19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ …dosya.marmara.edu.tr/kongre/eyi2018/Bilimsel Program/E1.pdf · M.Ü. Bilimsel Araştırmalar Projeleri Komisyonu (BAPKO)

19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)

1

9ı


2

EYİ 2018

19. ULUSLARARASI EKONOMETRİ, YÖNEYLEM ARAŞTIRMASI VE İSTATİSTİK SEMPOZYUMU TAM METİN BİLDİRİ KİTABI

ANTALYA / TÜRKİYE

17 – 20 EKİM 2018

ISEOS 2018

19th INTERNATIONAL SYMPOSIUM ON ECONOMETRICS, OPERATIONS RESEARCH AND STATISTICS FULL TEXT BOOK

ANTALYA / TURKEY

17 – 20 OCTOBER 2018

ISBN: 978-605-68960-0-2 SPONSORLAR / SPONSORS:

Baş Editör / Head of Editors: Türkiye Cumhuriyet Mekez Bankası

Prof.Dr. İbrahim DOĞAN

Editörler / Editors:

Prof.Dr. Ahmet Mete ÇİLİNGİRTÜRK

Doç.Dr. Habip KOÇAK M.Ü. Bilimsel Araştırma Projeleri Birimi (BAPKO)

Dr.Öğr.Üy. Turgut ÜN

Dr.Öğr.Üy. N.Tuba YILMAZ SOYDAN

Marmara Üniversitesi İktisat Fakültesi Ekonometri Bölümü

İstanbul / Türkiye

Marmara University Faculty of Economics Department of Econometrics

İstanbul / Turkey

M.Ü. Bilimsel Araştırmalar Projeleri Komisyonu (BAPKO) tarafından SOS-L-090518-0270 proje kapsamında

desteklenmiştir.


3

19. Uluslararası Ekonometri, Yöneylem Araştırması ve İstatistik (EYİ 2018)

Sempozyumu Düzenleme Kurulu

19th International Symposium on Econometrics, Operations Research and Statistics (ISEOS 2018) Organizing Committee

Prof.Dr. Erol Özvar M.Ü. Rektörü / Sempozyum Onursal Başkanı

Prof.Dr. İ.Esen Yıldırım M.Ü. İktisat Fakültesi Dekanı

Prof.Dr. İbrahim Doğan M.Ü. Ekonometri Bölüm Başkanı / Düzenleme Kurulu Başkanı

Doç.Dr. Selay Giray Yakut M.Ü. Ekonometri Bölüm Başkan Yardımcısı

Dr.Öğr.Üy. N.Tuba Yılmaz Soydan M.Ü. Ekonometri Bölüm Başkan Yardımcısı

Prof.Dr. Selahattin Güriş M.Ü. Ekonometri Bölümü

Prof.Dr. Şahamet Bülbül M.Ü. Ekonometri Bölümü

Prof.Dr. Işıl Akgül M.Ü. Ekonometri Bölümü

Prof.Dr. Ahmet Mete Çilingirtürk M.Ü. Ekonometri Bölümü

Prof.Dr. Dilek Altaş M.Ü. Ekonometri Bölümü

Prof.Dr. Ebru Çağlayan Akay M.Ü. Ekonometri Bölümü

Prof.Dr. Tuncay Can M.Ü. Ekonometri Bölümü

Doç.Dr. Habip Koçak M.Ü. Ekonometri Bölümü

Doç.Dr. S.Erdal Dinçer M.Ü. Ekonometri Bölümü

Doç.Dr. Selin Özdemir Yazgan M.Ü. Ekonometri Bölümü

Dr.Öğr.Üy. Fatma Urfalıoğlu M.Ü. Ekonometri Bölümü

Dr.Öğr.Üy. Turgut Ün M.Ü. Ekonometri Bölümü

Dr.Öğr.Üy. Özlem Ergüt M.Ü. Ekonometri Bölümü

Öğr. Gör. Oğuz Ersun M.Ü. Ekonometri Bölümü

Arş.Gör. Gülen Arıkan M.Ü. Ekonometri Bölümü

Arş.Gör. Ceren Camkıran M.Ü. Ekonometri Bölümü

Arş.Gör. Şaban Kızılarslan M.Ü. Ekonometri Bölümü

Arş.Gör. Duygu Cengiz Usta M.Ü. Ekonometri Bölümü

Arş.Gör. Hoşeng Bülbül M.Ü. Ekonometri Bölümü

Arş.Gör. Vildan Kistik M.Ü. Ekonometri Bölümü

Arş.Gör. Kağan Gürbüz M.Ü. Ekonometri Bölümü


4

19. Uluslararası Ekonometri, Yöneylem Araştırması ve İstatistik Sempozyumu (EYİ

2018) Danışma Kurulu

19th International Symposium on Econometrics, Operations Research and Statistics (ISEOS 2018) Advisory Committee

Prof.Dr.Aydın Ünsal Gazi Üniversitesi

Prof.Dr.Erkan Oktay Atatürk Üniversitesi

Prof.Dr.Fevzi Erdoğan Van Yüzüncü Yıl Üniversitesi

Prof.Dr.Hasan Altan Çabuk Çukurova Üniversitesi

Prof.Dr.Hilmi Zengin Karadeniz Teknik Üniversitesi

Prof.Dr.İbrahim Doğan Marmara Üniversitesi

Prof.Dr.İpek Deveci Kocakoç Dokuz Eylül Üniversitesi

Prof.Dr.Kemal Sezen Uludağ Üniversitesi

Prof.Dr.Mahmut Zortuk Dumlupınar Üniversitesi

Prof.Dr.Mehmet Güngör İnönü Üniversitesi

Prof.Dr.Mustafa Mıynat Celal Bayar Üniversitesi

Prof.Dr.Nihat Işık Kırıkkale Üniversitesi

Prof.Dr.Nilgün Çil İstanbul Üniversitesi

Prof.Dr.Nurcan Metin Trakya Üniversitesi

Prof.Dr.Ziya Gökalp Göktolga Cumhuriyet Üniversitesi

Doç.Dr.Emre İpekçi Çetin Akdeniz Üniversitesi

Doç.Dr.Hakan Demirgil Süleyman Demirel Üniversitesi

Doç.Dr.Metehan Yılgör Bandırma On Yedi Eylül Üniversitesi

Doç.Dr.Serdar Kurt Çanakkale On Sekiz Mart Üniversitesi

Doç.Dr.Şakir Görmüş Sakarya Üniversitesi

Dr.Öğr.Üy.Atalay Çağlar Pamukkale Üniversitesi

Dr.Öğr.Üy.Esin Cumhur Yalçın Kırklareli Üniversitesi

Dr.Öğr.Üy.Levent Kaya Harran Üniversitesi

Dr.Öğr.Üy.Murat Gündüz Uşak Üniversitesi

Dr.Öğr.Üy.Nazan Şak Osmaniye Korkut Ata Üniversitesi

Dr.Öğr.Üy.Öznur Özdamar Adnan Menderes Üniversitesi


5


Sempozyumu Bilim ve Hakem Kurulu

19th International Symposium on Econometrics, Operations Research and Statistics (ISEOS 2018) Scientific and Referee Committee

Prof.Dr.Abdullah Eroğlu Süleyman Demirel Üniversitesi

Prof.Dr.Ahmet Gökçen Rumeli Üniversitesi

Prof.Dr.Ahmet Mete Çilingirtürk Marmara Üniversitesi

Prof.Dr.Ahmet Şengönül Cumhuriyet Üniversitesi

Prof.Dr.Ali Karun Nemlioğlu İstanbul Üniversitesi

Prof.Dr.Ali Kemal Şehirlioğlu Dokuz Eylül Üniversitesi

Prof.Dr.Ali Şen İstanbul Kültür Üniversitesi

Prof.Dr.Alpaslan Akçoraoğlu Gazi Üniversitesi

Prof.Dr.Amir Kia Utah Valley University

Prof.Dr.Aydın Ünsal Gazi Üniversitesi

Prof.Dr.Ayşe Oğuzlar Uludağ Üniversitesi

Prof.Dr.Bedriye Saraçoğlu Atılım Üniversitesi

Prof.Dr.Burak Güriş İstanbul Üniversitesi

Prof.Dr.Can Erbil Boston College USA

Prof.Dr.Cenk Özler Dokuz Eylül Üniversitesi

Prof.Dr.Dilek Altaş Marmara Üniversitesi

Prof.Dr.Ebru Çağlayan Akay Marmara Üniversitesi

Prof.Dr.Ercan Sarıdoğan İstanbul Üniversitesi

Prof.Dr.Erkan Işığıçok Uludağ Üniversitesi

Prof.Dr.Erkan Oktay Atatürk Üniversitesi

Prof.Dr.İ.Esen Yıldırım Marmara Üniversitesi

Prof.Dr.Ferda Yerdelen Tatoğlu İstanbul Üniversitesi

Prof.Dr.Fevzi Erdoğan Van Yüzüncü Yıl Üniversitesi

Prof.Dr.Fikri Akdeniz Çağ Üniversitesi

Prof.Dr.Funda Yurdakul Gazi Üniversitesi

Prof.Dr.Galip Altınay Bandırma On Yedi Eylül Üniversitesi

Prof.Dr.H.Eray Çelik Van Yüzüncü Yıl Üniversitesi

Prof.Dr.Hamid Azari-Rad State University of New York

Prof.Dr.Handan Yolsal İstanbul Üniversitesi

Prof.Dr.Harun Öztürkler Kırıkkale Üniversitesi

Prof.Dr.Hasan Altan Çabuk Çukurova Üniversitesi

Prof.Dr.Hilmi Zengin Karadeniz Teknik Üniversitesi

Prof.Dr.Hüseyin Özer Atatürk Üniversitesi

Prof.Dr.Işıl Akgül Marmara Üniversitesi

Prof.Dr.İbrahim Doğan Marmara Üniversitesi

Prof.Dr.İpek Deveci Kocakoç Dokuz Eylül Üniversitesi

Prof.Dr.Junsoo Lee University of Alabama

Prof.Dr.Kadir Yasin Eryiğit Uludağ Üniversitesi

Prof.Dr.Kemal Sezen Uludağ Üniversitesi

Prof.Dr.Kutluk Kağan Sümer İstanbul Üniversitesi

Prof.Dr.Latif Öztürk Kırıkkale Üniversitesi

Prof.Dr.Levent Şenyay Dokuz Eylül Üniversitesi

Prof.Dr.Mahmut Zortuk Dumlupınar Üniversitesi

Prof.Dr.Mehmet Güngör İnönü Üniversitesi

Prof.Dr.Mehmet Özmen Çukurova Üniversitesi

Prof.Dr.Mehmet Sinan Temurlenk Atatürk Üniversitesi

Prof.Dr.Mehmet Suphi Özçomak Atatürk Üniversitesi

Prof.Dr.Melda Akın İstanbul Üniversitesi


6

Prof.Dr.Mihai Mutascu ESCE International Business School Paris

Prof.Dr.Murat Atan Gazi Üniversitesi

Prof.Dr.Mustafa Aytaç Uludağ Üniversitesi

Prof.Dr.Mustafa Köseoğlu Karadeniz Teknik Üniversitesi

Prof.Dr.Mustafa Sevüktekin Uludağ Üniversitesi

Prof.Dr.Mustafa Tekin İstanbul Üniversitesi

Prof.Dr.Münevver Turanlı İstanbul Ticaret Üniversitesi

Prof.Dr.Necati Türedi Karadeniz Teknik Üniversitesi

Prof.Dr.Necmi Gürsakal Fenerbahçe Üniversitesi

Prof.Dr.Nezir Köse İstanbul Gelişim Üniversitesi

Prof.Dr.Nihat Işık Kırıkkale Üniversitesi

Prof.Dr.Nilgün Çil İstanbul Üniversitesi

Prof.Dr.Nuran Bayram Uludağ Üniversitesi

Prof.Dr.Nurcan Metin Trakya Üniversitesi

Prof.Dr.Nükhet Doğan Gazi Üniversitesi

Prof.Dr.Ömer Yılmaz Atatürk Üniversitesi

Prof.Dr.Rahmi Yamak Karadeniz Teknik Üniversitesi

Prof.Dr.Sadık Çökelez Süleyman Demirel Üniversitesi

Prof.Dr.Seda Şengül Çukurova Üniversitesi

Prof.Dr.Selahattin Güriş Marmara Üniversitesi

Prof.Dr.Sema Behdioğlu Dumlupınar Üniversitesi

Prof.Dr.Serdar Kılıçkaplan Gazi Üniversitesi

Prof.Dr.Sibel Selim Celal Bayar Üniversitesi

Prof.Dr.Süleyman Bilgin Kılıç Çukurova Üniversitesi

Prof.Dr.Süleyman Dündar Karabük Üniversitesi

Prof.Dr.Şahamet Bülbül Marmara Üniversitesi

Prof.Dr.Şenay Üçdoğruk Birecikli Dokuz Eylül Üniversitesi

Prof.Dr.Şenol Altan Gazi Üniversitesi

Prof.Dr.Tuncay Can Marmara Üniversitesi

Prof.Dr.Ünal H. Özden İstanbul Ticaret Üniversitesi

Prof.Dr.Ziya Gökalp Göktolga Cumhuriyet Üniversitesi

Doç.Dr.Adil Korkmaz Akdeniz Üniversitesi

Doç.Dr.Adil Oğuzhan Trakya Üniversitesi

Doç.Dr.Atilla Gökçe Gazi Üniversitesi

Doç.Dr.Aviral Tiwari Montpellier Business School

Doç.Dr.Bahadır Yüzbaşı İnönü Üniversitesi

Doç.Dr.Burcu Kıran Baygın İstanbul Üniversitesi

Doç.Dr.Cavit Yeşilyurt Atatürk Üniversitesi

Doç.Dr.Ebru Özgür Güler Çukurova Üniversitesi

Doç.Dr.Emre İpekçi Çetin Akdeniz Üniversitesi

Doç.Dr.Erdal Dinçer Marmara Üniversitesi

Doç.Dr.Eylem Acar Dumlupınar Üniversitesi

Doç.Dr.Fatih Ecer Afyon Kocatepe Üniversitesi

Doç.Dr.Fatma Zeren İnönü Üniversitesi

Doç.Dr.Furkan Emirmahmutoğlu Gazi Üniversitesi

Doç.Dr.Gülsen Kıral Çukurova Üniversitesi

Doç.Dr.Habip Koçak Marmara Üniversitesi

Doç.Dr.Hakan Demirgil Süleyman Demirel Üniversitesi

Doç.Dr.Hakan Türkay Cumhuriyet Üniversitesi

Doç.Dr.Hamdi Emeç Dokuz Eylül Üniversitesi

Doç.Dr.Hüseyin Güler Çukurova Üniversitesi

Doç.Dr.Kadir Ertaş Dokuz Eylül Üniversitesi

Doç.Dr.Kadir Karagöz Celal Bayar Üniversitesi

Doç.Dr.Kenan Lopcu Çukurova Üniversitesi


7

Doç.Dr.Kenan Oğuzhan Oruç Süleyman Demirel Üniversitesi

Doç.Dr.Leyla Aylin Aktükün İstanbul Üniversitesi

Doç.Dr.Mahmut Kara Van Yüzüncü Yıl Üniversitesi

Doç.Dr.Mehmet Aksaraylı Dokuz Eylül Üniversitesi

Doç.Dr.Mehmet Çınar Uludağ Üniversitesi

Doç.Dr.Mehmet Hakan Satman İstanbul Üniversitesi

Doç.Dr.Mehmet Mert Akdeniz Üniversitesi

Doç.Dr.Mehmet Tektaş Bandırma On Yedi Eylül Üniversitesi

Doç.Dr.Metehan Yılgör Bandırma On Yedi Eylül Üniversitesi

Doç.Dr.Necati Alp Erilli Cumhuriyet Üniversitesi

Doç.Dr.Ömer Alkan Atatürk Üniversitesi

Doç.Dr.Özer Arabacı Uludağ Üniversitesi

Doç.Dr.Özlem Deniz Başar İstanbul Ticaret Üniversitesi

Doç.Dr.Özlem Yorulmaz İstanbul Üniversitesi

Doç.Dr.Phouphet Kyophilavong National University of Laos

Doç.Dr.Seher Nur Sülkü Gazi Üniversitesi

Doç.Dr.Selay Giray Yakut Marmara Üniversitesi

Doç.Dr.Selin Özdemir Yazgan Marmara Üniversitesi

Doç.Dr.Sema Ulutürk Akman İstanbul Üniversitesi

Doç.Dr.Serdar Kurt Çanakkale On Sekiz Mart Üniversitesi

Doç.Dr.Sevda Gürsakal Uludağ Üniversitesi

Doç.Dr.Sibel Atan Gazi Üniversitesi

Doç.Dr.Şakir Görmüş Sakarya Üniversitesi

Doç.Dr.Şenay Açıkgöz Gazi Üniversitesi

Doç.Dr.Tuba Yakıcı Ayan Karadeniz Teknik Üniversitesi

Doç.Dr.Veli Yılancı Sakarya Üniversitesi

Doç.Dr.Yeliz Yalçın Hacı Bayram Veli Üniversitesi

Doç.Dr.Yunus Bulut İnönü Üniversitesi

Doç.Dr.Zehra Abdioğlu Karadeniz Teknik Üniversitesi

Dr.Öğr.Üy.Abdulkerim Karaaslan Atatürk Üniversitesi

Dr.Öğr.Üy.Adem Babacan Cumhuriyet Üniversitesi

Dr.Öğr.Üy.Ali Sattary Nabi Akram Üniversitesi

Dr.Öğr.Üy.Aliye Atay Kayış Süleyman Demirel Üniversitesi

Dr.Öğr.Üy.Atalay Çağlar Pamukkale Üniversitesi

Dr.Öğr.Üy.Avni Önder Hanedar Sakarya Üniversitesi

Dr.Öğr.Üy.Aycan Hepsağ İstanbul Üniversitesi

Dr.Öğr.Üy.Ayça Aysun Özekin Bandırma On Yedi Eylül Üniversitesi

Dr.Öğr.Üy.Ayça Büyükyılmaz Akdeniz Üniversitesi

Dr.Öğr.Üy.Aynur İncekırık Celal Bayar Üniversitesi

Dr.Öğr.Üy.Ayşe Ediz Gazi Üniversitesi

Dr.Öğr.Üy.Ayşegül İşcanoğlu Çekiç Trakya Üniversitesi

Dr.Öğr.Üy.Barış Kaki Uşak Üniversitesi

Dr.Öğr.Üy.Burak Uyar Van Yüzüncü Yıl Üniversitesi

Dr.Öğr.Üy.Cevat Bilgin Çukurova Üniversitesi

Dr.Öğr.Üy.Cüneyt Toyganözü Süleyman Demirel Üniversitesi

Dr.Öğr.Üy.Çiğdem Demir Akdeniz Üniversitesi

Dr.Öğr.Üy.Çisem Bektur Sakarya Üniversitesi

Dr.Öğr.Üy.Dilek Murat Uludağ Üniversitesi

Dr.Öğr.Üy.Efe Can Kılınç Kırıkkale Üniversitesi

Dr.Öğr.Üy.Elvan Aktürk Hayat Adnan Menderes Üniversitesi

Dr.Öğr.Üy.Emrah Gülay Dokuz Eylül Üniversitesi

Dr.Öğr.Üy.Engin Karakış Cumhuriyet Üniversitesi

Dr.Öğr.Üy.Erkan Arı Dumlupınar Üniversitesi

Dr.Öğr.Üy.Ersin Kıral Çukurova Üniversitesi


8

Dr.Öğr.Üy.Esin Cumhur Yalçın Kırklareli Üniversitesi

Dr.Öğr.Üy.Fatma İdil Baktemur Osmaniye Korkut Ata Üniversitesi

Dr.Öğr.Üy.Fatma Urfalıoğlu Marmara Üniversitesi

Dr.Öğr.Üy.Fela Özbey Çukurova Üniversitesi

Dr.Öğr.Üy.Ferda Esin Gülel Pamukkale Üniversitesi

Dr.Öğr.Üy.Gökçe Baysal Türkölmez Dokuz Eylül Üniversitesi

Dr.Öğr.Üy.Gökçe Candan Sakarya Üniversitesi

Dr.Öğr.Üy.Gökhan Erkal Atatürk Üniversitesi

Dr.Öğr.Üy.Hakan Bektaş İstanbul Üniversitesi

Dr.Öğr.Üy.Hakan Eygü Atatürk Üniversitesi

Dr.Öğr.Üy.Hale Kırer Silva Lecuna Bandırma On Yedi Eylül Üniversitesi

Dr.Öğr.Üy.Hamza Erdoğdu Harran Üniversitesi

Dr.Öğr.Üy.Harun Sulak Süleyman Demirel Üniversitesi

Dr.Öğr.Üy.Hasan Söyler İnönü Üniversitesi

Dr.Öğr.Üy.Havvanur Feyza Erdem Karadeniz Teknik Üniversitesi

Dr.Öğr.Üy.Hayri Abar Atatürk Üniversitesi

Dr.Öğr.Üy.Hilal Güney Çanakkale On Sekiz Mart Üniversitesi

Dr.Öğr.Üy.Hüseyin Örs Karadeniz Teknik Üniversitesi

Dr.Öğr.Üy.İlkay Noyan Yalman Cumhuriyet Üniversitesi

Dr.Öğr.Üy.İsmail Koçak Kırıkkale Üniversitesi

Dr.Öğr.Üy.İstem Köymen Keser Dokuz Eylül Üniversitesi

Dr.Öğr.Üy.Kamil Durdu İnönü Üniversitesi

Dr.Öğr.Üy.Levent Kaya Harran Üniversitesi

Dr.Öğr.Üy.Leyla İşbilen Yücel İstanbul Üniversitesi

Dr.Öğr.Üy.M.Hanifi Van Van Yüzüncü Yıl Üniversitesi

Dr.Öğr.Üy.Mehmet Kenan Terzioğlu Trakya Üniversitesi

Dr.Öğr.Üy.Merve Ertok Onurlu Çanakkale On Sekiz Mart Üniversitesi

Dr.Öğr.Üy.Mesut Savrul Çanakkale On Sekiz Mart Üniversitesi

Dr.Öğr.Üy.Metin Baş Dumlupınar Üniversitesi

Dr.Öğr.Üy.Muhammed Tıraşoğlu Kırklareli Üniversitesi

Dr.Öğr.Üy.Murat Gündüz Uşak Üniversitesi

Dr.Öğr.Üy.Murat Tanık Dokuz Eylül Üniversitesi

Dr.Öğr.Üy.N.Tuba Yılmaz Soydan Marmara Üniversitesi

Dr.Öğr.Üy.Nazan Şak Osmaniye Korkut Ata Üniversitesi

Dr.Öğr.Üy.Nazmi Yükselen Yağanoğlu Çanakkale On Sekiz Mart Üniversitesi

Dr.Öğr.Üy.Necla Tektaş Bandırma On Yedi Eylül Üniversitesi

Dr.Öğr.Üy.Nihat Tak Kırklareli Üniversitesi

Dr.Öğr.Üy.Noyan Aydın Dumlupınar Üniversitesi

Dr.Öğr.Üy.Özge Gündoğdu Süleyman Demirel Üniversitesi

Dr.Öğr.Üy.Özlem Ergüt Marmara Üniversitesi

Dr.Öğr.Üy.Özlem Göktaş İstanbul Üniversitesi

Dr.Öğr.Üy.Özlem Kızılgöl Bandırma On Yedi Eylül Üniversitesi

Dr.Öğr.Üy.Özlem Kiren Gürler Dokuz Eylül Üniversitesi

Dr.Öğr.Üy.Öznur Özdamar Adnan Menderes Üniversitesi

Dr.Öğr.Üy.Rana Şen Doğan Celal Bayar Üniversitesi

Dr.Öğr.Üy.Rıdvan Keskin Celal Bayar Üniversitesi

Dr.Öğr.Üy.Sayın San Sakarya Üniversitesi

Dr.Öğr.Üy.Seda Bağdatlı Kalkan İstanbul Ticaret Üniversitesi

Dr.Öğr.Üy.Selim Tüzüntürk Uludağ Üniversitesi

Dr.Öğr.Üy.Semin Paksoy Çukurova Üniversitesi

Dr.Öğr.Üy.Serkan Aras Dokuz Eylül Üniversitesi

Dr.Öğr.Üy.Seyedhadi Eslamian Shiraz Nabi Akram Üniversitesi

Dr.Öğr.Üy.Sezgin Aksoy Gazi Üniversitesi

Dr.Öğr.Üy.Sinem Güler Kangallı Uyar Pamukkale Üniversitesi


9

Dr.Öğr.Üy.Şakir İşleyen Van Yüzüncü Yıl Üniversitesi

Dr.Öğr.Üy.Şebnem Zorlutuna Cumhuriyet Üniversitesi

Dr.Öğr.Üy.Şenol Emir İstanbul Üniversitesi

Dr.Öğr.Üy.Taylan Doğan Kırıkkale Üniversitesi

Dr.Öğr.Üy.Turgut Ün Marmara Üniversitesi

Dr.Öğr.Üy.Vesile Sinem Arıkan Kargı Uludağ Üniversitesi

Dr.Öğr.Üy.Yasemin Koldere Akın Trakya Üniversitesi

Dr.Öğr.Üy.Yavuz Yıldırım Çanakkale On Sekiz Mart Üniversitesi

Dr.Öğr.Üy.Yıldırım Demir Van Yüzüncü Yıl Üniversitesi

Dr.Öğr.Üy.Yusuf Gürefe Uşak Üniversitesi

Dr.Öğr.Üy.Zerife Yıldırım Harran Üniversitesi


Sempozyumu Tam Metin Kitabı Derleyenler

Compliers of 19th International Symposium on Econometrics, Operations Research and Statistics (ISEOS 2018) Full Text Book

Dr.Öğr.Üy.N.Tuba Yılmaz Soydan Marmara Üniversitesi Ekonometri Bölümü

Arş.Gör.Gülen Arıkan Marmara Üniversitesi Ekonometri Bölümü

Arş.Gör.Ceren Camkıran Marmara Üniversitesi Ekonometri Bölümü

Arş.Gör.Şaban Kızılarslan Marmara Üniversitesi Ekonometri Bölümü

Arş.Gör.Duygu Usta Marmara Üniversitesi Ekonometri Bölümü

Arş.Gör.Hoşeng Bülbül Marmara Üniversitesi Ekonometri Bölümü

Arş.Gör.Vildan Kistik Marmara Üniversitesi Ekonometri Bölümü


10

EKONOMETRİ

ECONOMETRICS


11

İÇİNDEKİLER

A Model For Predicting The Bank Lending Demand Using System Dynamics Methodology (Evidences

From Iran) ................................................................................................................................................... 13

A Panel Discrete Model for Credit Ratings in the Selected Countries ........................................................ 24

Bilgi ve İletişim Teknolojilerinin Büyümeye Etkisi: Panel Veri Uygulaması ............................................ 31

Birincil Enerji Kaynaklarının İkincil Enerji Kaynakları Fiyat Oynaklıkları Üzerindeki Etkisi: Yunanistan

Çalışması ..................................................................................................................................................... 54

BIST Teknoloji Endeksi İle Dolar Kuru Arasındaki İlişkinin Granger Nedensellik Analizi ile İncelenmesi

..................................................................................................................................................................... 79

Bitcoin’de Fiyat-Hacim İlişkisi: Rolling Window Nedensellik Testi ......................................................... 90

CO2 Emisyonu ve Ekonomik Büyüme Arasındaki İlişki: Türkiye için Doğrusal Olmayan Nedensellik

Analizi ....................................................................................................................................................... 100

Derin Öğrenme Teknikleriyle ile Online Satış Tahminleri Yapılması: Fast Food Sektörü Uygulaması .. 109

Doğurganlık ve Dini İnanç Arasındaki İlişki: Bir Sayma Veri Modeli ..................................................... 118

Döviz Kuru Getirilerinin ARIMA-GARCH Yaklaşımı ile Modellenmesi ............................................... 131

Eğitim, Sağlık ve Göçün Ekonomik Büyüme Üzerindeki Etkisi: Panel Veri Analizi ............................... 137

Ekonomik Şokların Teknoloji Transfer Göstergeleri Üzerine Etkileri: Kompleksite İktisat Teorisi

Yaklaşımı İle Panel Veri Analizi ............................................................................................................... 146

Emek Piyasası Ile Gayri Safi Milli Hasıla Arasında Bağımlılıkların Ekonometrik Modelleştirilmesi ..... 164

Factors Affecting Public Health Expenditures: A Bayesian Approach ..................................................... 173

Firma Karakteristiklerinin Sermaye Yapısı Üzerindeki Etkilerinin Üç Boyutlu Panel Veri Modelleri İle

İncelenmesi ................................................................................................................................................ 183

Genç İşsizlik, Eğitim ve Büyüme İlişkisi: Seçilmiş OECD Ülkeleri İçin Ampirik Bir Analiz ................. 194

Hisse Senedi Getiri Oynaklığı ve İşlem Hacmi Arasındaki İlişki: Borsa İstanbul Uygulaması ............... 202

Kapula Yaklaşımı İle Portföy Risk Değerlendirilmesi .............................................................................. 211

Kripto Para Piyasalarında Algoritmik Ticaretin Python Yazılım Dili Kullanılarak Zaman Serileri Analizi

ile Modellenmesi ....................................................................................................................................... 217

Küreselleşmenin Analizi: Panel Kantil Yaklaşımı .................................................................................... 226

MIDAS Granger Nedensellik Testi (MF-VAR): Ekonomik Büyüme ve Dış Ticaret ............................... 249

On The Predictability of Stock Returns Based on Financial Ratios: Evidence From Panel Quantile

Regression Forests ..................................................................................................................................... 255

Ortadoğu ve Kuzey Afrika’da Finansal Erişim: Ekonometrik Bir Analiz ................................................ 263

Özel Tüketim Harcamaları Tesadüfi Yürüyüş İzler mi? ........................................................................... 275

Rekabetin Türk Mevduat Bankalarının Performansına Etkisi ................................................................... 284

Satın Alma Gücü Paritesinin Geçerliliğinin Sınanması: Panel Fourier Durağanlık Yaklaşımı ................ 294

Seasonal Stability of Interest Rates for G7 Countries ............................................................................... 301

The Determinants of High Technology Export: An Empirical Analysis for Selected Asian Countries ... 313

Türk Katılım Bankacılığı Sektörü Kârlılığının Sürekliliği ........................................................................ 322

Türkiye Ekonomisinde İç ve Dış Fiyat Açıklarının Enflasyon Oranı Üzerindeki Etkileri ........................ 331

Türkiye’de Bölgesel Elektrik Kayıp ve Kaçağının Ekonometrik Analizi ................................................. 342

Türkiye’de Tasarruf ve Yatırım İlişkisi: Ekonometrik Bir Analiz ............................................................ 352


12

Türkiye’de Yatırım Teşviklerinin Bölgesel Ekonomik Büyüme Üzerindeki Etkisi: Mekansal Panel Veri

Analizi ....................................................................................................................................................... 364

Türkiye’nin Enerji Tüketiminde Doğrusal Olmayan Birim Kök Analizi .................................................. 373

Türkiye’de Banka Grupları Kârlarının Yakınsaması ................................................................................ 381

Türkiye’de Borsa-Döviz Kuru İlişkisi ....................................................................................................... 391

Türkiye’de Doğurganlık Davranışının Yeniden İncelenmesi .................................................................... 399

Türkiye’de İllerin Gelişmişlik Düzeylerini Etkileyen Faktörlerin Mekânsal Ekonometrik Analizi ......... 406

Türkiye için GSYİH ve GSYİH Büyümesinin Doğrusal Modeller ve Yapay Sinir Ağları ile Öngörüsü . 421

Türkiye’de Politika Faiz Oranlarının Belirlenmesinde Enflasyon, Hasıla ve Döviz Kuru Açığı’nın Etkisi

................................................................................................................................................................... 436

Zaman Serisi Tahmininde Tek Çarpımsal Sinir Hücresi Yapay Sinir Ağının Eğitimi için Bazı Dayanıklı

Yaklaşımlar ............................................................................................................................................... 448


13

A Model For Predicting The Bank Lending Demand Using System Dynamics Methodology

(Evidences From Iran)

Alireza BAFANDEH ZENDEH1

Elnaz SHAKOURZADEH2

Abstract

In this paper, we tried to provide a model for predicting the bank lending by system

dynamics methodology. The Sterman’s methodology was used for them. According to this

methodology, First of all, the reference modes (historical behavior of bank lending) were

evaluated. Then dynamic hypotheses were developed based on review of literature and

interviewing with experts using sub system diagram, causal-loop diagrams and stock-flow

maps. In the third step, the model was simulated by Vensim software. To do so, the initial

conditions of variables, parameters, and mathematical functions were estimated based on

literature and experts’ viewpoints. The model was tested in fourth step and finally, the

scenarios were evaluated in fifth step.

Keywords: Predicting, Bank lending, System Dynamics, Iran

JEL Classification: G17, G21

Sistem Dinamiği Metodolojisini Kullanarak Banka Kredilendirme Talebini Önceden

Tahmin Etmek İçin Bir Model (İran'dan Kanıtlar)

Özet

Bu yazıda, banka kredilerini sistem dinamiği metodolojisi ile tahmin etmek için bir model

oluşturmaya çalıştık. Sterman’ın metodolojisi onlar için kullanıldı. Bu yönteme göre, her

şeyden önce referans modları (banka kredilerinin tarihsel davranışı) değerlendirildi.

Ardından, literatürün gözden geçirilmesi ve Alt sistem diyagramı, Neden - Sonuç

diyagramları ve Stok - Akış diyagramları kullanılarak uzmanlarla görüşme temelinde

dinamik hipotezler geliştirilmiştir. Üçüncü adımda, model Vensim yazılımı ile simüle

edildi. Bunu yapmak için, değişkenlerin, parametrelerin ve matematiksel fonksiyonların

başlangıç koşulları, literatür ve uzmanların bakış açılarına dayanılarak tahmin edilmiştir.

Model dördüncü aşamada test edilmiş ve son olarak senaryolar beşinci adımda

değerlendirilmiştir.

Anahtar Kelimeler: Önceden Tahmin, Banka kredisi, Sistem Dinamiği, İran

JEL Sınıflaması: G17, G21

1. Introduction

Banks sit at the core of the basic credit cycle, which turns the economic wheel of the country.

Understanding the business operations of banks and their involvement in this cycle is critical for

policy makers. The credit cycle is simple: customer deposits provide the funding to make loans.

The loans allow customers of all kinds—businesses, individuals, governments, nonprofits and

more—to grow and invest, creating more jobs, which leads to economic growth and prosperity.

1 [email protected] of Management, Tabriz Branch, Islamic Azad University, Tabriz, Iran

Corresponding auteur. 2 [email protected]. Department of Management, Tabriz Branch, Islamic Azad University, Tabriz, Iran

mailto:[email protected]


14

The wealth that is built through prosperity comes back into banks as deposits and the cycle

continues so we can classify the main activities in the field of economy into major groups “deposits

collected by the owners of surplus funds” and “ to give loans and credits to clients” ; on the one

hand the banks absorb funds surplus of people, institutions, companies and the government in the

form of deposit, and on the other hand, to the applicants such as consumers, entrepreneurs, charities

and government are granted short term, medium term, long term loans and they have attracted

stagnant and unproductive capital from across the country and give into the hands of powerful and

productive economic sectors(Black, Hancock and Passmore, 2010). Whereas in the present

society, banks have an important role in national economies flourish because they provide services,

facilitate domestic and foreign trade and collect small investment and wander as mobilization of

resources and turn to capital macro in the form of resources allocation in terms of bank lending

put at the disposal of economic sectors (Lamsiraroj, 2013, Abdul Karim, Hassan, Hassan, &

Mohamad, 2013, Kim, D., Sohn,2013)

Banks must spend a large part of deposits as lending otherwise the cost of deposits will be

increased. Thus they should make the balance between inputs and outputs. To do so bankers have

to analyze the environments forces because banks does not work out in a vacuum. There are many

variables like regulation, economic growth and many agents like nonbank competitors and shadow

banking sectors that can help or hinder the smooth function of the credit cycle.

Not only banks but also governments interested in to know the trend of some economic variables

such as deposits and lending demand in the future. To face the future we have to predict or build

it. Here predicting the bank lending demand as a subject was selected and deposit in other paper

will be investigated. Bank lending demand is as a behavior that comes from interactions between

large numbers of variables over the time. Thus it seems that econometrics and statistics techniques

are not suitable for modeling complex problems like bank lending demand because these

techniques can be used just for explanation of simple problems. System dynamics is one of

methodologies can be useful for modeling the complex problems. So in this paper this

methodology is used for predicting the bank lending demand.

2. Review of Literature

The large number of variables determines the bank lending. For example Calza, Gartner and Sousa

(2001) provided the empirical model based on the following long-run relationship specified in

semi log-linear form: LOANS =α +β ⋅ GDP+β ⋅ ST +β ⋅ LT +ε Where LOANS and GDP stand

for logarithms of loans to the private sector and GDP both in real terms; while ST and LT denote

the real short-term and long-term interest rates respectively. Joao (2001) in a study has used linear

programming model to attempt "provide the optimal model for allocating funds and loan banks in


15

Hong Kong. In this study, the objective function, is achieving to the highest invest return rate for

banks in Hong Kong due to the constraints and restrictions, including credit restrictions, legal

restrictions (Jao, 2001). Gambacorta findings (2005) show that “banks have more liquidity when

contractionary monetary policy that could use existing cash and securities to prevent the reduction

of payment loans”. Table 1 illustrates Summary of literature review based on Mutluer (2013) work.

Table 1: Summary of Literature Review

Study Country Period Method Purpose Results

Lown, Morgan

and Rohtagi

(2000)

US (aggregate data) 1967 Q2 – 1990

Q4 (over various

subperiods)

Regression

estimation

Investigate the usefulness of

survey data in forecasting

lending and output

1/ Survey data help to predict both

commercial bank lending and GDP. 2/

Survey is also informative for narrower

measure of business activity, like

inventories or industrial

Lown and

Morgan (2006)

US (aggregate data) 1967 Q1 - 2000

Q2 (over

subperiods)

VAR analysis Examine the relationship of

loan standards with

commercial bank loans, real

GDP, an

1/ Shocks to standards affect lending

and output. 2/ Providence evidence for

the relationship of standards and

inventory investment

Cunningham

(2006)

US (aggregate data) 1966 Q3 - 2005

Q3 (over

subperiods)

Examine the predictive

power of survey data for

gross domestic product

Survey results are useful in predicting

changes in bank lending to consumers

Cappiello,Kadarej

a,

Sørensen and

Protopapa (2010)

Euro area (Austria, Belgium,

Finland,France, Germany,

Greece, Ireland, Italy, the

Netherlands, Portugal and ..

1999 Q1 -

2008 Q1

Panel econometric

methodology

Examine the relationship of

loan supply and real activity

1/ Provide empirical evidence for the

existence of a bank lending channel.

2/ Credit supply has an impact on real

economic activity

de Bondt,

Maddaloni,

Peydró and

Scopel (2010)

Euro area (Belgium, Germany,

Ireland, Greece, Spain,

France, Italy,Luxembourg,,

Netherlands, Austria,

Portugal and Finland)

2002 Q4 -

2009 Q2

Correlation

analysis,

cross-country

panel

Examine the relationship of

survey data with aggregate

credit an output growth.

1/ Survey data is a leading indicator of

euro area bank lending growth.

2/ It has a predictive power for euro area

GDP growth

Ciccarelli,

Maddaloni&

Peydro (2010)

US and Euro area Austria,

Belgium, France, Finland,

Germany, Greece, Ireland,

Italy,Luxembourg,

Netherlands, Portugal, and

Spain)

2002 Q4

2009 Q4

VAR model Examine the impact of

credit channels on GDP

growth and inflation

1/ Provide empirical evidence for the

existence of a credit channel.

2/ The credit channel significantly

amplifies the impact of a monetary

policy shock on GDP and inflation

3/ During the period of the financial

crisis a reduction of credit supply to

firms significantly contributed to the

decline in GDP growth.

Maddaloni and

Peydro (2010)

Euro area (Austria, Belgium,

France, Finland, Germany,

Greece, Ireland,

Italy, Luxembourg,

Netherlands,

Portugal, and Spain) and US

2002 Q4 -

2008 Q3

Panel econometric

methodology

Investigate the relationship

of short and long-term

interest rates with bank

lending standards.

Low short-term interest rates soften

standards, for household and corporate

loans.But low long-term interest rates

do not soften lending standards.

Hempell and

Sørensen (2010)

Euro area (panel data 2002 Q4 -

2009 Q4

Panel econometric

methodology

Examine the impact of

supply constraints on bank

lending with a focus on the

financial turmoil.

1/ Provide evidence that factors related

to banks’ balance sheet positions have a

significant influence on the growth of

loans to firms and households.

2/ For the crisis period, strains on banks’

liquidity positions and theiraccess to

market financing contributed

significantly to the slowdown in

corporate lending.

Del Giovane,

Eramo and Nobili

(2011)

Italy (micro data) 2002 Q4 -

2009 Q4

Panel econometric

methodology

Examine the role of

supply and demand

factors in shaping bank

Survey indicators have a statistically

significant role in explaining changes in

lending to enterprises

Driscoll,

Zakrajsek,

Chosak and

Bassett

(2012) used

US (micro data) 1992 Q1 -

2011 Q3

VAR analysis Examine the relationship

of lending standards

with macroeconomic

factors.

1/ Loan supply has a significant effect

on output and lending capacity.

2/ Shocks to supply are associated with

a sharp widening of credit spreads and

a significant easing of monetary policy

Source: Mutluer Kurul, Defne (2013)

As the review of literature shows econometrics methods are used for studying the bank issues like

lending. It seems that these methods are reliable where there are fewer variables and there is no

interaction between dependent and independent variables. In the real word we cannot divide

variables in tow category: dependent and independent. There are causal loops relationships

between variables while econometrics methods are based on causal chain thinking. Also

econometrics methods are static but variables are time variant in real word. In other speaking

economic issues are messes so to face them we need a method that is able to model these

complexities. System dynamics methodology provides a suitable method to deal with these


16

problems. Thus in this paper we try to provide a system dynamics model to predict the bank

lending.

3. Methodology

In the 1960s, Jay Forrester developed a branch of system science which focused on social systems

issues. He identified that all complex systems contained feedback loops. This was the start of a

completely new discipline: systems dynamics. Hence, the fields of system dynamics emerge

(Senge, Kleiner, Roberts, Ross and Smith,1994). The starting of system dynamics could be traced

to Forrester's (1961) book titled Industrial Dynamics. He blended the traditional management and

feedback control of electrical engineering with the modern technique of computer simulation.

Forrester came out with more publications on systems approach. Forrester (1968,1969, and 1971)

also wrote Principles of Systems, Urban Dynamics and World Dynamics. Soon, system dynamics

became a popular term for systems approach and modeling of a complex world. System dynamics

developed into a full fledged discipline all over the world, through the 1980s and 1990s. System

dynamics is a discipline for seeing wholes, recognizing patterns and interrelationships, and

learning how to format those interrelationships in more effective and efficient ways(Senge and

Lannon,1991). System dynamics introduces a set of tools that facilitate a more realistic

understanding of social phenomena. In general, the core concept of this method is to consider the

internal dynamism of the problem. In this method, the basic hypothesis is: “the behavior of a

system arises from its structure”( Sterman,2013). So to justify, predict, or to control the

problematic behavior, we should identify the structure from which that behavior arises. The

structure of any problem is formed by indigenous variables and the relationship between them.

The structure can be found according to the review of literature, interviews with experts, etc.

In this paper the Sterman’s modeling process (Sterman, 2013) was used to model the banking

lending. Fig.1 illustrates steps of the modeling process. This methodology has five stages: Problem

articulation, Dynamic hypothesis, Formulation, Testing

Fig.1: Steps of Modeling Process

Source: Sterman, 2013.


17

Problem articulation was done through identification of key variables and concepts, investigation

of historical behavior of the key concepts and variables by documentary method. Iran Central Bank

data base was used to get data needed. Then dynamic hypothesis as a theory of bank lending was

developed using model boundary chart, causal loop diagrams and stock-flow maps based on

review of literature and interviewing with 124 experts. They were academic members, managers,

deputies and heads of banks with education and experience in banking. A simulation model was

conducted in third step by VENSIM software. To do so, the initial conditions, parameters,

mathematical relationships between variables were estimated by review of literature. Simulation

model was tested by comparison to reference mode (historical behavior of key variables) and

Robustness under extreme conditions. Finally the effects of the policies on bank lending evaluated.

4. Modeling Process

According to Central Bank of Iran’s website, growth rate of bank lending was 37.1% in 2016-

2017(from March 2016 to March 2017). That was 16.7 for 2015-2016 and 35.2 for 2014-2015.

(http://www.cbi.ir/showitem/16021.aspx). Based on central bank of Iran web site, lending has

upward trend in Iran. Why is the upward trend? And will it continue in the future? Which key

variables determine the lending trend? Bank lending is a behavior that emerges based on specific

structure. So to answer these questions we have to identify that. To do so, key variables were

identified based on review of literature and interviewing with experts. It’s obvious we cannot

consider all of variables. Model boundary diagram illustrates these variables including endogenous

and exogenous and some of excluded variables.

Table 2: Model Boundary Diagram

Endogenous variables Exogenous variables Some of excluded variables

Debt repayment

Bank lending

Bank resources

Loan repayment

Loan Interest rates

Banking deferred

Numbers of households

Household expenses

Real per capita income

Foreign investment

Required reserve rate

Excess reserve rate

Customer satisfaction

Liquidity

The percentage of deposits

Economic growth

Investment

The value of the national currency in

world markets

Social and cultural variables

Gross domestic product(GDP)

The government budget

Changes in tax laws

Government policies

Interaction between variables was mapped by causal loop diagram as dynamic hypothesis based

on review of literature and interviewing with experts. Also the study of lending history was useful

to extract some variables concern lending demand. Fig.2 illustrates the causal loop diagram.

http://www.cbi.ir/showitem/16021.aspx


18

Fig.2: Causal-loop Diagram

Table 3: Reinforcing and Balance Loops

Reinforcing loop Balance loop

Causal-loop diagram emphasize on the structure of system feedback, stock-flow maps emphasize

the fundamental physical structure. The stock specifies the level of system and provides

information on the underlying decision. Stock indicates the system status, and contains information

upon which decisions are made and actions. Stock, causing lasting information in systems storage,

provides memory for them. Stock creates accumulate as a result of the difference between the input

and the output rate of a process is, creating delays. Accordingly, the primitive stock-flow map with

a mutual relationship bank lending and bank resources to be created. Fig.3 illustrates the stock-

flow map for lending demand.

Excess reserve

rate

Investment

Economic Growth

Real per capita

income

Differences between

income & household costs

Bank lending

Foreign investment

household costs

Numbers of

households

Required reserve

rate

Liquidity

Bank resources

Customer

satisfaction

Bank deferred rate

Loan repayment

rate

Absorption

deposits rate

Loan interest rate

Repayment of debts

to banks

-

+

+

+

-

+

++

Bank lending

Bank resources

Loan repayment

rate

+

+

+

R1

Bank lending

Required reserve

rate

Bank resources

-

+

Loan repayment

rate

+

B1

Bank lending Investment

Bank resources

+Economic growth

Liquidity+

income

Differences between

income & household costs+

+

+

R2

+

Bank lending

Required reserve

rate

Investment

Bank resources

-

+Economic growth

+

Liquidity+

income

Differences between

income & household costs+

+

+

B2


19

Fig.3: Stock-flow Map

To simulate the model, initial values, parameters and functions were estimated based on literature

and experts’ viewpoints.

Tables 4: Formulation

Formulation of level (stock) variables:

Bank lending rate - loan repayment rate = Bank lending

Absorption resources rate - Resources depletion rate = Bank resources

Liquidity growth rate = Liquidity

Formulation of rate variables:

Bank lending + Bank lending * (- Bank deferred rate) =Loan repayment rate

Bank resources * (1- excess reserve ratio)-required reserve rate +0.2*foreign investment =Bank lending rate

(Loan Interest rate * loan repayment rates)+Loan repayment rate +debts repayment + Absorption deposits rate

=Absorption resources rate

(1- Customer satisfaction) * (Bank lending) = Resources depletion rate

Resources depletion rate + Differences between real per capita income & household costs*0.01= Liquidity growth

rate

Differences between real per capita income & household costs= (real per capita income - household costs)*

numbers of households

Formulation of Auxiliary variables:

Bank resources * 0.25 = Absorption deposits rate

Constant variables

Lo

an

In

teres

t

rate

Inco

me

Ho

use

ho

ld

Co

st

Req

uir

ed

rese

rv

e ra

te

Ex

cess

rese

rv

e

rate

Cu

sto

mer

sati

sfa

ctio

n

Fo

reig

n

inv

estm

ent

Ba

nk

def

erre

d

rate

deb

ts

rep

ay

men

t to

ba

nk

s

Liq

uid

ity

0.2

8

73

020

2 e

+00

7

2.1

765

e+0

07

7.9

227

5e+

00

7

0.0

9

0.1

5

0.7

7.3

138

6e+

01

8

0.1

3.9

348

e+0

09

5.8

366

3e+

01

8

The simulation model was tested under extreme conditions. For example when excess reserve rate

is a big number, we expect that the simulation model produce little value for lending.

Bank lending

Bank

resources

Bank lendin rate

Foreign Investment

excess reserve rate

required reserve

rate

Loan interest rate

repayment of

debts

Absorbtion

deposits rate

Absorbtion

resources rate

++

+

Bank deferred rate

-

Loan repayment

rate

-

+

+-

Resources

depletion rate

Liquidity growth

rate

Household costs

Real per capita

income

Nombers of

housholds Differences between

income & houshold costs

++

+

-

Liquidity+

-

Customer

satisfaction

-

+

+

+


20

The growth rate of lending was increasing increasingly from 2009 to 2014. Simulated model

adequately reproduced this behavior.

Fig4. Problem behavior (simulated) Fig5. Refrence mode(real data)

The scenarios that were evaluated included bank sources (deposits), customer satisfaction and

required reserve rate for 6 years from 2015 to 2020. As Fig.6, Fig.7 and Fig.8 illustrate increasing

the customer satisfaction, bank source and decreasing the required reserve rate result in increasing

the bank lending.

Fig. 6: Bank Source Scenario

Fig.7: Customer Satisfaction Scenario


21

Fig.8: Required Reserve Rate Scenario

Fig.9: Comparison Scenarios

According the results of simulation, it seems that required reserve rate and bank source are

important determinants of bank lending. Fig.6, Fig.7, Fig.8 and Fig.9 illustrate not only lending

demand for future but also simulate the lending behavior under three scenarios.

5. Conclusion

Cartesian – Newtonian methodology created a paradigm that scientific studies in general, and

econometrics studies specifically have grown in that space. The characteristics of this

methodology are reductionism and linear thinking. In this methodology, all of variables are divided

in two groups: dependent and independent variable. In other word interaction between variables is

not considered whereas social and economic system’s problems are complex. Not only there are

more variables in complex systems but also there are more causal relations between them. Because


22

the econometrics cannot consider these interactions we try to provide a model for prediction the

lending demand based on system dynamics. Not only the system dynamics consider interactions

between variables but also it try to simulate the problems over the time. Although system dynamics

is useful tool for modeling the complex problems, we cannot consider all of variables and their

interaction in the model so we have to determine the boundary of model. To do so, we identify the

excluded variables. In this study some of them are social and cultural variables. The future

researches can concentrate on excluded variables.

References

Abdul Karim, M., K Hassan, M., Hassan, T & Mohamad, Sh. (2013). Capital adequacy and lending and deposit

behaviors of conventional and Islamic banks. Pacific-Basin Financial Journal, vol.28, 58-75.

Black, L., Hancock, D. & Passmore, W. (2010). The bank lending channel of monetary policy and its effect on

mortgage lending. Finance and Economics dissscussion series division of research & statistics and monetary

affairs Federal Reserve Board, Washington, D.C.

Calza. A., Gartner C., Sousa J. ( April 2001), Modeling the Demand for Loans to the Private Sector in the Euro Area.

European Central Bank, Working Paper No. 55

Cappiello L., Kadareja A., Sorensen C.K and Protopapa M. (2010). Do bank loans and credit standards have an effect

on output? A panel approach for the euro area, Working Paper Series 1150, European Central Bank.

Ciccarelli M., Maddaloni A. and Peydro J.L., (2010). Trusting the Bankers: A New Look at the Credit Channel of

Monetary Policy, Working Paper Series 1228, European Central Bank.

Cunningham T.J., (2006). The Predictive Power of the Senior Loan Officer Survey: Do Lending Officers Know

Anything Special? FRB of Atlanta Working Paper No. 2006-24, Federal Reserve Bank of Atlanta.

De Bondt G., Maddaloni A., Peydro J.L. and Scopel S. (2010). The euro area Bank Lending Survey matters - empirical

evidence for credit and output growth. Working Paper Series 1160, European Central Bank.

Del Giovane P., Eramo G., and Nobili A., (2011). Disentangling demand and supply in credit developments: A survey-

based analysis for Italy. Journal of Banking & Finance, Volume 35, Issue 10, October 2011, 2719-2732.

Driscoll J.C., Zakrajsek E., Chosak M.B. and Bassett W.F. (2012). Changes in Bank Lending Standards and the

Macroeconomy (April 26, 2012). FED Working Paper No. 2012-24.

Forrester, J.W. (1961). Industrial Dynamics. MIT Press, Cambridge

Forrester, J.W. (1968). Principles of Systems. Pegasus Communications, Waltham, MA,

Forrester, J.W. (1969). Urban Dynamics. Pegasus Communications, Waltham, MA,.

Forrester, J.W. (1971). World Dynamics. Pegasus Communications, Waltham, MA,

Gambacorta, L. (2005). The bank lending channel. European Economic Review, vol. 49, 1737-1759.

Hempell H.S. and Sorensen C.K. (2010). The impact of supply constraints on bank lendingin the euro area - crisis

crunching? Working Paper Series 1262, European Central Bank.

Jao,Y. C. (2001). Linear programming and Banking in Hong Kong. Journal of Business Finance and Accounting 7(3),

489-500.

Kim, D., Sohn, W.(2013). The effect of bank capital on lending: Does liquidity matter? Journal of banking & finance,

vol.77, 95-107.

Lamsiraroj, S.(2013). The foreign direct investment-economic growth nexus. International Review of Economic &

Finance, vol.42, 116-133.

Lown C. and Morgan D.P., (2006). The Credit Cycle and the Business Cycle: New Findings Using the Loan Officer

Opinion Survey. Journal of Money, Credit and Banking, Blackwell Publishing, vol. 38(6), 1575-1597,

September.


23

Lown C. and Morgan D.P. and Rohatgi S., (2000). Listening to loan officers: the impact of commercial credit

standards on lending and output. Economic Policy Review, Federal Reserve Bank of New York, issue Jul, 1-

16.

Mutluer Kurul, Defne (November2013), Analyzing Banks' Opinions on the Loan Supply and Loan Demand Using

MultiCountry Bank Lending Survey Data, Working Paper NO: 13/44, Central Bank of the Republic of

Turkey 2013

Maddaloni A. and Peydro J.L., (2010). Bank risk-taking, securitization, supervision and low interest rates: Evidence

from the euro area and the U.S. lending standards. Working Paper Series 1248, European Central Bank.

Senge, P., Kleiner, A., Roberts, C., Ross, R., Smith, B. (1994). The Fifth Discipline Field book. Doubleday, New

York, NY.

Senge, P., Lannon -Kim, C. (1991), The System Thinker Newsletter,,Vol. 12 No.5

Sterman, John. (2013). Business Dynamics: Systems Thinking and Modeling for a Complex World. Irwin / McGraw-

Hill, Homewood, IL. 1,008.


24

A Panel Discrete Model for Credit Ratings in the Selected Countries

Zamira OSKONBAEVA1

Abstract

Credit ratings assigned by credit rating agencies are important in today’s financial system.

Credit rating agencies provide information to investors by measuring the degree of country

risk. So investors have better knowledge about their investment choices. The credit scores

taken by companies and countries significantly affect international borrowing costs. In

other words, country credit ratings can complicate or ease countries' external financing

opportunities. There are three leading credit rating agencies, Fitch, Standards and Poor’s

(S&P) and Moody’s. These credit rating agencies are controlling around 95% of the

market. This study aims to explore how changes in explanatory variables may affect the

probability of sovereign credit ratings assigned by Fitch, which is assumed to be a binary

choice variable.

An empirical literature has emerged with the seminal work of Cantor and Packer (1996).

Authors using a cross-section of 49 countries by applying OLS methodology, report that

their model with eight macroeconomic variables could explain more than 90% of the

variability of the sovereign credit ratings for 1995. There is a plethora of literature that

investigates the determinants of credit ratings. It can be observed that in early studies a

linear regression model was used in which the dependent variable credit rating was

transformed to a linear scale (Afonso, 2003; Alexe et al. 2003; and Butler and Fauver,

2006). Recent studies began to employ probit models (Afonso et al., 2007; Afonso et al.,

2009; Afonso et al., 2011; Gültekin-Karakaş et al., 2011; Bruha et al., 2017). Based on the

above literature this study aims to fill the gap by examining credit ratings with panel

discrete model. Because credit ratings are discrete-valued indicators and have an ordinal

ranking.

For this purpose annual data of selected developed and developing countries for the period

2000-2016 have been used. All the data have been collected from World Bank database

and Fitch website. In the empirical analysis the binary logit model has been applied. When

studies in the literature are examined, it is seen that the factors affecting the credit rating

are generally GDP per capita, GDP growth rate, foreign trade indicators, crisis and

development level of the country (Canuto et al., 2004; Cantor and Packer, 1996). Based on

the evidence in existing literature the following variables were used: per capita gross

domestic product, inflation, export, default history and the level of economic development.

The results indicate that per capita gross domestic product, inflation, export, default history

and the level of economic development significantly affect ratings. In other words the

coefficients have the correct signs as expected. Consistent with prior research, credit ratings

are positively related to per capita gross domestic product, the level of economic

development and export. In addition, credit ratings are negatively related to inflation and

default history. According to the results obtained it can be concluded that the determinants

of sovereign credit ratings can help sovereigns to better understand the drivers of their

credit rating. The results can be useful for researches, financial investors and governments

which are interested in credit ratings.

Keywords: Sovereign Credit Ratings, Binary Logit Model, Credit Rating Agency, Developed and

Developing Countries

JEL Classification: G24, C23, G15.

1 [email protected], Kyrgyz-Turkish Manas University, Department of Economics, Bishkek

/Kyrgyzstan.


25

1. Introduction

Sovereign credit ratings play a considerable role in today’s financial system. Sovereign credit

ratings significantly impact the ability of public and private borrowers to access international

capital markets (Melios and Paget-Blanc, 2006). Sovereign ratings are crucial for developing

economies, which have a greater susceptibility to rating announcements (Larrain et al. 2003).

Moreover credit ratings play a crucial role in attracting foreign direct investment. When making

investment decisions, credit ratings assigned by credit rating agencies can be beneficial tools for

potential investors.

There are three major rating agencies, Fitch, Moody’s and S&P. They control more than 90 % of

the market. In order to assign a credit rating these agencies employ lots of quantitative and

qualitative variables (Chee, Fah and Nassir, 2015). So it is important to identify key determinants

of ratings. This study aims to investigate how changes in key macroeconomic variables may

influence the probability of sovereign credit ratings assigned by Fitch, which is assumed to be a

binary choice variable. For this purpose annual data of selected developed and developing

countries for the period 2000-2016 have been used. In the empirical analysis the binary logit model

has been applied. The rest of the paper is organized as follows. In Section 2 the previous literature

dealing with this topic is briefly summarized. In Section 3 variables and data set are described.

Empirical results are given in Section 4. Section 5 concludes the paper.

2. Literature Review

Numerous empirical studies have examined the determinants of sovereign credit ratings. An

empirical literature has emerged with the seminal work of Cantor and Packer (1996). Authors

examined the determinants of ratings and concluded that six variables (per capita income, GDP

growth, inflation, external debt, level of economic development and default history), are likely to

explain the ratings. Similar to Cantor and Packer (1996), Eliasson (2002) in the case of 38 countries

found that the same macroeconomic variables explain a significant part of the model. Bozic and

Magazzino (2013) based on a sample of 139 countries provided evidence that per capita gross

national income, inflation, unemployment, fiscal balance, government debt and default history

significantly affect ratings. Mulder and Perrelli (2001) focused on a set of emerging market

economies and found that the ratio of investment to GDP has the most significant impact on rating

changes across countries. Bissoondoyal-Bheenick (2005) found that GNP per capita and inflation

are the most significant determinants of ratings. Haque, Mark and Mathieson (1998) concluded

that economic variables play a key role in determining a country’s ratings and political variables

have no explanatory power. Unlike Haque, Mark and Mathieson (1998), Bautler and Fauver (2006)

focused on a set of 86 countries and concluded that legal environment’s marginal effect in


26

sovereign credit ratings is much stronger than macroeconomic variables. In their study Archer,

Biglaiser and Derouen (2007) using a sample of 50 countries provided evidence that all political

variables except from executive political tenure are insignificant. It can be observed that in early

studies a linear regression model was used in which the dependent variable credit rating was

transformed to a linear scale (Afonso, 2003; Alexe et al. 2003; and Butler and Fauver, 2006).

Recent studies began to employ probit models (Afonso et al., 2007; Afonso et al., 2009; Afonso

et al., 2011; Gültekin-Karakaş et al., 2011; Bruha et al., 2017). Based on the above literature this

study aims to fill the gap by examining credit ratings with panel discrete model. Because credit

ratings are discrete-valued indicators and have an ordinal ranking.

3. Data Set and Variables

In this study annual data of selected 40 developed and developing countries for the period 2000-

2016 have been used. Building on the evidence provided by the existing literature the following

macroeconomic variables incorporated in the model: per capita GDP, inflation, export/GDP,

default history and level of economic development. All the data have been collected from World

Bank database and Fitch website. The description of the variables used in the study are given in

Table 1.

Table 1. Variables

Varibles Abbreviation Description

Per capita gross domestic

product

GDP Per capita gross domestic product (2010=100)

Inflation Inflation The GDP price deflator

Export/GDP EXPORT Export as a % of GDP

Default history Crisis Dummy variable that takes value 1 for the

country i in the period of default and all

successive periods, and zero otherwise

Level of economic

development

DEV Dummy variable that takes value 1 for the

developed country and zero otherwise.

The model used can be written as:

𝑅𝑎𝑡𝑖𝑛𝑔𝑠𝑖𝑡 = 𝛼1 + 𝛼2𝐺𝐷𝑃𝑖𝑡 + 𝛼3𝐸𝑥𝑝𝑜𝑟𝑡𝑖𝑡 + 𝛼4𝐶𝑟𝑖𝑠𝑖𝑠𝑖𝑡 + 𝛼5𝐷𝐸𝑉𝑖𝑡 + 𝛼6𝐼𝑛𝑓𝑙𝑎𝑡𝑖𝑜𝑛𝑖𝑡 + 휀𝑖𝑡

where Ratings is dependent variable and GDP, Export, Crisis, level of Development, Inflation are

explanatory variables. Rating is the binary variable equal to 1 for countries with investment grade


27

status and as 0 otherwise. The selection of the explanatory variables, which are included in logit

model is based on the previous literature and the data attainability of the countries.

4. Methodology

4.1. Panel Logit Model

The panel logit models are one of the binary choice models which are used to solve the problems

encountered in the linear probability model. With these models, estimates are made when it is

desired to examine nonlinear relationship between probability and explanatory variables. Panel

logit models have a logistic cumulative distribution function as below (Güriş, 2015):

𝐹(��𝑥𝑖𝑡) =𝑒��𝑥𝑖𝑡

(1 + 𝑒��𝑥𝑖𝑡 )

According to the relationship existing between the unobserved, individual specific hetereogeneity

and the vector of regressors it can be employed either random or fixed effects models. One

undesirable feature of the fixed effect model is that the maximum likelihood estimator becomes

inconsistent, while in the random effects model powerful assumptions regarding heterogeneity

should be made (Green, 2011).

In the random effect logit model conditional probability of the event is calculated as following:

𝑃(𝑦𝑖𝑡 = 1|𝜇𝑖) = 𝐹(𝜇𝑖 + 𝛽 𝑥𝑖𝑡 )

𝑃(𝑦𝑖𝑡 = 1|𝜇𝑖) =1

(1 + 𝑒−(𝜇𝑖+𝛽 𝑥𝑖𝑡 )

The probability of an occurrence of analyzed event is calculated as follows:

𝑃(𝑦𝑖|𝑥𝑖) = ∫ 𝑃(𝑦𝑖|𝑥𝑖, 𝜇𝑖) 𝑓 (𝜇𝑖) 𝑑𝜇𝑖

𝑃(𝑦𝑖|𝑥𝑖, 𝜇𝑖) = ∏ 𝑃(𝑦𝑖|𝑥𝑖, 𝜇𝑖)

𝑡

where 𝜇𝑖 refers to an individual effect.

5. Empirical Results

The results of binary logit model are reported in Table 2.

Table 2. Panel Logit Model Estimation

Variables Coefficient Standard Error

Constant -125.3828 *** 20.9303

GDP 16.4483 *** 2.6954


28

Export 3.6937** 1.9176

Crisis -12.6279 *** 3.3952

Inflation -3.1371*** 1.1091

Development 8.5842** 4.3344

Log likelihood -162.1126

Number of obs 656

Note: ***, ** and * indicates statistical significance at the 1%, 5% and 10% level.

According to the results obtained it can be concluded that all the coefficients are consistent in

accordance with theoretical expectations and all variables are significant in explaining the

dependent variable. The coefficients of inflation and dummy variable default history are negative,

whereas, the coefficient of per capita gross domestic product, export and dummy variable level of

development are positive. The marginal effects for the logit model are given in Table 3.

Table 3. The Marginal Effects for the Logit Model

Variables Coefficient Standard Error

GDP 16.4483 *** 2.6954

Export 3.6937** 1.9176

Crisis -12.6279 *** 3.3952

Inflation -3.1371*** 1.1091

Development 8.5842** 4.3344

Note: ***, ** and * indicates statistical significance at the 1%, 5% and 10% level.

Results summarized in Table 3 indicate that a 1 percent increase in per capita GDP will increase

the probability of being investment grade country by 16 per cent. It should be noted that per capita

gross domestic product has a greater marginal impact on sovereign credit ratings compared with

other variables. Similarly a 1 percent increase in export will increase the probability of being in

investment grade country by 3 percent. It can be said that if the country has a default history the

countries have less chance of being in the investment grade country. The results also indicate that

development dummies have an important influence on credit ratings. If the country is developed

the countries have more chance of being in the investment grade country. A 1 percent increase in

inflation will decrease the probability of being in investment grade country by 3 percent.

6. Conclusion

This study aims to investigate how changes in explanatory variables may influence the probability

of sovereign credit ratings assigned by Fitch. Binary logit model has been employed to the

balanced panel data of 40 selected countries from 2000 to 2016.


29

The results indicate that per capita gross domestic product, default history, the level of economic

development, export and inflation significantly affect ratings. In other words the coefficients have

the correct signs as expected. Consistent with prior research, credit ratings are positively related

to per capita gross domestic product, the level of economic development and export. In addition,

credit ratings are negatively related to inflation and default history.

According to the results obtained it can be concluded that the determinants of sovereign credit

ratings can help sovereigns to better understand the drivers of their credit rating. The results can

be useful for researchers, financial investors and governments which are interested in credit

ratings. As a suggestion for future studies, different variables may be included and a wider time

span can also be studied to explore credit ratings.

References

Alexe, S. Hammer, P. L., Kogan, A., and Lejeune, M.A. (2003). A Non-Recursive Regression Model For Country

Risk Rating. Rutcor Research Report 9, Rutgers Center for Operational Research, March.

Archer, Candace C., Glen Biglaise, and Karl DeRouen Jr. (2007). Sovereign Bonds and the Democratic Advantage:

Does Regime Type Affect Credit Rating Agency Ratings in the Developing World? International

Organization: 61, Spring, 341–365.

Afonso, A. (2003). Understanding the determinants of sovereign debt ratings: evidence for the two leading agencies.

Journal of Economics and Finance, 27 (1), 56-74.

Afonso, A., Gomes, P. and Rother, P. (2007). What ‘hides’ behind sovereign debt ratings? European Central Bank

Working Paper 711.

Afonso, A., Gomes, P., and Rother, P. (2009). Ordered response models for sovereign debt ratings. Applied

Economics Letters, 16 (8), 769-773.

Afonso, A., Gomes, P., and Rother, P. (2011). Short and Long-run Determinants of Sovereign Debt Credit Ratings,

International Journal of Finance and Economics, 16(1), 1-15.

Bissoondoyal-Bheenick, E. (2005). An analysis of the determinants of sovereign ratings. Global Finance Journal,

15 (3) 251-280.

Butler, A. W., and Fauver, L. (2006). Institutional Environment and Sovereign Credit Rating. Financial Management,

35 (3), 53-79.

Bozic, V., and Magazzino, C. (2013). Credit Rating Agencies: The Importance of Fundamentals in the Assessment of

Sovereign Ratings. Economic Analysis and Policy, 43 (2), 157–176.

Brůha, J., Karber, M., Pierluigi, B., Setzer, R. (2017). Understanding sovereign rating movements in euro area

countries. European Central Bank Working Paper Series, No 2011.

Cantor, R. and F. Packer (1996). Determinants and impact of sovereign credit ratings. Economic Policy Review. 2, 37-

53.

Chee, S.W., Fah, C.F., and Nassir, A. M., (2015). Macroeconomics Macroeconomics Determinants of Sovereign

Credit Ratings, International Business Research, Vol. 8, No. 2, 2-50.

Eliasson, A. C. (2002). Sovereign credit ratings, Working Paper No. 02-1. Deutsche Bank Research.1-23.

Fitch, (2017). https://www.fitchratings.com/site/home erişim tarihi 01.06.2017.

Greene, W.H. (2011). Econometric Analysis – 7th Edition, Prentice Hall.

Güriş S. (2015). Stata ile Panel veri Modelleri, Der Kitabevi Yayınevi, İstanbul.

Gültekin Karakaş, D., Hisarciklilar, M., and Öztürk, H. (2011). Sovereign Risk Ratings: Biased Toward Developed

Countries? Emerging Markets Finance & Trade , (47), 69–87.

Haque, U. N., Mark, N. C. and Mathieson, D. J. (1998). The Relative Importance of Political and Economic Variables

in Creditworthiness Ratings (April 1998). IMF Working Paper, pp. 1-13, 1998. Available at SSRN:

https://ssrn.com/abstract=882300

https://www.fitchratings.com/site/home

https://ssrn.com/abstract=882300


30

Larrain G., Reisen H. and von Maltzan J. (1997). Emerging Market Risk and Sovereign Credit Ratings. OECD

Development Center, 1-30.

Mellios, C., and Paget-Blanc, E. (2006). Which Factors Determine Sovereign Credit Ratings? The European Journal

of Finance, 12(4), 361–377.

Mulder, C., and Perrelli R. (2001). Foreign Currency Credit Ratings for Emerging Market Economies. IMF Working

Paper 01/191, November 2001 (Washington: International Monetary Fund).

World Bank, (2017) http://data.worldbank.org/country/ (25.05.2018).

Appendix

List of countries used:

Australia, Azerbaijan, Bulgaria, Chile, China, Colombia, Costa Rica, Czech Republic, Egypt, El

Salvador, Estonia, France, Greece, Hong Kong, Hungary, Iceland, India, Indonesia, Ireland, Italy,

Japan, Kazakhstan, Latvia, Lebanon, Lithuania, Peru, Philippines, Portugal, Romania, Russia,

Slovenia, South Africa, Spain, Thailand, Tunisia, Turkey, Ukraine, United Kingdom, United

States, Uruguay.

http://data.worldbank.org/country/


31

Bilgi ve İletişim Teknolojilerinin Büyümeye Etkisi: Panel Veri Uygulaması

Selahattin GÜRİŞ1

Süreyya İMRE2

Özet

Bu çalışmada 2000-2015 yılları arasında gelişmiş ve gelişmekte olan ülkeler için ekonomik

büyüme ile bilgi ve iletişim teknolojileri arasındaki ilişki panel veri modelleri ile analiz

edilmiştir. Gelişmiş ülkeler için G-8 ülkeleri, gelişmekte olan ülkeler için MİNT ülkeleri

ele alınmıştır. Bilgi iletişim teknolojileri ile ekonomik büyüme arasındaki ilişki literatürde

çoğunlukla genelleştirilmiş momentler metodu ve panel eş bütünleşme yöntemiyle

incelenmiştir. Burada bilgi iletişim teknolojileri ihracatı ile ekonomik büyüme arasındaki

ilişki panel veri analizleriyle ele alınarak çalışmada kullanılan ekonomik ve teknolojik

göstergelerin panel veri modellerindeki davranışını modellemek temel amaç olacaktır. İlk

olarak bilgi ve iletişim teknolojileri ile ekonomik büyüme arasındaki ilişkinin teorik

yapısından söz ederek konu ile ilgili yapılmış çalışmalara yer verilmiştir. Daha sonra

çalışmada kullanılan testler hakkında bilgi verilmiş ve son olarak yapılan ekonometrik

analizler ve değişkenler arasındaki istatistiksel analizlerin sonuçları tablo halinde verilerek

yorumlanmıştır. Ülkeler için ulaşılan sonuçların yorumu yapılarak çalışma

sonlandırılmıştır.

Anahtar Kelimeler: Panel Veri Analizi, Bilgi İletişim Teknolojileri, Ekonomik Büyüme, Panel Veri Analizi

Modelleri, Panel Birim Kök

JEL Sınıflaması: O30, B52, C15

Influence of Information and Communication Technologies on Growth: Panel Data

Application

Abstract

In this study, between 2000 and 2015, the relationship between economic growth and

information and communication technologies for developed and developing countries was

analyzed with the aid of panel data models. Panel data models were estimated by taking G-

8 countries for developed countries and MİNT countries for developing countries.

Information communication technologies and economic growth have often been examined

in the literature by using the Generalized Moments Method and panel cointegration

method. Here, the relationship between the export of information communication

technologies and economic growth will be dealt with by panel data analysis and the main

aim will be to model the behavior of economic and technological indicators used in the

study in panel data models. In the first part, the theoretical structure of the relationship

between information and communication technologies and economic growth will be

discussed and a study on the subject will be given.In the second part, information about the

econometric concept of the methods used in working will be given.In the third part, the

results of the statistical analyzes between the econometric analyzes and the variables will

be given in a table. The study was terminated by interpreting the results reached for the

countries.

Keywords: Panel Data Analysis, Information Communication Technologies, Economic Growth, Panel Unit

Root

JEL Classification: O30, B52, C15

1 Prof.Dr., [email protected] , Marmara Üniversitesi, İktisat Fakültesi Ekonometri Bölümü, İstanbul/Türkiye. 2 Yüksek Lisans Öğrencisi, [email protected], Marmara Üniversitesi İktisat Fakültesi Ekonometri Bölümü,

İstanbul/Türkiye


32

1. Giriş

Teknoloji her ne kadar çağımızın en önemli olgusu olarak görünse de insanlık tarihinin ilk

dönemlerinden bu yana gelişerek bugün ki konumuna gelmiştir. İnsanlar doğayı anlamaya ve

doğayı ihtiyaçları doğrultusunda kullanmaya başlayarak yenilik yapma ihtiyacını keşfetmiştir.

Öğrenmek, teknolojiye yön veren bir kavramdır. Bu doğrultuda bilgiye ulaşma geçmişte olduğu

gibi şimdi de son derece önemlidir ayrıca yeni bilgiye olan ihtiyaç bilgi ve iletişim sektöründe ki

hızlı gelişmeler sayesinde her geçen gün artmaktadır. Bilgi ve iletişim teknolojileri bünyesinde

bulunan birçok dijital yenilik insanların sosyal ve ekonomik hayatını değiştirmiştir. Teknolojinin

ekonomik alanda kullanılmasıyla ürün geliştirme, üretimi planlama, alım, satım ve dağıtım da

dahil olmak üzere ekonomiye ait bütün işlemlerin teknoloji tabanlı yapılması ekonomik yapıda

temel değişikliğe neden olmuştur. Yeni elektronik dağıtım kanallarının oluşması bilgi ağlarının

dijitalleşmesine ve bilginin ticarete konu olma sürecini hızlandırmıştır.

Bilgi ve iletişim teknolojilerinin ekonomik büyümeye katkısı, sermaye birikimi ile yatırıma ve

toplam faktör verimliliğine olan katkısı ile ölçülmektedir. Teknolojik gelişmelerin arttığı bilgi ve

iletişim sektörlerinde toplam faktör verimliliği diğer sektörlere göre daha yüksektir. Teknolojik

gelişmeler teknolojiyi üreten sektörlerde yatırımı arttırmış, bu artış beraberinde sermaye birikimini

ve büyümeyi tetiklemiştir. Bilgi ve iletişim teknolojilerinde meydana gelen verimlilik artışı sadece

bu sektörü değil teknolojinin egemen olduğu tüm sektörleri etkilemiş ve firmaların daha etkin

çalışmasına katkı sağlamıştır.

Bilgi tabanlı ekonomileri göz önüne alan ülkelerin gelişmişlik düzeylerinin belirlenmesinde

gayrisafi yurtiçi hasıla miktarının yanı sıra teknolojik göstergeler de dikkate alınmaktadır. Bu

çalışmada gelişmiş ve gelişmekte olan ülkeler için teknolojik ve ekonomik göstergeler ele alınarak

modelde kullanılan değişkenlerin panel veri modelleri ile büyümeyi ne yönde etkiledikleri

araştırılacaktır.

2. Bilgi ve Bilginin Gelişimi

Bilginin sözcük anlamı insan aklının alabileceği sonsuz sayıda gerçek olaylar, olgular ve kurallar

bütünüdür. Bilginin tanım gereği gayri maddi ve dolayısıyla da gözlemlenemez olduğu

düşünüldüğünde değer yaratmak için en önemli basamak olarak kullanılan bilginin yüz yüze

etkileşim olmadan transfer edilmesi söz konusu değildir. İnsan hayatında bilginin önemli bir yeri

vardır. Kullanıldıkça artan tek kaynak niteliğinde ki bilginin Ekonomi Bilimi için ne denli önemli

olduğu antik dönemlerden bu yana bilinen bir gerçektir.

Ekonomi bilimi başta olmak üzere tüm bilimlerde ana unsur insandır. İnsanın düşünceleri,

ihtiyaçları, değerleri yeniden keşfetmeyi ve keşfedilmeyi gerekli kılmaktadır. İnsanlar arasında


33

bilgi birikimi ve iletişimin artmasıyla insanlık tarihine katkıda bulunan araç gereçlerin -saban

,buhar makinası ve ilk modern bilgisayarlar- icadıyla üç farklı toplum yapısı oluşmuştur.

İlk aşama sabanın icadıyla başlayan, yerleşik hayatı benimseyen tarım toplumudur. Burada pazar

kavramı sadece üretim yeri ya da birbirine yakın yerleşim yerleriyle sınırlıdır. Buhar makinasının

icadıyla başlayan uzmanlaşma ve iş bölümü anlayışının yerleşmesiyle üretim bilgisi ve üretilen

mal ve hizmetlerin kalitesinin arttığı toplum yapısı sanayi toplumu olarak bilinir. Üretim, dağıtım

ve pazarlama alanında modernleşmenin artmasıyla pazar yeri sınırlı bir alan olmaktan çıkmıştır.

Son aşama ise ilk modern bilgisayarların gelişmesiyle başlayan pazar kavramının bilgi ve iletişim

ağları sayesinde tüm dünyada erişilebilir olduğu toplum yapısı olan bilgi toplumudur.

3. Bilgi Ekonomisi

Bilgi ekonomisi demek, bilgi ve iletişim teknolojilerinde yeniliğe, yaratıcılığa, araştırma ve

geliştirmeye yapılan yatırımların toplamı demektir.

Avrupalı iktisatçı Fritz Machlup 1962 yılında bilgi üretimini ölçen bir çalışmayla Bilgi Ekonomisi

kavramını literatüre kazandırmıştır (Nihat IŞIK, 2013). Bilgi ekonomisi aynı zamanda

enformasyon ekonomisi, ağ ekonomisi, dijital ekonomi olarak da adlandırılmaktadır. Bilgi

ekonomisini anlamak için bilginin ekonomi için taşıdığı değeri anlamak gerekir.

Bilgi ekonomisinin bulunduğumuz çağda sunduğu fırsatlar kendiliğinden teknolojik kazanca

dönüşmeyecektir. Ülkeler ancak nitelikli insan kapasitesi oranında gelişmişlik sıralamasında yer

alacaktır. Nitelikli insan elde etmek bu yolda sunulan eğitim ile paraleldir. Yeni ekonominin amacı

bireyin düşünce gücünü oluşturan ve her bireyin kendi yetenekleri doğrultusunda belli alanlara

yönelip en yüksek verimi almasını sağlayacak bir eğitim sisteminin sürekliliğini sağlamaktır. Bilgi

temelli ekonomilerde en önemli unsur teknoloji okuryazarı olan nitelikli insan kaynağı ve teknoloji

okuryazarlığını geliştirme de etkili olan yenilikçi bir eğitim sistemidir. Teknolojinin hız kesmeden

gelişmesi sonucu bu gelişime ayak uydurmak zorunlu hale gelmiştir.

Bilgi birikiminin artması uzun dönemde ekonomik büyümenin en önemli belirleyicisi olmaktadır.

Ekonomik büyüme politikaları ülkeler arası gelişmişlik farkını azaltmanın haricinde kamu ve özel

sektör arasındaki işbirliğini ve dayanışmayı ön plana çıkaracak, sektörler arası bilgi erişimini ve

yayılımını kolay hale getirecek rekabet unsurlarının başında gelen araştırma ve geliştirme

çalışmalarının hızlanmasını sağlayacak programlar üzerine yoğunlaşmaktadır.

4. Bilgi ve İletişim Teknolojileri

Bilgi ve iletişim teknolojileri bünyesinde bulunan birçok dijital yenilik insanların sosyal ve

ekonomik hayatını değiştirmiştir. Ulaşım, iletişim maliyetlerinin azalması, sermayenin mal ve


34

hizmetin uluslararası dolaşımı bilgi ve teknoloji düzeyini hayal edilemeyecek seviyeye

ulaştırmıştır.

Bilgi ve iletişim teknolojilerine yapılan yatırımlar, teknolojik mal ve hizmet üretiminde kullanılan

işgücü verimliliğini artırmakta ve sürekli bir gelişim içinde olan teknolojinin üretim alanlarında

kullanılması yenilik odaklı kurumlarda performansı yükseltmektedir. Bilgi temelli ekonomilerde

verimlilik ve ekonomik büyümede doğal kaynaklara bağımlılık az olmasına rağmen üretim

faktörlerinin kalitesinin artması için yeni bir bilgi üreten kaynaklara bağımlılık fazladır. Belirli bir

işlemi destekleyen uygulamalarda işlevselliğin sürekli artmasını sağlamak için bilgi teknolojileri

altyapısı yeterince sağlam olmalıdır.

5. Teknolojinin Ekonomik Büyümeye Etkisi

Bilgi üretiminde artan getiri, azalan maliyet sistemiyle teknolojik gelişim süreci hızlanmakta bu

durum gelişmiş ülkelerde teknolojiye sinerjik bir özellik kazandırmaktadır. Bilgi birikimiyle mal

ve / veya hizmet üretiminin artması yeni meslek gruplarını meydana getirmektedir. Teknolojinin

geliştiği ülkelerde bilginin yaratılmasına ve kullanılmasına dayanan mesleklerin yükselişi ön

plandadır.

İstihdam alanlarındaki değişiklik işgücünde aranan nitelikleri değiştirmiştir. Bilgi işçileri analitik

düşünme yeteneği, ömür boyu öğrenme, başarıya eğilimli takım gücüne önem veren özgüven ve

sorumluluk bilinci yüksek bireylerden oluşmaktadır. Bu gelişmelere paralel teknolojik eğitimlerle

donatılmış personellere ihtiyaç günden güne artmaktadır.

