.hu/1256/1/Kszemle_CIKK_1391.pdf.
BAUMOL, W. J. [2017]: The Cost Disease. Yale University Press, New Haven, CT. https://doi.org/10.12987/9780300188486.
BÉKÉS GÁBOR–HALPERN LÁSZLÓ–MURAKÖZY BALÁZS [2011]: A magyar külkereskedő vállalatok. Műhelytanulmányok, No. 2011/43. MTA Közgazdaságtudományi Intézet, Budapest, https://www.econstor.eu/bitstream/10419/108243/1/MTDP1143.pdf.
BRYNJOLFSSON, E.–MCAFEE, A. [2014]: The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton & Company.
CHAMBERS, R. G. [1988]: Applied production analysis: a dual approach. Cambridge University Press, Cambridge.
COELLI, T.–RAO, D. S. P.–BATTESE, G. E. [1998]: An Introduction to Efficiency and Productivity Analysis. Springer, Boston, MA. https://doi.org/10.1007/978-1-4615-5493-6.
EU KLEMS [2025]: EU KLEMS – Growth and Productivity Accounts. https://euklems.eu.
FAHMY-ABDULLAH, M.–ISMAIL, R.–SULAIMAN, N.–TALIB, B. A. [2017]: Technical efficiency in transport manufacturing firms: Evidence from Malaysia. Asian Academy of Management Journal, Vol. 22. No. 1. 57–77. o. https://doi.org/10.21315/aamj2017.22.1.3.
FARSI, M.–FILIPPINI, M.–GREENE, W. [2005a]: Efficiency Measurement in Network Industries: Application to the Swiss Railway Companies. Journal of Regulatory Economics, Vol. 28. No. 1. 69–90. o. https://doi.org/10.1007/s11149-005-2356-9.
FARSI, M.–FILIPPINI, M.–KUENZLE, M. [2005b]: Unobserved heterogeneity in stochastic cost frontier models: an application to Swiss nursing homes. Applied Economics, Vol. 37. No. 18. 2127–2141. o. https://doi.org/10.1080/00036840500293201.
FERNALD, J. G. [2015]: Productivity and Potential Output Before, During, and After the Great Recession. NBER Macroeconomics Annual, Vol. 29. No. 1. 1–51. o. https://doi.org/10.1086/680580.
FILIPPINI, M.–GREENE, W. H. [2015]: Persistent and transient productive inefficiency: a maximum simulated likelihood approach. Journal of Productivity Analysis, Vol. 45. No. 2. 187–196. o. https://doi.org/10.1007/s11123-015-0446-y.
FILIPPINI, M.–GREENE, W. H. [2016]: Energy efficiency in the Swiss manufacturing sector: A stochastic frontier analysis. Energy Economics, Vol. 56. 54–63. o. https://doi.org/10.1016/j.eneco.2015.12.004.
FRIED, H. O.–LOVELL, C. A. K.–SCHMIDT, S. S. (szerk.) [2008]: The Measurement of Productive Efficiency and Productivity Change. Oxford University Press, https://doi.org/10.1093/acprof:oso/9780195183528.001.0001.
GORDON, R. J. [2016]: The Rise and Fall of American Growth. The U.S. Standard of Living since the Civil War. Princeton University Press, Princeton, https://doi.org/10.1515/9781400873302.
GREENE, W. [2005a]: Reconsidering heterogeneity in panel data estimators of the stochastic frontier model. Journal of Econometrics, Vol. 126. No. 2. 269–303. o. https://doi.org/10.1016/j.jeconom.2004.05.003.
GREENE, W. [2005b]: Fixed and Random Effects in Stochastic Frontier Models. Journal of Productivity Analysis, Vol. 23. No. 1. 7–32. o. https://doi.org/10.1007/s11123-004-8545-1.
GREENE, W. H. [2008]: The Econometric Approach to Efficiency Analysis. Megjelent: Fried, H. O.–Lovell, C. A. K.– Schmidt S. S. (szerk.): The Measurement of Productive Efficiency and Productivity Change. Oxford Academic, New York, 92–250. o. https://doi.org/10.1093/acprof:oso/9780195183528.003.0002.