Gelişmiş ülkeler ekonomik ve sosyal gelişmeleri yakından takip ederek toplumun refah seviyesini

artırmayı planlamaktadır. Mal ve hizmet üretiminin artması teknolojik gelişmelere bağlı olarak

değişmektedir bu yüzden mal ve hizmet üretiminde meydana gelen dalgalanmalar ekonomik

büyümeyi de etkilemektedir. Büyüme kavramı, ekonomik ve sosyal yapılardaki değişimlerden

ziyade siyasal değişimleri göz önüne alır. Toplumların refah düzeyi, sağlanan fayda ve maliyetler

ile ekonomik kanunların düzenlenmesi büyümede en önemli unsurlar arasında yer almaktadır.

6. Literatür Taraması

(Fooladi, 2012), farklı gelir düzeyine sahip 159 ülkenin 2000-2009 dönemine ait verilerinden

hareketle, büyüme ile bilgi ve iletişim teknolojileri kullanımı ilişkisini tahmin etmiştir. Dinamik

panel veri yaklaşımlarından GMM yönteminin uygulandığı analiz sonuçlarına göre; bilgi ve

iletişim teknolojileri kullanımının büyüme üzerindeki pozitif etkisi ülkelerin gelir düzeylerine

bağlı olarak değişmekte ve gelir düzeyi yükseldikçe bu pozitif etki de artmaktadır. Bu sonuçlardan

hareketle araştırmacılar, söz konusu teknolojilerin büyümede kritik role sahip olduğunu ve dolayısı

ile sürdürülebilir ve yüksek oranlı bir büyümeyi hedefleyen ülkelerin bu teknolojilerin yayılımını


35

artırıcı politikalar uygulamalarının gerekli olduğunu ifade etmişlerdir. (Erkan Erdil, 2009) ,

Türkiye’nin de içinde olduğu az gelişmiş ve gelişmekte olan 131 ülkede 1995-2006 dönemi

verilerini kullanarak panel veri seti ile bilgi ve iletişim teknolojilerinin büyümeye etkisini test

etmişlerdir. GMM(Genelleştirilmiş momentler metodu) metodunun kullanıldığı ekonometrik

analizden elde edilen sonuçlara göre, fiziki ve beşeri sermaye birikimi gibi bir üretim faktörü

olarak kabul edildiğinde ve bazı kontrol değişkenlerle birlikte kullanıldığında söz konusu

teknolojiler az gelişmiş ve gelişmekte olan ülkelerde ekonomik büyüme üzerinde pozitif bir etki

yaratmaktadır. (UYSAL, 2010) ,Türkiye’nin de içinde bulunduğu 146 ülkede bilgi ve iletişim

teknolojileri ile büyüme arasındaki ilişkiyi tahmin etmiştir. 100 kişi başına düşen internet

kullanıcıları ile cep telefonu ve sabit hat abone sayısının bilgi ve iletişim teknolojileri, kişi başı

GSYİH’nin büyümenin göstergesi olarak kabul edildiği çalışmada ülkeler yüksek, orta-üst, orta-

alt ve düşük gelire sahip ülkeler şeklinde üzere dört gruba ayrılmıştır. Panel eşbütünleşme ve

GMM dinamik panel veri analiz yöntemlerinden yararlanılarak yapılan uygulama sonuçları söz

konusu teknolojilerin büyüme üzerindeki etkisinin ülkelerin gelir düzeyi ile yakın ilişkili olduğunu

ortaya koymuştur. Buna göre, uzun dönemde bilgi ve iletişim teknolojileri ile büyüme arasında

yüksek ve orta-üstü gelirli ülkelerde ilişki varken, düşük ve orta-alt gelir grubundaki ülkelerde bir

ilişki yoktur. (Ülkü, 2004 ) , 1981-1999 dönemi için 20 OECD ülkesi 10 OECD olmayan ülkedeki

Ar-Ge harcamaları inovasyon, patent başvuruları ve ekonomik büyüme arasındaki ilişkiyi panel

veri yöntemi ile analiz ederek seçilmiş tüm ülkelerde inovasyon ile ekonomik büyüme arasında

pozitif yönlü ilişkinin var olduğu sonucuna ulaşılmıştır. Sonuçlar, hem OECD üyesi olan hem de

OECD üyesi olmayan ülkelerde kişi başına GSYİH ve yenilik arasında pozitif bir ilişki olduğunu

gösterirken, Ar-Ge stokunun inovasyon üzerindeki etkisi sadece büyük pazarlara sahip OECD

ülkelerinde önemlidir. (Ahmad Jafari Samimi, 2010), çalışmasında bilgi ve iletişim

teknolojilerinin yenilik ve verimlilik aracılığı ile büyümeyi olumlu yönde etkilediğini ifade

ermiştir. Buradan yola çıkarak gelişmekte olan 30 ülkede, 2001-2006 dönemi için bilgi ve iletişim

teknolojilerinin ekonomik büyümeye etkilerini analiz etmişlerdir. Büyüme göstergesi olarak

GDP’nin, teknolojinin göstergesi olarak ise Dijital Fırsat Endeksinin (DOI) alındığı ve tesadüfi

etkiler panel veri yaklaşımı kullanılarak yapılan analizden, bilgi ve iletişim teknolojilerinin

ekonomik büyüme üzerinde istatistiksel bakımdan anlamlı olan pozitif bir etkisinin olduğu

belirlenmiştir. Buna göre, söz konusu teknolojilerin kullanımındaki %1’lik bir artış, büyüme

üzerinde %0.000792’lik bir artışa neden olmaktadır.

7. Panel Veri Modelleri

Çalışmada ilk olarak panel veri modellerinin teorisi anlatılacaktır.


36

7.1. Panel Veri Analizi

Bireyler , ülkeler ,firmalar ve hane halkları gibi birimlere ait yatay kesit gözlemlerinin belirli bir

zaman aralığında bir araya getirilmesiyle Panel veri meydana gelmektedir (Güriş, 2018) . Genel

olarak panel veri modeli aşağıdaki şekilde gösterilmektedir;

Yit = 𝛽oit + 𝛽1it Xit + uit i= 1,2,…,N t=1,2,3,..,T

Burada Y bağımlı değişken, X bağımsız değişken , 𝛽oit sabit parametre, 𝛽1it ise eğim parametresi

ve uit hata terimidir.

Panel veri modelleri klasik doğrusal regresyon modeli, sabit etkili panel veri modeli ve rassal etkili

panel veri modeli olarak olarak üç ayrı grupta incelenmektedir.

Klasik modellerde sabit parametre ve eğim parametresi zaman ve birime göre sabittir. Bütün

gözlemlerin homojen olduğu kabul edilmektedir. En genel haliyle aşağıdaki şekilde ifade edilir;

Yit =𝛽o+ ∑ 𝛽𝑋𝑘𝑖𝑡 𝐾𝑘=1 + uit

Klasik modellerin tahmin edilmesinde kullanılan havuzlanmış en küçük kareler yönteminde panel

hata teriminin beklenen değeri sıfırdır. Hata terimi içinde birim ve zaman etkilerine izin

verilmemektedir.

Panel veri modelleri başlığı altında inceleyeceğimiz bir başka modelimiz sabit etkili panel veri

modelidir ve aşağıdaki şekilde gösterilmektedir;

Yit = 𝛽oi + ∑ 𝛽𝑘𝑋𝑘𝑖𝑡 𝐾𝑘=1 + uit i=1,2,3,..,N ; t=1,2,3…,T

Sabit etkiler modelinde eğim parametresi sabit, sabit parametre ise içerisinde birim etki

barındırdığından birimden birime değişmektedir. Sabit etkiler modeli birim etkilerin, birimler arası

farklılıkların sabit terimdeki farklılıklarla ifade edildiği durumlarda kullanılır. Bu birim etki

sonuçları tahmin edilen sabit parametre üzerinde tanımlanır.

Sabit etkiler modelinde 𝜇i sabit ve hata terimleri sıfır ortalamalı, sabit varyanslı ve bağımsız kabul

edilir. Sabit etkiler modelinde açıklayıcı değişkenler ve birim etkinin hata terimi ile korelasyonsuz

olduğu varsayımı geçerlidir.

Sabit etkili modellerin tahmininde kullanılan grup içi tahmin yönteminde birimler arası farklılıklar

birimlerin zaman içindeki değişimleri dikkate alınarak gerçekleştirilmektedir. Sabit terimli yatay

kesit modelinden elde edilen grup içi tahmincisi, sabit katsayılar ile açıklayıcı değişkenler ilişkili

ise sapmalı elde edilir.

Birim etkiler ile açıklayıcı değişkenin ilişkisiz olması durumunda kullanılabilecek bir tahmin

yöntemi rassal etkiler tahmincileriyle elde edilir. Rassal etkiler modelinde birim etkiler hata


37

teriminin bir bileşeni olarak ele alınır. Panel veri rassal bir süreçle elde edildiği için birimler

arasındaki farklar yani birim etkiler sabit değil rassal özelliktedir. Rassal etkili panel veri modeli

aşağıdaki şekilde gösterilmektedir;

Yit = 𝛽0 + 𝛽1 X1it + 𝛽2X2it + …+ 𝛽kXkit + vit

Rassal etkiler modelinde birim etki tesadüfi olduğundan hata terimi içinde yer alır. Bu sebepten

dolayı rassal etkiler modeli, Hata Bileşenleri Modeli olarak da bilinir.

Hata bileşenleri modellerinde gerekli dönüşümlerle genelleştirilmiş en küçük kareler tahmincileri

elde edilir. Katı dışsallık, otokorelasyonsuzluk ve çoklu doğrusal bağlılığın olmaması varsayımları

sağlandığında genelleştirilmiş en küçük kareler tahmincileri tutarlı fakat sapmalı olur.

7.2. Tahmin Yöntemleri Arasında Tercihler

Model seçiminde tesadüfi etkiler tahmin yönteminin mi, sabit etkiler tahmin yönteminin mi daha

uygun olduğuna çeşitli testler kullanılarak karar verilebilir.

7.2.1. Anova F testi

Anova F testi hem tüm parametrelerin birimlere göre değişip değişmediğini hem de eğim

parametresi sabit iken sabit parametrenin değişip değişmediğini test etmek için kullanılır. Testin

bu amacından yola çıkarak kısıtlı ve kısıtsız model olmak üzere iki farklı model ele alınır. Eğer

birimlere göre farklılık varsa sabit etkili model farklılık yoksa klasik model tercih edilir.

Kısıtsız model ; Yi=Xi𝛽i + ui

Kısıtlı model ; Y= X𝛽+ u

Anova F testinin temel ve alternatif hipotezleri şu şekildedir;

H0 : 𝛽i = 𝛽 Birim etki yoktur. Klasik Model geçerlidir (POLS)

H1: 𝛽i ≠ 𝛽 Birim etki vardır. Sabit Etkili Model geçerlidir (FE)

F testinin formülü,

F = 𝑆𝑆𝐸𝑅−𝑆𝑆𝐸𝑢

𝑆𝑆𝐸𝑢 -

𝑁𝑇−(𝐾−1)

𝑝

şeklindedir.

SSER: Sabit katsayılı modelden (kısıtlı modelden) elde edilen artıkların kareleri toplamını ifade

etmektedir.

SSEu: Sabit etkili modelden (kısıtsız modelden) elde edilen artıkların kareleri toplamını ifade

etmektedir.


38

F test istatistiği [(N-1(N(T-1)-K)] ve p serbestlik dereceli F dağılımıdır.

F tablo değeri 𝐹𝛼 ; [N-1,N(T-1)-K] şeklinde tespit edilir.

Fhesap Ftablo değeri ile karşılaştırılır. Fhesap < Ftablo ise H0 hipotezi reddedilemez sonucuna ulaşılır.

H0 reddedilirse sabit etkili model uygun model olarak kabul edilir. H0 kabul edilirse POLS yöntemi

ile çözüm yapılır.

7.2.2. Breusch Pagan Lagrange Çarpanı ve Düzeltilmiş Lagrange Çarpanı Testleri

Breusch-Pagan (1980) testi, havuzlanmış en küçük kareler modelini rassal etkiler modeline karşı

test etmek için diğer bir ifadeyle bireysel heterojenliğin varlığını sınamak için kullanılmaktadır.

Breusch Pagan testinde rassal birim etkilerin varyansının sıfır olduğunu test eden sıfır hipotezi,

birim ve zaman etkilerin olmadığı klasik modelin uygun model olduğunu savunmaktadır.

Hipotezler şu şekildedir;

H0 : 𝜎𝜇2 = 0 Birim etki yoktur. Havuzlanmış model geçerlidir.

Ha : 𝜎𝜇2 ≠ 0 Birim etki vardır. Rassal etkili model geçerlidir.

Sıfır hipotezi reddedilirse tesadüfi etkili panel veri modelinin geçerli olduğu sonucuna ulaşılır.

7.2.3. Hausman Testi

Birim etkiler ile açıklayıcı değişkenlerin korelasyonlu olup olmadığı söz konusu iki model

arasındaki en önemli farktır. Açıklayıcı değişkenler ile birim etki arasında korelasyon varsa sabit

etkiler modeli, korelasyon yoksa rassal etkiler modeli daha etkindir. Sabit etkili model ile rassal

etkili model arasında karar vermek için Hausman testi kullanılır.

Hausman testinde hipotezler şu şekilde kurulmaktadır;

H0 : E(𝑢it / Xit) = 0 veya E(𝜇i /Xit ) =0 , E(𝜆t/Xit )=0 Rassal etkiler modeli geçerlidir.

H1 : E(𝑢it / Xit) ≠0 veya E(𝜇i /Xit ) ≠0 , E(𝜆t/Xit )≠0 Sabit etkiler modeli geçerlidir.

H0 hipotezinin kabul edilmesinde hem sabit etkiler modeli hem rassal etkiler modeli tahmincileri

tutarlı olacaktır. İki tahminci arasındaki fark çok az olacaktır. Bu durumda tesadüfi etkiler

tahmincisini kullanmak daha doğru bir karar olacaktır.H1 hipotezi altında rassal etkiler

tahmincileri sapmalı elde edilecek ve fark fazla olacaktır. Sabit etkiler modeli tahmincileri daha

tutarlı olacaktır.

7.3. Panel Veri Modellerinde Temel Varsayım Testleri

Panel veri modelleri farklı birimlerden oluştuğu için birimler arası farklılıklar ortaya çıkmaktadır.

Birimlerdeki bu farklılık her bir birimde değişen varyansa ve birimler arası korelasyona neden

olmaktadır.


39

Klasik model, sabit etkili panel veri modeli ve rassal etkili panel veri modeller değişen varyans,

otokorelasyon ve yatay kesit bağımlılık olmaması varsayımları üzerine kurulmuştur. Bu

varsayımları göz ardı ederek model tahmini yapmak standart hatalarda sapmalara neden olduğu

için tahminciler etkinlik özelliğini kaybetmektedir. Güven aralıkları ve t istatistikleri gerçeği

yansıtmayacağı için sonuçlara güvenilmeyecektir. O yüzden otokorelasyon, değişen varyans ve

yatay kesit bağımlılık test edilmeli ve varlıkları durumunda uygun tahmin yöntemleri ile model

tahmin edilmelidir.

8. Uygulama

Bu çalışmada Gelişmiş ülkeler için G-8 Ülkeleri (Kanada, Fransa, Almanya, İtalya, Japonya

,Rusya, Bileşik Krallık, ABD) , gelişmekte olan ülkeler için MİNT Ülkeleri (Meksika , Endonezya

, Nijerya, Türkiye) analize dahil edilmiştir. 12 ülkenin 2000-2015 dönemine ait verilerinden

yararlanılarak bilgi ve iletişim teknolojileri ile ekonomik büyüme arasındaki ilişkiyi açıklayan

değişkenlerden oluşan panel veri seti kullanılarak iki ülke grubu için de en uygun panel veri modeli

tahmin edilmeye çalışılacaktır.

G-8 ve MİNT ülkelerinde bilgi ve iletişim teknoloji göstergeleri ile ekonomik göstergeler

arasındaki ilişkiyi incelemek için oluşturulan modeldeki değişkenler STATA 14.0 paket programı

kullanılarak test edilmiştir.

8.1. Panel Veri Modeli Uygulaması

Aşağıdaki tabloda G-8 ve MİNT ülkeleri için tahmin edilen panel veri modellerinde kullanılacak

değişkenlere ve değişkenlerin kısaltılmasına yer verilmiştir.

Tablo 1: Panel Veri Analizinde Ele Alınan Değişkenler ve Değişkenlerin Kısaltılması

G-8 Ülkeleri MİNT Ülkeleri

GSYİH GSYH

İleri Teknoloji İhracatı YTİ

BİT İhracatı BİTİHRCT

BİT İthalatı BİTİTHLT

Enflasyon ENF

ARGE Harcamaları ARGE

PatentBaşvuruları PATNTB

Dış Ticaret DTİCRT

İnsani Gelişmişlik Seviyesi İGS

GSYİH GSYİH

Eğitim Harcamaları EGTM

GSMH GSMH

MobilHücresel Abonelikler MOBL

İthalat İTHLT

İleri Eğitimli İşgücü İEİŞGC

İnsani Gelişmişlik Endeksi İGS

BİTihracat BİTİHRCT

HanehalkıTüketimHarcamaları HTÜKH

Panel birim kök analizine geçmeden önce birimler arasında bağlılık olup olmadığı incelenmelidir.

Tablo 2’de G-8 Ülkeleri için yatay kesit bağımlılık sonuçları yer almaktadır;


40

Tablo 2. G-8 Ülkeleri İçin Yatay Kesit Bağımlılık Sınaması

Değişkenler CD – test p – value corr abs(corr)

GSYİH 16.58 0.000 0.783 0.783

YTİ 4.99 0.000 0.236 0.372

BİTİHRCT 9.87 0.000 0.466 0.807

BİTİTHLT 12.99 0.000 0.614 0.755

ENF 1.97 0.042 0.093 0.485

ARGE 3.29 0.001 0.156 0.465

PATENTBŞVR 1.88 0.030 0.089 0.175

DTİCRT 4.52 0.000 0.214 0.743

İGS 20.85 0.000 0.985 0.985

Yatay birimler arasında bağlılık olup olmadığını incelemek amacıyla kurulan hipotezler aşağıdaki

şekildedir;

H0 : 𝜌𝑖𝑗 = cor(uit,ujt) = 0 i≠ j Birimler arası korelasyon yoktur.

H1 : 𝜌𝑖𝑗 = cor(uit,ujt) ≠ 0 i≠ j Birimler arası korelasyon vardır.

Yukarıdaki tabloda görüldüğü üzere modelde yer alan tüm değişkenlerin p – value değeri 0.05’den

küçüktür. H0 hipotezi reddedilebilir. Bu nedenle panel birim kök analizi yapılırken yatay kesit

bağımlılığı dikkate alan ikinci nesil birim kök testlerinden Pesaran testinin kullanılması daha

uygundur.

G-8 ülkeleri için oluşturulan panel veri modelinde kullanılan değişkenlere ait birim kök analiz

sonuçları aşağıdaki tabloda yer almaktadır.

Tablo 3: G-8 Ülkeleri için Pesaran Panel Birim Kök Test Sonuçları

Değişkenler t – bar cv10 cv5 cv1 Z[t– bar] P-value

GSYİH -3.670 -2.220 -2.370 -2.660 -4.450 0.000

YTİ -3.425 -2.220 -2.370 -2.660 -4.450 0.000

BİTİTHLT -3.623 -2.220 -2.370 -2.660 -4.965 0.000

BİTİHRCT -4.034 -2.220 -2.370 -2.660 -6.030 0.000

ENF -2.340 -2.220 -2.370 -2.660 -1.634 0.041

ARGE -3.300 -2.220 -2.370 -2.660 -4.125 0.000

PATENTBŞVR -2.664 -2.220 -2.370 -2.660 -2.476 0.007

DTİCRT -4.754 -2.220 -2.370 -2.660 -3.693 0.000

İGS -3.133 -2.220 -2.370 -2.660 -3.765 0.000

Not: Değişkenlerin birinci dereceden farkı alınarak Pesaran testi uygulanmıştır.

H0 : 𝛿𝑖 = 0 Birim kök vardır. Değişkenler durağan değildir.

H1 : 𝛿𝑖 = 0 , 𝛿𝑖 < 0 Birim kök yoktur. Değişkenler durağandır.


41

Birinci dereceden farkı alınmış değişkenlerin Pesaran CADF testine göre test istatistiği hem t-bar

test istatistiği sonucunun %99(cv1), %95(cv5), %90(cv10) güven düzeyinde verilen kritik değerler

ile karşılaştırıldığında küçük olması hem de z-bar testinin p-value değerine göre 0.05’den küçük

olması nedeniyle seri durağandır.

En uygun panel veri modeline karar vermek için literatürde çeşitli testler bulunmaktadır. İlk olarak

sabit etkili panel veri modeli ile klasik doğrusal regresyon modeli arasında karar vermek için

Anova F testini kullanacağız. F testinin sonuçları aşağıdaki tabloda gösterilmiştir;

Tablo 4: G-8 Ülkeleri için F Testi Sonuçları

Bağımlı Değişken : GSYH

Değişkenler Katsayılar P>|t|

YTİ .0422696 0.058

BİTİTHLT -.84781 0.000

BİTİHRCT 1.236572 0.000

ENF .1382848 0.044

ARGE -8.86892 0.002

PATENTBŞVR .0127437 0.064

DTİC .4802191 0.000

İGS 206.1841 0.070

F test that all u_i = 0 : F(7,88) = 0.08 Prob > F = 0.0092

GSYHit =0.42YTİit -0.84BİTİTHLTit + 1.23BİTİHRCTit - 0.13ENFit + 8.86ARGEit +

0.01PATENTBSVRit + 0.48DTİCRTit + 206.18İGSit + 휀it

Modelde yer alan açıklayıcı değişkenler istatistiksel olarak anlamlıdır.

Tablonun en altında “all u_i=0” hipotezi tüm birim etki hata ögelerinin sıfıra eşit olduğunu yani

birim etkinin olmadığı şeklindeki hipotez ve bu hipotezi test etmek için F test hipotezi ve olasılığı

yer almaktadır. F test istatistiği modelin Havuzlanmış EKK ile mi yoksa Sabit etkiler modeli ile

mi çözüleceğini gösterir. Modelde birim etki varsa sabit etkiler modeli ile birim etki yoksa

Havuzlanmış EKK ile çözülür.

Ho : 𝜇i=0 Birim etki yoktur. Klasik model uygundur. (POOLED)

H1 : 𝜇i ≠ 0 Birim etki vardır. Sabit etkiler modeli kullanılmalıdır. (FE)

Tablonun altındaki olasılık değerine göre H0 reddedilebilir. Sabit etkili model en uygun model

olarak belirlenir.


42

Bu çalışmada rassal etkili panel veri modelinin mi klasik modelin mi geçerli olduğunu sınamak

için Breusch Pagan LM testini kullandık. Sonuçlar aşağıdaki tabloda gösterilmektedir;

Tablo 5: G-8 Ülkeleri için Breusch-Pagan LM Testi Sonucu

Var Sd = sqrt (Var)

GSYH 7.031547 2.651706

e 3.606728 1.899139

u .0958712 .3528675

Test : Var(u)=0 chibar2(01) 539.21

Prob > chibar2 0.004

Bu teste göre birim etkilerin varyansının sıfır olması durumunda model en küçük kareler

yöntemiyle çözülebilir tersi durumda genelleştirilmiş en küçük kareler yöntemi kullanılmalıdır.

Breusch-Pagan LM Testi’ne ait hipotezler aşağıdaki şekilde gösterilmektedir;

H0 : σ2𝜇 =0 var(u) = 0 Birim etki yoktur. Havuzlanmış model geçerlidir (POLS)

Ha : σ2𝜇 = 0 var(u) ≠ 0 Birim etki yoktur. Rassal etkiler modeli geçerlidir (RE)

Hesaplanan olasılık değerine göre sıfır hipotezi reddedilebilir. Buna göre klasik modelin uygun

model olmadığına karar verilir.

Rassal etkili model ile klasik model arasında tercih yapıldıktan sonra sabit etkili model ile rassal

etkili model seçimi için Hausman testi kullanılmıştır ve testin sonuçları aşağıda gösterilmiştir;

Tablo 6: G-8 Ülkeleri için Hausman Testi Sonucu (FE-RE)

(b)

Fe

B

(re)

(b-B)

Difference

Sqrt(diag(V_b-

V_B))S.E

YTİ .0422696 .042331 -.0000614 .0060757

BİTİTHLT -.84781 -.842903 -.0049069 .0533965

BİTİHRCT 1.236572 1.229005 0.0075665 .0659201

ENF -.1382848 .1343166 .0039682 .0188025

ARGE -8.86892 -8.880746 .0118263 .7309816

PATENTBŞVR .0127437 .0118999 .0008438 .0112745

DTİCRT .4802191 .4772647 .0029544 .0244408

İGS 2061841 214.1036 -7.919481 34.44573

Chi2(8) = 0.08 Prob > chi2 = 0.0011

Hausman testinde kullanılan hipotezler aşağıdaki şekilde gösterilmektedir;

H0 : E(Vit / Xit) = 0 veya E(𝛼i /Xit ) =0 , E(𝜆t/Xit )=0 Tesadüfi Etkili Model Geçerlidir.

H1 : E(Vit / Xit) ≠0 veya E(𝛼i /Xit ) ≠0 , E(𝜆t/Xit )≠0 Sabit Etkili Model Geçerlidir.


43

Hausman test istatistiği sonucuna göre sıfır hipotezi reddedilmektedir. Sabit etkiler modelinin

varsayımlarının geçerli olduğunu, parametreler arasındaki farkın sistematik olduğu ve açıklayıcı

değişkenler ile birim etki arasında korelasyon olduğu sonucuna ulaşılır.

G-8 ülkeleri için en uygun model sabit etkili panel veri modeli bulunmuştur. Modelin katsayılarını

yorumlamadan önce varsayım sınamaları yapılacaktır.

İlk olarak Sabit etkili panel veri modellerinde değişen varyans sınaması için Değiştirilmiş Wald

Testi kullanılmıştır. Değiştirilmiş Wald Testine ait sonuçlar Tablo 7’de gösterilmektedir;

Tablo 7: G-8 Ülkeleri Değiştirilmiş Wald Testi Sonuçları

Chi2 (8) 71.21

Prob > chi2 0.0000

Wald testi için hipotezler ,

H0 : σ2i = σ2 Sabit varyans varsayımı geçerlidir.

H1 : σ2i ≠ σ2 Değişen varyans varsayımı geçerlidir

şeklinde kurulmaktadır.

Yukarıdaki çıktı da 8 serbestlik dereceli ki-kare değeri ve olasılık değeri yer almaktadır. Sonuçlara

göre H0 hipotezi reddedilmektedir (0.000<0.05). Böylece varyansın birimlere göre değiştiği

görülmektedir.

Sabit etkili panel veri modellerinde otokorelasyon sınaması için Baltagi-Wu LBI testi

kullanılmıştır ve sonuçlar aşağıda gösterilmiştir;

Tablo 8 : G-8 Ülkeleri için Baltagi-Wu LBI Testi Sonuçları

Durbin – Watson 2.6823348

Baltagi – Wu LBI 2.7652802

Baltagi-Wu LBI Testi için hipotezler,

H0 : ρ = 0 Otokorelasyon Yoktur.

H1 : |ρ | < 1 Otokorelasyon Vardır.

şeklinde elde edilir.

Literatürde kritik değerler verilmemesine rağmen değer 2’den küçükse otokorelasyon varlığından

söz edilir. Ancak yukarıdaki tablo değerlerine göre Bhargava, Franzini ve Narendranathan’ın

Durbin Watson Testi ve Baltagi-Wu’nun yerel en iyi değişmez test istatistikleri 2’den büyük

olduğu için (2.68>2 ve 2.76>2) otokorelasyon yoktur sonucuna ulaşılır.


44

Sabit etkili panel veri modellerinde yatay kesit bağımlılığı sınamak için Breusch Pagan Lagrange

Çarpanı testi kullanılmıştır ve sonuçlar aşağıdaki tabloda gösterilmiştir;

Tablo 9 : G-8 Ülkeleri için Breusch Pagan Lagrange Çarpanı Testi Sonucu

Breusch – Pagan LM test of independence : chi2(28) = 6.540 , Pr = 0.0000

Breusch Pagan Lagrange Çarpanı Testi’ne ait hipotezler aşağıdaki şekilde kurulmaktadır;

H0 : ρij= ρji =0 Yatay Kesit Bağımlılık Yoktur.

H1 : ρij= ρji ≠0 Yatay Kesit Bağımlılık Vardır.

Tabloda çıkan sonuçlara göre sıfır hipotezi reddedilmekte ve yatay kesit bağımlılığın olduğu

sonucuna ulaşılmaktadır.

Sabit etkiler modelinin ekonometrik varsayımlara uyumluluğuna dair otokorelasyon, değişen

varyans ve yatay kesit bağımlılığı testleri yapılmıştır. Elde ettiğimiz sonuçlara göre modelimizde

yatay kesit bağımlılık ve değişen varyans problemi vardır. Son olarak varsayımlardan sapmaları

düzeltmek için sabit etkili modelimiz robust ile tahmin edilmiştir;

Tablo 10: G-8 Ülkeleri için Robust Standart Hatalar ile Tahmin Sonucu

Açıklayıcı

Değişkenler

Katsayılar Robust

Standart

Hatalar

P>|t|

YTİ .0422696 .0179036 0.050

BİTİTHLT -.84781 .2496285 0.012

BİTİHRCT 1.236572 .4900637 0.040

ENF -.1382848 .0486638 0.025

ARGE 8.86892 3.033784 0.022

PATENTBASVR .0127437 .0339205 0.007

DTİCRT .4802191 .1020671 0.002

İGS 206.1841 267.2427 0.043

R2 0.86

GSYHit = 0.04YTİit – 0.84BİTİTHLTit + 1.23BİTİHRCTit - 0.13ENFit -8.86ARGEit +

0.01PATENTBSVRit + 0.48DTİCRTit + 206.18İGSit + 휀it

Diğer değişkenler sabitken büyümeyi, insani gelişmişlik endeksindeki 1 puanlık artış bir önceki

yıla göre 206.18 puan, yüksek teknoloji ihracatındaki 1 milyon dolarlık artış bir önceki yıla göre

0.4 milyon dolar , bilgi ve iletişim teknoloji ihracatında ki 1 milyon dolarlık artış bir önceki yıla

göre 1.23 milyon dolar , patent başvuruları sayısında meydana gelen 1 birimlik artış bir önceki yıla

göre 0.01 birim , araştırma ve geliştirme harcamalarında meydana gelen 1 milyon dolarlık artış


45

bir önceki yıla göre 8.86 milyon dolar artırmaktadır. Ayrıca dış ticaret oranlarında ki yüzde 1’lik

artış büyümeyi bir önceki yıla göre %0.0048 oranında artırır.

Diğer değişkenler sabitken büyümeyi, bilgi ve iletişim teknoloji ithalatında meydana gelen 1

milyon dolarlık artış bir önceki yıla göre 0.84 milyon dolar, enflasyon oranlarında ki yüzde 1’lik

artış bir önceki yıla göre büyümeyi %0.0013 oranında azaltır.

G-8 ülkeleri için en uygun panel veri modelinin katsayıları yorumlandıktan sonra MİNT ülkeleri

için panel veri modeli tahmin edilip katsayıları yorumlanacaktır. İlk olarak birimler arasında

korelasyon varlığı araştırılacaktır. Tablo 11’de birimler arası korelasyon varlığının tespiti için

yapılan testin sonuçları gösterilmektedir.

Tablo 11: MİNT Ülkeleri İçin Yatay Kesit Bağımlılık Sınaması

Veriable CD – test p – value corr abs(corr)

GSYİH 3.62 0.000 0.369 0.391

EGTM 1.19 0.235 0.121 0.826

GSMH 1.08 0.278 0.111 0.250

MOBL 9.16 0.000 0.935 0.935

İTHLT 9.17 0.000 0.936 0.936

İEİŞGÜCÜ -2.21 0.027 -0.027 0.393

İGS 9.68 0.000 0.988 0.240

BİTİHRCT 0.20 0.842 0.020 0.683

HTÜKH 9.19 0.000 0.938 0.938

Yatay birimler arasında bağlılık olup olmadığı incelemek amacıyla kurulan hipotezler aşağıda

gösterilmiştir;

H0 : 𝜌𝑖𝑗 = cor(uit,ujt) = 0 i≠ j Birimler arası korelasyon yoktur.

H1 : 𝜌𝑖𝑗 = cor(uit,ujt) ≠ 0 i≠ j Birimler arası korelasyon vardır.

Yukarıdaki tabloda görüldüğü üzere modelde yer alan bazı değişkenlerin p – value değeri 0.05’den

küçüktür bazı değişkenlerin ise p – value değeri 0.05’den büyüktür. Bu nedenle panel birim kök

analizi yapılırken yatay kesit bağımlılığını dikkate alan Pesaran Testi ve yatay kesit bağımlılığın

olmaması durumunda kullanılan Breitung Testi kullanılarak panel birim kök testleri yapılacaktır.

Tablo 12: MİNT Ülkeleri için Pesaran Panel Birim Kök Test Sonuçları

Değişkenler t – bar cv10 cv5 cv1 Z[t–bar] P-value

GSYİH -4.212 -2.220 -2.370 -2.660 -4.591 0.000

İGS -3.460 -2.220 -2.370 -2.660 -3.212 0.001

İEİŞGÜCÜ -2.756 -2.220 -2.370 -2.660 -1.918 0.028


46

MOBL -3.542 -2.220 -2.370 -2.660 -3.361 0.000

İTHLT -2.700 -2.220 -2.370 -2.660 -1.817 0.035

HTÜKH -4.453 -2.220 -2.370 -2.660 -5.033 0.000

Not: Değişkenlerin birinci dereceden farkı alınarak Pesaran testi uygulanmıştır.

Pesaran panel birim kök testine ait hipotezler aşağıda gösterilmektedir;

H0 : 𝛿𝑖 = 0 Birim kök vardır. Değişkenler durağan değildir.

H1 : 𝛿𝑖 = 0 , 𝛿𝑖 < 0 Birim kök yoktur. Değişkenler durağandır.

Yukarıdaki çıktıda sadece sabit değişkene izin verildiği ve 1 gecikmeli CADF test sonuçları yer

almaktadır. Birinci dereceden farkı alınmış değişkenlerin Pesaran CADF testine göre test istatistiği

hem t-bar test istatistiği sonucunun %99(cv1), %95(cv5),%90(cv10) güven düzeyinde verilen

kritik değerler ile karşılaştırıldığında küçük olması hem de z-bar testinin p-value değerine göre

0.05’den küçük olması nedeniyle seri durağandır.

Yatay kesit bağımlılığı olmayan değişkenler için Breitung Testi uygulanmıştır ve sonuçları

aşağıdaki tabloda gösterilmektedir;

Tablo 13: MİNT Ülkeleri için Breitung Panel Birim Kök Test Sonuçları

Lambda Statistic p - value

EGTM -5.3502 0.0000

GSMH -2.9262 0.0017

BİTİHRCT -2.9106 0.0018

Not: Değişkenlerin birinci dereceden farkı alınarak Breitung testi uygulanmıştır.

Breitung testine ait hipotezler

H0: ∑ ἄ𝑖𝑘𝑝+1𝑘=1 -1 = 𝜌i = 0

H1: 𝜌i < 0

şeklinde kurulmaktadır. Buna göre sıfır hipotezi altında seri tüm birimler için fark durağandır,

Alternatif hipotez altında ise seri tüm birimler için trend durağandır.

p – value değerine göre bütün değişkenler durağanlaşmıştır. Serilerin birim kök analizi sonucunda

durağanlık mertebeleri belirlenmiştir. Değişkenleri durağanlaştırdıktan sonra en uygun panel veri

modeline karar vermeliyiz. Bunun için sabit etkili model ile klasik doğrusal regresyon modeli

arasında karar vermek için F testi kullanılmış ve sonuçlar aşağıda paylaşılmıştır;


47

Tablo 14: MİNT Ülkeleri İçin F Testi Sonuçları

Bağımlı Değişken : GSYH

Değişkenler Katsayılar P>|t|

İGS 208.4008 0.014

İEİŞGÜCÜ -.2600078 0.043

EGTM .007345 0.047

GSMH .5418299 0.000

MOBL -.212426 0.075

İTHLT .0897526 0.001

BİTİHRCT .2811181 0.000

TÜKHARCMA -.0377172 0.011

F test that all u_i = 0 : F(3,43) = 0.12 Prob > F = 0.047

GSYHit =208.40İGSit – 0.26EİSGÜCÜit +0.007EGTMit + 0.54GSMHit -0.21MOBLit +

0.09İTHLTit + 0.28BİTİHRCTit – 1.43HZMTCRT – 0.04TÜKHARCMA + 휀it

Modelde yer alan açıklayıcı değişkenler istatistiksel olarak anlamlıdır.

Tablonun en altında “all u_i=0” hipotezi tüm birim etki hata ögelerinin sıfıra eşit olduğunu yani

birim etkinin olmadığı şeklindeki hipotez ve bu hipotezi test etmek için F test hipotezi ve olasılığı

yer almaktadır. F test istatistiği modelin Havuzlanmış EKK ile mi yoksa Sabit etkiler modeli ile

mi çözüleceğini gösterir. Modelde birim etki varsa sabit etkiler modeli ile birim etki yoksa

havuzlanmış EKK ile çözülür.

İleri eğitimli işgücü ve insani gelişmişlik seviyesi değişkenleri istatistik olarak anlamsız

bulunmuştur. Katsayı işaretleri beklenildiği yöndedir.

Ho : 𝜇i=0 Birim etki yoktur. Klasik model uygundur. (POOLED)

H1 : 𝜇i ≠ 0 Birim etki vardır. Sabit etkiler modeli kullanılmalıdır. (FE)

Tablonun altındaki olasılık değerine (Prob) göre H0 reddedilebilir. Sabit etkili model en uygun

model olarak belirlenir.

Rassal etkili panel veri modelinin mi klasik modelin mi geçerli olduğunu sınamak için Breusch

Pagan LM testini kullandık. Test sonuçları Tablo 15’de gösterilmiştir;

Tablo 15: MİNT Ülkeleri için Breusch-Pagan LM Testi Sonucu

Var Sd = sqrt (Var)

GSYH 23.08522 4.804708

e 15.53743 3.941755

u .1258410 1.780277


48

Test: Var(u)=0 Chibar2(01) 14.67

Prob > chibar2 0.000

Breusch-Pagan LM Testi için hipotezler şu şekildedir;

H0 : σ2m =0 var(u) = 0 Birim etki yoktur. Havuzlanmış model geçerlidir (POLS)

Ha : σ2

m = 0 var(u) ≠ 0 Birim etki vardır. Rassal etkiler modeli geçerlidir (RE)

Hesaplanan olasılık değerine göre sıfır hipotezi reddedilebilir. Rassal etkili model uygun model

olarak seçilmiştir.

Rassal etkili model ile klasik model arasında tercih yapıldıktan sonra sabit etkili model ile rassal

etkili model seçimi için Hausman testi kullanılmıştır ve sonuçlar aşağıda gösterilmektedir;

Tablo 16: MİNT ülkeleri için Hausman Testi Sonucu (FE-RE)

(b)

Fe

B

(re)

(b-B)

Difference

Sqrt(diag(V_b-

V_B))

S.E

İGS 208.4008 214.9503 -6.549541 36.14888

İEİSGÜCÜ -.2600078 -.2645697 .0045619 .0492508

EGTM .007345 .007254 .000091 .0008899

GSMH .5418299 .5375546 .0042753 .0163425

MOBL -.212426 -.2056013 -.0068247 .0301523

İTHLT .0897526 .0884977 .0012549 .0066096

BİTİHRCT .2811181 .2814083 -.0002902 .0098571

HTÜKH -.0377172 -.0370042 -.000713 .0038583

Chi2(8) = 3.77 Prob > chi2 = 0.4382

Hausman testinde kullanılan hipotezler aşağıdaki şekilde gösterilmektedir;

H0 : E(Vit / Xit) = 0 veya E(𝛼i /Xit ) =0 , E(𝜆t/Xit )=0

H1 : E(Vit / Xit) ≠0 veya E(𝛼i /Xit ) ≠0 , E(𝜆t/Xit )≠0

Hausman test istatistiği sonucuna göre sıfır hipotezi reddedilememektedir. Rassal etkiler

modelinin varsayımlarının geçerli olduğunu, parametreler arasındaki farkın sistematik olmadığı

ve açıklayıcı değişkenler ile birim etki arasında korelasyon olmadığı sonucuna ulaşılır.

MİNT ülkeleri için en uygun model rassal etkili panel veri modeli bulunmuştur. Modelin

katsayılarını yorumlamadan önce varsayım sınamaları yapılacaktır.

İlk olarak rassal etkili model için otokorelasyon testi yapılmıştır ve sonuçlar aşağıda gösterilmiştir;


49

Tablo 17: MİNT Ülkeleri İçin Baltagi-Wu LBI Testi Sonucu

Durbin – Watson 2.2241943

Baltagi – Wu LBI 2.4415144

Not: Durbin-Watson ve Baltagi-Wu Testleri “2” ile karşılaştırılır

Baltagi-Wu LBI Testi için hipotezler şu şekildedir;

H0 : ρ = 0 Otokorelasyon Yoktur.

H1 : |ρ | < 1 Otokorelasyon Vardır.

Literatürde kritik değerler verilmemesine rağmen değer 2’den küçükse otokorelasyon varlığından

söz edilir. Ancak yukarıdaki tablo değerlerine göre Bhargava, Franzini ve Narendranathan’ın

Durbin Watson Testi ve Baltagi-Wu’nun yerel en iyi değişmez test istatistikleri 2’den büyük

olduğu için (2.22>2 ve 2.44>2) otokorelasyon yoktur sonucuna ulaşılır.

Tablo 18’de rassal etkili modelde değişen varyans sınaması için kullanılan Levene-Brown ve

Forsythe Testi sonuçları gösterilmiştir.

Tablo 18: MİNT Ülkeleri Levene-Brown ve Forsythe Testi Sonucu

W0 = 1.5421567 df (3,48) Pr > F = 0.02548443

W50 = 1.3504525 df (3,48) Pr > F = 0.01906134

W10 = 1.5782688 df (3,48) Pr > F = 0.03020841

Hipotezler aşağıdaki gibi kurulabilir;

H0 = Değişen Varyans Yoktur.

H1 = Değişen Varyans Vardır.

Test istatistiklerinin sonuçlarına (0.000<0.05) göre H0 reddedilir böylece değişen varyans vardır

sonucuna ulaşılır.

Yatay Kesit Bağımlılığını sınamak için Pesaran Testi kullanılmıştır. Hem sabit etkili panel veri

modellerinde hem de rassal etkili panel veri modellerinde birimler arası korelasyonu test etmek

için Pesaran CD testi kullanılmaktadır.

Tablo 19: MİNT ülkeleri için Rassal Etkili Model İçin Yatay Kesit Bağımlılığı Testi Sonucu

Pesaran’ınYatay Kesit Bağımlılığı 2.46

Prob 0.014

H0=𝜌ij =𝜌ji =0 YATAY KESİT BAĞIMLILIK (CD) YOKTUR.

H1=𝜌ij ≠ 𝜌ji≠ 0 YATAY KESİT BAĞIMLILIK (CD) VARDIR.


50

Panel veri modeli artıklarına yatay kesit bağımsızlığı testi yapıldı. Sonuç ekranına göre sıfır

hipotezi reddedilir ve panel birimlerde yatay kesit bağımlılığı söz konusudur.

Rassal etkiler modelinin ekonometrik varsayımlara uyumluluğuna dair otokorelasyon, değişen

varyans ve yatay kesit bağımlılığı testleri yapılmıştır. Elde ettiğimiz sonuçlara göre modelimizde

yatay kesit bağımlılık ve değişen varyans problemi vardır. Son olarak varsayımlardan sapmaları

düzeltmek için rassal etkili panel veri modelimiz robust ile tahmin edilmiştir.

Tablo 20: MİNT Ülkeleri için Robust Standart Hatalar ile Tahmin Sonucu

Açıklayıcı Değişkenler Katsayılar Robust

Standart

Hatalar

P>|z|

İGS 214.9503 292.8311 0.004

EİSGÜCÜ .2645697 .1391685 0.057

EGTM -.007254 .0027521 0.008

GSMH .5375546 .1704512 0.002

MOBL 2056013 .0614961 0.001

İTHLT -.0884977 .0390776 0.024

BİTİHRCT .2814083 .0828563 0.001

HTÜKH -.0370042 .024128 0. 021

R2 0.92

GSYHit = 214.95İGSit + 0.26EİSGÜCÜit + 0.007EGTMit + 0.54GSMHit + 0.20MOBLit -

0.09İTHLTit + 0.28BİTİHRCTit – 0.04TÜKHARCMA + 휀it

Diğer değişkenler sabitken büyümeyi, insani gelişmişlik endeksindeki 1 puanlık artış bir önceki

yıla göre 214.95 puan, ileri eğitimli işgücü sayısında oluşan 1 birimlik artış 0,26 birim , milli

hasılada ki 1 milyar dolarlık artış bir önceki yıla göre 0.53 milyon dolar, mobil hücresel abonelikler

sayısında meydana gelen 1 birimlik artış bir önceki yıla göre 0.20 birim , bilgi ve iletişim

teknolojileri ihracatında meydana gelen 1 milyon dolarlık artış bir önceki yıla göre 0.28 milyon

dolar artmaktadır.

Diğer değişkenler sabitken büyümeyi, ithalat miktarında meydana gelen 1 milyon dolarlık artış

bir önceki yıla göre 0.088 milyon dolar , hanehalkı tüketim harcamalarında oluşan 1 milyar

dolarlık artış bir önceki yıla göre 0.03 milyar dolar, eğitim harcamalarındaki 1 milyon dolarlık

artış bir önceki yıla göre 0.007 milyon dolar azalmaktadır.


51

9. Sonuç

Bu çalışma ile G-8 Ülkeleri ve MİNT Ülkeleri için 2000-2015 dönemi verilerinden yararlanılarak

büyümeyi etkileyen faktörleri panel veri analizi ile belirleyerek büyümede yol gösterici olan

değişkenlerin büyüme üzerindeki etkileri tespit edilmiştir.

Çalışmada ilk olarak G-8 ve MİNT ülkeleri için oluşturulan panel veri modellerinde kullanılacak

serilerde birim kökün varlığı araştırılmıştır. Modelde kullanılan değişkenler Pesaran testiyle

birinci farkı alınarak durağanlaştırılmıştır. Durağanlık mertebeleri belirlenen değişkenler ile

kurulan panel veri modeli tahmin yöntemine karar verebilmek için havuzlanmış en küçük kareler

(POLS), LM ve F testleri yapılmıştır. G-8 ülkeleri için en uygun panel veri modeli sabit etkili

panel veri modeli olarak bulunmuştur. MİNT ülkeleri için ise rassal etkili panel veri modeli en

uygun model olarak bulunmuştur. Bu aşamadan sonra, modelin ekonometrik varsayımlara uygun

olup olmadığına dair testler yapılmış, ekonometrik varsayımlardan sapmalar olduğu sonucuna

varılmış ve Robust standart hatalar ile söz konusu sapmalar düzeltilmiştir. Uygulama sonucunda

elde ettiğimiz sonuçları aşağıda sıralayacak olursak;

G-8 ülkeleri için sabit etkili panel veri modeli en uygun model olarak bulunmuştur. Sabit etkili

panel veri modelinde ileri teknolojili ürün ihracatı, bilgi ve iletişim teknoloji ihracatı, araştırma ve

geliştirme harcamaları, patent başvuruları sayısı, dış ticaret oranları ve insani gelişmişlik seviyesi

ekonomik büyümeyi pozitif yönde etkilerken, bilgi ve iletişim teknoloji ithalatı ile enflasyon

oranları negatif yönde etkilemektedir. G-8 ülkeleri için elde edilen sonuçlara göre; Diğer

değişkenler sabitken büyümeyi, insani gelişmişlik endeksindeki 1 puanlık artış bir önceki yıla göre

206.18 puan, yüksek teknoloji ihracatındaki 1 milyon dolarlık artış bir önceki yıla göre 0.4 milyon

dolar, bilgi ve iletişim teknoloji ihracatında ki 1 milyon dolarlık artış bir önceki yıla göre 1.23

milyon dolar , patent başvuruları sayısında meydana gelen 1 birimlik artış bir önceki yıla göre

0.01 birim, araştırma ve geliştirme harcamalarında meydana gelen 1 milyon dolarlık artış bir

önceki yıla göre 8.86 milyon dolar artırmaktadır. Ayrıca dış ticaret oranlarında ki yüzde 1’lik artış

büyümeyi bir önceki yıla göre %0.0048 oranında artırır.

Diğer değişkenler sabitken büyümeyi, bilgi ve iletişim teknoloji ithalatında meydana gelen 1

milyon dolarlık artış bir önceki yıla göre 0.84 milyon dolar azaltır. Ayrıca enflasyon oranlarında

ki yüzde 1’lik artış bir önceki yıla göre büyümeyi %0.0013 oranında azaltır.

MİNT ülkeleri için ise en uygun model rassal etkili panel veri modeli olarak bulunmuştur. Rassal

etkili panel veri modelinde büyümeyi, insani gelişmişlik seviyesi mobil hücresel abonelikler ve

ileri eğitimli işgücü ile bilgi ve iletişim teknoloji ihracatı pozitif yönde etkilerken ithalat oranları

ve hanehalkı tüketim harcamaları ve eğitim harcamaları büyümeyi negatif yönde etkilemektedir.

MİNT Ülkeleri için elde edilen sonuçlara göre; Diğer değişkenler sabitken büyümeyi, insani


52

gelişmişlik endeksindeki 1 birimlik artış bir önceki yıla göre 214.95 birim, ileri eğitimli işgücü

sayısında oluşan 1 birimlik artış 0,26 birim, , milli hasılada ki 1 milyar dolarlık artış bir önceki

yıla göre 0.53 milyon dolar, mobil hücresel abonelikler sayısında meydana gelen 1 birimlik artış

bir önceki yıla göre 0.20 birim, bilgi ve iletişim teknolojileri ihracatında meydana gelen 1 milyon

dolarlık artış bir önceki yıla göre 0.28 milyon dolar artmaktadır.

Diğer değişkenler sabitken büyümeyi, ithalat miktarında meydana gelen 1 milyon dolarlık artış

bir önceki yıla göre 0.088 milyon dolar, hanehalkı tüketim harcamalarında oluşan 1 milyar dolarlık

artış bir önceki yıla göre 0.03 milyar dolar, eğitim harcamalarındaki 1 milyon dolarlık artış bir

önceki yıla göre 0.007 milyon dolar azaltmaktadır.

Teknolojiye erişim ve teknoloji kullanımında toplumlar arasındaki eşitsizlik olarak adlandırılan

“dijital bölünme” gelişmiş ve gelişmekte olan ülkeler arasındaki farkın en büyük sebebidir.

Gelişmiş ülkeler ekonomik ve sosyal gelişmeleri yakından takip ederek toplumun refah seviyesini

artırmayı planlamaktadır. Mal ve hizmet üretiminin artması teknolojik gelişmelere bağlı olarak

değişmektedir bu yüzden mal ve hizmet üretiminde meydana gelen dalgalanmalar ekonomik

büyümeyi de etkilemektedir.

Akıl ve bilginin ön planda olduğu üretim, tüketim ve dağıtım ilişkilerinin bilgi esaslı yeniden

şekillenmesi hem girdi hem çıktı olarak kullanılan dinamik ve yaratıcı bilginin yanı sıra

ekonominin sürekli değişim içinde olması ülkeler arasındaki rekabetin en büyük belirleyicisidir.

Rekabet, bilginin üretilmesinin yanı sıra ülkeleri elde ettikleri bilgiyi etkili kullanmaya iter.

Gelişmiş ve gelişmekte olan ülkelerde rekabet gücü ve teknoloji birbirine bağlı durumdadır.

Teknolojik gelişme seviyeleri gelişmiş ve gelişmekte olan ülkelerde internet alt yapısının maliyetli

olması ve dış ticarete konu olan ürünlerin faktör yoğunlukları sebebiyle farklılık göstermektedir.

Gelişmiş ülkelerde sürekli yenilenen bilgi stoğu sonucu üretilen yeni mal ve hizmetler uluslararası

piyasalarda taklitçiliğe son vermek ve maliyetleri en aza indirmek için telif haklarının satın

alınması ile birlikte gelişmekte olan ülkelerde de üretilmeye devam edilir. Böylece gelişmiş

ülkelerden gelişmekte olan ülkelere bilgi ve onun türevi olan teknoloji transferi olmaktadır.

Gelişmiş ülke grubundan gelişmekte olan ülke grubuna yapılan teknoloji transferinde konu olan

ürünler bilgi yoğunluğunun en fazla olduğu yüksek teknoloji ürünleridir.

Teknolojik gelişmeleri teşvik ederek sermaye birikimini artıran yatırımlar ülkelerin büyümesine

en büyük katkıyı sağlar. Yatırımlar ile teknolojik alt yapı oluşturulur. Yani üretim aşamasında

kullanılan verimliliği ortaya koyan faaliyetler yatırımdan ayrı düşünülemez. Teknoloji ve

büyümede ki yatırımdan kasıt verimlilik artışı sağlayan eğitime araştırma ve geliştirmeye, yazılım

sektörlerine yapılan fiziki olmayan yani bilgiye dayalı yatırımlardır.


53

Teknolojik gelişmeler teknolojiyi üreten sektörlerde yatırımı arttırmış, bu artış beraberinde

sermaye birikimini ve büyümeyi tetiklemiştir. Bilgi ve iletişim teknolojilerinde meydana gelen

verimlilik artışı sadece bu sektörü değil teknolojinin egemen olduğu tüm sektörleri etkilemiş,

firmaların daha etkin çalışmasına katkı sağlamıştır.

Kaynakça

A.Colin Cameron, P. K. (2005). Microeconometrics Methods and Applications. New York: Cambridge University

Press.

Ahmad Jafari Samimi, R. B. (2010). ICT and Economic Growth: New Evidence from Some Developing Countries.

Australian Journal of Basic and Applied Sciences, 3086-3091.

Ahmet Gülmez, A. G. (2014). Ar-Ge İnovasyon Ve Ekonomik Büyüme: Türkiye Ve Ab Örneği İçin Dinamik Panel

Veri Analizi. AİBÜ Sosyal Bilimler Enstitüsü Dergisi, s. 10.

Akay, E. Ç. (2018). Dinamik Panel Veri Modelleri. S. Güriş içinde, Uygulamalı Panel Veri Ekonometrisi (s. 105).

İSTANBUL: DER Kitabevi Yayınevi ve Dağıtım.

Baltagi, B. (2010). Econometric Analysis of Panel Data. John Wiley and Sons.

Erkan Erdil, B. T. (2009, January). Does Information and Communication Technologies Sustain Economic Growth?

The Underdeveloped and Developing Countries Case. Science and Technology Policies Research Center

Working Paper Series, s. 1-16.

Fatma Gündoğdu Odabaşıoğlu, C. A. (2014). Merkezi Ve Doğu Avrupa Geçiş Ekonomilerinde Enflasyonun Parasal

Belirleyicileri:Dinamik Panel Veri Analizi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 299.

Fooladi, M. F. (2012, November 12). Information and Communication Technology Use andEconomic Growth. PLoS

ONE, 1-7.

Gürdal, O. (2004). Bilgi Ekonomisi ve/veya Yeni Ekonomi’nin Reddettikleri. Bilgi Dünyası , 48-73.

Güriş, S. (2018). Panel Veri Modelleri. S. Güriş içinde, Uygulamalı Panel Veri Ekonometrisi (s. 3). İstanbul: DER

Kitabevi Yayınevi ve Dağıtım.

Hsiao, C. (2003). Analysis of Panel Data. Great Britain: Cambridge University Press.

KEVÜK, S. (2007). Bilgi Ekonomisi. 1-21.

Mileva, E. (2007, Temmuz 9). Using Arellano – Bond Dynamic Panel GMM Estimators in Stata, 1-10.

Nihat IŞIK, E. C. (2013). Bilgi Ekonomisi Ve İktisadi Büyüme: Oecd Ülkeleri. Akdeniz İ.İ.B.F. Dergisi, 21-54.

Roodman, D. (2006, Kasım). How to Do xtabond2:An Introduction to “Difference” and “System” GMM in Stata .

The Center for Global Development, 1-42.

Taşcı, K. (2007). Bilgi Ekonomisinin Kuramsal Çerçevesi . XII. “Türkiye’de İnternet” Konferansı , 317-336. Ankara.

Tom S.Clark, D. A. (2015, Mayıs). Should I Use Fixed or Random Effects. Political Science Research and Methods,

399-408.


54

Birincil Enerji Kaynaklarının İkincil Enerji Kaynakları Fiyat Oynaklıkları Üzerindeki

Etkisi: Yunanistan Çalışması

Buse Eda AKYÜZ1

Nükhet DOĞAN2

Özet

Bu çalışmada Yunanistan’ın doğalgaz ithalatının ve fiyatının elektrik fiyat oynaklıkları

üzerindeki etkileri incelenmiştir. Orta Doğu, Kafkasya ve Hazar Bölgesi doğalgaz

yataklarından ve Türkiye üzerinden Avrupa’ya yönlendirilecek doğalgazın geçiş noktası

Yunanistan olduğu için çalışma odağındaki ülke Yunanistan’dır. Çalışmada Yunanistan’ın

Ocak 2008-Haziran 2017 aylık verisi kullanılmış, ARCH, ARCH-M, GARCH, GARCH-

M, EGARCH, EGARCH-M oynaklık modellerinden yararlanılmıştır. Bu bağlamda

hanehalkı elektrik fiyatı oynaklığının etkenleri araştırılmıştır ve şu bulgulara ulaşılmıştır:

Elektrik fiyatlarının doğalgaz ithalatının payından ve doğalgaz ithalatı değişiminden

etkilendiği görülmüştür. Fiyat artışlarının ısrarcılık etkisinin yüksek olduğu ve fiyatlardaki

oynaklığın dengeye gelmekte zorlanacağı anlaşılmıştır. Asimetri etkisinin varlığının

saptanmasıyla Yunanistan’ın doğalgaz ithalat miktarından etkilenen elektrik fiyatları için

sisteme gelen iyi haberlerin elektrik fiyat oynaklığını azalttığı görülmüştür. Ayrıca elektrik

fiyatının doğalgaz fiyatının payından ve doğalgaz fiyatının değişiminden de etkilendiği

görülmüştür. Doğalgaz fiyatından etkilenen elektrik oynaklık modellerinde fiyat

artışlarının etkisinin yüksek olduğu ve iyi haberlerin elektrik fiyat oynaklığını azalttığı

görülmüştür. Sonuç olarak Yunanistan’ın doğalgaz ithalatındaki ve doğalgaz fiyatındaki

azalma yönlü oynaklıkların elektrik fiyat oynaklığını azaltabileceği söylenebilir.

Anahtar Kelimeler: Türkiye, Yunanistan, Oynaklık Modeli, Doğalgaz, Elektrik Fiyatı

JEL Kodu: C4, Q3, Q4

Effects on Secondary Energy Price Volatility of Primer Energy Resources: The Case of

Greece

Abstract

In this study, the effects of Greece's natural gas imports and natural gas prices on electricity

price volatility has been examined. Greece is the focal point of the study because it is the

transit point of the natural gas that directed to Europe via Turkey from the Middle East,

Caucasus and Caspian natural gas deposits. In the study, data of January 2008-June 2017

of Greece were used and ARCH, ARCH-M, GARCH, GARCH-M, EGARCH and

EGARCH-M volatility models were utilized. In this context, household electricity price

fluctuations were researched and the following findings were reached: Electricity prices

were affected by the share of natural gas imports and the change of natural gas imports. It

has been understood that the persistence effect of price increases is high and the volatility

in prices is difficult to balance. By determining the presence of the asymmetry effect, it

was seen that the good news coming from the system in the electricity prices affected by

the natural gas import amount of Greece decreased the volatility of the electricity prices.

In addition, it is seen that the price of electricity is affected by the share of natural gas price

and the change of natural gas price. The effect of price in electricity volatility models

[email protected], Akdeniz Üniversitesi İktisadi ve İdari Bilimler Fakültesi Ekonometri Bölümü,

Antalya/Türkiye. [email protected] , Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Ekonometri Bölümü,

Ankara/Türkiye.



55

affected by natural gas prices increases is high. Good news has been seen to reduce the

price volatility of electricity. As a result, prone to reduction volatility are the import of

natural gas and the price of natural gas can reduce the volatility of electricity price.

Keywords: Turkey, Greece, Volatility Model, Natural Gas, Electricity Price

JEL Classification: C4, Q3, Q4

1. Giriş

Günümüzde nüfus ve şehirleşme artışı, sanayi üretimi, teknolojik gelişimleri takip eden teknoloji

kullanımının artışı gibi nedenlerle enerjiye olan talep artmaktadır. Ayrıca enerji kullanımının artışı

enerjinin güvenilir olması, maliyetinin ve emisyonunun düşük olması gibi enerjinin tercih

edilebilirlik özelliklerine önem kazandırmaktadır. Fosil enerji kaynakları olarak adledilen petrol,

kömür ve doğalgaz yenilenemez enerji kaynakları içerisinde yer alırken tüketimde ve üretimde

birbirleri ile etkileşim içerisindedir. Bununla birlikte tercih edilebilirlik, bu etkileşim içerisinde

gösterilebilmektedir. Bahsi geçen enerji kaynakları içerisinde doğalgazın özellikle elektrik

üretiminde kullanım artışının nedeni; enerjiden beklenilen özellikleri doğalgazın, diğer fosil

yakıtlara göre daha çok barındırması ile ilişkilendirilebilir.

Ülkelerin ihtiyaç duyduğu enerjinin sağlanması ve şehirleşmenin getirdiği elektrik tüketim

artışının karşılanması doğalgaza olan talepte artışa neden olmaktadır. 2011 yılında Japonya-

Fukuşima’da gerçekleşen “Fukuşima felaketi”, çevresinde büyük tahribata neden olduğu için

nükleer santrallerin elektrik üretiminde kullanılması konusunda olumsuz düşünceleri arttırmıştır.

Bu olay neticesinde nükleer santrallerde elektrik üretiminin azalması, elektrik üretiminde doğalgaz

santral kapasitelerinin ve doğalgaz talebinin artmasına sebep olmuştur. Teknolojik gelişmeler

sayesinde doğalgazın sıvılaştırılarak ya da sıkıştırılarak taşınabilirliğinin artış göstermesiyle, boru

hattı döşenemeyen ve uzak mesafelerde bulunan ülkelere ulaşımla doğalgaz talebine artış

desteklenmektedir.

Birincil enerji kaynakları arasında ve fosil enerji kaynakları içerisinde doğalgazın petrole ve

kömüre karşı ikame etkisinin varlığı akıllara şu soruyu getirmektedir. “Elektrik üretiminin artan

talebi ile elektrik üretiminde etkisi gün be gün artan doğalgazın miktarının ve fiyatının elektrik

fiyatı üzerindeki etkisi nedir?”. Bu sorudan hareketle çalışmada elektrik fiyatlarına etki eden enerji

kaynakları kullanılarak oynaklık modelleri kurulmuştur.

“Ham petrol ve doğalgaza erişimin sağlanması için, ithalatçı ülkeler tedariğin sürekliliğini,

tutarlılığını ve yeterliliğini sadece kısa değil, aynı zamanda uzun vadede de makul bir maliyetle

temin etmelidir” (Arslan-Ayaydın ve Khagleeva, 2014:103). Doğalgaz yataklarının yetersiz

olmasından ya da bu yataklardan yeterince yararlanamamaktan ve bu nedenlerle doğalgaz

üretiminde sıkıntı yaşadığı için doğalgaz ithalatçısı olarak tabir edilen ülkeler arasında Türkiye de

bulunmaktadır. Doğalgaz üretimi yok denecek kadar az olan Türkiye, bu az üretimine rağmen


56

Yunanistan’a doğalgaz ihracatı gerçekleştirmektedir. Tüketimi ile üretiminde denklik

sağlayamayan ve bu açığı ithalat ile kapatan Türkiye’nin Yunanistan’a gerçekleştirdiği ihracatın

kaynağı Orta Doğu, Kafkasya ve Hazar Bölgesine ait doğalgaz yataklarıdır. Bu bölgelerden ithalat

ile sağladığı doğalgazı, yeniden fiyatlandırarak Yunanistan’a ihraç etmektedir. Bununla birlikte

Yunanistan’ın da kendi doğalgaz üretiminin, kendi doğalgaz tüketimine yetmediği ve genel olarak

doğalgaz ithalatına bağımlı bir enerji yapısı sergilediği görülmektedir. Doğalgaz ithalatına

bağımlılık sadece Yunanistan’ı kapsayan bir durum olmamakla birlikte bu durumun Avrupa’nın

genel sıkıntısı olduğu söylenebilir. Yunanistan’ın da içinde bulunduğu Avrupa için doğalgaz

tedariğinin çoğunluğu Rusya tarafından sağlanmasına rağmen Avrupa, Rusya’ya sergilenen bu

doğalgaz bağımlılığından kurtulmak istemektedir. Zengin gaz yataklarına komşuluğu ile bilinen

Türkiye; Orta Doğu, Kafkasya ve Hazar Bölgesi gazlarını Rusya aracılığı olmadan Avrupa’ya

taşıma konusunda köprü görevi görmektedir. Kipi sınır kapısından Yunanistan’a iletilecek bu

doğalgaz, Yunanistan ve Avrupa için doğalgaz çeşitlendirmesi sağlayacak ve Avrupa ülkelerinin

Rusya bağımlılığını ortadan kaldıracaktır. “Türkiye'nin enerji ticaretindeki önemi sadece coğrafi

konumundan değil, aynı zamanda İstanbul ve Çanakkale Boğazları üzerinden uluslararası

ticaretteki rolüne, AB ile bağlarına, Orta Asya ve Orta Doğu'daki İslam ülkeleri ile güçlü tarihsel

ilişkilerine de bağlıdır” (Karan, Küçüközmen ve Aktürk, 2014:120).

Yunanistan’ın kendi doğalgaz üretiminin tüketimini karşılayamayacak kadar düşük seyretmesi,

elektrik üretiminde kullanılan doğalgaz miktarının büyük kısmını ithal ettiğini göstermektedir. Bu

doğalgaz ithalatının da %16’lık kısmını Türkiye’den sağlamaktadır. Yunanistan’ın Türkiye’den

sağlamakta olduğu doğalgaz ithalatı tezin odak noktasındaki ülke olmasının sebebidir. Başlangıçta

tez kapsamında oynaklık modelleri kullanılarak oluşturulan modellerde Türkiye’den sağlanan

doğalgaz ithalatının elektrik fiyatlarındaki oynaklıklar üzerinde etkisinin olmadığı görülmüştür ve

açı genişletilmiştir. Orta Doğu, Kafkasya ve Hazar Bölgesi doğalgaz yataklarından ve Türkiye

üzerinden Avrupa’ya gidecek doğalgazın geçiş noktasının Yunanistan oluşu ve Yunanistan’ın

özellikle birincil enerji kaynaklarından doğalgazın ithalatına olan bağımlılığından yola çıkılarak

Yunanistan’ın tüm doğalgaz ithalatının fiyatlar üzerinde oynaklık yaratıp yaratmadığı

araştırılmıştır. Yunanistan’ın doğalgaz ithalatı bağımlılığı, petrol için de geçerlidir. Yunanistan

rafineri sistemi sayesinde petrol ürünleri ihracatcısıdır; fakat bu ürünleri üretebilmek için ham

petrole ihtiyaç duymaktadır. Yani Yunanistan, yüksek petrol ürünleri ihracatcısı olmasına rağmen

yüksek ham petrol ithalatçısı konumundadır. Bu nedenle çalışmada akaryakıt ve elektrik

fiyatlarının oynaklığının ölçülmesinde ve bu fiyatlar üzerindeki etkilerin araştırılmasında doğalgaz

ve petrol miktarları olarak, bu miktarların büyük çoğunluğunu kapsayan doğalgaz ve petrol

ithalatları kullanılmaktadır. Ayrıca elektrik üretiminde kullanılan fosil yakıtlar içerisinde ilk ikide


57

yer alan kömür ve doğalgazın fiyatlarının ikincil üretimleri olan elektriğin fiyatı ve elektrik

fiyatının oynaklığı üzerindeki etkileri incelenmektedir.

2. Enerji Kaynakları Etkileşimleri İle İlgili Bilimsel Çalışmalar Ve Sonuçları

Enerji kaynakları arasındaki ilişki, eğilimleri, enerji kaynakları oynaklığı ve bu oynaklığın

sebepleri gibi nedenler enerji sektörünün ilgilendiği başlıklar arasındadır. Petrol, doğalgaz ve

kömür gibi birincil enerji kaynaklarının birbirleri ile olan ilişkilerinin araştırıldığı çalışmaların

yanı sıra elektrik akaryakıt gibi ikincil enerji kaynaklarıyla olan ilişkilerinin araştırıldığı çalışmalar

ile altın, döviz kuru, hisse senedi fiyatları ve getirileri, faiz oranları, ekonomik aktivite, istihdam

gibi finansal ve makroekonomik değişkenlerle ilişkilerinin üzerinde durulduğu çalışmalar

mevcuttur. Bu bağlamda literatür taraması dört alt başlık altında gruplandırılmaktadır. Birinci grup

petrol fiyatları ve petrol fiyatlarının diğer değişkenlerle ilişkilerini inceleyen çalışmalardan

oluşmaktadır. Sırası ile gruplandırma doğalgaz, kömür ve elektrik fiyatları ve bu enerji

kaynaklarının diğer değişkenlerle ilişkilerini inceleyen çalışmalar şeklindedir.

Birinci grup literatür incelemeside petrol fiyatları ile ilgili yoğun olarak yer alan çalışmalar, petrol

fiyatlarıyla doğalgaz fiyatları arasındaki ilişkileri inceleyen çalışmalardır. Ewing, Malik ve

Özfidan (2002), uluslararası piyasalarda 1996-1999 dönemleri arasında petrol ve doğalgaz fiyat

oynaklıklarının kalıcı olduğu ve petrol fiyatındaki oynaklıkların doğalgaz fiyatlarının şoklara

gösterdiği tepkiye karşılık tepki gösterdiğini belirtir. Pindyck (2004) 1990-2003 dönemleri

arasında gerçekleştirdiği çalışmada ABD petrol getirisinin doğalgaz fiyatı oynaklığında öngörücü

olduğu sonucuna varmaktadır. Villar ve Joutz (2006) ABD’de 1989-2005 dönemleri arasında

yaptıkları çalışmada petrol fiyatlarının doğalgaz fiyatlarını uzun vadede etkilediği sonucuna ulaşır.

Asche, Osmundsen ve Sandsmark (2006) İngiltere’de 1995-2002 dönemleri petrol ve doğalgaz

fiyatlarının eşbütünleşik olduğu, enerji kaynaklarının tek bir piyasa kabul edilebileceği ve bu

piyasanın küresel petrol fiyatlarından etkileneceği sonucuna varırken, aynı zamanda piyasada

rekabet halinde olan enerjilerin tamamen ikame olamayacağı sonucuna da varılır. Bachmeier ve

Griffin (2006) beş farklı bölge için 1989-2004 dönemlerini kullanarak farklı marketlerdeki petrol

fiyatlarının eşbütünleşik olduğunu ve bu marketlerin tek piyasa kabul edilebileceğini, ayrıca

doğalgaz ve petrol fiyatları arasındaki ilişkinin uzun vadede eşbütünleşik olduğunu belirtir. Brown

ve Yücel (2008) ABD’de 1997-2004 dönemleri arasında yaptıkları çalışmada WTI petrol fiyatının

Henry Hub doğalgaz fiyatı ile uzun dönemde eşbütünleşme ilişkisinin olduğunu, kısa dönemde bu

etkinin var olmadığını ve nedenselliğin petrol fiyatından doğalgaz fiyatına tek yönlü olduğu

belirtilir. Brigida (2014) 1997-2012 dönemlerinde ABD petrol ve doğalgaz fiyatları arasında güçlü

ve uzun süreli bir ilişki olduğunu ve fiyatlarda uzun vadeli dengeye dönüş gözlemlendiğini belirtir.

Papaioannou, Dikaiakos, Stratigakos, Dramountanis ve Alexandridis (2018) Yunanistan için


58

yaptıkları çalışmada 2007-2014 yılları arasında petrol ve doğalgaz fiyatlarının uzun dönem ilişki

içerisinde olduğunu belirtir.

Petrol ve doğalgaz fiyatları ilişkisini inceleyen çalışmaların dışında petrol fiyatları ile finansal ve

makro değişkenlerin ilişkilerinin araştırıldığı çalışmalar da mevcuttur. Örneğin Papapetrou (2001)

çalışmasında Yunanistan’ın petrol fiyatları, hisse senedi fiyatları, faiz oranları, ekonomik aktivite

ve istihdamı kullanarak 1989-1999 yılları arasında bu değişkenlerin arasındaki ilişkileri araştırır

ve şu sonuçlara ulaşır: Petrol fiyatları, hisse senedi fiyat hareketlerini açıklarken buradaki

değişiklik reel ekonomik faaliyeti ve istihdamı etkiler. Hisse senedi getirileri, faaliyet ve

istihdamda değişikliğe yol açmamaktadır. Orberndorfer (2009) çalışmasında petrol fiyatı-doğalgaz

fiyatı ilişkisi yanı sıra petrol fiyatları ve hisse senedi fiyatları arasındaki ilişkiyi araştırır. Petrol

fiyatlarındaki değişimlerin ve oynaklığın petrol ve doğalgaz hisse senetlerini etkilediği anlaşılır.

Mohammadi ve Su (2009) 1997-2009 dönemlerinin kullanıldığı çalışmada Cezayir, Kanada, Çin,

Dubai, Endonezya, Norveç, Rusya, Suudi Arabistan, İngiltere, Venezuella ve ABD’nin ham petrol

spot fiyatları kullanılır. Sonuç olarak koşullu standart sapmanın petrol getirisindeki oynaklığı

geleneksel koşullu varyansa göre daha iyi açıkladığı ve petrol getirisinin koşullu oynaklığında

şokların üstel bir oranda dağıldığı belirtilir. Papapetrou (2009) 1982-2008 yılları arasında petrol

fiyatı ve endüstri üretimi ilişkileri üzerinde durarak petrol fiyatının Yunanistan'daki ekonomik

aktiviteyi asimetrik olarak olumsuz yönde etkilediği sonucuna varılır. Doğrul ve Soytaş (2010)

2005-2009 yılları arasında gerçekleştirdikleri çalışmada petrol fiyatları ve işsizlik oranları ile

çalışarak uzun vadede petrol fiyatının işsizlik oranını etkilediğini belirtir. Ji ve Fan (2011)

çalışmasında ise 2006-2010 dönemlerinde petrol fiyatı, emtia fiyatı, enerji hariç emtia fiyatı, metal

emtia fiyatı, tarım emtia fiyatı, WTI vadeli işlem fiyatı ve dolar indeksi değişkenlerini kullanarak

aralarındaki ilişkileri araştırmaktadır. Çalışma sonucunda petrol fiyatlarının oynaklığının her

zaman diğer emtia fiyatlarını etkilediği sonucuna varılır.

İkinci grup literatür incelemesi doğalgaz fiyatları çerçevesinde; Emery ve Liu (2002), Bachmeier

ve Griffin (2006), Brigida (2014), Pindyck (2004) ve Papaioannou ve diğerleri (2018) yukarıdaki

alt gruplamada belirtildiği gibi petrol ve doğalgaz fiyatları arasında ilişki olduğunu çalışmalarında

belirtirler. Literatürde petrol ve doğalgaz fiyatları arasında ilişki bulamayan çalışmalar da

mevcuttur Örneğin; Ewing, Malik ve Özfidan (2002) çalışmasında doğalgaz fiyatındaki

oynaklıkların dışsal etkilere tepki gösterdiğini, petrol fiyatındaki oynaklıkların ise doğalgaz

fiyatlarının şoklara gösterdiği tepkiye tepki gösterdiğini belirtir. Asche, Osmundsen ve Sandsmark

(2006) çalışmasında piyasada rekabet halinde olan petrol ve doğalgaz gibi enerjilerin tamamen

ikame olamayacağı sonucuna varılmaktadır. Villar ve Joutz (2006) çalışmasında petrol fiyatlarının

doğalgaz fiyatlarını uzun vadede etkilediğini; fakat doğalgaz fiyatının petrol fiyatı üzerinde bir


59

etkisi olmadığı belirtilir. Brown ve Yücel (2008) çalışmasında doğalgaz fiyatlarının ham petrol

fiyatları ile uzun dönem ilişkisi bulunmasına rağmen doğalgaz fiyatları kısa dönemde hava

koşullarından etkilenmektedir sonucuna varılır.

Doğalgaz fiyatlarının finansal ve makro değişkenlerle olan ilişkilerinin üzerinde durulduğu bazı

çalışmalar da şu şekilde özetlenebilir: Örneğin Serletis ve Herbert (1999) Henry Hub, Transco

Zone 6 doğalgaz fiyatı, akaryakıt fiyatı ve elektrik fiyatı ilişkilerinde 1996-1997 dönemini inceler.

Sonuç olarak değişkenler bütünleşiktir ve Henry Hub, Transco Zone 6 doğalgaz fiyatları ve

akaryakıt fiyatlarında şokların etkisinin kalıcı olduğu görülmektedir. Acaravcı, Öztürk ve Kandir

(2012) ve (2013) ile Orberndorfer (2009) doğalgaz ve hisse senedi fiyatları ilişkisi üzerinde durur.

Çalışmalarda varılan sonuç ise hisse senedi fiyatları ile doğalgaz fiyatları arasında uzun vadeli bir

ilişkinin varlığının saptanmasıdır.

Üçüncü grup literatür incelemesi kömür fiyatları üzerine yapılan çalışmalardır; fakat kömür

fiyatlarıyla ilgilenen çalışmalara literatürde çok yer verilmemesi nedeniyle ulaşılan çalışmalar da

kısıtlıdır. Bachmeier ve Griffin (2006) çalışmasında kömür ve ham petrol fiyatları ile Wyoming

kömür ve doğalgaz fiyatlarının çok yüzeysel olarak birbirleri ile bağlantılı olduğu belirtilir. Bu

çalışmanın yanı sıra Papaioannou ve diğerleri (2018) Yunanistan'da spot elektrik fiyatları,

doğalgaz fiyatı ve kömür fiyatları arasında uzun vadeli ilişki olduğunu göstermektedir.

Dördüncü grup literatür incelemesinde elektrik fiyatları üzerinde duran çalışmalar şu şekilde

özetlenebilir: Serletis ve Herbert (1999) çalışmasında Henry Hub, Transco Zone 6 doğalgaz

fiyatları ve akaryakıt fiyatlarında şokların etkisinin kalıcı olduğu, elektrik fiyatında ise bu şokların

geçici olduğu ileri sürülmektedir. Emery ve Liu (2002) çalışmasında elektrik vadeli işlem fiyatı

ile doğalgaz vadeli işlem fiyatının eşbütünleşik olduğu ve değişimlerinin elektrik tüketimine bağlı

olduğu sonucuna varılmaktadır. Escribano, Pena ve Villaplona (2002) çalışmasında 1998-2000

dönemleri arasında İskandinavya, Arjantin, Avustralya, Yeni Zellenda, ABD ve İspanya elektrik

fiyatları üzerinde durulmaktadır. Çalışma sonucu olarak şu bilgiler elde edilmektedir: Denge

elektrik fiyatları esnek olduğu için farklı pazarlara dahil edilebilir ve araştırılan uluslararası

piyasalarda yüksek oynaklık mevcuttur. Asche, Osmundsen ve Sandsmark (2006) çalışmasında

petrol toptan satış fiyatı,doğalgaz toptan satış fiyatı ve elektrik toptan satış fiyatı arasındaki ilişkiler

incelenmekte ve piyasada rekabet halinde olan enerjilerin tamamen ikame olamayacağı sonucuna

varılmaktadır. Papaioannou ve diğerleri (2018) Yunanistan’daki elektrik spot fiyatları ile Brent

petrol, doğalgaz ve kömür fiyatları ilişkileri üzerinde durduğu çalışmasında Yunanistan'da spot

elektrik fiyatı, doğalgaz fiyatı ve karbon ödenekleri arasında uzun vadeli ilişki olduğunu

göstermektedir. Kısa vadede elektrik fiyatları diğer değişkenlerden etkilenmemektedir.


60

Enerji kaynaklarının birbirleri ile olan ilişkilerine değinen birçok çalışma bulunmasına rağmen,

birincil enerji kaynakları ithalatlarının ve fiyatlarının, ikincil enerji kaynakları fiyatlarının

oynaklıkları üzerindeki etkilerinin inceleyen çalışmalara rastlanmadığından bu tezin literatüre

katkı sağlayacağı düşünülmektedir. Çizelge1.’de literatür taramasında yer alan çalışmaların yıl

bazlı sıralaması ve özetleri verilmektedir.

3. Yunanistan’ın Enerji Yapısı

Yunanistan’ın enerji kaynaklarına geçilmeden önce, genel enerji yapısı hakkında bilgi verilmesi

uygun görülmektedir. Burada enerji yapıları hakkında üretim tüketim ithalat ve ihracat bilgileri

karşılaştırmalı olarak yer almaktadır.

3.1. Yunanistan’ın Enerjisi Yapısı Hakkında Genel Bilgi

Yunanistan, enerji kullanımının tamamını üretememekte ve dışa bağımlı bir enerji profili

çizmektedir. Şekil 3.1.’de 2016 yılına ait Yunanistan’ın birincil enerji yapısındaki üretimi

verilmektedir.

Şekil 3.1. Yunanistan’ın 2016 Yılı Birincil Enerji Üretimi

Kaynak: OECD Ilibrary’den derlenmiştir.

Şekil 3.1. incelendiğinde 3,96 milyon ton petrol eşdeğeri (Mtoe) olan kömür üretimini, 2.72 Mtoe

ile yenilenebilir enerji üretimi, 0.15 Mtoe ile ham petrol üretimi ve 0.01 Mtoe ile doğalgaz üretimi

izlemektedir. 2011 yılında Yunan hükümeti, düşük seviyelerde olan petrol ve doğalgaz üretimini

arttırmak amacıyla 15-20 yıl içerisinde gerçekleştirilecek ve 250-300 milyon varil çıktısı olacağı

düşünülen belirli alanlarda petrol ve doğalgaz arama/delme çalışmalarını onaylamıştır; fakat bu

bölgelerden biri olan Ege Denizi, Yunanistan ve Türkiye arasındaki çekişmeye neden olduğundan

petrol arama çalışmalarında engel teşkil etmektedir. Bununla birlikte Yunanistan Çevre, Enerji ve

3.96

2.72

0.150.01

0

0.5

1

1.5

2

2.5

3

3.5

4

2016

Mtoe

Kömür Yenilenebilir Enerji Petrol Doğalgaz


61

İklim Değişikliği Bakanlığı diğer bir rezerv noktası olan İyonya Denizi’nde, Norveç ve İngiltere

gibi çeşitli ülkelerle birlikte petrol-doğalgaz araştırmasını yürütmektedir.1 Şekil 4.1’de gösterilen

doğalgaz ve petrol üretiminin düşüklüğü, Yunan hükümetinin 2011 yılında onayladığı bu doğalgaz

ve petrol arama çalışmalarının 2016 yılı itibari ile üretime yansıtılamadığı kanısını

uyandırmaktadır. Şekil 3.2.’de Yunanistan’ın 2016 yılı birincil enerji tüketimi verilmektedir.

Şekil 3.2. Yunanistan’ın 2016 Yılı Birincil Enerji Tüketimi


Şekil 3.2.’de görüldüğü gibi 8,92 Mtoe ile Yunanistan'ın birincil enerji tüketiminin %54’ünü petrol

oluşturmaktadır. Petrol tüketimi elektrik üretiminden endüstriye, taşımacılık sektöründen konut

kullanımına kadar her alanda bulunduğu için enerji tüketimindeki yeri bir hayli büyüktür. Petrol

tüketimini, 1,51 Mtoe ile yenilenebilir enerji tüketimi, 1,32 Mtoe ile doğalgaz tüketimi ve 0,22

Mtoe ile kömür tüketimi izlemektedir. Şekil 3.3.’te Yunanistan’ın 2016 yılı enerji ithalatı

verilmektedir.

1 : İnternet: “İyonya-Girit’te Hidrokarbonlar İçin Yabancı Şirketlerin Çıkarları”. Web:

http://www.skai.gr/news/greece/article/196297/endiaferon-etaireion-gia-udrogonanthrakes-se-ionio-kriti/ adresinden

derlenmiştir.

8.92

1.51 1.32

0.22

0

1

2

3

4

5

6

7

8

9

10

2016

Mtoe

Petrol Yenilenebilir Enerji Doğalgaz Kömür

http://www.skai.gr/news/greece/article/196297/endiaferon-etaireion-gia-udrogonanthrakes-se-ionio-kriti/


62

Şekil 3.3. Yunanistan’ın 2016 Yılı Enerji İthalatı


Yunanistan’ın enerji kullanımının %64,18’ini enerji ithalatı ile karşılamaktadır. Şekil 3.3.

incelendiğinde bu enerji ithalatının değerinin 8,273 Mtoe olduğu görülmektedir. Enerji ithalatının

%86’sını 3,847 Mtoe ile doğalgaz ve 3,277 Mtoe ile petrol oluştururken %14’lük kısmı 0,845 Mtoe

ile elektrik ithalatı, 0,202 Mtoe ile kömür ithalatı ve 0,152 Mtoe ile yenilenebilir enerji ithalatıdır.

Şekil 3.4.’te Yunanistan’ın 2016 yılı enerji ihracatı verilmektedir.

Şekil 3.4. Yunanistan’ın 2016 Yılı Enerji İhracatı


Yunanistan’ın enerji ihracatını gösteren Şekil 3.4. incelediğinde ihracata konu olan enerji yapıları

0,16 Mtoe ile petrol ihracatı, 0,09 Mtoe ile elektrik ihracatı ve 0,01 Mtoe ile kömür ve yenilenebilir

enerji ihracatlarıdır. Çoğunlukla ithal edilen ham petrol, Yunanistan’da bulunan 4 rafineri tesisi

3.847

3.277

0.845

0.202 0.152

0.000

0.500

1.000

1.500

2.000

2.500

3.000

3.500

2016

Mtoe

Doğalgaz Petrol Elektrik Kömür Yenilenebilir Enerji

0.16

0.09

0.01 0.01

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

0.18

2016

Mtoe

Petrol Elektrik Kömür Yenilenebilir Enerji


63

sayesinde petrol ürünlerine çevrilmekte ve bu ürünler yerel tüketimde kullanılmasının yanı sıra

ihracatı da gerçekleştirilmektedir. Yalnız Şekil 3.4.’te 0,16 Mtoe olarak belirtilen ham petrol

ihracatıdır. Yenilenebilir enerji ihracatı ise biyoyakıttan oluşmaktadır.

3.2.Yunanistan’ın Doğalgaz Enerjisi Yapısı

Doğalgaz, Yunanistan'da önemli bir enerji kaynağıdır ve 2016 yılında toplam birincil enerji

arzındaki payı %15’tir. Doğalgaz tüketiminin son on yıla kıyasla toplam nihai tüketim payı iki

katına çıkmıştır. Yunanistan'ın doğalgaz üretimi ise 2016 yılında 0,49 Bcm’dir; fakat bu miktar

4,1 Bcm tüketime kıyasla ihmal edilemez derecede küçüktür. Şekil 3.5.’te Yunanistan’ın doğalgaz

ithalatı gerçekleştirdiği ülkeler ve ithalat miktarları verilmektedir.

Şekil 3.5. Yunanistan’ın 2016 Yılı Ülkeler İtibari ile Doğalgaz İthalatı


Şekil 3.5. incelendiğinde 2016'da Yunanistan’ın toplam doğalgaz ithalatının %63,81'i Bulgaristan

üzerinden doğalgaz alımı sağlanan Rusya’dan karşılanmaktadır. Diğer büyük doğalgaz

tedarikçileri, toplam doğalgaz ithalatının %18,05'ini oluşturarak LNG'yi tedarik eden Cezayir ve

%16,08'ini oluşturan Türkiye'dir ki Türkiye’nin yeniden ihraç ettiği doğalgazın kaynağı Orta

Doğu, Kafkasya ve Hazar Bölgesine ait doğalgaz yataklarıdır. “Yunanistan LNG ithalatını

artırmak suretiyle Güneydoğu Avrupa gaz piyasası için doğalgaz geçiş merkezi rolünü

genişletmeyi istemektedir” (Greece 2017 Review, 2017).

Boru hatları

Yunanistan’ın doğalgaz sistemine giden iki tane doğalgaz boru hattı giriş noktası ve bir tane LNG

giriş noktası vardır. Doğalgaz boru hattı giriş noktasından iletilen gazın yaklaşık beşte dördü

Bulgaristan ve Türkiye boru hatları üzerinden tedarik edilmektedir. Kalan kısmı ise büyük oranda

102.778

%63,81

29.072

%18,05

25.892

%16,08 3.331%2,06

0

20,000

40,000

60,000

80,000

100,000

2016

Tj

Bulgaristan(Rusya) Cezayir Türkiye(Orta Doğu, Kafkasya ve Hazar Bölgesi) Norveç


64

Cezayir'den LNG şeklinde ithal edilmektedir. Şekil 3.6.’da Yunanistan’ın sınır kapıları ve bu sınır

kapılarından elde edilen doğalgaz miktarları verilmektedir.

Şekil 3.6. Yunanistan’ın Sınır Kapıları ve 2016 Yılında Elde Edilen Doğalgaz Miktarı


Yunanistan-Bulgaristan sınırında bulunan Kula doğalgaz giriş noktası, kaynağı Rusya olan

doğalgazın Ukrayna, Moldova, Romanya ve Bulgaristan üzerinden Yunanistan’a iletim

sağlanması amacıyla kullanılmaktadır. Yunanistan’ın toplam doğalgaz ithalatı içerisindeki

Rusya’nın payında 2005-2010 yılları arasında %85’ten %54'e düşüş yaşansa da 2016 yılında bu

oran %64,72 olarak görülmektedir. Yunanistan-Türkiye sınırı olan Kipi bir diğer doğalgaz giriş

noktasıdır. Bu nokta Yunanistan'ın Ortadoğu ve Hazar bölgesinden doğalgaz ithal etmesini

sağlayan kapı olmakla birlikte bu giriş noktasından Türkiye üzerinden alınan doğalgaz ithalatının

yıllar içerisinde artış gösterdiği görülmektedir. Yunanistan'ın en büyük doğalgaz altyapısı

Revithoussa Adası'ndaki yeniden gaza dönüştürme kapasitesi 5.5 Bcm olan Revithoussa LNG

terminalidir. %96,43’ü Cezayir ve %3,57’si Nijerya’dan ithal edilen LNG, burada yeniden

doğalgaz haline dönüştürülmektedir. Harita 3.1.’de Yunanistan’ın doğalgaz ithal ettiği sınır

kapıları ve boru hatları verilmektedir.

2630

(%64,72)

791

(%19,46

643

(%15,82)

0

500

1000

1500

2000

2500

3000

2016

Mcm

Kula Revithoussa Kipi


65

Harita 3.1: Yunanistan’ın Doğalgaz İthal Ettiği Sınır Kapıları ve Boru Hatları

Kaynak: Greece Review 2017 yayınından alınarak, amaca uygun şekilde değiştirilmiştir.

3.3.Yunanistan’ın Elektrik Enerjisi Yapısı

Ekonomik kriz nedeniyle Yunanistan’da elektrik talebi üretim ve ithalat açısından 2008-2016

yılları arasında %16 düşüş göstermiştir. 2016'da 48.8 TWh elektrik üretimi gerçekleştirilmiş

olunmasına rağmen bu üretimin 2006'dan günümüze kadar gelen süreçte %19 azalma gösterdiği

söylenebilir. Çizelge 3.1.’de Yunanistan’ın 2010-2016 karşılaştırmalı olarak birincil enerji

kaynaklarına göre elektrik üretimi verilmektedir.

Çizelge 3.1: Yunanistan’ın 2010-2016 Yılları Birincil Enerji Kaynaklarından Elektrik

Üretimi

ENERJİ KAYNAKLARI 2010 2016

Kömür 34,31 TWh (%56,3) 15,42 TWh (%31,6)

Doğalgaz 9,83 TWh (%16,1) 13,56 TWh (%27,8)

Hidrolik 7,49 TWh (%12,3) 5,56 TWh (%11,4)

Rüzgâr 2,71 TWh (%4,5) 5,12 TWh (%10,5)

Petrol 6,09 TWh (%10) 4,83 TWh (%9,9)

Güneş Enerjisi 0,16 TWh (%0,3) 3,95 TWh (%8,1)

Biyoyakıt ve Çöp 0,32 TWh (%0,5) 0,34 TWh (%0,7)

TOPLAM 60,91 TWh 48.78 TWh

Kaynak: Greece Review 2017 ve Electricity Information 2017’den derlenmiştir.

Not: ( ) içerisinde elektrik üretimi yüzde değerleri verilmiştir.


66

Çizelge 3.1.’de görüldüğü gibi elektrik üretiminde %31,6 ile kömür en büyük enerji üretim

kaynağı olurken diğer fosil enerji kaynakları %27,8 ile doğalgaz, %9,9 ile petrol, kömürü takip

etmektedir; fakat son yıllarda fosil yakıtların baskınlığının azaldığı görülmektedir. Şöyle ki 2010

ile 2016 yılları arasında kömür ve petrolden elektrik üretimi yaklaşık %50 azalırken, yenilenebilir

kaynaklardan elde edilen enerji üretiminin neredeyse iki katına çıktığı görülmektedir.

Yenilenebilir enerji kaynaklarından olan hidrolik, 2016 yılında elektrik üretiminde en büyük

üçüncü enerji kaynağı olmaktayken ana artış rüzgâr enerjisi ve güneş enerjisinde görülmektedir.

Rüzgâr enerjisinin payı 2010-2016 yılları arasında %4,5’ten %10,5'e, güneş enerjisinin payı 2010-

2016 yılları arasında %0,3’ten %8,1'e yükselmekte ve 2016 yılında yenilenebilir enerji kaynakları

olarak elektrik üretiminin yaklaşık üçte birini oluşturduğu görülmektedir.

Elektrik ithalatı, son on yılda komşu ülkelerle olan ara bağlantı kapasitesi artmasıyla önemli bir

enerji kaynağı haline gelmiştir. Şekil 3.7.’de Yunanistan’ın elektrik enerjisi ithalatı yaptığı ülkeler

grafikte gösterilmektedir.

Şekil 3.7. Yunanistan’ın 2015 Yılı Ülkeler İtibari Elektrik İthalatı


2015 yılına ait Şekil 3.7. incelendiğinde Yunanistan'ın elektrik ithalatı, %31,97 ile

Bulgaristan’dan, %25,4 ile Türkiye’den, %24,55 ile Makedonya’dan, %15,09 ile İtalya’dan ve

%2,99 ile Arnavutluk’tan olmak üzere toplamda 11081 GWh olarak gerçekleştirilmektedir.

Yunanistan, uzun yıllar net ithalatçı durumuna gelmiş olmasına rağmen az miktarda başta İtalya

ve Türkiye olmak üzere ihracat gerçekleştirmektedir.

4. Uygulama

Birincil enerji kaynaklarıdan doğalgaz ve petrol, tüketimde birbirlerinin ikamesi iken üretimde

birbirlerinin hem ikamesi hem de tamamlayıcısıdır ve petrol fiyatlarındaki bir artış, doğalgaza

3543

%31,97 2814

%25,40

2720

%24,55

1672

%15,09

332%2,99

0.00%

5.00%

10.00%

15.00%

20.00%

25.00%

30.00%

35.00%

2015

GWh

Bulgaristan Türkiye Makedonya İtalya Arnavutluk


67

geçiş yapılmasını yönlendirmektedir, tersi de doğrudur. Yunanistan’da doğalgaz ve petrol

üretimindeki eksiklik sebebiyle, doğalgaz ve petrol ithalatları yükseliş eğilimindedir. Petrol ve

doğalgaz arasındaki ikame etkisi sebebiyle doğalgaz ithalatının, petrol ürünü olan akaryakıt

fiyatlarını etkilediği düşünülmektedir. Petrol ile olduğu gibi kömür ile doğalgaz arasında da benzer

bir durum söz konusudur. Elektrik üretiminde ikame olan ve üretimde fosil kaynaklar içerisinde

en yüksek paya sahip olan doğalgaz ve kömür fiyatlarındaki değişimlerin elektrik fiyatlarını

etkilediği düşünülmektedir. Anlaşılacağı üzere birincil enerji kaynakları arasında var olan ilişkiler,

doğal olarak üretimleri olan ikincil enerji kaynaklarını da etkilemektedir. Bahsi geçen sebepler

neticesinde Yunanistan’ın ikincil enerji kaynakları olan elektrik ve akaryakıt fiyatlarındaki

değişiminin incelenmesi için oynaklık modellerinden yararlanılmaktadır ve bu değişim çalışmanın

amacını oluşturmaktadır.

4.1. Veri Seti

Çalışmada kullanılan veri seti Yunanistan’a ait petrol ve doğalgaz ithalatları, birincil enerji

kaynakları olan petrol, doğalgaz ve kömür fiyatları ile ikincil enerji kaynağı olan elektrik

fiyatından oluşmaktadır. Yunanistan’ın petrol ve doğalgaz ithalat verilerine Eurostat’tan1, petrol,

doğalgaz, kömür ve elektrik fiyatları verileri OECD Ilibrary’den2 erişilmiştir. Çalışma Ocak 2008-

Haziran 2017 yılları arasında aylık veri kullanılmıştır; fakat petrol, doğalgaz, kömür ve elektrik

fiyatları çeyrek dönemlik verilerinden oluştuğu için diğer veriler ile frekans uyumu sağlanması

adına doğrusal interpolasyon3 yöntemi ile aylık verilere dönüştürülerek kullanılmıştır. Tüm

değişkenler Census-X12 yöntemi ile mevsimsel etkiden arındırılmıştır.

Yunanistan’ın doğalgaz ve petrol ithalatları o yıl içerisindeki toplam doğalgaz ve petrol

ithalatlarıdır. Elektrik fiyatı olarak hanehalkı elektrik fiyatı; doğalgaz, petrol ve kömür için toptan

doğalgaz, petrol ve kömür fiyatları kullanılmaktadır.

4.2. Yöntem

Enerji kaynakları arasındaki etkinin incelenmesi için çalışmada kullanılan ve daha önce beşinci

bölümde bahsedilen oynaklık modelleri genelleştirilmiş denklemleri aşağıda verilmektedir. Tüm

1 : İnternet: “Eurostat, Veri seti”. Web: https://ec.europa.eu/eurostat/web/energy/data/database adresinden 20 Ekim

2017 tarihinde alınmıştır. 2: İnternet: “OECD Ilibrary, veri seti“. Web: https://www.oecd-ilibrary.org/energy/data/end-use-prices/end-use-

prices-wholesale-and-retail-indices-of-energy-prices-edition-2016_da2cc220-en“ adresinden 23 Aralık tarihinde

alınmıştır. 3 : Bir seri içerisinde eksik değerler varsa veya seri diğer serilerin frekansına çekilmek isteniyorsa (yüksek

frekanstan düşük frekansa - yıllık, çeyreklik, aylık, on günlük, haftalık, günlük.. gibi - ya da düşük frekanstan

yüksek frekansa) interpolasyon yöntemleri ile dönüştürme sağlanabilir.

http://www.eviews.com/help/helpintro.html#page/content/Basedata-Frequency_Conversion.html

https://ec.europa.eu/eurostat/web/energy/data/database

https://www.oecd-ilibrary.org/energy/data/end-use-prices/end-use-prices-wholesale-and-retail-indices-of-energy-prices-edition-2016_da2cc220-en


http://www.eviews.com/help/helpintro.html#page/content/Basedata-Frequency_Conversion.html


68

oynaklık modellerine ait genelleştirilmiş ortalama modeli Eş.4.1’de, oynaklık modellerine ait

varyans denklemleri ise Eş.4.2, Eş.4.3 ve Eş.4.4’te verilmektedir.

-Genelleştirilmiş ortalama denklemi;1

yt = θ0 + ∑ θiyt−imi=1 + ∑ θkXt−k

nk=0 + (𝒉𝒕) + ℰt

2 (4.1)

-Genelleştirilmiş varyans denklemleri;

ARCH(q);

ht = α0 + ∑ αjqj=1 ℰt−j

2 + ƞXt (4.2)

GARCH(p,q);

ht = γ0 + ∑ γjqj=1 ℰt−j

2 + ∑ πipi=1 ht−i

2 + ƞXt (4.3)

EGARCH(p,q);

loght = ω0 + ∑ ωjqj=1 (

ℰt−j

ht−j) + ∑ ϑj |

ℰt−j

ht−j|

qj=1 + ∑ δi

pi=1 loght−i + ƞXt (4.4)

şeklinde gösterilebilir. Modelleme sırasında serilerin otoregresif yapısının belirlenmesinde uygun

gecikme uzunluğuna Schwarz Kriteriyle karar verilmiştir.

4.3. Elektrik Oynaklık Modelleri

Yunanistan’ın birincil enerji kaynağı üretim eksikliği, enerji ihtiyacını karşılamak için ithalata

yönelmesine neden olmaktadır. Birincil enerji kaynakları kullanılarak üretilen elektriğin

fiyatlandırması, birincil enerji kaynaklarının ithalatlarından ve sistemdeki fiyatlarından

etkilenmektedir. Bu etkinin görülebilmesi adına oynaklık modelleri yardımıyla söz konusu enerji

kaynaklarının elektrik fiyatları üzerindeki etkisi araştırılmaktadır.

4.3.1. Doğalgaz İthalatının Elektrik Oynaklık Modellerine Etkisi

Elektrik oynaklık modelleri, tüketimde birbirinin ikamesi olarak görülen petrol ve doğalgaz

ithalatları yardımıyla tahmin edilmektedir. Bağımlı değişken “yt”, Yunanistan’ın hanehalkı

elektrik fiyatındaki büyüme olarak Eş.4.5.’te tanımlanmıştır ve çalışmada ”Hanehalkı elektrik

fiyatı“ olarak bahsedilecektir.

(𝐹𝑒𝑙𝑒𝑘𝑡𝑟𝑖𝑘) = ((Hanehalkı elektrik fiyatıt

Hanehalkı elektrik fiyatıt−1) − 1) ∗ 100 (4.5)

“𝑋𝑡” bağımsız değişkeni ise Eş. 4.6’da tanımlanmaktadır.

1 : Parantez içerisinde verilen ht, ARCH-M, GARCH-M, EGARCH-M modellerine ait genelleştirilmiş ortalama

denklemlerinde bulunmaktadır. Ayrıca √ht ve log ht şeklinde ortalama denklemlerinde yer alabilen ht’nin bu

kullanım değişimlerinin nedeni varyanstaki değişmelerin ortalama üzerinde oransal olarak daha az yansıdığının

varsayılmasından kaynaklanmaktadır. 2 : Genelleştirilmiş ortalama denkleminde yer alan ℰt hata teriminin ARCH etkisi taşıdığı yapılan ARCH-LM testi

ile gözlenmiştir. Bu nedenle oynaklık modelleri kullanılmıştır.


69

(𝐷𝑑𝑔.𝑖𝑡ℎ) =Toplam doğalgaz ithalatı

Toplam petrol ve doğalgaz ithalatı

(𝐷𝑝𝑡𝑟𝑙.𝑑𝑔.𝑖𝑡ℎ) =Toplam doğalgaz ithalatı

Toplam petrol ithalatı (4.6)

Eş. 4.6’da verilen “𝐷𝑑𝑔.𝑖𝑡ℎ”, Yunanistan’ın birincil enerji kaynaklarından petrol ve doğalgazın

toplam ithalatı içindeki doğalgaz ithalatının payını gösterirken, bu değişkenle toplam doğalgaz

ithalatının önemi ve doğalgaz ithalatının ikame etkisi incelenecektir ve çalışmada “doğalgaz

ithalatının payı” olarak söz edilecektir. Yunanistan’ın toplam petrol ve toplam doğalgaz ithalatı

enerji ithalatında ilk iki içerisinde yer aldığı için paydada bu iki enerji ithalatına yer verilmektedir.

“𝐷𝑝𝑡𝑟𝑙.𝑑𝑔.𝑖𝑡ℎ” ile oransal değişimini görmenin yanı sıra petrol ve doğalgazın arasındaki ilişkide

ithalat hareketlerinden kaynaklı korelasyonunun olup olmadığı da anlaşılacaktır ve çalışmada

“doğalgaz ithalatındaki değişim” olarak söz edilecektir. Ayrıca çalışmada Yunanistan’ın toplam

doğalgaz ve petrol ithalatlarından yararlanılarak petrol ürünü olan akaryakıt fiyatındaki

büyümenin oynaklığı incelenecektir. Elektrik oynaklık modelleri Çizelge 4.1.’de verilmektedir.

Çizelge 4.1: Hanehalkı Elektrik Fiyatı Oynaklık Modelleri

DEĞİŞKEN

MODEL

ARCH-

M(1)

GARCH-

M(1,1)

EGARCH(1,1) ARCH-

M(1)

GARCH-

M(1,1)

EGARCH(1,1)

Hanehalkı Elektrik Fiyatı Hanehalkı Elektrik Fiyatı

ORTALAMA DENKLEMİ

√𝒉𝒕 2,49***

(0,62)

0,47***

(0,15)

2,42**

(1,00)

𝒍𝒐𝒈(𝒉𝒕) 0,27**

(0,11)

1,13***

(0,03)

𝒄 -0,19

(0,20)

-1,85***

(0,37)

-0,16***

(0,04)

1,33***

(0,06)

-1,38**

(0,60)

-0,09

(0,09)

(𝑭𝒆𝒍𝒆𝒌𝒕𝒓𝒊𝒌)𝒕−𝟏 0,64***

(0,08)

0,72***

(0,02)

0,77***

(0,04)

0,68***

(0,02)

0,77***

(0,04)

0,80***

(0,04)

(𝑭𝒆𝒍𝒆𝒌𝒕𝒓𝒊𝒌)𝒕−𝟐 0,11

(0,08)

0,12

(0,03)

0,21***

(0,03)

0,23

(0,03)

0,10**

(0,05)

0,19***

(0,03)

(𝑭𝒆𝒍𝒆𝒌𝒕𝒓𝒊𝒌)𝒕−𝟑 -0,35***

(0,08)

-0,40***

(0,04)

-0,59***

(0,04)

-0,45***

(0,01)

-0,35***

(0,02)

-0,46***

(0,04)

(𝑭𝒆𝒍𝒆𝒌𝒕𝒓𝒊𝒌)𝒕−𝟒 0,25***

(0,07)

0,26***

(0,03)

0,36***

(0,04)

0,25***

(0,00)

0,20***

(0,02)

0,26***

(0,03)

(𝑫𝒅𝒈.𝒊𝒕𝒉) 5,51**

(2,60)

3,69***

(1,13)

3,91***

(0,83)

(𝑫𝒅𝒈.𝒊𝒕𝒉)𝒕−𝟏

1,55

(2,00)

2,17***

(0,57)

-0,91**

(0,39)

(𝑫𝒅𝒈.𝒊𝒕𝒉)𝒕−𝟐

-0,91

(1,86)

-1,29***

(0,42)

-1,26***

(0,37)

(𝑫𝒅𝒈.𝒊𝒕𝒉)𝒕−𝟑

-0,37

(1,93)

1,58***

(0,47)

-0,75

(0,60)

(𝑫𝒑𝒕𝒓𝒍.𝒅𝒈.𝒊𝒕𝒉)

1,92***

(0,28)

1,97*

(1,05)

0,70

(0,51)

(𝑫𝒑𝒕𝒓𝒍.𝒅𝒈.𝒊𝒕𝒉)𝒕−𝟏

0,79***

(0,27)

0,96**

(0,48)

0,34

(0,58)

(𝑫𝒑𝒕𝒓𝒍.𝒅𝒈.𝒊𝒕𝒉)𝒕−𝟐

-1,60***

(0,17)

-1,14**

(0,31)

-0,73

(0,72)

(𝑫𝒑𝒕𝒓𝒍.𝒅𝒈.𝒊𝒕𝒉)𝒕−𝟑

0,25

(0,26)

0,50

(0,39)

0,47

(0,51)


70

Çizelge 4.1: Hanehalkı Elektrik Fiyatı Oynaklık Modelleri (devam)

DEĞİŞKEN

MODEL

ARCH-

M(1)

GARCH-

M(1,1) EGARCH(1,1)

ARCH-

M(1)

GARCH-

M(1,1) EGARCH(1,1)

VARYANS DENKLEMİ

𝒄 0,32***

(0,04)

0,27***

(0,08)

-7,57***

(1,21)

0,26***

(0,00)

0,24***

(0,08)

-7,56***

(0,87)

(𝑫𝒅𝒈.𝒊𝒕𝒉) -1,30***

(0,19)

-1,04***

(0,36)

14,05**

(6,95)

(𝑫𝒑𝒕𝒓𝒍.𝒅𝒈.𝒊𝒕𝒉)

-0,03**

(0,01)

-0,67**

(0,31)

13,06***

(4,41)

𝜺𝒕−𝟏𝟐

0,22*

(0,13)

0,10**

(0,04)

0,12***

(0,00)

0,11*

(0,06)

𝒉𝒕−𝟏 0,17**

(0,08)

0,21**

(0,09)

|𝜺𝒕−𝟏

√𝒉𝒕−𝟏

| 1,75***

(0,16)

1,05***

(0,17)

𝜺𝒕−𝟏

√𝒉𝒕−𝟏

-0,24**

(0,12)

-0,24**

(0,11)

𝒍𝒐𝒈(𝒉𝒕−𝟏)

-0,53***

(0,09)

-0,60***

(0,08)

𝒈𝒆𝒅 𝒑𝒂𝒓𝒂𝒎𝒆𝒕𝒓𝒆𝒔𝒊

0,54***

(0,08)

0,45***

(0,07)

0,54***

(0,07)

OYNAKLIK MODELLERİNİN SAĞLAMLIK İSTATİSTİKLERİ

L-jung-Box Q-istatistiği, p

Gecikme 1

2

5

10

[0,904]

[0,609]

[0,790]

[0,964]

[0,375]

[0,443]

[0,479]

[0,740]

[0,291]

[0,559]

[0,731]

[0,489]

[0,120]

[0,164]

[0,345]

[0,628]

[0,410]

[0,488]

[0,212]

[0,592]

[0,236]

[0,175]

[0,316]

[0,254]

ARCH-LM testi, p

Gecikme 1

2

5

10

[0,916]

[0,994]

[0,999]

[1,000]

[0,385]

[0,684]

[0,969]

[0,998]

[0,688]

[0,920]

[0,958]

[0,988]

[0,159]

[0,365]

[0,801]

[0,989]

[0,476]

[0,778]

[0,990]

[0,999]

[0,838]

[0,828]

[0,987]

[0,994]

Not1: () içindekiler standart hataları, [ ] içindekiler p değerlerini gösterir.

Not2: ***: %1 güven düzeyinde anlamlıdır.

**: %5 güven düzeyinde anlamlıdır.

*: %10 güven düzeyinde anlamlıdır.

Çizelge 4.1.’de elektrik oynaklık modellerinin ortalama denklemlerinde hanehalkı elektrik

fiyatının 2.ay gecikmesi dışında gecikmelerinin istatistiksel olarak anlamlı olduğu ve elektrik

fiyatının geçmiş elektrik fiyatlarından etkilendiği görülmektedir. Doğalgaz ithalatının payı ve

gecikmelerinin de istatistiksel olarak anlamlı olduğu ve hanehalkı elektrik fiyatını etkilediği; fakat

ARCH(1) ve EGARCH(1,1) modellerinin 3. ay gecikmelerinin istatistiksel olarak anlamlılık

göstermediği görülmektedir. Doğalgaz ithalatındaki değişimin istatistiksel olarak anlamlı olduğu

ve elektrik fiyatı üzerinde etkisinin olduğu söylenebilir. Doğalgaz ithalatındaki değişiminin 1. ve

2.ay gecikmelerinin istatistiksel olarak anlamlı olduğu ve elektrik fiyatını etkilediği, 3.ay

gecikmesinin ise istatistiksel olarak anlamlı olmadığı görülmektedir. EGARCH (1,1) modeli için

doğalgaz ithalatındaki değişimin ve gecikmelerinin anlamlı olmadığı görülmektedir.

ARCH-M(1) modellerinde varyans denklemi için sağlanması gereken α0 > 0 𝑣𝑒 0 < α1 < 1

parametre kısıtları sağlanmıştır. ARCH-M modelleri için ısrarcılık etkisi sırası ile 0,22 (%10


71

düzeyinde) ve 0,12’dir. İstatistiksel olarak anlamlı olan parametre tahminleri ısrarcılık etkisinin

yüksek olduğunu göstermektedir. Bu da ani elektrik fiyatı artışlarının etkisinin uzun süreceğini ve

dengeye gelmekte zorluk yaşanacağını göstermektedir. GARCH-M(1,1) modellerinde varyans

denklemi için sağlanması gereken γ0 > 0, 0 < γ1 < 1 ve γ1 + π1 < 1 parametre kısıtları

sağlanmıştır. GARCH-M modelleri için şokların etkisinin uzun süre devam etmesi olarak

tanımlanan ısrarcılık etkisi ℰt−12 ve ht−i

2 ’nin tahmin edilen parametrelerinin toplamına bakılarak

yorumlanabilir. Toplamları sırası ile 0,27 ve 0,32 olan ve %5 düzeyinde istatistiksel olarak anlamlı

olan parametre tahminleri ile bu etkinin yüksek olduğu görülmektedir. GARCH modelleri

ısrarcılık etkisinin ARCH modelleri ile benzer sonuçları verdiği görülmektedir.

EGARCH(1,1) modellerinin varyans denklemlerinde yer alan |ℰt−1

√ht−1|’nin parametre tahmini

istatistiksel olarak anlamlıdır. Asimetri etkisinin varlığını gösteren ℰt−1

√ht−1’nin parametre tahmini

istatistiksel olarak anlamlı ve negatif değerlidir. Yunanistan elektrik sistemine iyi haber geldiği

için hanehalkı elektrik fiyatı oynaklığının azaldığı söylenebilir.

Tüm modellerin varyans denklemine eklenen doğalgaz ithalatının payının ve doğalgaz

ithalatındaki değişimlerin parametre tahminleri beklenildiği gibi negatif değerde (EGARCH(1,1)

modelleri için pozitif çıkmıştır) ve istatistiksel olarak anlamlıdır. Bu negatif etki ile doğalgaz

ithalatı arttıkça elektrik fiyatı büyüme oynaklığının azalacağı ve doğalgaz ithalatında yaşanan bir

değişimin elektrik fiyatı büyüme oynaklığını, elektrik üretiminde kullanılan diğer enerji

kaynaklarından daha çok azaltacağı söylenebilir.

Elektrik oynaklık modellerinin sağlamlığı sınaması için L-jung Box-Q istatistiğine ve ARCH-LM

testlerinden yaralanılmıştır ve tüm oynaklık modelleri için yokluk hipotezlerinin reddedilememesi

üzerine elektrik fiyatı oynaklık modellerinde otokorelasyon ve değişen varyans sorunlarının

olmadığı tespit edilmiştir. Analizler sonucunda elektrik fiyatlarındaki ARCH etkisinin, fosil enerji

kaynağı ithalatları ile oluşturulan oynaklık modelleri yardımıyla ortadan kalktığı görülmektedir.

4.3.2. Doğalgaz Fiyatının Elektrik Oynaklık Modellerine Etkisi

“Yunanistan'ın elektrik marketi içinde hem kömür hem de doğalgaz elektrik üretim karmasında

önemli rol oynamaktadır. Bu nedenle, kömür ve doğalgaz fiyatlarındaki değişimlerin, elektrik

üretme maliyeti ve dolayısıyla toptan satış fiyatı üzerinde doğrudan ve anlamlı bir etkiye sahip

olması beklenmektedir” (Papaioannou ve diğerleri, 2018). Bağımlı değişken, Yunanistan’ın

hanehalkı elektrik fiyatındaki büyüme olarak daha önce Eş.4.5’te ifade edilmiştir. Bağımsız

değişken ise Eş.4.7’de tanımlanmıştır.


72

(𝐷𝑑𝑔.𝑓𝑦𝑡) =Toptan doğalgaz fiyatı

Toptan kömür ve doğalgaz fiyatı

(𝐷𝑘𝑚𝑟.𝑑𝑔.𝑓𝑦𝑡) =Toptan doğalgaz fiyatı

Toptan kömür fiyatı (4.7)

Eş.4.7’de verilen “𝐷𝑑𝑔.𝑓𝑦𝑡”, Yunanistan’ın birincil enerji kaynaklarından kömür ve doğalgazın

oluşturduğu toplam elektrik üretimi içerisindeki doğalgaz fiyatının payını gösterirken, bu

değişkenle doğalgaz fiyatının ikame etkisi incelenecektir. Aynı zamanda çalışmada “doğalgaz

fiyatının payı” olarak söz edilecektir. “𝐷𝑘𝑚𝑟.𝑑𝑔.𝑓𝑦𝑡” ile oransal değişimini görmenin yanı sıra

kömür ve doğalgazın arasındaki ilişkide fiyatlardan kaynaklı korelasyon olup olmadığı da

anlaşılacaktır ve çalışmada “doğalgaz fiyatındaki değişim” olarak söz edilecektir. Elektrik

oynaklık modelleri Çizelge 4.2.’te verilmektedir.

Çizelge 4.2: Hanehalkı Elektrik Fiyatı Oynaklık Modelleri

DEĞİŞKEN

MODEL

ARCH(1) GARCH-

M(1,1) EGARCH(1,1) ARCH(1)

GARCH-

M(1,1)

EGARCH-

M(1,1)

Hanehalkı Elektrik Fiyatı Hanehalkı Elektrik Fiyatı

ORTALAMA DENKLEMİ

√𝒉𝒕 1,08**

(0,45)

𝒍𝒐𝒈(𝒉𝒕) 0,24***

(0,05)

𝒉𝒕 -0,02

(0,12)

𝒄 0,13

(0,37)

-1,32

(0,94)

0,10

(0,13)

-0,02

(0,24)

-1,80***

(0,21)

-0,77***

(0,17)

(𝑭𝒆𝒍𝒆𝒌𝒕𝒓𝒊𝒌)𝒕−𝟏 0,65***

(0,07)

0,78***

(0,09)

0,73***

(0,03)

0,70***

(0,08)

0,70***

(0,04)

0,78***

(0,05)

(𝑭𝒆𝒍𝒆𝒌𝒕𝒓𝒊𝒌)𝒕−𝟐 0,07

(0,07)

0,03

(0,09)

0,19***

(0,03)

0,06

(0,08)

0,20***

(0,02)

0,04

(0,05)

(𝑭𝒆𝒍𝒆𝒌𝒕𝒓𝒊𝒌)𝒕−𝟑 -0,31***

(0,10)

-0,33***

(0,09)

-0,53***

(0,05)

-0,48***

(0,11)

-0,53***

(0,03)

-0,48***

(0,06)

(𝑭𝒆𝒍𝒆𝒌𝒕𝒓𝒊𝒌)𝒕−𝟒 0,08

(0,06)

0,14*

(0,08)

0,30***

(0,04)

0,23**

(0,09)

0,09***

(0,03)

0,18***

(0,06)

(𝑫𝒅𝒈.𝒇𝒚𝒕) 1,89

(1,81)

2,75

(3,08)

1,34

(1,59)

(𝑫𝒅𝒈.𝒇𝒚𝒕)𝒕−𝟏

-0,65***

(0,11)

-0,57

(5,31)

-1,08

(2,54)

(𝑫𝒅𝒈.𝒇𝒚𝒕)𝒕−𝟐

6,40

(4,80)

1,37

(5,05)

6,33*

(3,04)

(𝑫𝒅𝒈.𝒇𝒚𝒕)𝒕−𝟑

-7,65**

(3,51)

-1,33

(3,26)

-6,63***

(1,76)

(𝑫𝒌𝒎𝒓.𝒅𝒈.𝒇𝒚𝒕)

1,84**

(0,84)

2,59***

(0,27)

2,85***

(0,82)

(𝑫𝒌𝒎𝒓.𝒅𝒈.𝒇𝒚𝒕)𝒕−𝟏

-2,67***

(0,98)

-1,95***

(0,68)

-4,19***

(1,21)

(𝑫𝒌𝒎𝒓.𝒅𝒈.𝒇𝒚𝒕)𝒕−𝟐

2,30***

(0,28)

2,02***

(0,45)

2,62**

(1,06)

(𝑫𝒌𝒎𝒓.𝒅𝒈.𝒇𝒚𝒕)𝒕−𝟑

-1,34**

(0,56)

-0,48***

(0,19)

-0,48

(0,70)


73

Çizelge 4.2: Hanehalkı Elektrik Fiyatı Oynaklık Modelleri (devam)

DEĞİŞKEN

MODEL

ARCH(1) GARCH-

M(1,1) EGARCH(1,1) ARCH(1)

GARCH-

M(1,1)

EGARCH-

M(1,1)

VARYANS DENKLEMİ

𝒄 0,35***

(0,09)

0,36***

(0,09)

1,65

(2,01)

0,24***

(0,06)

0,18***

(0,05)

2,12*

(1,16)

(𝑫𝒅𝒈.𝒇𝒚𝒕) -0,60***

(0,17)

-0,64***

(0,17)

-12,50***

(3,96)

(𝑫𝒌𝒎𝒓.𝒅𝒈.𝒇𝒚𝒕) -0,17***

(0,05)

-0,14***

(0,04)

-6,14***

(1,27)

𝜺𝒕−𝟏𝟐

0,73***

(0,26)

0,09***

(0,01)

0,64**

(0,25)

0,19***

(0,07)

𝒉𝒕−𝟏 0,46***

(0,11)

0,58***

(0,04)

|𝜺𝒕−𝟏

√𝒉𝒕−𝟏

| 2,12***

(0,29)

1,60***

(0,23)

𝜺𝒕−𝟏

√𝒉𝒕−𝟏

-0,29***

(0,10)

-0,27**

(0,12)

𝒍𝒐𝒈(𝒉𝒕−𝟏) -0,37***

(0,06)

-0,35***

(0,12)

𝒈𝒆𝒅 𝒑𝒂𝒓𝒂𝒎𝒆𝒕𝒓𝒆𝒔𝒊 0,71***

(0,08)

OYNAKLIK MODELLERİNİN SAĞLAMLIK İSTATİSTİKLERİ

L-jung-Box Q-istatistiği, p

Gecikme 1

2

5

10

[0,920]

[0,699]

[0,457]

[0,721]

[0,739]

[0,870]

[0,272]

[0,620]

[0,334]

[0,391]

[0,603]

[0,151]

[0,889]

[0,784]

[0,526]

[0,842]

[0,602]

[0,844]

[0,210]

[0,640]

[0,586]

[0,370]

[0,102]

[0,303]

ARCH-LM testi, p

Gecikme 1

2

5

10

[0,781]

[0,924]

[0,998]

[1,000]

[0,860]

[0,943]

[0,998]

[1,000]

[0,739]

[0,860]

[0,988]

[0,979]

[0,767]

[0,910]

[0,997]

[0,999]

[0,857]

[0,954]

[0,998]

[1,000]

[0,776]

[0,959]

[0,997]

[0,930]

Not1: () içindekiler standart hataları, [ ] içindekiler p değerlerini gösterir.

Not2: ***: %1 güven düzeyinde anlamlıdır.

**: %5 güven düzeyinde anlamlıdır.

*: %10 güven düzeyinde anlamlıdır.

Çizelge 4.2.’de Yunanistan’ın hanehalkı elektrik fiyatı oynaklık modellerinin ortalama

denklemlerinde hanehalkı elektrik fiyatının gecikmelerinin 2.ay gecikmesi dışında

(EGARCH(1,1) ve GARCH-M(1,1) modelleri 2.ay gecikmeleri istatistiksel olarak anlamlıdır)

istatistiksel olarak anlamlı olduğu ve elektrik fiyatının geçmiş elektrik fiyatlarından önemli

derecede etkilendiği görülmektedir. Doğalgaz fiyatının payı ile 1. ve 2.ay gecikmeleri istatistiksel

olarak anlamsızken sadece ARCH(1) modeli 1.ay gecikmesi, EGARCH(1,1) modeli 2.ay

gecikmesi ve modellerin 3.ay gecikmelerinin istatistiksel olarak anlamlı olduğu (GARCH-M(1,1)

modeli dışında) ve hanehalkı elektrik fiyatını etkilediği görülmektedir. Doğalgaz fiyatındaki

değişimin ve gecikmelerinin istatistiksel olarak anlamlı olduğu (EGARCH-M(1,1) 3.ay gecikmesi

dışında) ve hanehalkı elektrik fiyatı üzerinde etkisinin olduğu söylenebilmektedir.

ARCH ve GARCH-M modellerinde varyans denklemi için sağlanması gereken parametre

kısıtlarını sağlanmıştır. Israrcılık etkisi ARCH modeli için 0,73 ve 0,64 (%5 düzeyinde)’dir ve


74

GARCH-M modelinde 0,55 ve 0,77 olan parametre tahminleri istatistiksel olarak anlamlıdır. Bu

değerler ısrarcılık etkinin çok yüksek olduğunu göstermektedir ve ani elektrik fiyatı artışlarının

etkisinin uzun olacağı ve elektrik fiyatlarının dengeye gelmekte zorluk yaşanacağını

göstermektedir.

EGARCH(1,1) modellerinin varyans denklemlerinde yer alan |ℰt−1

√ht−1|’nin parametre tahminleri

istatistiksel olarak anlamlıdır. ℰt−1

√ht−1’nin parametre tahmininde her iki model için de istatistiksel

olarak anlamlı olan parametre tahminleri negatif ve istatistiksel olarak anlamlı olduğu için

piyasaya gelen iyi haberlerin elektrik fiyat oynaklığını düşüreceği söylenebilir.

Tüm modellerin varyans denklemine eklenen toptan doğalgaz fiyatının payının ve doğalgaz

fiyatındaki değişimin parametre tahminleri beklenildiği gibi negatif değerdedir ve istatistiksel

olarak anlamlıdır. Bu negatif etki ile elektrik üretiminde kullanılan kömür ve doğalgaz enerji

kaynaklarının ikame olmasından yararlanılarak doğalgazın payının arttırılması gerektiği

düşünülmektedir. Ayrıca doğalgaz fiyatlarının arttıkça elektrik fiyat oynaklığının azalacağı ve

diğer enerji kaynaklarına göre tercih edilebilir olduğu saptanmaktadır. Doğalgaz fiyatının üretimde

kullanılan diğer enerji türlerinin fiyatlarına göre elektrik fiyat oynaklığını daha çok azaltacağı

görülmektedir.

Elektrik oynaklık modellerinde sağlamlık sınamalarında için L-jung Box-Q testi ve ARCH-LM

testi ile modeller sınanmaktadır. Tüm oynaklık modelleri için yokluk hipotezlerinin

reddedilememesi üzerine elektrik fiyatı oynaklık modellerinde otokorelasyon ve değişen varyans

sorunlarının olmadığı tespit edildiğinden sonuçların tutarlı olduğu söylenebilir. Analizler

sonucunda elektrik fiyatlarındaki ARCH etkisinin, fosil birincil enerji kaynakları fiyatları ile

oluşturulan oynaklık modelleri yardımıyla ortadan kalktığı görülmektedir.

5. Sonuç

“Dünyanın enerji ihtiyacının büyük bir kısmı fosil yakıtlar tarafından sağlandığından, fosil yakıt

fiyatlarının, özellikle enerji ithal eden ülke ekonomileri için önemli bir faktör olduğu ileri

sürülmektedir” (Acaravcı, Öztürk ve Kandir, 2012). Bununla birlikte fosil enerji kaynaklarından

doğalgazın kullanımının diğer enerji kaynaklarına göre tercih edilebilir olması, petrol ürünü

akaryakıt fiyatı üzerindeki ve üretiminde kullanıldığı elektrik fiyatı üzerindeki etkisi merak

uyandıran unsurlardandır. Bu etkinin varlığının araştırılması için yola çıkan bu tez, Yunanistan’ın

akaryakıt ve elektrik fiyatları üzerinde uygulayabileceği fiyat politikalarında yardımcı olacak

bulgular içermektedir.


75

Çalışma kapsamında Ocak 2008- Haziran 2017 dönemleri aylık verileri ile oynaklık modelleri

kullanılarak Yunanistan’ın birincil enerji kaynaklarının elektrik fiyat oynaklıkları üzerindeki

etkileri araştırılmaktadır.

Yunanistan’ın doğalgaz üretimi, doğalgaz tüketimini karşılayamadığından doğalgaz tüketimi

doğalgaz ithalatı ile karşılanmaktadır ve çalışmada bu nedenle elektrik fiyat oynaklıkları

incelenirken doğalgaz ithalatı kullanılmaktadır. Birincil enerji kaynakları arasında doğalgaz

ithalatının payının ve doğalgaz ithalatının değişiminin elektrik fiyat oynaklıkları üzerindeki

etkileri ARCH, ARCH-M, GARCH, GARCH-M, EGARCH ve EGARCH-M oynaklık modelleri

yardımıyla incelenmektedir. Elektrik fiyatlarının kendi geçmiş değerlerinden, doğalgaz ithalatının

payından ve doğalgaz ithalatının değişiminden etkilendiği görülmektedir. Oynaklık modellerinin

varyans denklemlerinde yer alan doğalgaz ithalatının payı ve doğalgaz ithalatındaki değişimin

parametre tahminleri negatif değerde bulunmuş, bu negatif etki sayesinde doğalgaz ithalatının

payının artmasıyla elektrik fiyat oynaklığının azalacağı ve doğalgaz ithalatının petrol ithalatına

göre elektrik fiyat oynaklığını daha çok azaltabileceği görülmektedir. Ayrıca EGARCH ve

EGARCH-M modelleri sayesinde asimetri etkisinin varlığının saptanmasıyla sisteme gelen iyi

haberler sonucunda elektrik fiyat oynaklığının azalabileceği anlaşılmaktadır.

Ek olarak birincil enerji kaynakları arasında doğalgaz fiyatının payının ve doğalgaz fiyatının

değişiminin elektrik fiyatı oynaklığı üzerindeki etkileri incelenmiştir. Analiz sonucunda elektrik

fiyatlarının doğalgaz fiyatının payından ve doğalgaz fiyatının değişiminden etkilediği

görülmüştür. Oynaklık modellerinin varyans denklemlerinde yer alan doğalgaz fiyatının payı ve

doğalgaz fiyatının değişiminin negatif değerde çıkması, bu değişkenlerin elektrik fiyatındaki

oynaklığı azalttığını göstermiştir; asimetri etkisinin varlığının saptanmasıyla sisteme gelen iyi

haberler sonucunda akaryakıt ve elektrik fiyat oynaklığının azalabileceği anlaşılmaktadır. Serletis

ve Herbert (1999), Emery ve Liu (2002), Asche, Osmundsen ve Sandsmark (2006) ile Papaioannou

ve diğerleri (2018)’nin çalışmaları doğalgaz ve elektrik fiyatları arasında eşbütünleşme ilişkisinin

varlığını saptarken, tez çalışmamız doğalgaz ithalatının ve fiyatının elektrik fiyatı oynaklığını

etkilediği sonucuna ulaşmaktadır.

Çalışma sonucunda ulaşılan bulgular şu şekilde özetlenebilir: Genel olarak doğalgaz ithalatının ve

doğalgaz fiyatının elektrik fiyatı üzerinde etkisinin olduğu ve bu etkinin elektrik fiyatı üzerindeki

oynaklığı azaltıcı yönde etki sağladığı görülmüştür. Yunanistan, elektrik fiyatlarında bir düşüş

istediğinde doğalgaz üretiminin yetersiz olması nedeniyle doğalgaz ithalatını arttırmalıdır.

Doğalgaz ithalatı doğalgaz üretimine kıyasla yüksek maliyetlerde olsa dahi, oynaklık modelleri

doğalgaz ithalatının elektrik fiyatlarını düşürdüğünü göstermiştir. Yunanistan’ın elektrik

üretiminde kullandığı fosil yakıtlar arasında kömür ve doğalgazın oranı diğer enerji kaynaklarına


76

göre fazladır. Bununla birlikte elektrik üretiminde emisyonu düşük, güvenilir ve daha az maliyet

yaratan doğalgaza yönelim elektrik fiyatlarını düşürme konusunda yarar sağlayabilir. Doğalgaz

fiyatının, üretiminin gerçekleştirildiği kömür fiyatına göre elektrik fiyatını daha çok düşürdüğü

oynaklık modelleri ile kanıtlanmıştır. Elektrik üretiminde doğalgazın payının arttırılması, elektrik

fiyatlarının düşürülmesinde olumlu yönde etki sağlayabilir. “Yunanistan örnek teşkil etmektedir

ve bu değişkenler arasındaki dinamik ilişkiler üzerine çıkarılan sonuçlar diğer orta ölçekli

ekonomilerdeki koşulların göstergesi olabilir” (Papapetrou, 2001).

Elektrik fiyatını düşürmek isteyen Yunanistan, doğalgaz ithalatını arttırmak durumunda kalacaktır

ki, bu durum Yunanistan’ın Rusya bağımlılığından kaçınmak istemesi sebebiyle Orta Doğu,

Kafkasya ve Hazar Bölgesi’ne ait doğalgaz yataklarına yönelmesini sağlayacaktır. “Bu koşullar

altında, Türkiye, Rusya'nın doğalgaz kaynaklarını Güney ve Güneydoğu Avrupa'ya taşımak için

en uygun alternatif yol olarak anılmaktadır” (Berk ve Schulte, 2017). “Türkiye'nin stratejik coğrafi

konumu, Rusya, Orta Asya ve Orta Doğu'daki dünya enerji kaynaklarının %47'si ve Avrupa'daki

küresel doğalgaz tüketiminin %17'si, ülkeyi hem siyasi hem de ekonomik açıdan önemli

kılmaktadır” (Austvik ve Rzayeva, 2016). “TANAP’ın Yunanistan’dan TAP’a bağlanması ve

Türkiye yerine Yunan-Bulgar İnterkonnektörünün bitimiyle Yunanistan’dan diğer Balkan ülkerine

gaz dağıtımının yapılacak olması hasebiyle Türkiye’nin koridor, Yunanistan’ın fiziki dağıtım

merkezi olması da enerji politikamızın bir başka handikapı olmuştur” (Özdemir, 2017:191). Başka

bir deyişle TANAP projesi kapsamında boru hattının büyük bir kısmı Türkiye üzerinden

geçmektedir; fakat Türkiye’nin geçiş doğalgazı üzerinde fiyat belirleme durumu söz konusu

değildir. Çalışma kapsamındaki analizler sonucunda fiyat düşüşleri ve oynaklık azalışları için

doğalgaz ticaretinin artabileceğini, bu ticarette Türkiye’nin rolünün büyük olacağını ve bu

doğalgaz ihtiyacından Türkiye’nin de koridorluk görevi dışında yararlanabileceğinin veya

yararlanması gerektiğinin belirtilmesinde fayda görülmektedir.

Kaynaklar

Acaravcı, A., Öztürk, İ. ve Kandir, S.Y. (2012). Natural gas prices and stock prices: Evidence from EU-15 countries.

Economic Modeling Elsevier. Vol.29,1646-1654

Acaravcı, A., Öztürk, İ. ve Kandir, S.Y. (2013). Causality between Natural Gas Prices and Stock Market Returns in

Turkey. Economia Politica ResearchGate. No.2, 203-220

Akar, C. (2007). Volatilite Modellerinin Öngörü Performansları: Arch, Garch ve Swarch Karşılaştırması. Dokuz Eylül

Üniversitesi İşletme Fakültesi Dergisi. 8(2) 201-217

Arslan-Ayaydin, Ö., and Khagleeva, I. (2014). Geopolitical Market Concentration (GMC) Risk of Turkish Crude Oil

and Natural Gas Imports. In A. Dorsman, T. Gök and M.B. Karan, (Eds). Perpectives on Energy Risk. Berlin:

Springer Yayıncılık, 103-117.

Austvik, O.G., and Rzayeva, G. (2016, Sept). Turkey in the Geopolitics of Natural Gas. Harvard Kennedy School

Mossacar-Rahmani Center fo Business and Government, No:66.

Asche, F., Osmundsen, P. and Sandsmark, M. (2006). “The UK Market for Natural Gas, Oil and Electricity: Are the

Prices Decoupled?. International Association for Energy Economics. Vol.27, No.2, pp.27-40

http://dergipark.gov.tr/ifede

http://dergipark.gov.tr/ifede


77

Bachmeier, L.J., and Griffin, J.M. (2006). Testing for Market Integration Crude Oil, Coal, and Natural Gas.

International Association for Energy Economics. Vol.27, No.2, 55-71

Berk, İ. and Schulte, S. (2017, Jan) Turkey’s Role in Natural Gas- Becoming a Transit Country. Institute of Energy

Economics at the University of Cologne, 17(01)

Bollerslev, T. (1986, Apr.). Generalized Autoregressive Conditional Heteroscedasticity. Journal of the Econometrics.

Vol. 31, 307-327

Bollerslev, T. (1987, Feb.). A Conditionally Heteroskedastic Time Series Model for Security Prices and Rates of

Return Data. Review of Economics and Statistics. 63(3), 542-547

Botaş Boru Hatları ile Petrol Taşıma A.Ş.. Botaş Sektör Raporu 2016. (2016). Ankara: Botaş Boru Hatları ile Petrol

Taşıma A.Ş.

Botaş Boru Hatları ile Petrol Taşıma A.Ş.. Botaş Faaliyet Raporu 2015. (2015). Ankara: Botaş Boru Hatları ile Petrol

Taşıma A.Ş.

Brigida, M. (2014). The switching relationship between natural gas and crude oil prices. Energy Economics Elsevier.

43, pp.48-55

Brown, S.P.A. and Yücel, M.K. (2008). What Drives Natural Gas Prices?. International Association for Energy

Economics. 29(2), 45-60

Doğrul, H.G. and Soytaş, U. (2010). Relationship between oil prices, interest rate, and unemployment: Evidence from

an emerging market. Energy Economics Elsevier. Vol.32, 1523-1528

Emery, G.W. and Liu, Q.W. (2002). An Analysis of The Relationship between Electricity and Natural-Gas Futures

Prices. The Journal of Futures Markets.22(2), 95-122

Enders, W. (2003). Applied Econometric Time Series Second Edition. Wiley Pres: University of Alabama, 118-140-

142.

Energy Regulators Regional Association and Enerji Piyasası Düzenleme Kurumu. (2010, Oct). Energy Market Profile

of Turkey. 11. ERRA Enerji Yatırım ve Düzenleme Konferansı. İzmir, Türkiye.

Engle, R.F. (1982, July). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United

Kingdom Inflation. Econometrica Journal of the Econometric Society. 50(4),987-1007

Engle, R.F., Lilien, D.M. and Robins, R.P. (1987, Mar). Estimating Time Varying Risk Premia in the Term Structure:

The Arch-M Model. Econometrica Journal of the Econometric Society. 55(2), 391-407

Escribano, A. Pena, J.I. and Villaplana, P. (2002). Modeling Electricity Prices: International Evidence. Universidad

Carlos III de Madrid, Economic Series 8. 2-34

Ewing, B.T. Malik, F. and Özfidan, Ö. (2002). Volatility Transmission in the Oil and Natural Gas Markets. Energy

Economics Elsevier. Vol.24, 525-538

Hamilton, J.D. (1994). Time Series Analysis. Vol 2. Princeton: Princeton University Press, 657-676

International Energy Agency. (2017). Coal Information 2017 Edition. Fransa: International Energy Agency, III. 117-

122.

International Energy Agency. (2017). Electricity Information 2017 Edition. Fransa: International Energy Agency, III.

223-235.

International Energy Agency. (2016). Global Gas Security Review 2016. Fransa: International Energy Agency.

International Energy Agency. (2017). Greece 2017 Review. Fransa: International Energy Agency.

International Energy Agency. (2017). Natural Gas Information 2017 Edition. Fransa: International Energy Agency,

III. 66-69.

International Energy Agency. (2017). Oil Information 2017 Edition. Fransa: International Energy Agency, III. 225-

238.

International Energy Agency. (2016). Policies of IEA Countries Turkey 2016 Review. Fransa: International Energy

Agency.

İnternet: Andriosopoulos, K. and Kumbaroğlu, G. (2015, Nov). Greek-Turkish Gas Cooperation. Hellenic Association

for energy Economics. Web: https://www.haee.gr/news/2015/greek-turkish-gas-cooperation/ adresinden 5

Ekim 2017 tarihinde alınmıştır.

https://www.haee.gr/news/2015/greek-turkish-gas-cooperation/


78

İnternet: Energy Market Profile of Turkey. (2012). Energy Regulators Regional Association ve Enerji Piyasası

Denetleme Kurumu. Web: https://erranet.org/wp-content/uploads/2016/05/TurkeyCountryProfile-

FINAL.pdf adresinden 13 Ekim 2017 tarihinde alınmıştır.

İnternet: “Eurostat, Veri seti”. Web: https://ec.europa.eu/eurostat/web/energy/data/database adresinden 20 Ekim 2017

tarihinde alınmıştır.

İnternet: “Frequancy Conversion”. Web:

http://www.eviews.com/help/helpintro.html#page/content/BasedataFrequency_Conversion.html. 5 Mart

2018 tarihinde alınmıştır.

İnternet: “OECD Ilibrary, veri seti“. Web: https://www.oecd-ilibrary.org/energy/data/end-use-prices/end-use-prices-

wholesale-and-retail-indices-of-energy-prices-edition-2016_da2cc220-en“ adresinden 23 Aralık tarihinde

alınmıştır.

Ji, Q. and Fan, Y. (2012). How does oil price volatility affect non-energy commodity markets?. Applied Energy

Elsevier. Vol.89, 273-280

Karan, M.B., Küçüközmen, C.C., and Aktürk, A. (2014). Re-examining Turkey’s Potential of Becoming a Natural

Gas Transit Hub , In A. Dorsman, T. Gök and M.B. Karan (Eds). Perpectives on Energy Risk. Berlin: Springer

Yayıncılık, 119-142.

Kızılsu, S.S., Aksoy, S. ve Kasap, R. (2001). Bazı Makro Ekonomik Zaman Dizilerinde Değişen Varyanslılığın

İncelenmesi. Gazi Üniversitesi İktisadi ve İdari Bilimler Dergisi. 1/2001,1-18

Koulakiotis, A. , Papasyriopoulos, N. , Molyneux, P. (2006), More Evidence on the Relationship between Stock Price

Returns and Volatility: A Note. International Research Journal of Finance and Economics.25

Ljung, G.M. and Box, G.E.P. (1978). On a Measure of Lack of Fit in Time Series Models. Biometrika. Vol. 66, 67–

72

Malmsten, H. (2004). Evaluating Exponential GARCH Models. SSE/EFI Working Paper Series in Economics and

Finance. No.564, 3-4.

Mohammadi, H. and Su, L. (2010). International evidence on crude oil price dynamics: Applications of ARIMA-

GARCH models. Energy Economics Elsevier. Vol.32, 1001-1008

Nelson, D.B. (1991, Mar.). Conditional Heteroscedasticity in Asset Returns: A New Approach. Econometrica Journal

of the Econometric Society. 59(2), 347-370

Orberndorfer, U. (2009). Energy prices, volatility, and the Stock Market: Evidence from the Eurozone. Energy Policy

Elsevier. Vol.37, 5787-5795

Özdemir, Volkan. (2017). Doğal Gaz Piyasaları; Türkiye Enerji Güvenliği Üzerine Tezler (1st ed.). Istanbul: Kaynak

Yayınları. Syf:191

Papaioannou, G.P., Dikaiakos, C., Stratigakos, A., Dramountanis, A., Alexandridis, A.T. (2018). Using a Rolling

Vector Error Correction Model to Model Static and Dynamic Causal Relations between Electricity Spot Price

and Related Fundamental Factors: The Case of Greek Electricity Market. International Journal of Energy

Economics and Policy, 8(1), 38-54

Papapetrou, E. (2001). Oil Price Shocks, Stock Market, Economic Activity and Employment in Greece. Energy

Economics Elsevier, Vol.23, 511-532

Papapetrou, E. (2009). “Oil Price Asymmetric Shocks and Economic Activity: The Case Of Greece”. Economic

Research Department Bank of Greece,1-21

Pindyck, R.S. (2004). Volatility in Natural Gas And Oil Markets. The Journal of Energy and Development, 30(1), 1-

19

Serletis, A. and Herbert, J. (1999). The message in North American energy prices. Energy Economics Elsevier,

Vol.21, 471-483

Villar, J.A. and Joutz, F.L. (2006, Oct). The Relationship Between Crude Oil and Natural Gas Prices. Energy

Information Administration, Office of Oil and Gas.1-43.

https://erranet.org/wp-content/uploads/2016/05/TurkeyCountryProfile-FINAL.pdf

https://erranet.org/wp-content/uploads/2016/05/TurkeyCountryProfile-FINAL.pdf

https://ec.europa.eu/eurostat/web/energy/data/database

http://www.eviews.com/help/helpintro.html#page/content/BasedataFrequency_Conversion.html




79

BIST Teknoloji Endeksi İle Dolar Kuru Arasındaki İlişkinin Granger Nedensellik Analizi

ile İncelenmesi

Erkan ARI1

Esengül DEDE2

Özet

Bu çalışmada Ocak 2008-Aralık 2017 dönemi için hisse senedi fiyatı ile döviz kuru

arasındaki ilişki Türkiye için araştırılmıştır. Bu ilişkinin araştırılması ile sektör endeksleri

ve döviz kuru arasındaki ilişkiyi inceleyen literatüre katkı sağlamak amaçlanmaktadır. Bu

doğrultuda çalışmada ABD Dolar kuru ve BIST Teknoloji endeksi serileri kullanılmıştır.

Çalışmada öncelikle birim kök testi ile seriler durağanlaştırılmıştır. Ardından Engle-

Granger Eşbütünleşme testi ile Türkiye’de BIST XUTEK Endeksi ile ABD dolar kuru

arasında eşbütünleşme olduğu tespit edilmiştir. Yapılan Granger nedensellik analizine göre

dolar kurundan Teknoloji Endeksine tek yönlü nedensellik olduğu sonucuna varılmıştır.

İncelenen dönem için Türkiye’de hisse senedi fiyatları ile döviz kurları arasındaki ilişkiyi

açıklayan teorilerden geleneksel teorinin geçerli olduğu sonucuna ulaşılmıştır.

Anahtar Kelimeler: Hisse Senedi, Döviz Kuru, Granger Nedensellik Analizi.

JEL Sınıflaması: C58, F31, G10.

Investigation The Relationship Between BIST Technology Index And Dollar Exchange

Rate With Granger Causality Analysis

Abstract

In this study, the relationship between stock price and exchange rate for January 2008-

December 2017 period was investigated in Turkey. The aim of this study is to contribute

to the literature examining the relationship between sector indices and exchange rate. In

this direction, the USD Dollar exchange rate and BIST Technology index series were used.

In study, firstly series were stationaried. by unit root test. Then by using Engle-Granger

cointegration test, between the XUTEK and USD Dollar Exchange rate was found

cointegration relationship. According to Granger causality analysis, a causality relationship

was found from the Dollar Exchange rate to the XUTEK. For the investigated period, the

relationship between stock prices and exchange rates for the period analyzed in Turkey it

has reached the conclusion that the traditional theory is valid.

Keywords: Stock, Exchange Rate, Granger Causality Analysis.

JEL Classification: C58, F31, G10.

1. Giriş

1973 yılında dalgalı kur rejiminin ortaya çıkışı, 1990'lı yılların başlarında finansal piyasalarda

yapılan reformlar ve 1997-98 yıllarındaki yaşanan Asya para krizleri hisse senedi piyasaları ve

döviz kurları arasındaki ilişkinin incelenmesine yönlendiren gelişmeler olmuştur (Rjoub, 2012,

s.4728). Gelişmekte olan ekonomilerde döviz kontrolünün aşamalı olarak ortadan kaldırılması,

1 Dr. Öğr. Üyesi, [email protected], Kütahya Dumlupınar Üniversitesi, Merkez/Kütahya, https://orcid.org/0000-

0001-6012-0619 2 Doktora Öğrencisi, [email protected], Kütahya Dumlupınar Üniversitesi, Merkez/Kütahya.


80

uluslararası alanlarda yatırım yapabilme ve portföy çeşitlendirmesi imkanını sağlamıştır. Aynı

zamanda, bu ülkeler tarafından 1980'lerin sonlarında ve 1990'ların başlarında daha esnek döviz

kuru rejimlerinin benimsenmesi, döviz piyasalarındaki oynaklığı ve bu tür yatırımlarla ilişkili olan

riski artırmıştır (Phylaktis ve Ravazzolo, 2005, s.1031-1032). Yaşanan bu gelişmeler ile döviz

kurları ve hisse senedi piyasaları arasındaki ilişki araştırmacıların dikkatini çekmiş ve konu ile

ilgili birçok çalışma yapılmıştır.

Hisse senetleri ve döviz kuru arasındaki ilişkiyi açıklamaya yönelik iki teori mevcuttur: Geleneksel

Yaklaşım (mal piyasası teorisi veya akım odaklı yaklaşım) ve Portföy Yaklaşımı (portföy

dengeleme teorisi). Geleneksel yaklaşıma göre döviz kurunda meydana gelen hareketler firmaların

çıktı düzeylerini ve ayrıca ülke ekonomisinin ticaret dengesini etkilemektedir. Geleneksel

yaklaşımda döviz kurunun değişmesi, uluslararası rekabetçi yapı ve dış ticaret dengesini

etkileyerek ülkenin gelir düzeyi ve firmaların hisse senedi fiyatları üzerinde etkili olmaktadır. Bu

teori, yerel paranın değerinde meydana gelen düşüşün yerel firmaları daha rekabetçi hale

getirdiğini ve ihracatta artışa ve dolayısıyla daha yüksek hisse senedi fiyatlarına yol açtığını iddia

etmekte; döviz kurundan hisse senedine doğru bir nedenselliğin olduğunu ileri sürmektedir (Beer

ve Hebein, 2008, s.59, Rjoub, 2012, s.4728).

Portföy Yaklaşımına göre ise yükselen bir hisse senedi piyasası bir ülkeye olan sermaye akımlarını

çekecek ve bu durum yerel paraya olan talebi artırmak suretiyle yerel para değerinin artmasına

(kurların düşmesine) yol açacaktır. Hisse senedi piyasasında bir düşme ise yerli yatırımcıların

servetinde bir düşmeye neden olacak, bu para talebi ve faizlerin düşmesine ve nihayet sermaye

çıkışlarına neden olmak suretiyle yerel paranın değerinin düşmesine (döviz kurlarını artması) yol

açacaktır. Bu durumda nedenselliğin yönü hisse senedi piyasasından döviz kurlarına doğru

olacaktır (Belen ve Karamelikli, 2016, s.35).

Bu çalışmada Borsa İstanbul (BIST)’da işlem gören teknoloji şirketlerinin oluşturduğu Teknoloji

Endeksi (XUTEK) ile döviz kuru arasındaki ilişkinin incelenmesi amaçlanmıştır. Çalışmada döviz

kuru olarak Dolar/TL kullanılmıştır.

2. Literatür İncelemesi

Hisse senedi ve döviz kuru ilişkisini inceleyen Aggarwal (1981), 1974-1978 dönemi aylık verileri

kullanarak Amerika için bu iki değişken arasında pozitif bir korelasyon olduğunu bulmuştur.

Soenen ve Hanniger (1988), 1980-1986 dönemi için hisse senedi fiyatları ve döviz kurları

arasındaki ilişkiyi aylık verileri kullanarak araştırmıştır. Çalışma sonucunda ABD doları ile hisse

senedi fiyatları arasında güçlü bir negatif ilişki olduğu tespit edilmiştir.


81

Bahmani-Oskooee ve Sohrabian (1992), 1973-1988 dönemi için S&P 500 endeksi ve efektif döviz

kuru ilişkisini aylık verilerle araştırmışlardır. Çalışmada, kısa dönemde hisse senedi fiyatları ile

efektif döviz kuru arasında çift yönlü bir ilişki bulunsa da uzun dönemde herhangi bir ilişki

bulunamamıştır.

Abdalla ve Murinde (1997), tarafından aylık veriler kullanılarak 1985-1994 dönemi için Hindistan,

Kore, Pakistan ve Filipinler’de döviz kuru ile hisse senedi fiyatları arasındaki ilişki araştırılmıştır.

Çalışma sonucunda, Filipinler dışındaki ülkelerde döviz kurundan hisse senedi fiyatlarına tek

yönlü nedensellik tespit edilmiştir.

Nieh ve Lee (2001), günlük verileri ele aldıkları çalışmalarında G-7 ülkelerinde 1993-1996 dönemi

için döviz kurları ile hisse senedi fiyatları arasında uzun dönemli bir ilişki olmadığını tespit

etmişlerdir.

Muhammed ve Rasheed (2002), hisse senedi fiyatlarının ve döviz kurlarının birbiriyle ilişkili olup

olmadığını Ocak 1994-Aralık 2000 dönemi ve Pakistan, Hindistan, Bangladeş ve Sri Lanka'nın da

aralarında bulunduğu dört Güney Asya ülkesi için aylık verileri kullanarak araştırmıştır. Pakistan

ve Hindistan için hisse senedi fiyatları ile döviz kurları arasında uzun vadeli bir ilişki

bulunamazken Bangladeş ve Sri Lanka için bu iki değişken arasında iki yönlü bir nedensellik

bulunmuştur.

Kasman (2003), BIST-100, finans, sanayi ve hizmet sektör endeksleri ile Dolar/TL arasındaki

ilişkiyi incelediği çalışmasında çalışmaya konu olan endeksler ile Dolar kuru arasında uzun

dönemli bir ilişkinin varlığını tespit etmiştir. Nedensellik analizi sonucunda ise yalnızca Dolar

kurundan sanayi endeksine doğru bir nedensellik ilişkisi tespit edilmiştir.

Ayvaz (2006), Türkiye’de hisse senetleri piyasası ve döviz kuru arasındaki ilişkiyi aylık veriler

kullanarak araştırmıştır. Çalışmanın bulgularına göre döviz kuru ile ulusal 100 endeksi, döviz kuru

ile mali sektör endeksi ve döviz kuru ile sanayi sektör endeksi arasında uzun dönemli istikrarlı bir

ilişki olduğu tespit edilmiştir. Ancak döviz kuru ile hizmet sektör endeksi arasında ilişki

bulunamamıştır. Ayrıca elde edilen sonuçlar, döviz kuru ile hisse senetleri fiyat endeksleri arasında

iki yönlü nedensellik olduğunu göstermiştir.

Tabak (2006) 1994-2002 dönemi için Brezilya’ da hisse senedi fiyatları ve döviz kurları arasındaki

uzun dönemli ilişkiyi araştırmıştır. İki değişken arasında uzun dönemli bir ilişki bulunamazken

hisse senedi fiyatlarından döviz kurlarına doğru tek yönlü nedensellik ilişkisi bulunmuştur.

Özmen (2007), Türkiye için hisse senedi fiyatları ile döviz kurları arasındaki ilişkinin varlığını

1989-2006 yılları arası günlük frekansta veriler kullanılarak farklı döviz kuru rejimleri altında

incelemiştir. Toda Yamamoto nedensellik test sonuçlarına göre, 1989-1994 ve 1994-1999


82

dönemleri dışında, değişkenler arasında çift yönlü bir nedensellik; kriz öncesi ve 2000 yılı analiz

dışında bırakıldığında ise, değişkenler arasında tek yönlü bir nedensellik ilişkisi olduğu

görülmüştür.

Pekkaya ve Bayramoğlu (2008), 1990- 2007 arasındaki YTL/USD döviz kuru, İMKB 100 endeks

ve S&P 500 endeks verileri kullanılarak, aralarındaki nedensellik ilişkilerini araştırmıştır.

Çalışmadan elde edilen sonuçlara göre, 1990-2007 döneminde, İMKB 100 ve S&P 500

endekslerinden döviz kuruna Granger nedenselliği bulunmuştur.

Aydemir ve Demirhan (2009), hisse senedi fiyatları ile döviz kurları arasındaki nedensel ilişkiyi,

Türkiye için 23 Şubat 2001'den 11 Ocak 2008'e kadar olan verileri kullanarak araştırmıştır. Analiz

sonucunda döviz kuru ile tüm borsa endeksleri arasında iki yönlü nedensel ilişki tespit edilmiştir.

Ulusal 100, hizmet, finansal ve sanayi endekslerinden döviz kuruna doğru negatif nedensellik,

teknoloji endeksinden döviz kuruna doğru ile pozitif nedensellik tespit edilmişken döviz kurundan

tüm borsa endekslerine doğru negatif nedensellik ilişkisi tespit edilmiştir.

Kıran (2009), 01.1990 - 07.2008 dönemine ait aylık zaman serisi verilerini kullanarak Türkiye’de

döviz kuru ve hisse senedi fiyatları arasındaki ilişkiyi araştırmıştır. Ampirik sonuçlar, uzun

dönemde döviz kuru ve hisse senedi fiyatları arasında koentegrasyon ilişkisinin olduğunu

göstermektedir. Toda –Yamamoto nedensellik analizi sonuçlarına göre; 01.1990–07.2008 ve

01.1995 – 07.2008 dönemleri için değişkenler arasında çift yönlü bir nedensellik ilişkisi

mevcuttur. Bu bulgular, Türkiye için “geleneksel” ve “portföy dengesi” yaklaşımlarının geçerli

olabileceğini desteklemektedir.

Alagidede vd. (2010), Avustralya, Kanada, Japonya, İsviçre ve Birleşik Krallık'taki hisse senedi

piyasaları ile döviz piyasaları arasındaki nedensellik ilişkisini 1992:1-2005:12' dönemi için

araştırmıştır. Çalışma sonucunda, Kanada, İsviçre ve Birleşik Krallık için döviz kurundan hisse

senedi fiyatlarına doğru nedensellik tespit edilmiştir.

Berke (2012 ), tarafından 01/04/2002-31/07/2012 dönemi için Türkiye’de TL/USD döviz kuru ile

İMKB100 fiyat endeksi arasındaki ilişki FMOLS, CCR ve DOLS yöntemleri kullanılarak

araştırılmıştır. Üç testin sonuçları iki değişken arasında “negatif” bir ilişkinin var olduğunu ve bu

nedenle portföy dengesi yaklaşımının desteklendiğini göstermektedir.

Rjoub (2012), Türk hisse senedi fiyatları ile döviz kurları arasındaki dinamik ilişkiyi ampirik

olarak 2001:08-2009:08 dönemi için incelemiştir. Çalışmanın sonucunda döviz kuru ile Türk hisse

senedi fiyatları arasında çift yönlü nedensellik ilişkisi tespit edilmiştir.

Doğru ve Recepoğlu (2013), tarafından hisse senetleri ile döviz kuru arasındaki ilişkinin

incelendiği çalışmada hisse senedi fiyatı olarak BİST ulusal 100 endeksi, ulusal sanayi endeksi,


83

mali endeks ve hizmetler endeksinin kapanış fiyatları ele alınmıştır. Döviz kuru olarak da

Amerikan doları ve Euro kurunun TL cinsinden satış fiyatları ele alınmıştır. Ampirik bulgular,

Türkiye’de döviz kuru ve hisse senedi fiyatı arasında uzun dönemde bir eş bütünleşme ilişkisi

olduğunu göstermiş, bu ilişki uzun dönemde pozitif kısa dönemde ise negatif çıkmıştır. İlişkinin

yönü ise döviz kurundan hisse senedine doğrudur.

Belen ve Karamelikli (2016), ele aldıkları çalışmada, Türkiye’de BIST 100 Endeksi ile ABD dolar

kuru arasındaki ilişkiyi araştırmıştır. Çalışmada, döviz kurunun hisse senedi fiyatlarını beklentiye

paralel olarak negatif yönde etkilediğini göstermektedir. Bu sonuçlar Türkiye için literatürde hisse

senedi fiyatları ile döviz kurları arasındaki ilişkiyi açıklayan iki teoriden biri olan geleneksel

teoriyi desteklemiştir.

Eyüboğlu ve Eyüboğlu (2018), 03/01/2011-26/05/2016 dönemi için Borsa İstanbul endeksleri ile

döviz kurları arasındaki ilişkiyi incelemiştir. Bu doğrultuda çalışmada BIST 100 Endeksi ve 23

sektöre ait hisse senedi endeksleri ile Dolar/TL ve Euro/TL döviz kurlarına ilişkin günlük veriler

kullanılmıştır. Yapılan analiz sonucunda çalışmada yer alan 24 endeksten sadece BIST Tekstil

Deri endeksi ile Euro/TL döviz kuru arasında, Dolar/TL kuru ile ise BIST Tekstil Deri, Ticaret ve

Teknoloji endeksleri arasında uzun dönem ilişki olduğu tespit edilmiştir. İlaveten döviz kurları ile

3 endeks arasında kısa dönemde negatif, uzun dönemde ise pozitif bir ilişki olduğu belirlenmiştir.

Ayrıca Toda-Yamamoto nedensellik testi sonucunda Borsa İstanbul endekslerinde daha çok

geleneksel teorinin geçerli olduğu tespit edilmiştir.

Literatürdeki çalışmalar dikkate alındığında sektör endeksleri ve döviz kurları arasındaki ilişkiyi

inceleyen çalışmaların sayısı oldukça azdır. Bu çalışmanın ise teknoloji endeksi ve dolar kuru

arasındaki ilişkiyi incelemesi bakımından sektör endeksleri ile ilgili kısıtlı olan yazına katkı

sağlayacağı düşünülmektedir.

3. Metaryal ve Yöntem

Çalışmada Ocak 2008-Aralık 2017 dönemi için Dolar/TL ile Borsa İstanbul’da yer alan XUTEK

(Teknoloji Endeksi) değişkenlerine ait aylık veriler kullanılarak analiz gerçekleştirilmiştir.

Teknoloji endeksi için fiyat endeksi kullanılmıştır. Çalışmada verilerin analizi için Eviews 9

programından faydalanılmıştır.

Tablo 1: Çalışmada Kullanılan Değişkenler

Değişkenler Açıklama

LNBIST XUTEK (Teknoloji Endeksi)

LNDOLAR Dolar Bazında Döviz Kuru

Kaynak: www.investing.com


84

Çalışmada öncelikle serilerin durağanlık seviyeleri araştırılmıştır. Ardından seriler arasında uzun

dönemli ilişkinin varlığına bakılmış ve son olarak nedensellik analizi gerçekleştirilmiştir.

Ekonometrik bir çalışma için öncelikle serilerin birim kök içerip içermediği yani durağan olup

olmadıkları araştırılmalıdır. Bir zaman serisinin durağan olabilmesi için, ortalaması ile varyansının

zaman içinde değişmemesi ve iki dönem arasındaki kovaryansının, bu kovaryansın hesaplandığı

döneme değil, yalnızca iki dönem arasındaki uzaklığa bağlı olması gerekir (Gujarati, 2011, s.797).

Çalışmalarda durağanlığı sınamak için farklı birim kök testleri kullanılabilmektedir. Bu çalışmada

ise ADF birim kök testi kullanılmıştır. ADF Testi Dickey-Fuller (1979-1981) tarafından

geliştirilen ve durağanlığı sınamak için kullanılan yöntemlerden biridir. ADF testi için geliştirilmiş

olan regresyon denklemleri aşağıdaki gibidir:

k

∆Yt = α1Yt−1 + ∑ βi∆ Yt−i + εi (1)

i=1

k

∆Yt = α0 + α1Yt−1 + ∑ βi∆ Yt−i + εi (2)

i=1

k

∆Yt = α0 + α2trend + α1Yt−1 + ∑ βi∆ Yt−i + ε i (3)

i=1

Denklem (1) sabitsiz trendsiz, Denklem (2) sabitli trendsiz, Denklem (3) sabitli ve trendli

modellerdir.

ADF test hipotezleri:

H0: Seri durağan değildir, birim kök içermektedir.

H1: Seri durağandır.

Durağanlık testinden sonra seriler arasındaki uzun dönemli ilişki incelenmektedir. Tek başlarına

durağan olmayan serilerin belirli bir bütünleşim seviyesinde lineer birleşimlerinin durağan olması,

eşbütünleşim olarak adlandırılır ve eşbütünleşim testleri, aynı dereceden durağan iki zaman

serisinin uzun dönemde birlikte hareket edip etmediğini ortaya koymaktadır. Diğer bir ifade ile

seriler aynı seviyede durağan hale geliyorsa, seriler arasında bir eşbütünleşme ilişkisi yani uzun

dönem ilişki mevcuttur (Uzunöz ve Akçay, 2012, s.7-8).

Eşbütünleşme testleri ile değişkenler arasındaki uzun dönemli ilişkinin varlığı tespit edilse de bu

testler değişkenler arasındaki ilişkinin yönü hakkında bilgi vermemektedir. Bu sebeple ilişkinin


85

yönünü saptayabilmek için nedensellik testleri kullanılmaktadır. Bu çalışmada ise Granger

nedensellik testi kullanılmıştır.

Granger (1969) tarafından geliştirilen Granger nedenselliğine göre, geleceğin şimdinin ya da

geçmişin nedeni olamayacağı ve nedenselliğin yalnızca stokastik (rassal) ilişkilerde

belirlenebileceği varsayılmaktadır (Granger, 1969, s. 428). Rastsal bir X değişkeninin geçmişi,

bütün olası ilgili diğer etkenler ve rastsal olmayan bilgiler de dikkate alındıktan sonra, diğer bir

rastsal Y değişkeninin geleceğinin daha iyi tahmin edilmesini sağlıyorsa, X değişkeni Y’nin

Granger-nedenidir denir (Atukeren, 2011, s.137-138). Başka bir ifadeyle X değişkeninin geçmiş

değerlerine ait bilgi sahibi olma, Y’nin daha kesin bir biçimde öngörülmesine imkân veriyor ise X

değişkeni Y değişkenine Granger anlamında nedendir (Takım, 2010, s.12). Granger nedensellik

yöntemi için kullanılan denklemler eşitlik 4 ve 5’teki gibidir:

Yt = α0 + α1Yt−1 + ⋯ + αkYt−k + β1Xt−1 + ⋯ + βkX−k + εt (4)

Xt = α0 + α1Xt−1 + ⋯ + αkXt−k + β1Yt−1 + ⋯ + βkY−k + ut (5)

Denklemler aracılığıyla X ve Y arasındaki nedensellik ilişkisinin yönü belirlenebilmektedir. Bu

ilişkiler X’ten Y’ye doğru, Y’den X’e doğru, karşılıklı ya da nedensellik olmaması şeklinde dört

farklı durumda ortaya çıkabilmektedir.

4. Bulgular ve Yorum

Çalışmada yer alan tüm serilerin öncelikle doğal logaritmaları alınmış ardından birim kök süreci

araştırılmıştır. Tablo 2’de birim kök sonuçları yer almaktadır.

Tablo 2: ADF Birim Kök Testi

Değişkenler

ADF (Düzey Değerleri) ADF (Birinci Farkı)

Sabitli Sabitli + Trend Sabitli Sabitli + Trend

LNBIST 0.9817 0.7462 0.0000 0.0000

LNDOLAR 0.9217 0.4631 0.0000 0.0000

Test sonuçları %5 anlamlılık düzeyi ile değerlendirilmiş ve bunun sonucunda birim kök testi

uygulanan LNBIST değişkeninin ve LNDOLAR değişkeninin hem sabitli hem de trend+sabitli

modelde %5 anlamlılık düzeyiyle birim kök içerdiği tespit edilmiş ve seriler fark alma işlemine

tabii tutularak birim kökten arındırılmıştır. Bu işlemler sonucunda LNBIST değişkeninin

bütünleşme derecesinin I(1) ve LNDOLAR değişkeninin bütünleşme derecesinin ise I(1) olduğu

tespit edilmiştir.


86

Serilerin durağan oldukları seviyeler tespit edildikten sonra seriler arasında uzun dönem ilişki olup

olmadığı araştırılmıştır. Serilerin birinci dereceden bütünleşik olması eşbütünleşme testinin

uygulanmasını mümkün kılmaktadır. Çalışmada sadece iki seri kullanıldığından dolayı uzun

dönemli ilişkinin varlığının araştırılması için Engle-Granger (1987) eşbütünleşme yöntemi tercih

edilmiştir. Tablo 3’te Engle-Granger Eşbütünleşme Testi sonuçları yer almaktadır.