HASHIM, N.–FAHMY-ABDULLAH, M. [2024]: Technical efficiency in the Malaysian electric and electronic manufacturing industry: A stochastic frontier analysis approach. Asian Economic and Financial Review, Vol. 14. No. 2. 88–104. o. https://doi.org/10.55493/5002.v14i2.5008.
HSIAO, C. [2022]: Analysis of Panel Data. Econometric Society Monographs. Cambridge University Press, https://doi.org/10.1017/9781009057745.
HUYNH, L. T. D.–HOANG, H. T. [2023]: Technical Efficiency and Total Factor Productivity Changes in Manufacturing Industries: Recent Advancements in Stochastic Frontier Model Approach. Montenegrin Journal of Economics, Vol. 19. No. 1. https://doi.org/10.14254/1800-5845/2023.19-1.5.
KSH [2016] Gyorstájékoztató az iparról, 2016. Központi Statisztikai Hivatal, Budapest, https://www.ksh.hu/docs/hun/xftp/gyor/ipa/ipa1612.html.
KSH [2020]: Helyzetkép az iparról, 2020. Központi Statisztikai Hivatal, Budapest, https://www.ksh.hu/docs/hun/xftp/idoszaki/jelipar/2020/index.html.
KSH STADAT [2018]: KSH STADAT 13.2.1.29. Az ipari termelékenység indexei alágak szerint. https://www.ksh.hu/stadat_files/ipa/hu/ipa0059.html.
KUENZLE, M. [2005]: Cost efficiency in network industries: Application of stochastic frontier analysis. Doctoral Thesis ETH Zurich, ETH No. 16117. https://doi.org/10.3929/ethz-a-005004701.
KUMBHAKAR, S.–LOVELL, K. [2000]: Stochastic frontier analysis. University Press, Cambridge, https://doi.org/10.1111/1467-8276.t01-1-00317.
KUMBHAKAR, S. C.–WANG, H.-J. [2015]: Estimation of Technical Inefficiency in Production Frontier Models Using Cross-Sectional Data. Megjelent: Ray, S.–Kumbhakar, S.–Dua, P. (szerk.): Benchmarking for Performance Evaluation. Springer, New Delhi, https://doi.org/10.1007/978-81-322-2253-8_1.
LEE, G. H.–JEON, H. W. [2023]: A Stochastic Frontier Analysis (SFA)-Based Method for Detecting Changes in Manufacturing Energy Efficiency by Sector and Time. Megjelent: Alfnes, E.–Romsdal, A.–Strandhagen, J. O.–von Cieminski, G.–Romero, D. (szerk.): Advances in Production Management Systems. Production Management Systems for Responsible Manufacturing, Service, and Logistics Futures. APMS 2023. IFIP Advances in Information and Communication Technology, Vol. 692. Springer, Cham, 29–42. o. https://doi.org/10.1007/978-3-031-43688-8_3.
LIU, Z.–ZHOU, X. [2023]: Can Direct Subsidies or Tax Incentives Improve the R&D Efficiency of the Manufacturing Industry in China? Processes, Vol. 11. No. 1. 181. https://doi.org/10.3390/pr11010181.
MEEUSEN, W.–VAN DEN BROECK, J. [1977]: Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error. International Economic Review, Vol. 18. No. 2. 435–444. o. https://doi.org/10.2307/2525757.
MNB [2022]: Termelékenységi jelentés. Magyar Nemzeti Bank, Budapest, https://www.mnb.hu/letoltes/termelekenysegi-jelentes-2022-julius.pdf.
MUNDLAK, Y. [1978]: On the Pooling of Time Series and Cross Section Data. Econometrica, Vol. 46. No. 1. 69–85. o. https://doi.org/10.2307/1913646.
NAGY ZSUZSANNA–BARÁTH LAJOS [2015]: A többtényezős termelékenység és a környezeti állapot változása a magyar mezőgazdaságban az EU-csatlakozást követően. Statisztikai Szemle, 93. évf. 1. sz. 53–73. o. https://www.ksh.hu/statszemle_archive/2015/2015_01/2015_01_053.pdf.