Tablo 3: Engle-Granger Eşbütünleşme Testi

Değişken Katsayı Std. Hata

t-İstatistiği

(T) Olasılık (P)

Hata Terimi(-1) -0.9398 0.0926 -10.1496 0.0000

C -0.0006 0.0072 -0.0876 0.9303

Tablo 3 incelendiğinde, birim kök test sonucu hata terimi u’nun birim kök içermediği tespit

edilmiştir. Dolayısıyla LNBIST ile LNDOLAR değişkenleri arasındaki uzun dönemli ilişki olduğu

söylenebilir.

Engle-Granger (1987) eşbütünleşme yöntemi LNBIST ile LNDOLAR değişkenleri arasında uzun

dönemde bir ilişkinin varlığını göstermesine rağmen ilişkinin yönü hakkında bilgi vermemektedir.

İlişkinin yönünün tespit edilmesi için Granger Nedensellik analizi uygulanmıştır. Pairwise

Granger Nedensellik Testi sonucu Tablo 4’te verilmiştir.

Tablo 4: Pairwise Granger Nedensellik Testi

Boş Hipotez:

Gözlem

Sayısı

F-

İstatistiği

(F) Olasılık (P)

LNDOLAR, LNBIST’in Granger nedeni değildir. 118 5.1471 0.0073

LNBIST, LNDOLAR’ın Granger nedeni değildir. 118 1.8587 0.1606

H0: X (LNDOLAR) Y (LNBIST)’ nin Granger nedeni değildir.

H1: X (LNDOLAR) Y (LNBIST)’ nin Granger nedenidir.

Granger nedensellik analizi sonuçlarına göre “LNDOLAR, LNBIST’in Granger nedeni değildir”

hipotezinin olasılık değeri 0.0073 olarak hesaplanmış, H0 hipotezi reddedilmiştir. Granger

nedensellik analizi sonucuna göre Dolar kurundan BİST Teknoloji endeksine doğru tek yönlü

nedensellik ilişkisi olduğu, Dolar kurundaki değişmelerin BIST Teknoloji Endeksinde

değişmelere neden olduğu sonucuna varılır. “LNBIST LNDOLAR’ın Granger nedeni değildir”


87

hipotezinin olasılık değeri 0.1606 olarak hesaplanmış, bu hipotezi kabul edilmiş ve LNBIST’in

LNDOLAR’ın Granger nedeni olmadığı sonucuna varılmıştır.

5. Sonuç

Bu çalışmada Türkiye için Ocak 2008-Aralık 2017 dönemi temel alınarak Dolar/TL kuru ile Borsa

İstanbul’da yer alan XUTEK (Teknoloji Endeksi) arasındaki nedensellik ilişkisi araştırılmıştır.

Değişkenler arasında uzun dönemli ilişkinin varlığının ortaya konulmasından sonra Granger

nedensellik analizi yapılmıştır. Granger nedensellik analizinden elde edilen sonuçlara göre

LNDOLAR’ın, LNBIST’in Granger nedeni olduğu LNDOLAR’dan LNBIST’e doğru tek yönlü

nedensellik olduğu sonucuna ulaşılmıştır. Elde edilen sonuçlara göre, incelenen dönem için dolar

kurundaki değişmelerin BIST Teknoloji endeksinde değişmelere neden olduğu ifade edilebilir.

Ayrıca çalışmadan elde edilen sonuçlar doğrultusunda Türkiye için Ocak 2008-Aralık 2017

döneminde, hisse senedi ve döviz kuru ilişkisini açıklayan teorilerden, geleneksel yaklaşımın

geçerli olduğu söylenebilir.

Döviz kurunda meydana gelen değişim şirketlerin hisse senetlerini etkilemesi kaçınılmazdır.

İthalat ağırlıklı bir ekonomiye sahip olan Türkiye için bu sonucun çıkması beklenen bir durumdur.

Çalışmadan elde edilen nedensellik ilişkisi geleneksel yaklaşımı destekleyen Kasman (2003),

Özmen (2007), Doğru ve Recepoğlu (2013), Şahin ve Ceylan (2015), Belen ve Karamelikli (2016),

Eyüboğlu ve Eyüboğlu (2018)’nun çalışmaları ile örtüşmektedir. Ayvaz (2006) ve Kıran (2009)’ın

çalışmalarının hem geleneksel yaklaşımı hem de portföy yaklaşımını desteklemesi, Berke (2012)

ve Pekkaya ve Bayramoğlu (2008)’nun çalışmalarının ise portföy yaklaşımını desteklemelerinden

dolayı sonuçları bu çalışmadan farklılık arz etmektedir. Çalışmaların sonuçları kullanılan analiz

yöntemi ve incelenen dönemlerin farklı olması sebebiyle farklılık arz etmiş olabilir.

Bu sonuç yatırımcılar açısından değerlendirildiğinde ise dolarda meydana gelen değişimlerin

Teknoloji Endeksine de paralel etki yapacağı yönünde olması durumundan dolayı yatırımcıların,

yatırım kararlarını alırken göz önünde bulundurmaları gereken bir sonuç olarak yorumlanabilir.

Araştırmacılar, daha kapsamlı bir dönemi ve farklı döviz kurlarını ve farklı sektör endekslerini

çeşitli analiz tekniklerini kullanarak çalışmalar yapabilirler.

Kaynakça

Abdalla, I., Murinde, V. (1997). Exchange rate and stock price interactions in emerging financial markets: evidence

on India, Korea, Pakistan and the Philippines. Applied Financial Economics, 7(1), .25-35.

Aggarwal, R. (1981). Exchange Rates and Stock Prices: A Study of U.S. Capital Market under Floating Exchange

Rates. Akron Business and Economic Review, 12, 7-12.

Alagidede, P., Panagiotidis, T., Zhang, X. (2010). Causal Relationship between Stock Prices and Exchange Rates.

Stirling Economics Discussion Paper, 2010-05, University of Stirling, Division of Economics.

Atukeren, E. (2011). Granger-Nedensellik Sınamalarına Yeni Yaklaşımlar. Atatürk Ü. İİBF Dergisi, 10. Ekonometri

ve İstatistik Sempozyumu Özel Sayısı, 137-153.


88

Aydemir, O., Demirhan, E. (2009). The Relationship between Stock Prices and Exchange Rates Evidence from

Turkey. International Research Journal of Finance and Economics, 1(23), 207-215

Ayvaz, Ö. (2006). Döviz Kuru ve Hisse Senetleri Fiyatları Arasındaki Nedensellik İlişkisi. Gazi Üniversitesi İktisadi

Ve İdari Bilimler Fakültesi Dergisi, 8(2), 1–14.

Bahmani-Oskooee, M., Sohrabian ,A. (1992). Stock Prices and the Effective Exchange Rate of the Dollar. Applied

Economics, 24, 459-464.

Beer, F., Hebein, F. (2008). An Assessment Of The Stock Market And Exchange Rate Dynamics In Industrialized

And Emerging Markets. International Business & Economics Research Journal, 7(8), 59-70.

Belen, M., Karamelikli, H. (2016). Türkiye’de Hisse Senedi Getirileri ile Döviz Kuru Arasındaki İlişkinin

İncelenmesi: ARDL Yaklaşımı. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 45(1), 34-42.

Berke, B. (2012). Döviz Kuru ve İMKB100 Endeksi İlişkisi: Yeni Bir Test. Maliye Dergisi, 163, 243-257.

Ceylan, S., Yılmaz Ş. B. (2015). Hisse Senedi Fiyatları ve Döviz Kuru İlişkisi. .International Journal Of Social

Science, 37, 399-408.

Dickey, D. A., Fuller, W. A. (1979). Distribution of the Estimators for Autoregressive Time Series with a Unit Root.

Journal of the American Statistical Association, 74, 427-431.

Dickey, D. A., Fuller, W. A. (1981). The Likelihood Ratio Statistics For Autoregressive Time Series With a Unit

Root. Econometrica, 49(4), 1057-72.

Doğru, B., Recepoğlu, M. (2013). Türkiye’de Hisse Senedi Fiyatları ve Döviz Kuru Arasında Doğrusal ve Doğrusal

Olmayan Eş Bütünleşme İlişkisi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi EYİ Özel Sayısı, 17-34.

Engle, R. F., Granger, C. W. J. (1987). Co-integration and Error Correction: Representation and Testing.

Econometrica, 55, 251-276.

Eyüboğlu, S., Eyüboğlu K. (2018). Borsa İstanbul Sektör Endeksleri İle Döviz Kurları Arasındaki İlişkilerin

İncelenmesi: Ardl Modeli. Ömer Halisdemir Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 11(1),

8-28.

Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods.

Econometrica, 37(3), 424–438.

Gujarati, D.N. (2011). Temel Ekonometri. Ü. Şenesen ve G.G. Şenesen (Çev.). İstanbul:Literatür.

Kasman, S. (2003). The Relationship Between Exchange Rates And Stock Prices: A Causality Analysis”. Dokuz Eylül

Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 5(2), 70-79.

Kıran, B. (2009). Türkiye’de Döviz Kuru ve Hisse Senedi Fiyatlarının Sınır Testi Analizi. İktisat İşletme ve Finans

Dergisi, 24(275), 66-88.

Muhammed, N., Rasheed, A. (2002). Stock Prices and Exchange Rates: Are They Related? Evidence from South

Asian Countries, The Pakistan Development Review, Pakistan Institute of Development Economics, 41(4),

535-550.

Nieh, C.C., Lee, C.F. (2001). Dynamic Relationship between Stock Prices and Exchange Rates for G-7 Countries.

The Quarterly Review and Finance, 41, 477-490.

Özmen, M. (2007). Farklı Döviz Kuru Rejimleri Altında Hisse Senetleri Fiyatları İle Döviz Kurları Arasındaki

İlişkinin Ekonometrik Analizi. Ç.Ü. Sosyal Bilimler Enstitüsü Dergisi, 16(1), 519-538.

Pekkaya, M., Bayramoğlu, M. F. (2008). Hisse Senedi Fiyatları ve Döviz Kuru Arasındaki Nedensellik İlişkisi:

YTL/USD, İMKB 100 ve S&P 500 Üzerine Bir Uygulama. Mufad Journal, 38, 163-176.

Phylaktis, K., Ravazzolo, F. (2005). Stock Prices And Exchange Rate Dynamics. Journal of International Money and

Finance, 24, 1031-1053.

Rjoub, H. (2012). Stock Prices And Exchange Rates Dynamics: Evidence From Emerging Markets. African Journal

of Business Management, 6(13), 4728-4733.

Soenen, L.A., Hennigar, E.S. (1988). An Analysis of Exchange Rates and Stock Prices: the U.S. Experience Between

1980 And 1986. Akron Business And Economic Review, 19, 7-16.

Tabak, B. M. (2006). The Dynamic Relationship Between Stock Prices And Exchange Rates: Evidence For Brazil.

International Journal of Theoritical and Applied Finance, 9(8), 1377-1139.

Takım, A. (2010). Türkiye’de GSYİH ile İhracat Arasındaki İlişki: Granger Nedensellik Testi. Atatürk Üniversitesi

Sosyal Bilimler Enstitüsü Dergisi, 14(2), 1-16.


89

Uzunöz, M., Akçay, Y. (2012). Türkiye'de Büyüme ve Enerji Tüketimi Arasındaki Nedensellik İlişkisi: 1970-2010.

Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 3(2), 1 – 16.


90

Bitcoin’de Fiyat-Hacim İlişkisi: Rolling Window Nedensellik Testi

Rahmi YAMAK1

Nebiye YAMAK2

Serkan SAMUT3

Özet

Son dönemlerde bilgisayar teknolojisinin hızla gelişmesi kripto paranın ortaya çıkmasına

neden olmuştur. Kripto paraların ilki olan Bitcoin, Satoshi Nakamoto takma adıyla bilinen

bir kişi ya da bir grup tarafından 2009 yılında geliştirilmiştir. Bitcoin çıktığı ilk zamanlarda

çok az sayıda kişi tarafından bilinmekteydi, ancak günümüzde daha fazla kişi tarafından

bilinir ve parasal işlemlerde kullanılır hale gelmiştir. Bu nedenle Bitcoin’in çıktığı ilk

zamanlarda işlem hacmi ile fiyat arasında nedensellik ilişkisinin zayıf ya da bulunmayacağı

ancak ilerleyen zamanlarda bu nedensellik ilişkisinin ortaya çıkabileceği veya

güçlenebileceği düşünülebilir. Bu kapsamda mevcut çalışmanın amacı Bitcoin’in günlük

fiyatı ile günlük işlem hacmi arasındaki olası nedensel ilişkinin dinamik gelişimini, Hill

(2007) tarafından geliştirilen rolling window nedensellik testi yaklaşımıyla incelemektir.

2013 – 2018 döneminin kullanıldığı çalışmada genel itibari ile Bitcoin fiyatından Bitcoin

işlem hacmine yönelik nedensellik ilişkisi saptanmıştır. Ayrıca bu nedensellik ilişkisinin

2016-2017 döneminde kuvvetlendiği belirlenmiştir.

Anahtar Kelimeler: Kripto Para, Bitcoin Fiyatı, Bitcoin İşlem Hacmi, Rolling Window Nedensellik

Jel Sınıflaması: C22, G12, G15

Price-Volume Relationship in Bitcoin: Rolling Window Causality Test

Abstract

Recently, the rapid development of computer technology has led to the emergence of

cryptocurrency. Bitcoin, the first of the crypto coins, was developed by a person whose

nickname is Satoshi Nakamoto or by a group in 2009. Bitcoin was known by a very few

people in the early days, but today it is known by more people and has become available

for monetary transactions. For this reason, the causality relationship between Bitcoin’s

daily price and volume can be thought to be weak or not existing in the early days of

Bitcoin, but this causality relationship may emerge or may be strengthened later on. In this

context, the purpose of the current study is to investigate the dynamic process of the

possible causal relationship between Bitcoin’s daily price and volume, using rolling

window causality approach developed by Hill (2007). In the study, which 2013-2018

period used, the causality relationship from Bitcoin’s daily price to volume was

determined. In addition, it is observed that this causality relationship has been strengthened

for the period of 2016-2017.

Keywords: Crypto Money, Bitcoin Price, Bitcoin Transaction Volume, Rolling Window Causality

Jel Classification: C22, G12, G15

1 Prof. Dr., [email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., Ekonometri Bölümü, Trabzon/Türkiye,

https://orcid/org/0000-0002-2604-1797/ 2 Prof. Dr., [email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., İktisat Bölümü, Trabzon/Türkiye,

https://orcid/org/0000-0003-3336-4735/ 3 Arş. Gör., [email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., Ekonometri Bölümü, Trabzon/Türkiye,

https://orcid/org/0000-0001-8216-6482/


91

1. Giriş

Bilindiği üzere kripto paraların ilki olan Bitcoin, Satoshi Nakamoto takma adıyla bilinen bir kişi

ya da bir grup tarafından 2009 yılında geliştirilmiştir. Sanal para olarak tedavül eden Bitcoin’in

çıktığı ilk zamanlarda çok az kişi tarafından bilinmesine karşın özellikle son iki yıldır mevcut

uluslararası para sistemini ciddi bir tehlikeye sokacak ölçüde para ve finansal çevrelerde yaygın

biçimde işlem görmeye başlamıştır.

Bitcoin’in 2013-2018 dönemi günlük fiyatının ve işlem hacminin zaman seyri incelendiğinde,

Bitcoin’in fiyatının 2017 yılına kadar çok fazla artış göstermediği, ancak 2017 yılından itibaren

artışa geçtiği ve 2018 yılının başlarında ciddi bir sıçrama ile zirve yaptığı gözlemlenmektedir. Bu

dönemde böyle bir zirvenin meydana gelmesinde Bitcoin'e olan ilginin o dönemlerde artmış olması

veya spekülatif atakların etkisi olduğu düşünülebilir. Ayrıca Bitcoin fiyatının 2018 yılındaki

zirveden sonra hızlı bir şekilde düşüş sergilediği de anlaşılmaktadır. Bununla birlikte Bitcoin

günlük işlem hacminin de fiyatlara paralel bir seyir izlediği ve 2018 yıllının başlarında fiyat ile

birlikte zirve yaptığı ve bu zirveden sonra ani bir azalmanın gerçekleştiği dikkat çekmektedir.

Para ve finans piyasalarında fiyat ve hacim arasındaki nedensel ilişkilerin varlığı, yönü ve

şiddetinin işlem hacmine bağlı olduğu konusunda genel bir kanı mevcuttur. Bu sebeple Bitcoin’in

fiyatı ile işlem hacmi arasındaki olası nedensel ilişkinin son dönemlerde artan işlem hacmiyle

birlikte kuvvetlenebileceği beklenmektedir. Bu kapsamda mevcut çalışmanın amacı Bitcoin’in

günlük fiyatı ile günlük işlem hacmi arasındaki olası nedensel ilişkinin dinamik gelişimini, Hill

(2007) tarafından geliştirilen rolling window nedensellik testi yaklaşımıyla incelemektir.


Ampirik literatürde para ve finans piyasalarında fiyat (getiri) ve hacim arasındaki nedensellik

ilişkisinin varlığını inceleyen birçok çalışma mevcuttur. Bu çalışmalarda fiyat ve hacim arasındaki

nedensellik ilişkisinin varlığı, yönü ve derecesi konusunda kesin bir uzlaşının olmadığı

görülmektedir. İki değişken arasında çift yönlü nedensellik ilişkisi bulan çalışmalara örnek olarak,

Dow Jones getirisi ile New York borsası işlem hacmi için Hiemstra ve Jones (1994) ve Kore

borsası için Silvapulle ve Choi (1999) verilebilir. Bazı çalışmalarda fiyat ile işlem hacmi arasında

tek yönlü bir nedensellik ilişkisi tespit edilmiştir. Fiyatlardan işlem hacmine yönelik nedensellik

ilişkisi bulan çalışmalara örnek olarak, BİST 100 endeksi için Gökçe (2002), BİST de işlem gören

bankalar için, Jakarta Kompozit Endeksi (JCI) için Christiana vd. (2016) örnek gösterilebilir.

Diğer taraftan işlem hacminden fiyatlara doğru tek yönlü nedensellik ilişkisi bulan çalışmalara

BİST 30 ve BİST 50 için Kayalıdere vd. (2009), Amman Menkul Kıymetler Borsasındaki (ASE)

bankacılık sektörü için Al-Jafari ve Tliti (2013) örnek olarak verilebilir. Bazı çalışmalarda birden

fazla piyasa için fiyat ile işlem hacmi arasındaki nedensellik ilişkisi incelenmiştir. Chen vd. (2001),


92

İsviçre, Hollanda ve Honkong borsaları için çift yönlü nedensellik, ABD, İngiltere, İtalya ve

Fransa için getiriden işlem hacmine yönelik; Kanada için ise işlem hacminden getiriye yönelik tek

yönlü nedensellik ilişkisi saptamışlardır. Bayrakdaroğlu ve Nazlıoğlu (2009), İMKB’de işlem

gören 10 banka üzerine gerçekleştirildiği çalışmada 2 banka için çift yönlü 3 banka için ise işlem

hacminden fiyata yönelik tek yönlü nedensellik ilişkisi tespit edilmiştir. Abinaya vd. (2016),

Hindistan borsasında işlem gören 29 şirkette fiyat ile işlem hacmi arasında çift yönlü nedensellik,

15 şirkette ise fiyatlardan işlem hacmine yönelik tek yönlü nedensellik ilişkisi belirlemişlerdir.

Kripto para geçmişinin kısa olmasından dolayı ilgili literatürde Bitcoin’e ilişkin ampirik çalışma

sayısı yok denecek kadar azdır. Bitcoin fiyatları ve işlem hacimleri üzerine yapılmış ampirik

çalışmaların başında Qu (2015)’un çalışması gelmektedir. Çin piyasasındaki Bitcoin fiyat

oynaklığı ile ABD piyasasındaki Bitcoin fiyat oynaklığı arasındaki olası nedensellik ilişkileri

araştıran Qu (2015), iki farklı piyasadaki fiyat oynaklıkları arasında tek yönlü bir nedensellik ilişki

olduğunu ve bu ilişkinin de Çin piyasasından ABD piyasasına yönelik olduğu şeklinde bulgular

elde etmiştir. Diğer yandan Dong ve Dong (2015), Bitcoin fiyatlarından İngiliz Poundu/ABD

Doları döviz kuruna yönelik tek yönlü Granger nedenselliğin olduğunu bulgulamışlardır. Balcılar

vd. (2017), mevcut literatürden farklı olarak Bitcoin getirisi, oynaklığı ve işlem hacmi arasındaki

nedensellik ilişkisini incelemişler ve Bitcoin getirisi ile işlem hacmi arasındaki doğrusal olmayan

nedenselliğin, doğrusal nedensellikten daha önemli olduğu bulgusuna ulaşmışlardır. Bu çalışmada

daha önce yapılmış olan çalışmalardan farklı olarak Bitcoin fiyatı ile işlem hacmi arasındaki

nedensellik ilişkisinin zaman içindeki gelişimi, rolling window nedensellik testiyle analiz

edilecektir.

3. Veri Seti ve Yöntem

Çalışmada 27.12.2013 – 25.06.2018 tarihleri arası günlük veriler kullanılmıştır. Bitcoine ilişkin

fiyat ve işlem hacmi verileri coinmarketcap.com web sayfasından temin edilmiştir. Söz konusu iki

değişkenin zaman seyri aşağıdaki Grafik 1’de verilmiştir. Grafikte Bitcoin’in fiyatının 2017 yılına

kadar 2000 doların altında olduğu, ancak 2017 yılının ilk aylarında artışa geçtiği ve 2018 yılının

başlarında ciddi bir sıçrama ile zirve yaptığı görülmektedir. Grafik 1’de Bitcoin fiyatının 2018

yılındaki zirvesinden sonra hızlı bir şekilde düşüş sergilediği, ancak 2000 dolardan daha düşük bir

seviyeye inmediği de anlaşılmaktadır. Ayrıca fiyatlara paralel olarak Bitcoin günlük işlem

hacminin de 2018 yıllının başlarında fiyat ile birlikte zirve yaptığı ve bu zirveden sonra ani bir

düşüş sergilediği de Grafik 1’de gözlemlenmektedir.


93

Grafik 1: Bitcoin’in Günlük Fiyatı ve İşlem Hacmi

Kaynak: coinmarketcap.com

Bitcoin piyasası yılın her günü aktif olduğu için çalışmada kullanılan veri seti yılın her gününü

kapsamaktadır. Değişkenler arasındaki nedensel ilişkinin dinamik gelişimini ortaya koyabilmek

için Hill (2007) tarafından sunulan rolling window nedensellik testi kullanılmıştır. Rolling

window nedensellik testi geleneksel nedensellik testlerini temel almaktadır. Bitcoin’in günlük

fiyatının logaritması (LP) ve Bitcoin’in günlük işlem hacminin logaritması (LV) arasındaki olası

nedensel ilişkiyi belirlemek için; (1) ve (2) Nolu denklemler nezdinde Toda-Yamamoto (1995),

nedensellik testi kullanılmıştır.

LVt=λ1+ ∑ β1i

LVt-i

k

i=1

+ ∑ β2i

LVt-i

k+dmax

i=k+1

+ ∑ α1iLPt-i

k

i=1

+ ∑ α2iLPt-i

k+dmax

i=k+1

+μ1t

(1)

LPt=λ2+ ∑ δ1i

LPt-i

k

i=1

+ ∑ δ2i

LPt-i

k+dmax

i=k+1

+ ∑ θ1iLVt-i

k

i=1

+ ∑ θ2iLVt-i

k+dmax

i=k+1

+μ2t

(2)

(1) ve (2) numaralı Toda-Yamamoto modelinde k; bağımlı ve bağımsız değişkenler için gecikme

uzunluğunu, dmax; değişkenlerin maksimum entegre derecesini, βi,,αi, δi, θi‘ler değişken

katsayılarını ve λ1 ve λ2; sabit terimleri temsil etmektedir.

(1) numaralı modelde LV’nin, LP’nin nedeni olmadığını belirten H0 hipotezi aşağıda gösterildiği

gibidir.

H0 : α1i

= 0 (3)

0.00

5000000000.00

10000000000.00

15000000000.00

20000000000.00

25000000000.00

30000000000.00

0.00

2000.00

4000.00

6000.00

8000.00

10000.00

12000.00

14000.00

16000.00

18000.00

20000.00

Dec

27

. 20

13

Mar

09

. 20

14

May

20

. 20

14

Jul 3

1. 2

01

4O

ct 1

1. 2

01

4D

ec 2

2. 2

01

4M

ar 0

4. 2

01

5M

ay 1

5. 2

01

5Ju

l 26

. 20

15

Oct

06

. 20

15

Dec

17

. 20

15

Feb

27

. 20

16

May

09

. 20

16

Jul 2

0. 2

01

6Se

p 3

0. 2

01

6D

ec 1

1. 2

01

6Fe

b 2

1. 2

01

7M

ay 0

4. 2

01

7Ju

l 15

. 20

17

Sep

25

. 20

17

Dec

06

. 20

17

Feb

16

. 20

18

Ap

r 2

9. 2

01

8

Fiyat (ABD $) Hacim (ABD $)


94

Benzer olarak (2) numaralı modelde LP’nin, LV’nin nedeni olmadığını belirten H0 hipotezi

aşağıdaki gibidir.

𝐻0 ∶ 𝛿1𝑖

= 0 (4)

Çift yönlü testin gerçekleştirildiği (3) ve (4) numaralı hipotezler için Wald test istatistiğinden

yararlanılmaktadır. Bilindiği üzere Rolling window nedensellik testinde tüm örneklem seti

kullanılarak analiz gerçekleştirilmemektedir. Bunun aksine örneklem boyutundan daha küçük bir

örneklem hacmi belirlenerek (pencere genişliği) nedensellik analizi yapılmaktadır. Birinci

pencerede ilk gözlemden pencere genişliğinin son gözlemine kadar bir nedensellik analizi

yapılmakta ve ardından bir sonraki pencereye geçilmektedir. Sonraki pencerede ilk gözlem

silinerek pencere genişliğin son gözleminden sonra gelen gözlem eklenerek nedensellik analizi

gerçekleştirilmektedir. Bu işlem pencere genişliğindeki son gözlem örneklemin son gözlemi olana

kadar devam etmektedir.

4. Bulgular ve Tartışma

Çalışmanın ampirik kısmında nedensellik testine geçmeden önce değişkenlerin durağanlık

özellikleri genişletilmiş Dickey ve Fuller (ADF) ve KPSS birim kök testleri ile incelenmiş ve test

istatistikleri Tablo 1’de özetlenmiştir. ADF ve KPSS birim kök testleri sonucunda her iki

değişkeninde birinci devresel farkında durağan oldukları belirlenmiştir. Böylelikle değişkenlerin

entegrasyon dereceleri bir olarak belirlenmiştir.

Tablo 1: Birim-Kök Test Sonuçları

ADF KPSS

Değişken Sabit Sabit ve Trend Sabit Sabit ve Trend

LBP 0.283 -1.964 3.662 1.123

LDT -0.891 -3.250* 4.286 0.988

ΔLBP -40.406*** -40.480*** 0.575** 0.119*

ΔLDT -26.487*** -26.490*** 0.082* 0.019*

Not: ***, ** ve * sırasıyla %1, %5 ve %10 anlamlılık düzeyinde ilgili istatistiğin anlamlı olduğunu ifade etmektedir.

Δ sembolü değişkenin birinci devresel farkının alındığını göstermektedir.

Toda-Yamamoto (1995) nedensellik testine dayalı analizlerde pencere genişlikleri sırasıyla 60, 90,

120 ve 150 olarak belirlenmiş ve böylelikle her bir pencere genişliğine karşılık toplam 1583, 1553,

1523 ve 1493 adet pencere kullanılmıştır. Modellerde optimal gecikme uzunlukları Akaike bilgi

kriteri ile belirlenmiştir. Değişkenler arasındaki olası nedensellik ilişkinin dinamik yapısını

belirlemek için Hill (2012) tarafından yazılmış Gauss kodları kullanılmıştır. Analizlerde hem Wald

hem de bootstrap istatistiklerinden yararlanılmıştır.

Nedensellik ilişkisinin olmadığını ifade eden H0 hipotezinin ret edilme oranları Tablo 2’de

gösterilmiştir. Analizler sonucunda Bitcoin fiyatından, Bitcoin işlem hacmine yönelik nedensellik


95

ilişkinin olmadığını belirten H0 hipotezi 60, 90, 120 ve 150 pencere genişliklerinde sırasıyla

%42.96, %59.37, %60.93 ve %63.16 oranlarında ret edilmesine karşın, Bitcoin işlem hacminden,

Bitcoin fiyatına doğru nedensellik ilişkinin bulunmadığını ifade eden H0 hipotezi aynı pencere

genişliklerinde sırasıyla %3.73, %4.31, %1.84 ve %2.08 oranlarında ret edilmiştir. Bootstrap test

istatistikleri sonucunda Bitcoin fiyatından Bitcoin işlem hacmine yönelik H0 hipotezi 60, 90, 120

ve 150 pencere genişliklerinde sırasıyla %41.06, %57.24, %61.39 ve %62.22 oranlarında ret

edilirken; Bitcoin işlem hacminden Bitcoin fiyatına yönelik H0 hipotezi aynı pencere

genişliklerinde sırasıyla %4.49, %4.89, %2.10 ve %2.75 oranlarında ret edilmiştir.

Tablo 2: H0 Hipotezinin Ret Edilme Oranı

Fiyattan Hacime Yönelik

Nedensellik Bulunmamaktadır.

Hacimden Fiyata Yönelik

Nedensellik Bulunmamaktadır.

Pencere

Genişliği

p-değeri Bootstrap p-değeri p-değeri Bootstrap p-değeri

60 %42.96 %41.06 %3.73 %4.49

90 %59.37 %57.24 %4.31 %4.89

120 %60.93 %61.39 %1.84 %2.10

150 %63.16 %62.22 %2.08 %2.75

Grafik 2a-2d’de sırasıyla 60, 90, 120 ve 150 pencere genişliklerinde Bitcoin fiyatından Bitcoin

işlem hacmine doğru nedensellik ilişkisinin olmadığını belirten H0 hipotezine ilişkin bootstrap p

değerleri gösterilirken; Grafik 2e-2h’de aynı pencere genişliklerine karşılık Bitcoin işlem

hacminden Bitcoin fiyatına yönelik nedensellik ilişkisinin bulunmadığını ifade eden H0

hipotezinin bootstrap p değerleri sunulmuştur. Grafiklerden de anlaşıldığı üzere genel itibari ile

Bitcoin fiyatından Bitcoin işlem hacmine doğru tek yönlü bir nedensellik ilişkisi söz konusudur.

Özellikle 120 ve 150 pencere genişliğinin kullanıldığı modellerde Mayıs 2016 – Ağustos 2017

dönemleri arasında Bitcoin fiyatından Bitcoin işlem hacmine yönelik nedenselliğin bulunmadığını

ifade eden H0 hipotezi diğer dönemlere nazaran daha fazla sayıda ret edilmiştir. Bu dönemde

nedensellik ilişkisinin daha sık rastlanmasında Bitcoin fiyatında ciddi artışların olmasına

bağlanabilir.


96

Grafik 2a: Fiyattan Hacime Yönelik

Bootstrap p Değerleri (Pencere Genişliği:

60)

Grafik 2c: Fiyattan Hacime Yönelik


120)

Grafik 2e: Hacimden Fiyata Yönelik


60)

Grafik 2b: Fiyattan Hacime Yönelik


90)

Grafik 2d: Fiyattan Hacime Yönelik


150)

Grafik 2f: Hacimden Fiyata Yönelik


90)

00.10.20.30.40.50.60.70.80.9

1Fe

b 2

4. 2

01

4Ju

l 06

. 20

14

No

v 1

5. 2

01

4M

ar 2

7. 2

01

5A

ug

06

. 20

15

Dec

16

. 20

15

Ap

r 2

6. 2

01

6Se

p 0

5. 2

01

6Ja

n 1

5. 2

01

7M

ay 2

7. 2

01

7O

ct 0

6. 2

01

7Fe

b 1

5. 2

01

8

00.10.20.30.40.50.60.70.80.9

1

Ap

r 2

5. 2

01

4

Au

g 3

0. 2

01

4

Jan

04

. 20

15

May

11

. 20

15

Sep

15

. 20

15

Jan

20

. 20

16

May

26

. 20

16

Sep

30

. 20

16

Feb

04

. 20

17

Jun

11

. 20

17

Oct

16

. 20

17

Feb

20

. 20

18

00.10.20.30.40.50.60.70.80.9

1

Feb

24

. 20

14

Jul 0

6. 2

01

4

No

v 1

5. 2

01

4

Mar

27

. 20

15

Au

g 0

6. 2

01

5

Dec

16

. 20

15

Ap

r 2

6. 2

01

6

Sep

05

. 20

16

Jan

15

. 20

17

May

27

. 20

17

Oct

06

. 20

17

Feb

15

. 20

18

00.10.20.30.40.50.60.70.80.9

1

Mar

26

. 20

14

Au

g 0

3. 2

01

4D

ec 1

1. 2

01

4A

pr

20

. 20

15

Au

g 2

8. 2

01

5Ja

n 0

5. 2

01

6M

ay 1

4. 2

01

6Se

p 2

1. 2

01

6Ja

n 2

9. 2

01

7Ju

n 0

8. 2

01

7O

ct 1

6. 2

01

7Fe

b 2

3. 2

01

8

00.10.20.30.40.50.60.70.80.9

1

May

25

. 20

14

Sep

27

. 20

14

Jan

30

. 20

15

Jun

04

. 20

15

Oct

07

. 20

15

Feb

09

. 20

16

Jun

13

. 20

16

Oct

16

. 20

16

Feb

18

. 20

17

Jun

23

. 20

17

Oct

26

. 20

17

Feb

28

. 20

18

00.10.20.30.40.50.60.70.80.9

1

Mar

26

. 20

14

Au

g 0

3. 2

01

4

Dec

11

. 20

14

Ap

r 2

0. 2

01

5

Au

g 2

8. 2

01

5

Jan

05

. 20

16

May

14

. 20

16

Sep

21

. 20

16

Jan

29

. 20

17

Jun

08

. 20

17

Oct

16

. 20

17

Feb

23

. 20

18


97

Grafik 2g: Hacimden Fiyata Yönelik


120)

Grafik 2h: Hacimden Fiyata Yönelik


150)

00.10.20.30.40.50.60.70.80.9

1A

pr

25

. 20

14

Sep

11

. 20

14

Jan

28

. 20

15

Jun

16

. 20

15

No

v 0

2. 2

01

5

Mar

20

. 20

16

Au

g 0

6. 2

01

6

Dec

23

. 20

16

May

11

. 20

17

Sep

27

. 20

17

Feb

13

. 20

18

00.10.20.30.40.50.60.70.80.9

1

May

25

. 20

14

Sep

27

. 20

14

Jan

30

. 20

15

Jun

04

. 20

15

Oct

07

. 20

15

Feb

09

. 20

16

Jun

13

. 20

16

Oct

16

. 20

16

Feb

18

. 20

17

Jun

23

. 20

17

Oct

26

. 20

17

Feb

28

. 20

18


98

5. Sonuç

Günümüzde bilişim teknolojilerindeki gelişmelerle birlikte kripto paraya olan ilgi bir hayli

artmıştır. Son yıllarda genellikle spekülatif amaçlı olmak üzere kripto paraya olan talepte ciddi bir

artış olduğu görülmektedir. Özellikle 2017 yılında Bitcoin fiyatındaki ciddi sıçramalar sonucunda

kripto paraya olan ilgiyi bir hayli artmıştır. Bitcoin’in ilk zamanlarında çok az kişi tarafından

bilinmesi daha sonradan gittikçe daha fazla kişi tarafından bilinir hale gelmesinden dolayı Bitcoin

fiyatı ile işlem hacmi arasındaki olası nedenselliğin kuvvetlenebileceği düşünülmektedir. Bu

kapsamda çalışmada Bitcoin fiyatı ile işlem hacmi arasındaki nedensellik ilişkisinin zamanla nasıl

değişim gösterdiği araştırılmıştır. Çalışmada 27.12.2013 – 25.06.2018 dönemi günlük veriler

kullanılarak 60, 90, 120 ve 150 pencere genişliklerinde Bitcoin fiyatı ile işlem hacmi arasında

Toda-Yamamoto (1995) nedensellik testi gerçekleştirilmiştir. Analizlerde genel itibari ile

fiyatlardan işlem hacmine yönelik tek yönlü bir nedensellik ilişkisinin olduğu gözlemlenmiştir.

Bununla birlikte Bitcoin fiyatından işlem hacmine doğru olan nedensellik ilişkisinin son

dönemlerde daha da arttığı tespit edilmiştir. Özellikle 120 ve 150 pencere genişliğinin kullanıldığı

modelde Mayıs 2016 – Ağustos 2017 dönemlerinde kuvvetlendiği bulgusuna ulaşılmıştır.

Böylelikle Bitcoin’in popüler hale gelmesiyle Bitcoin’in fiyatı ile işlem hacmi arasındaki

nedensellik ilişkisinin daha kuvvetli hale geldiği saptanmıştır.

Kaynakça

Abinaya, P., Kumar, V. S., Balasubramanian, P., Menon, V. K. (2016). Measuring Stock Price and Trading Volume

Causality Among NIFTY50 Stocks: The Toda Yamamoto Method, In Advances in Computing,

Communications and Informatics (ICACCI), 2016 International Conference on 1886-1890. IEEE.

Al-Jafari, M. K., Tliti, A. (2013). An Empirical Investigation of the Relationship Between Stock Return and Trading

Volume: Evidence from the Jordanian Banking Sector, Journal of Applied Finance and Banking, 3 (3), 45.

Balcilar, M., Bouri, E., Gupta, R., Roubaud, D. (2017). Can Volume Predict Bitcoin Returns and Volatility? A

Quantiles-Based Approach, Economic Modelling, 64, 74-81.

Chen, G. M., Firth, M., Rui, O. M. (2001). The Dynamic Relation Between Stock Returns, Trading Volume, and

Volatility, Financial Review, 36 (3), 153-174.

Christiana, A. M., Setiana, E., Mamduch, M. (2016). The Empirical Relationship Between Stock Return and Trading

Volume Based on Stock Market Cycles, Indonesian Capital Market Review, 8, 46-57.

Coinmarketcap. Bitcoin. (Erişim Tarihi: 26.06.2018) https://coinmarketcap.com/currencies/ bitcoin/

Dong, H., Dong, W. (2014). Bitcoin: Exchange Rate Parity, Risk Premium, and Arbitrage Stickiness, British Journal

of Economics, Management & Trade, 5 (1), 105-113.

Elmas, B., Yıldırım, M. (2010). Kriz Dönemlerinde Hisse Senedi Fiyatı İle İşlem Hacmi İlişkisi: İMKB’DE İşlem

Gören Bankacılık Sektör Hisseleri Üzerine Bir Uygulama, Atatürk Üniversitesi İktisadi ve İdari Bilimler

Dergisi, 24 (2), 37-46.

Gökçe, A. (2002). İMKB'de Fiyat-Hacim İlişkisi: Granger Nedensellik Testi, İktisadi ve İdari Bilimler Fakültesi

Dergisi, 4 (3), 1-6.

Hiemstra, C., Jones, J. D. (1994). Testing for Linear and Nonlinear Granger Causality in the Stock Price‐Volume

Relation, The Journal of Finance, 49 (5), 1639-1664.

Hill, J. B. (2007). Efficient Tests of Long‐Run Causation in Trivariate VAR Processes with a Rolling Window Study

of the Money–Income Relationship, Journal of Applied Econometrics, 22 (4), 747-765.


99

Hill, J. B. (2012). Rolling Window Tests of Causation in a Bivariate Process by Jonathan B. Hill (UNC, Economics),

(Erişim Tarihi: 26.06.2018), http://www.unc.edu/~jbhill/caus_ bivar_ rolling_window.txt.

Kayalıdere, A. G. D. U. K., Kargın, S., Aktaş, R. (2009). İMKB’de Fiyat ve Hacim Arasındaki Nedensellik

İlişkisi, Celal Bayar Üniversitesi SBE Sosyal Bilimler Dergisi, 7, 115-124.

Qu, C. (2017). Bitcoin in China: Price Discovery and Volatility Transmission.

Silvapulle, P., Choi, J. S. (1999). Testing for Linear and Nonlinear Granger Causality in the Stock Price-Volume

Relation: Korean Evidence, The Quarterly Review of Economics and Finance, 39 (1), 59-76.

Toda, H. Y., Yamamoto, T. (1995). Statistical Inference in Vector Autoregressions with Possibly Integrated

Processes. Journal of econometrics, 66 (1-2), 225-250


100

CO2 Emisyonu ve Ekonomik Büyüme Arasındaki İlişki: Türkiye için Doğrusal Olmayan

Nedensellik Analizi

Gökhan KONAT1

Fatma KIZILKAYA2

Mustafa GÖKÇE3

Özet

Hava kirliliği ile ekonomik büyüme arasındaki nedensellik ilişkisi birçok çalışmaya konu

olmuştur. Çünkü hem hava kirliliğinin hem de ekonomik büyümenin birbirini dönüşümlü

olarak beslediği düşünülmektedir. Bu çalışmada Türkiye’nin 1970 – 2016 yılları arasında

karbondioksit emisyonu (CO2) ve gayri safi yurtiçi hâsıla (GSYH) verileri analiz edilmek

istenmektedir. Çalışmada öncelikle Harvey vd. (2008) testi ile serilerin doğrusal olup

olmadıkları test edilmiştir. Sonra doğrusal olmayan Kruse (2011) birim kök testi ve

doğrusal olmayan Diks ve Panchenko (2006) nedensellik testi uygulanmıştır. Elde edilen

verilere www.worldbank.org ve https://knoema.com/atlas/Turkey/CO2-emissions-per-

capita veri tabanından ulaşılmıştır. Elde edilen nedensellik testi sonuçlarına göre CO2

emisyonundan GSYH’ya nedensellik ilişkisi elde edilememişken GSYH’dan CO2

emisyonuna doğru nedensellik ilişkisi elde edilmiştir.

Anahtar Kelimeler: Büyüme, CO2 Emisyonu, Nedensellik Testi

JEL Sınıflaması: C22, C10, O44

Relationship Between Economic Growth and CO2 Emissions: Non-Linear Causality

Analysis for

Abstract

The causality relationship between air pollution and economic growth has been the subject

of many studies. It is thought that both air pollution and economic growth alternately feed

each other. In this study, Turkey's carbon dioxide emission (CO2) and economic growth

(GDP) between 1970-2016 is wanted to analyze the data. Firstly, Harvey et al. (2008) test

has been aplied whether the series are linear or not. Then the non-linear Kruse (2011) unit

root test and the non-linear Diks and Panchenko (2006) causality test have been applied.

The data have been obtained from www.worldbank.org and

https://knoema.com/atlas/Turkey/CO2-emissions-per-capita database. According to the

obtained causality test, the causality relation between CO2 emission and GDP could not be

obtained. The causality relation from GDP to CO2 emission could be obtained.

Keywords: Growth, CO2 Emission, Causality Test

JEL Classification: C22, C10, O44

1. Giriş

Bu çalışmanın amacı Türkiye’nin 1970-2016 yıllarını kapsayan dönemi için hava kirliliği ile

ekonomik büyüme göstergeleri arasındaki ilişkiyi incelemektir. Hava kirliliği göstergesi olarak

kişi başına karbondioksit emisyonu (CO2), ekonomik büyüme göstergesi olarak ise kişi başı gayri

1 Arş. Gör., [email protected], İnönü Üniversitesi, Malatya/Türkiye, Orcid ID: 0000-0002-0964-7893 2 Öğr. Gör., [email protected], Hakkari Üniversitesi,Hakkari/Türkiye, Orcid ID: 0000-0002-1028-9341 3 Doktora Öğr., [email protected], İnönü Üniversitesi, Malatya/Türkiye, Orcid ID: 0000-0001-9218-9717


101

safi milli hâsıla (GSYH) değişkenleri kullanılmıştır. Hava kirliliği ile ekonomik büyüme

arasındaki nedensellik ilişkisi birçok çalışmaya konu olmuştur. Çünkü hem hava kirliliğinin hem

de ekonomik büyümenin birbirini dönüşümlü olarak beslediği düşünülmektedir. Nitekim TUİK

verilerinde CO2 eşdeğeri olarak sera gazı emisyonu toplamı 2016 yılında 1990 yılına göre %135,4

artış göstermektedir. 2016 yılında toplam CO2 emisyonunun %86,1’ i enerjiden %13,6’sı

endüstriyel işlemler ve ürün kullanımından %0,3’ü de tarımsal faaliyetler ve atıklardan

kaynaklanmaktadır. Artan sanayi ve gelişen ekonomi ile birlikte üretimin artması hava kirliliğinin

artması ile sonuçlanabilmektedir. Bunun yanı sıra hava kirliliğindeki artış ekonomik

faaliyetlerdeki artışın bir göstergesi olabilir. Yani değişkenler arasındaki nedenselliğin yönü iki

yönlü olabilmektedir. Bu çalışmada her iki değişken içinde nedensellik ilişkisine bakılarak

nedensellik ilişkisinin yönü belirlenmeye çalışılmıştır. Nedensellik ilişkisine bakılmadan önce

hava kirliliği ve ekonomik büyüme arasındaki ilişkinin yapısının doğrusal dışı olabileceği göz

önünde bulundurularak, doğrusallık testi yapılmıştır ve değişkenler arasındaki ilişkinin doğrusal

dışı yapı sergilediği sonucuna ulaşılmıştır. Bu yüzden değişkenler arasındaki nedensellik

ilişkisinin yönü doğrusal olmayan nedensellik testi kullanılarak incelenmiştir.

Karbondioksit emisyonu ve ekonomik büyüme arasındaki ilişki ile ilgili yapılan çalışmalar ve elde

edilen sonuçlar Tablo 1’de verilmiştir.

Tablo 1: Literatür Özeti

Yazarlar Ülkeler Veri

Aralığı Değişkenler Ekonometrik Yöntem Sonuç

Azomahou

ve ark.

(2005)

100 Ülke 1960-

1996

GSYİH ve CO2

salımı

Parametrik Olmayan

Panel Yaklaşımı İlişki var

Dinda ve

Coonda

(2006)

88 Ülke 1960-

1990

Gelir ve CO2

salımı

Panel Eşbütünleşme

Analizi İlişki var

Ang

(2007)

Fransa

1960-

2000

CO2 Salımı,

Enerji Tüketimi

ve Üretim

Eşbütünleşme ve

Nedensellik Analizi İlişki var

Jalil ve

Mahmud

(2009)

Çin 1975-

2005

GSYİH, Gelir

ve CO2 Salımı

ARDL, Eşbütünleşme

ve Nedensellik Analizi İlişki var

Halıcıoğlu

(2009)

Türkiye

1960-

2005

CO2 Salımı,

Enerji Tüketimi,

Gelir ve Dış

ticaret



Chang

(2010) Çin

1981-

2006

CO2 Salımı,

Enerji Tüketimi,

GSYİH

Eşbütünleşme Analizi İlişki var

Arı ve

Zeren

(2011)

Akdeniz

ülkeleri

2000-

2005

Kişi Başı Gelir,

CO2, Enerji

Tüketimi, Nüfus

Yoğunluğu

Panel Regresyon



102

Tiwari

(2011) Hindistan

1971-

2007

Birincil Enerji

Tüketimi, CO2

Salımı ve

GSYH


Wang ve

diğerleri

(2011)

Çin’deki

28 il

1995-

2007

CO2 Salımı,

Enerji Tüketimi

Ve Ekonomik

Büyüme



Saboori,

Sulaiman

ve

Mohd(201

2)

Malezya 1980-

2009 CO2 ve GSYH

Eşbütünleşme ve


Omay,

Canpolat

(2013)

Türkiye

İBBS

birinci

düzeyde

yer alan 12

bölge

1990-

2001

GSYH ile SO2

ve PM10

Emisyonları

Parametrik olmayan

panel veri regresyonu İlişki var

Altıntaş

(2013) Türkiye

1970-

2008

CO2 Salımı,

Birincil Enerji

Tüketimi, Kişi

Başına Gelir,

Sabit Sermaye

Yatırımları



Burnett ve

ark.

(2013)

Amerika 1981-

2003

CO2 Salımı ve

Ekonomik

büyüme

Eşbütünleşme Analizi İlişki var

Alam

(2014) Bangladeş

1972-

2010

CO2 Salımı ve

GSYH Eşbütünleşme Analizi İlişki var

Ergün ve

Polat

(2015)

30 OECD

Ülkesi

1980-

2010

CO2 Salımı,

Elektrik

Tüketimi ve

GSYH



Gülmez

(2015)

24 OECD

Ülkesi

2000-

2012

GSYH ve CO2

Panel Eşbütünleşme,

ve Panel Nedensellik

Analizi

İlişki var

Topallı

(2016)

Hindistan,

Çin,Güney

Amerika,

Brezilya

1980-

2010

CO2 Salımı ve

Ekonomik

Büyüme

Panel eşbütünleşme ve

Panel Nedensellik

Analizi

İlişki var

Bayramoğ

lu ve

Yurtkur

(2016)

Türkiye 1960-

2010

CO2 Emisyonu

ve Ekonomik

Büyüme

Doğrusal ve Doğrusal

Olmayan Eşbütünleşme

Analizi

İlişki var

Türköz

(2016)

Türkiye,

Yunanistan

, Suriye

Bulgarista

n, Irak,

İran,

Gürcistan,

Ermenistan

1992-

2010

CO2 Salımı,

Enerji Tüketimi

ve Ekonomik

Büyüme

ARDL Sınır Testi ve

Eşbütünleşme ve

Nedensellik Analizi

İlişki var

Canpolat,

Fendoğlu

(2016)

Türkiye 1960-

2013

GSYH ve CO2

Emisyonu Eşbütünleşme Testi İlişki var


103


Bu çalışmada Türkiye’nin 1970 – 2016 yılları arasında karbondioksit emisyonu ve gayri safi milli

hâsıla (GSYH) verileri analiz edilmek istenmektedir. Çalışmada öncelikle Harvey (2008) testi ile

serilerin doğrusal olup olmadıkları test edilmiştir. Sonra doğrusal olmayan Kruse (2011) birim kök

testi ve doğrusal olmayan Diks ve Panchenko (2006) nedensellik analizi uygulanmıştır. Elde edilen

verilere www.worldbank.org ve https://knoema.com/atlas/Turkey/CO2-emissions-per-capita veri

tabanından ulaşılmıştır.

2.1. Harvey vd (2008) Doğrusallık Testi

Doğrusallık testi serilerin durağanlık durumlarına göre farklılık gösteren iki farklı testin ağırlıklı

ortalaması alınarak hesaplanmaktadır. İlk olarak testin uygulanmasında zaman serisinin durağan

I(0) olduğu varsayımı altında doğrusallığı test etmek için aşağıdaki regresyon modeli tahmin

edilmektedir.

𝑦𝑡 = 𝛽0 + 𝛽1𝑦𝑡−1 + 𝛽2y𝑡−22 + 𝛽3y𝑡−3

3 + ∑ 𝛽4,𝑗∆𝑦𝑡−𝑗 + 휀𝑡

𝑝

𝑗:1

Burada ∆ birinci fark işlemcisini, 𝑝 gecikme sayısını göstermektedir. Harvey vd. (2008)

çalışmalarında önerildiği gibi maksimum gecikme sayısı 𝑝𝑚𝑎𝑥 = 𝑖𝑛𝑡 (8 (𝑇

100)

1

4) olarak

hesaplanmaktadır. Test için kullanılacak temel ve alternatif hipotezler aşağıdaki gibidir.

𝐻0,𝐼(0): 𝛽2 = 𝛽3 = 0 (𝑑𝑜ğ𝑟𝑢𝑠𝑎𝑙𝑙𝚤𝑘)

𝐻1,𝐼(0): 𝛽2 ≠ 0 𝑣𝑒 /𝑣𝑒𝑦𝑎 𝛽3 ≠ 0 (𝑑𝑜ğ𝑟𝑢𝑠𝑎𝑙 𝑜𝑙𝑚𝑎𝑚𝑎)

temel hipotezi altında, kısıtlamaların varlığını analiz etmek için standart Wald istatistiği,

𝑊0 = 𝑇 (𝑅𝑆𝑆0

𝑟

𝑅𝑆𝑆0𝑢 − 1)

gösterildiği gibi hesaplanmaktadır. Burada ki 𝑇 gözlem sayısını ifade ederken 𝑅𝑆𝑆0𝑟 ve 𝑅𝑆𝑆0

𝑢 kısıtlı

ve kısıtsız modelden elde edilen hata teriminin kareler toplamını göstermektedir.

Zaman serisinin durağan olmama I(1) varsayımı altında doğrusallığı test etmek için aşağıdaki

regresyon modeli tahmin edilmektedir.

∆𝑦𝑡= 𝜆1∆𝑦𝑡−1

+ 𝜆2(∆𝑦𝑡−1)2 + 𝜆3(∆𝑦𝑡−1

)3 + ∑ 𝜆4 ,𝑗∆𝑦𝑡−𝑗 + 휀𝑡

𝑝

𝑗:1

Test için kullanılacak temel ve alternatif hipotezler aşağıdaki gibidir.

http://www.worldbank.org/

https://knoema.com/atlas/Turkey/CO2-emissions-per-capita


104

𝐻0,𝐼(0): 𝜆2 = 𝜆3 = 0 (𝑑𝑜ğ𝑟𝑢𝑠𝑎𝑙𝑙𝚤𝑘)

𝐻1,𝐼(0): 𝜆2 ≠ 0 𝑣𝑒 /𝑣𝑒𝑦𝑎 𝜆3 ≠ 0 (𝑑𝑜ğ𝑟𝑢𝑠𝑎𝑙 𝑜𝑙𝑚𝑎𝑚𝑎)

temel hipotezini alternatif hipoteze karşı analiz etmek için yine Wald istatistiği,

𝑊1 = 𝑇 (𝑅𝑆𝑆1

𝑟

𝑅𝑆𝑆1𝑢 − 1)

şeklindeki gibi hesaplanmaktadır. Burada 𝑅𝑆𝑆1𝑟 ve 𝑅𝑆𝑆1

𝑢 kısıtlı ve kısıtsız modelden elde edilen

hata teriminin kareler toplamını göstermektedir.

Harvey vd. (2008), tarafından önerilen yaklaşımda temel hipotezi altında doğrusallığı, alternatif

hipotez altında ise doğrusal olmamayı analiz etmek için aşağıda gösterilen ağırlıklandırılmış

istatistiği önermişlerdir.

𝑊𝜆 = {1 − 𝜆}𝑊0 + 𝜆𝑊1

𝑊𝜆 test istatistiği 𝜒22 dağılımına uyum göstermektedir. Burada 𝜆 serilerin durağan olması

durumunda olasılıkta sıfıra, birim kök içeriyorsa yani durağan olmaması durumunda ise olasılıkta

bire yaklaşan bir fonksiyondur.

Yapılan analiz sonucunda doğrusal olmamanın tespit edilmesinden sonraki aşama analizin

doğrusal olmayan birim kök testleri kullanılarak yapılmasıdır (Güriş, 2006, s.36-37).

2.2. Kruse (2011) Birim Kök Testi

Kruse (2011) çalışmasında, Kapetanios vd. (2003) çalışmasındaki 𝑐 = 0 varsayımını tahmin

etmek yerine 𝑐 ≠ 0 varsayımını tahmini etmeyi önermiştir. Model aşağıdaki gibidir:

∆𝑦𝑡 = 𝜙𝑦𝑡−1(1 − 𝑒𝑥𝑝{−𝛾(𝑦𝑡−1 − 𝑐)2}) + 휀𝑡

Taylor tekniğini kullanarak yumuşak geçişli modelin 𝛾 = 0 etrafında aşağıdaki gibi yaklaştığını

elde etmiştir:

∆𝑦𝑡 = 𝛽1𝑦𝑡−13 + 𝛽2𝑦𝑡−1

2 + 𝛽3𝑦𝑡−1 + 𝑢𝑡

Ayrıca Kruse (2011) testinde gücü arttırmak için 𝛽3 = 0 almaktadır. O halde yeni model;

∆𝑦𝑡 = 𝛽1𝑦𝑡−13 + 𝛽2𝑦𝑡−1

2 + 𝑢𝑡

şeklinde olur. Testin hipotezleri ise;

𝐻0: 𝛽1 = 𝛽2 = 0

𝐻0: 𝛽1 < 0, 𝛽2 ≠ 0


105

şeklindedir. Test istatistiği ise; Kapetanios vd. (2003) çalışmasındaki 𝑐 = 0 varsayımını tahmin

etmek yerine 𝑐 ≠ 0 varsayımını tahmin etmeyi önermiştir. Test istatistiği ise aşağıda verilen

denklem ile hesaplanmaktadır;

𝜏 = 𝑡𝛽2=02 + 1(��1 < 0) 𝑡𝛽1=0

2

2.3. Diks-Panchenko (2006) Nedensellik Testi

Bu aşamada uygulanacak Diks-Panchenko (2006) nedensellik testi için kullanılacak test istatistiği

aşağıdaki denklem ile verilmiştir;

𝑇𝑛(휀) =(𝑛 − 1)

𝑛(𝑛 − 2)∑(

𝑖

𝑓𝑋,𝑌,𝑍(𝑋𝑖, 𝑌𝑖, 𝑍𝑖)𝑓𝑌(𝑌𝑖) − 𝑓𝑋,𝑌(𝑋𝑖, 𝑌𝑖)𝑓𝑌,𝑍(𝑌𝑖, 𝑍𝑖))

Bant genişliği değerlerinin uygun bir dizisi için, bu tahmin ediciler tutarlıdır ve test istatistiği, sıfır

hipotezi altında olasılıkla sıfıra gitme eğiliminde olan yerel katkıların 𝑓𝑋,𝑌,𝑍(𝑋𝑖, 𝑌𝑖 , 𝑍𝑖)𝑓𝑌(𝑌𝑖) −

𝑓𝑋,𝑌(𝑋𝑖, 𝑌𝑖)𝑓𝑌,𝑍(𝑌𝑖, 𝑍𝑖) ağırlıklı ortalamalarından oluşur ve aşağıdaki koşulu sağlamaktadır.

√𝑛(𝑇𝑛(휀𝑛) − 𝑞)

𝑆𝑛

𝑑→ 𝑁(0,1)

Yukarıdaki eşitlikte 𝑑→ dağılımdaki yakınsamayı, 𝑆𝑛 ise, 𝑇𝑛(휀𝑛)’in asimptotik varyansının

tahmincisini göstermektedir. Diks ve Panchenko, testin tek yönlü versiyonunun uygulanmasını

önermektedirler. Buna göre, yukarıdaki denklemin sağ tarafı büyükse sıfır hipotezi

reddedilmektedir.

3. Bulgular

Elde edilen Harvey vd. (2008) testi sonuçları Tablo 2’de sunulmuştur.

Tablo 2: Harvey vd. (2008) Doğrusallık Testi

Test İstatistiği Kritik Değerler

%10 %5 %1

CO2 Emisyonu 5.15* 4.60 5.99 9.21

GSYH 10.57*** 4.60 5.99 9.21 Not: *,** ve *** sırasıyla %10, %5 ve %1 için doğrusallık temel hipotezinin reddedildiğini ifade etmektedir.

Elde edilen doğrusallık testi sonucuna göre CO2 Emisyonu ve GSYH serilerinin doğrusal olmayan

yapıda olduğu belirlenmiştir. Bu sonuca göre, analizin sonraki aşamasında doğrusal birim kök

testleri yerine doğrusal olmayan birim kök testlerinin kullanılması daha güvenilir sonuçlar

verecektir. Kruse (2011) doğrusal olmayan birim kök sonuçları Tablo 3’de sunulmuştur.


106

Tablo 3: Kruse (2011) Doğrusal Olmayan Birim Kök Sonuçları

Test İstatistiği k

Kritik Değerler

%10 %5 %1

CO2 Emisyonu

Kruse 𝒆𝟎 11.439** 6 7.85 9.53 13.15

Kruse 𝒆𝒄 5.177 0 8.60 10.17 13.75

Kruse 𝒆𝒕 5.943 0 11.10 12.82 17.10

GSYH

Kruse 𝒆𝟎 13.635*** 4 7.85 9.53 13.15

Kruse 𝒆𝒄 10.581** 0 8.60 10.17 13.75

Kruse 𝒆𝒕 1.183 4 11.10 12.82 17.10 Not: *,** ve *** sırasıyla %10, %5 ve %1 için birim köklü temel hipotezinin reddedildiğini ifade etmektedir. k

gecikme sayısı olup, Kruse 𝑒0 , Kruse 𝑒𝑐 ve Kruse 𝑒𝑡 sırasıyla ham, ortalamadan arındırılmış ve ortalama ve trendden

arındırılmış yapıyı ifade etmektedir.

Sonuçlar incelendiğinde karbondioksit emisyonu serisi için ham yapıda durağan fakat ortalamadan

ve ortalama ve trendden arındırılmış yapıda durağan olmadığı, ekonomik büyüme serisi için ham

ve ortalamadan arındırılmış yapıda durağan ortalama ve trendden arındırılmış yapıda durağan

olmadığı görülmektedir. Çalışmanın sonraki aşamasında uygulanan Diks ve Panchenko (2006)

nedensellik testi sonuçları Tablo 4 ile verilmiştir.

Tablo 4: Diks ve Panchenko (2006) Nedensellik Testi sonuçları

Test İstatistiği

𝐇𝟎: CO2 emisyonu GSYH’nın nedeni değildir 0.851 (0.197)

𝐇𝟎: GSYH emisyonu CO2’nin nedeni değildir 1.789 (0.037)** Not: *,** ve *** sırasıyla %10, %5 ve %1 için temel hipotezin reddedildiğini ifade etmektedir. Parantez içindekiler

olasılık değerleridir.

Diks-Panchenko (2006) sonuçlarına göre CO2 emisyonundan GSYH’ya nedensellik ilişkisi elde

edilememişken GSYH’dan CO2 emisyonuna doğru nedensellik ilişkisi elde edilmiştir.

4. Sonuç

Çalışma sonucunda GSYH’dan CO2’ye doğru emisyonu tek yönlü nedensellik ilişkisi elde

edilmiştir. Son dönemlerde artan yenilenebilir enerji kaynaklarına rağmen ekonomik faaliyetlerin

çevre kirliliğinde etkili olduğu görülmektedir. Teknolojik gelişmeler neticesinde büyüyen

sanayileşme faaliyetleri çevreyi de beraberinde bulunduğu koşullarla değiştirmektedir. Hem

fabrikalaşmanın getirdiği kirlilik hem de ihtiyaçlar doğrultusunda işlenen madenler çevreyi kötü

bir şekilde kirletmektedir. Buda doğa dostu yaşanabilir bir ülkenin sona geldiğini gözler önüne

sermektedir. Daha yaşanabilir bir dünya için çevreye duyarlı filtrelerin, enerji üretiminde

yenilebilir kaynakların kullanıldığı sanayileşmenin gelişmesi ve çevreyi kirletmeyen daha ileri

teknoloji kullanılması gerekmektedir. Bu noktada çevre sorunlarının önüne geçebilmek için kamu

kesimi, iş dünyası, sivil toplum kuruluşları ve üniversitelerin topyekûn tutum sergilemesi ve

adımlar atması gereklidir. Dünya geneli sanayi ve enerji üretimine bağlı olarak artan CO2 artışı


107

beraberinde küresel ısınma ve iklim değişikliği sorununu artırdı. Küresel ısınma ve iklim

değişikliği sorunu ile ilgili ilk mücadele 1997 Kyoto protokolü ile başlamıştır. Yeterli katılımın

sağlanması ile 2005 yılında yürürlüğe girmiştir. Türkiye ise 2009 da Kyoto Protokolünü kabul

etmiş; gelişmekte olan bir ülke olarak 22 Nisan 2016 tarihinde Paris Anlaşması’nı New York’ta

175 ülke temsilcisiyle birlikte imzalamış ve CO2 salınımını azaltma noktasında bir duruş

sergilemiştir. Uluslararası bu sözleşmelere de bağlı olarak ekonomik faaliyetlerde; çevreye zararın

minimuma indirgenmesi, fosil yakıt tüketiminin azaltılması, yenilenebilir enerji kaynaklarından

daha fazla fayda sağlanması gibi çevre dostu politikaları gerekli kılmaktadır.

Kaynakça

Alam, J. (2014). On the Relationship between Economic Growth and CO2 Emissions: The Bangladesh Experience.

IOSR Journal of Economics and Finance (IOSR-JEF) 5(6): 36-41.

Altıntaş, H. (2013). Türkiye'de Birincil Enerji Tüketimi, Karbondioksit Emisyonu ve Ekonomik Büyüme İlişkisi: Eş

- Bütünleşme ve Nedensellik Analizi, Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi

Dergisi, (8), 263-294.

Ang, J.B., (2007). CO2 Emissions, Energy Consumption, and Output in France. Energy Policy, 35(10), 4772-4778.

Arı, A., & Zeren, F. (2011). CO2 Emisyonu ve Ekonomik Büyüme: Panel Veri Analizi, Yönetim ve Ekonomi. Celal

Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(2), 37-47

Azomahou, T., Laisney, F., ve Van, P. N. (2006). Economic Development and CO2 Emissions: a Nonparametric Panel

Approach. Journal of Public Economics, 90 (6), 1347-1363.

Bayramoğlu, A. T., ve Yurtkur, A. K. (2016). Türkiye’de Karbon Emisyonu ve Ekonomik Büyüme İlişkisi: Doğrusal

Olmayan Eşbütünleşme Analizi. Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi,16(4), 31-

45.

Burnett, J. W., Bergstrom, J. C., ve Wetzstein, M. E. (2013). Carbon Dioxide Emissions and Economic Growth in the

US. Journal of Policy Modeling, 35(6), 1014-1028.

Canpolat, E. & Fendoğlu, E. (2006). Hava Kirliliği İle Ekonomik Büyüme Arasindaki İlişkinin Ekonometrik Analizi,

UİİİD-IJEAS, 2018 (18. EYİ Özel Sayısı): 309-324 ISSN 1307-9832.

Chang, C.C. (2010). A multivariate causality test of carbon dioxide emissions, energy consumption and economic

growth in China. Applied Energy 87, 3533-3537.

Diks, C. ve V. Panchenko (2006). A New Statistic and Practical Guidelines for Nonparametric Granger Causality

Testing. Journal of Economic Dynamics and Control, 30,1647-1669.

Dinda, S., Coondoo, D. (2006). Income And Emission: A Panel Data-Based Cointegration Analysis. Ecological

Economics, 57; 167–181.

Ergün, S., ve Polat, M. A. (2015). OECD Ülkelerinde CO2 Emisyonu, Elektrik Tüketimi ve Büyüme İlişkisi. Erciyes

Üniversitesi Iktisadi ve Idari Bilimler Faküeltesi Dergisi, (45), 115-141.

Gülmez, A. (2015). OECD Ülkelerinde Ekonomik Büyüme ve Hava Kirliliği İlişkisi: Panel Veri Analizi. Kastamonu

Üniversitesi İİBF Dergisi, 9, 18-30.

Güriş,B.,Tıraşlıoğlu, B.,Y., Tıraşlıoğlu, M. (2016). Türkiye’ de Satın alma Gücü Paritesi Geçerli mi?: Doğrusal

Olmayan Birim Kök Testleri ocial Sciences Research Journal,5(4), 30-42

Halıcıoglu, F. (2009). An Econometric Study of CO2 Emissions, Energy Consumption, Income and Foreign Trade in

Turkey. Energy Policy, 37, 699-702.

Harvey, D.I., Leybourne, S.J. and Xiao, B. (2008). A Powerful Test for Linearity When the Order of Integration is

Unknown. Studies in Nonlinear Dynamics & Econometrics, 12 (3) (article 2).

Jalil, A., Mahmud, S.F. (2009). Environment Kuznets Curve For CO2 Emissions: A Cointegration Analysis For China.

Energy Policy, 37(12), 5167-5172.

Kapetanios, G., Y.Shin and A. Snell (2003). Testing For a Unit Root in the Nonlinear STAR Framework. Journal of

Econometrics, 112, 359-379.


108

Kruse R. (2011). A New Unit Root Test Against ESTAR Based on a Class of Modified Statistics. Statistical Papers,

52, 71-85.

Omay, R.E., Canpolat, E. (2013). Nonparametric Fixed Effect Panel Data Models: Relationship Between Air Pollution

And Income For Turkey, Anadolu University Journal Of Science And Technology –A Applied Sciences And

Engineering; 14(1), 91-103.

Saboori, B., Sulaiman, J., Mohd, S. (2012). Economic growth and CO2 emissions in Malaysia: A cointegration

analysis of the Environmental Kuznets Curve. Energy Policy, 51, 184–191.

Tiwari, A. K. (2011e), “A structural VAR analysis of renewable energy consumption, real GDP and CO2 emissions:

Evidence from India”, Economics Bulletin ,31, 1793-1806.

Topallı, N. (2016). CO2 Emisyonu ve Ekonomik Büyüme Arasındaki İlişki: Hindistan, Çin, Brezilya ve Güney Afrika

için Panel Veri Analizi. Çankırı Karatekin Üniversitesi İİBF Dergisi, 6(1), 427-447.

Türköz, K. (2015). Türkiye'de CO2 salınımları ve ekonomik büyüme ilişkisi. Balıkesir, Türkiye.

Wang, S.S., Zhou, D.Q., Zhou, P., Wang, Q.W. (2011). CO2 emissions, energy consumption and economic growth in

China: A panel data analysis. Energy Policy 39, 4870-4875.


109

Derin Öğrenme Teknikleriyle ile Online Satış Tahminleri Yapılması: Fast Food Sektörü

Uygulaması

Mahir ÖNER1

Alp ÜSTÜNDAĞ2

Bülent GÜLOĞLU3

Murat GÜVEN4

Özet

Bilgi teknolojilerinin gelişimi ile beraber veri hacimleri büyümüş ve bu büyük verinin

işlenmesi işletmeler açısından varlıklarının devamlılığı için verilecek kararlarda bir

gereksinim haline gelmiştir. Bu bağlamda bu çalışmada kolektif öğrenme modelleri

içerisinde yer alan rassal ormanlar tekniğinin kantil regresyon ile geliştirilmiş versiyonu

olan kantil regresyon ormanları yöntemi, ANN, NARX ve ARIMA yöntemleri kullanılarak

Ocak 2016-Eylül 2017 dönemini kapsayan fast food sektöründe yer alan 34 restorana gelen

saatlik online sipariş talebi tahmin edilmiştir. Tahmin sonuçlarına göre Mean absolute

Error(MAE) değeri kantil regresyon ormanları, ANN, NARX, SARIMA modellerinin

çoğunda 3’ün altında bulunmuştur. Ortalama MAE öngörü kriterine göre ise en iyi öngörü

performansı sağlayan teknik kantil regresyon ormanları tekniği bulunmuştur.

Anahtar Kelimeler : Makine Öğrenmesi, Zaman Serisi, Talep Tahmini, Fast Food Sektörü, Kantil

Regresyon Ormanları, Rassal Ormanlar, ARIMA

JEL Sınıflaması : C13, C32, C45, C88

Sales Prediction with the Deep Learning Technique: A Case Study of Fast Food Sector

Abstract

With the development of information technologies, data volumes have grown and the

processing of these large data has become a necessity in the decisions to be taken for the

continuity of their assets. In this context, in this study, an hourly online order request from

34 restaurants in the fast food sector covering the period of January 2016-September 2017

is estimated by using the quantile regression forests method which is improved version of

random forests technique in collective learning models with quantile regression, ANN,

NARX and ARIMA methods. According to the estimation results, Mean absolute Error

(MAE) value is less than 3 in most of the quantile regression forests, ANN, NARX and

SARIMA models. According to the average MAE prediction criterion, quantile regression

forests technique was found to provide the best predictive performance.

Keywords: Machine Learning, Time Series, Demand Forecasting, Fast Food Sector, Quantile Regression

Forests, Random Forests, ARIMA

JEL Classification: C13, C32, C45, C88

[email protected], İstanbul Teknik Üniversitesi, Endüstri Mühendisliği Bölümü, Maçka 34367, İstanbul,

Türkiye, [email protected], İstanbul Teknik Üniversitesi, Endüstri Mühendisliği Bölümü, Maçka 34367, İstanbul,

Türkiye. [email protected], İstanbul Teknik Üniversitesi, Ekonomi Bölümü, Maçka 34367, İstanbul, Türkiye. [email protected], İstanbul Teknik Üniversitesi, Ekonomi Bölümü, Maçka 34367, İstanbul, Türkiye.



110

1. Giriş ve Literatür Analizi

Büyük verinin işlenmesi dijital ortamdaki veri ve bu veriye ulaşım imkânlarının artışı ile paralel

olarak hızla artmaktadır. Bu durum aslında bulut teknolojileri, Web 2.0, Web 3.0 teknolojilerinin

gelişimi ve internetin dünyanın her yerine yaygınlaşması ile beraber ortaya çıkmıştır. İnternetin

hayatımızın her yerinde olması ile birlikte günümüzde fiziksel satışın azalması ve online satışların

artması göze çarpan önemli bir unsurdur. Satışlarda yaşanan bu değişim farklı tekniklerle analiz

edilmektedir.

İşletmeler, artan rekabet koşulları altında ayakta kalabilmek ve rekabet edebilmek için

karşılaştıkları belirsizlikleri de dikkate alarak etkin kararları alabilmek zorundadırlar. Geleceğe

ilişkin verilecek kararlardaki belirsizlik sebebiyle karar almada uzun ve kısa zaman periyodunu

içeren satış tahminlerinin geliştirilmesi gerekmektedir. Satış tahminleme, firmaların dinamik pazar

taleplerinin takibi ve pazarlama yönetiminin planlanması açısından en kritik ve en temel

analizlerden biridir (Xiao ve Yang, 2008). Fildes ve Hastings (1994)’e göre satış tahminleme

olmadan etkili ürün planlama yapılamaz, müşteri ilişkileri sağlıklı bir şekilde değerlendirilemez

ve sipariş yönetimi eksik bir şekilde ilerler. Bu sebeple hem akademik çalışmalarda hem de özel

sektörde satış tahmini modellerinin geliştirilmesi üzerine birçok çalışma yapılmaktadır.

Satış tahminleme için kullanılan tekniklerin en başında üstel düzleme modelleri (Gardner ve

Dannenbring ,1980, Geurts ve Kelly; 1986 Taylor; 2007), ARIMA modelleri (Dalrymple; 1978,

Goh ve Law; 2002, Tang ve diğ. ; 1991), uzman sistemler (Lo; 1994, Smith ve diğ. ;1996), bulanık

sistemler (Chang ve diğ. ; 2008 Chen ve Wang; 1999) ve sinir ağları (Ansuj ve diğ. ; 1996 Chu ve

Zhang; 2003 Sun ve diğ. ; 2008 Thiesing ve Vornberger; 1997 Zhang ve Qi; 2005) gibi metodların

ve yaklaşımlarla bütünleşen zaman serileri modelleri gelmektedir. Üstel düzeltme yöntemleri,

ARMA ve ARIMA modelleri lineer fonksiyonel şeklinde ifade edilen (lineerlik varsayımıyla)

zaman serileri modelleri olarak ortaya atılmış olup, bu modeller lineer olmayan paternleri, olağan

dışı gözlemlerin ve asimetrik döngülerin tespitinde eksik kalmaktadır. Bu yöntemlerin yanı sıra

uzman sistemler, bulanık sistemler ve sinir ağları gibi modeller de lineer modellerin yukarda

bahsedilen eksikliklerinin kapatılması anlamında sıkça kullanılmaya başlanmıştır. Özellikle sinir

ağları modellerinin geleneksel tahminleme modellerine göre daha başarılı tahminleme

performansına sahip olduğu gözlemlenmiştir (Chu ve Zhang; 2003). Makine öğrenmesi destekli

modeller de zaman serisi modellerinin yanında oldukça fazla kullanılmaya başladığı da

gözlemlenmektedir (Gallagher ve diğ, 2015). Bu modellerin oluşturulmasına yardımcı olan

metodlar sınıflandırma, kümeleme, karar ağaçları, Bayesçi sınıflandırma, lojistik regresyon olarak

sıralanabilir ve bu uygulamalarda özellikle eski verilere dayanarak satış olasılığının tahmini ve

satış özellikleri arasındaki ilişkilerin belirlenmesi amacıyla oluşturulan algoritmalar öne


111

çıkmaktadır. Bu modeller karmaşık optimizasyon problemlerinde genetik algoritmalar, karınca

kolonisi gibi sezgisel yöntemler kullanılarak modellendiğinde iteratif olarak en iyi çözüme

yaklaşılabilir ve bulanık mantık gibi makine öğrenmesi prosedürleriyle birleştirilince belirsizlik

altında tahmin modelleri oluşturulabilir. Bu modellerden özellikle yapay sinir ağları modelleri ve

bulanık sistemler ile de deneme yanılma prosedürü elenerek kompleks veri yapıları daha kesin

zaman serileri modelleri kurgulanabilir (Doganis ve diğ., 2006).

Literatürdeki çalışmalara bakıldığında satış tahminleme modellerinin çoğunun hibrit yapıda

oldukları söylenebilir. Burada dikkat çeken nokta, çalışmaların bazılarında verinin kümelenmesi

ve farklı özellik taşıyan verilere önerilen modellerin ayrı ayrı uygulanmasıdır. Örneğin Lu ve Kao

(2016) çalışmalarında k ortalamalar ile kümeleme yaparak her kümeye ayrı ayrı uç öğrenme

(extreme learning) prosedürünü uygulamışlardır. Hadavandi ve diğ. (2011) de benzer şekilde k

ortalamalar ile veri seti ayrılarak sonrasında farklı özellik gösteren veri setlerine önerilen genetik

bulanık algoritma ayrı ayrı kullanılarak satış tahminleme yapılmıştır. Thomassey ve Fiordaliso

(2006) ise satış profilleri k ortalamalar ile kümelenerek belirlenmiş ve bu kümelere karar ağaçları

yöntemi uygulanmıştır. Huber ve diğ. (2017) ise günlük talepleri verisetini kümelere ayırarak çok

değişkenli ARIMA modeli kullanılmıştır. Thomassey ve Happiette (2007) de Kohonen haritaları

(SOM) ile zaman serileri temelli satış profilleri belirlenerek bunlara olasılıklı sinir ağları modelleri

uygulanmıştır. Ayrıca Lu ve Wang (2010) da bozulabilir ürün sektöründe hiyerarşik SOM ile

verileri gruplamış ve bağımsız bileşen analizi ile verideki eksiklikleri belirlemiştir. Ardından

destekçi vektör regresyonu ile de talep tahminlemesi yapılmıştır.

Literatürde satış tahmini için oluşturulan zaman serileri modellerinin geliştirilmesi üzerine yapılan

çalışmalardan bozulabilir ürün ve taze ürün satış tahminleme konusunu ele alan Doganis ve diğ.

(2006) çalışması dikkat çekmektedir. Bu çalışmada genetik algoritma ile girdi değişkenleri ve

değerleri belirlenmiş ve radyal baz fonksiyonu temelli yapay sinir ağları modeli kullanılarak satış

tahminleme yapılmıştır. Van Calster ve diğ. (2017) de ProfARIMA isimli kar odaklı sipariş

tanımlama odaklı modelinde kar fonksiyonu genetik algoritma, parçacık sürü algoritması ve

benzetimli tavlama gibi yöntemlerle hesaplanarak ile satış tahminleme yapılmıştır. Yu ve diğ.

(2011) ise uç öğrenme makinası yönteminin belli bir iterasyon sayısı ile çalıştırılmasıyla verilen

veri setinden ortalama tahmini zaman serisini elde etmeyi amaçlamışlardır. Choi ve diğ. (2014) de

zaman kısıtlamalı uç öğrenme yaklaşımı ve gri modeli birleştirerek tekstil sektöründe satış

tahminleme konusunu ele almışlardır.

Satış tahmini için kurgulanan modeller değerlendirilecek verinin türü, boyutu ve büyüklüğü

anlamında ve de dış faktörlerin değerlendirilmesiyle de değişmektedir. Ma ve diğ. (2016)’nin

ortaya koyduğu modelde çok boyutlu veri için çok aşamalı LASSO regresyonu kullanılmıştır.


112

Modelde seçilen ürünün kategori içi ve kategoriler arası tahminleyicileri saptanarak modele

katılmaktadır. Kuo ve Xue (1998) de uzmanlar bakımından promosyonun etkisini gözlemlemek

için bulanık sinir ağlarını kullanmış ve modellerinde beslemeli sinir ağları modeline EBP öğrenme

algoritmasını da uyarlayarak zaman serisi verisinden çıkarım yapmayı amaçlamışlardır. Gur Ali

ve Pınar (2016) ise çok periyotlu tahminlemede segment odaklı panel regresyonu mevsimsellik,

teslimat süresi ve diğer pazarlama değişkenleri gibi özelliklerle modelleyerek iki aşamalı bilgi

paylaşımı modeli önermişlerdir. Bunun yanı sıra, bazı çalışmalar da satış tahminlemede sıkça

kullanılan yöntemleri farklı veri setleri ile kıyaslamak istemişlerdir. Bu çalışmalara örnek olarak

da Veiga ve diğ. (2017)’nin iki lineer tahminleme modeli ile (ARIMA ve Holt-Winter) ile iki lineer

olmayan tahminleme modeliyle (Wavelet Sinir ağları- WNN ve Takagi-Sugeno Bulanık

Sistemleri-TS) kıyaslayarak yöntemler arası farklılıkları açıkladıkları çalışma verilebilir. Bir diğer

göze çarpan çalışma ise VanDonselaar ve diğ. (2016)’nin çeşitli regresyon modelleri ve haraketli

ortalama temelli tahminleme modellerini promosyonlar dikkate alarak kıyasladıkları çalışmadır.

Akıllı satış tahminlemede ise bulanık sistemler ve sezgisel yaklaşımlar hem en uygun çözüme

yaklaşma hem de öğrenme sürelerinin kabul edilebilir seviyelere getirilmesinde tercih edilmiştir.

ARIMA temelli satış tahminleme modellerinde de yine sezgisel yaklaşımlar farklı bir amaç

fonksiyonunu gerçekleştirme odaklı (kar maksimizasyonu) sonuç bulmada satış tahminleme

modelinin geliştirilmesinde faydalı olmuştur.

Günümüzde özellikle kısıtlı miktarda veriyle iyi sonuçlar çıkartan ancak biriken büyük miktarlarda

veriyle baş etmekte zorlanan geleneksel istatistiki yöntemlerden ziyade artık makine öğrenmesi

olarak adlandırılan, matematiksel ve istatistiksel yöntemler kullanarak mevcut verilerden

çıkarımlar yapan, bu çıkarımlarla bilinmeyene dair tahminlerde bulunan yöntemler uygulamada

öne çıkmaya başlamıştır. Bu çalışmaların bazılarında veri boyutunun azaltılması ile

tahminlemenin daha kısa sürede yapılmasının sağlanabileceği öne sürülmüştür. Örneğin Schneider

ve Gupta (2016) yeni ve mevcut ürün tahminlemede müşteri geri dönüşlerini değerlendirmiş ve

Rassal tahminleme yöntemi ile ürün karakteristiği ve pazarlama değişkenlerinin (satış fiyatı, satış

sıralaması vs.) boyutunun azaltılması üzerinde durmuşlardır. Hızlı tüketim ürünleri alanında

Huang ve diğ. (2014)’nin çalışmasında perakende ürün satışlarının tahminlemesinde değişken

sayısının azaltılarak ADL modeline katılmasını ele almışlarıdır. Grigorievskiya ve diğ. (2014) de

değişken seçiminin modelin kendi içinde olması gerektiği üzerinde durarak OP-ELM ile uzun

dönemli zaman serisi tahminleme çalışmışlardır. Bunun yanı sıra Tehrani ve Ahrens (2016)’in

tekstil sektöründe satış tahminleme konusunda yaptıkları çalışmada nümerik değişkenlerin yanı

sıra nitel özelliklere de yer vererek (ürünlerin renk, resim büyüklüğü, fiyat ve renk seçeneğine

bakılarak) olasılıklı satış tahminleme gerçekleştirmişlerdir. Yu ve diğ. (2013) de destek vektör


113

regresyonu yöntemini kullanarak gazete ve dergi satış tahminleme konusunu irdelemişler ve

modellerinde lineer satış tahminleme fonksiyonunu sapmayı minimize edecek şekilde ceza

parametresi ile ifade etmişlerdir. Öte yandan Wu (2011) da bulanık destek vektör makineleri ile

bulanık lineer olmayan sistemlerin zarar fonksiyonu ile modellenmesini incelemişlerdir.

Değişken sayısı ve boyutunun azaltılması ve amaç fonksiyonunun farklılaştırılması konusunun

yanı sıra, pek çok çalışmada mevcut makine öğrenmesi yöntemlerinin geliştirilmesi ve parametre

tahminlemesinin yapılması konusu da incelenmiştir. Örneğin Lee ve diğ. (2014) yeni ürün

talep/satış tahminlemede Bass model parametrelerinin tahminlemesini Gaussian süreç regresyonu,

regresyon ağacı ve destek vektör regresyonu ile yapmışlardır. Wu (2010) da Wavelet kernel destek

vektör makinesi yönteminde parçacık sürü algoritması ile destek vektör makineleri

parametrelerinin (v kontrol parametresi, c ceza faktörü ve kernel fonksiyonu K) tahminlemesini

ele almıştır. Yine Wu (2010)’nin önerdiği bulanık destek vektör makinesi temelli çalışmada çok

boyutlu zaman serilerinde parçacık sürü algoritması ile bulanık destek vektör makineleri

parametrelerinin tahminlemesi yapılmıştır.

Satış tahminlemede makine öğrenmesi adına metot geliştirme üzerine yapılan çalışmalar dikkat

çekmektedir. Bu çalışmalardan başlıcaları özellik (feature) seçimi ile ilgili çalışmalardır. Jiménez

ve diğ. (2017) regresyon model öğrenimli rassal ağaçlar temelli ENORA çok amaçlı deneysel

algoritması ile özellik seçim prosedürü uygulayarak online satış tahminleme yapmıştır. Yine

Castillo ve diğ. (2017) de özellikler arası korelasyona bakılarak özellikler seçilmiş ve seçilen bu

özelliklere göre regresyon modeli kurgulanmıştır. Jiang ve diğ. (2017) ise çalışmalarında

değiştirilmiş genetik algoritma kullanılarak özellikler seçilmiş ve seçilen bu özelliklere göre de

derin sinir ağı ile satış tahminleme modelini kurgulamıştır.

Makine öğrenmesi yöntemlerinin yerini son yıllarda birden fazla yöntemi temel sınıflandırıcı

olarak ele alan topluluk öğrenme yöntemleri almaya başlamaktadır. Bu öğrenme türünün amacı,

birden fazla yöntemin çıktısının grup karar verme yöntemleri ile değerlendirilerek ideale yakın

sonuca ulaşmaktır. Bu yolun izlenmesinin sebebi tahminleme hatasının birden çok yöntemin

sonucu ile azaltılması isteğidir (Galicia ve diğ., 2018). Bu tahminleme yöntemlerinden biri de

rassal ormanlardır (Breiman, 2001). Rassal ormanlar, birden çok karar ağacının rassal seçilen veri

seti veya altkümeleri kullanılarak sınıflandırma değerinin elde edilmesini sağlayan bir topluluk

öğrenme yöntemidir. Bu anlamda satış tahminlemede de diğer yöntemlere nazaran kolektif

öğrenme de kullanılması daha iyi bir tahminleme sonucu elde edileceği beklenmektedir.

Bu çalışmada lineer tahminleme yöntemlerinden olan ve çoklu doğrusal regresyon analizinde

kullanılan en küçük kareler yöntemine bir alternatif olarak geliştirilen ve daha kapsamlı bir

regresyon doğrusu bulmak amacıyla önerilen kantil regresyon ile rassal ormanlar algoritması


114

birleştirilerek kantil regresyon ormanı (Meinshausen, 2006) yaklaşımı, ANN, NARX ve ARIMA

yöntemleri kullanılarak online satış tahminleme yapılmak istenmiştir.

2.Tasarım ve Yöntem

Bu çalışmada kolektif öğrenme modellerinden rassal ormanlar tekniğinin kantil regresyon ile

geliştirilmiş hali olan kantil regresyon ormanları yöntemi, ANN ve NARX yöntemleri fast food

sektöründe online sipariş talebini tahmin için kullanılmıştır. Çalışma Ocak 2016-Eylül 2017

dönemini kapsamakta ve 34 restorana gelen saatlik online sipariş talebi öngörülmektedir.

Sonuçlar zaman serisi ekonometrisinde yaygın olarak kullanılan ARIMA yönteminin sonuçları ile

karşılaştırılarak modellerin başarısı test edilmiştir. RMSE, MAE değerlerine bakılarak modellerin

performansları birbirleri ile karşılaştırılmıştır.

3.Bulgular ve Tartışma

Çalışmada fast food sektöründe sipariş talebi kantil regresyon ormanları, ANN, NARX ve

SARIMA yöntemleri tahmin edilmiştir. Elde edilen tahmin sonuçları Tablo 1’de gösterilmektedir.

Tablo 1: Kantil Regresyon Ormanları, ANN, NARX ve Sarıma Öngörü Performansı

Sonuçları

Tabloya göre kantil regresyon ormanları tekniklerinden elde edilen öngörü performanslarının

ANN, NARX ve ARIMA yönteminden elde edilen öngörü performansından bariz olarak daha


115

yüksek olduğu gözlemlenmiştir. ARIMA yönteminden elde edilen öngörü performansının da genel

olarak ANN, NARX öngörü performansından daha yüksek olduğu gözlemlenmiştir.

4.Sonuç ve Öneriler

Klasik ekonometri ve makine öğrenmesi teknikleri kullanılarak model tahmin edilmiş ve her bir

restoran için 8 gün için saatlik bazda örneklem dışı öngörüler yapılmıştır. 8 günlük öngörüler kurye

planlaması düşünülerek tasarlanmıştır.

Ekonometri ve makine öğrenmesi teknikleri kullanılarak tahmin edilen modelin öngörü

performasının ölçülmesinde ortalama mutlak sapma (Mean absolute Error) kriteri kullanılmıştır.

Bir kuryenin en fazla üç adet paket taşıyabildiği kısıtı göz önüne alınarak ortalama mutlak sapma

kriterinin 3 den küçük olması hedeflenmiştir.

Tahmin sonuçlarından da görülebileceği gibi tüm restaurantlar üzerinden hesaplanan ortalama

MAE değeri kantil regresyon ormanı, ANN, NARX, SARIMA modellerinin bazıları için 3’ün

altındadır. MAE öngörü kriteri göz önüne alındığında en iyi öngörü performansı sağlayan teknik

kantil regresyon ormanıdır.

Klasik ekonometrik modellerin makine öğrenmesi algoritmaları ile birlikte kullanımı sonucu

oluşturulacak hibrid modeller ile tahmin performansının arttırılmasını sağlayacak çalışmaların

yapılması gelecek araştırmalar için önerilmektedir.

Kaynakça

Ansuj, A., Camargo, M., Radharamanan, R., Petry, D. (1996) Sales forecasting using time series and neural networks,

Computers and Industrial Engineering. 31(1–2), 421–424

Breiman L. (2001). Random Forests, Machine Learning 45(1), 5–32

Castillo P.A., Mora A. M., Faris H., Merelo J.J. ve diğ. (2017) Applying computational intelligence methods for

predicting the sales of newly published books in a real editorial business management environment,

Knowledge-Based Systems 115, 133-151.

Chang P., Liu C ve Lai R. (2008). A fuzzy case based reasoning in sales forecasting in print circuit board industries,

Expert Systems with Applications 34(3), 2049-2058.

Chen T. & Wang M (1999). Forecasting methods using fuzzy concepts, Fuzzy Sets and Systems, 105(3), 339-352.

Choi T.-M, Hui C.-L., Liu N., Ng S.-F., Yu Y. (2014) Fast fashion sales forecasting with limited data and time.

Decision Support Systems 59, 84-92.

Chu, C.& Zhang, G. (2003). A comparative study of linear and nonlinear models for aggregate retail sales forecasting.

International Journal of Production Economics 86(3), 217–231.

Dalrymple D. J. (1978).Sales forecasting practices: Results from a United States survey, International Journal of

Forecasting 3( 3–4) , 379-391.

DaVeiga C.P., DaVeiga C.R.P, Puchalski W., Coelho L.S., Tortato U. (2016) Demand forecasting based on natural

computing approaches applied to the foodstuff retail segment, Journal of Retailing and Consumer Services

31, 174-181.

Doganis P., Alexandridis A., Patrinos P. & Sarimveis H. (2006) Time series sales forecasting for short shelf-life food

products based on artificial neural networks and evolutionary computing,. Journal of Food Engineering

75(2), 196-204.


116

Fildes, R. ve Hastings, R. J (1994). The Organization and Improvement of Market Forecasting, Journal of the

Operational Research Society, 45(1), 1-16.

Galicia A., Talavera-Llames R., Troncoso A., Koprinska I., Martínez-Álvarez F. (2018) Multi-step forecasting for big

data time series based on ensemble learning, Knowledge-Based Systems, Basımda,

https://doi.org/10.1016/j.knosys.2018.10.009

Gallagher C., Madden M. G., D'Arcy B. (2015) A Bayesian Classification Approach to Improving Performance for a

Real-World Sales Forecasting Application. 2015 IEEE 14th International Conference on Machine Learning

and Applications (ICMLA), 9-15 Aralık 2015.

Gardner E. S.ve Dannenbring D. G. (1980). Forecasting With Exponential Smoothing: Some Guidelines For Model

Selection, Decision Sciences 11(2), 370-383

Geurts M.D., Kelly J.P. (1986) Forecasting retail sales using alternative models, International Journal of Forecasting.

2(3), 261-272.

Goh, C., & Law, R. (2002). Modeling and forecasting tourism demand for arrivals with stochastic nonstationary

seasonality and intervention. Tourism Management, 23, 499-510.

Grigorievskiy A., Miche Y., Ventelä A.M, Séverin E., Lendasseade A. (2014). Long-term time series prediction using

OP-ELM. Neural Networks 51, 50-56.

Gur O. & Pinar A.E. (2016) Multi-period-ahead forecasting with residual extrapolation and information sharing-

Utilizing a multitude of retail series, International Journal of Forecasting 32(2), 502-517.

Hadavandi E., Shavandi H. & Ghanbari A. (2011) An improved sales forecasting approach by the integration of

genetic fuzzy systems and data clustering: Case study of printed circuit board, Expert Systems with

Applications 38(8), 9392-9399

Huang T., Fildes R., Soopramanien D. (2014) The value of competitive information in forecasting FMCG retail

product sales and the variable selection problem. European Journal of Operational Research 237(2), 738-

748.

Huber J., Gossmann A. & Stuckenschmidt H. (2017) Cluster-based hierarchical demand forecasting for perishable

goods. Expert Systems with Applications 76, 140-151.

Jiménez F., Sánchez G., García J.M., Sciavicco G., Miralles L.(2017). Multi-objective evolutionary feature selection

for online sales forecasting, Neurocomputing (234). 75-92

Kuo R.J. & Xue K.C. (1998) An intelligent sales forecasting system through integration of artificial neural network

and fuzzy neural network. Computers in Industry 37 (1), 1-15.

Lee H., Kim S.G., Park H., Kang P.(2014). Pre-launch new product demand forecasting using the Bass model: A

statistical and machine learning-based approach, Technological Forecasting and Social Change 86, 49-64.

Lo, T. (1994). An expert system for choosing demand forecasting techniques, International Journal of Production

Economics, 33 (1–3), 5-15

Lu C.& Kao L. (2016). A clustering-based sales forecasting scheme by using extreme learning machine and

ensembling linkage methods with applications to computer server. Engineering Applications of Artificial

Intelligence 55, 231-238

Lu C.& Wang Y. (2010). Combining independent component analysis and growing hierarchical self-organizing maps

with support vector regression in product demand forecasting. International Journal of Production

Economics 128(2), 603-613.

Ma S., Fildes R., Huang T. (2016) Demand forecasting with high dimensional data: The case of SKU retail sales

forecasting with intra- and inter-category promotional information, European Journal of Operational

Research 249(1), 245-257

Meinshausen N.(2006). Quantile Regression Forests, Journal of Machine Learning Research 7, 983–999.

Schneider M. J., Gupta S. (2016) Forecasting sales of new and existing products using consumer reviews: A random

projections approach, International Journal of Forecasting 32 (2), 243-256.

Shancheng J., Kwai-Sang C., Long W., Gang Q., Kwok T. (2017) .Modified genetic algorithm-based feature selection

combined with pre-trained deep neural network for demand forecasting in outpatient department. Expert

Systems with Applications 82, 216-230

Smith, P., Hussein S. & Leonard D. T. (1996), Forecasting short-term regional gas demand using an expert system,

Expert Systems with Applications, 10, 265-273.



117

Sun, Z., Choi, T., Au, K., Yu, Y. (2008). Sales forecasting using extreme learning machine with applications in fashion

retailing. Decision Support Systems, 46(1), 411–419.

Tang, Z., Almeida, C., Fishwick, P.A., (1991). Time series forecasting using neural networks vs Box-Jenkins

methodology. , Simulation 57 (5), 303–310.

Taylor, J.W. (2007). Forecasting Daily Supermarket Sales Using Exponentially Weighted Quantile Regression.

European Journal of Operational Research, 178, 154-167.

Tehran A.F., Ahrens D.(2016). Enhanced predictive models for purchasing in the fashion field by using kernel

machine regression equipped with ordinal logistic regression. Journal of Retailing and Consumer Services

32, 131-138.

Thiesing, F. & Vornberger, O. (1997). Forecasting sales using neural networks. Computational Intelligence. 1226,

321–328.

Thomassey S. & Fiordaliso A. (2006). A hybrid sales forecasting system based on clustering and decision trees.

Decision Support Systems 42(1), 408-421.

Thomassey S. & Happiette M. (2007). A neural clustering and classification system for sales forecasting of new

apparel items. Applied Soft Computing 7(4). 1177-1187.

Van Donselaar K.H.,.Peters J,.de Jong A, Broekmeulen R.A.C.M. (2016) Analysis and forecasting of demand during

promotions for perishable items, International Journal of Production Economics 172, 65-75

VanCalster T., Baesens B. ,& Lemahieu W. (2017). ProfARIMA: A profit-driven order identification algorithm for

ARIMA models in sales forecasting. Applied Soft Computing 60, 775-785.

Wu Q. (2010). Product demand forecasts using wavelet kernel support vector machine and particle swarm

optimization in manufacture System. Journal of Computational and Applied Mathematics 233(10), 2481-

2491

Wu Q. (2010). Regression application based on fuzzy ν-support vector machine in symmetric triangular fuzzy space.

Expert Systems with Applications 37(4), 2808-2814

Wu Q. (2011). Fuzzy robust ν-support vector machine with penalizing hybrid noises on symmetric triangular fuzzy

number space,.Expert Systems with Applications 38 (1), 39-46

Xiao, T.J. ve Yang, D.Q. (2008). Price and service competition of supply chains with risk-averse retailers under

demand uncertainty, International Journal of Production Economics. 114, 187-200.

Yu X., Qi Z., Zhao Y. (2013). Support Vector Regression for Newspaper/Magazine Sales Forecasting. Procedia

Computer Science 17, 1055-1062.

Yu Y., Choi T-M., Hui C-L. (2011) An intelligent fast sales forecasting model for fashion products. Expert Systems

with Applications 38(6) ,7373-7379.

Zhang, G., Qi, M. (2005). Neural network forecasting for seasonal and trend time series. European Journal of

Operational Research 160(2), 501–514.


118

Doğurganlık ve Dini İnanç Arasındaki İlişki: Bir Sayma Veri Modeli

Sibel SELİM1

Derya BİLGİN2

Gökhan ÖZKUBAT3

Özet

Doğurganlık genel olarak, bir kadının ya da toplumsal bir kümedeki kadın nüfusun

gerçekleştirdiği doğum sayısı olarak tanımlanmaktadır. Yapılan çalışmalar doğurganlığın

sadece biyolojik faktörlerden etkilenmediği aynı zamanda sosyoekonomik faktörlerden de

etkilendiğini göstermektedir. Gelir, çocuk maliyetleri, ailelerin tercihleri doğurganlık

üzerinde etkili olan faktörlerdir. Ailelerin arzu ettikleri çocuk sayısı ile diğer malların

tüketimi arasında yaptığı tercihler din, dil, yaş gibi ekonomik olmayan faktörlerden

etkilenmektedir. Ailelerin tercihlerinde etkili olan faktörlerden dinin doğurganlık üzerine

olan etkisinin; evlilik, doğum kontrol yöntemlerinin kullanımı, kürtaj, istenilen aile

büyüklüğü, boşanma ve cinsiyet rolleri ile ilgili normlar aracılığıyla olduğu

düşünülmektedir. Bazı dinlerde aile bütünlüğünün korunması amacıyla sıkı kurallar yer

almakta ve boşanma, kürtaj gibi çocuk sayısını azaltan davranışlar yasaklanmaktadır. Bu

çalışmada, Dünya Değerler Anketi (World Values Survey) 2010- 2014 verileri kullanılarak

Müslüman, Protestan, Katolik, Ortodoks dini inanışlarını benimseyen kişilerin

doğurganlıklarını etkileyen faktörlerin araştırılması amacıyla sayma veri regresyon

modelinden faydalanılmıştır. Yapılan çalışmada elde edilen bulgulara göre, dinler arasında

doğurganlık farklılıkları bulunmaktadır. Müslümanlarda çocuk sayısının Ortodoks inanışa

sahip olanlardan fazla olduğu Katolik inanışa sahip olanlarla ise yakın bir değer aldığı

görülmektedir. Ayrıca dini inanışı önemli görenler ile görmeyenler arasında sahip olunan

çocuk sayısında da farklar olduğu belirlenmiştir. Sahip olunan çocuk sayısında ortaya çıkan

bu farkların sebepleri ele alınan sayma veri regresyon modeli ile belirlenmiştir.

Anahtar Kelimeler: Doğurganlık, Dini İnanış, Robust Poisson Regresyon Modeli

JEL Sınıflaması: J13, N30, C25, C21

Relationship Between Fertility and Religious Beliefs: A Count Data Model

Abstract

Fertility is generally defined as the number of deliveries performed by a woman or a group

of women in a community. As a result of the studies done, fertility was not only affected

by biological factors but also by socioeconomic factors. Income, child costs, family

preferences are factors that affect fertility. The choices that families make between the

number of children they want and the consumption of other goods are influenced by non-

economic factors such as religion, language, age. It is thought that the effect of religion on

fertility from the factors that are effective in the preferences of the families is influenced

by the norms related to marriage, contraceptive use, abortion, desired family size, divorce

and gender roles. Some religions have strict rules for the protection of family integrity, and

behavior that reduces the number of children, such as divorce and abortion is prohibited.

In the study, count data regression model is used to investigate factors affecting the fertility

of Muslim, Protestant, Catholic, Orthodox religious beliefs by using World Values Survey

1 Prof. Dr., [email protected], Manisa Celal Bayar Üniversitesi, İktisadi ve İdari Bilimler Fakültesi,

Ekonometri Bölümü, Manisa, Türkiye ORCID ID:0000-0002-8464-588X 2 Doktora Öğrencisi, [email protected], Manisa Celal Bayar Üniversitesi, Sosyal Bilimler Enstitüsü, Manisa,

Türkiye, ORCID ID:0000-0003-1384-8062 3 Araş. Gör., , [email protected], Manisa Celal Bayar Üniversitesi, Manisa, TürkiyeORCID ID:0000-

0001-8845-8072


119

2010-2014 data. According to the findings in the study, it is observed that there are

differences in fertility among religions. It is seen that the number of children in Muslims is

higher than those who have Orthodox beliefs and that it is close to those who have Catholic

beliefs. It is also determined that there are differences in the number of children among

those who see religious beliefs as important and those who do not. The reasons for these

differences in the number of children owned are determined by count data regression

model.

Keywords: Fertility, Religious Beliefs, Robust Poisson Regression Model

JEL Classification: J13, N30, C25, C21

1. Giriş

Din, bireyin günlük yaşamlarını, değerlerini, tutumlarını, davranışlarını, inanç ve ilkelerini

toplumsal ilişkiler içinde düzenlemeye çalışmaktadır. Dini inancın etkilerini hayatın her alanında

görmek mümkündür. Dinlerin özellikle kadınlara yüklediği rol kadının doğurganlık özelliğini ön

plana çıkarmakta ve buna yönelik kurallar içermektedir. McQuillan (2004)’ın çalışmasında da

belirtildiği gibi dinin toplumsal hayatı ve doğurganlığı etkilemesinde üç ana unsur ön plana

çıkmaktadır. Bunlardan birincisi kürtaj, kısırlaştırma, doğum kontrolü gibi doğurganlığın yakın

belirleyicilerine ilişkin düzenleyici kurallar ve normları açıkça belirtmesidir. İkincisi, insanları dini

öğretilere uymaya zorlayacak ve bu öğretileri iletecek araçlara sahip olmasıdır. Kurallara

uymayanlara karşı resmi olmayan bir şekilde toplumsal baskı söz konusuyken dini inançla birlikte

uymayanlara ceza, uyanlara ödül verilmesini sağlayan resmi örgütlenme oluşmuştur. Üçüncüsü

ise dini inancın inananların sosyal kimliklerinin önemli bir bileşeni olması nedeniyle sosyal

tercihlerini dini öğretiler doğrultusunda yapmalarıdır.

Dini inancın doğurganlık üzerine olan etkisinin Müslüman, Katolik, Protestan ve Ortodoks

inanışları kapsamında incelendiği ve bu inanışların aynı zamanda kendi içlerinde de

değerlendirildiği bu çalışmada, İkinci bölümde konu üzerine yapılmış literatürdeki çalışmalara yer

verilmiştir. Üçüncü bölümde doğurganlık ve din konuları teorik olarak ele alınmıştır. Dördüncü

bölümde çalışmada kullanılan yöntem hakkında bilgi verilmekte olup beşinci bölümde kullanılan

değişkenler, tanımlayıcı istatistikler ve Robust Poisson Regresyon modelinden elde edilen

bulgular yer almaktadır. Bulguların değerlendirildiği sonuç bölümü altıncı bölümdür.

2. Literatür Araştırması

Konu ile ilgili sınırlı olan literatür aşağıda sunulmuştur.

Marcum (1981), 1965 Ulusal Doğurganlık Anketi verilerini kullanarak hazırladığı çalışmasında

Protestan kadınların doğurganlık davranışını araştırmaktadır. İstenilen ve istenilmeyen

doğurganlık için yaptığı analiz sonuçlarında muhafazakâr ve liberal Protestanların istenmeyen

doğumlarda dini inanışın düzeyinin etkili olmadığı, muhafazakâr Protestanlarda ise liberal

Protestanlara göre daha fazla etkili olduğu sonucuna ulaşılmıştır. 1987-1988 Haneler ve Aileler


120

Ulusal Anketini kullanıldığı Lehrer (1996)’in çalışmasında evliliklerde erkeğin dini inanışının

çocuk sahibi olma üzerindeki etkisi araştırılmıştır. İki değerli probit model kullanarak yapılan

analizlerde, aynı ve farklı dini inanışa sahip olan evli çiftlere ait veriler kullanılmıştır. Katolik

inanışına sahip olan kadınların farklı dini inanışa sahip olan erkekler ile evlenmesinin istenilen

çocuk sayısı üzerinde olumsuz etkisi olurken Protestan inanışına sahip kadınlarda ise hiçbir etki

sözkonusu olmamıştır. Adsera (2004), 1985 ve 1999 İspanya Doğurganlık Anketi verilerini

kullanarak hazırladığı çalışmasında, doğurganlık davranışında dinin önemi hem aile büyüklüğü

hem de doğum aralıkları açısından incelenmiştir. Cox oransal hata modelinin kullanıldığı

çalışmada, Katolik inancına sahip olan ancak inancın gerektirdiklerini uygulayan ve

uygulamayanlarda aile büyüklüklerinin benzer olduğu ve son yıllarda inancın gerektirdiklerini

uygulayanlarda doğurganlık oranının arttığı sonuçlarıyla beraber Protestan ve Müslümanların

küçük bir grubunun en yüksek doğurganlığa sahip olduğunu ve inançlar arası birlikteliklerde

doğurganlığın daha az olduğu sonuçlarına ulaşılmıştır. Heineck (2006), Avusturya Aile ve

Doğurganlık Anketi verilerini kullanarak doğurganlık ile dini inanç arasındaki ilişkiyi Poisson

Hurdle modelinden yararlanarak açıklamıştır. Yapılan analizlerde Katolik inanışına sahip olan

kadınlar ile hiçbir inanışa sahip olmayan kadınlar arasında öngörülen aile büyüklükleri açısından

farklar olduğu, hatta dini inanışı yüksek olanlarda bu farkın arttığı sonuçlarıyla beraber dini

inanışın çocuk dünyaya getirme zamanına herhangi bir etkisinin olmadığı sonucuna ulaşılmıştır.

Cohen-Zada ve Sander (2008), çalışmalarında Genel Toplum Anketi verilerini kullanarak

Multinomial logit model aracılığıyla Amerika’da okul seçimlerinde dini inanışın etkisini

araştırmışlardır. Katolik, Protestan ve mezhebe üye olmayan okullara yönelik talebe ilişkin

gerçekleştirdikleri analizler sonucunda, dini inanışın okul seçiminde etkili bir değişken olduğu,

Katoliklerin ve fanatik Protestanların sadece kendi dini inanışlarına yönelik okulları tercih ettikleri

sonucuna ulaşmışlardır. Zhang (2008), kadın ve erkeğin dini inanışlarının kadın ve erkek

doğurganlığı üzerindeki etkilerini araştırmıştır. 2002 Ulusal Aile Gelişim Anketini kullanarak

hazırladığı araştırmasında Poisson regresyon modelinden yararlanmıştır. Amerika Birleşik

Devletleri’nde dini inanışın kadın ve erkeğin doğurganlıkları üzerindeki etkisinin çok farklı

olmadığı sonucuna ulaşmıştır. Asya, Afrika ve Latin Amerika’daki gelişmekte olan 30 ülkenin

Demografik ve Sağlık Anketi verilerinin kullanıldığı Heaton (2011)’ın çalışmasında 5 yaşın

altındaki Müslüman/Hristiyan ve Katolik/Protestan çocuk sayısı araştırılmıştır. Poisson regresyon

modelinin kullanıldığı çalışmada birçok ülkede Müslüman doğurganlığının Hristiyan

doğurganlığından önemli derecede yüksek olduğu fakat Katolik ve Protestanlar arasındaki

ortalama farkın küçük olduğu sonucuna ulaşılmıştır.


121

3. Doğurganlık ve Din

Doğurganlığın ekonomik çerçeve içerisinde ele alınması Becker’ın 1960 yılında yayınladığı

çalışma ile başlamıştır. Becker’a göre birçok aile için çocuklar fiziki gelir ve fayda sağlayan

kaynak olup ekonomi terminolojisinde “çocuk” tüketim malı olarak ele alınmaktadır. Bu durumda

çocuk talebi; gelir, çocuk maliyeti ve ailelerin zevkleri tarafından belirlenmektedir.

Becker (1960)’a göre çocuk talebi ile gelir arasındaki ilişkinin belirlenmesinde ailelerin doğum

kontrol bilgisi önemli bir etkendir. Ailelerin sahip olduğu doğum kontrol bilgisi toplumun her

kesiminde aynı ise ailenin gelirinde artış yaşanması çocuk talebinde de artışa sebep olmaktadır.

Ancak sosyo-ekonomik olarak üst seviyede olan ailelerin modern doğum kontrol yöntemlerine

daha kolay ulaşması ve bunun toplumun daha alt seviyelerindeki ailelere ulaşmasının zaman

alması gibi sebeplerden dolayı toplumun her kesiminde doğum kontrol bilgisinin aynı olmaması

durumunda gelir ile çocuk talebi arasında ters yönlü bir ilişki ortaya çıkmakta ve ailelerin gelirinde

artış yaşandığında çocuk talebinde azalma meydana gelmektedir. Çocuk talebini belirleyen

etmenlerden bir diğeri olan çocuk maliyetleri çocuk kalitesiyle ilişkilidir. Becker(1960),

doğurganlığı bir fayda fonksiyonu içinde ayrı ayrı incelenen çocuk miktarı ve kalitesi arasındaki

ters yönlü bir etkileşim ile belirlenmektedir. Bu kalite-miktar ilişkisinin analizi için basit fayda

fonksiyonu aşağıdaki gibidir (Becker ve Lewis, 1973, s.280).

U= U (n, q, y) (1)

Fonksiyon içerisinde “n”; çocuk sayısını, “q” çocukların kalitesini ve “y” diğer tüketim mallarının

bileşimini göstermektedir. Bütçe kısıtı fonksiyonu ise;

I = nqπ + yπy (2)

şeklindedir. “I”gelirin tamamını, “π”; “nq”nun fiyatını, “πy” ise diğer tüketim mallarının fiyatını

göstermektedir. Bütçe kısıtı altında fayda maksimizasyonu sağlandığında;

MUn=λqπ=λpn ; MUq=λnπ=λpq ; MUy =λπy=λpy (3)

“p” marjinal maliyetleri ya da gölge fiyatları gösterirken, “λ” parasal gelirin marjinal faydasını

göstermektedir. Çocuk sayısına bağlı olan gölge fiyatı (pn) çocuk kalitesiyle (q) pozitif ilişkilidir

ve çocuk kalitesine bağlı olan gölge fiyatı da (pq ) çocuk sayısıyla pozitif ilişkilidir. Çocuk sayısı

fazla olduğunda çocuk kalitesinde artışın yaşanması maliyetleri arttırmakta, çocuk kalitesi yüksek

olduğunda çocuk sayısının artması maliyetleri arttırmaktadır. Tüketim malı olarak çocuklar

ailelerine fayda sağlamaktadır ve çocukların ailelerine sağladığı faydanın diğer tüketim malları ile

karşılaştırılması farksızlık eğrileri aracılığıyla yapılmaktadır. Farksızlık eğrilerinin şekli ise din,

yaş, ırk gibi zevkler tarafından belirlenmektedir (Becker, 1960, s. 211).


122

Kişilerin arzu ettikleri ve gerçekleşen çocuk sayılarının aynı olmasına olanak sağlayan en etkili

yöntemler kürtaj ve doğum kontrol teknikleri kullanımıdır. Ancak her üç tek tanrılı dinde çocuk

sahibi olmayı engelleyen her türlü tıbbi müdahaleye veya istekli kürtaj gibi uygulamalara karşı

çıkılmaktadır. Kadının hamile kalmasına, doğacak çocuğun cinsiyetine ve yaşamının ne kadar

olacağına ilişkin süreçlerin tanrı tarafından çocuğun kaderinde yazıldığı kabul edildiği için dinler

çocuğu tanrının bir lütfu olarak görmektedir ve buna zarar verecek her türlü davranışı

yasaklamaktadır (Karaoğlan ve Duman, 2017, s.396).

4. Metodoloji

Sayma veri analizi, belirli bir zaman içerisinde yapılan denemeler sonucunda meydana gelen

olayların modellemesine yöneliktir ve bir sayma değişken, negatif olmayan tam sayı değerleri

almakla beraber tekrar sayısını da içermektedir. Sayma veri modelleri arasında en temel model

Poisson regresyon modelidir. Poisson regresyon modeli, açıklayıcı değişkenler ile sayıma dayalı

olarak elde edilen çıktı değişkeni arasındaki ilişkiyi açıklamaktadır. Poisson regresyon modeli;

p(y;µ)={𝑒−µµ𝑦

𝑦! , y=0,1,2,…. (1)

şeklindeki Poisson dağılımının ortalamasına göre belirlenmektedir (Cameron ve Trivedi, 1998,

s.3’ten aktaran Sezgin ve Deniz; 2004, s.18). Poisson regresyon modeli ise;

p(𝑦𝑖

𝑥𝑖) {

𝑒−µ𝑖 µ𝑖

𝑦𝑖

𝑦𝑖 ! , y=0,1,2,3,… (2)

şeklindedir (Cameron ve Trivedi, 1986, s.31). Poisson dağılımında ortalama ve varyansın eşitliği

söz konusudur.

μi=E(yi /xi ) = V(yi /xi ) (3)

Ortalama ve varyansın eşitliği eşit yayılım, varyansın ortalamadan büyük olması aşırı yayılım

(overdispersion) ve varyansın ortalamadan küçük olması eksik yayılım (underdispersion) olarak

ifade edilmektedir (Selim ve Üçdoğruk, 2003, s.15; Sezgin ve Deniz, 2004, s.18; Arı ve Önder,

2013, s.169).

5. Ampirik Analiz

5. 1. Kullanılan Veriler ve Tanımlayıcı İstatistikler

Bu çalışmada, Dünya Değerler Anketi (World Values Survey) 2010- 2014 verileri kullanılarak

Müslüman, Protestan, Katolik, Ortodoks dini inanışlarını benimseyenlerin sahip oldukları çocuk

sayısını etkileyen faktörlerin araştırılmasında Robust Poisson Regresyon modeli kullanılmıştır.

Dini inancın göstergesi olarak, dinin hayattaki önemine ilişkin verilen cevaplar alınmış ve çok

önemli-oldukça önemli (dini inanışa önem verenler) ile çok önemli değil-hiç önemli değil (dini


123

inanışa önem vermeyenler) cevaplarının gruplandırması yapılarak dinlerin kendi içinde de

karşılaştırılması yapılmıştır. Analizlerde doğurganlık göstergesi olarak sahip olunan çocuk sayısı

alınmış ve bağımlı değişken olarak kullanılmıştır. Bağımsız değişkenler ise kişinin medeni

durumu, çalışma durumu, eğitim düzeyi, yaşı, ailenin gelir düzeyi gibi sosyo-ekonomik

göstergelerle birlikte diğer kişilere duyulan güven, yaşam memnuniyeti, çocuğa iyi eğitim

verememe endişesi, aileye, işe ve boş zamana verilen önemdir.

Grafik 1’de Müslüman, Katolik, Protestan ve Ortodoks inanışlarını benimseyenlerin Dünya

Değerler Anketinde yer alan dinin hayattaki önemine ilişkin soruya verdikleri cevapların yüzde

dağılımları bulunmaktadır. Müslüman, Katolik ve Protestan inançlarına sahip olan kişilerde en

fazla yüzde oran dini inancın çok önemli olduğu yönündeyken Ortodoks inancına sahip olanlarda

ise en fazla yüzde oran dini inancın oldukça önemli olduğu yönündedir. Dini inancın hiç önemli

olmadığı cevabını verenlerin en az olduğu %2,68 ile Katolik inancına sahip olanlar iken Ortodoks

inancına sahip olanlar ise %7.55 ile en yüksek orana sahiptir.

Grafik 1: Dini İnanışlara Göre İnanca Verilen Önemin Dağılımı (%)

Kaynak: Yazarlar tarafından Dünya Değerler Anketi (2010-2014) verileri kullanılarak oluşturulmuştur.

Dini inanca verilen önem derecesine göre sahip olunan çocuk sayılarının yer aldığı Grafik 2’de en

fazla çocuk sayısına Müslüman inancının çok önemli olduğu cevabını verenlerin sahip olduğu

görülmektedir. Genel olarak değerlendirildiğinde en az çocuğa sahip olanların dini inanç hiç

önemli değil cevabını verenlerde olduğu görülürken en fazla çocuğun ise dini inanç çok önemli

cevabını verenlerde olduğu görülmektedir. Her dört dini inanışta da dini inanca verilen önem

arttıkça sahip olunan çocuk sayısının artmasının altında yatan sebebin; evlilik dışı çocuk sahibi

olma, kısırlaştırma, kürtaj, doğum kontrolü gibi çocuk sahibi olmayı ertelettirecek davranışların

yasaklanması olduğu söylenebilir.

62.95 58.81

75.93

31.7123.77 26.51

14.88

34.99

9.96 11.84 6.37 24.973.1 2.68 2.72 7.55

MÜSLÜMAN KATOLİK PROTESTAN ORTODOKS

Dini İnanç Çok Önemli Dini İnanç Oldukça ÖnemliDini İnanç Çok Önemli Değil Dini İnanç Hiç Önemli Değil


124

Grafik 2. Dini İnanca Verilen Önem Derecesine Göre Sahip Olunan Ortalama Çocuk

Sayısı

Kaynak: Yazarlar tarafından Dünya Değerler Anketi (2010-2014) verileri kullanılarak

oluşturulmuştur.

Ek Tablo 1’de analizlerde kullanılan Müslüman, Katolik, Protestan ve Ortodoks inanışa sahip

olanlara ait değişkenlerin tanımlayıcı istatistikleri sunulmuştur. Dini inanışlara göre sahip olunan

ortalama çocuk sayısının Müslümanlarda 3.178, Katoliklerde 2.73, Protestanlarda 2.685 ve

Ortodokslarda 1.892 olduğu görülmektedir.

5.2. Bulgular

Bu çalışmada, Müslüman, Katolik, Protestan ve Ortodoks dini inanışını benimseyenlerin sahip

oldukları çocuk sayısını etkileyen faktörler araştırılmaktadır. Din ve doğurganlık arasındaki

ilişkiyi etkilediği düşünülen değişkenler Dünya Değerler Anketi (2010-2014) verilerinden seçilmiş

ve elde edilen tüm modellerde yayılım parametresi olan σ2 değerinin 1’den küçük çıktığı

görülmüştür. Bu durumda eksik yayılımın olmasından dolayı din ve doğurganlık arasındaki ilişkiyi

analiz etmek için Robust Poisson regresyon modelinden faydalanılmıştır.

Ek Tablo 2 ve Tablo 3’te her dört inanışa göre elde edilen Robust Poisson regresyon modeli

tahmini sonuçları yer almaktadır. Müslüman inancına önem vermeyenlerde medeni durum

değişkeninin anlamlı bir değişken olmadığı, dini inanca önem verenlerde ise boşanmış, dul ya da

ayrı yaşayanların evli ya da birlikte yaşayanlara göre 0.45 kat daha az çocuğa sahip olduğu

görülmektedir. Bireylerin eğitim durumu incelendiğinde dini inanca önem verenlerin eğitim

düzeyi arttıkça sahip olunan çocuk sayısının azaldığı, dini inanca önem vermeyenlerde ise

üniversite eğitimini tamamlamış olanların çocuk sayısının eğitimsiz olanlara göre 0.4 kat daha az

olduğu görülmüştür. Gelir seviyesi ve finansal durumdan memnuniyet değişkenleri çocuk sayısı

üzerinde etkili değil iken dini inanca önem vermeyenlerde boş zamana verilen önem arttıkça sahip

olunan çocuk sayısı 0.10 kat azalmaktadır. Dahil olunan sosyal sınıf dini inanca önem

2.642.33 2.26

1.61

2.672.26 2.24

1.75

2.912.48 2.42

1.83

3.382.94 2.78

2.13

0

1

2

3

4

MÜSLÜMAN KATOLİK PROTESTAN ORTODOKS

Dini İnanç Hiç Önemli Değil Dini İnanç Çok Önemli Değil

Dini İnanç Oldukça Önemli Dini İnanç Çok Önemli


125

vermeyenlerde anlamlı bir değişken değil iken dinin inanca önem verenlerde sosyal sınıfın düzeyi

düştükçe daha fazla çocuk sahibi olunduğu görülmektedir. Katolik inancına önem verenlerde hiç

evlenmemiş olanlar evli ya da birlikte yaşayanlara göre 0.61 kat daha az çocuk sahibi olurken

boşanmış, dul ya da ayrı yaşayanlar 0.15 kat daha az çocuk sahibi olmaktadır. Katolik inancına

önem vermeyenlerde ise boşanmış, dul ya da ayrı yaşayanlar evli ya da birlikte yaşayanlara göre

0.24 kat daha az çocuk sahibidir. Hem Katolik inancına önem verenlerde hem de önem

vermeyenlerde eğitim düzeyi ile sahip olunan çocuk sayısı arasında negatif yönlü bir ilişki

bulunmakta, eğitim düzeyi arttıkça sahip olunan çocuk sayısı azalmaktadır. Hanenin finansal

durumundan duyulan memnuniyet değişkeni her iki grup için de anlamlı bir değişken değil iken

gelir seviyesi Katolik inancına önem verenlerde sahip olunan çocuk sayısı üzerinde azaltıcı etki

yaratmakta, gelir seviyesi arttıkça sahip olunan çocuk sayısı 0.03 kat azalırken dini inanca önem

vermeyenlerde çocuk sayısını etkilememektedir. Ayrıca çocuğa iyi bir eğitim verememe endişesi

Katolik inancına önem verenlerde çocuk sayısını 0,11 kat azaltırken Katolik inancına önem

vermeyenlerde 0,09 kat azaltmaktadır. Eğitim düzeyi Protestan inancına önem vermeyenlerde

anlamlı bir değişken değilken Protestan inancına önem verenlerde anlamlı bir değişkendir ve

eğitim düzeyi arttıkça sahip olunan çocuk sayısı üzerindeki azaltıcı etkisi artmaktadır. Yaşam

memnuniyetinin artması Protestan inancına önem vermeyenlerde çocuk sayısını azaltıcı etki

yaratırken önem verenlerde çocuk sayısını artırıcı etki yaratmaktadır. Protestan inancına önem

verenlerde diğer insanların güvenilir olduğunu düşünenler güvenilir olmadığını düşünenlere göre

daha az çocuk sahibi olmaktadır. Eğitim düzeyi arttıkça Ortodoks inancına sahip olanlarda ve

inanca önem verenlerde sahip olunan çocuk sayısı azalmakta, dini inanca önem vermeyenlerde ise

çocuk sayısını etkilememektedir. Dini inanca önem verenlerde tam zamanlı çalışanların öğrenci,

ev hanımı, işsiz ve diğer çalışan gruplarına göre çocuk sayısı 0.29 kat daha az iken part time, kendi

hesabına çalışan ve emekli olanlarda ise bu oran 0.15 kat daha azdır. Ortodoks inancına sahip

olanlara ait olan her iki model tahmininde de yaşanılan yerin büyüklüğü arttıkça sahip olunan

çocuk sayısının da azaldığı görülmektedir.

6. Sonuç

Bu çalışmada Robust Poisson regresyon modeli kullanılarak din ve doğurganlık arasındaki ilişki

Müslüman, Katolik, Protestan ve Ortodoks dini inanışları açısından incelenmiştir. Dini inanışa

önem verenler ve önem vermeyenlerin ayrımının yapılarak gerçekleştirildiği analizlerde dini

inanışların hem birbirleriyle hem de kendi içlerinde karşılaştırılmaları yapılmış ve

değerlendirilmiştir. Her dört inanışta da hem bireyin hem de toplumun yaşam tarzlarını

belirlemeye ve düzenlemeye yönelik evlenmeden birlikteliğin ve çocuk sahibi olmanın


126

yasaklanması, kürtaj, kısırlaştırma gibi doğum kontrol tekniklerinin ve yöntemlerinin

yasaklanması gibi kesin kurallar yer almaktadır.

Bu çalışmada analizlerden elde edilen bulgulara göre Müslüman, Katolik, Protestan ve Ortodoks

inancına önem verenlerde önem vermeyenlere göre sahip olunan ortalama çocuk sayısı daha

fazladır. Her dört inanışta da evlilik dışı çocuk dünyaya getirilmesi yasaklandığı göz önüne

alındığında, dine önem verenlerde hiç evlenmemiş, boşanmış, dul ayrı yaşamanın evli ya da

beraber yaşayanlara göre çocuk sayısı üzerindeki azaltıcı etkisi dine önem vermeyenlere göre daha

fazladır. Eğitim düzeyinde artışın meydana gelmesi sahip olunan çocuk sayısı üzerinde azaltıcı

etkiye sebep olmakla birlikte Müslüman ve Katolik inancına önem verenlerde dini inanca önem

vermeyenlere göre bu azaltıcı etkinin daha fazla olduğu tespit edilmiştir. Eğitim düzeyinin artması

dinlerin evlilik dışı çocuk dünyaya getirmeyi yasaklamalarıyla birleştiğinde, Adsera (2004)’nın

çalışmasında da belirtildiği gibi, kişilerin çocuk sahibi olmaya ilişkin zamanı ertelemelerine sebep

olmakta ve çocuk sayısını azaltmaktadır. Ayrıca yaşanılan yerin büyüklüğünün artması genel

olarak bütün modellerde çocuk sayısının azalmasına sebep olmaktadır. Katolik inancına önem

vermeyenler dışında diğer inanışlarda dini inanca önem vermeyenlerde önem verenlere göre bu

azaltıcı etkinin daha fazla olduğu görülmektedir. Daha fazla nüfusa sahip olan yerleşim yerlerinde

kişilerin toplumsal yapıda daha fazla bireyselleşmesi, doğum kontrolüne ilişkin olanaklara

erişiminin kolaylaşması, evlenme yaşını belirleyen sosyal güçlerin olmaması gibi kişilerin özel

yaşamlarındaki tabuların ortadan kalkması Becker (1960)’ın çalışmasında yer alan ve kişilerdeki

“karar verme odası” olarak adlandırılan mekanizmanın rahatlamasına sebep olmaktadır.

Kaynakça

Adsera, A. (2004). Marital Fertility and Religion:Recent Changes in Spain. Discussion Paper No. 1399.

Arı, A., Önder, H. (2013). Farklı Veri Yapılarında Kullanılabilecek Regresyon Yöntemleri. Anadolu Tarım Bilimleri

Dergisi, 3(28), 168-174.

Becker, G. S. (1960). An Economic Analysis of Fertility. Demographic and Economic Change in Developed

Countries, 209-240.

Becker, G. S., Lewis, H. G. (1973). On the Interaction Between the Quantity and Quality of Children. Journal of

Political Economy, 2(82), 279-288.

Cameron, A. C., Trivedi, P. K. (1986). Econometrics Models Based on Count Data; Comparison and Applications of

Some Estimators and Tests. Journel of Applied Econometrics(1), 29-53.

Cohen-Zada, D., Sander, W. (2008). Religion, Religiosity and Private School Choice: Implicationsfor Estimating The

Effectiveness of Private Schools. Journal of Urban Economics(64), 85-100.

Engle, R., Granger, C. (1987). Co-Integration and Error Correction: Representation, Estimation, and Testing.

Econometrica, 251-276.

Heaton, T. B. (2011). Does Religion Influence Fertility in Developing Countries. Population Research and Policy

Review, 30, 449-465.

Heineck, G. (2006). The Relationship Between Religion and Fertility: Evidence for Austria. Papers on Economics of

Religion, 6(1).

Karaoğlan, S., Duman, M. Z. (2017). Dini İnanç ve Tutumların Doğurganlık Üzerindeki Etkileri (Van İli Örneği).

Uluslararası Sosyal Araştırmalar Dergisi, 10(50), 392-404.


127

Lehrer, E. L. (1996). The Role of the Husband's Religious Affiliation in the Economic and Demographic Behavior of

Families. Journal for the Scientific Study of Religion, 35(2), 145-155.

Marcum, J. P. (1981). Explaining Fertility Differences Among U.S. Protestants. Social Forces, 60(2), 532-542.

McQuillan, K. (2004). When Does Religion Influence Fertility? Population and Development Review, 30(1), 25-56.

Selim, S., Üçdoğruk, Ş. (2003). Sayma Veri Modelleri ile Çocuk Sayısını Belirleyicileri:Türkiye'deki Seçilmiş İller

İçin Sosyoekonomik Analizler. Dokuz Eylül Üniversitesi İ.İ.B.F Dergisi, 2(18), 13-31.

Sezgin, F. H., Deniz, E. (2004). Poisson Regresyon Modelinde Aşırı Yayılım Durumu ve Negatif Binomial Regresyon

Analizinin Türkiye Grev Sayıları Üzerine Bir Uygulaması. Yönetim(48), 17-25.

Zhang, L. (2008). Religious Affiliation, Religiosity, and Male and Female Fertility. Demographic Research, 18(8).


128

EK:

Tablo 1: Tanımlayıcı İstatistikler

Müslüman Katolik Protestan Ortodoks

Ortalama Std.sapma Ortalama Std.sapma Ortalama Std.sapma Ortalama Std.sapma

Bağımlı değişken

Sahip olunan çocuk sayısı 3.178 1.763 2.730 1.618 2.685 1.643 1.892 0.962

Bağımsız değişkenler

Medeni durum

Evli/birlikte yaşıyor (Temel sınıf) 0.905 0.293 0.788 0.409 0.767 0.423 0.717 0.450

Hiç Evlenmemiş 0.006 0.074 0.057 0.231 0.061 0.240 0.021 0.142

Boşanmış/Dul/Ayrı 0.089 0.285 0.156 0.363 0.172 0.378 0.262 0.440

Eğitim Düzeyi

Eğitimsiz (Temel sınıf) 0.204 0.403 0.244 0.429 0.238 0.426 0.072 0.258

Ortaöğretimi Tamamlamamış/Tamamlamış 0.286 0.452 0.350 0.477 0.473 0.499 0.356 0.479

Üni Hazırlık

Tamamlamış/Tamamlamamış 0.276 0.447 0.190 0.393 0.133 0.339 0.268 0.443

Üni Yüksek Eğitim Düşük

Derece/Yüksek Eğtim Yüksek

Derece 0.234 0.424 0.216 0.411 0.157 0.364 0.304 0.460

Gelir seviyesi (1 en düşük, 11 en

yüksek seviye) 5.198 1.985 4.488 2.201 4.684 1.898 4.562 1.870

Yaşam memnuniyeti (1 memnun

değil, 10 memnun) 6.790 2.262 7.539 2.202 6.345 2.300 6.267 2.270

Aileye verilen önem (1 önemli

değil, 4 çok önemli) 3.956 0.246 3.935 0.290 3.957 0.230 3.922 0.309

Boş zamana verilen önem (1

önemli değil, 4 çok önemli) 2.920 0.902 3.208 0.822 3.195 0.794 3.106 0.813

İşe verilen önem (1 önemli değil,

4 çok önemli) 3.572 0.773 3.668 0.662 3.727 0.605 3.299 0.947

Diğer insanlara duyulan güven

Güvenilir 0.232 0.422 0.144 0.351 0.155 0.362 0.229 0.420

Dikkatli olunmalı (Temel sınıf) 0.768 0.422 0.856 0.351 0.845 0.362 0.771 0.420

Hanenin finansal durumundan

duyulan memnuniyet (1 memnun

değil, 10 memnun) 5.498 2.445 6.240 2.525 5.118 2.426 5.171 2.471

Çocuğa iyi bir eğitim verememe

endişesi (1en düşük, 4 en yüksek) 1.900 1.014 1.775 1.040 1.696 1.016 2.207 1.113

İş Durumu

Tam Zamanlı Çalışan 0.292 0.455 0.312 0.463 0.281 0.450 0.462 0.499

Part time/Kendi Hesabı/Emekli 0.351 0.477 0.389 0.487 0.434 0.496 0.392 0.488

Öğrenci/Ev Hanımı/İşsiz/Diğer (Temel sınıf) 0.357 0.479 0.300 0.458 0.285 0.452 0.147 0.354

Yaş

18-28yaş(Temel sınıf) 0.141 0.348 0.137 0.344 0.228 0.419 0.079 0.269

29-35 yaş 0.213 0.410 0.150 0.357 0.226 0.418 0.127 0.333

36-42 yaş 0.203 0.403 0.160 0.367 0.149 0.357 0.143 0.350

43-50 yaş 0.199 0.399 0.182 0.386 0.134 0.340 0.170 0.376

51-60 yaş 0.154 0.361 0.182 0.386 0.127 0.334 0.225 0.417

61-98 yaş 0.090 0.286 0.189 0.392 0.136 0.343 0.257 0.437

Yaşanılan Yerin Nüfus

Büyüklüğü

2000 ve Daha Az (Temel sınıf) 0.193 0.395 0.104 0.305 0.100 0.300 0.134 0.341

2000-5000 0.211 0.408 0.072 0.258 0.211 0.408 0.135 0.342

5000-10000/10000-20000 0.202 0.401 0.137 0.344 0.180 0.384 0.124 0.330

20000-50000/50000-100000 0.160 0.367 0.230 0.421 0.210 0.407 0.158 0.365

100000-500000 0.119 0.324 0.264 0.441 0.155 0.362 0.275 0.447

500000 + 0.115 0.319 0.193 0.395 0.143 0.350 0.172 0.378

Sosyal Sınıf (1’den 5’e artarak

derecelendirilmiştir)

İyi sosyal sınıf (1 ve 2) (Temel

sınıf) 0.264 0.441 0.194 0.395 0.170 0.376 0.203 0.402

Orta sosyal sınıf (3) 0.327 0.469 0.383 0.486 0.328 0.470 0.343 0.475

Düşük sosyal sınıf (4 ve 5) 0.409 0.492 0.424 0.494 0.502 0.500 0.454 0.498

Anket yılı

2011 0.558 0.497 0.155 0.362 0.217 0.412 0.742 0.438

2012 0.146 0.353 0.691 0.462 0.779 0.415 0.240 0.427

2013 0.129 0.335 0.153 0.360 0.002 0.046 0.016 0.125

2014(Temel sınıf) 0.167 0.373 0.002 0.043 0.002 0.046 0.002 0.048

Gözlem Sayısı 6829 5819 1913 4387


129

Tablo 2: Müslüman ve Katolik İnancına Sahip Olanlara Ait Robust Poisson Regresyon

Model Tahmini

Müslüman Katolik

Din Önemli Din Önemsiz Din Önemli Din Önemsiz

Değişkenler Katsayı(z)

Marjin

al etki Katsayı(z)

Marjin

al etki Katsayı(z)

Marjin

al etki Katsayı(z)

Marjin

al etki

Medeni durum

Hiç Evlenmemiş -0.212(-1.21) -0.591 0.052(0.23) 0.137 -0.255(-5.69)* -0.613 -0.086(-0.73) -0.182

Boşanmış/Dul/Ayrı -0.155(-5.87)* -0.450 -0.075(-1.60) -0.186 -0.057(-2.60)* -0.150 -0.118(-2.50)** -0.249

Eğitim Düzeyi

Ortaöğretimi

Tamamlamamış/Tamamlamış -0.087(-4.80)* -0.265 -0.008(-0.11) -0.021 -0.174(-9.07)* -0.457 -0.179(-3.09)* -0.386

Üni Hazırlık

Tamamlamış/Tamamlamamış -0.110(-6.02)* -0.333 -0.033(-0.43) -0.083 -0.213(-9.06)* -0.537 -0.187(-2.75)* -0.387



Derece -0.139(-6.70)* -0.414 -0.164(-2.07)** -0.403 -0.260(-10.85)* -0.649 -0.230(-3.59)* -0.479

Gelir seviyesi (1 en düşük, 11

en yüksek seviye) 0.005(1.36) 0.015 0.006(0.61) 0.014 -0.012(-3.16)* -0.033 0.004(0.37) 0.009

Yaşam memnuniyeti (1

memnun değil, 10 memnun) 0.003(1.11) 0.010 0.016(2.38)** 0.041 0.005(1.43) 0.014 0.018(1.67)*** 0.039


değil, 4 çok önemli) 0.013(0.45) 0.040 0.122(3.34)* 0.310 0.013(0.46) 0.035 0.052(0.95) 0.114


önemli değil, 4 çok önemli) -0.009(-1.38) -0.028 -0.042(-2.82)* -0.107 -0.021(-2.29)** -0.056 -0.024(-0.98) -0.052

İşe verilen önem (1 önemli

değil, 4 çok önemli) -0.010(-1.26) -0.031 -0.010(-0.57) -0.025 0.061(4.48)* 0.163 0.046(1.93)*** 0.101

Diğer insanlara duyulan

güven

Güvenilir 0.019(1.36) 0.060 -0.041(-1.21) -0.104 -0.060(-2.72)* -0.158 -0.056(-1.29) -0.122

Hanenin finansal

durumundan duyulan

memnuniyet (1 memnun

değil, 10 memnun) -0.002(-0.93) -0.007 -0.007(-1.14) -0.017 -0.005(-1.38) -0.012 -0.005(-0.50) -0.010

Çocuğa iyi bir eğitim

verememe endişesi (1en

düşük, 4 en yüksek) -0.012(-2.04)** -0.039 0.003(0.25) 0.008 -0.043(-5.21)* -0.116 -0.045(-2.68)* -0.099

İş Durumu

Tam Zamanlı Çalışan -0.099(-5.94)* -0.299 -0.074(-1.90)*** -0.187 -0.103(-5.36)* -0.271 -0.079(-1.56) -0.173

Part time/Kendi Hesabı/Emekli -0.004(-0.30) -0.014 0.015(0.40) 0.037 -0.039(-2.15)** -0.105 -0.008(-0.15) -0.018

Yaş

29-35 yaş 0.276(11.53)* 0.926 0.402(7.43)* 1.167 0.245(8.47)* 0.718 0.234(3.19)* 0.560

36-42 yaş 0.505(21.38)* 1.835 0.532(10.16)* 1.607 0.442(15.81)* 1.391 0.407(5.91)* 1.040

43-50 yaş 0.628(26.53)* 2.388 0.605(10.99)* 1.876 0.525(18.42)* 1.689 0.638(8.93)* 1.733

51-60 yaş 0.752(30.08)* 3.103 0.701(12.96)* 2.283 0.611(20.98)* 2.027 0.582(7.99)* 1.547

61-98 yaş 0.904(31.09)* 4.202 0.892(13.04)* 3.353 0.755(24.05)* 2.629 0.744(9.04)* 2.093


Büyüklüğü

2000-5000 -0.035(-1.86)*** -0.106 -0.011(-0.26) -0.027 0.084(2.51)** 0.233 0.012(0.11) 0.027

5000-10000/10000-20000 -0.052(-2.74)* -0.160 -0.197(-4.03)* -0.468 0.022(0.74) 0.060 0.049(0.58) 0.109

20000-50000/50000-100000 -0.022(-1.07) -0.069 -0.114(-2.20)** -0.277 0.074(2.72)* 0.204 -0.045(-0.58) -0.098

100000-500000 -0.058(-2.42)** -0.176 -0.215(-4.41)* -0.511 0.037(1.37) 0.101 -0.027(-0.35) -0.059

500000 + -0.181(-7.19)* -0.524 -0.334(-6.91)* -0.760 -0.022(-0.77) -0.059 -0.022(-0.28) -0.048

Sosyal Sınıf (1’den 5’e )

Orta sosyal sınıf (3) 0.029(1.77)*** 0.091 -0.012(-0.31) -0.030 -0.027(-1.25) -0.072 -0.042(-0.90) -0.091

Düşük sosyal sınıf (4 ve 5) 0.069(4.02)* 0.214 0.040(1.01) 0.102 -0.001(-0.05) -0.003 0.082(1.48) 0.181

Anket yılı

2011 -0.305(-17.07)* -0.949 1.151(9.96)* 1.875 -0.391(-3.78)* -0.917 0.035(0.57) 0.077

2012 -0.085(-3.83)* -0.257 1.459(9.28)* 8.180 -0.326(-3.20)* -0.944 0.083(1.55) 0.182

2013 -0.378(-18.06)* -1.028 1.169(9.64)* 5.393 -0.369(-3.59)* -0.878 0.000(0.00) 0.00

Sabit 1.008(8.29)* -0.972(-4.70)* 0.990(6.06)* 0.190(0.80)

Gözlem Sayısı 5935 894 4973 846

Not: *p<.01, **p<.05, ***p<.10 olarak alınmıştır


130

Tablo 3: Protestan ve Ortodoks İnancına Sahip Olanlara Ait Robust Poisson Regresyon

Model Tahmini

Protestan Ortodoks

Din Önemli Din Önemsiz Din Önemli Din Önemsiz

Değişkenler Katsayı(z)

Marjin

al etki Katsayı(z)

Marjin

al etki Katsayı(z)

Marjin

al etki Katsayı(z)

Marjin

al etki

Medeni durum

Hiç Evlenmemiş

-0.307(-4.35)* -0.690

-0.369(-

2.51)** -0.678 -0.175(-2.07)** -0.313 -0.275(-4.14)* -0.411

Boşanmış/Dul/Ayrı -0.179(-4.94)* -0.432 -0.100(-1.08) -0.209 -0.052(-2.23)** -0.099 -0.083(-2.87)* -0.139

Eğitim Düzeyi

Ortaöğretimi

Tamamlamamış/Tamamlamış -0.146(-4.70)* -0.372 -0.096(-0.88) -0.207 -0.207(-5.63)* -0.390 -0.060(-0.63) -0.101

Üni Hazırlık

Tamamlamış/Tamamlamamış -0.181(-4.22)* -0.434 -0.046(-0.36) -0.098 -0.238(-6.35)* -0.439 -0.038(-0.40) -0.064



Derece -0.311(-7.02)* -0.714 -0.106(-0.94) -0.226 -0.302(-7.66)* -0.549 -0.069(-0.71) -0.116

Gelir seviyesi (1 en düşük, 11

en yüksek seviye) 0.007(0.92) 0.019 0.006(0.26) 0.013 -0.008(-1.26) -0.015 -0.001(-0.08) -0.001

Yaşam memnuniyeti (1

memnun değil, 10 memnun) 0.013(2.00)** 0.032 -0.077(-4.52)* -0.167 0.009(1.96)** 0.018 0.006(0.90) 0.009


değil, 4 çok önemli) -0.013(-0.24) -0.033 0.024(0.24) 0.053 -0.012(-0.33) -0.022 0.075(2.36)** 0.127


önemli değil, 4 çok önemli) 0.004(0.28) 0.011 -0.028(-0.75) -0.061 0.003(0.23) 0.005 -0.011(-0.75) -0.019

İşe verilen önem (1 önemli

değil, 4 çok önemli) 0.015(0.60) 0.037 -0.025(-0.77) -0.054 0.013(1.18) 0.025 0.030(2.08)** 0.051

Diğer insanlara duyulan

güven

Güvenilir -0.091(-2.12)** -0.225 -0.099(-1.49) -0.213 -0.012(-0.52) -0.022 0.005(0.19) 0.009

Hanenin finansal

durumundan duyulan

memnuniyet (1 memnun

değil, 10 memnun) -0.015(-2.45)** -0.039 0.045(2.04)** 0.097 -0.006(-1.35) -0.012 -0.008(-1.26) -0.013

Çocuğa iyi bir eğitim

verememe endişesi (1en

düşük, 4 en yüksek) -0.028(-2.05)** -0.072 -0.022(-0.62) -0.049 -0.008(-0.90) -0.015 -0.011(-1.07) -0.019

İş Durumu

Tam Zamanlı Çalışan -0.105(-3.03)* -0.262 -0.163(-1.45) -0.351 -0.153(-5.72)* -0.294 -0.134(-3.14)* -0.230

Parttime/Kendi Hesabı/Emekli -0.119(-4.02)* -0.302 -0.074(-0.76) -0.160 -0.083(-2.56)** -0.159 -0.050(-1.05) -0.084

Yaş

29-35 yaş 0.315(8.02)* 0.879 0.364(2.88)* 0.914 0.163(3.71)* 0.336 0.221(4.57)* 0.407

36-42 yaş 0.619(14.24)* 1.994 0.388(2.69)* 0.984 0.307(6.94)* 0.668 0.273(5.55)* 0.512

43-50 yaş 0.762(17.84)* 2.644 0.353(2.78)* 0.871 0.372(8.47)* 0.824 0.398(8.25)* 0.772

51-60 yaş 0.873(18.76)* 3.213 0.450(3.76)* 1.122 0.439(10.30)* 0.967 0.446(9.60)* 0.869

61-98 yaş 0.911(17.90)* 3.397 0.400(2.97)* 0.958 0.415(8.93)* 0.887 0.442(8.34)* 0.862


Büyüklüğü

2000-5000 0.035(0.73) 0.090 -0.115(-0.86) -0.239 0.069(2.04)** 0.138 -0.034(-0.65) -0.057

5000-10000/10000-20000 -0.001(-0.03) -0.004 -0.223(-1.48) -0.441 0.007(0.21) 0.014 -0.002(-0.04) -0.004

20000-50000/50000-100000 0.004(0.09) 0.011 0.112(0.76) 0.254 0.018(0.54) 0.035 -0.114(-2.65)* -0.187

100000-500000 -0.091(-1.75)*** -0.225 -0.340(-3.04)* -0.674 -0.061(-2.06)** -0.117 -0.092(-2.43)** -0.153

500000 + -0.113(-2.02)** -0.276 -0.157(-1.35) -0.333 -0.109(-3.31)* -0.204 -0.123(-3.07)* -0.202

Sosyal Sınıf (1’den 5’e

artarak derecelendirilmiştir)

Orta sosyal sınıf (3) -0.003(-0.08) -0.008 -0.010(-0.11) -0.022 -0.038(-1.52) -0.073 -0.073(-2.29)** -0.122

Düşük sosyal sınıf (4 ve 5) -0.002(-0.05) -0.005 -0.151(-1.4) -0.327 -0.010(-0.37) -0.019 -0.025(-0.70) -0.042

Anket yılı

2011 -0.108(-0.54) -0.268 -0.048(-0.5) -0.104 -0.355(-2.35)** -0.735 -0.072(-0.69) -0.126

2012 -0.085(-0.43) -0.223 0.000 -0.311(-2.05)** -0.570 -0.012(-0.11) -0.021

2013 -0.157(-0.42) -0.372 0.00 -0.216(-1.35) -0.379 0.000

Sabit 0.834(2.67)* 1.269(2.58)* 1.058(4.89)* 0.218(1.23)

Gözlem Sayısı 1739 174 2949 1438

Not: *p<.01, **p<.05, ***p<.10 olarak alınmıştır.


131

Döviz Kuru Getirilerinin ARIMA-GARCH Yaklaşımı ile Modellenmesi

Emre YILDIRIM1

Mehmet Ali CENGİZ2

Özet

Finans alanındaki en önemli yatırım araçlarından biri döviz kurlarıdır. Uzun dönem yatırım

aracı olarak kullanılmasının yanı sıra döviz varlıkları kısa dönemde de doğru bir yatırım

planlamasıyla yatırımcısına önemli gelirler getirebilmektedir. Döviz kurları gibi finansal

araçların davranışlarını modellemek için literatürde pek çok yöntem mevcuttur. Bu

yöntemlerden biri de yaygın olarak kullanılan ARIMA (Autoregressive Integrated Moving

Average) modelleridir. Bu çalışmada döviz kurları ARIMA-GARCH yaklaşımı ile

modellenmektedir. Bilgi kriterlerine bağlı olarak en uyumlu ARIMA-GARCH modeli

seçiminden sonra parametre tahminleri elde edilmekte ve gelecek dönem öngörülerde

bulunulmaktadır. Böylelikle yatırımcıların döviz kurları üzerine daha doğru bir yatırım

planı oluşturması sağlanmaktadır.

Anahtar Kelimeler: ARIMA, GARCH, Hibrit model, Yatırım, Döviz kuru

JEL Sınıflaması: C32, G17, C52

Modelling Returns of Exchange Rate with ARIMA-GARCH Approach

Abstract

One of the most important investment tools in the field of finance is exchange rates. In

addition to being used as a long term investment instrument, foreign exchange assets can

also bring significant gains to the investor in the short term via a correct investment plan.

There are a large number of methods in the literature to model the behavior of financial

instruments such as exchange rates. One of these methods is the ARIMA (Autoregressive

Integrated Moving Average) models widely used. In this study, exchange rates are modeled

by means of the ARIMA-GARCH approach. Parameter estimations are obtained after the

selection of the best fitted ARIMA-GARCH model depending on the information criteria

and predictions are made for the next period. Thus, this allows investors to form a more

accurate investment plan on foreign exchange rates.

Keywords: ARIMA, GARCH, Hybrid model, Investment, Exchange rate

JEL Classification: C32, G17, C52

1. Giriş

Finansal araçlar, yatırımcıların kazançlarını artırmaya olanak sağlayan varlıkladır. Bu araçlar;

hisse senedi, devlet tahvili gibi yatırım araçlarının yanı sıra döviz ve altın fiyatlarını da

içermektedir. Doğru yatırım aracının belirlenmesi, finans alanındaki yatırımcıların en yaygın

çalıştığı konulardan biridir. Buradaki en önemli nokta, ele alınan finansal varlığın davranışını

doğru bir şekilde modelleyebilmektir. Böylelikle gelecek adına daha doğru öngörüler

yapılabilmektedir. Bu da yatırımcının doğru bir yatırım planı ile kârını arttırmasını sağlamaktadır.

Finansal varlıkların davranışlarını modellemek ve geleceğe yönelik öngörüler yapabilmek için

1 Arş. Gör., [email protected], Ondokuz Mayıs Üniversitesi, Samsun/Türkiye 2 Prof. Dr., [email protected], Ondokuz Mayıs Üniversitesi, Samsun/Türkiye


132

literatürde mevsimsel hareketli ortalama, üstel düzleştirme ve sinir ağları gibi birçok yöntem

mevcuttur. Bu yöntemlerden biri de Box ve Jenkins (1970) tarafından geliştirilen ARIMA

(Autoregressive Integrated Moving Average) modelleridir. ARIMA modeli, zaman serisindeki

otokorelasyona dayalı olarak oluşturulan bir öngörü modelidir.

Bu çalışmada zaman serisi öngörü yöntemlerinden biri olan ARIMA modelleri ile volatilite

yöntemlerinden biri olan GARCH modelini birleştiren ARIMA-GARCH hibrit modeline ait

önemli teorik bilgiler ifade edilmekte ve önerilen bu model ile döviz kurları üzerine bir uygulama

ele alınmaktadır. ARIMA modeli, bir zaman serisi değişkeninin kendi gecikme değerleri ile

gecikmeli hata değerlerinden oluşurken GARCH modeli ise gecikmeli koşullu varyans değeri ile

gecikmeli hata değerlerinden oluşmaktadır. Çalışmada döviz kurlarına ait günlük veriler

kullanılmıştır. Bu verilere ait başlangıç tarihi ocak 2016 ve bitiş tarihi aralık 2017 olarak

belirlenmiştir.

2. Literatür

Döviz kurları gibi finansal araçların davranışlarını modellemek için literatürde pek çok yöntem

mevcuttur. Bu yöntemlerden biri de yaygın olarak kullanılan ARIMA (Autoregressive Integrated

Moving Average) modelleridir. Bu modelde hataların zamanla değişmediği bir diğer ifade ile

hataların değişen varyansa sahip olmadığı varsayımı aranmaktadır. Ancak deneysel çalışmalarda

hata sürecine ait bu varsayımın sağlanmadığı görülmüştür. GARCH(Generalized Autoregressive

Conditional Heteroscedasticity) modellerinin ARIMA modellerinde karşılaşılan değişen varyans

sorununun üstesinden geldiği ve ARIMA-GARCH hibrid yaklaşımının finansal zaman serisi

değişkenlerinin davranışlarını daha iyi modellediği belirlenmiştir. Sun (2017) Amerika’nın üç

borsa endeksini hibrit ARIMA-GARCH yaklaşımı ile modelledi. AIC bilgi kriterine göre en

uyumlu modeli belirledikten sonra tahmini model ile gelecek döneme ait öngörü değerleri elde

etti. Kang ve Yoon (2013) üç petrol türünün (ham petrol, kalorifer yakıtı ve kurşunsuz benzin)

farklı ARIMA-GARCH modelleri ile ilgili değişkenlerin volatilitelerini modelleyerek bu

volatiliteler üzerine öngörüler elde etti. Ayrıca deneysel çalışma sonucunda farklı petrol türleri

için farklı modellerin iyi sonuçlar verdiği belirlendi. Mohammadi ve Su (2010) on bir uluslararası

piyasadaki haftalık ham petrol fiyatlarının koşullu ortalama ve volatilitelerini modellemek ve

öngörü elde etmek için ARIMA-GARCH modellerini inceledi. Ele alınan piyasaların büyük

çoğunluğu için ARIMA-APARCH modelinin daha iyi sonuç verdiği belirlendi. Liu ve Shi (2013)

kısa dönem elektrik fiyatlarını modellemek ve öngörü elde etmek amacıyla ARIMA-GARCH

modellerini inceledi. En uyumlu ARIMA-GARCH model seçimini AIC ve BIC bilgi kriterlerine

göre belirledi. ARIMA-GARCH (-M) yaklaşımının en uyumlu model olduğunu tespit etti.


133

Bununla birlikte deneysel çalışma sonucunda elektrik fiyatlarının doğrusal olmadığı ve asimetrik

zamanla değişen volatiliteye sahip olduğu belirlendi.

3. Yöntem

3.1. ARIMA modeli

Öngörü yöntemlerinden biri olan ARIMA modeli serinin durağan, model parametrelerinin zaman

göre sabit ve hataların varyansının sabit olduğunu varsaymaktadır. ARIMA modeline ait

matematiksel gösterim Eşitlik (1)’ de verilmektedir. 𝑦𝑡′ = 𝑦𝑡 − 𝑦𝑡−1 ve 𝑡 = 1, … , 𝑇 olmak üzere,

𝑦𝑡′ = 𝑐 + 𝜑1𝑦𝑡−1

′ + ⋯ + 𝜑𝑝𝑦𝑡−𝑝′ + 휃1휀𝑡−1 + ⋯ + 휃𝑞휀𝑡−𝑞 + 휀𝑡 (1)

Burada, c sabit, 𝜑𝑖 ‘ ler otoregresif katsayılar ve 휃𝑗’ ler hareketli ortalama katsayıları olarak ifade

edilmektedir. ARIMA modelini dört aşamadan oluşmaktadır. İlk olarak model yapısı belirlenir ve

sonra model parametreleri tahmin edilir. Daha sonra tahmin edilen modelin doğruluğu kontrol

edilir ve son olarak gelecek doneme ilişkin öngörü değerleri elde edilir.

3.2. ARIMA - GARCH Modeli

ARIMA yöntemi ile finansal değişkenler modellendiğinde, deneysel çalışmalar sonucunda

serilerin ARIMA modelinin varsayımlarından olan durağanlık koşulunu sağladığı ancak sabit

varyans (homoskedasticidy) varsayımını ihlal ettiği belirlenmiştir. Bu durumda tahmin edilen

ARIMA modeli ile öngörüde bulunmak, yanıltıcı sonuçlar verebilmekte ve böylelikle yatırımcının

zarar etmesine neden olabilmektedir. Bu nedenle ARIMA modelleri ile birlikte değişen varyans

modellerinin kullanılması daha doğru ve etkili öngörü değerleri üretilmesine olanak

sağlamaktadır. Bollerslev (1986) tarafından önerilen ve zamana göre değişen varyansı

modellemek için finansal alanda yaygın olarak kullanılan GARCH (Generalized Autoregressive

Conditional Heteroscedasticity) modeli ile ARIMA modelinin birlikte kullanılması, serideki

doğrusal olmayan yapıları da modelleyerek daha doğru tahmin sonuçlarının elde edilmesini

sağlamaktadır. ARIMA – GARCH modelinin matematiksel gösterimi (2) eşitliğinde

verilmektedir. yt, t = 1, … , T getiri serisi olmak üzere, ARIMA-GARCH modeli,

𝑦𝑡 = 𝜇 + ∑ 𝜑𝑖𝑦𝑡−𝑖 + ∑ 휃𝑗휀𝑡−𝑗 + 휀𝑡

𝑞

𝑗=1

𝑝

𝑖=1

(2)

휀𝑡 = 𝜎𝑡𝑎𝑡

𝜎𝑡2 = 𝜔 + ∑ 휂𝑖휀𝑡−𝑖

2 + ∑ 𝛿𝑗𝜎𝑡−𝑗2

𝑙

𝑗=1

𝑘

𝑖=1

𝜔 > 0, 휂𝑖 ≥ 0, 𝛿𝑗 ≥ 0


134

En yaygın kullanılan GARCH modelleri, Klasik GARCH, NGARCH (Nonlinear GARCH),

QGARCH (Quadratic GARCH), GJRGARCH (Glosten-Jagannathan-Runkle), EGARCH

(Exponential GARCH) ve TGARCH (Threshold GARCH) modelleridir. Klasik GARCH

modeline alternatif olarak geliştirilen GARCH modelleri, klasik GARCH yönteminin

modelleyemediği asimetriklik ve kaldıraç etkisini modelleyebilmektedir.

4. Sonuç

Bu çalışmada en fazla işlem hacmine sahip döviz kurlarından olan Amerikan Doları, Euro ve Japon

Yeni incelenmiştir. İlgili değişkenlere ait tanımlayıcı istatistikler Tablo 1’ de verilmektedir.

Tablo 1: Getiri Serilerinin Tanımlayıcı İstatistikleri

USD EURO YEN

Ortalama 0.00047 0.00067 0.00061

Standart sapma 0.00802 0.00764 0.01021

Minimum -0.02754 -0.02658 -0.03584

Maksimum 0.04802 0.04044 0.05001

Çarpıklık 0.76042 0.47187 0.38389

Basıklık 6.65938 6.13997 4.87388

Ele alınan periyoda göre ilgili döviz kurlarının ortalama getirileri incelendiğinde en yüksek getiriyi

EURO döviz kurunun sağladığı ve en düşük getirinin ise Japon Yeni olduğu belirlenmiştir. Ayrıca

getiriler arasındaki en yüksek değişkenliği de Japon Yeni’nin gösterdiği, çalışmada elde edilen bir

diğer sonuç olarak bulunmuştur. Her üç döviz kurunun da sağa çarpık ve normalden sivri bir

dağılım gösterdiği çarpıklık ve basıklık katsayılarına göre belirlenmiştir.

Tablo 2: Getiri Serilerinin Durağanlık Test Sonuçları

ADF Testi Phillips Perron Testi

Test istatistiği P-değeri Test istatistiği P-değeri

USD 336.33 0.0000 -7.63 0.0000

GBP 495.21 0.0000 -7.51 0.0000

İlgili değişkenlerin ARIMA modelinin varsayımlarından biri olan durağanlık koşulunu sağlayıp

sağlamadığı Augmented Dickey Fuller ve Phillips Perron testleri ile araştırılmıştır ve sonuçlar

Tablo 2’ de verilmektedir. Her iki test sonucunda ele alınan döviz kurlarının durağan olduğu

belirleniştir.


135

Tablo 3: Değişen Varyans Test Sonuçları

Döviz Kuru Q istatistiği P-değeri

USD

LM(4) 23.081 0.00012

LM(6) 24.447 0.00043

LM(8) 24.689 0.00175

LM(10) 25.748 0.00409

EURO

LM(4) 21.756 0.00022

LM(6) 22.891 0.00083

LM(8) 23.651 0.00262

LM(10) 24.759 0.00582

YEN

LM(4) 25.058 0.00004

LM(6) 31.691 0.00001

LM(8) 32.239 0.00008

LM(10) 33.267 0.00024

Serilerde değişen varyans olup olmadığını belirlemek için Engle ARCH testi incelenmiştir. Test

sonucunda Amerika Doları, EURO ve Japon Yeni’nin getiri serilerinde değişen varyans olduğu

tespit edilmiştir. Bu tür seriler için ARIMA modeli ile öngörüde bulunmak ARIMA modelinin

sabit varyans varsayımını sağlamadığından dolayı yanıltıcı sonuçlar verebilmektedir. Bu nedenle

ARIMA modeli ile GARCH modelinin birleşimi olan Hibrit ARIMA-GARCH modeli ile ilgili

döviz kurları modellenmiştir.

Tablo 4: Döviz Kurlarına İlişkin En Uyumlu ARIMA Modelleri

Döviz Kuru En uyumlu model

USD ARIMA (0,0,1)

EURO ARIMA (0,0,1)

YEN ARIMA (1,0,2)

En uyumlu ARIMA modelleri Tablo 4’te verilmektedir. Bununla birlikte en uyumlu GARCH

modelini belirlemek için Klasik GARCH, GJRGARCH, EGARCH ve TGARCH modelleri

incelenmiştir.

Tablo 5: Marjinal Dağılım Parametre Tahminleri

𝝁 𝝋𝟏 𝜽𝟏 𝜽𝟐 𝝎 𝜼𝟏 𝜸𝟏 𝜽𝟏 𝝂

USD 0.0001

(0.0002) -

-0.0374

(0.0468) -

0.0005

(0.0004)

0.0643

(0.0380)

0.9638

(0.5709)

0.8900

(0.0675)

4.7504

(1.0494)

EURO 0.0004

(0.0002) -

-0.0454

(0.0471) -

0.0018

(0.0007)

0.1444

(0.0545)

0.8448

(0.3606)

0.6409

(0.1162)

5.0821

(1.2259)


136

YEN 0.0004

(0.0002)

0.9085

(0.0204)

-1.0705

(0.0027)

0.1124

(0.0043)

0.0014

(0.0007)

0.1398

(0.0576)

0.3231

(0.2553)

0.7473

(0.1082)

6.7130

(2.0209)

Artıkların Student t dağıldığı TGARCH modeli ele alınan tüm döviz kurları için en uyumlu model

olduğu AIC ve BIC bilgi kriterlerine göre belirlenmiştir. En uyumlu değişen varyans modeli olan

TGARCH modeline ilişkin parametre tahminleri Tablo 5’ te gösterilmektedir. Sonuç olarak döviz

kurlarının getiri serilerinin ARIMA modelinin varsayımlarından durağanlık koşulunu sağlaması

ancak bir diğer varsayım olan değişen varyans koşulunu sağlamaması Hibrit ARIMA-GARCH

yaklaşımının kullanılması gerekliliğini ortaya koymaktadır. Bu yaklaşım ile modellenen Amerikan

Doları, EURO ve Japon Yeni döviz kurları ile gelecek dönem öngörü değerleri elde etmek için

artıkların Student t dağıldığı TGARCH modelinin uygun olacağı sonucuna ulaşılmıştır.

Kaynakça

Bollerslev, T. (1986). Generalized autoregressive conditional heteroscedasticity. Journal of econometrics, 31(3), 307-

327.

Box, G. E., & Jenkis, G. M. (1970). Time series analysis for casting and control (No. 519.232 B6).

Liu, H., & Shi, J. (2013). Applying ARMA–GARCH approaches to forecasting short-term electricity prices. Energy

Economics, 37, 152-166.

Kang, S. H., & Yoon, S. M. (2013). Modeling and forecasting the volatility of petroleum futures prices. Energy

Economics, 36, 354-362.

Mohammadi, H., & Su, L. (2010). International evidence on crude oil price dynamics: Applications of ARIMA-

GARCH models. Energy Economics, 32(5), 1001-1008.

Sun, K. (2017). Equity Return Modeling and Prediction Using Hybrid ARIMA-GARCH Model. International Journal

of Financial Research, 8(3), 154


137

Eğitim, Sağlık ve Göçün Ekonomik Büyüme Üzerindeki Etkisi: Panel Veri Analizi

Zehra ABDİOĞLU1

Berat HARMAN2

Özet

Bu çalışmada Türkiye için 2008-2014 dönemi itibariyle 81 il bazında panel veri analizi

kullanılarak beşeri sermayenin gayrisafi yurtiçi hâsıla (GSYİH) üzerindeki etkisi

araştırılmıştır. Eğitim, sağlık ve göç gibi çeşitli beşeri sermaye göstergeleri kullanılarak

beşeri sermaye olgusuna daha geniş bir perspektiften bakılması amaçlanmıştır. Çalışmada

illerin reel GSYİH rakamları, üniversiteden mezun sayısı, ortaöğretim okullaşma oranı,

hastane yatak sayısı, bebek ölüm sayısı ve net göç hızı verileri kullanılarak beşeri sermaye

göstergelerinin GSYİH üzerindeki etkisi analiz edilmiştir. Ayrıca modellere sanayi, hizmet

ve tarım sektör payları da kontrol değişken olarak ilave edilmiştir. Çalışmada elde edilen

bulgulara göre, eğitim kategorisi itibariyle ele alınan üniversite mezun sayısı ve orta

öğretim okullaşma oranı ilin GSYİH’sı üzerinde pozitif ve istatistiksel olarak anlamlı bir

etkiye sahiptir. Aynı şekilde beşeri sermayenin bir diğer bileşeni olan sağlık kategorisinde

ele alınan hastane yatak sayısı ve bebek ölüm sayısı da ilin GSYİH’sını artırmaktadır. Bir

diğer beşeri sermaye bileşeni olan net göç hızı ise ilin ekonomik büyümesi üzerinde pozitif

ancak diğer bileşenlere kıyasla daha zayıf bir etkiye sahiptir.