OH, S.-C.–HILDRETH, A. [2014]: Estimating the Technical Improvement of Energy Efficiency in the Automotive Industry. Stochastic and Deterministic Frontier Benchmarking Approaches. Energies, Vol. 7. No. 9. 6196–6222. o. https://doi.org/10.3390/en7096196.
PITT, M. M.–LEE, L.-F. [1981]: The measurement and sources of technical inefficiency in the Indonesian weaving industry. Journal of Development Economics, Vol. 9. No. 1. 43–64. o. https://doi.org/10.1016/0304-3878(81)90004-3.
RÉDEI MÁRIA–JAKOBI ÁKOS–JENEY LÁSZLÓ [2002]: Regionális specializáció és a feldolgozóipari tevékenység változása. Tér és Társadalom, 16. évf. 4. sz. 87–108. o. https://doi.org/10.17649/tet.16.4.864.
ROY, P. K.–PAL, M. K.–DAS, P. S. [2021]: Sources of Total Factor Productivity Growth of the Organized Manufacturing Industries in Gujarat, India: A Stochastic Frontier Approach. Megjelent: Pal, M. K. (szerk.): Productivity Growth in the Manufacturing Sector. Emerald Publishing Limited, Leeds, 137–153. o. https://doi.org/10.1108/978-1-80071-094-820211011.
SCHMIDT, P.–SICKLES, R. C. [1984]: Production Frontiers and Panel Data. Journal of Business and Economic Statistics, Vol. 2. No. 4. 367–374. o. https://doi.org/10.1080/07350015.1984.10509410.
SHUI, H.–JIN, X.–NI, J. [2015]: Manufacturing productivity and energy efficiency: a stochastic efficiency frontier analysis. International Journal of Energy Research, július 28. https://doi.org/10.1002/er.3368.
SYVERSON, C. [2011]: What Determines Productivity? Journal of Economic Literature, Vol. 49. No. 2. 326–365. o. https://doi.org/10.1257/jel.49.2.326.
SZALAVETZ ANDREA–SOMOSI SAROLTA [2019]: Ipar 4.0-technológiák és a magyarországi fejlődés-felzárkózás hajtóerőinek megváltozása – gazdaságpolitikai tanulságok. Külgazdaság, 63. évf. 3–4. sz. 66–93. o. https://doi.org/10.47630/kulg.2019.63.3-4.66.
VASVÁRI TAMÁS–DANKA SÁNDOR–HAUCK ZSUZSANNA [2019]: Termelés és innováció – tanulságok a hazai iparpolitika számára. Közgazdasági Szemle, 66. évf. 10. sz. 1031–1055. o. https://doi.org/10.18414/ksz.2019.10.1031.
WANG, X.–HOCKMANN, H.–BAI, J. [2012]: Technical Efficiency and Producers’ Individual Technology: Accounting for Within and Between Regional Farm Heterogeneity. Canadian Journal of Agricultural Economics, Vol. 60. No. 4. 561–576. o. https://doi.org/10.1111/j.1744-7976.2012.01264.x.
WAN, X.–KAZMI, S. A. A.–WONG, C. Y. [2022]: Manufacturing, Exports, and Sustainable Growth: Evidence from Developing Countries. Sustainability, Vol. 14. No. 3. 1646. https://doi.org/10.3390/su14031646.
AIGNER, D.–LOVELL, C. A. K.–SCHMIDT, P. [1977]: Formulation and estimation of stochastic frontier production function models. Journal of Econometrics, Vol. 6. No. 1. 21–37. o. https://doi.org/10.1016/0304-4076(77)90052-5.
AMORNKITVIKAI, Y.–HARVIE, C.–CHAROENRAT, T. [2014]: Estimating a Technical Inefficiency Effects Model for Thai Manufacturing and Exporting Enterprises (SMEs): A Stochastic Frontier (SFA) and Data Envelopment Analysis (DEA) Approach. Proceedings of Informing Science & IT Education Conference (InSITE). 363–390. o. https://doi.org/10.28945/2028.
ANDREWS, D.–CRISCUOLO, C.–GAL, P. [2018]: The global productivity slowdown, technology divergence and public policy: A firm-level perspective. OECD Economics Department Working Papers, No. 1372. https://doi.org/10.1787/2e2e2f1e-en.