Anahtar Kelimeler: Beşeri sermaye, Ekonomik Büyüme, Panel Veri Analizi.

JEL Sınıflaması: C23, E24, I15

The Effects of Education, Health and Migration on Economic Growth: Panel Data

Analysis

Abstract

In this study, it was investigated that the effect of the human capital on the gross domestic

product (GDP) for Turkey using panel data analysis by the period from 2008 to 2014 for

81 provinces. By using education, health and migration data as indicators of human capital,

it was aimed to consider the concept of human capital from a wider perspective. In the

study, the effect of the human capital indicators on the GDP was analyzed using a number

of variables such as number of university graduates, secondary school enrollment rate,

hospital bed number, infant mortality number and net migration rate. In addition, the shares

of industry, service and agriculture sectors were also added as control variables to the

models. According to the findings obtained in the study, the number of university graduates

and secondary school enrollment rate, which are discussed in education category, have a

positive and statistically significant effect on the GDP. Similarly, the number of hospital

bed and the infant mortality number, which are discussed in health category, also increase

the GDP of the provinces. The net migration rate has a positive but weak impact on

economic growth of the provinces compared to the other components.

Keywords: Human capital, Economic Growth, Panel Data Analysis.

JEL Classification: C23, E24, I15.

1 Doç. Dr, [email protected], Karadeniz Teknik Üniversitesi, Trabzon/Türkiye, https://orcid.org/0000-0002-1653-

2840 2 Arş. Gör., [email protected], Giresun Üniversitesi, Giresun/Türkiye, https://orcid.org/0000-0002-0780-

6854

https://orcid.org/0000-0002-0780-6854

https://orcid.org/0000-0002-0780-6854


138

1.Giriş

Bilgi ve teknoloji yoğun üretimin hız kazanmasıyla birlikte fiziki sermayenin yanı sıra beşeri

sermayenin uzun dönem sürdürülebilir ekonomik büyüme sürecindeki öneminin arttığı kabul

gören bir görüştür. Ulusal beşeri sermaye, bir ülkenin sahip olduğu nüfusun eğitim, sağlık ve

mesleki niteliklerin birleşiminden oluşmaktadır. Beşeri sermayeye yapılan yatırımlar, eğitim,

sağlık hizmetleri, mesleki nitelikler, göç ve bireylerin ekonomik olarak daha verimli olmalarını

sağlayan faaliyetlerdir. Bir ülkenin beşeri sermaye donanımı uzun dönemde ülkenin ekonomik

gelişmesinin önemli bir belirleyicisidir. (Mincer, 1958; Schultz, 1961; Becker, 1962; Denison,

1962; Lucas, 1988; Romer, 1990; Barro, 1990; Mankiw, Romer and Weil, 1992).

Bu çalışmada Türkiye için 2008-2014 dönemi itibariyle 81 il bazında oluşturulan panel veri seti

kullanılarak beşeri sermayenin GSYİH üzerindeki etkisi araştırılmıştır. Beşeri sermaye

göstergeleri olarak eğitim, sağlık ve göçe ilişkin çeşitli değişkenler kullanılarak beşeri sermaye

olgusuna daha geniş bir perspektiften bakılması amaçlanmıştır.

Literatür incelendiğinde beşeri sermayenin ekonomik büyüme üzerindeki etkisine odaklanan çok

sayıda çalışmanın beşeri sermayeyi eğitim düzeyi, mezun sayısı, eğitim harcaması, okullaşma

oranı gibi eğitim kategorisinde yer alan bileşenler itibariyle yoğunlukla da zaman serileri

kullanarak ele aldığı dikkatleri çekmektedir (Denison, 1962; Çömlekçi, 1971; Romer, 1989;

Jorgenson ve Fraumeni, 1993; Kasliwal,1995; Asteriou ve Agiomirgianakis, 2001; Gylfason,

2001; Türkmen, 2002; Doğan ve Bozkurt, 2002; Çoban, 2004; Ersoy ve Yılmazer, 2005; Keller,

2006; Park, 2006; Saiful ve diğerleri, 2007; Taş ve Yenilmez, 2007; Arslan ve İzgi, 2008; Çakmak,

2008; Ay ve Yardımcı, 2008; Afşar, 2009; Telatar ve Terzi, 2010; Çalışkan ve diğerleri, 2011;

Akça ve Ela, 2012; Eriçok ve Yılancı, 2013).

Ekonomik büyüme ve eğitim ilişkisini panel veri kapsamında ele alınan çalışmaların genellikle

ülkeler bazında gerçekleştirildiği gözlenmektedir (Chambers ve Çifter, 2006; Doğrul ve Özer,

2009; Şimşek ve Kadılar, 2010; Çetin ve Ecevit, 2010; Keskin, 2011; Umutlu vd., 2011; Tatoğlu,

2011; Bal vd., 2014; Kızılkaya ve Koçak, 2014; Yardımcıoğlu vd., 2014).

Türkiye’de beşeri sermayenin ekonomik büyüme üzerindeki etkisini iller bazında ya da bölgesel

bazda panel veri analizleri kapsamında inceleyen çalışmaların sınırlı sayıda olduğu ifade edilebilir

(Doğrul, 2009; Doğrul ve Özer, 2009; Gerni vd., 2009; Güngör, 2010; Özcan, 2011; Recepoğlu ve

Zuhal, 2017). Ayrıca beşeri sermaye ve büyüme ilişkisini göç çerçevesinde inceleyen çalışma

sayısının ise son derece kısıtlı olduğu görülmektedir (Bildirici vd., 2005). Dolayısıyla bu

çalışmada 81 il bazında en güncel veri seti ile eğitim, sağlık ve göç kapsamında ele alınan beşeri

sermayenin GSYİH üzerindeki etkisinin incelenmesi amaçlanarak literatüre katkı sağlanacağı

öngörülmektedir.


139

Çalışmanın sonraki bölümlerinde ilk olarak beşeri sermaye ve ekonomik büyüme ilişkisini ele alan

ampirik çalışmalara ilişkin literatür özeti sunulacaktır. Daha sonra veri seti tanıtılarak kullanılan

yöntemlere değinilecektir. Son olarak elde edilen bulgular yorumlanarak değerlendirmelere yer

verilecektir.

2.Literatür

İktisat literatüründe beşeri sermaye ve ekonomik büyüme arasındaki ilişkiyi araştıran çok sayıda

çalışma söz konusudur. Beşeri sermaye ve ekonomik büyüme arasındaki ilişkiyi ele alan bazı

çalışmalara ilişkin literatür özeti aşağıda sunulmuştur.

Beşeri sermayeye odaklanan temel çalışmalardan biri Denison (1962)’a aittir. Denison (1962),

1910 –1960 dönemi ABD ekonomisindeki büyümeyi iki bileşenle (sermaye ve işgücü) açıklamaya

çalışmış, ancak ilgili dönemdeki büyümede, fiziki sermaye ve işgücü ile açıklanamayacak

derecede büyük bir fark olduğunu ifade etmiştir. Denison yaptığı analizde, ilgili dönemde ABD

ekonomik büyümesinin yaklaşık 1/5’nin işgücünün eğitim seviyesindeki artış ile izah

edilebileceğini ortaya koymuştur. Bir diğer temel çalışmada Romer (1989), 1960-1985 dönemi

yıllık verileriyle 112 ülke için beşeri sermayenin ekonomik büyüme üzerindeki etkisini en küçük

kareler (EKK) yöntemi kullanarak incelemiştir. Elde edilmesindeki kolaylık ve ülkeler arasında

karşılaştırma yapılmasına imkân vermesi nedeniyle okuryazarlık oranını, beşeri sermaye

göstergesi olarak kullanmıştır. Romer (1989), okuryazarlık oranı ile ekonomik büyüme arasında

pozitif bir ilişki bulunduğunu tespit etmiştir.

ABD ekonomisi için Jorgenson ve Fraumeni (1993), 1948-1986 döneminde yaşanan ekonomik

büyümenin yaklaşık %25’nin, işgücünün eğitim göstergelerindeki artışa bağlanabileceğini ortaya

koymuşlardır. Asteriou ve Agiomirgianakis (2001), beşeri sermayedeki gelişimi örgün eğitim

göstergelerindeki gelişim ile ifade ederek uzun dönemde eğitim değişkenleri ile GSYİH arasındaki

ilişkiyi Yunanistan için 1960-1994 dönemi itibariyle incelemişlerdir. Eğitim göstergeleri olarak

ilköğretim, ortaöğretim ve yükseköğretim kademelerindeki okullaşma oranları kullanılmıştır.

Çalışma sonuçlarına göre, eğitimin bütün kademeleri ile ekonomik büyüme arasında uzun

dönemde pozitif bir ilişki söz konusudur.

Cohen ve Soto (2007), OECD ülkelerinin de içinde yer aldığı 38 ülke için gerçekleştirdikleri

analizler neticesinde ekonomik büyümenin yaklaşık yüzde 8’inin beşeri sermayeden

kaynaklandığını ortaya koymuşlardır. Benzer şekilde doğal kaynak zenginliği, eğitim ve ekonomik

büyüme arasındaki ilişkileri 1965-1998 dönemi yıllık verilerle 85 ülke için görünürde ilişkisiz

regresyon (SUR) yöntemi kullanarak inceleyen Gylfason (2001), eğitimin ekonomik büyümeyi

pozitif yönde etkilediğini tespit etmiştir.


140

Patrinos ve Psacharopoulos (2002), eğitim yatırımlarının sosyal getirisini ölçmeye yönelik bir

çalışma geliştirerek Asya, Afrika ve Latin Amerika ülkelerinde ilköğretim alanındaki yatırımların

sosyal getirisinin çok yüksek, OECD ülkelerinde ise bu oranın düşük olduğunu ortaya

koymuşlardır. Ayrıca okullaşma oranı katsayısının azgelişmiş ve gelişmekte olan ekonomilerde

daha yüksek olduğu sonucuna ulaşmışlardır. Benzer şekilde ülkeler bazında bir analiz

gerçekleştiren Keller (2006), ilk, orta ve yükseköğrenimin kişi başına gelir artışını nasıl

etkilediğini araştırmıştır. Az gelişmiş ve gelişmiş ülkelerin 1960–2000 yılları verileri kullanılarak

yapılan bu çalışmada orta ve yükseköğrenimdeki kayıt oranı ve öğrenci başına düşen harcama

oranının kişi başına gelir artışı üzerindeki etkisinin düşük eğitim seviyelerine göre daha fazla önem

taşıdığını saptamıştır. Genel olarak ülkelerin orta ve yükseköğrenime kayıt oranlarındaki artış bu

süreçte daha etkili olmuştur. Aynı şekilde ilk ve orta öğretim için öğrenci başına daha fazla kamu

harcamaları yapan ülkelerde büyümenin daha yüksek olduğu görülmüştür. Ek olarak 1960-1995

dönemi 94 gelişmiş ve gelişmekte olan ülke ekonomisi için beşeri sermaye ile ekonomik büyüme

arasındaki ilişkiyi EKK yöntemi ile inceleyen Park (2006), beşeri sermaye göstergesi olarak ele

aldığı işçi ortalama eğitim süresindeki artışın ekonomik büyümeyi pozitif yönde etkilediğini

saptamıştır.

Saiful vd. (2007), Bangladeş’te eğitim ile ekonomik büyüme arasındaki ilişkiyi çok değişkenli

nedensellik analizi kullanarak 1976–2003 dönemi için analiz ederek eğitim ve ekonomik büyüme

arasında çift yönlü nedensellik ilişkisi olduğu yönünde bulgular sunmuşlardır.

Türkiye için eğitim ve ekonomik büyüme arasındaki ilişkiye odaklanan Çömlekçi (1971), fert

başına düşen gelir ile 1948–1965 dönemine ilişkin eğitim yatırımları arasında anlamlı ve güçlü bir

ilişkinin olduğu sonucuna ulaşmıştır. Türkmen (2002), 1980 -2000 dönemi verilerine göre yaptığı

çalışmada, söz konusu dönemdeki ortalama büyümenin yaklaşık %31’inin beşeri sermaye

stokundaki artıştan kaynaklandığını bulmuştur. Ek olarak Doğan ve Bozkurt (2002), Türkiye için

1983-2001 dönemi itibariyle gerçekleştirdikleri eş bütünleşme analizi kapsamında yükseköğretim

ve lise okullaşma oranı ile kişi başına düşen milli gelir arasında uzun dönemli ilişki olduğunu tespit

etmişlerdir.

Çoban (2004), 1980–1997 dönemi Türkiye verilerini kullanarak, ilkokul okullaşma oranındaki

artışın ekonomik büyümedeki artışa ve ekonomik büyümedeki artışın ise lise okullaşma oranındaki

artışa neden olduğunu ortaya koymuştur. Eğitim yatırımlarının geri dönüşümünü incelemek için

Fayda-Maliyet analizini kullanan Taş ve Yenilmez (2007), eğitim düzeyine göre kişisel ve sosyal

dönüş oranlarını incelemişlerdir. Kişisel dönüş oranında lisans ve lisansüstü eğitim alanları en

yüksek orana ulaşmış olmakla birlikte sosyal dönüş oranlarında en yüksek orana lise dengi meslek

teknik okulları ulaşmıştır.


141

Arslan ve İzgi (2008), 1990-2006 dönemi Türkiye ekonomisi için beşerî sermayenin büyüme

üzerindeki etkilerini Johansen eş bütünleşme ve Granger nedensellik testi ile incelemişlerdir. Eş

bütünleşme analizine göre ortalama eğitim süresi ile ekonomik büyüme arasında pozitif, Granger

nedensellik testine göre ise, ortalama eğitim süresinden ekonomik büyümeye doğru pozitif bir

ilişki tespit etmişlerdir.

Afşar (2009), 1963-2005 dönemi verilerini kullanarak Türkiye için eğitim yatırımları ile ekonomik

büyüme arasındaki ilişkiyi araştırarak eğitim yatırımlarının ekonomik büyümenin Granger nedeni

olduğu yönünde bulgular edinmiştir. Ek olarak Telatar ve Terzi (2010), ekonomik büyüme ile

nüfus ve eğitim arasındaki ilişkiyi 1968- 2006 dönemini kapsayan yıllık verilerle Türkiye

ekonomisi için incelemişlerdir. Granger nedensellik testinde, kişi başına gelirden yükseköğretim

mezun sayısına ve nüfusa doğru tek yönlü, sırasıyla pozitif ve negatif nedensellik ilişkisi tespit

edilmiştir. Kişi başına gelirdeki bir artış yükseköğretim mezunu sayısında artışlara neden olurken,

nüfusun artış hızında yavaşlamaya yol açmaktadır. Nedensellik testinden elde edilen diğer bir

sonuç ise meslek lisesinden kişi başına gelire doğru pozitif bir nedensellik ilişkisi olduğu

yönündedir.

Son olarak Çalışkan vd. (2011), Türkiye’de 1923-2011 dönemi için GSYİH ile eğitim değişkenleri

olarak ele alınan ilkokul mezun sayısı, lise, teknik lise ve yüksekokul öğrenci sayısı arasındaki

uzun dönem ilişkiyi Johansen eş bütünleşme yaklaşımı ile test etmişlerdir. Bulgulara göre liseye

kayıt yaptıran öğrenci sayısındaki %1’lik artış GSYH’yi %0.1957 artırırken, yüksek öğretime

kayıt yaptıran öğrenci sayılarındaki %1’lik bir artış GSYH’yi %0.6262 arttırmaktadır.

Literatür değerlendirildiğinde ele alınan çalışmaların çok büyük bir oranında beşeri sermaye

göstergesi olarak eğitim değişkeninin ele alındığı ve beşeri sermayeden ekonomik büyümeye

doğru pozitif güçlü nedensellik ilişkisinin doğrulandığı dikkatleri çekmektedir.

3.Tasarım ve Yöntem

Çalışmada illerin reel GSYİH rakamları (RGSYİH), üniversiteden mezun sayısı (MEZUN),

ortaöğretim okullaşma oranı (OKULLASMA), hastane yatak sayısı (YATAK), bebek ölüm sayısı

(BEBEKOL) ve net göç hızı (NGOCH) verileri kullanılarak beşeri sermaye göstergelerinin

GSYİH üzerindeki etkisi araştırılmıştır. Ayrıca modellere sanayi (SEKPAYSAN), hizmet

(SEKPAYHIZ) ve tarım (SEKPAYTAR) sektör payları da kontrol değişken olarak ilave

edilmiştir. Tüm veriler TÜİK Bölgesel İstatistikler yayınından derlenmiştir. 2008-2014 dönemi

için 81 il bazında oluşturulan panel veri setine ilişkin bilgi Tablo 1’de özetlenmektedir.


142

Tablo 1: Veri Seti

DEĞİŞKEN TANIM

LRGSYİHit i şehrinin t yılındaki Reel Gayrisafi Yurtiçi Hasılası

LMEZUNit i şehrinin t yılındaki üniversite mezun sayısı

LBEBEKOLit i şehrinin t yılındaki bebek ölüm sayısı

NGOCHit i şehrinin t yılındaki net göç hızı

OKULLASMAit i şehrinin t yılındaki orta öğretim okullaşma oranı

LYATAKit i şehrinin t yılındaki hastane yatak sayısı

SEKPAYTARit Tarım sektörünün GSYİH içindeki payı

SEKPAYSANit Sanayi sektörünün GSYİH içindeki payı

SEKPAYHIZit Hizmet sektörünün GSYİH içindeki payı

Çalışmada 2008-2014 dönemi 81 il bazında oluşturulan panel veri kullanılarak aşağıdaki modeller

(Modeli 1, Model 2, Model 3 ve Model 4) tahmin edilmiştir. Panel regresyon tahminlerinde birim

ve zaman etkilerin varlığı test edilerek sabit ve tesadüfi etkiler arasındaki seçim Hausman testi ile

gerçekleştirilmiştir. Tahmin edilen panel regresyon denklemlerinde değişen varyans,

otokorelasyon ve birimler arası korelasyon olup olmadığı sırasıyla Modifiye edilmiş Wald değişen

varyans testi, Modifiye edilmiş Bharvaga Durbin-Watson testi /Baltagi- Wu LBI ve Pesaran CD

testi kapsamında değerlendirilmiştir. Daha sonra uygun dirençli tahminciler kullanılarak standart

hataların düzeltilmesi yoluna gidilmiştir.

Model 1

𝐿𝑅𝐺𝑆𝑌𝐼𝐻𝑖𝑡 = 𝛽0𝑖𝑡 + 𝛽1𝐿𝑀𝐸𝑍𝑈𝑁𝑖𝑡 + 𝛽2𝐿𝐵𝐸𝐵𝐸𝐾𝑂𝐿𝑖𝑡 + 𝛽3𝑁𝐺𝑂𝐶𝐻𝑖𝑡 + 𝛽4𝑆𝐸𝐾𝑃𝐴𝑌𝑇𝐴𝑅𝑖𝑡 + 𝛽5𝑆𝐸𝐾𝑃𝐴𝑌𝐻𝐼𝑍𝑖𝑡

+ 휀𝑖𝑡

Model 2

𝐿𝑅𝐺𝑆𝑌𝐼𝐻𝑖𝑡 = 𝛽0𝑖𝑡 + 𝛽1𝑂𝐾𝑈𝐿𝐿𝐴𝑆𝑀𝐴𝑖𝑡 + 𝛽2𝐿𝐵𝐸𝐵𝐸𝐾𝑂𝐿𝑖𝑡 + 𝛽3𝑁𝐺𝑂𝐶𝐻𝑖𝑡 + 𝛽4𝑆𝐸𝐾𝑃𝐴𝑌𝑆𝐴𝑁𝑖𝑡 + 휀𝑖𝑡

Model 3

𝐿𝑅𝐺𝑆𝑌𝐼𝐻𝑖𝑡 = 𝛽0𝑖𝑡 + 𝛽1𝑂𝐾𝑈𝐿𝐿𝐴𝑆𝑀𝐴𝑖𝑡 + 𝛽2𝐿𝑌𝐴𝑇𝐴𝐾𝑖𝑡 + 𝛽3𝑁𝐺𝑂𝐶𝐻𝑖𝑡 + 𝛽4𝑆𝐸𝐾𝑃𝐴𝑌𝑇𝐴𝑅𝑖𝑡 + 𝛽5𝑆𝐸𝐾𝑃𝐴𝑌𝐻𝐼𝑍𝑖𝑡

+ 휀𝑖𝑡

Model 4

𝐿𝑅𝐺𝑆𝑌𝐼𝐻𝑖𝑡 = 𝛽0𝑖𝑡 + 𝛽1𝑂𝐾𝑈𝐿𝐿𝐴𝑆𝑀𝐴𝑖𝑡 + 𝛽2𝐿𝑌𝐴𝑇𝐴𝐾𝑖𝑡 + 𝛽3𝑁𝐺𝑂𝐶𝐻𝑖𝑡 + 𝛽4𝑆𝐸𝐾𝑃𝐴𝑌𝑆𝐴𝑁𝑖𝑡 + 휀𝑖𝑡

4. Bulgular

2008-2014 dönemi 81 il bazında tahmin edilen panel regresyon modellerine ilişkin bulgular Tablo

2’de sunulmuştur. 4 model için hem birim hem de zaman etkilerin önemli olduğu tespit edilerek

tüm modeller iki yönlü olarak tahmin edilmiştir. Tahmin edilen bütün modeller itibariyle Hausman

testi tesadüfi etkilere karşı sabit etkilerin uygun olduğunu göstermiştir. Tüm modellerde değişen

varyans, otokorelasyon ve birimler arası korelasyon söz konusu olduğu için Driscoll ve Kraay


143

(1998)’ın yaklaşımı izlenerek katsayılara ilişkin dirençli standart hatalar elde edilmiş ve aşağıdaki

tabloda sunulmuştur.

Tablo 2: Model Tahmin Bulguları

MODEL 1 MODEL 2 MODEL 3 MODEL 4

Sabit 10.6828a

(0.0682)

10.1352a

(0.02007)

10.1258a

(0.1344)

9.3400a

(0.1401)

OKULLAŞMA 0.0015a

(0.0004)

0.0008a

(0.0002)

0.0013b

(0.0006)

LMEZUN 0.0353a

(0.0059)

LYATAK 0.1102a

(0.0163)

0.1239a

(0.0198)

LBEBEK 0.0104a

(0.0020)

0.01735a

(0.0037)

NETGOCH -0.0053

(0.0181)

0.0286c

(0.0163)

0.0075

(0.0177)

0.0419c

(0.0224)

SEKPAYTAR 0.3377a

(0.0584)

0.3478a

(0.0585)

SEKPAYHİZ -1.2568a

(0.0582)

-1.1953a

(0.0647)

SEKPAYSAN 0.4791a

(0.0801)

0.4604a

(0.1306)

R2 0.9420 0.9087 0.9447 0.9126

F 223.27 470.72 737.07 496.92

Birim (F) 1299.57 [0.00] 1001.23 [0.00] 740.2080 [0.00] 467.5260 [0.00]

Zaman (F) 218.60 [0.00] 119.48 [0.00] 138.6281 [0.00] 106.1121 [0.00]

Hausman 317.90 [0.00] 531.17 [0.00] 365.4079 [0.00] 280.0141 [0.00]

Modified Wald

Heteroskedast. 14294.4 [0.00] 6543.48 [0.00] 10518.25 [0.00] 8619.25 [0.00]

Modified

Bhargava

Durbin -Watson

0.6255 0.8488 0.6878 0.9533

Baltagi-Wu LBI 1.0514 1.2667 1.1101 1.3491

Pesaran CD 30.4313 [0.00] 55.8683 [0.00] 40.8939 [0.00] 51.9968 [0.00]

Parantez içindeki değerler Driscoll ve Kray (1998) dirençli standart hatalarını

göstermektedir. a, b ve c sırasıyla katsayıların 0.01, 0.05 ve 0.10 anlamlılık seviyelerinde

anlamlı olduğunu ifade etmektedir. Köşeli parantez içinde olasılık değerlerine yer

verilmiştir.

Model bulgularına göre eğitim kategorisi itibariyle ele alınan üniversite mezun sayısı ve orta

öğretim okullaşma oranı ilin GSYİH’sı üzerinde pozitif ve istatistiksel olarak anlamlı bir etkiye

sahiptir. Aynı şekilde beşeri sermayenin bir diğer bileşeni olan sağlık kategorisinde ele alınan

hastane yatak sayısı ve bebek ölüm sayısı değişkenlerine ilişkin katsayıların da pozitif ve

istatistiksel olarak %1 düzeyinde anlamlı olduğu tablodan izlenmektedir. Bir diğer beşeri sermaye

bileşeni olarak ele alınan net göç hızının ise ilin ekonomik büyümesi üzerindeki etkisinin pozitif

ancak istatistiksel olarak %10 düzeyinde anlamlı olduğu tespit edilmiştir. Sektör payları itibariyle

değerlendirilme yapıldığında tarım ve sanayi sektör payının ilin ekonomik büyümesi üzerinde

pozitif bir etkiye sahip olduğu, hizmet sektör payının ise ilin ekonomik büyümesi üzerinde azaltıcı

etkiye sahip olduğu dikkatleri çekmektedir. İlgili değişkenlere ait katsayıların %1 anlamlılık

seviyesinde anlamlı olduğu görülmektedir.


144

Sanayi sektör payı itibariyle elde edilen pozitif ve anlamlı katsayı, sanayi sektörünün ekonomik

büyümenin motoru olduğunu savunan Kaldor yasasının Türkiye ekonomisi için geçerli olduğu

yönünde yorumlanabilir. Diğer bir ifadeyle ilin sanayi sektörü geliştikçe ilin ekonomik büyümesi

artmaktadır. Hizmetler sektörü itibariyle ortaya çıkan negatif etki ise diğer sektörlere nispeten

hizmetler sektöründeki genişlemenin hizmetlerin üretiminde çoğunlukla fiziksel sermayenin

kullanılmamasından dolayı çıktının uzun dönem büyüme oranında azalmaya neden olacağı

şeklinde açıklanabilir.

5. Sonuç

Bu çalışmada Türkiye için 81 il bazında 2008-2014 dönemi itibariyle oluşturulan panel veri

setinden yararlanılarak çeşitli beşeri sermaye göstergelerinin illerin ekonomik büyümesi

üzerindeki etkisi araştırılmıştır. Eğitimi temsilen ele alınan üniversite mezun sayısı ve orta öğretim

okullaşma oranının ilin ekonomik büyümesi üzerindeki etkisinin pozitif ve istatistiksel olarak

anlamlı olduğu tespit edilmiştir. Sağlık bileşenini temsilen modellere ilave edilen hastane yatak

sayısı ve bebek ölüm sayısının da ilin GSYİH’sını artırdığı tespit edilmiştir. Bir diğer beşeri

sermaye bileşeni olarak ele alınan net göç hızının ise ilin ekonomik büyümesi üzerindeki etkisinin

pozitif ancak zayıf olduğu tespit edilmiştir. Sektör payları itibariyle değerlendirilme yapıldığında

tarım ve sanayi sektör payının ilin ekonomik büyümesi üzerinde pozitif bir etkiye sahip olduğu

hizmet sektör payının ise ilin ekonomik büyümesi üzerinde azaltıcı etkiye sahip olduğu dikkatleri

çekmektedir.

Sanayi sektör payı itibariyle elde edilen katsayı Türkiye ekonomisi için Kaldor yasasının geçerli

olduğu şeklinde yorumlanabilir. Hizmetler sektör payına ilişkin negatif etki ise diğer sektörlere

nispeten hizmetler sektöründeki genişlemenin hizmetlerin üretiminde çoğunlukla fiziksel

sermayenin kullanılmamasından dolayı çıktının uzun dönem büyüme oranında azalmaya neden

olacağı şeklinde açıklanabilir. Hizmetler sektöründeki verimlilik artışı mal üretiminin

gerçekleştirildiği sektörlerden daha yavaş olmaktadır. Bir ekonomide hizmetler sektörünün

payındaki artış diğer sektörlere kıyasla teknolojik ilerleme oranını ve yenilik oranını azaltmaktadır

(Baumol vd. ,1985; Wolff, 1985; Cristina; 1997; Wilber, 2002).

Eğitim, sağlık, bilim ve teknoloji yatırımlarına ağırlık verilmesi ulusal beşeri sermaye düzeyinin

artmasına katkı sağlayarak ülkenin bilgi temelli ekonomi gerçeğinde rekabet etme yeteneğini

destekleyecektir.

Kaynakça

Afşar, M. (2009). Türkiye’de Eğitim Yatırımları ve Ekonomik Büyüme İlişkisi. Anadolu Üniversitesi Sosyal Bilimler

Dergisi, 9(1), 85-98.

Arslan, İ., İzgi, B. (2008). The Analysis of the Relationship between Human Capital and Economic Growth in

Information Scoiety (1990-2006). Bilgi, Ekonomi ve Yönetim Sempozyumu Bildiriler Kitabı, 371-380.


145

Asteriou, D., Agiomirgianakis,G.M. (2001). Human Capital and Economic Growth –Time Series Evidence from

Greece. Journal of Policy Modelling, 23(5), 481-489.

Barro, Robert J. (1990). Government Spending in a Simple Model of Endogenous Growth. Journal of Political

Economy, 98(5), 103–125.

Becker, Gary Stanley. (1962). Investment in Human Capital: A Theoretical Analysis. The Journal of Political

Economy, 70(5), 9-49.

Cohen, D., Soto, M. (2007). Growth and Human Capital: Good Data, Good Results. Journal of Economic Growth,

12(1), 51-76.

Çoban, O. (2004). Beşeri Sermayenin İktisadi Büyüme Üzerindeki Etkisi: Türkiye Örneği. İ.Ü. SBF Dergisi, No:30,

131-142.

Çömlekçi N. (1971). Türkiye’nin İktisadi Kalkınmasında Eğitimin Rolü, Eskişehir İktisadi Ticari İlimler Akademisi

Yayınları No: 85/45, Sevinç Matbaası, Ankara.

Denison, E. F. (1962). The Sources of Economic Growth in the U.S.A. and Alternatives before Us. Committe for

Economic Development, New York.

Denison,E.F. (1962). Education,Economic Growth and Gaps in Information. The Journal of Political Economy,

5(2),124-128.

Doğan, S., Bozkurt, H. (2002). Eğitim-İktisadi Büyüme İlişkisi ve Türkiye İçin Kointegrasyon Analizi. İnternet:

www.bilgiyonetimi.org.

Gylfason, T. (2001). Natural Resources, Education and EconomicDevelopment, European Economic Review, 45, 847-

859.

Islam, T.S., Wadud, M.A., Islam, Q.B.T. (2007). Relationship between Education and GDP Growth: A Multivariate

Causality Analysis for Bangladesh. Economics Bulletin, 35(3), 1-7.

Keller, R.I. K. (2006). Investment in Primary, Secondary and Higher Education and the Effects on Economic Growth.

Contemporary Economic Policy, 24(1), 18-34.

Lucas, R. E. (1988). On the Mechanics of Economic Development. Journal of Monetary Economics, 22(1), 3-42.

Mankiw, N. Gregory, R., D., Weil, D. N. (1992). A Contribution to the Empirics of Economic Growth. The Quarterly

Journal of Economics, 107(2), 407-437.

Mincer, J. (1958). Investment in Human Capital and Personal Income Distribution. The Journal of Political Economy,

66(4), 281-302.

Park, J. (2006). Dispersion of Human Capital and Economic Growth. Journal of Macroeconomics, 28(3), 520-539.

Psacharopoulos G., Patrinos, H.A. (2002). World Bank Policy Research Working Paper, 2881, 1-19.

Romer, M. P. (1989). Human Capital and Growth: Theory and Evidence. NBER Working Paper Series, 3173, 1-51.

Romer, P. M. (1990). Human Capital and Growth: Theory and Evidence. Carnegie-Rochester Conference Series on

Public Policy, 32, 251-86.

Schultz, T. W. (1961). Investment in Human Capital. The American Economic Review, 51(1), 1-17,

www.jstor.org/stable/1818907, (2.11.2015).

Terzi, H., Telatar, O. M. (2010). Nüfus ve Eğitimin Ekonomik Büyümeye Etkisi: Türkiye Üzerine Bir İnceleme.

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 24(2), 197-214.

Türkmen, F. (2002). Eğitimin Ekonomik ve Sosyal Faydaları ve Türkiye’de Eğitim-Ekonomik Büyüme İlişkisinin

Araştırılması. DPT Uzmanlık Tezleri.

http://www.bilgiyonetimi.org/

http://www.jstor.org/stable/1818907


146

Ekonomik Şokların Teknoloji Transfer Göstergeleri Üzerine Etkileri: Kompleksite İktisat

Teorisi Yaklaşımı İle Panel Veri Analizi

Turgut ÜN 1

Mücella ŞAHİN2

Özet

Evrimsel iktisatçılar, neoklasik iktisatçıların teknolojik yaklaşımlarını reddetmekte ve

teknolojinin geri beslemeli, teknolojik gelişim ve sürecin teknik, ekonomik ve kurumsal

bakış açısıyla incelenerek risk ve belirsizliklerin de dikkate alındığı karmaşık sosyal bir

süreç olduğunu öne sürmektedirler. Tüm bunlara bağlı olarak çalışmanın amacı, yeni

iktisadi yaklaşım olan evrimsel iktisat yaklaşımı ile teknoloji transferinin doğrusal olmayan

yapıda ele alarak, OECD ülkeleri için teknoloji transfer göstergelerinde uzun dönemde bir

yakınsama olup olmadığının araştırılmasıdır. Bunun yanı sıra durağanlık olması halinde

asimetrik etkinin varlığı incelenerek teknoloji transfer göstergelerini, ekonomi piyasasında

yaşanan negatif bir gelişmenin pozitif bir gelişmeden daha çok etkileyip etkilemediğinin

tespit edilmesidir. Teknoloji transfer göstergesi olarak başta doğrudan yabancı yatırımlar

olmak üzere ülkelerin bilgi iletişim teknoloji ihracatı ve yüksek teknolojili ürün ihracatı

verileri kullanılmıştır. Tüm veriler ABD doları cinsinden ve yıllık frekansta kullanılmıştır.

Çalışmada doğrusal olmayan panel veri birim kök analizi olan Emirmahmutoğlu ve Omay

(2014) EO Testi yardımıyla serilerin durağanlıkları incelenmiştir. Her üç serinin de

durağan olduğu sonucuna varılması üzere tüm serilerde simetrik veya asimetrik etki analiz

edilebilmiştir. Sonucunda ise ülkelerin doğrudan yabancı sermaye yatırımlarında asimetrik

davranışlar sergilediği sonucuna ulaşılmıştır.

Anahtar Kelimeler: Teknoloji Transferi, Doğrusal Olmayan Panel Veri Analizi, Panel Birim Kök

JEL Sınıflaması: O30, C23, B52

Abstract

Evolutionary economists reject the technological approach of neoclassical economists and

argue that technology is a complex social process in which risk and uncertainty are taken

into account by examining technology in terms of feedback, technological development

and ongoing technical, economic and institutional perspectives. The aim of the study is to

investigate whether there is a long-term convergence in technology transfer indicators for

OECD countries by taking the technology transfer as a non-linear structure with the new

economic approach, the evolutionary economic approach and in the case of convergence

and examining the existence of asymmetric effect and determining whether technology

transfer indicators are more likely to affect a negative development in the economy than a

positive development. In this study, information, communication technology exports, high-

tech product exports data mainly including direct foreign investments have been used. All

data are in US dollars and are used as annual data. In the study, stationarity of the series

was investigated with the help of Emirmahmutoglu and Omay (2014) EO Test, which is a

non-linear panel data unit root analysis. As all three series are stationary, symmetric or

asymmetric effects are analyzed in all series. As a result,it is concluded that countries have

achieved asymmetrical behavior in foreign direct investment.

Keywords: Technology Transfer, Nonlinear Panel Data Analysis, Panel Unit Root

JEL Classification: O30, C23, B52

1Dr.Öğr.Üy., [email protected], Marmara Üniversitesi, İstanbul/Türkiye 2 Doktora Öğrencisi, [email protected] Marmara Üniversitesi, İstanbul/Türkiye


147

1.Giriş

Ekonominin inovasyon altyapılı olduğu günümüz piyasasında, ülke veya firmaların yer

edinebilmeleri için yalnızca teknolojik gelişimleri takip etmeleri yeterli olmamakta; aynı zamanda

yenilik üretimi aşamalarındaki yöntemlerine, teknolojinin kullanım şekline, teknolojinin elde

edilme süreçlerine ve özellikle teknoloji yayılımına odaklanmaları gerekmektedir. Teknoloji

transferi, bilgi ve yenilik çağı sayesinde meydana gelen teknolojiden faydalanılması amacıyla arz

edilmesi önemli olan bu inovasyonun, birey veya grupların güncel süreçlerine dahil edilerek farklı

bir işleyişe aktarılması olarak adlandırılabilmektedir.

Teknoloji ve teknoloji süreçlerine dair birçok iktisadi yaklaşım bulunmaktadır. Bu iktisadi

yaklaşımlar, teknolojiyi değerlendirmede ve ele alış biçimlerinde birbirlerinden farklılaşmıştır.

Teknoloji bakış açısı altında kompleksite iktisat ve geleneksel iktisadın özellikle farklılaştığı

nokta, teknolojik sürecin doğrusallığı ile ilgili olmaktadır. Kompleksite iktisadın içinde barınan

evrimsel iktisatçılar, teknolojik gelişim ve değişimi yalnızca mühendislik alanında

değerlendirilmeyen, teknik, iktisadi ve kurumsal açıdan da ele alınması gereken ve karşılıklı

etkileşimin var olduğu görüşünü savunan karmaşık sosyal bir süreç olduğunu öne sürmektedirler.

Aynı zamanda kompleksite iktisadın içinde yer alan diğer iktisat alt gruplarının da ortak noktaları;

neoklasik iktisada eleştirel yaklaşmaları ve iktisadı sosyoekonomik ve entelektüel açıdan

incelemeleridir (Colander & Holt & Rosser, 2003, s.6). Bu nedenler doğrultusunda, teknolojik

devrimlerin ve yeniliklerin de artmasına bağlı olarak karmaşık bir sisteme dönüşen ekonomik

yapının anlaşılması için, ekonomiyi ve teknolojinin son aşaması olan teknoloji transfer sürecini

kompleksite iktisat bakış açısıyla ele almak gerekmektedir.


Apergis ve ark. (2008), 6 Avrupa Birliği ülkesi için 1980 – 1997 yılları arasında panel birim kök

ve eştümleşme analizi kullanılarak işgücü verimlilik, yenilik ve teknoloji transferi arasındaki

ilişkiyi incelemişler ve uzun dönemli denge ilişkisi tespit etmişlerdir.

Ağayev (2010), 25 geçiş ülkesi için ekonomik büyüme ve doğrudan yabancı yatırımların ilişkisini

incelemek amacıyla panel eştümleşme ve panel nedensellik analizleri yapmıştır. Sonucunda ise

her iki serinin uzun dönemde birlikte hareket ettiklerine ve ekonomik büyüme ile doğrudan

yabancı yatırım arasında çift yönlü nedensellik ilişkisine ulaşılmıştır.

Vergil, Sinay (2013), çalışmalarında gelişmekte olan ülkeler arasında yer alan Türkiye’nin 1989 –

2009 dönemler için ARGE harcamaları yerine doğrudan teknoloji transferi yapması sonucu

ekonomik büyümesi ve dış ticaret arasındaki ilişkisini Johansen Eşbütünleşme Testi ve VAR

yöntemleri ile analiz etmiştir. Sonucunda ise yüksek seviye sermaye malları ve ara malları ithalatı


148

ile elde edilen bilgi transferine kıyasla düşük seviyede bilgi barından ara malı ithalatının ekonomik

büyüme üzerinde daha fazla etkiye sahip olduğuna ulaşılmıştır.

Malatyalı (2016), çalışmasında 1989 – 2014 yılları arası Türkiye’ye gelen teknoloji transferi ile

büyüme arasındaki nedensellik ilişkisini incelemiştir. Teknoloji transferinin gerçekleşmesi ile

üretim aşamasında oluşan katma değerin ekonomik büyümeyi desteklediği sonucuna varılmıştır.

Ekiz, Aytun (2017), doğrudan yabancı sermaye yatırımı yoluyla teknoloji transferinin yapıldığı

ülkelerde istihdam, bilgi – teknoloji birikimi ve teorik bilgi yönetimi gibi olanaklarının

yükseldiğini savunarak çalışmalarında 1981 – 2014 yılları arası G7 ülkeleri için ikinci nesil panel

nedensellik analizi uygulamışlardır. Sonucunda doğrudan yabancı sermaye yatırımlarından,

araştırma geliştirme harcamalarına tek yönlü nedensellik ilişki tespiti yapılmıştır.

Alçın, Güriş (2017), çalışmalarında Türkiye’nin teknoloji transfer gücünü yükseltecek olan

Toplam, Özel Kesim ve Kamu Kesimi ARGE harcamalarını 1990 – 2012 dönemleri için makine

ihracatı ile ilişkisini otoregresif dağılım gecikmesi testi (ADL) ile incelemişlerdir. Toplam ve Özel

Kesim ARGE harcamaları ile makine ihracatında anlamlı bir ilişki bulunurken Kamu ARGE

harcamalarında anlamsız bir ilişki bulunmuştur.

3. Çalışmanın Amacı ve Kapsamı

Çalışmanın amacı, OECD ülkelerinde 1980 – 2016 dönemleri arasında teknoloji transfer

göstergelerinin durağanlıklarını ve asimetrik etkiyi doğrusal olmayan panel yapı içerisinde

incelemektir. Yeni iktisat teorileri arasından Evrimsel İktisat Teorisi teknolojinin doğrusal

olmayan bir yapıda içeresinde analiz edilmesini ve bu yapının bozulmaması gerektiğini

savunmaktadır. Bu nedenle evrimsel iktisat teorisine bağlı olarak teknolojinin yayılımını ve

gelişimini sağlayan teknoloji transferinin uzun dönemde ortalamaya yakınsama durumu ve

asimetrik etkisi doğrusal olmayan süreç içerisinde değerlendirilmesi amaçlanmaktadır.

Emirmahmutoğlu ve Omay (2014) EO birim kök testi ile teknoloji transferini tanımlayan seriler

için hem durağanlık hem de asimetri etkisi tespit edilmektedir.

Ekonomi literatüründe, teknoloji transferini “Doğrudan Yabancı Yatırımlar” temsil etmektedir.

Doğrudan yabancı yatırım finansal hesap bakiyeleri, borçlardaki değişim hariç, varlıklardaki

değişim olarak hesaplanmaktadır. Bununla birlikte Bilgi ve iletişim teknolojisi hizmet ihracatı,

bilgisayar ve iletişim hizmetlerini (telekomünikasyon ve posta ve kargo hizmetleri) ve bilgi

hizmetlerini (bilgisayar verileri ve haberle ilgili hizmet işlemleri) içermektedir. Yüksek teknoloji

ihracatı, havacılık, bilgisayar, ilaç, bilimsel aletler ve elektrikli makineler gibi yüksek ARGE

yoğunluğuna sahip ürünlerin ihracatına dayanan verileri ifade etmektedir. Böylece “Bilgi İletişim

ve Teknoloji İhracatı” ile “Yüksek Teknolojili Ürün İhracatı” verileri de ek olarak teknoloji

transferini temsil edebilen seriler olarak değerlendirilmiştir. Tüm veriler ABD doları cinsinden ve


149

yıllık veri olarak kullanılmıştır. Doğrudan Yabancı Yatırımlar serisi 21 OECD ülkesi için 1980 –

2016 dönemleri arasında incelenmiştir. Aynı zamanda bilgi iletişim ve teknoloji ihracatı ile yüksek

teknolojili ürün ihracat verileri için de sırasıyla bilgi iletişim ve teknoloji ihracatı serisi 22 OECD

ülkesi için 1980 – 2016 yılları arasında iken; yüksek teknolojili ürün ihracatı 27 OECD ülkesi için

1992 – 2016 dönemlerinde doğrusal olmayan yapı altında durağanlıkları incelenerek asimetrik

etkinin varlığı araştırılmıştır.

3.1. Kompleksite İktisat ve Teknoloji Süreci

Ekonomik sistemin kompleks bir yapıya dönüşmesi ile geleneksel metotların ekonomiyi

açıklamada zayıf kaldığı bir dönemde daha biçimsel ve sistematik bir yapının gerekliliğini belirten

teknoloji ihtiyacı doğmuştur. Ortaya çıkan bu ihtiyaçla birlikte, teknolojinin diğer alanları hangi

yönde etkilediğini belirleyebilmek, hızını takip edebilmek ve denetleyebilmek çağın en önemli

sorunlarından biri olmuştur (Freeman ve Soete, 2004, s.17).

Teknoloji transferi sürecinde öncelikle işletmelerin eleman ve sınırları içsel ve dışsal olarak

belirlenmektedir. İnovasyon süreci bölgesel anlamda gerçekleşmeye başlamakta ve araştırma

geliştirme bölümü çevresinde fonksiyonel olarak meydana gelmektedir. İnovasyon yaratıcı ülke

veya firmalar, inovasyon yaratımı ile ticari mala dönüştürmeyi iki kademede değerlendirmektedir.

Bu iki ayrı faaliyet arasındaki geçişte “zaman aralığı” oluşmaktadır (Amessea & Cohedent, 2001,

s.1463). Zaman aralığı mikro bazda değerlendirildiğinde, ekonomik birimler açısından analizi ve

yönetilmesi anlamında teknoloji yönetimini önemli bir konu haline getirmektedir (Eser, 2011,

s.34).

Ülkeler arasındaki teknoloji transferinde know – how, enformasyon gibi kavramlar ile uygun

kanalların tespit edildiği aşamada karşılıklı alışveriş gerçekleştirilebilmektedir. Uygun kanallar

spontane kanallar, tersine mühendislik ve planlı kanallar olmak üzere 3 alt başlık altında

sıralanmaktadır (Khalil, 2009, s.93; Radosevic, 1999, s.3). Transfer edilen teknolojinin, teknolojiyi

alan ekonomik birim için kendi yapısına ve amacına yönelik kullanabilmesi, benimseyebilmesi

için lisanslama, ortak girişim, doğrudan yabancı yatırımlar, ortak ARGE projeleri gibi çeşitli yollar

bulunmaktadır (Eser, 2011, s.38).

Kompleksite iktisat adı altında Tarihçi Okul, Marksist Okul, Avusturya İktisat Okulu, Kurumsal

İktisat, Post-Keynesçi İktisat, Kamu Tercihi Okulu, Feminist İktisat, Nöroekonomi, Yeşil İktisat,

Deneysel İktisat, Davranışsal İktisat, Evrimci İktisat, Evrimci Oyun Kuramı yer almaktadır.

Kompleksite iktisat adının altında barınan iktisat teorilerinin ortak noktaları, neoklasik iktisada

eleştirel yaklaşmaları ve iktisadı sosyoekonomik ve entelektüel açıdan incelemeleridir (Colander

& Holt & Rosser, 2003, s.6).


150

Kompleksite iktisat, neoklasik iktisadın savunduğu görüşler dışında sosyolojik parametrelerin de

ekonomiyi etkilediğini belirtmektedir. Ekonomide de iktisadi olayların açıklanması için evrimsel

iktisat teorisi adıyla iktisat bilimine yansımasında, fizik ve biyolojideki evrim metaforları stratejik

öneme sahiptir. Evrimsel iktisadın temel hedefi, matematiğin bir araç olarak kullanılmasına

yönelik iktisadı sosyal bilimlerle ilişkilendirmektir. Pür – rasyonel, teknolojik unsurları göz ardı

eden, tam bilgiye sahip piyasa ortamı düşüncesiyle ülke veya firma ilişki ve çeşitliliğinin

olmadığını varsayan neoklasik iktisat, görüş risk ve belirsizliği, heterojenliği, etik faktörleri ihmal

etmektedir. Evrimsel iktisadın teknolojik gelişim bakış açısı ise neoklasik iktisadın ülke ve

firmaların ekonomik yapı çözümlemesinde yetersiz kaldığı, bununla birlikte teknolojik gelişme

düzeyindeki farklılıkları ifade etme amacıyla geliştirildiği bilimsel bir yaklaşım şeklindedir.

Neoklasiklerin teknoloji görüşü, bir malın araştırma ve geliştirme yoluyla geliştirilip yeni bir ticari

ürün elde edilebildiği doğrusal bir süreçken; evrimsel iktisatçı görüşü ise ekonominin geri

beslemeli ve doğrusal olmayan bir süreç olduğu yönündedir (Nelson & Winter, 1982, s.14). Kısaca

değişkenler arasında doğrusal olmayan etkileşimler yer almaktadır. Mevcut teorik ve bilimsel

bilginin, ihtimal dahilindeki piyasanın, araştırmanın ve meydana getirilen buluş ve yenilik

işleyişindeki aşamaların arasında geri beslemeler yapılmaktadır. Her aşamanın tekil olarak ele

alındığı, ayrı olarak değerlendirildiği ve tekrar eski aşamaya geri dönülmediği neoklasik anlayışı

evrimsel iktisat teknoloji yaklaşımında eleştirilmektedir ve bu durumun olması mümkün değildir.

Sonuç olarak teknoloji süreci, belirsizliklerin ve tahmin edilemeyecek koşulların yer aldığı basit

olmayan karmaşık bir süreçtir (Oğuztürk, 2003, s.264 – 265). Schumpeter’in de varsaydığı

teknolojik sürecin üç aşaması bulunmaktadır. Bunlar; icat, yenilik ve yayılma süreçleridir. Bu

süreçleri evrimsel iktisatçılar doğrusal bir sistem içinde ele alınmaması gerektiğini ve süreçler

arasında etkileşimli dinamik bir yapı olduğunu savunmaktadırlar (Alpaslan, 2003, s.129). Tüm bu

sebepler dolayısıyla teknolojinin son aşaması olan yayılma yani teknoloji transfer sürecini

doğrusal olmayan yapıda inceleme ihtiyacı oluşmaktadır.

3.2. Panel Birim Kök Analizi

Panel veri yaklaşımında hem zaman boyutu hem de birim boyutu olduğu bilinmektedir. Serilerin

zamana göre seyrinin incelenmesi yani panel veriyi meydana getiren sürecin durağanlığının analiz

edilmesi zorunlu olmaktadır. Bu analizin yapılabilmesi için çeşitli panel birim kök testleri

geliştirilmiştir. Serilerin ortalama ve varyansı zaman boyutundan bağımsız olduğu ve

kovaryansının zamanlar arası farka bağlı olduğu durumlarda seriler durağan olmaktadır. Bu durum

aşağıda şu şekilde ifade edilmektedir:

𝐸(𝑌𝑡) = 𝜇 , 𝑣𝑎𝑟(𝑌𝑡) = 𝜎2 , 𝑐𝑜𝑣(𝑌𝑡, 𝑌𝑡+𝑠) = 𝑐𝑜𝑣(𝑌𝑡, 𝑌𝑡−𝑠) = 𝛾𝑠


151

Burada belirtildiği üzere, kovaryansın zamanlar arası farka (s) bağlı olarak ve hem ortalama hem

de varyansın sabit olması gereklidir. Seride, sözü geçen bu özelliklerin olması halinde “zayıf

(kovaryans) durağanlık”; bu özelliklerin yanında seri normal dağılıma da sahipse eğer “güçlü

durağanlık” söz konusudur (Şak, 2018, s. 261). Durağanlık araştırmaları DF ve ADF denklemleri

üzerinden geliştirilmiştir. Klasik zaman serisi analizinden farklı olarak testler birim etkisini

dikkate almaktadır. Panel veri yapısında birinci mertebe otoregresif AR (1) süreci:

𝛾𝑖𝑡 = 𝜌𝑖𝛾𝑖,𝑡−1 + 𝜒𝑖𝑡휂𝑖 + 휀𝑖𝑡 𝑖 = 1,2, … , 𝑁 , 𝑡 = 1,2, … , 𝑇

denklemde, otoregresif ilişki (AR) katsayısı olarak 𝜌𝑖 parametresi ve denklemin dışsal değişkeni

olarak 𝜒𝑖𝑡verilmiştir. Hata teriminin ortalamasının sıfır, varyansının sabit olduğu ve normal

dağıldığı varsayılmaktadır. Burada AR katsayısı olan 𝜌𝑖’nin, |𝜌𝑖| < 1 olması halinde serinin

durağan olduğu; |𝜌𝑖| = 1 olması durumunda ise serinin birim köke sahip olduğu tespit

edilmektedir.

3.3. Doğrusal Olmayan Panel Birim Kök EO Testi

Emirmahmutoğlu ve Omay (2014), alternatif hipotezin simetrik ya da asimetrik üstel yavaş geçiş

otoregresif doğrusal olmamaya izin verdiği ve sonlu örnek özellikleri sağladığı bir doğrusal

olmayan heterojen panel birim kök testi geliştirmişlerdir. Panel birim kök kullanılmasının

ekonometrik yönden önemli sebeplerinden biri zaman serisinin birim kök testlerinde küçük T

boyutunda düşüş olan testlerin güçlerini arttırmak için yatay kesit boyutundan faydalanma

ihtiyacından meydana gelmektedir (Emirmahmutoğlu & Omay, 2014, s. 185). Sollis (2009) zaman

serisi birim kök testi, EO testinde aşağıdaki gibi doğrusal olmayan asimetrik heterojen panel olarak

genişletilmiştir:

∆𝛾𝑖𝑡 = 𝐺𝑖𝑡(𝛾1𝑖, 𝑌𝑖,𝑡−1) × {𝑆𝑖𝑡(𝛾2𝑖𝑌𝑖,𝑡−1)𝜌1𝑖 + (1 − 𝑆𝑖𝑡(𝛾2𝑖𝑌𝑖,𝑡−1)) 𝜌2𝑖} 𝑌𝑖,𝑡−1 + 휀𝑖𝑡

𝐺𝑖𝑡(𝛾1𝑖, 𝑌𝑖,𝑡−1) = 1 − exp(−𝛾1𝑖𝑌𝑖,𝑡−12 ) 𝛾1𝑖 ≥ 0 tüm i′ler için,

𝑆𝑖𝑡(𝛾2𝑖𝑌𝑖,𝑡−1) = [1 + 𝑒𝑥𝑝(−𝛾2𝑖𝑌𝑖,𝑡−1)]−1

𝛾2𝑖 ≥ 0 tüm i′ler için,

burada 휀𝑖𝑡~𝑖𝑖𝑑(0, 𝜎2) olduğu varsayılmaktadır. 𝛾1𝑖 > 0 ve 𝛾2𝑖 → ∞ ise sapmanın boyutu durum

değişkeni (𝑌𝑖,𝑡−1) kadar büyümekte ve geçiş hızını belirleyen 𝛾1𝑖 ile merkezi ve dış rejim arasında

ESTAR model gerçekleşmektedir. Eğer durum değişkeninin sapması negatif yönde ise dış rejim

∆𝛾𝑖𝑡 = ρ𝑖2𝑌𝑖,𝑡−1 + 휀𝑖 olmakta; sapma pozitif yönde ise dış rejim ∆𝛾𝑖𝑡 = ρ𝑖1𝑌𝑖,𝑡−1 + 휀𝑖 olmaktadır.

Burada geçiş fonksiyonları bu iki durum için sırasıyla 0 ve 1 aşırı değerlerini almaktadırlar. Eğer

ρ𝑖1 ≠ 𝜌𝑖2 ise tüm i’ler için, otoregresif düzeltme asimetriktir ve eğer tüm i’ler için ρ1𝑖 = ρ2𝑖 = ρ𝑖

ise, o halde UO testindeki panel simetrik ESTAR spesifikasyonu geçerli olmaktadır. 𝛾2𝑖 → ∞ aşırı


152

varsayımından dolayı, lojistik fonksiyon basit bir basamak fonksiyonuna dönüşmekte ve TAR

modeli gibi davranmaktadır (Emirmahmutoğlu & Omay, 2014, s. 186).

Emirmahmutoğlu ve Omay (2014), ∆𝛾𝑖𝑡 denkleminde hataların otokorelasyonlu olduğunu

belirtmişler ve ∆𝛾𝑖𝑡 denklemini yüksek dereceden dinamikler içerecek şekilde genişletmişlerdir:

∆𝛾𝑖𝑡 = 𝜌1𝑖𝛾1𝑖𝑌𝑖,𝑡−13 𝑆𝑖𝑡(𝛾2𝑖𝑌𝑖,𝑡−1) + 𝜌2𝑖𝛾1𝑖𝑌𝑖,𝑡−1

3 (1 − 𝑆𝑖𝑡(𝛾2𝑖𝑌𝑖,𝑡−1)) + 휀𝑖𝑡

Emirmahmutoğlu ve Omay (2014), 𝛾2𝑖 = 0 etrafında birinci dereceden Taylor açılımı, katsayıların

yeniden düzenlenmesi ile elde edilen yardımcı denklem ve bu yardımcı denklemin genişletilmiş

hali sırasıyla şu şekilde gösterilmiştir:

Δ𝛾𝑖𝑡 = 𝛼(𝜌2𝑖∗ − 𝜌1𝑖

∗ )𝛾1𝑖𝛾2𝑖𝑌𝑖,𝑡−14 + 𝜌2𝑖𝛾1𝑖𝑌𝑖,𝑡−1

3 + 휀𝑖𝑡

Δ𝛾𝑖𝑡 = 𝜙1𝑖𝑌𝑖,𝑡−13 + 𝜙2𝑖𝑌𝑖,𝑡−1

4 + 휀𝑖𝑡

Δ𝛾𝑖𝑡 = 𝜙1𝑖𝑌𝑖,𝑡−13 + 𝜙2𝑖𝑌𝑖,𝑡−1

4 + ∑ 𝛿𝑖𝑡∆𝑌𝑖,𝑡−𝑗 +

𝑝𝑖

𝑗=1

휀𝑖𝑡

Modelin sıfır hipotezi tüm i’ler için 𝐻0: 𝜙1𝑖 = 𝜙2𝑖 = 0 olmaktadır. Önerilen test istatistiği ise

birim istatistiği 𝐹𝑖,𝐴𝐸’nin ortalaması alınarak aşağıdaki gibi hesaplanmaktadır:

��𝐴𝐸 = 𝑁−1 ∑ 𝐹𝑖,𝐴𝐸

𝑁

𝑖=1

Birim kök testi sonucu sıfır hipotezi reddedildiğinde, simetrik/asimetrik durum için oluşturulan

test hipotezleri aşağıdaki gibidir:

𝐻0: 𝜙2𝑖 = 0 , 𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑘 𝐸𝑆𝑇𝐴𝑅 𝑑𝑜ğ𝑟𝑢𝑠𝑎𝑙 𝑜𝑙𝑚𝑎𝑚𝑎

𝐻1: 𝜙2𝑖 ≠ 0 , 𝑎𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑘 𝐸𝑆𝑇𝐴𝑅 𝑑𝑜ğ𝑟𝑢𝑠𝑎𝑙 𝑜𝑙𝑚𝑎𝑚𝑎

Birim istatistiği 𝐹𝑖,𝐴𝐸 normal F dağılımına sahip olmamaktadır (Sollis, 2009, s. 121). Bu yüzden

panel ��𝐴𝐸 test istatistiği de normal dağılmamakta ve 𝑁 ve 𝑇 boyutunun farklı değerleri için

stokastik simülasyon yoluyla hesaplanmaktadır. Bunun yanı sıra, eğer birim kök hipotezi

(𝜙1𝑖 = 𝜙2𝑖 = 0) reddedilirse, 𝐻1: 𝜙2𝑖 ≠ 0’a karşı tüm i’ler için 𝐻0: 𝜙2𝑖 = 0 test edilerek temel

hipotez olan simetrik ESTAR doğrusal olmayan model test edilebilmektedir (Emirmahmutoğlu &

Omay, 2014, 186). Simetrik sıfır hipotezi altında, normal 𝑡 dağılımı ile birim t istatistiği olan 𝑡𝑖,𝐴𝐸𝑎𝑠

kullanılması gereklidir (Sollis, 2009, s.119). Panel yapısında da normal dağılıma sahip olan birim

istatistiklerinin ortalaması alınarak 𝑡��𝐸𝑎𝑠 elde edilmektedir (Emirmahmutoğlu & Omay, 2014, s.

186). ��𝐴𝐸 ve 𝑡��𝐸𝑎𝑠 test istatistiklerinin ampirik dağılımları Sieve Bootstrap yöntemi kullanılarak elde

edilmiştir. Bu sayede yatay kesit bağımlılık varsayımının üstesinden de gelinmiştir (Güriş, 2018,


153

s. 390). Bilidiği gibi durağan olmayan panel veri analizi içinde bootstrap yaklaşımı, asimptotik

teorisini de kapsayacak şekilde ilk olarak Chang (2004) tarafından birim kök testleri üzerine

yapılan çalışmadır. Ayrıca Emirmahmutoğlu ve Omay (2014) çalışmalarında, durağanlık sonucu

bulunması durumunda paneli meydana getiren serilerin ayrı olarak durağanlıklarının analiz

edilmesinde Chortareas ve Kapetanios (2009) tarafından önerilen sıralı panel seçim prosedürü

(SPSM)’in kullanılabileceğini belirtmişlerdir. Sıralı panel seçim prosedürünün, EO testi için

uygulama basamakları ise şu şekildedir (Emirmahmutoğlu ve Omay, 2014, s. 189):

Öncelikle, EO birim kök testi paneldeki tüm seriler için uygulanır. Eğer sıfır hipotezi

reddedilemezse yani birim kök olması durumunda SPSM uygulanamaz. Bu durumda, paneldeki

tüm serilerin durağan olmadıkları ortaya çıkmaktadır. Aksine, sıfır hipotezi reddedilirse,

durağanlık söz konusu olmakta ve böylece 2. adıma devam edilmektedir. 2. adımda, serilerin

durağanlıktan yana en güçlü kanıtı olarak maksimum ��𝑖,𝐴𝐸 istatistikleri hesaplanmakta ve 3. adıma

geçilmektedir. Bu aşamada ise geri kalan her bir seri için 1. adıma geri dönülmekte veya tüm seriler

panelden çıkarıldığında prosedür sona ermektedir. Bu test panel birimlerinin heterojenliğini ortaya

koymaktadır. Heterojenliği dikkate alan panel veri yöntemlerine dayalı birim kök testlerinin tercih

edilmesi gerektiğini göstermektedir. Tüm adımlar doğrudan yabancı yatırım, bilgi iletişim

teknoloji ihracatı ve yüksek teknolojili ürün ihracatı serileri için uygulanmış ve ek kısmında SPSM

sonuçlarına yer verilmiştir.

4. Bulgular

Doğrudan yabancı yatırımlar iktisadi literatürde teknoloji transfer göstergesi olarak kabul

edilmektedir. Bu sebeple çalışmada, başta doğrudan yabancı yatırımlar olmak üzere ülkelerin bilgi

iletişim teknoloji ihracatı ve yüksek teknolojili ürün ihracatı verileri kullanılmıştır. Verilerin

çalışmada kullanılan kısaltmaları aşağıda verilmektedir.

DYY: Doğrudan Yabancı Yatırımlar: 21 OECD, 1980 – 2016

BIT: Bilgi ve İletişim Teknoloji İhracatı: 22 OECD, 1998 – 2016

YTI: Yüksek Teknoloji İhracatı: 27 OECD, 1992 – 2016

Tüm veriler ABD doları cinsinden ve yıllık frekans olarak kullanılmış ve Dünya Bankasından

elde edilmiştir. Doğrusal olmayan panel veri birim kök analizi olan Emirmahmutoğlu ve Omay

(2014) EO Testi yardımıyla serilerin durağanlıkları incelenmiştir. Öncelikle serilerin yatay kesit

bağımlılığı incelenmektedir.


154

Tablo 1: DYY Serisi için Yatay Kesit Bağımlılık Testi

Test İstatistik Olasılık s. d

Breusch-Pagan LM 837.5898 0.0000* 210

Pesaran CD -1.781002 0.0749***

Not:*; 0.01’de anlamlılığı göstermektedir.

Breusch Pagan Lagrange Çarpanı (LM) Testi (1980) yatay kesit bağımlılığın araştırılmasında

kullanılmıştır. Panel veri modelinde N sabit T sonsuza giderken (T>N) 𝜒2 dağılımı göstermektedir

(Ün, 2018, ss.89). DYY serisinin zaman boyutu 37, birim sayısı ise 21 olduğu için LM test

istatistiğine bakılarak karar verilmektedir. Breusch Pagan LM test hipotezleri;

𝐻0: 𝜌𝑖𝑗 = 𝜌𝑗𝑖 = 0 𝑖 ≠ 𝑗 , 𝑦𝑎𝑡𝑎𝑦 𝑘𝑒𝑠𝑖𝑡 𝑏𝑎ğ𝚤𝑚𝑙𝚤𝑙𝚤𝑘 𝑦𝑜𝑘𝑡𝑢𝑟.

𝐻1: 𝜌𝑖𝑗 ≠ 𝜌𝑗𝑖 ≠ 0 𝑖 ≠ 𝑗 , 𝑦𝑎𝑡𝑎𝑦 𝑘𝑒𝑠𝑖𝑡 𝑏𝑎ğ𝚤𝑚𝑙𝚤𝑙𝚤𝑘 𝑣𝑎𝑟𝑑𝚤𝑟.

Test istatistiği, 𝜆𝐿𝑀 = 𝑇 ∑ ∑ ��𝑖𝑗2𝑁

𝑗=𝑖+1𝑁−1𝑖=1 olmak üzere, 𝑠𝑑 = 𝑁(𝑁 − 1)/2 serbestlik derecesi ile

𝜒2 dağılmaktadır. Buna göre, Breusch Pagan LM test istatistiği tablo değerinden daha büyük

olduğu için (837.58 > 124.34) sıfır hipotezi reddedilmekte ve alternatif hipotezin ortaya

koyduğu “yatay kesit bağımlılık vardır” sonucuna varılmaktadır.

Tablo 2: BIT Serisi için Yatay Kesit Bağımlılık Testi


Breusch-Pagan LM 3581.926 0.0000* 231

Pesaran CD 43.81370 0.0000* 231


Pesaran CD (2004), 𝑁 > 𝑇 olması durumunda yatay kesit bağımlılığı test etmektedir. BIT serisinin

𝑁 > 𝑇 olması sebebiyle Pesaran CD test istatistiği ve hipotezlerinden faydalanılmıştır. Test

istatistiği ve hipotezleri şu şekilde ifade edilmektedir:

𝐶𝐷𝐿𝑀 = √2𝑇

𝑁(𝑁−1)(∑ ∑ ��𝑖𝑗

2𝑁𝑗=𝑖+1

𝑁−1𝑖=1 ) ~ 𝜒𝑁(𝑁−1)/2

2

𝐻0: 𝜌𝑖𝑗 = 𝑐𝑜𝑟(𝜐𝑖𝑡, 𝜐𝑗𝑡) = 0 𝑖 ≠ 𝑗 , 𝑦𝑎𝑡𝑎𝑦 𝑘𝑒𝑠𝑖𝑡 𝑏𝑎ğ𝚤𝑚𝑙𝚤𝑙𝚤𝑘 𝑦𝑜𝑘𝑡𝑢𝑟.

𝐻1: 𝜌𝑖𝑗 = 𝑐𝑜𝑟(𝜐𝑖𝑡, 𝜐𝑗𝑡) ≠ 0 𝑖 ≠ 𝑗 , 𝑦𝑎𝑡𝑎𝑦 𝑘𝑒𝑠𝑖𝑡 𝑏𝑎ğ𝚤𝑚𝑙𝚤𝑙𝚤𝑘 𝑣𝑎𝑟𝑑𝚤𝑟.

Test sonuçları incelendiğinde BIT serisi için (0.000) olasılık değeri %5’ten küçük olduğu için 𝐻0

reddedilmekte ve seride yatay kesit bağımlılık olduğu sonucuna ulaşılmaktadır.


155

Tablo 3: YTI Serisi için Yatay Kesit Bağımlılık Testi


Breusch-Pagan LM 4664.262 0.0000* 351

Pesaran CD 63.99303 0.0000* 351

Not: *; 0.01’de anlamlılığı göstermektedir.

YTI serisinin birim boyutu zaman boyutundan daha fazla olduğu için (𝑁 > 𝑇), serinin yatay kesit

bağımlılığı Pesaran CD (2004) test istatistiğine göre karar verilmektedir. Böylece YTI serisi için

(0.000) olasılık değeri %5’ten küçük olduğu için 𝐻0 reddedilmekte ve seride yatay kesit bağımlılık

olduğu sonucuna ulaşılmaktadır.

Bu sonuçlar, her üç serinin de durağanlığını test etmek için zaman serisi yapısına kıyasla panel

veri çerçevesinde ele alınmasını destekler niteliktedir. EO doğrusal olmayan panel birim kök

testine ait uygun denklemi oluşturmak için ilk adım denklemde deterministik ögelerin yani trendin

ve sabitin varlığının belirlenmesidir. Bu sebeple serilerin grafiklerine bakılması gerekmektedir.

Grafik 1: OECD Ülkelerinin DYY Serisi için Zaman Grafiği

DYY serisi, 21 OECD ülkesi için (Kanada, Şili, Danimarka, Finlandiya, Fransa, Almanya, İzlanda,

İsrail, İtalya, Kore, Meksika, Hollanda, Norveç, Polonya, Portekiz, İspanya, İsveç, İsviçre,

Türkiye, İngiltere, Amerika) zaman dönemi olarak 1980 – 2016 yılları arasında gözlem kaybı

olmaksızın EO Testi uygulanmıştır.

1980 1990 2000 2010 2020

YIL

KANADA/İSPANYA ŞİLİ/İSVEÇ

DANİMARKA/İSVİÇRE FİNLANDİYA/TÜRKİYE

FRANSA/İNGİLTERE ALMANYA/AMERİKA

İZLANDA İSRAİL

İTALYA KORE

MEKSİKA HOLLANDA

NORVEÇ POLONYA

PORTEKİZ


156

Grafik 2: OECD Ülkelerinin BIT Serisi için Zaman Grafiği

BIT serisi, 22 OECD ülkesi (Avustralya, Kanada, Şili, Çek Cumhuriyeti, Estonya, Almanya,

Macaristan, İsrail, İtalya, Japonya, Kore, Meksika, Hollanda, Norveç, Polonya, Portekiz,

Slovenya, İsveç, İsviçre, Türkiye, İngiltere ve Amerika) için 1998 – 2016 dönem verileri

kullanılmıştır.

Grafik 3: OECD Ülkelerinin YTI Serisi için Zaman Grafiği

YTI serisi için EO testi, 1992 – 2016 dönemlerinde 27 OECD ülkesi için (Avustralya, Avusturya,

Kanada, Şili, Danimarka, Finlandiya, Fransa, Almanya, Yunanistan, Macaristan, İzlanda, İrlanda,

İtalya, Japonya, Kore, Meksika, Hollanda, Yeni Zelanda, Norveç, Polonya, Portekiz, İspanya,

İsveç, İsviçre, Türkiye, İngiltere, Amerika) uygulanmıştır.

Grafikler incelendiğinde, DYY serisi için modelde sabit parametre yer almakta ancak trend eğilimi

gözlenmemektedir. BIT serisinin her bir ülke için zamana göre grafikleri incelendiğinde

ortalamadan sapma eğilimi ve trend eğilimi olduğu görülmektedir. Bu sebeple EO testi için modele

sabit ve trend eklenmiştir. YTI serisinde ise bazı ülkelerde ortalamadan sapma eğilimi ve trend

eğilimi görülmektedir. Bu sebeple EO testi için modelde sabit ve trend kullanılmıştır. EO test

denklemleri DYY, BIT ve YTI serileri için sırasıyla şu şekildedir:

2000 2005 2010 2015yıl

AVUSTRALYA / PORTEKİZ KANADA / SLOVENYA

ŞİLİ / İSVEÇ ÇEK CUMHURİYETİ / İSVİÇRE

ESTONYA / TÜRKİYE ALMANYA / İNGİLTERE

MACARİSTAN / AMERİKA İSRAİL

İTALYA JAPONYA

KORE MEKSİKA

HOLLANDA NORVEÇ

POLONYA

1990 1995 2000 2005 2010 2015YIL

AVUSTRALYA / MEKSİKA AVUSTURYA / HOLLANDA

KANADA / YENİ ZELANDA ŞİLİ / NORVEÇ

DANİMARKA / POLONYA FİNLANDİYA / PORTEKİZ

FRANSA / İSPANYA ALMANYA / İSVEÇ

YUNANİSTAN / İSVİÇRE MACARİSTAN / TÜRKİYE

İZLANDA / İNGİLTERE İRLANDA / AMERİKA

İTALYA JAPONYA

KORE


157

Δ𝐷𝑌𝑌𝑖𝑡 = 𝛼0𝑖 + 𝜙1𝑖𝐷𝑌𝑌𝑖,𝑡−13 + 𝜙2𝑖𝐷𝑌𝑌𝑖,𝑡−1

4 + ∑ 𝛿𝑖𝑡∆𝐷𝑌𝑌𝑖,𝑡−𝑗 +

5

𝑗=1

휀𝑖𝑡

Δ𝐵𝐼𝑇𝑖𝑡 = 𝛼0𝑖 + 𝛼1𝑖𝑇 + 𝜙1𝑖𝐵𝐼𝑇𝑖,𝑡−13 + 𝜙2𝑖𝐵𝐼𝑇𝑖,𝑡−1

4 + ∑ 𝛿𝑖𝑡∆𝐵𝐼𝑇𝑖,𝑡−𝑗 +

5

𝑗=1

휀𝑖𝑡

Δ𝑌𝑇𝐼𝑖𝑡 = 𝛼0𝑖 + 𝛼1𝑖𝑇 + 𝜙1𝑖𝑌𝑇𝐼𝑖,𝑡−13 + 𝜙2𝑖𝑌𝑇𝐼𝑖,𝑡−1

4 + ∑ 𝛿𝑖𝑡∆𝑌𝑇𝐼𝑖,𝑡−𝑗 +

5

𝑗=1

휀𝑖𝑡

EO doğrusal olmayan panel birim kök testi için, 5000 bootstrap tekrar sayısı ile ve maksimum 5

gecikme uzunluğuna izin verecek şekilde ve Akaike bilgi kriteri değerleri kullanılmıştır. Tüm

koşullar sağlanmış olarak EO (2014) birim kök testi uygulanmıştır.

Tablo 4: EO Panel Birim Kök Test Sonucu

F test istatistiği

��𝑨𝑬

Olasılık t test istatistiği

��𝑨𝑬𝒂𝒔

Olasılık

DYY Serisi: 7.698 0.000* 2.596 0.000*

BIT Serisi: 6.113 0.000* 0.948 0.300

YTI Serisi: 5.334 0.000* 0.937 0.700


EO test istatistiği ve hipotezi aşağıdaki gibidir:

��𝐴𝐸 = 𝑁−1 ∑ 𝐹𝑖,𝐴𝐸

𝑁

𝑖=1

𝐻0: 𝜙1𝑖 = 𝜙2𝑖 = 0, simetrik/asimetrik doğrusal olmayan birim kök

𝐻1: 𝜙1𝑖 ≠ 𝜙2𝑖 ≠ 0, simetrik/asimetrik doğrusal olmayan durağan

EO birim kök test sonuçlarına göre DYY serisi, ��𝐴𝐸 test istatistiği ��𝐴𝐸 tablo değerinden daha büyük

olduğu için temel hipotez reddedilmiştir ve dolayısıyla DYY serisi, simetrik veya asimetrik

doğrusal olmayan durağandır. BIT serisi EO testi sonucuna göre, ��𝐴𝐸 test istatistiği ��𝐴𝐸 tablo

değerinden daha büyük olduğu için birim kök temel hipotezi reddedilmekte ve alternatif hipotez

kabul edilmektedir yani BIT serisi, simetrik veya asimetrik doğrusal olmayan durağan bir

yapıdadır. YTI serisi için ise, ��𝐴𝐸 test istatistiği ��𝐴𝐸 tablo değerinden daha büyük olduğu için yine

temel hipotez reddedilmektedir ve YTI serisi de simetrik veya asimetrik doğrusal olmayan

durağandır. Sonuç olarak teknoloji transfer göstergeleri olarak kabul edilen üç seride doğrusal

olmayan yapıda birim kök varlığı incelendiğinde durağan oldukları tespit edilmiştir.


158

Serinin durağan olması halinde asimetrik etkinin varlığı sınanabilmektedir. Asimetrik etki, 𝑡��𝐸𝑎𝑠 test

istatistiği tablo değerinden daha büyük olması durumunda yani temel hipotezin reddedilmesi ve

alternatif hipotezin kabul edilmesi sonucu seride asimetrik doğrusal olmayan davranışların

bulunduğu tespit edilmektedir. Her üç seri de durağan olduğu için serilere 𝑡��𝐸𝑎𝑠 testi uygulanmıştır.

Sonuç olarak DYY serisinde temel hipotez 𝐻0: 𝜙2𝑖 = 0 reddedilmiştir ve alternatif hipotezin

𝐻1: 𝜙2𝑖 ≠ 0 kabul edilmesi sonucu ülkelerin doğrudan yabancı yatırımlarında asimetrik

davranışlar olduğu tespit edilmiştir. BIT ve YTI serilerinde ise temel hipotez reddedilememiştir

ve ülkelerin bilgi iletişim teknoloji ihracatı ve yüksek teknolojili ürün ihracatında asimetrik etki

bulunamamıştır.

Bunun yanı sıra, doğrusallık varsayımı altında serilerde yatay kesit bağımlılık olması üzerine

Pesaran (2007) doğrusal panel birim kök testi sonuçları ve EO doğrusal olmayan panel birim kök

testi incelenerek sonuçlar karşılaştırılmıştır.

EO Testi UO Testi Pesaran (2007) Testi

��𝑨𝑬 ��𝑨𝑬𝒂𝒔 ��𝑵𝑳

DYY 7.698

(0.000) *

1.596

(0.000) *

-2.645

(0.000) *

-3.157

(0.000) *

BIT 6.113

(0.000) *

0.948

(0.300)

-2.575

(0.000) *

-1.827

(0.345)

YTI 5.334

(0.000) *

0.937

(0.700)

-2.716

(0.000) *

-1.953

(0.141)


Yukarıdaki tabloya göre, DYY serisi doğrusal ve doğrusal olmayan panel birim kök test

sonuçlarına göre durağan bir yapı sergilemektedir. BIT ve YTI serilerinde ise uygulanan panel

birim kök testlerinin doğrusallık durumları farklılaştığında sonuçlarda farklılaşmaktadır. Doğrusal

olmayan yapıda birim kök analizi yapıldığında daha önceden de bahsedildiği üzere BIT ve YTI

serilerinin durağan oldukları tespit edilmiştir. Ancak serilere doğrusal panel birim kök testi

uygulandığında sonucun BIT ve YTI için durağan olmadıkları sonucuna ulaşılmaktadır.

Kompleksite iktisadın içerisinde yer alan evrimsel iktisat teknoloji teorisine dayanarak teknoloji

transfer göstergeleri olan bu üç seriye doğrusal olmayan birim kök testi uygulanması gerektiği ve

sonucunda da durağanlık söz konusu olmaktadır. Elde edilen bu sonuç, doğrusallığın dikkat

edilmesi ve doğru tespit edilmesi gereken bir varsayım olduğunu ortaya koyması ile birlikte bu


159

varsayımın ihmal edilmesi halinde araştırmacıyı yanlış sonuçlara ve dolayısıyla yanlış politikalar

almaya yönlendirmesi olası bir durumdur.

5. Sonuç ve Değerlendirme

Teknoloji politikaları, ülkelerin gelişmişlik seviyelerini direkt olarak etkilemesi ile bu gelişim ve

yenilik koşullarını oluşturarak ülkelerin sosyal, siyasal ve ekonomik yapılarına yön vermektedir.

Bu sebeple teknolojik gelişim odaklı ARGE çalışmalarının ve teknolojinin aşamaları olan icattan

transferine kadar olan süreçte doğru politikalar uygulanması gerekmektedir. Bir ülkenin meydana

getirdiği teknolojik yenilik, kendi tarihsel evrimi içerisinde birikmiş bir bilgidir ve dolayısıyla bir

başka ülkeye o yeniliğin transfer edilmesi durumunda adapte sorunu ile birlikte fayda oranında da

bir azalma durumu olası bir sonuçtur. Bu nedenle iletişim ve etkileşim kanalları olan genel, tersine

mühendislik ve planlı kanallar tercihi ile aynı zamanda doğrudan yabancı yatırımlar, ortak ARGE

projeleri, spin – off şirketler, ortak girişim ve lisanslama gibi yöntemlerden uygun teknoloji

transfer yöntemi seçilmesi gerekmektedir.

OECD ülkelerinin teknoloji transfer göstergelerinin zamana göre seyri incelendiğinde durağan bir

yapı sergiledikleri sonucuna ulaşılmıştır. Bu sonucu destekleyen nedenlerden bir tanesi marjinal

getiri oranıdır. Teknoloji ihracatı yapan bir ülkenin sermaye yatırımlarını arttırması sonucu

marjinal getiride azalma söz konusu olmakta ve dolayısıyla diğer ülkelerden yatırım almak isteyen

ve bu sebeple bazı teşvik ve destek planları yapan ülke, teknoloji ihracatı yapan ülkeyi kendi

pazarına çekmeye çalışmakta ve bunu yüksek ihtimalle başarabilmesiyle birlikte yeni pazar

alanları meydana gelmektedir. Bu ise, doğrudan yabancı sermaye yatırımlarında yakınsama

olduğuna kanıt niteliğinde bir durumdur. Bununla birlikte küreselleşme anlamında piyasadaki

baskıları hisseden ülkelerin, kendilerini de rekabetçi konuma getirmek ve arkadan gelerek lider

ülke seviyelerini yakalamak amacıyla yeteneklerini geliştirmeleri ve telafi mekanizmaları

kullanmaları zorunlu olmaktadır. Özellikle bu alanda ileri seviyede olan başarılı kuruluşları

destekleyerek makro organizasyon stratejileri geliştirerek teknoloji transferlerinde önemli

ilerlemeler kaydetmesi sonucu uluslararası networklerde ileri konuma erişmesi ve gelişmiş ülke

seviyelerine yakınsaması söz konusudur. Uluslarası bankacılık ve finans sisteminin gelişmesi,

teknolojik ilerlemeler, para transferlerinin kolaylaşması ve bilişim sektöründeki gelişmeler sonucu

çok kısa bir sürede ve aralarında çok fazla mesafe olan ülkeler büyük fonların transferlerini

sağlamaktadır. Dış yatırımdaki bu artış direkt olarak, transfer yapan ülkeleri yeni pazarlara

yönlendirmekte ve bu şekilde ülkeler arasındaki büyük farklılıkların azalmasıyla yine ülkelerin

yakınlaşmasını sağlamaktadır.

Elde edilen bir diğer sonuç ise OECD ülkelerinin doğrudan yabancı yatırımlarında asimetrik

davranışların tespit edilmesidir. Genellikle enformasyon şeklinde belirtilen bilgi söz konusu


160

olduğunda, daha çok teknik transferin meydana geldiği yani diğer iktisadi ajanlarında kolaylıkla

ulaşıp kendine adapte edebildiği transfer sürecinde mesafeli ilişkilerle ve düşük maliyetlerle

transfer gerçekleşmektedir. Ancak, zamanla karmaşık bir yapıya sahip olan teknolojiler, asimetrik

yani örtük bilgi türünü içermektedirler. Bu durum teknoloji ithalatı yapan ülke açısından kısıtlı bir

erişim ve transfer için dinamik dışsallıklar yaratmaktadır.

Kısaca ülkelerin bilgi edinebilmeleri, teknolojiyi taklit edebilmeleri zorlaşmıştır ve teknoloji

sürecinin evrimci doğası gereği ülke veya firmaların çok fazla çaba göstermeleri gerekmektedir.