BAILY, M. N.–MONTALBANO, N. [2016]: Why Is U.S. Productivity Growth So Slow? Possible Explanations and Policy Responses. Hutchins Center Working Paper, No. 22. https://www.brookings.edu/wp-content/uploads/2016/09/wp22_baily-montalbano_final4.pdf.
BARÁTH LAJOS–FERTŐ IMRE [2013]: Heterogenitás és technikai hatékonyság. A magyar specializált szántóföldi növénytermesztő üzemek esete. Közgazdasági Szemle, 60. évf. 6. sz. 650–669. o. https://unipub.lib.uni-corvinus.hu/1256/1/Kszemle_CIKK_1391.pdf.
BAUMOL, W. J. [2017]: The Cost Disease. Yale University Press, New Haven, CT. https://doi.org/10.12987/9780300188486.
BÉKÉS GÁBOR–HALPERN LÁSZLÓ–MURAKÖZY BALÁZS [2011]: A magyar külkereskedő vállalatok. Műhelytanulmányok, No. 2011/43. MTA Közgazdaságtudományi Intézet, Budapest, https://www.econstor.eu/bitstream/10419/108243/1/MTDP1143.pdf.
BRYNJOLFSSON, E.–MCAFEE, A. [2014]: The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton & Company.
CHAMBERS, R. G. [1988]: Applied production analysis: a dual approach. Cambridge University Press, Cambridge.
COELLI, T.–RAO, D. S. P.–BATTESE, G. E. [1998]: An Introduction to Efficiency and Productivity Analysis. Springer, Boston, MA. https://doi.org/10.1007/978-1-4615-5493-6.
EU KLEMS [2025]: EU KLEMS – Growth and Productivity Accounts. https://euklems.eu.
FAHMY-ABDULLAH, M.–ISMAIL, R.–SULAIMAN, N.–TALIB, B. A. [2017]: Technical efficiency in transport manufacturing firms: Evidence from Malaysia. Asian Academy of Management Journal, Vol. 22. No. 1. 57–77. o. https://doi.org/10.21315/aamj2017.22.1.3.
FARSI, M.–FILIPPINI, M.–GREENE, W. [2005a]: Efficiency Measurement in Network Industries: Application to the Swiss Railway Companies. Journal of Regulatory Economics, Vol. 28. No. 1. 69–90. o. https://doi.org/10.1007/s11149-005-2356-9.
FARSI, M.–FILIPPINI, M.–KUENZLE, M. [2005b]: Unobserved heterogeneity in stochastic cost frontier models: an application to Swiss nursing homes. Applied Economics, Vol. 37. No. 18. 2127–2141. o. https://doi.org/10.1080/00036840500293201.
FERNALD, J. G. [2015]: Productivity and Potential Output Before, During, and After the Great Recession. NBER Macroeconomics Annual, Vol. 29. No. 1. 1–51. o. https://doi.org/10.1086/680580.
FILIPPINI, M.–GREENE, W. H. [2015]: Persistent and transient productive inefficiency: a maximum simulated likelihood approach. Journal of Productivity Analysis, Vol. 45. No. 2. 187–196. o. https://doi.org/10.1007/s11123-015-0446-y.
FILIPPINI, M.–GREENE, W. H. [2016]: Energy efficiency in the Swiss manufacturing sector: A stochastic frontier analysis. Energy Economics, Vol. 56. 54–63. o. https://doi.org/10.1016/j.eneco.2015.12.004.
FRIED, H. O.–LOVELL, C. A. K.–SCHMIDT, S. S. (szerk.) [2008]: The Measurement of Productive Efficiency and Productivity Change. Oxford University Press, https://doi.org/10.1093/acprof:oso/9780195183528.001.0001.
GORDON, R. J. [2016]: The Rise and Fall of American Growth. The U.S. Standard of Living since the Civil War. Princeton University Press, Princeton, https://doi.org/10.1515/9781400873302.
GREENE, W. [2005a]: Reconsidering heterogeneity in panel data estimators of the stochastic frontier model. Journal of Econometrics, Vol. 126. No. 2. 269–303. o. https://doi.org/10.1016/j.jeconom.2004.05.003.
GREENE, W. [2005b]: Fixed and Random Effects in Stochastic Frontier Models. Journal of Productivity Analysis, Vol. 23. No. 1. 7–32. o. https://doi.org/10.1007/s11123-004-8545-1.
GREENE, W. H. [2008]: The Econometric Approach to Efficiency Analysis. Megjelent: Fried, H. O.–Lovell, C. A. K.– Schmidt S. S. (szerk.): The Measurement of Productive Efficiency and Productivity Change. Oxford Academic, New York, 92–250. o. https://doi.org/10.1093/acprof:oso/9780195183528.003.0002.
HASHIM, N.–FAHMY-ABDULLAH, M. [2024]: Technical efficiency in the Malaysian electric and electronic manufacturing industry: A stochastic frontier analysis approach. Asian Economic and Financial Review, Vol. 14. No. 2. 88–104. o. https://doi.org/10.55493/5002.v14i2.5008.
HSIAO, C. [2022]: Analysis of Panel Data. Econometric Society Monographs. Cambridge University Press, https://doi.org/10.1017/9781009057745.
HUYNH, L. T. D.–HOANG, H. T. [2023]: Technical Efficiency and Total Factor Productivity Changes in Manufacturing Industries: Recent Advancements in Stochastic Frontier Model Approach. Montenegrin Journal of Economics, Vol. 19. No. 1. https://doi.org/10.14254/1800-5845/2023.19-1.5.
KSH [2016] Gyorstájékoztató az iparról, 2016. Központi Statisztikai Hivatal, Budapest, https://www.ksh.hu/docs/hun/xftp/gyor/ipa/ipa1612.html.
KSH [2020]: Helyzetkép az iparról, 2020. Központi Statisztikai Hivatal, Budapest, https://www.ksh.hu/docs/hun/xftp/idoszaki/jelipar/2020/index.html.
KSH STADAT [2018]: KSH STADAT 13.2.1.29. Az ipari termelékenység indexei alágak szerint. https://www.ksh.hu/stadat_files/ipa/hu/ipa0059.html.
KUENZLE, M. [2005]: Cost efficiency in network industries: Application of stochastic frontier analysis. Doctoral Thesis ETH Zurich, ETH No. 16117. https://doi.org/10.3929/ethz-a-005004701.
KUMBHAKAR, S.–LOVELL, K. [2000]: Stochastic frontier analysis. University Press, Cambridge, https://doi.org/10.1111/1467-8276.t01-1-00317.
KUMBHAKAR, S. C.–WANG, H.-J. [2015]: Estimation of Technical Inefficiency in Production Frontier Models Using Cross-Sectional Data. Megjelent: Ray, S.–Kumbhakar, S.–Dua, P. (szerk.): Benchmarking for Performance Evaluation. Springer, New Delhi, https://doi.org/10.1007/978-81-322-2253-8_1.
LEE, G. H.–JEON, H. W. [2023]: A Stochastic Frontier Analysis (SFA)-Based Method for Detecting Changes in Manufacturing Energy Efficiency by Sector and Time. Megjelent: Alfnes, E.–Romsdal, A.–Strandhagen, J. O.–von Cieminski, G.–Romero, D. (szerk.): Advances in Production Management Systems. Production Management Systems for Responsible Manufacturing, Service, and Logistics Futures. APMS 2023. IFIP Advances in Information and Communication Technology, Vol. 692. Springer, Cham, 29–42. o. https://doi.org/10.1007/978-3-031-43688-8_3.
LIU, Z.–ZHOU, X. [2023]: Can Direct Subsidies or Tax Incentives Improve the R&D Efficiency of the Manufacturing Industry in China? Processes, Vol. 11. No. 1. 181. https://doi.org/10.3390/pr11010181.
MEEUSEN, W.–VAN DEN BROECK, J. [1977]: Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error. International Economic Review, Vol. 18. No. 2. 435–444. o. https://doi.org/10.2307/2525757.
MNB [2022]: Termelékenységi jelentés. Magyar Nemzeti Bank, Budapest, https://www.mnb.hu/letoltes/termelekenysegi-jelentes-2022-julius.pdf.