Zorlaşan bu teknolojik süreç dolayısıyla küresel anlamda yaşanan gelişmelerin takip edilmesi ve

bunlarla ilgili doğru yöntemlerin uygulanması zorunlu hale gelmiştir. Bu konuda ise özellikle

ekonomi ve yatırım süreçlerinde etkisi bulunan teknolojik şoklar ortaya çıkmaktadır. Reel şokların

içerisinde bulunan öncelikli olarak teknoloji ve daha sonra üretim şoklarının, konjonktürel

dalgalanmaları parasal şoklara kıyasla daha fazla etkilediği yaklaşımı Reel Konjonktür teorisi ile

açıklanmaktadır. Teknoloji transferi yani teknoloji ihracatı ve ithalatı ile yabancı yatırımın dışsal

teknolojik faktör, ARGE harcamaları gibi durumların ise içsel teknolojik faktör olduğu

belirlenmiştir. Bu faktörlerin ekonomide ve konjonktürel dalgalanmalarda pozitif ve negatif

etkilere sebep olduğu anlaşılmaktadır. Sonuç olarak, ekonomide yaşanacak olumsuz herhangi bir

üretim, parasal veya özellikle teknolojik şok, OECD ülkelerinin doğrudan yabancı yatırımlarını

yaşanacak olumlu bir gelişmeden çok daha fazla etkilemektedir. Böyle bir etki bilgi iletişim ve

teknoloji ihracatı ile yüksek teknolojili ürün ihracatı büyüklüklerinde ortaya çıkmamaktadır.

Kaynakça

Ağayev, S. (2010). Doğrudan Yabancı Sermaye Yatırımları Ve Ekonomik Büyüme İlişkisi: Geçiş Ekonomileri

Örneğinde Panel Eştümleşme Ve Panel Nedensellik Analizleri. Gazi Üniversitesi İktisadi ve İdari Bilimler

Fakültesi Dergisi 12/1, 159-184.

Alçın, S., & Güriş, B. (2017). Türkiye’de ARGE Harcamalarının Makina İhracatına Etkisi: 1990-2012 Dönemi İçin

Ampirik Bir Analiz. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 39, Sayı: 2, Aralık 2017.

Amessea, F., & Cohendet, P. (2001). Technology Transfer Revisited From The Perspective of The Knowledge – Based

Economy. Research Policy, 30. Retrieved from

http://time.dufe.edu.cn/wencong/clusterstudy/n3edc3697bfa9d.pdf.

Apergis, N. (2008). Innovation, Technology Transfer and Labor Productivity Linkages: Evidence from a Panel of

Manufacturing Industries. Review of World Economics 2008, Vol. 144 (3).

Chang, Y. (2004). Bootstrap Unit Root Tests in Panels With Cross-Sectional Dependency. Department of Economics

Rice University, 12 – 16.

Colander, D., & Holt, R., & Rosser, B. (2003). The Changing Face of Mainstream Economics. Middlebury College

Economics Discussion Paper, No:03-27, 1 – 14.

Ekiz, F. M., & Aytun, C. (2017). The Relatıonshıp Between Foreıgn Dırect Investments and R&D Expendıtures: The

Case Of G7 Countrıes. Eurasian Academy of Sciences Eurasian Econometrics, Statistics & Emprical

Economics Journal, 2017, Volume 7, 16 – 28.

Emirmahmutoğlu, F. & Omay T. (2014). Reexamining The PPP Hypothesis: A Nonlinear Asymmetric Heterogeneous

Panel Unit Root Test. ELSEVIER Economic Modelling 40, 184 – 90.

Eser, Z. E. (2011). Dünden Bugüne Teknoloji Transferi. M.Ü Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı

Uluslararası İktisat Bilim Dalı Yüksek Lisans Tezi, İstanbul, 30 – 47.

http://time.dufe.edu.cn/wencong/clusterstudy/n3edc3697bfa9d.pdf


161

Freeman Chris & Soete Luc (2004), The Economics of Industrial Innovation. TÜBİTAK Yayınları, Ankara.

Güriş, B., & Tıraşoğlu, M. (2018). Uygulamalı Panel Veri Ekonometrisi. In S. Güriş, İstanbul, Der Yayınları, 374 –

394.

Khalil, T. (2009). Management of Technology: The Key to Competitiveness and Wealth Creation, The Journal of

Business Perspective. Vol 13, No 3, July – Sempember, 91 – 94.

Malatyalı, Ö. (2016). Teknoloji Transferinin Ekonomik Büyüme Üzerine Etkisi: Türkiye Örneği 1989 – 2014.

Kastamonu Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi Temmuz 2016, Sayi:13.

Nelson, R. & Winter, S. (1982). An Evolutıonary Theory of Economic Change, Harvard Unv. Press, USA, 9 – 20.

Oğuztürk, B. S. (2003). Yenilik Kavramı ve Teorik Temelleri. Süleyman Demirel Üniversitesi, İktisadi ve İdari

Bilimler Fakültesi, Y. 2003, C. 8, S.2, 264 – 268.

Radosevic, S. (1999). International Technology Transfer and Catch up in Economic Development. Edward Elgar

Publishing Limited, Cheltenham, UK.

Sollis, R. (2009). A Simple Unit Root Test Against Asymmetric STAR Nonlinearity With An Application To Real

Exchange Rates İn Nordic Countries. ELSEVIER Economic Modelling. Volume 26, Issue 1, January, 118 –

125.

Şak, N. (2018). Uygulamalı Panel Veri Ekonometrisi. In S. Güriş, İstanbul, Der Yayınları, 261-269.

Vergil, H., & Sinay, M. (2013). Dış Ticaret ve Ekonomik Büyüme İlişkisinin Bilgi Transferleri Yönünden

İncelenmesi: Türkiye Örneği. Business and Economics Research Journal. Volume 4, Number 1, 59 – 76.

EKLER

DYY Serisi

Maksimum

F İstatistiği ��𝑨𝑬 ��𝑨𝑬

𝒂𝒔

Hollanda 27.955 6.685* 1.440**

İtalya 17.596 6.111* 1.336*

İzlanda 15.414 5.594* 1.362*

Kanada 14.494 4.777* 1.356*

Finlandiya 13.999 4.200* 1.349

Portekiz 13.975 3.549* 1.088

Norveç 6.738 3.749* 1.095

İsviçre 6.162 3.913* 1.109

Fransa 6.087 3.732* 1.182

Danimarka 5.074 3.610* 1.161

İspanya 5.073 3.464** 1.160

İsveç 5.073 3.164** 1.168

Türkiye 5.073 2.926** 1.046

İsrail 4.875 2.647

Meksika 4.208 2.403

Amerika 3.959 2.092

Kore 3.442 1.755

Almanya 3.075 1.315

Şili 2.112 0.916

Polonya 1.143 0.689

İngiltere 0.689 1.143

Not:*; 0.01, **; 0.10’da anlamlılığı göstermektedir.


162

BIT Serisi

Maksimum


𝒂𝒔

Meksika 39.050 4.544* 0.895

İsviçre 14.945 4.024** 0.858

Çek Cumh. 10.641 3.676

Almanya 9.851 3.333

Şili 6.356 3.155

Portekiz 5.795 2.99

Macaristan 4.979 2.857

Türkiye 4.718 2.724

Estonya 4.582 2.581

İsveç 4.375 2.432

Slovenya 3.592 2.326

İsrail 3.523 2.207

İngiltere 2.970 2.122

Avustralya 2.948 2.019

Polonya 2.548 1.943

Japonya 2.394 1.868

Kore 2.372 1.767

Norveç 2.075 1.69

Kanada 2.027 1.578

İtalya 1.244 1.745

Hollanda 0.984 2.506

Amerika 0.506 0.984

Not: *; 0.01, **; 0.10’da anlamlılığı göstermektedir.


163

YTI Serisi

Maksimum


𝒂𝒔

İzlanda 19.311 4.797* 0.862

İngiltere 16.074 4.346* 0.838

Polonya 12.244 4.017

Yeni Zelanda 12.147 3.663

Norveç 8.101 3.461

İrlanda 7.123 3.287

İsveç 7.032 3.1

Meksika 6.321 2.93

Macaristan 5.055 2.812

Kanada 4.972 2.685

Amerika 4.372 2.58

Avustralya 3.884 2.493

Türkiye 3.884 2.393

Avusturya 3.791 2.286

Şili 3.763 2.163

İspanya 3.739 2.019

Portekiz 3.421 1.879

İsviçre 3.178 1.735

İtalya 2.853 1.595

Japonya 2.825 1.419

Almanya 2.483 1.242

Finlandiya 2.283 1.034

Yunanistan 1.708 0.866

Hollanda 1.415 0.683

Kore 0.789 0.63

Danimarka 0.716 0.543

Fransa 0.543 0.716

Not: *; 0.01’de anlamlılığı göstermektedir.


164

Emek Piyasası Ile Gayri Safi Milli Hasıla Arasında Bağımlılıkların Ekonometrik

Modelleştirilmesi

Ferhad Elif MİRZAYEV1

Leyla Nizameddin HUSEYNOVA2

Özet

Bu çalışmada, Azerbaycan örneğinde, Evilws paket programı yardımıyla, nüfus, Gayri Safi

Yurtiçi Hasıla (GSYİH), ortalama aylık nominal ücret ve yatırımlara bağımlılık için

regresyon denklemleri elde edilmiştir. Elde edilen regresyon denklemleri GSYİH işgücü

piyasası göstergeleri arasında ciddi bir ilişki olduğunu göstermektedir. Model, GDP'yi

yansıtan açıklayıcı bir parametrenin rolünü oynayan ek değişkenleri, simulasyon

deneylerini yürütmüş ve spesifikasyonun doğruluğunu ve kalitesini sağlamak için bir karar

almıştır.

Konu çerçevesinde yabancı ve yerli bilim adamlarının yaptıkları araştırma çalışmaları

öğrenilmiş ve bazı sonuçlardan kullanılmıştır.

Küreselleşme ve mali krizleri ile karakterize edilen modern dönemde Azerbaycan

Cumhuriyeti'nin ekonomik politikasının temel önceliklerinden biri ekonomik büyümenin

teşvik, onun en iyi ve stabil tempinin sağlanmasıdır. Ekonomik büyümenin yarattığı gayri

safi yurtiçi hasılaya etki eden faktörler arasında işgücü piyasası göstergeleri olan nüfus

büyüklüğü, ortalama nominal ücretler, işsizlik oranı, yeni iş yerinin yatırımları ve s.

büyümeyi hem teşvik edebilir ve hem de gecikme etkisi yapılabiliyor.

GSYİH-i oluşturan ekonomik mekanizmanın karmaşıklığı ve yapısal yaratıcı faktörlerin

çevre etkilerinden yeterli derecede korunmaması sonucunda biz bağımlılığın linear

olmayan karakterde olmasını kabul ettik ve ekonometrik model tipi olarak logaritmik

denklem formuna üstünlük verdik. İlk yaklaşımda Eviews yazılım paketinin yardımı ile

GSYİH'nın (y) Nüfus sayısından (x1), ortalama aylık nominal ücretler ilişkin (x4) ve

yatırım katkıları (x5), ortak aslılığı için aşağıdaki regresyon denklemi alınmıştır: ŷ = -

1004,08 + 0,150901x1 – 0,89681x4 – 0,31205x5 + 0,006617x6 Bu ekonometrik model için

"yalancı (kvasi) reqressiyanın" mevcut olması olgusu bulunmuştur, daha doğrusu belli

olmuştur ki, bu modelin katsayıları istatistiksel önemsiz ise seçilmiş izah edici

değişkenlerin GSYİH'a birlikte etkisini önemli kabul edilemez. Böylece taklit süreci

başlamış ve değişikliklerin bileşimini değiştirerek “ek” bir ekonometrik model yaratmak

için model deneyler yapılmıştır. Deneyler sırasında işgücü kaynakları (x2) ve ekonomik

olarak aktif nüfus (x3) kullanılmıştır. Yapılan ekonometrik araştırmalar sonucunda

GSYİH'nın işgücü piyasası göstergelerine bağımlılığını yansıtan regresyon modelinin en

son versiyonu şöyledir: LnY = 1497,28 + 0,0001x2 – 0,0026x3 + 0,0055x4 Determinasi

katsayısı-R2=0,9949

Bu ekonometrik modelin ekonomik interpretasiyasına göre emek kaynaklarının her 1000

kişi artması sonucunda GSYİH 0,0001 milyon lira artıyor, ekonomik aktiv nüfusun her bin

kişi artması GSYİH'a ters etki yaparak onu 0,0026 milyon lira azalıyor, ortalama aylık

nominal maaş bir lira artması GSYİH ise 0.0055 milyon manat artıyor. Bu ilişki denklemin

b0, b2, b3 və b4 katsayılarından hep biri istenilen etibarlılıq seviyesi için statistik

ehemiyyetli hesap edilmiştir. (Huseynova,2016, seh.67) Model için DW1,74 fiyatı

alınmıştır ve 1,728- DW1,74-2,272 şerti ödendiği için avtokorrelyasiyanın olmaması

hakkında H0 hipotezi kabul edilmiştir.

1 [email protected], Bakü Devlet Üniversitesi, Uygulama Matematik ve Kibernetik Fakültesi, İktisadi Kibernetik

Bölümü, Bakü / Azerbaycan 2 [email protected], Azerbaycan Devlet İktisadi Üniversitesi, Ekonometri ve Statistik bölümü, Bakü /

Azerbaycan


165

Ramsay testinin yardımıyla bu modele dahil edilmemiş, değişenlerin olup - olmaması

olgusu denetlenmiştir. Bu amaçla modele GSMH'Yİ yansıtan açıklayıcı parametre rolünü

oynayan 2 ve 3 ilave değişenler dahil edilerek imitasyon deneyleri yapılan ve her iki

durumda Fstar - fkrit alındığı için önerilen modelin belirtmesinin doğruluğu ve kalitesinin

yüksek olması hakkında karar kabul edilmiştir. (Huseynova, 2017,seh.67) Demek ki, bu

gerileme modeli real ortama yeterince uygun ve güçlü öngörü imkanlarına sahip bir

yönetim mekanizması olarak kabul edilebilir.

Anahtar Kelimeler: Gayri Safi Yurtiçi Hasıla, Yatırımlar, Regresyon Denklemi, Ekonometrik

Araştırmalar,Güvenilirlik Düzeyi, Açıklayıcı Parametre

JEL Sınıflaması: J1L, C11,C13

On The Trade Market Products The Econometric Model Of Gross Domestic Product

(GDP)

Abstract

Econometric modeling of goods market goods on gross domestic product (GDP)

In this study, in the case of Azerbaijan, regression equations were obtained with the help

of the Evilws package program for the dependency on the population, the Pure Gross

Domestic Product (GDP), the average monthly nominal wage and investments. The

regression equations obtained show a serious relationship between the GDP labor market

indicators. The model carried out simulation experiments with additional variables that

played a role of an explanatory parameter reflecting GDP and made a decision to ensure

the accuracy and quality of the specification.

Literature Review: Research studies conducted by foreign and domestic scientists on the

topic have been learned and used in some results.

One of the basic priorities of the economic policy of the Republic of Azerbaijan in the

modern era characterized by globalization and financial crises is to promote economic

growth, to provide its best and stable temp. Factors affecting gross domestic product

generated by economic growth include population size, average nominal wages,

unemployment rate, investment in new workplace and p. he can both grow and encourage,

and he can make a delay effect.

Findings and Discussion: As a result of the complexity of the economic mechanism that

constitutes the GDP and the lack of sufficient structural developmental factors, we admitted

that dependency is non-linear, and gave superiority over the form of logarithmic equation

as the econometric model type. In the first approach, with the help of the Eviews software

package, the following regression equation was taken for the commonality of GDP (y)

Population (x1), average monthly nominal wages (x4) and investment contributions (x5):

ŷ = - 1004,08 + 0 , 150901x1 - 0,89681x4 - 0,31205x5 + 0,006617x6 For this econometric

model, the existence of a "pseudo-credit" has been found, more precisely, if the coefficient

of this model is statistically insignificant, the effect of the selected regressor variables on

GDP is significant unacceptable. So the imitation process started and model experiments

were carried out to create an "additional" econometric model by changing the composition

of the changes. Labor resources (x2) and economically active population (x3) were used

during the experiments. The latest version of the regression model, which reflects the

dependence of GDP on labor market indicators as a result of the econometric surveys, is as

follows: LnY = 1497,28 + 0,0001x2 - 0,0026x3 + 0,0055x4 Deterministic coefficient R2

= 0,9949


166

Conclusion and Suggestions: According to the economical interpretation of this

econometric model, GDP increases by 1000 thousand liras every 1000 people as a result

of increase in labor resources, every thousand people increase in economic active

population and it is decreasing by 0,0026 million liras by adversely affecting GDP, the

average monthly nominal salary is a pound increase of GDP by 0.0055 million manats.

This correlation is calculated statistically for the desired level of uniformity from the

equations b0, b2, b3 and b4. (Huseynova,2016, pp.67) The price for DW1,74 was taken for

the model, and the H0 hypothesis was accepted for the lack of autocorrelation because

1,728-DW1,74-2,272 strains were paid. With the help of the RESET Ramsay test it is

checked whether this mode is included or not. For this purpose, it has been accepted that

the accuracy and quality of specifying the proposed model for Fstar - fkrit reception in both

cases, in which the imitation experiments are carried out by adding 2 and 3 additional

variables that play the role of the descriptive parameter reflecting the model GDP, is

adopted. (Huseynova, 2017,seh.67) This regression model can therefore be regarded as a

management mechanism with adequate and strong foresight.

Keywords: Gross Domestic Product, Investments, Regression Equation, Econometric Investigations,

Reliability Level, Descriptive Parameter

JEL Classificiation: J1L, C11, C13

1. Giriş

Azerbaycanda son yıllarda başarıyla gerçekleştirilen sosyal-ekonomik politika vektörel en önemli

bileşenlerden biri emek bazında talep ve teklifin optimal dengesinin sağlanması ve korunmasıdır.

Bu durumda emek piyasası emekle ilgili hem sosyal, hem de ekonomik fonksiyonların etkin

şekilde gerçekleştirilmesini, ayrıca pazarın katılımcıları arasında rekabet girişkenliği gelişmesi,

daha verimli çalışmaya önceliğin verilmesi, meslek eğitiminin yükseltilmesi gibi stimullaşdırıcı

fonksiyonlarını uygun stratejiler düzeyinde çözebilir.

Eğer emek pazarına emeğin önerinin ve emeğe olan talebin uzlaştırılması ile ilgili ekonomik

ilişkilerin topu gibi bakarsak, o zaman bu pazarın kompleks analizi birkaç doğrultuda - emek

pazarının dinamiğinin araştırılması yönünde, toplam işgücü piyasasının içinde fonksiyonel alt

sistemlerin dekompozisiyası (somut amaçlı piyasaların ayrılışı) yönünde, emek piyasasına gayri -

biçimsel iktisadiyyatın etkisinin araştırılması yönünde, ayrıca işgücü piyasasının düzenlenmesine

hizmet eden praktik mekanizmaların hazırlanması yönünde ve s. yapmak olur.

Emek piyasası emeğe olan talep ve önerilerin düzenlenmesi mekanizması olarak emek ilişkileri

sektörünün tüm bileşenlerini - alışveriş sektörünü (işgücü alım-satqısı), işgücünün dağılımı ve

kullanımı sektörünü, ayrıca işgücü piyasasının gelişiminin öngörülmesi için önem arz eden emeğin

tekrar üretimi sektörünü kapsıyor.

Emek piyasasının konyukturasına bu piyasayı oluşturan vektörel tüm yapısal bileşenlerinde emeğe

olan taleple teklifin oranı ile belli olduğunu kabul edersek, o zaman bu pazara etkileyen unsurları

3 ana bloke ayırmak mümkündür:


167

Şekil 1: Emek Pazarına Etkileyen Unsurlar

Azerbaycanın işgücü piyasasının durumu ve nüfusun istihdamı sektörünün düzenlenmesi küresel

sosyal - ekonomik sonuçlara sahip sorundur. Çünkü, bir yandan emek piyasası makroekonomik

sistemin yapısal vektörel bileşeni olarak isyan ediyor ve ülke ekonomisinin faaliyetlerinin

verimlilik göstergesi bu bileşenin faaliyetlerinin verimlilik özelliğinden hattı şekilde bağlıdır. Öte

yandan, ekonomik sistemin gelişiminin bir dizi sosyal süreçlere gösterdiği etki işte emek pazarında

emeğe teklif edilen fiyatla belirlenir. Nitekim piyasa ilişkileri sisteminde emek pazarındaki

değişiklikleri üs değişikliği gibi diğer pazarları karakterize eden süreçleri ise üreme amaçlı süreçler

olarak değerlendirilebilir.

2. Literatür

Emek piyasasının kibernetik (siber) sistem gibi özelliklerinin sistematik incelenmesi ve

ekonometrik modellendirilmesi ve öngörülmesinin çeşitli yönleriyle H.E.Kobrinskiy, M.Menesku,

K.A.Baqrinovski, C.M.Çetirkin, K.Douqerti, F.Fişer, Y.Maqnus, S.Borodiç ve s. kimi alimler

tarafından araştırılmıştır. Azerbaycan'da ülkenin ekonomik süreçlerinin ekonometrik

modelleşdirilmesi ve öngörülmesinin bu veya diğer sorunları ile Q.C.İmanov, Y.H.Həsənli,

A.F.Musayev, S.M.Yaqubov, Ş.M.sSdıqov, R.Ə.Balayev, R.R.Quliyev, Y.İ.Hacızalov ve s.

adamlar uğraşmışlar.

Bu yazarların araştırmalarında emek pazarına sistemli yaklaşılmamış, onun kibernetik (siber)

özellikleri tespit edilmemiş, bu pazarda parametreler arasında ilişkiler sistem halinde tetkik

edilmemiş, veriler arasındaki bağımlılıklar ekonometrik qiymetlendirilmamişdir.Odur böyle

araştırmaların yapılmasına zeruret vardır ve bizim işin görülmesi bugün çok günceldir.

Son yıllarda ekonomide başarıyla gerçekleştirilen kompleks reformlar ülkenin emek piyasasına

da ciddi etki göstermiş, burada önemli olumlu değişikliklere başarmıştır. Nitekim devlet

sektöründe çalışanların oranı önceki dönemin% 35 - e yakın göstergesi ile karşılaştırıldığında

önemli ölçüde azalarak 2016 - cı yılında% 24 - e ulaşmıştır.

Yapılan sistemli araştırmalar sonucunda emek piyasası ile ilgili göstergelerin 2005 - 2016 - cı

yıllarda değişme dinamiği için aşağıdaki takımlar alınmıştır:

1 2

Emek piyasasının

Konjonktürü Demogra

fik

unsurlar

bloku

Doğal -

resurs

faktorları

bloku 3 Sosyo-ekonomik

faktörler bloku


168

Ülke nüfusunun önceki yıla göre artış hızı (2005-2016 yıllar):

{1,000; 1,013; 1,013; 1,013; 1.016; 1,008; 1,013; 1,014; 1,013; 1,013; 1,012; 1,012

Ülke çapında emek rezervlerinin artış hızı: {1,000; 1,027; 1,024; 1,020; 1,017; 1,017; 1,014; 1,011;

1,010; 1,009; 1,008; 1,002

Ekonomik aktif nüfusun içinde ekonomide ilgilenenlerin sayısının dinamiği:

{0,927; 0,934; 0,937; 0.941; 0,942; 0,944; 0,946; 0,948; 0,951; 0,950; 0,950

Ülkede işsizlerin sayısının önceki yıla göre değişme sırası (2008 - 2016 - cı yıllar diliminde):

{1,000; 0,992; 0,992; 0,997; 0.969; 0,973; 1,005; 1,025; 1,037

Bu takımların bünyesinde yapılan sistemli analiz Azerbaycan Cumhuriyetinde son yıllarda işgücü

piyasasının tavrı ve gelişme ortamını aşağıdaki gibi değerlendirmeye olanak sağlıyor:

Son dönemlerde ülke nüfusu yüzde 16,8, işgücü rezervleri ise yüzde 10,8 arttığı halde, istihdamın

artışı yüzde 11,8 olmuştur. Görüldüğü gibi çalışan nüfusun artış hızı emek rezervlerinin artış

temposundan % 1 öndedir. Bunu ülke yönetiminin istihdam ve yeni işyerlerinin açılması ile ilgili

stratejisinin zaferi olarak değerlendirebiliriz.

Tetkik edilen dönemde nüfus memuriyeti göstergesi üzere birlikte hızlı büyüme dinamiği

müşahede edilmiştir, ama artış hızı giderek aşağı düşmüştür.

Emek piyasasında talep ve teklifin oranında keskin değişiklikler gözlem olunmasa da, herhalde

dünya mali krizin yarattığı zararlar bu pazarda belli bir gerilim yaratmıştır.

Ülkede nüfusun istihdam ve işsizlik sorunlarını çözmek için gerçekleştirilmesi gerekli olan önemli

sorunlardan biri de ülke ekonomisine yabancı yatırımların teşvik edilmesini etkinleştirmek, bunun

için çekici yatırım ortamının oluşturulmasıdır. Bu bakımdan ülkeye çeken edilmiş yabancı

sermayenin ülke nüfusunun istihdam ve işsizlik sorunlarının çözülmesinde oynadığı rolün

kemiyyetce değerlendirilmesi işgücü piyasasının yönetilmesi açısından önemli amaç olarak öne

çıkıyor.

Böylece yapılan sistemli analiz sonucunda böyle bir yargıya varabiliriz, ülke nüfusunun

istihdamının sağlanması sadece ekonomik nitelikli değil, hem de sosyal nitelikli sorun olarak

deyerlenmelidir ve bu sorunun uygun stratejiler düzleminde çözümü ülkenin emek piyasasında

talep ve teklifin düzenlenmesine ortam yaratacaktır.

Dünya finans krizi ortamında ülkenin siyasi ve sosyo-ekonomik durumuna doğrudan etki etme

gücünde olan bir kurum olarak değerlendirilen işgücü piyasasının etkin faaliyeti sorununun

çözümü özel önem arz etmektedir. Nitekim krizin etkisi emek pazarında belli bir gerilim yaratmış


169

ve işsiz nüfus artışına yol açmıştır. Nitekim oluşan reel ortam işgücü piyasasının etkin yönetim

stratejileri temelinde düzenlenmesini talep ediyor.

İktisat biliminde işgücü piyasasının düzenlenmesi sorunu hep ilgi odağı olmuş ve bu sorunun

teorik yönleri iki rakurs - klasik yaklaşım ve Keynsçi yaklaşmadan tetkik edilmiştir. Eğer klasik

yaklaşım emek piyasasına kendini ayarlayan sistem gibi bakıyor ve piyasada dengeyi yansıtan

temel unsur olarak emeğin değerini kabul ediyorsa, Keynsçi yaklaşım ücretinin işgücü piyasasının

düzenlenmesi görevini kabul etmiyor, çünkü ücretinin nicelik özelliği birqiymetli şekilde tespit

edilmiştir ve bu rakamda reqressiv değişiklikler bile edilemez. Keynsçi yaklaşıma göre bu

düzenleme işlevini devlet yerine getirmeli ve işgücü piyasasında emek önerisi ve emek talebi

arasındaki dengeyi ortadan kaldırmalıdır.

Araştırmalar gösteriyor ki, emek piyasası karmaşık kibernetik (siber) sistemler için karakteristik

olan tüm özelliklere sahiptir ve bu pazarın optimal yönetimi stratejilerinin kurulmasının en verimli

yolu onun karmaşık sosyo-ekonomik sistemler gibi modelləşdirilmesıdır. Bu sırada modelleme

konusu olarak emek tüm işlevsel xarakteristikları - nüfusun tekrar üretim süreçleri, emek

rezervlerinin sturukturu ve toprak üzere dağıtılması, göç süreçleri, emek ücretinin mevcut durumu,

istihdamın ve işsizliğin seviyesi gibi unsurlar konuşma yapıyorlar.

Iktisadi-kibernetik sistemlerin emek bazarı üçün seviyyeli karakteristikakalarına missal olaraq

tecridlilik ve izafiyeti, tanımlanıyor edilemez, çeşitlilik, belirsizlik, dinamizm ve emercentlik

özelliklerini göstermek olur. Araştırmalar gösteriyor ki, emek piyasası bütün bu sistem

özelliklerine sahip olmakla birlikte, bazı özel (bireysel) xarakteristiklara - unikallıq, zayıf

bağlayıcılık ve qeyri-entropiyalıq özelliklerine de sahiptir.

Emek piyasasının kibernetik ( siber) sistem xarakteristiklarına sahip olması bu pazarın

araştırılması için matematiksel modelleşdirmenın tüm mekanizma, yani optimizasyon

yönteminden, ekonometrik modelcilik yönteminden ve imitasyon modelleşdirilmesi yönteminden

kullanımını mümkün kılıyor. Ama eğer optimizasyon metodu işgücü piyasasının tetkikinde

bireysel kullanım olanağına sahipse, ekonometrik ve imitasyon modelleşdirilmesi yöntemleri

sentez edilerek uygulanmalıdır.

Sosyoekonomik sistemlerin bir tipi olmak üzere emek piyasasının işleyiş mekanizması aşağıdaki

fonksiyonel - differensial tipli modelle ifade edilebilir:

𝑑𝑞

𝑑𝑡= 𝐹(𝑄, 𝑌, 𝐿, 𝑍, 𝑒)

Burada Q - emek piyasasının iç durum vektörel; Y - emek pazarına etkileyen dış ortam unsurları

vektörel, L - emek piyasasının kendi kendini düzenleme işlevleri vektörel, Z - devletin yönetim

amacıyla emek piyasasına uyguladığı amaçlı etkiler vektörel, e - çevrenin belirsizliğinin


170

doğurduğu rastgele unsurdur. F ise emek piyasası girişinin (etkileyici unsurlar çokluğunun)

konuşmaya (emek piyasasının dinamikleri) dönüşümünü sağlayan operatör olarak bakılıyor.

Önerilen düzenleme modelinde Y ve L bileşenlerin katılımı onu emek piyasası için optimal

davranış stratejilerinin belirlenmesi için işlek mekanizmaya çevirir. Fakat bu durumda emek

piyasası sistemi için mutlaka optimallıq kriteri seçilmelidir. Ülkede işsizliğin nicelik özelliği

optimumu (Cmin) ve istihdamın nicelik özelliği optimumu (Kmax) işgücü piyasasının optimal

tavrı ve gelişimini sağlayan optimallıq kriteri gibi yararlı değil. Ülkenin işgücü piyasasının durumu

vektörel sadece o halde uygun görülebilir ki, S ve K özellikleri kendi kritik sınırlarını aşmasın

(işsizlik için bu sınır [a; b] oblastı, istihdam için ise [c; d] oblastıdır).

Ülke ve bölgesel işgücü piyasalarının faaliyetlerinin iyileştirilmesinin başka bir yönü ise

Azerbaycan Cumhuriyeti'nin çeşitli üretim alanlarında somut istihdamla çalışma gücüne verimli

talebin balanslılığı ile ilgilidir. Bu rakamların nicelik özelliklerinin birbirinden farklılaşmasını

yansıtan M parametrenin minimum olmasını da işgücü piyasasının gelişiminin optimallıq kriteri

olarak kabul etmek mümkündür.

Emek piyasasında yaşanan süreçlerin düzenlenmesi stratejisinin ağırlık merkezini bu pazarın

durumunun öngörüsü oluşturuyor. Çünkü bu öngörüler doğrultusunda işgücü piyasasının birimleri

uyguladıkları stratejinin olgunluk derecesini ve sonuçlarının adekvatlıq'ını değerlendirebilirler.

Emek piyasası ile ilgili öngörü hayata geçirmek için hem nicelik analizine, hem de kalite analizine

dayanan çeşitli yöntemler kullanmak olur. Bu durumda emek piyasasının öngörülmesinin nicelik

instrumentariləri olaraq optimallaşdırma, ekstrapolasyon, ekonometrik modelcilik ve imitasyon

modelleşdirilmesi yöntemleri uygulanabilir. Emek piyasası ile ilgili öngörü yürüten zaman ülkenin

sosyo-ekonomik durumunu belirleyen birçok unsurlar sistemli şekilde ilişkilendirilmelidir. Bu

unsurların karşılıklı ilişkisi ise işlevsel bağımlılıklar düzleminde değil, stoxastik (korelyasiya)

bağımlılıklar düzlemi üzerindedir. Nitekim temel araştırma ve öngörü aracı olarak bağımlılıkların

ekonometrik modelleşdirilmesi metodu, daha doğrusu bu modelciliği "kara kutu" olarak görülen

emek piyasası sisteminin giriş ve çıkış bileşenlerinin gayri-kemiyet nitelikli olmasını öngören

ayırma veya ortakdeğişke tahlili mekanizması değil, bileşenlerin nicelik nitelikli olmasına dayanan

korrelyasiya-reqressiya tahlili mekanizması uygulanmalıdır.

Böylece yapılan sistemli araştırmalar böyle bir yargıya varmaya olanak veriyor emek piyasasının

incelenmesi ve öngörülmesinde tam önceliğe sahip tek bir matematiksel mexanizm teklif etmek

mümkün olmasa da, daha verimli ve gerçekçi şekilde uygun sonuçlar veren yöntemler olarak

ekonometrik modelcilik metodu ve bu metodun toplu işlemler için modifikasyonu sayılabilen

toplu hizmet nazari konuşma yapıyor. Azerbaycan Cumhuriyeti'nin işgücü piyasasının


171

incelenmesi ve öngörülmesi meselesinin çözümünde matematiksel modelleme bu yöntemlerine

ağırlık vermek isabetlidir.

Küreselleşme ve finans krizleri ile karakterize eden modern dönemde Azerbaycan

Cumhuriyeti'nin ekonomik politikanın temel önceliklerinden biri ekonomik büyümenin

canlandırılması, onun uygun ve dengeli temponun sağlanmasıdır. Ekonomik artışın

cisimlenmek'tığı gayri safi milli hasılaya etkileyen unsurlar arasında işgücü piyasasının

göstericileri- nüfusu, ortalama nominal ücretleri, işsizliğin seviyesi, yeni işyerlerinin açılması vs.

kendilerinin bu artışı canlandıran ve ayrıca geciktiren etkileri ile dikkat çeken ediyorlar.

GSMH'Yİ oluşturan ekonomik mekanizmanın karmaşıklığı ve sturuktur kurucu unsurların

çevrenin etkilerinden kafi derecede korunmaması sonucunda biz belirtme aşamasında bağımlılığın

gayri-hattı nitelikte olmasını kabul ettik ve ekonometrik model tipi olarak logoritmik denklem

biçimine tercih ettik.

İlk yaklaşımda Eviews program paketinin yardımıyla NİN (y) nüfusundan (x1) ekonomi üzere

ortalama aylık nominal ücretinden (x4) ve yatırımlarından (x5) ortak aslılığı için aşağıdaki

gerileme denklemi alınmıştır:

lnY=15,5287-0,009x2+0,082x4+0,0001x5

Bu ekonometrik model için "yalancı gerilemenin" mevcut özgü değildir, ezeli gerçeği

bulunmuştur, daha doğrusu anlaşılmıştır ki, bu modelin katsayıları istatistik ehemiyyetsizdir ve

seçilmiş açıklayıcı değişenlerin GSMH'YE ortak etkisini önemli olduğunu söyleyemeyiz. Nitekim

imitasyon sürecine başlanmış ve değişikliklerin içeriğinin değiştirilmesi yoluyla "ekli"

ekonometrik model kurmak için model deneyleri yapılmıştır. Deneyler sırasında emek

kaynaklarının sayısı (x2) deyişeninden ve ekonomik aktif nüfus (x3) göstergelerinden

kullanılmıştır. Yapılan ekonometrik araştırmalar sonucunda NİN emek bazarı göstergelerinden

bağımlılığını yansıtan gerileme modelinin son seçeneği aşağıdaki gibi alınmıştır:

𝐿𝑛𝑌 = 1497,28 + 0,0001𝑥2 − 0,0026𝑥3 + 0,0055𝑥4

𝑅2 = 0,9949

Bu ekonometrik modelin ekonomik yorumuna göre emek kaynaklarının her 1000 kişi artması

sonucunda GSMH 0,0001 milyon manat artır, ekonomik aktif nüfusun her bin kişi artması

GSMH'YE aksi etki ederek onu 0,0026 milyon manat azaltır, ortalama aylık nominal ücretinin bir

mana artması ise GSMH'Yİ 0,0055 milyon manat artırıyor.

Bu ilişki denkleminin b0, b2, b3 ve b4 emsallerinden her biri istenilen güvenilirlik düzeyi için

istatistik önemli düşünülmüştür. Model için DW1,74 fiyatı alınmıştır ve 1,728- DW1,74-2,272

şartı ödendiği için avtokorrelyasiyanın olmaması hakkında Ho hipotezini kabul edilmiştir.


172

Yerleşik modelin işgücü piyasasının gerçekleriyle ilişkisini netleştirmek için RESET Ramsey

testini kullanalım. Bu amaçla modele GSMH'Yİ yansıtan açıklayıcı parametre rolünü oynayan y

2 ve y 3 ilave değişenler dahil edilerek imitasyon deneyleri aparlmış ve her iki durumda Fstat-

Fkrit alındığı için önerilen modelin belirtmenin doğruluğu ve kalitesinin yüksek olması hakkında

karar kabul edilmiştir. Demek ki, bu gerileme modeli reel ortama yeterince uygun ve güçlü öngörü

imkanlarına sahip bir yönetim mekanizması olarak kabul edilebilir.

Ülkenin işgücü piyasasının verilerinin sistematik analizi, son yıllarda bu pazarın tüm temel

özellikleri üzere genellikle olumlu değişiklikler müşahede edilmiştir. Öyle ki, ülke nüfusunun artış

tempi1,3%, emek rezervlerinin artış trmpi% 1,5, emek yetenekli yaşta olan emek yetenekli

nüfusunun artış hızı% 1,7 olmuştur. Tedkik edilen zaman aralığında ekonomide çalışan ahalinin

sayısı% 0,2 - lik artış dinamiği ile değişmiştir. Ülkede çalışan nüfusun artış hızı emek rezervlerinin

artış temposunu aşıyor. Bunu ülke yönetiminin istihdam ve yeni işyerlerinin açılması alanında

uyguladığı stratejinin başarılı sonucu olarak kabul edilebilir.

Araştırmalar gösteriyor ki, emek piyasası hem büyük sistem, hem emercentlik yeteneğine sahip

karmaşık sistem, hem dinamik sistem, hem de çevrenin bozucu etkilerine maruz kalan stoxastik

sistem gibi ekonomik – kibernetik(siber)sistemlere aittir ve bu pazarın optimal yönetimi

stratejilerinin kurulmasının en verimli yolu onun karmaşık sosyal - ekonomik düzen gibi

Modellenmesidir. Emek piyasasının karmaşık ekonomik – kibernetik (siber) sistem olması ile

ilgili olarak onun iyi yönetilmesini sadece matematiksel modelcilik yöntemi esasında sağlamak

mümkündür. Bu bakımdan hem optimizasyon metodu, hem ekonometrik modelcilik yöntemi, hem

de imitasyon modelleşdirilmesi yöntemi yararlı olsa da, işgücü piyasasının özellikleri onun

araştırmasında ekonometrik modelcilik yönteminden kullanıma üstünlüğün verilmesini talep

ediyor.

Kaynakça

Hüseynova, L.N. (2016). Azerbaycanda emek bazarı göstericilerinin ÜDM-e tesirinin ekonometrik tehlili. AMEA

İqtisadiyyat İnstitutu “ Elmi eserler “ toplusu elmi-praktik jurnalı, 4, 67-75.

Гусейнова, Л.Н. (2017). Эконометрический анализ показателей рынка труда Азербайджана. Журнал « Новая

Экономика « .Минск, 1, 41-48.


173

Factors Affecting Public Health Expenditures: A Bayesian Approach

Kadir KARAGÖZ1

Mwoya BYARO2

Abstract

Health system financing is a costly matter for all governments. The cost of expensive

medical services, the increase in population and average life span cause a significant

increase in public health expenditures. Adoption of the "social state understanding" also

feeds this increase.

In particular, the financing of health services is important for developing countries with

relatively limited resources. Turkey is also struggling with high health spendings in recent

years. Social security and health expenditures are a very heavy burden on the budget. So,

it is important to determine which factors are influential on public health expenditures in

order to follow more rational and realistic policies.

In this paper, determinants of public health expenditures in Turkey are investigated via a

Bayesian point of view. According to posterior estimates from MCMC simulation elderly

population ratio, school enrollment and per capita income has significant effect on the

public health expenditures in Turkey where the later has negative impact. Considering the

rising proportion of the elderly population and the level of education in Turkey, it can be

expected that the burden of public health expenditures will increase further in the following

years.

Keywords: Public Health Expenditures, Turkey, Bayesian analysis, Markov Chain Monte Carlo (MCMC).

JEL Classification: C22, H51, I10.

Kamu Sağlık Harcamalarını Etkileyen Faktörler: Bayesyen Bir Yaklaşım

Özet

Sağlık sisteminin finansmanı tüm hükümetler için maliyetli bir konudur. Pahalı tıbbi

hizmetlerin maliyeti, nüfus artışı ve yaşam süresinin uzaması hükümetin sağlık

harcamalarında ciddi bir artışa neden olmaktadır.

Sağlık hizmetlerinin finansmanı, özellikle kısıtlı kaynaklara sahip olan gelişmekte olan

ülkeler için önem arz etmektedir. Türkiye de son yıllarda yüksek sağlık harcamalarıyla

boğuşmaktadır. Sosyal güvenlik ve sağlık harcamaları bütçe üzerinde ağır bir yük

oluşturmaktadır. Bu nedenle, daha akılcı ve gerçekçi politikalar izlenmesi açısından kamu

sağlık harcamalarının etkileyen faktörlerin belirlenmesi öenm arz etmektedir.

Bu çalışmada, Türkiye’de kamu sağlık harcamalarının belirleyen faktörler Bayesyen bakış

açısıyla incelenmiştir. MCMC simulasyonundan elde edilen sonuçlara göre yaşlı nüfus

oranı, eğitim düzeyi ve kişi başına gelir düzeyi kamu sağlık harcamaları üzerinde anlamlı

etkiye sahiptir ve sonuncu değişken hacamaları negatif yönde etkilemektedir. Türkiye’de

yaşlı nüfus oranı ve eğitim düzeyindeki artış dikkate alındığında kamu sağlık harcamaları

yükünün gelecek yıllarda daha artması beklenebilir.

Anahtar kelimeler: Kamu sağlık harcamaları, Türkiye, Bayesyen analiz, Markov Zinciri Monte Carlo

(MCMC).

JEL Sınıflaması: C22, H51, I10.

1 Assoc. Prof., [email protected], Manisa Celal Bayar University, FEAS. 2 [email protected], University of Zambia, School of Public Health.


174

1. Introduction

Financing the health system is a costly matter for all governments. The costly technological

advances in medical services, the increase in population and average life span may cause a

significant increase in public health expenditures. It can be said that "social state understanding",

which has become increasingly widespread in recent period, also feeds this increase. On the other

hand, following the pioneering work of Mushkin (1962), the bulk of the empirical researches on

health expenditures and growth relationship found that health expenditures has stimulating impact

on economic growth (see inter alia, Grossman, 1972; Newhouse, 1977; Hansen and King 1996;

Bloom and Canning 2000; Beraldo et al., 2009; Tang, 2011). This positive effect, which is known

as health-led growth, is caused by the increase in productivity of healthy individuals and by

investments. Therefore, governments can contribute to economic growth through health spending.

This positive impact also facilitates the financing of health expenditures.

Countries that developed and reached a certain level of prosperity can allocate more resources to

improve the quality and quantity of health services, as they are investments in the human resource.

In order to protect and improve the health of their citizens, which is a key element of economic

development, and the treatment of diseases, developed countries allocate more shares from their

gross national product (GNP). In fact, these countries, which have reached a certain physical and

human infrastructure capacity, can allocate more resources to the health sector. In the societies

where healthy and educated people takes place, high productivity is ensured in every field of

production. In other words, as a result of development, more resources can be allocated to

education and health, while people with higher education and health levels are important inputs

for development (Yıldırım, 1994; 14).

Therefore, in particular, the financing of health services is important for developing countries with

relatively limited opportunities. Turkey is also struggling with high health spending in recent

years. Social security and health expenditures are a very heavy burden on the budget. According

to TURKSTAT data, the government undertook 78.5% of total health expenditures in 2016, which

corresponds to 3.6% of GDP. According to estimates by the World Bank in the coming years

health spending in Turkey will increase by 15% per year (Karagöz and Tetik, 2009). For this

reason, it is important to determine which factors are influential on public health expenditures in

terms of monitoring more rational and realistic policies.

In Turkey, empirical analysis to identify factors that impact on public, private or general health

spending is quite scarce. The majority of previous studies were based on frequentist econometric

techniques to investigate determinants of the health care expenditure. Our research paper is

focused on another methodological route that is the Bayesian technique which is, as far as we


175

aware, has not been used yet in the literature to analyze the determinants of public health care

expenditure in Turkey.

2. Public Health Expenditures

Free (i.e. unregulated) markets in health care are rare, almost all health care systems in the world

operating with some level of government intervention (Donaldson and Gerard, 2005; 15). Even in

the most market-orientated economies a common, everyday commodity like food is subjected to

some limited level of government intervention in its financing and sometimes in its provision.

However, in health care, government intervention is much more extensive than this. Intervention

in the health care market often involves governments in purchasing care on behalf of consumers

and even providing such care (Donaldson and Gerard, 2005; 29).

Health care services are organized under three headings: preventive, therapeutic and rehabilitation

services (Yıldırım, 1994: 12). In Turkey, public sector is the largest financier of health services

(via Social Security Institution) as well as the largest supplier (via public, university and military

hospitals). The main sources of financing for public health expenditures are taxes and insurance

premiums deducted from employees (Karagöz and Tetik, 2009).

From the finance point of view public health expenditures can be decomposed into three parts: i)

current expenditures (stuff and other current expenditures), ii) investment expenditures, and iii)

transfer expenditures. Another distinction can be made from a functional point of view:

expenditures for general management and support services, preventive health services, therapeutic

health services, and other services.

3. Literature Review

Sıddıki et al. (1995) determined that per capita GDP, education and urbanization in Pakistan

positively affected the health infrastructure and resources of the country and thus health

expenditures. In a later study, Toor and Butt (2005) showed that socio-economic factors play an

important role in health expenditures in the case of Pakistan. In addition, the ratio of literacy and

the rate of GDP growth were also important factors affecting health expenditures positively.

Di Matteo (2004), in his analysis of a wide set of variables at the state level for Canada, found that

age was slightly effective on health expenditures, while the effects of other variables were

constant. The impact of technological change, policy change, new diseases, preferences and

expectations on health expenditures has been expressed by the effect of time and it is determined

that this effect explains 40% of the change in expenditures. He concluded that factors such as

income, number of physicians, the importance that the government gives to health expenditures

are also related to health expenditures.


176

Dreger and Reimers (2005), using panel cointegration analysis, investigated the relationship

between health expenditures and GDP and medical development (life expectancy, infant mortality

rate, elderly population ratio) in 21 OECD countries. They conclude that GDP is an important

explanatory variable and income elasticity of expenditures is less than unity (health expenditures

are not luxury goods). On the other hand, life expectancy, which is used as a measure of medical

progress, and elderly population ratio were determined as factors that have a significant effect.

Rahman (2008) investigated the factors affecting public spending in India in the period 1971-1991

using panel data model and found that the real income and education level per capita had a

significant effect on regional public health expenditures; It was concluded that population rates do

not have a significant effect. The calculated income elasticity (0.47) indicates that health care is

not a luxury property.

In a recent paper Byaro et al. (2018) used Bayesian approach and Markov Chain Monte Carlo

(MCMC) simulation in order to identify the determinants of public health expenditures in

Tanzania. The empirical result shows that both the real GDP per capita and population age 65

years and older exert a positive effect on per capita public health expenditure growth. Advances

in medical technologies represented by life expectancy seem to reduce real per capita public health

expenditure growth in Tanzania. However, the credible intervals for life expectancy and

population age 65 years and older are very wide suggesting a lot of uncertainty with these

estimates. The results imply that, future trends in per capita public health spending would mainly

depend on the development of the economy such as real per capita gross domestic roduct.

Empirical analysis to identify factors that impact on overall health spending in Turkey is very

scarce. Bilgel (2003), which covers a relatively long period of time, examined the determinants of

health expenditures per capita without public-private discrimination. The relationship was tested

by considering that health expenditures are functions of variables such as per capita GNP, ratio of

population below 15 years and over 65 years to total population and ratio of higher education

population to total population. In addition, with the help of dummy variables, the effects of

structural changes have been tried to be determined. The estimates suggest that the current and

one-year lagged value of the proportion of population over 65 years of age only had a significant

effect on health expenditures (even though the sign is negative compared to expected) and that

other variables did not have a significant effect. On the other hand, it was found that the contraction

in public expenditures between 1981 and 1988 increased the public expenditure on non-public

autonomous health.

In another paper, Karagöz and Tetik (2009) investigated the impact of a set social and demographic

variables on the public health spending in Turkey. The long-term coefficient estimates show that


177

the ratio of public health expenditures to GDP was statistically significantly affected by the

previous year's expenditure rate, the previous year's personnel and infrastructure expenditures, and

the average life expectancy. The fact that other variables did not have a significant effect on health

expenditures suggests that public health expenditures are autonomous and that the budgetary

constraints on public expenditures (indicated by Culyer (1988)) and the different layers of

government might be effective on health expenditures. In the short term, no variable seems to have

a significant effect.

4. Methodology

In this paper, determinants of public helath expenditures are investigated via Bayesian

methodology. In Bayesian approach, the unknown parameter 휃 is considered to be a random

variable. Bayes Theorem is given in the formula:

𝑝(휃|𝑦) =𝑝(𝑦|휃)𝑝(휃)

𝑝(𝑦) (1)

Equation (1) is defined as: the probability (𝑝) that a belief (휃) is true given new evidence or data

(𝑦) equals times the probability that the evidence (𝑦) is true given that the belief (휃) is true times

the probability that the belief (휃) is true regardless of that evidence divided by the probability that

the evidence (𝑦) is true regardless of whether the belief is true.

𝑝(𝑦) = ∫ 𝑝(𝑦|휃) 𝑝(휃)𝑑휃 (2)

𝑝(휃|𝑦) ∝ ∫ 𝑝(𝑦|휃) 𝑝(휃) (3)

where 𝑝(휃|𝑦) is the distribution of the parameters given the data (posterior distribution), 𝑝(𝑦) is

marginal likelihood or model evidence, 𝑝(휃) prior from theoretical or other prior

information, 𝑝(휃|𝑦) is likelihood function of the data.

In the Bayesian estimation process, the point estimation of the parameters as in the classical

approach is not obtained. Instead, the weighted average of the posterior distribution of the

parameters is calculated and interpretations are made depending on the confidence (HPD, highest

probability density) intervals rather than point estimates. Here, reciprocal of the variance

(precision parameter) is used as the weight.

Since the posterior distribution involves integration in equation (2), Markov Chain Monte Carlo

(MCMC) algorithm simply integrates and approximates the estimations precisely.

5. Findings

We analyzed Turkey’s data from 1988 to 2016. Necessary data set is derived from TURKSTAT

and the World Bank’s electronic database (WDI-online).


178

The likelihood of data observations were drawn with a normal distribution of mean (𝜇𝑖) and

precision(𝜏). The mean (𝜇𝑖 ) was given a normal prior with mean 0 and precision 0.001, and 𝜏 was

given a gamma (0.1, 0.01). The dependent variable was public health expenditures while

independent variables includes population age 65 and above, fertility rate, school enrollment,

number of physicians per 1000 people, GDP per capita and life expectancy. Explanatory variables

were selected based on relevant literature. The estimation procedure is based on Markov Chain

Monte Carlo (MCMC) simulation to get posterior distribution.

Both school enrollment and population age 65 and above showed positive signs of the posterior

summaries. This means, the two variables are positively related to public health care expenditure

growth in Turkey. The result implies that, as school’s enrollment ratio and population age 65 and

above increase, it raises public health expenditure growth in Turkey. The impact of school

enrollment had higher impact on public health expenditure growth than population age 65. On the

other hand, fertility rate, physician per 1000 people and life expectancy decreases public health

expenditure growth for Turkey. The provision of advance technology in the health care in Turkey

(in terms of life expectancy and physician) reduces public health expenditures. However, their

estimates contain zero value suggesting insignificance of the estimates. The mean for real GDP

per capita is negative meaning that income was one of the factors for decreasing public health

expenditures growth in Turkey.

Table 1: Bayesian Posterior Results of Public Health Expenditures in Turkey

95% HPD intervals

Parameter Mean St.

error

MC

error 2.5% 97.5%

𝛽0(intercept) -

0.004 31.582 0.3366 - 61.972 61.221

𝛽1(+65 population) 0.126 0.019 0.0002 0.086 0.165

𝛽2(fertility rate) -

0.256 31.841 0.3089 - 62.764 62.494

𝛽3(school enrollment) 3.633 0.453 0.0053 2.751 4.521

𝛽4(physician) -

0.132 31.852 0.3112 - 62.273 62.750

β5(GDP per capita) -

41.34 8.698 0.0861 - 58.341 - 23.614

β6(life expectancy) -

3.202 31.753 0.3524 - 66.353 58.852


179

According to posterior estimates from MCMC simulation elderly population ratio, school

enrollment and per capita income has significant effect on the public health expenditures in Turkey

where the later has negative impact. Considering the rising proportion of the elderly population

and the level of education in Turkey, it can be expected that the burden of public health

expenditures will increase further in the following years. The negative impact of the increase in

income on public health spending can be explained by the increasing tendency of individuals

towards private health services. Accordingly, it can be said that the growth and increase in income

will reduce the burden of public health expenditures besides other benefits.

All the necessary diagnostic tests for assessing convergence such as historical plots, kernel

densities and autocorrelation plots were performed and the results were observed in the chains (i.e.

the chain for each parameter was stationary). A good chain shows rapid mixing and implies the

stationary distribution is reached (see figures given in Appendix).

6. Conclusion

The modern social state concept requires that the state to provide the health services that citizens

need. The majority of curative health services and almost all preventive health services are

provided by public sector in Turkey. This requires that the government to allocate a significant

portion of the general budget for the implementation and improvement of health services.

In this paper, determinants of public health expenditures in Turkey are investigated via a Bayesian

point of view. According to posterior estimates obtained from MCMC simulation elderly

population ratio, school enrollment and per capita income has significant effect on the public health

expenditures in Turkey where the later has negative impact. Considering the rising proportion of

the elderly population and the level of education in Turkey, it can be expected that the burden of

public health expenditures will increase further in the following years.

The negative sign of the income variable can be interpreted as the preferential impact of income

rise. As the income level increases, both the share of out-of-pocket health expenditures and the

demand for private health services will increase and therefore current public health expenditures

will be reduced.

Kaynakça

Andres, A. R. (2005). Income inequality, unemployment, and suicide: a panel data analysis of 15 European countries,

Applied Economics, 37, 439-451.

Beraldo, S., Montolio, D. and Turati, G. (2009). Healthy, educated and wealthy: A primer on the impact of public and

private welfare expenditures on economic growth”, The Journal of Socio–Economics, 38, 946–956.

Bilgel, F. (2003). The determinants of health expenditure in Turkey, 1927-1996: An econometric analysis, 6th

Symposium on Econometrics and Statistics, May 2003, Ankara.

Bloom, D. E. and Canning, D. (2000), The health and wealth of nations, Public Health, 287, 1207–1209.


180

Byaro, M., Kinyondo, A., Michello, C. and Musonda, P. (2018). Determinants of public health expenditure growth in

Tanzania: An application of Bayesian model, African Journal of Economic Review, 6 (1).

Culyer, A. (1988). Health care expenditures in Canada: Myth and reality”, Canadian Tax Papers, 82.

Di Matteo, L. (2004). What drives provincial health expenditure?, Canadian Tax Journal, 52 (4), 1102.

Donaldson, C. and Gerard, K. (2005). Economics of Health Care Financing: The Visible Hand, Palgrave-MacMillan,

2nd edition, New York.

Dreger, C. and Reimers, H. E. (2005). Health Care Expenditures in OECD Countries: A Panel Root and Cointegration

Analysis, IZA Discussion Paper No. 1469.

Grossman, M. (1972). On the concept of health capital and the demand for health, Journal of Political Economy, 80

(2), 223–255.

Hansen, P. and King, A. (1996). The determinants of health care expenditure: A cointegration approach, Journal of

Health Economics, 15 (1), 127–137

Mushkin, S. J. (1962). Health as an investment, Journal of Political Economy, 70 (5), 129–157.

Newhouse, J. P. (1977). Medical care expenditure: A cross-national survey”, Journal of Human Resources, 12, 115–

125.

Karagöz, K. and Tetik. N. (2009). Kamu Sağlık Harcamalarını Belirleyen Faktörler: Ekonometrik Bir Değerlendirme,

EconAnadolu 2009: Anatolia International Congress on Economics, June, 17-19, 2009, Eskişehir.

Rahman, T. (2008). Determinants of public health expenditure: some evidence from Indian states, Applied Economics

Letters, 15, 853-857.

Siddiqui, R., Afridi, U. and Haq, R. (1995). Determinants of expenditure on health in Pakistan, Pakistan Development

Review, 34 (4), 959-970.

Toor, I. A. and Butt, M. S. (2005). Determinants of health expenditure in Pakistan, Pakistan Economic and Social

Review, 43 (1), 133-150.

Tang, C. F. (2011), Multivariate Granger causality and the dynamic relationship between health care spending, income

and relative price of health care in Malaysia, Hitotsubashi Journal of Economics 52, 199–214.

Yıldırm, S. (1994). Sağlık Hizmetlerinde Harcama ve Maliyet Analizi, DPT Uzmanlık Tezi, Yayın No. 2350, Ankara.

Appendix: Diagnostic tests for parameters

a) Historical plots

beta0

iteration

1000 2500 5000 7500 10000

-200.0

-100.0

0.0

100.0

200.0

beta1

iteration

1000 2500 5000 7500 10000

0.0

0.05

0.1

0.15

0.2

0.25

beta2

iteration

1000 2500 5000 7500 10000

-200.0

-100.0

0.0

100.0

200.0


181

beta3

iteration

1000 2500 5000 7500 10000

1.0

2.0

3.0

4.0

5.0

6.0

beta4

iteration

1000 2500 5000 7500 10000

-200.0

-100.0

0.0

100.0

200.0

beta5

iteration

1000 2500 5000 7500 10000

-80.0

-60.0

-40.0

-20.0

0.0

beta6

iteration

1000 2500 5000 7500 10000

-200.0

-100.0

0.0

100.0

200.0

b) Kernel densities

beta0 sample: 9001

-200.0 -100.0 0.0 100.0

0.0

0.005

0.01

0.015

beta1 sample: 9001

0.0 0.05 0.1 0.15 0.2

0.0

10.0

20.0

30.0

beta2 sample: 9001

-200.0 -100.0 0.0 100.0

0.0

0.005

0.01

0.015

beta3 sample: 9001

0.0 2.0 4.0

0.0

0.25

0.5

0.75

1.0

beta4 sample: 9001

-200.0 -100.0 0.0 100.0

0.0

0.005

0.01

0.015

beta5 sample: 9001

-80.0 -60.0 -40.0 -20.0

0.0

0.02

0.04

0.06


182

beta6 sample: 9001

-200.0 -100.0 0.0 100.0

0.0

0.005

0.01

0.015

c) Autocorrelation plots

beta0

lag

0 20 40

-1.0

-0.5

0.0

0.5

1.0

beta1

lag

0 20 40

-1.0

-0.5

0.0

0.5

1.0

beta2

lag

0 20 40

-1.0

-0.5

0.0

0.5

1.0

beta3

lag

0 20 40

-1.0

-0.5

0.0

0.5

1.0

beta4

lag

0 20 40

-1.0

-0.5

0.0

0.5

1.0

beta5

lag

0 20 40

-1.0

-0.5

0.0

0.5

1.0

beta6

lag

0 20 40

-1.0

-0.5

0.0

0.5

1.0


183

Firma Karakteristiklerinin Sermaye Yapısı Üzerindeki Etkilerinin Üç Boyutlu Panel Veri

Modelleri İle İncelenmesi


Ömer Faruk BÖLÜKBAŞI2

Özet

Bu çalışmada Borsa İstanbul imalat sanayi sektöründe yer alan firmaların firma

karakteristiklerinin sermaye yapısı üzerindeki etkileri üç boyutlu panel veri modelleri ile

2003-2016 dönemi için incelenmiştir. Firmaların söz konusu dönemde borçlanma

davranışlarının uyumlu olduğu sermaye yapısı teorisinin de tespit edilmesi amaçlanmıştır.

Firmalar imalat sanayinin alt sektörlerini oluşturan yedi alt sektörde gruplanmıştır. Böylece

imalat sanayinin alt sektörlerindeki farklılıklardan kaynaklanabilecek heterojenlik de

analizlerde dikkate alınmıştır. Çalışmada sermaye yapısını temsilen firmanın borçluluk

düzeyini gösteren kaldıraç oranı bağımlı değişken olarak yer almıştır. Firma

karakteristiklerinden oluşan açıklayıcı değişkenler karlılık, likidite, büyüklük, büyüme

ve/veya büyüme fırsatları ile varlık yapısı değişkenleridir. Sabit etkili üç boyutlu panel veri

modeli grup içi tahmin yöntemi ile tahmin edilmiştir. Grup içi tahmin yöntemini

gerçekleştirmek için üç boyutlu model yapısı dikkate alınarak uygun grup içi dönüşümler

gerçekleştirilmiştir. Rassal etkili üç boyutlu panel veri modeli bir birimin diğer birim

içerisinde yuvalandığı durumda Baltagi, Song ve Jung (2001) ve Antweiler (2001)

tarafından önerilen yuvalanmış rassal etkiler yaklaşımı ile tahmin edilmiştir. Elde edilen

bulgular firmaların borçlanma davranışlarının çoğunlukla finansal hiyerarşi teorisi ile

uyumlu olduğunu göstermektedir.

Anahtar Kelimeler: Üç Boyutlu Panel Veri, Sermaye Yapısı, Firma Karakteristikleri

JEL Sınıflaması: C13, C23, G32

Investigation the Effetcts of Firm Characteristics on Capital Structure Using Three

Dimensional Panel Data Models

Abstract

This study investigates the effects of firm characteristics of the firms in the Borsa Istanbul

manufacturing industry sector on the capital structure with the three-dimensional panel data

models for the period of 2003-2016. Also, it is aimed to determine the capital structure

theory in which the borrowing behaviors of the firms in this period are compatible. Firms

are grouped into the seven sub-sectors of the manufacturing industry. Thus, the

heterogeneity that may arise from the differences in the sub-sectors of the manufacturing

industry is also taken into consideration in the analysis. In this study, as a represent of

capital structure the leverage ratio, which indicates the firm's indebtedness level, has taken

place as a dependent variable. Explanatory variables that are firm characteristics are

profitability, liquidity, size, growth and / or growth opportunities and asset structure

variables. Three-dimensional fixed-effects panel data model was estimated by within

estimation method. In order to employ the within estimation method, appropriate within

transformations were carried out considering the three-dimensional model structure. Three-

dimensional random effects panel data model was estimated by nested random effects

approach proposed by Baltagi, Song and Jung (2001) and Antweiler (2001), where one unit

1 Prof. Dr., [email protected], Marmara Üniversitesi İktisat Fakültesi Ekonometri Bölümü, İstanbul/Türkiye,

ORCID ID:0000-0002-1017-1431 2Arş.Gör., [email protected], Recep Tayyip Erdoğan Üniversitesi İİBF Ekonometri Bölümü,

Rize/Türkiye, ORCID ID:0000-0002-0106-0713


184

is nested within the other unit. The findings obtained from the study indicates that the

borrowing behavior of the manufacturing industry firms traded in Borsa Istanbul is mostly

compatible with the pecking theory.

Keywords: Three Dimensional Panel Data, Capital Structure, Firm Characteristics

JEL Classification: C13, C23, G32

1. Giriş

Firmaların fon ihtiyaçlarını karşıladıkları yabancı kaynak ve öz sermaye bileşimi sermaye yapısı

olarak ifade edilmekte olup firmaların borçlanma davranışlarını açıklamaya yönelik birçok

sermaye yapısı teorisi geliştirilmiş ve sermaye yapısını etkileyen faktörler araştırılmıştır.

Firmaların faaliyetlerine devam edebilmek ve yatırımlarını gerçekleştirebilmek amacı ile ihtiyaç

duyduğu fonlar öz sermaye ve / veya yabancı kaynak tarafından karşılanmaktadır. Bu bağlamda

finansal yöneticiler tarafından firmaların toplam sermayesini oluşturan öz sermaye ve yabancı

kaynak bileşimine karar vermek önem arz etmektedir (Degryse, Goeij ve Kappert, 2012, s.431).

Firmaların borçlanma davranışlarını inceleyen birçok sermaye yapısı teorisi geliştirilmiştir ancak

finans literatüründe firmaların borçlanma davranışları daha çok bu sermaye yapısı teorilerinden

modern sermaye yapısı teorileri olan dengeleme ve finansal hiyerarşi teorisi ile ampirik olarak

incelenmiştir. Dengeleme teorisine göre sermaye yapısının bileşimi borçlanmanın vergi avantajı

ile borçlanma maliyeti arasındaki denge ile belirlenir (Frank ve Goyal, 2009, s.5). Dengeleme

teorisi, yüksek karlı firmaların borçlanma kapasitelerinin yüksek olmasına rağmen daha az

borçlanma davranışı sergileyebilmelerini açıklamada eksik kalmaktadır (Canbaş ve Vural, 2012,

s.288). Finansal hiyerarşi teorisi yüksek karlı firmaların daha az borçlanma davranışı

gösterdiklerini açıklamaktadır. Myers ve Majluf (1984) tarafından temellenen Finansal hiyerarşi

teorisine göre, firmaların ihtiyaç duyduğu fonların ilk olarak iç kaynakları tarafından yetmediği

durumda yabancı kaynaklardan sağlandığı şeklinde firmalar borçlanma davranışı

sergilemektedirler.

Bu çalışmanın amacı Borsa İstanbul imalat sanayi sektöründe yer alan firmaların firma

karakteristiklerinin sermaye yapısı üzerindeki etkilerinin üç boyutlu panel veri modelleri ile 2003-

2016 dönemi için incelemesidir. Böylece firmaların söz konusu dönemde borçlanma

davranışlarının uyumlu olduğu sermaye yapısı teorisinin de tespit edilmesi amaçlanmıştır.

Firmaların borçlanma davranışlarını inceleyen literatürde birçok ampirik çalışma yer almaktadır.

Söz konusu çalışmalarda ekonometrik yöntem olarak firma ve zaman boyutundan oluşan iki

boyutlu panel veri modelleri ile analizler gerçekleştirilmiştir. Bu çalışmada firma ve zaman boyutu

ile birlikte firmaların gruplandığı sektörlerde ikinci birim olarak modelde dikkate alınmıştır.

Böylece firma karakteristiklerinin sermaye yapısı üzerindeki etkileri ve firmaların borçlanma


185

davranışlarının uyumlu olduğu sermaye yapısı teorisi üç boyutlu panel veri modelleri ile analiz

edilerek literatüre katkı sağlanması amaçlanmıştır.

Çalışmanın ikinci bölümünde ampirik literatür özetlenmiştir. Üçüncü bölümde veri seti tanıtılmış

ve ekonometrik yöntem anlatılmıştır. Dördüncü bölümde elde edilen bulgular sunulmuştur.

Çalışmanın son bölümü sonuç kısmından oluşmaktadır.

2. Literatür

Frank ve Goyal (2003) Amerikan firmalarının 1971-1998 döneminde borçlanma davranışlarının

finansal hiyerarşi teorisi ile uygunluğunu test etmişlerdir. Firma karakteristiklerinden karlılık ve

piyasa değeri defter değeri oranı ile borçlanma arasında negatif yönlü, duran varlıkların toplam

varlıklara oranı ve büyüklük değişkeninin borçlanma ile pozitif yönde ilişkili olduğunu tespit

etmişlerdir. Elde ettikleri bulgular finansal hiyerarşi teorisini destekler nitelikte değildir. Benzer

bulgulara ulaştıkları bir diğer çalışmalarında Frank ve Goyal (2009) 1950-2003 dönemi için

Amerikan firmalarının borçlanma davranışlarını ampirik olarak incelemişler ve elde ettikleri

bulguların çoğunlukla dengeleme teorisi ile uyumlu olduğu ortaya çıkmıştır.

Chen (2004) firmaların sermaye yapısının belirleyicilerini 77 Çin firma verisinden oluşan veri seti

ile sabit etkili panel veri modeli ile incelemiştir. Karlılık ve büyüklük değişkenlerinin borçluluk

oranı ile negatif yönde ilişkili olduklarını, büyüme ve varlık yapısı değişkenleri ile borçlanma oranı

arasında pozitif yönlü bir ilişki olduğunu tespit etmiştir. Çalışmadan elde edilen bulgular genel

anlamda finansal hiyerarşi teorisini destekler doğrultudadır.

Cortez ve Susanto (2012) Tokyo Borsasında işlem gören imalat sanayinde yer alan firmaların

firma karakteristiklerinin borçlanma seviyesi üzerindeki etkilerini incelemişlerdir. 2001-2010

dönemini kapsayan çalışmada panel veri yöntemi ile gerçekleştirdikleri analiz sonuçlarına göre

büyüklük ve büyüme değişkenlerinin sermaye yapısı üzerindeki etkileri anlamlı değildir. Sermaye

yapısını istatistiksel olarak anlamlı bir şekilde etkileyen firma karakteristiklerinden karlılık

değişkeninin etkisi negatif, varlık yapısının etkisi pozitif yöndedir.

Türk firmaları için gerçekleştirilen çalışmalardan Sayılgan, Karabacak ve Küçükkocaoğlu (2002)

sabit etkili panel veri modeli ile Borsa İstanbul’da faaliyet gösteren imalat sanayi sektör

firmalarından oluşan veri seti ile firma karakteristiklerini sermaye yapısı üzerindeki etkilerini

incelemişlerdir. 123 firma verisinin yer aldığı çalışma 1993-2002 dönemini içermektedir.

Büyüklük ve büyüme değişkenleri ile borçlanma oranı arasında pozitif bir ilişki olduğu, varlık

yapısı ve karlılık değişkenleri ile borçlanma oranı arasında negatif bir ilişki olduğu sonucuna

ulaşmışlardır. Literatürdeki çalışmalara genel olarak bakıldığında firma karakteristiklerinin


186

sermaye yapısı üzerindeki etkilerinin genellikle panel veri modelleri ile analiz edildiği

görülmektedir.

Gülşen ve Ülkütaş (2012) BİST’de işlem gören imalat sanayi firmalarının borçlanma

davranışlarının uyumlu olduğu sermaye yapısı teorisini dengesiz panel veri modelleri ile 1990-

2005 dönemi için araştırmışlardır. Elde ettikleri bulgulara göre büyüklük ve karlılık firma

karakteristiklerinin borçlanma seviyesini negatif etkilediğini ve finansal hiyerarşi teorisinin geçerli

olan sermaye yapısı teorisi olduğunu belirlemişlerdir.

Bu çalışmada literatürdeki çalışmalardan farklı olarak analizler bilinen iki boyutlu panel veri

modelleri yerine gözlemlenmeyen firma etkisi ile birlikte gözlemlenmeyen sektör etkilerini de

içeren üç boyutlu panel veri modelleri ile gerçekleştirilmiştir. Böylece İmalat sanayinin alt

sektörlerindeki farklılıklardan kaynaklanabilecek gözlemlenmeyen etkilerin ihmal edilmemiş

olması amaçlanmıştır.

3. Veri Seti ve Ekonometrik Yöntem

Firma karakteristiklerinin sermaye yapısı üzerindeki etkilerinin üç boyutlu panel veri modelleri ile

incelendiği çalışmada bağımlı değişken olarak sermaye yapısını temsilen literatürde de en çok

tercih edilen borçluluk oranı kullanılmıştır. Firma karakteristiklerinden oluşan açıklayıcı

değişkenler karlılık, likidite, büyüklük, büyüme ve/veya büyüme fırsatları ile varlık yapısı

değişkenleridir. Modelde yer alan firma karakteristiklerini temsil eden açıklayıcı değişkenler ilgili

finans literatüründen yola çıkılarak çeşitli model denemeleri sonucu belirlenmiştir.

Çalışmada, Borsa İstanbul’da işlem gören imalat sanayi sektöründe yer alan verilerine eksiksiz

ulaşılabilen ve analiz dönemi olan 2003-2016 yıllarında kesintisiz faaliyet gösteren 95 firmanın

verilerinden oluşan veri seti kullanılmıştır. Verilerin tamamı Finnet veri tabanından elde edilmiştir.

Veri seti yıllık olarak düzenlenmiştir. Firmalar imalat sanayinin alt sektörlerini oluşturan yedi alt

sektörde yuvalanmıştır. Firmaların yuvalandığı İmalat sanayinin alt sektörleri gıda, içki ve tütün,

metal ana sanayi, dokuma, giyim eşyası ve deri, taş ve toprağa dayalı sanayi, metal eşya, makine

ve gereç yapımı, kağıt ve kağıt ürünleri, basım ve yayın, kimya, petrol, kauçuk ve plastik ürünler

sektörleridir.

Analizlerde yer alan bağımlı ve açıklayıcı değişkenlerin açıklamaları ve sembolleri Tablo 1’de,

değişkenlerin tanımlayıcı istatistikleri Tablo 2’de sunulmuştur.


187

Tablo 1: Çalışmada Kullanılan Değişkenler ve Tanımları

Değişkenler Kullanılan Değişken Tanım Sembol

Bağımlı

değişken

Sermaye

yapısı

Toplam borçlanma

oranı veya kaldıraç

oranı

Toplam borç/toplam aktif TB

Açıklayıcı

değişkenler

Karlılık Aktif karlılığı Net kar/toplam aktif AK

Likidite Cari oran Dönen varlıklar/kısa

vadeli yabancı kaynaklar CO

Büyüklük Aktif büyüklüğü Logaritmik toplam

aktifler LAB

Büyüme

fırsatları

Piyasa değerinin defter

değerine oranı

Piyasa değeri/defter

değeri PDDD

Varlık

Yapısı

Duran varlıkların

toplam aktiflere oranı Duran varlık/toplam aktif DV

Tablo 2: Değişkenlerin Tanımlayıcı İstatistikleri

Değişkenler Gözlem Sayısı Ortalama Standart Sapma Minimum Maksimum

TB 1330 0.4112 0.2060 0.02 0.9746

AK 1330 0.0556 0.0908 -0.3425 0.5781

CO 1330 0.0239 0.0202 0.0014 0.2497

DV 1330 0.4976 0.1769 0.0497 0.9395

LAB 1330 19.66 1.4277 15.99 24.1642

PDDD 1330 1.9544 3.5361 0.1631 74.59

Firmaların ortalama borçlanma oranının %41.12’dir. Firmaların ortalama borçlanma oranının alt

sektörler itibari ile de hesaplanmıştır. Tablo 3’de imalat sanayinin alt sektörleri itibari ile


188

borçlanma oranlarının ortalamaları ve imalat sanayi sektöründe yer alan firmaların yedi alt sektör

içerisinde dağılımı sunulmuştur.

Tablo 3: İmalat Sanayi Alt Sektörlerinin Sermaye Yapısı ve Firmaların Alt Sektörler

İtibari ile Dağılımı

Sektörler Firma

Sayısı

Gözlem

Sayısı

Ortalama Standart

Sapma

Gıda, içki ve tütün 13 182 0.4533 0.2127

Metal ana sanayi 9 126 0.4615 0.1682

Dokuma, giyim eşyası ve deri 9 126 0.4886 0.1812

Taş ve toprağa dayalı 23 322 0.2971 0.1619

Metal eşya, makine ve gereç yapımı 15 210 0.4863 0.2210

Kağıt ve kağıt ürünleri, basım ve

yayın

9 126 0.3609 0.2322

Kimya, petrol, kauçuk ve plastik

ürünler

17 238 0.4260 0.1843

İmalat sanayi (ortalama) 1330 0.4112 0.2060

Tablo 3’de sunulan verilere göre borçlanma oranı en yüksek olan sektörler dokuma, giyim eşyası

ve deri sektörü ile metal eşya, makine ve gereç yapımı sektörleridir. İmalat sanayi sektörünün

genel ortalamasından yüksek olan diğer sektörler gıda, içki ve tütün, metal ana sanayi ve kimya,

petrol, kauçuk ve plastik ürünler sektörleridir. Taş ve toprağa dayalı sanayi sektörünün ise

borçlanma oranı en düşük olan sektör olduğu gözlemlenmektedir. İmalat sanayi sektörünün genel

ortalamasından borçlanma oranı düşük olan diğer sektör kağıt ve kağıt ürünleri, basım ve yayın

sektörüdür.

Panel veri modeli sektörlerde yer alan firma sayılarının farklı olması bağlamında dengesizdir. Elde

edilen panel veri setinde eksik gözlem bulunmamaktadır.

Ekonometrik yöntem olarak firmaların sektörler içerisinde yuvalandığı veri yapısını dikkate alan

dengesiz üç boyutlu panel veri modelleri sabit etkiler ve yuvalanmış rassal etkiler varsayımları

altında tahmin edilmiştir. Üç boyutlu panel veri modelleri bir birimin diğer birim içerisinde

yuvalandığı iki birim boyutu ve zaman boyutundan oluşmaktadır.


189

Sabit etkili üç boyutlu panel veri modeli grup içi tahmin yöntemi ile tahmin edilmiştir. Grup içi

tahmin yöntemini gerçekleştirmek için üç boyutlu model yapısı dikkate alınarak uygun grup içi

dönüşümler gerçekleştirilmiştir. Rassal etkili üç boyutlu panel veri modeli bir birimin diğer birim

içerisinde yuvalandığı durumda Baltagi, Song ve Jung (2001) ve Antweiler (2001) tarafından

önerilen yuvalanmış rassal etkiler yaklaşımı ile tahmin edilmiştir.

Aşağıda sabit etkili üç boyutlu panel veri modeli ve uygun grup içi dönüşüm sırası ile ifade

edilmiştir.

𝑇𝐵𝑖𝑗𝑡 = 𝛽0 + 𝛽1𝐴𝐾𝑖𝑗𝑡 + 𝛽2𝐶𝑂𝑖𝑗𝑡 + 𝛽3𝐷𝑉𝑖𝑗𝑡 + 𝛽4𝐿𝐴𝐵𝑖𝑗𝑡 + 𝛽5𝑃𝐷𝐷𝐷𝑖𝑗𝑡 + 𝜇𝑖 + 𝛼𝑗 + 휁𝑡 + 휀𝑖𝑗𝑡

Burada 𝜇𝑖: Sektör etkisi, i=1,…,M (sektör)

𝛼𝑗: Firma etkisi, j=1,…,Ni (firma)

휁𝑡: zaman etkisidir, t=1,…,T (zaman).

𝑇��𝑖𝑗𝑡 = (𝑇𝐵𝑖𝑗𝑡 − 𝑇𝐵 𝑖.. − 𝑇𝐵

𝑖𝑗. − 𝑇𝐵 ..𝑡 + 2𝑇𝐵

…)

Burada 𝑇𝐵 𝑖.. =

1

𝑁𝑖𝑇∑ ∑ 𝑇𝐵𝑖𝑗𝑡𝑡𝑗 , 𝑇𝐵

𝑖𝑗. =1

𝑇∑ 𝑇𝐵𝑖𝑗𝑡𝑡 , 𝑇𝐵

... =1

𝑚∑ 𝑇𝐵𝑖𝑗𝑡 𝑚 = ∑ 𝑁𝑖𝑇𝑀

𝑖=1𝑖 , 𝑇𝐵 ..𝑡 =

1

𝑞∑ ∑ 𝑇𝐵𝑖𝑗𝑡𝑗𝑖 𝑏𝑢𝑟𝑎𝑑𝑎 𝑞 = ∑ 𝑁𝑖

𝑀𝑖=1 olur.

Her bir açıklayıcı değişken içinde yukarıda bağımlı değişken için ifade edilen grup içi dönüşüm

gerçekleştirilir. Dönüştürülmüş değişkenlere Sıradan EKK tahmin yöntemi uygulanarak sabit

etkiler tahmincisi elde edilir.

Yuvalanmış rassal etkiler yaklaşımı ile bir birimin diğer birim içerisinde yuvalandığı rassal etkili

üç boyutlu panel veri modeli aşağıda ifade edilmiştir.

𝑇𝐵𝑖𝑗𝑡 = 𝛽0 + 𝛽1𝐴𝐾𝑖𝑗𝑡 + 𝛽2𝐶𝑂𝑖𝑗𝑡 + 𝛽3𝐷𝑉𝑖𝑗𝑡 + 𝛽4𝐿𝐴𝐵𝑖𝑗𝑡 + 𝛽5𝑃𝐷𝐷𝐷𝑖𝑗𝑡 + 𝑢𝑖𝑗𝑡

𝑢𝑖𝑗𝑡 = 𝜇𝑖 + 𝜈𝑖𝑗 + 휁𝑡 + 휀𝑖𝑗𝑡

Bileşik hata teriminde 𝜇𝑖 gözlemlenmeyen sektör etkisi, 𝜈𝑖𝑗 j. firmanın i. sektördeki

gözlemlenmeyen yuvalanmış birim etkisi ve 휁𝑡 gözlemlenmeyen zaman etkisidir. Firmaların

sektörler içerisinde yuvalandığı durumu dikkate alan ve sektörlerde yer alan firma sayılarının farklı

olmasına izin veren yuvalanmış rassal etkiler yaklaşımında genelleştirilmiş EKK tahmin yöntemi

ile modelin tahmini için aşağıda gösterilen dönüşüm ile model dönüştürülür.

𝑇𝐵𝑖𝑗𝑡∗ = 𝑇𝐵𝑖𝑗𝑡 − 휃1𝑖𝑇𝐵

𝑖𝑗. + 휃2𝑖𝑇𝐵 𝑖.. − 휃3𝑖𝑇𝐵

..𝑡

Modelin dönüştürülmesi için ağırlıklar aşağıda verilen ifadeler ile elde edilir.

휃1𝑖 = 1 − (𝜎𝜀/𝜆2𝑖), 휃2𝑖 = (𝜎𝜀/𝜆3𝑖) − (𝜎𝜀/𝜆2𝑖), 휃3𝑖 = 1 − (𝜎𝜀/𝜆4𝑖).


190

Ağırlıklar varyans-kovaryans matrisinden elde edilen aşağıda verilen özdeğer ile elde edilmiştir.

𝜆1𝑖 = 𝜎𝜀2

𝜆2𝑖 = 𝑇𝜎𝑣2 + 𝜎𝜀

2

𝜆3𝑖 = 𝑁𝑖T𝜎𝜇2 + 𝑇𝜎𝑣

2 + 𝜎𝜀2

𝜆4𝑖 = 𝑁𝑖𝜎𝜆2 + 𝜎𝜀

2

Modelde yer alan değişkenler yukarıda tanımlanan dönüşüm ile dönüştürülür. Dönüştürülmüş

modele sıradan EKK tahmin yöntemi uygulanarak yuvalanmış rassal etkiler yaklaşımı ile rassal

etkiler tahmincisi yani GLS tahmincisi elde edilir. Uygulanabilir GLS tahmincisinin elde

edilebilmesi için varyans bileşenleri gruplar arası regresyonlar yöntemi ile tahmin edilmiştir.

4. Bulgular

Aşağıda verilen 4 numaralı tabloda sabit etkili modelin tahmin sonuçları verilmiştir. Modelin

tahmin sonuçlarına göre model genel olarak anlamlıdır. Ayrıca üç boyutlu veri yapısı olan modelde

gözlenmeyen sektör, firma ve zaman etkileri F testi ile test edilmiştir. Elde edilen test sonuçlarına

göre gözlenemeyen bu üç etki birlikte ve ayrı ayrı anlamlıdır.

Tablo 4: Sabit Etkili Üç Boyutlu Panel Veri Modeli Tahmin Sonuçları

Bağımlı Değişken: TB (Toplam borçluluk oranı)

Yöntem: Grup içi tahmin yöntemi

Gözlem Sayısı: 1330

F Test İstatistiği = 310.22*

(𝐻0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 0)

Açıklayıcı Değişkenler Katsayı Standart Hata Robust Standart Hata

AK (karlılık) -0.6296* 0.0385 0.0510

CO (likidite) -3.7013* 0.1919 0.4612

DV (varlık yapısı) -0.4544* 0.0235 0.0249

LAB (büyüklük) 0.0598* 0.0055 0.0061

PDDD (büyüme) 0.0071* 0.0009 0.0012

R2 0.54

F test istatistiği

(𝐻0: 𝜇𝑖 = 𝛼𝑗 = 휁𝑡

= 0)

15.19*

F test istatistiği

(𝐻0: 𝜇𝑖 = 0)

6.23*

F test istatistiği

(𝐻0: 𝛼𝑗 = 0)

20.52*

F test istatistiği

(𝐻0: 휁𝑡 = 0)

2.32*


191

Not:* %1 anlamlılık düzeyini ifade etmektedir.