MUNDLAK, Y. [1978]: On the Pooling of Time Series and Cross Section Data. Econometrica, Vol. 46. No. 1. 69–85. o. https://doi.org/10.2307/1913646.
NAGY ZSUZSANNA–BARÁTH LAJOS [2015]: A többtényezős termelékenység és a környezeti állapot változása a magyar mezőgazdaságban az EU-csatlakozást követően. Statisztikai Szemle, 93. évf. 1. sz. 53–73. o. https://www.ksh.hu/statszemle_archive/2015/2015_01/2015_01_053.pdf.
OH, S.-C.–HILDRETH, A. [2014]: Estimating the Technical Improvement of Energy Efficiency in the Automotive Industry. Stochastic and Deterministic Frontier Benchmarking Approaches. Energies, Vol. 7. No. 9. 6196–6222. o. https://doi.org/10.3390/en7096196.
PITT, M. M.–LEE, L.-F. [1981]: The measurement and sources of technical inefficiency in the Indonesian weaving industry. Journal of Development Economics, Vol. 9. No. 1. 43–64. o. https://doi.org/10.1016/0304-3878(81)90004-3.
RÉDEI MÁRIA–JAKOBI ÁKOS–JENEY LÁSZLÓ [2002]: Regionális specializáció és a feldolgozóipari tevékenység változása. Tér és Társadalom, 16. évf. 4. sz. 87–108. o. https://doi.org/10.17649/tet.16.4.864.
ROY, P. K.–PAL, M. K.–DAS, P. S. [2021]: Sources of Total Factor Productivity Growth of the Organized Manufacturing Industries in Gujarat, India: A Stochastic Frontier Approach. Megjelent: Pal, M. K. (szerk.): Productivity Growth in the Manufacturing Sector. Emerald Publishing Limited, Leeds, 137–153. o. https://doi.org/10.1108/978-1-80071-094-820211011.
SCHMIDT, P.–SICKLES, R. C. [1984]: Production Frontiers and Panel Data. Journal of Business and Economic Statistics, Vol. 2. No. 4. 367–374. o. https://doi.org/10.1080/07350015.1984.10509410.
SHUI, H.–JIN, X.–NI, J. [2015]: Manufacturing productivity and energy efficiency: a stochastic efficiency frontier analysis. International Journal of Energy Research, július 28. https://doi.org/10.1002/er.3368.
SYVERSON, C. [2011]: What Determines Productivity? Journal of Economic Literature, Vol. 49. No. 2. 326–365. o. https://doi.org/10.1257/jel.49.2.326.
SZALAVETZ ANDREA–SOMOSI SAROLTA [2019]: Ipar 4.0-technológiák és a magyarországi fejlődés-felzárkózás hajtóerőinek megváltozása – gazdaságpolitikai tanulságok. Külgazdaság, 63. évf. 3–4. sz. 66–93. o. https://doi.org/10.47630/kulg.2019.63.3-4.66.
VASVÁRI TAMÁS–DANKA SÁNDOR–HAUCK ZSUZSANNA [2019]: Termelés és innováció – tanulságok a hazai iparpolitika számára. Közgazdasági Szemle, 66. évf. 10. sz. 1031–1055. o. https://doi.org/10.18414/ksz.2019.10.1031.
WANG, X.–HOCKMANN, H.–BAI, J. [2012]: Technical Efficiency and Producers’ Individual Technology: Accounting for Within and Between Regional Farm Heterogeneity. Canadian Journal of Agricultural Economics, Vol. 60. No. 4. 561–576. o. https://doi.org/10.1111/j.1744-7976.2012.01264.x.
WAN, X.–KAZMI, S. A. A.–WONG, C. Y. [2022]: Manufacturing, Exports, and Sustainable Growth: Evidence from Developing Countries. Sustainability, Vol. 14. No. 3. 1646. https://doi.org/10.3390/su14031646.
Megjelent
2025-04-15
Hogyan kell idézni
MolnárD., BareithT., & BaráthL. (2025). A magyar feldolgozóipar technikai hatékonysági vizsgálata. Közgazdasági Szemle, 72(4), 369-387. Elérés forrás https://ojs.mtak.hu/index.php/kszemle/article/view/18748
Folyóirat szám
Rovat
Tanulmány