Üç boyutlu panel veri yapısı etkilerin anlamlılığı da dikkate alındığında üç yönlüdür. Standart

hataların yanında değişen varyansa dirençli robust standart hatalar da elde edilmiştir. Robust

standart hatalar kullanılması durumunda da açıklayıcı değişkenlerin katsayıları istatistiksel olarak

%1 anlamlılık düzeyinde anlamlıdır.

Aşağıda Tablo 5’de yuvalanmış rassal etkiler yaklaşımı altında tahmin edilen üç boyutlu rassal

etkili modelin tahmin sonuçları özetlenmiştir. Tablo 5’de verilen bulgular incelendiğinde modelin

bir bütün olarak anlamlı olduğu görülmektedir. Gözlenemeyen sektör, firma ve zaman etkilerinin

toplam varyans içindeki oranları sırası ile %0.39, %54 ve %1.5’dir. Değişen varyansa dirençli

robust standart hatalar da elde edilmiştir. Açıklayıcı değişkenlerin katsayıları robust standart

hatalar kullanılması durumunda da katsayıları istatistiksel olarak %1 anlamlılık düzeyinde

anlamlıdır.

Sabit etkili ve yuvalanmış rassal etkili yaklaşımı ile elde edilen rassal etkili model tahmin

sonuçlarına göre Karlılık, likidite ve varlık yapısı değişkenlerinin sermaye yapısını negatif yönde

etkilediği, büyüklük ve büyüme değişkenlerinin sermaye yapısını pozitif yönde etkilediği

bulgularına ulaşılmıştır.

Sabit etkili ve rassal etkili model tahmincileri arasında uygun olana karar vermek için panel veri

literatüründe genel olarak tercih edilen Hausman testi kullanılmıştır. Panel veri modelinde

özellikle sabit varyans varsayımının yerine gelmemesi ihtimali üzerine robust Hausman testi

uygulanmıştır. Açıklayıcı değişkenler ile gözlenemeyen etkiler arasında ilişki olması durumuna

göre karar verilen Hauman testinde test istatistiği 26.76 olarak elde edilmiştir. Bu sonuca göre

rassal etkiler tahmincisi tutarsız olmaktadır.

Tablo 5: Yuvalanmış Rassal Etkili Üç Boyutlu Panel Veri Modeli

Tahmin Sonuçları

Bağımlı Değişken: TB (Toplam borçluluk oranı)

Yöntem: FGLS

Gözlem Sayısı: 1330

Wald Chi (5)=941.64*

Açıklayıcı

Değişkenler Katsayı

Standart

Hata

Robust Standart

Hata

AK (karlılık) -0.4923* 0.0384 0.0530

CO (likidite) -3.4588* 0.1861 0.4830

DV (varlık yapısı) -0.3099* 0.0259 0.0315

LAB (büyüklük) 0.0518* 0.0049 0.0058

PDDD (büyüme) 0.0076* 0.0008 0.0010

R2 0.41

𝜎𝜇2 0.000063


192

𝜎𝜈2 0.0087

𝜎𝜆2 0.00025

𝑝𝜇 0.0039

𝑝𝜈 0.54

𝑝𝜆 0.015

Not: * %1 anlamlılık düzeyini ifade etmektedir.

Bu duruma göre sabit etkiler tahmincisi tercih edilmelidir. Sabit etkili ve rassal etkili modelin

tahmin sonuçları incelendiğinde katsayıların işaret olarak değişmediği için her iki modele göre

gerçekleştirilen finansal yorumlar ve firmaların borçlanma davranışlarının uyumlu olduğu

sermaye yapısı teorisi değişmemektedir.

5. Sonuç

Firma karakteristiklerinin sermaye yapısı üzerindeki etkilerinin incelendiği çalışmada analizler üç

boyutlu panel veri modelleri ile gerçekleştirilmiştir. Elde edilen bulgulra göre firma büyüklüğü ve

firmanın büyüme fırsatları arttıkça borçlanma oranın arttığı tespit edilmiştir. Literatürdeki ampirik

çalışmaların bulguları genel olarak değerlendirildiğinde firma karakteristiklerinden karlılık

değişkeninin sermaye yapısı üzerindeki etkisi çoğunlukla negatif yönde olmuştur. Bu çalışmada

elde edilen bulgu da bu yöndedir. Çoğunlukla gelişmiş ülke ekonomilerindeki firmalarda varlık

yapısı içerisindeki duran varlık artışının borçlanma oranı üzerindeki etkisi pozitif iken gelişmekte

olan ülkelerdeki firmalarda negatif etkisi olduğu incelenen ampirik literatürden anlaşılmaktadır.

Bu çalışmadan elde edilen bulgular doğrultusunda Türk firmalarının gelişmekte olan ülke

firmalarında olduğu üzere duran varlıkların varlık yapısı içerisindeki artışının borçlanma oranını

azalttığı belirlenmiştir.

Firma karakteristiklerinin sermaye yapısı üzerindeki etkilerini incelemek amacı ile tahmin edilen

üç boyutlu panel veri model tahmin sonuçları doğrultusunda gözlemlenmeyen firma etkilerinin

yanında gözlemlenmeyen sektör etkilerinin de var olduğu tespit edilmiştir. Çalışmadan elde edilen

bulgular Borsa İstanbul’da işlem gören imalat sanayi firmalarının borçlanma davranışlarının

sermaye yapısı teorilerinden çoğunlukla finansal hiyerarşi teorisi ile uyumlu olduğu yönündedir.

Kaynakça

Antweiler, W. (2001). Nested Random Effects Estimation in Unbalanced Panel Data. Journal of Econometrics.

101(2), 295-313. doi: 10.1016/S0304-4076(00)00086-5

Baltagi, B. H. S. H. Song ve B. C. Jung. (2001). The Unbalanced Nested Error Component Regression Model. Journal

of Econometrics. 101(2), 357-381. doi: 10.1016/S0304-4076(00)00089-0

Canbaş, S. ve G. Vural. (2012). Finansal Yönetim Açıklamalı Örnekler ve Problemler. 2. Baskı. Adana: Karahan

Yayınları.

Chen, J. J. (2004). Determinants of Capital Structure of Chinese Listed-Companies. Journal of Business Research.

57(12), 1341-1351. doi: 10.1016/S0148-2963(03)00070-5


193

Cortez, M. A. ve S. Susanto. (2012). The Determinants of Corporate Capital Structure: Evidence From Japanese

Manufacturing Companies. Journal of International Business Research. 11(3), 121-134.

https://www.abacademies.org/articles/jibrvol11nosi32012.pdf

Degryse, H., P. Goeij ve P. Kappert. (2012). The Impact of Firm and Industry Characteristics on Small Firms’ Capital

Structure. Small Business Economics. 38(4), 431-447. doi: 10.1007/s11187-010-9281-8

Frank, M. Z. ve V. K. Goyal. (2003). Testing the Pecking Order Theory of Capital Structure. Journal of Financial

Economics. 67(2), 217-248. doi: 10.1016/S0304-405X(02)00252-0

Frank, M. Z. ve V. K. Goyal. (2009). Capital Structure Decisions: Which Factors are Reliably İmportant. Financial

Management. 38(1), 1-37. doi:10.1111/j.1755-053X.2009.01026.x

Gülşen, A. Z. ve Ö. Ülkütaş. (2012). Sermaye Yapısının Belirlenmesinde Finansman Hiyerarşi Teorisi ve Ödünleşme

Teorisi: İMKB Sanayi Endeksinde Yer Alan Firmalar Üzerine Bir Uygulama. ZKÜ Sosyal Bilimler Dergisi.

8(15), 49-60. http://ijmeb.org/index.php/zkesbe/article/view/58

Myers, S. C. ve N. S. Majluf. (1984). Corporate Financing and Investment Decisions When Firms Have Information

That Investors Do Not Have. Journal of Financial Economics. 13(2), 187-221. doi: 10.1016/0304-

405X(84)90023-0

Sayılgan, G., H. Karabacak ve G. Küçükkocaoğlu. (2006). The Firm-Specific Determinats of Corporate Capital

Structure: Evidence From Turkish Panel Data. Investment Management and financial Innovations. 3(3), 125-

139. https://businessperspectives.org/journals/investment-management-and-financial-innovations/issue-

64/the-firm-specific-determinants-of-corporate-capital-structure-evidence-from-turkish-panel-data


194

Genç İşsizlik, Eğitim ve Büyüme İlişkisi: Seçilmiş OECD Ülkeleri İçin Ampirik Bir Analiz

Oktay KIZILKAYA1

Gökhan KONAT2

Özet

İstihdam ve işsizlik, ülkenin iktisadi kalkınmasının ve ekonomik gelişmişlik düzeyinin

önemli bir göstergesidir. Hızlı bir şekilde artan nüfus karşısında genç işsizlik oranlarının

da artması, genç nüfusun istihdamına yönelik çalışmaların yeterli olmadığını ortaya

koymaktadır. Dolayısıyla genç işsizliğinin incelenmesi önemli bir konu haline gelmiştir.

Bu çalışmada seçilmiş 11 OECD ülkesinin (Türkiye, Çek Cumhuriyeti, Danimarka,

Macaristan, Japonya, Meksika, Yeni Zelenda, Norveç, Slovakya, İspanya ve ABD) 1999-

2015 yıllarını kapsayan genç işsizlik, yükseköğretimden mezun olanların sayısı ve

ekonomik büyüme verileri analiz edilmek istenmektedir. Çalışmada öncelikle serilerin

yatay kesit bağımlılığına bakılmıştır. Ardından seriler arasında nedensellik ilişkisi Konya

(2006) nedensellik testi ile incelenmiştir. Elde edilen sonuçlar genç işsizlik ve eğitim

değişkeninden büyüme değişkenine; büyüme değişkeninden eğitim değişkenine doğru

nedensellik ilişkisinin olduğunu göstermektedir.

Anahtar Kelimeler: Genç İşsizlik, Büyüme, Nedensellik Testi

JEL Sınıflaması: E24, C50, C23

Youth Unemployment, Education and Growth Relation: An Empirical Analysis for

Selected OECD Countries

Abstract

Employment and unemployment are one of the most important indicator of the economic

development of the countries. Youth unemployment rates against rapidly growing the

population shows that studies on the employment of the young population are not

sufficient. Therefore, the examination of young unemployment has become an important

issue. This study for selected 11 OECD countries (Turkey, Czech Republic, Denmark,

Hungary, Japan, Mexico, New Zealand, Norway, Slovakia, Spain and US) from 1999 to

2015 between the years of youth unemployment, the number of graduates from tertiary

education and economic growth data are wanted to be analyzed. In the study, firstly the

cross-sectional dependence of the series is examined. The results obtained from young

unemployment and education to growth and from growth to education shows that there is

causality relationship.

Keywords: Young Unemployment, Growth, Causality Test

JEL Classification: E24, C50, C23

1. Giriş

İstihdam ve işsizlik, ülkenin iktisadi kalkınmasının ve ekonomik gelişmişlik düzeyinin önemli bir

göstergesidir. Son zamanlarda gençler aldıkları eğitime ve yeteneklerine uygun bir iş imkânına

sahip olmadığı görülmektedir. Bu durum küresel bir problem olarak görünmekte ve daha da

1 Dr. Öğr. Üyesi, [email protected], Hakkari Üniversitesi, Hakkari/Türkiye, Orcid ID: 0000-0002-3412-

5616 2 Arş. Gör., [email protected], İnönü Üniversitesi, Malatya/Türkiye, Orcid ID: 0000-0002-0964-7893


195

karmaşık bir hale bürünmektedir. Hızlı bir şekilde artan nüfus karşısında genç işsizlik oranlarının

da artması, genç nüfusun istihdamına yönelik çalışmaların yeterli olmadığını ortaya koymaktadır.

Dolayısıyla genç işsizliğinin incelenmesi önemli bir konu haline gelmiştir. Bu çalışmada genç

işsizlik, ekonomik büyüme ve yükseköğretimden mezun olan öğrenci sayısı arasındaki nedensellik

ilişkisini analiz etmek amaçlanmaktır. Çalışma sonucunda genç işsizlik probleminin çözümüne

ışık tutarak politika yapıcılarının uygulayacağı politikaların belirlenmesinde yardımcı olması

amaçlanmaktadır.

Literatürde genç işsizlik, eğitim ve büyüme arasındaki ilişkiyi araştırmaya yönelik ampirik

çalışmalarda son yıllarda bir artış gözlenmektedir. O’Higgings (2003) gelişmekte olan ülkeler ve

geçiş ülkeleri üzerinde gençlerin işgücü piyasasındaki eğilimlerini ele aldığı çalışmasında genç

işsizliğinin, nüfus artışı ve işgücü koşullarından etkilenmekte olduğu sonucuna ulaşmıştır.

Plümper ve Schneider (2007) Almanya’da 1975-2000 dönemini kapsayan verileri kullanarak

işsizlik ve yükseköğrenim arasındaki ilişkiyi panel sabit etkiler modelini kullanarak araştırmıştır.

Ampirik sonuçlar, yükselen işsizlik oranlarının üniversite kayıt oranının artmasına sebep olduğu

ancak öğrenci başına harcamaların önemli ölçüde azalttığı hipotezini sağlam bir şekilde

desteklemiştir. Pirim vd. (2014) genç işsizliği, 1990-2014 dönemini kapsayan öğrenci başına

eğitim ve sağlık harcamaları ve kişi başı GSYH verilerini kullanarak incelemişlerdir. Genç işsizliği

azaltmanın en önemli yolunun beşeri sermayenin güçlendirilmesi için eğitim finansmanı yoluyla

yatırımların artırılması olduğu sonucuna ulaşmıştır. Banerji, A. vd. (2015) gelişmiş Avrupa

ülkelerinde genç işsizliğin ekonomik büyümeye duyarlılığının yetişkin işsizlik oranından daha

yüksek olduğu sonucuna ulaşmıştır. Korkmaz vd., (2016) Türkiye’de istihdam ve eğitim

arasındaki ilişkiyi ekonometrik yöntemlerle belirlemek istemiştir. 2005-2015 dönemine ait aylık

verilere birim kök testi, korelasyon analizi, nedensellik ve eşbütünleşme testleri uygulamışlardır.

Elde edilen bulgular sonucunda; eğitim düzeyinin istihdamda belirleyici bir faktör olduğu ortaya

konulmuştur. Ayrıca, ilk, orta ve yükseköğretim düzeylerinin uzun vadede istihdam düzeyleriyle

pozitif ilişkili ve bu ilişkinin yükseköğrenim seviyesinin lehine olduğu belirtilmiştir.


Bu çalışmada seçilmiş 11 OECD ülkesinin (Türkiye, Çek Cumhuriyeti, Danimarka, Macaristan,

Japonya, Meksika, Yeni Zelenda, Norveç, Slovakya, İspanya ve ABD) 1999-2015 yıllarını

kapsayan genç işsizlik, yükseköğretimden mezun olanların sayısı ve ekonomik büyüme verileri

analiz edilmek istenmektedir. Çalışmada öncelikle serilerin yatay kesit bağımlılığına bakılmıştır.

Ardından seriler arasında nedensellik ilişkisi Konya (2006) nedensellik testi ile incelenmiştir.

Çalışmada kullanılan verilere www.worldbank.org veri tabanından ulaşılmıştır.


196

2.1. Yatay Kesit Bağımlılığı

Serilere Konya Nedensellik testi yapılmadan önce serilerin yatay kesit bağımlılığı test edilmelidir.

Yatay kesit bağımlılığı, iktisatta paneli oluşturan yatay kesit birimlerinin birinde meydana gelen

şokun, diğer birimleri de etkilediği durumu ifade etmektedir. Konya (2006) tarafından önerilen

panel nedensellik analizi GİR (Görünürde İlişkisiz Regresyon) modeline dayanmaktadır. Ele

alınan serilerde yatay kesit bağımlılığı varsa GİR modeli EKK (En Küçük Kareler) yöntemine göre

daha etkili olmaktadır.

Seriler arasında yatay kesit bağımlılığının varlığı; Berusch-Pagan (1980) LM testiyle (CDBP) ya

da Pesaran (2004) CD testiyle incelenebilmektedir. CDBP testi zaman boyutunun büyük yatay kesit

boyutunun küçük olduğu durumlarda, Pesaran CD testi ise yatay kesit boyutunun büyük zaman

boyutundan küçük olduğu durumlarda kullanılabilmektedir. Ancak Pesaran CD testi, kitle

ortalaması ikili korelasyonları sıfır olduğunda düşük güce sahiptir. Ayrıca faktör yüklerinin yatay

kesit boyutunda sıfır ortalamaya sahip olması durumunda, Pesaran CD testi durağan dinamik panel

veri modellerinde sıfır hipotezini reddedemeyecekti. Pesaran vd. (2008), bu problemleri

çözebilmek amacıyla CDBP testinin kesin ortalamasını ve varyansını kullanarak CDBP testinin

sapması düzeltilmiş versiyonunu (𝐿𝑀𝑎𝑑𝑗) önermişlerdir. Sapması düzeltilmiş LM test istatistiği

denklem (1) ile verilmiştir.

𝐿𝑀𝑎𝑑𝑗 = (2

𝑁(𝑁 − 1))

12⁄

(∑ ∑ ��𝑖𝑗

(𝑇 − 𝑘)��𝑖𝑗2 − 𝜇𝑇𝑖𝑗

𝜐𝑇𝑖𝑗

𝑁

𝑗=𝑖+1

𝑁−1

𝑖=1

) (1)

Burada, 𝑘 regresör sayısını 𝜇𝑇𝑖𝑗 ve 𝜐𝑇𝑖𝑗 ise (𝑇 − 𝑘)��𝑖𝑗

2 ’nin kesin ortalaması ve varyansını

göstermektedir.

2.2. Bootstrap Panel Nedensellik Testi

Konya (2006) tarafından geliştirilen panel bootstrap nedensellik testi Görünürde İlişkisiz

Regresyon (SUR) modellerine ve Wald testine dayanmaktadır. Konya Nedensellik Testinde;

serilerin durağanlığı, durağanlık dereceleri ve eşbütünleşik olup olmadıkları önemli değildir. Panel

bootstrap nedensellik testi için kullanılacak denklem kümesi şu şekildedir;

𝑌1,𝑡 = 𝛼1,1 + ∑ 𝛽1,1,𝑙𝑌1,𝑡−𝑙

𝑚𝑙𝑦1

𝑙=1

+ ∑ 𝛿1,1,𝑙𝑋1,𝑡−𝑙

𝑚𝑙𝑥1

𝑙=1

+ 휀1,1,𝑡

𝑌2,𝑡 = 𝛼1,2 + ∑ 𝛽1,2,𝑙𝑌2,𝑡−𝑙

𝑚𝑙𝑦1

𝑙=1

+ ∑ 𝛿1,2,𝑙𝑋2,𝑡−𝑙

𝑚𝑙𝑥1

𝑙=1

+ 휀1,2,𝑡 (2)

⁝


197

𝑌𝑁,𝑡 = 𝛼1,𝑁 + ∑ 𝛽1,𝑁,𝑙𝑌𝑁,𝑡−𝑙

𝑚𝑙𝑦1

𝑙=1

+ ∑ 𝛿1,𝑁,𝑙𝑋𝑁,𝑡−𝑙

𝑚𝑙𝑥1

𝑙=1

+ 휀1,𝑁,𝑡

𝑋1,𝑡 = 𝛼2,1 + ∑ 𝛽2,1,𝑙𝑌1,𝑡−𝑙

𝑚𝑙𝑦2

𝑙=1

+ ∑ 𝛿2,1,𝑙𝑋1,𝑡−𝑙

𝑚𝑙𝑥2

𝑙=1

+ 휀2,1,𝑡

𝑋2,𝑡 = 𝛼2,2 + ∑ 𝛽2,2,𝑙𝑌2,𝑡−𝑙

𝑚𝑙𝑦2

𝑙=1

+ ∑ 𝛿2,2,𝑙𝑋2,𝑡−𝑙

𝑚𝑙𝑥2

𝑙=1

+ 휀2,2,𝑡 (3)

⁝

𝑋𝑁,𝑡 = 𝛼2,𝑁 + ∑ 𝛽2,𝑁,𝑙𝑌𝑁,𝑡−𝑙

𝑚𝑙𝑦2

𝑙=1

+ ∑ 𝛿2,𝑁,𝑙𝑋𝑁,𝑡−𝑙

𝑚𝑙𝑥2

𝑙=1

+ 휀2,𝑁,𝑡

Burada N panelin ülke sayısını (i=1,…,N), t zaman boyutunu (t=1,…,T), l ise gecikme uzunluğunu

ifade etmektedir. Bu sistemdeki Granger nedenselliğini test etmek için, ülke j için alternatif

nedensellik ilişkilerin bulunması muhtemeldir: Örneğin Denklem (2) ve (3) incelendiğinde eğer

bütün 𝛿1,𝑗,𝑙 ‘ler sıfır değil fakat bütün 𝛽2,𝑗,𝑙 ‘ler sıfır ise X’ten Y’ye tek yönlü Granger nedensellik

olduğu sonucuna varılmaktadır. (Kar vd., 2011, s. 689; Menyah vd., 2014. s. 392). Eğer Wald

istatistiği bootstrap kritik değerlerinden büyükse, değişkenler arasında nedensellik ilişkisi

olmadığını ifade eden sıfır hipotezi reddedilmektedir.

3. Bulgular

Bu çalışmada, paneli oluşturan ülkeler arasındaki yatay kesit bağımlılığının varlığı, Berusch-Pagan

(1980) LM testi (CDBP) ve Pesaran vd. (2008) 𝐿𝑀𝑎𝑑𝑗 testleriyle incelenmiştir. Yatay kesit

bağımlılığı testi sonuçları Tablo 1’de verilmiştir.

Tablo 1: Yatay Kesit Bağımlılığı Testi

CDBP (Breusch -Pagan 1980) 124.13 (0.098)***

LMadj (Pesaran vd. 2008) 1.93 (0.027)**

Not: Parantez içindeki değerler p-değerlerini göstermektedir. *, ** ve *** sırasıyla; %1, %5 ve %10 düzeyinde

anlamlılık anlamlılığı göstermektedir.

Tablo 1 incelendiğinde, kullanılan her iki test (CDBP ve LMadj) içinde yatay kesit bağımlılığının

olmadığını ifade eden sıfır hipotezi reddedilmiş ve yatay kesit bağımlılığını olduğuna karar

verilmiştir. Bu sonuçlara göre bir OECD ülkesindeki herhangi bir şok diğer ülkeleri de

etkilemektedir. Tablo 1, Tablo 2 ve Tablo 3’de bootstrap panel nedensellik testi sonuçları

verilmiştir.


198

Tablo 2: Bootstrap Panel Nedensellik Testi Sonuçları (Eğitim-Büyüme)

Ülkeler

H0: Eğitim, Büyümenin nedeni

değildir.

H0: Büyüme, Eğitimin nedeni

değildir.

Wald İstatistiği p-değeri Wald İstatistiği p-değeri

Türkiye 101.805 0.120 373.980 0.002

Çek Cumhuriyeti 48.263 0.491 77.132 0.256

Danimarka 17.510 0.450 162.016 0.008

Macaristan 77.169 0.123 37.778 0.483

Japonya 1.804 0.942 3.059 0.838

Meksika 71.520 0.052 105.252 0.037

Yeni Zelenda 72.208 0.296 67.988 0.372

Norveç 91.800 0.117 22.970 0.540

Slovakya 61.891 0.152 1.500 0.873

İspanya 35.014 0.297 71.080 0.091

ABD 66.844 0.716 124.084 0.030

Panel Fisher Test

İstatistiği 31.074 (0.095) 48.502 (0.001)

Tablo 2’den Wald testi sonuçları incelendiğinde Meksika için eğitimden büyümeye doğru

nedensellik ilişkisi elde edilirken; Türkiye, Danimarka, Meksika, İspanya ve ABD için ise

büyümeden eğitime doğru nedensellik ilişkisi elde edilmiştir.

Tablo 3: Bootstrap Panel Nedensellik Testi Sonuçları (Genç İşsizlik-Eğitim)

Ülkeler

H0: Genç İşsizlik, Eğitimin nedeni

değildir.

H0: Eğitim, Genç İşsizliğin

nedeni değildir. Wald

İstatistiği p-değeri

Wald


Türkiye 10.157 0.423 1.213 0.475

Çek

Cumhuriyeti 0.019 0.976 9.463 0.449

Danimarka 0.715 0.656 1.136 0.935

Macaristan 0.612 0.525 22.870 0.112

Japonya 2.588 0.495 0.890 0.991

Meksika 0.531 0.912 52.022 0.040

Yeni Zelenda 1.311 0.715 0.397 0.982


199

Norveç 100.439 0.028 0.884 0.699

Slovakya 16.735 0.378 4.671 0.995

İspanya 1.122 0.462 0.081 0.873

ABD 8.115 0.198 10.589 0.465

Panel Fisher

Test İstatistiği 20.412 (0.557) 16.625 (0.784)

Tablo 3’den Wald testi sonuçları incelendiğinde Norveç için genç işsizlikten eğitime doğru

nedensellik ilişkisi elde edilirken; Meksika, için ise eğitimden genç işsizliğe doğru nedensellik

ilişkisi elde edilmiştir.

Tablo 4: Bootstrap Panel Nedensellik Testi Sonuçları (Genç İşsizlik-Büyüme)

Ülkeler

H0: Genç İşsizlik, Büyümenin

nedeni değildir.

H0: Büyüme, Genç İşsizliğin

nedeni değildir. Wald


Wald


Türkiye 46.546 0.037 0.769 0.711

Çek

Cumhuriyeti 10.675 0.088 20.126 0.188

Danimarka 0.412 0.814 1.400 0.967

Macaristan 5.675 0.762 44.317 0.057

Japonya 23.192 0.308 21.413 0.193

Meksika 34.494 0.012 20.179 0.120

Yeni Zelenda 2.611 0.608 0.047 0.946

Norveç 3.465 0.734 91.274 0.035

Slovakya 22.194 0.172 2.667 0.979

İspanya 25.291 0.016 3.343 0.533

ABD 72.443 0.002 0.074 0.993

Panel Fisher

Test İstatistiği 49.444 (0.001) 25.483 (0.275)

Tablo 4’den Wald testi sonuçları incelendiğinde Türkiye, Çek cumhuriyeti, Meksika, İspanya ve

ABD için Genç işsizlikten büyümeye doğru nedensellik ilişkisi elde edilirken; Macaristan ve

Norveç için ise büyümeden genç işsizliğe doğru nedensellik ilişkisi elde edilmiştir.


200

Tablo 1, Tablo 2 ve Tablo 2’den Panelin geneli için elde edilen Fisher test istatistikleri

incelendiğinde OECD ülkeleri için genç işsizlik ve eğitim değişkeninden büyüme değişkenine;

büyüme değişkeninden eğitim değişkenine doğru nedensellik ilişkisi elde edilmiştir.

4. Sonuç

Elde edilen nedensellik sonuçları dikkate alındığında seçilmiş OECD ülkeleri için genç işsizlik ve

yükseköğretimden mezun olan öğrenci sayısının büyümeyi belirleyen önemli değişkenler olduğu

ifade edilebilir. Bu yüzden eğitime yapılan yatırımların ekonomik büyümeye ivme kazandırarak

istihdam düzeyine olumlu bir şekilde yansıyabileceği ve genç işsizlik sorununu ortadan kaldırmak

amacıyla daha çok istihdam yaratan bir ekonomik büyümenin gerçekleştirilebilmesi ve etkili

eğitim politikalarının yürütülebilmesinin önem arz edeceği sonucuna ulaşılabilmektedir.

Ayrıca bulunan sonuçlar beşeri sermayenin ve niteliğinin büyüme üzerindeki etkisini inceleyen

teorik ve ampirik çalışmalarla da paralellik göstermektedir. Bilindiği üzere Romer ve Lucas

tarafından 1980’li yıllarda literatüre kazandırılan içsel büyüme modelleri beşeri sermayenin

önemini vurgulayarak, Neo-klasik büyüme teorilerinin aksine uzun dönemde de beşeri sermayenin

getirisinin azalmayacağını diğer bir ifadeyle az gelişmiş ülkelerin gelişmiş ülkelere ancak sermaye

verimliliğini artırarak yetişebileceklerini belirtmişlerdir.

Analiz sonuçlarından yüksek öğretimden mezun olan kişi sayısı diğer bir ifadeyle nitelikli işgücü

ile büyüme arasında çift yönlü ve genç işsizlik oranından da büyümeye doğru tek yönlü bir

nedensellik ilişkisinin elde edilmesi hedeflenen büyüme rakamlarına ulaşmak adına beşeri

sermaye yatırımlarının nedenli önemli olduğunu ortaya koymaktadır.

Kaynakça

Banerji, A., Lin, M. H. H., Saksonovs, M. S. (2015). Youth unemployment in advanced Europe: Okun’s law and

beyond (No. 15). International Monetary Fund.

Breusch, T. S., Pagan, A. R. (1980). The Lagrange Multiplier Test and Its Applications to Model Specification in

Econometrics. The Review of Economic Studies, 47(1), 239-253.

Kar, M., Nazlıoğlu, Ş., Ağır, H. (2011). Financial Development and Economic Growth Nexus in the MENA Countries:

Bootstrap Panel Granger Causality Analysis. Economic Modelling, 28(1-2), 685-693.

Kónya, L. (2006). Exports and Growth: Granger Causality Analysis on OECD Countries with a Panel Data Approach.

Economic Modelling, 23(6), 978-992.

Korkmaz, M., Yücel, A. S., Aytaç, A., Yıldız, K., Şahbudak, E., Aydoğan, Y., ..., Şengün, H. (2016). Analysıs Of The

Relationship Between Employment And Education With Different Econometric Methods. Uhbab Journal,

16.

Menyah, K., Nazlioglu, S., Wolde-Rufael, Y. (2014). Financial Development, Trade Openness and Economic Growth

in African Countries: New Insights from a Panel Causality Approach. Economic Modelling, 37, 386-394.

O’Higgins, N. (2003). Trends In The Youth Labour Market In Developing And Transition Countries. Social

Protection Unit Human Development Network The World Bank, Social Protection Discussion Paper Series

0321.

Pesaran, M. H. (2004). General Diagnostic Tests for Cross Section Dependence in Panels. Journal of Econometrics,

142, 50–93.


201

Pesaran, M. H., Ullah, A., Yamagata, T. (2008). A Bias‐Adjusted LM Test of Error Cross‐Section Independence. The

Econometrics Journal, 11(1), 105-127.

Pirim, Z., Owings, W. A., Kaplan, L. S. (2014). The Long-Term Impact of Educational and Health Spending on

Unemployment Rates. European Journal of Economic and Political Studies, 7(1).

Plümper, T., Schneider, C. J. (2007). Too Much to Die, too Little to Live: Unemployment, Higher Education Policies

and University Budgets in Germany. Journal of European Public Policy, 14(4), 631-653.


202

Hisse Senedi Getiri Oynaklığı ve İşlem Hacmi Arasındaki İlişki: Borsa İstanbul

Uygulaması

M. Sinan TEMURLENK1

Anıl LÖGÜN2

Özet

Çalışmada, hisse senedi fiyatı getirisi ve işlem hacmi arasındaki ilişki incelenmiştir. Bu

kapsamda, 2.1.2009-14.5.2018 dönemi aralığı günlük verileri kullanılmıştır. Uygun

ortalama denklem olarak ARMA(1,1) modeli seçilmiştir. ARCH etkisinin olması nedeniyle

GARCH ve EGARCH modelleri kurulmuştur. Modellerin varyans denklemlerine işlem

hacmi değişkeni ve işlem hacminin bir önceki dönemi de eklenmiştir. GARCH(1,1) modeli

tahmini sonucunda şokların etkisinin kısa sürede geçmediği görülmüştür. EGARCH(1,1)

modeli tahmininde asimetrik etkiyi gösteren katsayının istatistiksel olarak bulunmuştur.

Aynı şekilde analiz sonuçlarında, negatif şokların, pozitif şoklara göre oynaklık üzerindeki

etkisinin daha fazla olduğu görülmüştür. Model analiz sonuçlarına göre Karışık Dağılımlar

Hipotezi’nin geçerli olduğuna ve işlem hacminin oynaklık dinamiğini açıklamada önemli

bir faktör olduğu sonucuna ulaşılmıştır.

Anahtar Kelimeler: Bist 100 Endeksi, İşlem Hacmi, Oynaklık

JEL Sınıflaması: G10, C58, C4

The Relationship Between Stock Return Volatility and Trading Volume: Investigation on

Istanbul Stock Exchange

Abstract

In this study, the relationship between stock prices return and trading volume is examined.

In this context, the daily data of the period between the period of 2.1.2009-14.5.2018 is

used. ARMA(1,1) model is chosen as appropriate equation. GARCH and EGARCH

models are established because of effect of ARCH. Trading volume and the previous period

of the trading volume are added to variance equations of models. As a result of

GARCH(1,1) model estimation, it is seen that the effect of the shocks is not pass in a short

time. In EGARCH(1,1) model estimation, coefficient, which means asymmetric effect, is

found statistically significant. Likewise, in this analysis result, negative shocks have more

effect on volatility than positive shocks. According to the results of the model analysis, it

is concluded that the Mixture of Distribution Hypothesis is valid and trading volume is an

important factor in explaining the volatility dynamic.

Keywords: Bist 100 Index, Trading Volume, Volatility

Jel Classification: G10, C58, C4

1. Giriş

Finansal piyasalarda hisse senedi fiyatları ve işlem hacmi arasındaki ilişki akademik çalışmalarda

oldukça ilgi gören bir konudur. Karpoff(1987), hisse senedi fiyatı işlem hacmi arasındaki ilişkinin

önemini birkaç noktayı vurgulamaktadır. Çalışmasında, fiyat ve hacim arasındaki ilişkinin finansal

1 [email protected], Atatürk Üniversitesi İ.İ.B.F., Erzurum, Türkiye 2 [email protected], Atatürk Üniversitesi İ.İ.B.F., Erzurum, Türkiye


203

piyasaları anlamakta bir bakış açısı sunacağını belirtirken, vadeli işlem piyasaları üzerine yapılan

çalışmalarda da fiyat ve hacim arasındaki ilişkinin önemli etkilere sahip olduğunu belirtmektedir.

Ayrıca, fiyat ile işlem hacmi arasındaki etkileşim, yapılan öngörülere fayda sağlayabilecektir.

Yapılan çalışmalarda hisse senedi fiyatı getirileri ile işlem hacmi arasındaki ilişkide temelde

Ardışık Bilgi Akışı (Sequential Arrival of Information) ve Karışık Dağılımlar Hipotezi (Mixture

of Distribution) olmak üzere iki hipotez kapsamında ele alınmaktadır. Ardışık Bilgi Hipotezi’ne

göre yatırımcıların, piyasadaki yeni bilgi karşısındaki tepkileri farklı olmaktadır(Darrat, Zhong ve

Cheng, 2007, s.2712). Bu hipoteze göre, piyasaya yeni giren bilgiler eş zamanlı biçimde

piyasadaki katılımcılara eşit olarak dağılmamaktadır(Gündüz ve Hatemi-J, 2005, s.31). Ardışık

Bilgi Akışı modeli, yatırımcıların piyasayla ilgili bilgilendirilmesi konusunda ve tüm

yatırımcıların bilgi konusunda anlaşma sağladığı zaman hacmin en yüksek olacağı varsayımını

kabul etmesi yönüyle eleştirilmektedir(Karpoff, 1987, s.114).

Karışık Dağılımlar Hipotezi, hem oynaklığı hem de işlem hacmini pozitif yönde etkileyen bilgi

akışına bağlıdır(Park, 2010, s.347). Karışık Dağılımlar Hipotezi’ne göre hacim ve oynaklık

dinamikleri, ortak ve eş zamanlı bilgi sağlayan bir süreç tarafından ortaya çıkmaktadır(Rossi ve

Magistris, 2013, s.96). Diğer bir ifadeyle, Karışık Dağılımlar Hipotezi, piyasadaki bilginin

yayılmasının simetrik olduğunu ve kişilerin piyasadaki arz ve talepteki değişiklikleri aynı anda

gördüklerini öne sürmektedir(Girard ve Omran, 2009, s.111).

Bu çalışmada ise doğrusal olmayan modeller GARCH ve EGARCH modelleri kullanılarak, işlem

hacminin ve işlem hacminin bir dönem gecikmeli değerinin, hisse senedi fiyatlarının getirisinin

oynaklığı üzerinde etkisinin olup olmadığı incelenecektir. Türkiye için borsa endeksinin günlük

verilerle incelenmesi yönüyle literatüre katkı sunacağı düşünülmektedir.

2. Literatür

İşlem hacmi ve hisse senedi fiyatları arasındaki ilişkinin incelenmesine yönelik yapılan

çalışmalarda, farklı dönemler kapsamında farklı yöntemlerin kullanıldığı görülmektedir. İşlem

hacmi ve fiyat arasındaki ilişkiyi nedensellik kapsamında inceleyen çalışmalarda, nedensellik

yönü olarak farklı bulgulara ulaşılmıştır(Elmas ve Temurlenk,2009; Kayalıdere, Kargın ve

Aktaş,2009; Çukur, Gümrah ve Ü. Gümrah, 2012; Çinko, 2015; Zor, Bozkurt ve Öksüz, 2016).

Hiemstra ve Jones(1994) ve Rashid(2007) çalışmalarında hisse senedi fiyatı ve işlem hacmi

arasındaki ilişkiyi incelerken doğrusallığın yanında doğrusal olmayan yapıyı göz önünde

bulundurmuşlar ve doğrusal olmayan nedensellik sınaması yapmışlardır. Yılancı ve Bozok(2014)

ise hisse senedi fiyatı ve işlem hacmi arasındaki ilişkiyi Hatemi-J asimetrik nedensellik

yaklaşımıyla incelemiştir. Analiz sonuçlarına göre negatif şoklar için işlem hacminden hisse

senedi fiyatına doğru tek yönlü nedensellik; pozitif şoklar için çift yönlü nedensellik bulunmuştur.


204

İşlem hacmi literatürde, hisse senedi getiri oynaklığı ve işlem hacmi arasındaki ilişkiyi ortaya

koymada, doğrusal olmayan yöntemler kullanılmaktadır. Bu çalışmalarda GARCH türü modeller

kullanılarak işlem hacmi ve oynaklık arasındaki ilişki açıklanmaya çalışılmıştır. (Khan ve Rizwan,

2008; Mubarık ve Javid, 2009; Kıran, 2010; Boyacıoğlu, Güvenek ve Alptekin, 2010; Chocholata,

2011; Chuang, Liu ve Susmel, 2012). Kalu ve Chinwe(2014), işlem hacminin hisse senedi

dönüşlerinin oynaklığa etkisini araştırmak amacıyla GARCH modeli kullanılmıştır. Nijerya için

yapılan bu çalışmada, işlem hacminin oynaklık kalıcılığı üzerindeki etkisinin olup olmadığı

üzerinde durulmuştur. Bunun sonucunda işlem hacmi ve oynaklık arasında istatistiksel olarak

anlamlı ve pozitif bir ilişki bulunmuş ve dolayısıyla Karışık Dağılımlar Hipotezi’nin geçerli

olduğu sonucuna ulaşılmıştır.

Naik, Gupta ve Padhi(2018), hisse senedi fiyatı ve işlem hacmi arasındaki ilişkiyi Güney Afrika

için 6.7.206-31.8.2016 dönemi aralığında günlük veriler kullanarak incelemiş ve EGARCH(1,1)

modeli kullanılmıştır. Modelin analiz sonuçlarına göre Karışık Dağılımlar Hipotezinin geçerli

olduğu görülmüştür.

3. Veri ve Yöntem

Bu çalışmada, Bist 100 endeksi kapsamında getiri oynaklığı ve işlem hacmi arasındaki ilişki

incelenmiştir. Çalışmada, 2.1.2009-14.5.2018 dönemi aralığı günlük verileri kullanılmıştır.

Çalışmadaki veriler, Merkez Bankası sitesinden elde edilmiştir. Getiri ve işlem hacmi serileri

logaritmaları alınarak analize dahil edilmiştir. İşlem hacmi de getiri serisi olarak analizde

kullanılmıştır. Doğrusal olmayan modeller GARCH ve EGARCH modellerinden yararlanılmıştır.

Ayrıca çalışmada, işlem hacmi ve getiri oynaklığı arasındaki ilişkide hangi hipotez yaklaşımının

geçerli olduğu elde edilmeye çalışılmıştır.

3.1. Birim Kök Testi

Zaman serileri analizlerinde serilerin durağan olması istenmektedir. Bu amaçla farklı birim kök

testleri kullanılmaktadır. Genişletilmiş Dickey Fuller(ADF) ve Phillips ve Perron birim kök testleri

en sık kullanılan testlerdir. ADF birim kök testinde, otokorelasyonun test istatistikleri üzerindeki

etkisini ortadan kaldırmak için otorelasyona gecikme eklenmektedir yani otoregresif katsayının

gecikmeleri modele dahil edilmektedir(Phillips ve Xiao, 1998, s.42). ADF testinin genel formu

aşağıdaki gibidir:

∆xt =α+βT+ρxt-1

+ ∑ θi

𝑘

i=1

∆xt-i+휀𝑡 (1)

Eşitlik (1)’de sabit katsayı α, trend değişkeni T, otoregresif katsayı ρ ve farkı alınmış x serisi ise

∆xt-i olarak gösterilmektedir. Bu testte, sıfır hipotezi serilerin birim köke sahip olduğunu yani


205

durağan olmadığını ifade etmektedir. Alternatif hipotez ise serilerin birim köke sahip olmadığını,

dolayısıyla serilerin durağan oldukları şeklindedir(Ibrahim, 1999, s.220-221).

Phillips ve Perron(1988) yaklaşımında, sabitin ve trendin olduğu birinci mertebeden otoregresif

bir süreç tahmin edilerek, Z istatistiği hesaplanmaktadır. Bu testte, sabit ve trend yer almaktadır,

böylece durağan olmayan süreç ile deterministik trend süreci arasında ayrım yapılabilmektedir.

3.2. GARCH Modeli

GARCH modeli Bollerslev(1986) ve Taylor(1986) tarafından geliştirilmiştir. GARCH(1,1)

modeli eşitlik (2)’de verilmiştir. GARCH modeli, geçmiş hata terimlerinin karelerinin ağırlıklı

ortalamasıdır (Engle, 2001, s.159).

𝜎𝑡2 = 𝜔 + 𝛼1휀𝑡−1

2 + 𝛽1𝜎𝑡−12 (2)

Bu eşitlikte 𝛼1 + 𝛽1 < 1 şartının sağlanması gerekmektedir. GARCH(1,1) modeline işlem hacmi

ve işlem hacminin bir dönem önceki değeri eklenmiş ve sırasıyla eşitlik (3) ve (4)’de

belirtilmektedir. Buradaki amaç işlem hacminin oynaklık üzerindeki etkisini incelemektir.

𝜎𝑡2 = 𝜔 + 𝛼1휀𝑡−1

2 + 𝛽1𝜎𝑡−12 + 𝜕ℎ𝑎𝑐𝑖𝑚𝑡 (3)

𝜎𝑡2 = 𝜔 + 𝛼1휀𝑡−1

2 + 𝛽1𝜎𝑡−12 + 𝜇ℎ𝑎𝑐𝑖𝑚𝑡−1 (4)

3.3. EGARCH Modeli

EGARCH modeli, GARCH modeline göre bazı avantajlara sahiptir. Öncelikle, katsayılar negatif

olsa bile, ln(𝜎𝑡2) model haline getirildiği için 𝜎𝑡

2 pozitif olacaktır yani bu modelde negatif olmama

varsayımı sağlanmaktadır. EGARCH modelinde, asimetrik ilişkilere izin verilmektedir. Çünkü,

getiri ve oynaklık arasındaki ilişki negatif ise, 𝛾 katsayısı negatif olacaktır (Brooks, 2014, 441).

Nelson(1991) tarafından ortaya konan EGARCH modeli (5) eşitliğinde belirtilmiştir.

ln(𝜎𝑡2) = 𝜔 + 𝛽 ln(𝜎𝑡−1

2 ) + 𝛾휀𝑡−1

√𝜎𝑡−12

+ 𝛼 [|휀𝑡−1|

√𝜎𝑡−12

] (5)

Denklem (4)’ye göre 𝛾 ≠ 0 olması asimetrinin varlığına işaret ederken, 𝛾 < 0 olması, piyasadaki

kötü haberlerin iyi haberlere göre oynaklığı daha çok etkilediği anlamına gelmektedir(Petrica ve

Stancu, 2017, 61). Model (5)’de gösterilen varyans denklemine işlem hacmi eklenerek, getiri

oynaklığı üzerindeki etkisi incelenmiştir. Ayrıca, varyans denklemine işlem hacminin bir önceki

değeri de eklenmiştir. Bu denklemler, eşitlik (6) ve (7)’da gösterilmektedir.


2 ) + 𝛾휀𝑡−1

√𝜎𝑡−12

+ 𝛼 [|휀𝑡−1|

√𝜎𝑡−12

] + 𝜇ℎ𝑎𝑐𝑖𝑚𝑡 (6)


206


2 ) + 𝛾휀𝑡−1

√𝜎𝑡−12

+ 𝛼 [|휀𝑡−1|

√𝜎𝑡−12

] + 휃ℎ𝑎𝑐𝑖𝑚𝑡−1 (7)

Eşitlik (6) ve (7)’da 𝜇 ve 휃 sırasıyla, işlem hacmi değişkeni ve işlem hacmi değişkeninin bir dönem

önceki değerini gösteren katsayılardır. Bu katsayılar, işlem hacminin oynaklık üzerindeki etkisinin

büyüklüğünü ölçmektedir. Eşitlik (6)’deki 𝜇 katsayısının pozitif ve istatistiksel olarak anlamlı

olması Karışık Dağılımlar Hipotezi’ni desteklemektedir(Naik ve Padhi, 2015, s.34).

4. Bulgular

Fiyat ve hacim getiri serilerine ait tanımlayıcı istatistikler Tablo 1’de gösterilmektedir. Fiyat ve

hacim getiri serilerinin ortalamaları sıfıra yakın değerlere sahiptir. Hacim getiri serisinin, standart

sapma değerlerine göre daha değişken olduğu söylenebilmektedir.

Tablo 1:Serilere Ait Tanımlayıcı İstatistikler ve Birim Kök Testleri Sonuçları

Fiyat Hacim

Ortalama 0.0005 0.0007

Medyan 0.0005 0.0000

Maksimum 0.0689 1.8794

Minumum -0.1106 -1.2704

Standart Sapma 0.0143 0.2351

Çarpıklık -0.4218 0.5573

Basıklık 6.6649 9.5590

ADF -50.3595* -17.6281*

PP -50.3492* -238.7876*

KPSS 0.2084* 0.0561* *, ** sırasıyla %1 ve %5 önem düzeyine göre anlamlılığı ifade etmektedir. ADF ve PP birim kök testlerinin tablo

kritik değerleri %1 ve %5 önem düzeyinde sırasıyla -3.43 ve -2.86; KPSS birim kök testinin tablo kritik değeri %1

için 0.73 ve %5 için 0.46 olarak alınmıştır. Fiyat ve hacim olarak ifade edilen seriler, getiri serileri olarak analize

katılmıştır.

Serilerin öncelikle durağanlık analizleri ADF, PP ve KPSS birim kök testleri kullanılarak

yapılmıştır. ADF ve PP için sıfır hipotezi serinin birim köke sahip olduğunu yani durağan

olmadığını ifade ederken; KPSS için sıfır hipotezi serilerin durağan olduğunu yani birim köke

sahip olmadığını belirtmektedir. Serilerin birim kök test istatistikleri, ADF ve PP birim kök testleri

için %1 önem düzeyinde -3.43 tablo kritik değerinden daha negatif olduğu için sıfır hipotezi

reddedilmiştir. Buna göre, Tablo 1’de de görüldüğü üzere fiyatların getirisi ile işlem hacminin %1

önem düzeyinde I(0) (düzeyde) durağan oldukları sonucu elde edilmiştir.

Tablo 2: Ortalama Denklemlerin Karşılaştırılması

AIC SC HQ

ARMA(1,1) -5.6597 -5.6526* -5.6571*

ARMA(1,2) -5.6602* -5.6507 -5.6567

ARMA(2,2) -5.6600 -5.6505 -5.6565


207

GARCH ve EGARCH modelinden önce uygun ortalama denklem belirlenmiştir. Tablo 2’de

gerekli şartları sağlayan ortalama denklemler verilmiştir. Bu denklemler AIC (Akaike Information

Criterion), SC (Schwarz Criterion) ve HQ (Hannan – Quinn Criterion) bilgi kriterlerine göre

karşılaştırılmıştır. SC ve HQ bilgi kriterlerine göre ARMA(1,1) modeli uygun ortalama denklem

olarak seçilmiştir.

Tablo 3: GARCH(1,1) Modeli Tahmin Sonuçları

Katsayılar GARCH(1,1)

GARCH(1,1)

(İşlem hacimi

değişkeni dahil)

GARCH(1,1)

(Bir dönem önceki işlem

hacimi değişkeni dahil)

ω 0.0001* 0.0001* 0.0001*

α1 0.0488* 0.0757* 0.0880*

β1 0.9319* 0.4844* 0.8322*

∂ - 0.0001* -

μ - - 0.0001*

α1+ β1 0.9807 0.5601 0.9202

AIC -5.8182 -5.8153 -5.8153

SC -5.8015 -5.7962 -5.7962

Q(36) 26.001(0.835) 20.143(0.971) 26.349(0.823)

LM(6) 12.0578(0.0500)** 61.5664(0.0000)* 12.5523(0.0500)**

LM(36) 28.7453(0.7996) 131.3135(0.0000)* 28.7460(0.7996) *, ** sırasıyla %1 ve %5 önem düzeyine göre anlamlılığı ifade etmektedir. Otokorelasyon sınaması için Q test

istatistiğini; LM ise ARCH etkisinin sınanmasında kullanılan test istatistiğini göstermektedir. Parantez içindeki

değerler prob değerlerini göstermektedir. Otokorelasyon sınamasında sıfır hipotezi otokorelasyonun olmadığını;

ARCH LM testinde ise sıfır hipotezi ARCH etkisinin olmadığını ifade etmektedir.

Tablo 3’de GARCH modeline ait tahmin sonuçları gösterilmektedir. Modelin tüm katsayıları %1

önem düzeyinde istatistiksel olarak anlamlı bulunmuştur. GARCH modeli sonucunda 𝛼1 + 𝛽1

katsayısı 1’e çok yakın olarak 0.97 olarak bulunmuştur. Buna göre, kısa süreli bir etkinin olmadığı,

şokların etkisinin çok büyük olmaktadır. Otokorelasyonun olmadığı biçiminde kurulan sıfır

hipotezi, Tablo 3’deki analiz sonuçlarına göre, reddedilememiştir. Bu bağlamda, otokorelasyonun

olmadığı sonucu elde edilmiştir. ARCH etkisinin sınanmasında sıfır hipotezi, ARCH etkisinin

olmadığı şeklinde kurulmaktadır. ARCH etkisi 6 ve 36 gecikme kapsamında ARCH etkisinin

devam ettiği görülmüştür.

Tablo 4: EGARCH(1,1) Modeli Tahmin Sonuçları

Katsayılar EGARCH(1,1)

EGARCH(1,1)

(İşlem hacimi

değişkeni

dahil)

EGARCH(1,1)

(Bir dönem önceki işlem hacimi

değişkeni dahil)

ω -0.4686* -0.3851* -0.3089*

α 0.1358* 0.1269* 0.0987*

γ -0.0677* -0.1101* -0.0610*

β 0.9574* 0.9676* 0.9727*

μ - 2.6352* -


208

θ - - 0.3784*

AIC -5.8230 -5.9897 -5.8244

SC -5.8040 -5.9683 -5.8030

Q(36) 23.814(0.904) 20.309(0.9690) 24.061(0.8970)

LM(6) 5.8437(0.4409) 7.1719(0.3052) 5.9259(0.4315)

LM(36) 23.9668(0.9377) 47.4478(0.0960) 25.4413(0.9052) *, ** sırasıyla %1 ve %5 önem düzeyine göre anlamlılığı ifade etmektedir. Otokorelasyon sınaması için Q test

istatistiğini; LM ise ARCH etkisinin sınanmasında kullanılan test istatistiğini göstermektedir. Parantez içindeki

değerler prob değerlerini göstermektedir.

Tablo 4’de EGARCH(1,1) modelinin tahmin sonuçları verilmiştir. EGARCH modeli tahmini

sonucunda oynaklık asimetrisini ifade eden 𝛾 katsayısı beklenen şekilde negatif ve istatistiksel

olarak anlamlı bulunmuştur. EGARCH varyans denklemine işlem hacmi ve işlem hacminin bir

dönem önceki değeri eklendiğinde her ikisi denklemdeki katsayının da istatistiksel olarak anlamlı

ve pozitif olduğu sonucu elde edilmiştir. AIC ve SC bilgi kriterlerine göre en uygun model, işlem

hacminin olduğu EGARCH(1,1) modelidir.

5.Sonuç

Çalışmada, hisse senedi getiri oynaklığı ile işlem hacmi arasındaki ilişki 2009-2018 dönemi

aralığında günlük veriler kullanılarak incelenmiştir.

EGARCH modeli analiz sonuçlarına göre Karışık Dağılımlar Hipotezi’nin geçerli olduğu

görülmüştür. Buna göre işlem hacmi oynaklık dinamiğini açıklamada önemli bir faktör olarak

bulunmuştur. Piyasaya yeni bir bilgi girişi durumunda fiyat ve hacim aynı zamanda değişmesi söz

konusu olabilecektir. GARCH modeli sonucunda şokların etkisinin çok hızlı sürede geçmediği

yani süreklilik kazandığı sonucuna ulaşılmıştır. Getiri oynaklığındaki asimetrik etki, istatistiksel

olarak anlamlı bulunmuştur. Negatif şokların, pozitif şoklara göre oynaklık üzerindeki etkisinin

fazla olduğu sonucuna ulaşılmıştır. İşlem hacmi eklendiğinde oynaklığın kalıcılığında azalma

görülmüştür.

Naik ve Padhi(2015), BRIC ülkeleri için yaptığı çalışmada, işlem hacminin dahil edilmesi

durumunda oynaklığın kalıcılığı %1 oranında azaldığı sonucunu elde edilmiştir. Wang, Wang ve

Liu(2005), Çin borsası için yaptığı çalışmada, çalışmamıza benzer şekilde Karışık Dağılımlar

Hipotezi’ni destekleyici bulgular elde edilmiştir. Getiri oynaklığı ve işlem hacmi arasındaki ilişki

incelenirken saatlik gibi daha yüksek frekanslı verilerden yararlanılarak daha kapsamlı analizler

de yapılabilir.

Kaynakça

Boyacioglu, M. A., Güvenek, B., & Alptekin, V. (2010). Getiri Volatilitesi İle İşlem Hacmi Arasindaki İlişki:

IMKB'de Ampirik Bir Çalisma. Muhasebe ve Finansman Dergisi, (48).

Brooks, C. (2014). Introductory econometrics for finance. Cambridge university press.

Chocholatá, M. (2011). Trading volume and volatility of stock returns: Evidence from some European and Asian stock

markets. Metody Ilościowe w Badaniach Ekonomicznych, 12(1), 27-36.


209

Chuang, W. I., Liu, H. H., & Susmel, R. (2012). The bivariate GARCH approach to investigating the relation between

stock returns, trading volume, and return volatility. Global Finance Journal, 23(1), 1-15.

Çinko, M. (2015). Piyasa Büyüklüğüne Göre İşlem Hacmi-Fiyat Nedensellik İlişkisi. TISK Academy/TISK

Akademi, 10(19).

Çukur, S., Gümrah Ü., Üstün Gümrah, M.(2012), “İstanbul Menkul Kıymetler Borsasında Hisse Senedi Getirileri ve

İşlem Hacmi İlişkisi”, Niğde Üniversitesi İİBF Dergisi, 5,1: 20-35.

Darrat, A. F., Zhong, M., & Cheng, L. T. (2007). Intraday volume and volatility relations with and without public

news. Journal of Banking & Finance, 31(9), 2711-2729.

Elmas, B., Temurlenk, M. S. (2009). Hisse Senedi Fiyatı-İşlem Hacmi Arasındaki Granger Nedensellik: İMKB’de

Hisse Bazlı Bir Analiz. İMKB Dergisi, 11(43), 1-15.

Emenike, K. O., Opara, C. C. (2014). The relationship between stock returns volatility and trading volume in

Nigeria. Verslo Sistemos ir Ekonomika, 4(2).

Engle, R. (2001). GARCH 101: The use of ARCH/GARCH models in applied econometrics. Journal of economic

perspectives, 15(4), 157-168.

Girard, E., Omran, M. (2009). On the relationship between trading volume and stock price volatility in

CASE. International Journal of Managerial Finance, 5(1), 110-134.

Gündüz, L., Hatemi-J, Abdulnasser (2005). Stock price and volume relation in emerging markets. Emerging Markets

Finance and Trade, 41(1), 29-44

Hiemstra, C., Jones, J. D. (1994). Testing for linear and nonlinear Granger causality in the stock price‐volume

relation. The Journal of Finance, 49(5), 1639-1664.

Ibrahim, M. (1999). Macroeconomic variables and stock prices in Malaysia: An empirical analysis. Asian Economic

Journal, 13(2), 219-231.

Karpoff, J. M. (1987). The relation between price changes and trading volume: A survey. Journal of Financial and

quantitative Analysis, 22(1), 109-126.

Kayalıdere, A. G. D. U. K., Kargın, S., & Aktaş, R. (2009). İMKB’de Fiyat ve Hacim Arasındaki Nedensellik

İlişkisi. Celal Bayar Üniversitesi SBE Sosyal Bilimler Dergisi, 7, 115-124.

Khan, S. U., Rizwan, F. (2008). Trading volume and stock returns Evidence from Pakistan's stock

market. International Review of Business Research Papers, 4(2), 151-162.

Kıran, B., (2010), “İstanbul Menkul Kıymetler Borsası’nda İşlem Hacmi ve Getiri Volatilitesi”, Doğuş Üniversitesi

Dergisi, 11 (1): 98-108.

Mubarik, F., Javid, A. (2009). Relationship between stock return, trading volume and volatility: Evidence from

Pakistani stock market.

Naik, P. K., Padhi, P. (2015). Stock market volatility and equity trading volume: Empirical examination from Brazil,

Russia, India and China (BRIC). Global Business Review, 16(5_suppl), 28S-45S.

Naik, P. K., Gupta, R., & Padhi, P. (2018). The Relationship between Stock Market Volatility and Trading Volume:

Evidence from South Africa. The Journal of Developing Areas, 52(1), 99-114.

Park, B. J. (2010). Surprising information, the MDH, and the relationship between volatility and trading

volume. Journal of Financial Markets, 13(3), 344-366.

Petrica, A. C., Stancu, S. (2017). Empirical Results of Modeling EUR/RON Exchange Rate using ARCH, GARCH,

EGARCH, TARCH and PARCH models. Romanian Statistical Review, (1).

Phillips, P. C., Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-346.

Phillips, P. C., Xiao, Z. (1998). A primer on unit root testing. Journal of Economic Surveys, 12(5), 423-470.

Rashid, A. (2007). Stock prices and trading volume: An assessment for linear and nonlinear Granger causality. Journal

of Asian Economics, 18(4), 595-612.

Rossi, E., De Magistris, P. S. (2013). Long memory and tail dependence in trading volume and volatility. Journal of

Empirical Finance, 22, 94-112.

Wang, P., Wang, P., & Liu, A. (2005). Stock return volatility and trading volume: Evidence from the Chinese stock

market. Journal of Chinese Economic and Business Studies, 3(1), 39-54.


210

Yilanci, V., Bozoklu, S. (2014). Türk Sermaye Piyasasinda Fiyat ve Islem Hacmi Iliskisi: Zamanla Değisen Asimetrik

Nedensellik Analizi. Ege Akademik Bakis, 14(2), 211.

Zor, İ., Bozkurt, İ., & Öksüz, Ö. G. S. (2016). Asimetrik Bilgi Düzeyinin Fiyat-Hacim İlişkisi Üzerindeki Etkisi: Borsa

İstanbul Örneği. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 16(1).


211

Kapula Yaklaşımı İle Portföy Risk Değerlendirilmesi

Emre YILDIRIM1

Mehmet Ali CENGİZ2

Özet

Finansal alandaki varlıklara yatırım yapmadan önce yapılacak olan yalıtırım potansiyel

kaybını tahmin etmek oldukça önem arz etmektedir. İlgili yatırım araçlarına ait risk

değerlerinin hesaplanması yatırımcıların sıklıkla üzerinde çalıştığı konulardan biridir. Risk

yönetiminde yaygın olarak kullanılan iki ölçüm mevcuttur. Bunlardan biri riske maruz

değer diğeri ise beklenen kayıptır. Bu çalışmada döviz kurlarından oluşan portföye ait

beklenen kayıp kapula yaklaşımı ile tahmin edilmektedir. Böylelikle kullanılan bu yöntem

yatırımcıların potansiyel kayıplarını tahmin etmeye olanak sağlamakta ve yatırımcıların

daha iyi bir yatırım planı oluşturmasına yardımcı olmaktadır.

Anahtar Kelimeler: Bağımlılık, Kapula, Dinamik modelleme, Finansal varlıklar

JEL Sınıflaması: C51, G11, C58

Evaluation of Portfolio Risk by Means of Copula Approach

Abstract

It is quite important to estimate the potential loss of investment before investing financial

assets. Calculation of the risk values for the related investment instruments is one of the

issues that investors often work on. There are two measures commonly used in risk

management. One of these is expected shortfall while the other is value at risk. In this

study, it is estimated with the expected shortfall of the portfolio consisting of foreign

exchange rates by means of copula approach. Thus, this method used allows investors to

estimate the potential losses of investors and helps investors to develop a better investment

plan.

Keywords: Dependency, Copula, Dynamic modelling, Financial assets

JEL Classification: C51, G11, C58

1. Giriş

Finansal varlıklara yatırım yapmadan önce yapılacak olan yatırımın potansiyel kaybını tahmin

etmek oldukça önem arz etmektedir. İlgili yatırım araçlarına ait risk değerlerinin tahmin edilmesi,

yatırımcıların sıklıkla üzerinde çalıştığı konulardan biridir. Finansal varlıklar döviz kuru, emtialar,

hisse senetleri, devlet tahvili ve hazine bonosu gibi araçlardan oluşmaktadır. Yatırımcılar bu

araçların birkaçı ile portföy oluşturabilmekte ve böylelikle yatırımlarına çeşitlilik kazandırarak

kayıp riskini düşürmeyi amaçlamaktadır. Portföyü oluşturacak doğru yatırım araçlarının

belirlenmesi, yatırımcının yüksek kar elde etmesine olanak sağlamaktadır. Bununla birlikte, doğru

yatırım araçlarının belirlenmesi, doğru risk tahmini ile mümkün olabilmektedir. Risk

değerlendirme aşamasındaki en önemli noktalardan biri, finansal varlıklar arasındaki bağımlılık

1 Arş. Gör., [email protected], Ondokuz Mayıs Üniversitesi, Samsun. 2 Prof. Dr., [email protected], Ondokuz Mayıs Üniversitesi, Samsun.


212

yapısının doğru bir şekilde modellenmesidir. Klasik bağımlılık modelleme yöntemleri ilgili

finansal değişkenler arasındaki bağımlılığı modellemede Pearson Korelasyon Katsayısını

kullanmaktadır. Simetrik bağımlılıkları modellemede oldukça etkili olan bu katsayı asimetrik ve

doğrusal olmayan bağımlılık durumlarında yanıltıcı sonuçlar verebilmektedir. Böyle durumlarda

Pearson korelasyon katsayı yerine bağımlılığı daha doğru bir şekilde modelleyebilecek alternatif

yöntemlere ihtiyaç duyulmaktadır. Bu yöntemlerden biri de değişkenler arasındaki bağımlılık

yapısını esnek bir şekilde modelleyebilen kapulalardır. Kapulalar, değişkenler arasındaki asimetrik

veya kuyruk bağımlılığı gibi farklı bağımlılık yapılarını modelleyebildiğinden dolayı özellikle

finansal alandaki kullanımı hızla artmaktadır.

Bu çalışmada yatırım araçlarına ait risk ölçüm yöntemlerinden biri olan beklenen kayıp tahmin

edilmektedir. Klasik beklenen kayıp tahmin yöntemlerinde portföyü oluşturan finansal varlıklara

ait normal dağılım koşulu aranmaktadır. Ancak gerçek veri setlerinde bu varsayımın sağlanması

oldukça güçtür. Finansal varlıklar arasındaki bağımlılık yapısının modellenmesinde esnek bir araç

olan kapula yaklaşımı kullanılmakta ve böylelikle daha doğru bir bağımlılık yapısı elde

edilmektedir. Çalışmada veri seti olarak Amerikan Doları ve İngiliz Poundu kullanılmakta ve bu

iki döviz kurundan oluşan bir portföy analiz edilmektedir.

2. Literatür

Değişkenler arasındaki bağımlılık yapısını marjinal dağılımlara bakılmaksızın modelleyebilen

kapulalar ekonometri ve finans alanında esnek bağımlılık modelleme aracı olarak

kullanılmaktadır. Lourme ve Maurer (2017) d-boyutlu veri yapısında Gaussian ve Student’s t

kapula seçimi için yarı parametrik bir yöntem sundu. İki modelin performanslarını grafiksel uyum

iyiliği, bootstraped korelasyon matrisi, riske maruz değer ile beklenen kayıp ve ortak riske maruz

değer ve marjinal beklenen kayıp olmak üzere dört kriter yönünden inceledi ve Student’s t

kapulanın Gaussian kapulaya iyi bir alternatif olduğunu belirledi. Su ve Ma (2017) risk ölçmede

çeşitli istatistiksel özellikler içeren PGARCH-EVT-Kapula modelini kullanarak portföy için riske

maruz değer ve beklenen kayıp değerini tahmin etti ve Monte Carlo simülasyon yöntemiyle

güvenilirliklerini test etti. Çalışmanın sonucunda beklenen kayıp ölçümünün varlık fiyatlarının

riskini daha iyi tahmin ettiğini belirledi. Bununla birlikte Kapulala teorisine ilişkin detaylı bilgi

için Nelsen (2007) ve Joe (2014) incelenebilir.

3. Yöntem

3.1. Risk yönetimi

Portföy risk yönetiminde en sık kullanılan yöntemler; riske maruz değer ve beklene kayıptır.


213

Riske maruz değer (Value at Risk): Belirli bir periyod ve güven aralığında bir varlığın veya

portföyün olası kaybının bir ölçüsü olarak ifade edilmektedir. Riske maruz değer matematiksel

olarak aşağıdaki şekilde gösterilmektedir:

VaR1−p = inf{𝑥|𝐹𝑙(𝑥) ≥ 1 − 𝑝} (1)

Burada, p olasılığı ve l ise zaman periyodunu göstermektedir.

Beklenen kayıp (Expected Shortfall): Belirli bir periyod ve güven aralığında bir varlığın veya

portföyün olası ortalama kaybının bir ölçüsü olarak ifade edilmektedir. Beklenen kayıp bir diğer

ifade ile koşullu riske maruz değer aşağıdaki şekilde tanımlanmaktadır:

ES1−p = E(x|x > VaR) =∫ xf(x) dx

∞

VaR

Pr (x > VaR) (2)

Riske maruz değer, tarihsel simülasyon yöntemi (Historical Simulation), Varyans-Kovaryans

yöntemi ve Monte Carlo simülasyon yöntemi ile hesaplanmaktadır. Bununla birlikte riske maruz

değer, riske maruz seviyesinin üstündeki kayıp değerlerini ihmal etmekte ve risk ölçümlerinin

tutarlılık aksiyomlarından olan alt toplanabilirlik özelliğini sağlamamaktadır. Bu nedenle bu

çalışmada riske maruz değerin yukarıda belirtilen sorunlarının üstesinden gelen ve risk

ölçümlerinin aksiyomlarını sağlayan beklenen kayıp tahmini yapılmaktadır.

3.2. Kapula

Tek değişkenli marjinal dağılımlara bakılmaksızın ilgili değişkenler arasındaki bağımlılık yapısını

modelleyen esnek bağımlılık modelleme araçları olan kapulalar, çok değişkenli dağılım

fonksiyonları ile onların tek değişkenli marjinalleri arasında bağlantı kurulmasını sağlayan

fonksiyonlardır.

F fonksiyonu F1, F2, … , Fn marjinallerine sahip n − boyutlu dağılım fonksiyonu olsun. Tüm

(x1, x2, … , xn) için bir kapula fonksiyonu vardır ve aşağıdaki şekilde tanımlanmaktadır:

F(x1, … , xn) = P(X1 ≤ x1, … , Xn ≤ xn)

= C(P(X1 ≤ x1, … , Xn ≤ xn))

= C(F1(x1), … , Fn(xn)) (3)

Sklar teoremine göre değişkenler sürekli olduğunda herhangi bir çok değişkenli dağılım

fonksiyonu marjinal dağılım ve bağımlılık yapısı ile gösterilebilmektedir.

f(x1, … , xn) =∂F(x1, … , xn)

∂x1 … ∂xn


214

=∂C(u1, … , un)

∂u1 … ∂un x ∏

∂Fi(xi)

∂xi

n

i=1

= c(u) x ∏ fi(xi)

n

i=1

(4)

Burada fi i = 1, … , n Fi ‘ nin yoğunluk fonksiyonu, ui = Fi(xi),

u = (u1, … , un) ve c(u) ise kapula yoğunluk fonksiyonudur. Bu teorem, İlgili değişkenlere ait

marjinal dağılımların aynı olması zorunlu olmadığını ve kapulanın seçimi marjinal dağılım

seçimine bağlı olmadığını göstermektedir. Bununla birlikte kapulalar, farklı marjinaller ve farklı

bağımlılık yapıları ile esnek çok değişkenli dağılım fonksiyonu oluşturulmasına olanak sağlamakta

ve portföyün ortak dağılımı normallik ve doğrusal korelasyondan bağımsız olarak

oluşturulabilmektedir.

4. Sonuç

Döviz kurlarına ait tanımlayıcı istatistikler Tablo 1’ de verilmektedir. Doların, İngiliz Pounduna

göre ele alınan periyod acısından daha yüksek ortalama getiriye sahip olduğu görülmüştür.

Bununla birlikte getiri değerlerinin değişkenlikleri arasında önemli bir fark olmadığı

belirlenmiştir. Getiri serilerine ait dağılım yapısı incelendiğinde doların sağa çarpık ve İngiliz

Poundunun sola çarpık olduğu, ayrıca her iki getiri serisisin de sivri bir dağılım yapısı gösterdiği

basıklık katsayıları ile belirlenmiştir.

Tablo 1: Getiri Serilerinin Tanımlayıcı İstatistikleri

USD GBP

Ortalama 0.00047 0.00031

Standart sapma 0.00802 0.00899

Minimum -0.0275 -0.0583

Maksimum 0.04802 0.03668

Çarpıklık 0.76042 -0.2916

Basıklık 6.65938 7.77309

Çarpıklık ve basıklık katsayıları verilerin normal dağılış göstermediğine işaret etmektedir. Ayrıca

Jorque Bera testi ile getiri serilerine ait dağılımın normal olup olmadığı incelenmiştir ve sonuçlar

Tablo 2’ de gösterilmektedir. Test sonucunda serilerin normal dağılış göstermediği sonucuna

ulaşılmıştır.

Tablo 2: Getiri Serilerinin Normallik ve Durağanlık Test Sonuçları

Jorque Bera Testi ADF Testi

Test

istatistiği P-değeri

Test

istatistiği P-değeri

USD 336.33 0.0000 -7.63 0.0000

GBP 495.21 0.0000 -7.51 0.0000


215

Serilerin durağan olup olmadığı Augmented Dickey Fuller testi ile araştırılmış ve test sonucunda

getiri serilerinin durağan olduğu sonucu elde edilmiştir. İlgili serilere ait değişen varyans olup

olmadığı Engle ARCH testi ile incelenmiştir ve sonuçlar Tablo 3’ te verilmektedir. Test sonucuna

göre Dolar ve İngiliz Pounduna ait getiri serilerinde değişen varyans olduğu belirlenmiştir ve bu

da ilgili seriler için Bollerslev (1986) tarafından geliştirilen GARCH (Genelleştirilmiş Otoregresif

Değişen Varyans) modellerinin kullanılması gerekliliğini işaret etmektedir.

Tablo 3: Değişen Varyans Test Sonuçları

Döviz Kuru Engle Test Q istatistiği P-değeri

USD

LM(4) 23.081 0.00012

LM(6) 24.447 0.00043

LM(8) 24.689 0.00175

LM(10) 25.748 0.00409

GBP

LM(4) 18.088 0.00118

LM(6) 18.332 0.00545

LM(8) 18.550 0.01746

LM(10) 18.831 0.04245

Değişen varyans modellerinden standart GARCH, EGARCH (Exponential Generalized

Autoregressive Conditional Heteroscedasticity), GJR-GARCH(Glosten Jaganathan Runkle -

Generalized Autoregresive Conditional Heteroskedascticity) ve TGARCH (Threshold

Generalized Autoregresive Conditional Heteroskedascticity ) modelleri ele alınmıştır. AIC

(Akaike Information Criterion) ve BIC (Bayesian Information Criterion) bilgi kriterlerine dayalı

olarak en uyumlu GARCH modeli olarak artıkların Student t dağıldığı TGARCH modeli belirleniş

ve modele ait parametre tahminleri Tablo 4 ‘ te verilmiştir.

Tablo 4: TGARCH(t) Modelinin Parametre Tahminleri

𝝁 𝝎 𝜼𝟏 𝜸𝟏 𝜹𝟏 𝝂

USD 0.00013

(0.00029)

0.00047

(0.00034)

0.06294

(0.03431)

-1.00000

(0.53953)

0.89094

(0.06295)

4.94978

(1.07917)

GBP -0.00011

(0.00031)

0.00091

(0.00056)

0.12653

(0.05680)

0.57755

(0.23170)

0.80275

(0.09698)

4.76270

(1.02028)

TGARCH modelinden elde edilen artıklarda değişen varyans sorunu olmadığı belirlenmiş ve

böylece bağımsız özdeş dağılımlı seri elde edilmiştir. Bu seriler arasındaki bağımlılık yapısını en

iyi modelleyebilen kapula türü araştırılmıştır ve sonuçlar Tablo 5’ te gösterilmektedir.

Tablo 5: En Uyumlu Kapula Seçimi

Kapula AIC BIC

Normal (Gaussian) -237.50 -233.26


216

Student t -330.67 -322.19

Rotated Clayton -247.33 -243.09

Rotated Gumbel -259.71 -255.47

Frank -268.50 -264.25

Rotated Joe -178.95 -174.71

Dolar ile İngiliz Poundu arasındaki bağımlılık yapısını modelleyen en uyumlu kapula AIC ve BIC

bilgi kriterlerine göre incelenmiş ve Student t kapulanın bu bağımlılığı modellemede etkili olduğu

sonucuna ulaşılmıştır. İlgili değişkenler arasındaki bağımlılık yapısı modellendikten sonra bu

döviz kurlarına ait beklenen kayıp tahminleri hesaplanmıştır ve sonuçlar Tablo 6’ da

gösterilmektedir.

Tablo 6: Portföyün Beklenen Kayıp Tahminleri

Yüzdelik Kayıp miktarı

% 99 0.021

% 97.5 0.016

% 95 0.013

% 90 0.010

Dolar ile İngiliz Poundundan oluşan bir portföyün gelecek gün kayıp tahminleri sırasıyla % 99,

% 97.5, % 95 ve % 90 güven seviyesinde araştırılmıştır. En yüksek güven seviyesinde oluşturulan

bu portföye ait beklenen kayıp miktarı % 2.1 ve ilgilenilen en düşük güven seviyesine göre bu

kayıp miktarının % 1 olduğu sonucuna ulaşılmıştır.

Kaynakça

Bollerslev, T. (1986). Generalized autoregressive conditional heteroscedasticity. Journal of econometrics, 31(3), 307-

327.

Joe, H. (2005). Asymptotic efficiency of the two-stage estimation method for copula-based models. Journal of

Multivariate Analysis, 94(2), 401-419.

Lourme, A., & Maurer, F. (2017). Testing the Gaussian and Student's t copulas in a risk management framework.

Economic Modelling, 67, 203-214.

Nelsen, R. B. (2007). An introduction to copulas. Springer Science & Business Media.

Su, L., & Ma, L. Y. (2017). Risk Measurement of Futures Portfolio: An Empirical Study Based on PGARCH-EVT-

Copula Model. Applied Economics and Finance, 4(5), 45-53.


217

Kripto Para Piyasalarında Algoritmik Ticaretin Python Yazılım Dili Kullanılarak Zaman

Serileri Analizi ile Modellenmesi

Volkan ETEMAN1

Erkan IŞIĞIÇOK2

Özet

Algoritmik ticaret; matematiksel, istatistiksel algoritmalar veya belirlenen stratejilere göre

çalışan modellerin çeşitli finansal araçlar üzerinde işlemler yapabilmesini sağlayan

bilgisayar programlarıdır. Bu programlar ile oluşturulan sistemler, çeşitli stratejilerin

programlanması ve tanımlanmasından sonra insan müdahalesine gerek duymamaktadır. Bu

çalışmanın amacı, blokchain tabanlı kripto para borsalarından elde edilen veriler ile zaman

serisi modellerini oluşturmak ve bu modellerden elde edilen tahmin sonuçlarını anlık

piyasa verileri üzerinde, saniyelik veya dakikalık aralıklarla al, sat veya tut sinyallerinin

üretimini yapan ve piyasaya periyodik aralıklarla emir iletilmesi sonucu gerçekleşen model

performanslarını karşılaştırmaktır. Modellemeler sonucu fiyat yönünün %66’lık bir oranla

doğru tahmin edildiği belirlenmiş ve performans değerlendirmesi çalışmada sunulmuştur.

Anahtar Kelimeler: Algoritmik ticaret, Kripto Para, Zaman Serileri Analiz, Python, ARIMA

JEL Sınıflaması: C8, C22, C130

Modelling Algorithmic Trading in Cryptocurrency Markets with Time Series

Analysis by Python Software

Abstract

Algorithmic trading is a computer program that allows mathematical and statistical

algorithms to perform operations on various financial instruments. The systems created

with these programs do not require human intervention after programming and defining

various strategies. The aim of this study is to construct time series models with the data

obtained from blokchain based crypto currency exchanges and compare to results of these

models on instant market data with produced buy, sell or hold signals. Modeling results

determined that an estimated 66% of the price direction is correct ratios are presented in

the performance assessment.

Keywords: Algorithmic Trade, Crypto Currency, Time Series Analysis, Python, ARIMA

JEL Classification: C8, C22, C130

1. Giriş

Emtia adı verilen değerli madenlerin, sanayi metallerinin, tarım ürünlerinin alınıp satılmaya

başlanması ve bunun için pazar ve panayırların kurulması borsacılığın başlangıcı olarak kabul

edilir. İlk borsa işlemleri, kurulan pazar ve panayırlarda gerçekleştirilen emtia alım satımları ile

gerçekleştirilmiştir. Pazar ve panayırlarda gerçekleştirilen bu alım satım işlemlerine ek olarak

zaman içinde döviz, altın ve kıymetli evrak borsaları gelişim göstermeye ve kıymetli evraklar

1Arş. Gör., [email protected] , Munzur Üniversitesi, Aktuluk Kampüsü Merkez,Tunceli/Türkiye. 2 Prof. Dr., [email protected], Uludağ Üniversitesi, Görükle Kampüsü, Nilüfer,Bursa/Türkiye


218

alınıp satılmaya başlanmıştır. 15. yüzyılda kurulan Anvers Borsa'sı ticari evrakların alım-satımının

yapıldığı ilk borsa olarak tarihe geçmiştir. (Kaplanoğlu, 2016, s. 10)

Zaman içerisinde gelişim göstererek 20. yüzyılın sonlarına doğru günümüzdeki son halini alan

borsalar ortaya çıkmıştır. 21. yüzyılın başında gerçekleşen teknolojik ilerlemeler borsa ve

piyasaları da etkileyerek alım-satım yapılan ortamları tamamen elektronik sanal platformlara

taşımıştır. (Budak & Çikot, 2011, s. 6)

Emtiaların ticaretinin yapıldığı ilk tarihlerden günümüze kadar olan değişim ve gelişim süreci

sonunda sadece alıcı ile satıcıların buluştuğu fiziksel ortamlar sanal platformlara evirilmekle

kalmayıp, mübadele aracı olarak kullanılan yöntemlerin takas usulünden kâğıt paraya kadar olan

serüveni de değişmiştir. Satoshi Nakomota’nın 2009 yılında yayınlanan “Eşten-eşe Nakit Ödeme

Sistemi” (nakamoto, 2009) adlı makalesi ile birlikte paranın da sanallaşma sürecinin yolu

açılmıştır.

İlk sanal para olarak piyasaya sürülen bitcoin’in temelini oluşturan birbirine bağlı kriptografik

şifrelenmiş bloklar olarak tanımlanan blockchain teknolojisi, bitcoin’in ardından yüzlerce yeni

sanal para biriminin ortaya çıkmasına örnek olmuş ve ortaya çıkan bu sanal paralara altcoin ismi

verilmiştir. Bu tür sanal paralara genel olarak kripto paralar denilmektedir. Bu sanal paraların bir

emtia olarak işlem gördüğü, alınıp-satıldığı borsalar sanal platformlarda oluşturulmuştur(Swan,

2015). Tüm bu gelişmelere paralel olarak, 21.yüzyılın ikinci on yılındaki teknolojik ilerlemeler

bilgisayarların işlem yapabilme kabiliyetlerini arttırdığı gibi internetin gelişmesi ve yaygınlaşması

sonucu çevrimiçi bilgi paylaşımının artmasına neden olmuş ve büyük miktarda veri kümelerini

ortaya çıkarmıştır.

Disiplinler arası çalışma kültürüne doğal yapısı içinde sahip olan finansal piyasaların işlem yapma

sürecinin değişip elektronik hale gelmesi algoritmik ticaret adı verilen ayrı bir ticaret dalının ortaya

çıkmasına sebep olmuştur.

Konu ile ilgili literatür incelendiğinde, yapılan çalışmaların büyük çoğunluğunun teknik

indikatörler ve formasyonlara dayalı algoritmalardan oluştuğu gözlenmiştir. Bununla birlikte

farklı algoritma sağlayıcılarının performanslarının karşılaştırılması ve satın alma pozisyonunda

bulunan kurumların maliyetleri üzerine yapılan bir araştırmada (Domowitz & Yegerman, 2006)

algoritmik ticaret ile yürütülen süreçlerin insan etkisindeki sistemlere göre daha düşük maliyetli

olduğunu belirtmişlerdir.

Algoritmik ticaretin deutsche bourse üzerindeki etkisini 13 ocak 2008’den 18 ocak 2008’e kadar

inceleyen (Hendershott & Riordan, 2011) algoritmik ticaretin fiyatlandırma üzerinde işlem

hacminin %52’sine katkıda bulunduğunu göstermişlerdir.


219

(Groth, 2011) Çalışmasında algoritmik ticaret sistemlerinin uyguladığı strateji çeşitliliğinin insan

yatırımcıların uyguladığı çeşitlilikte olduğunu göstermiştir.

Bununla birlikte yapay sinir ağları ve derin öğrenmeye dayalı algoritmalar, zaman serileri

analizine dayalı algoritmalar, markov modellerine dayalı algoritmalar ve sayılan bu algoritmaların

birlikte çalışması ile oluşturulan hibrid sistemlerin algoritmik ticaret konusundaki literatürü

oluşturduğu gözlenmiştir. Ülkemizde konu ile ilgili literatür incelendiğinde akademik kaynaktan

daha çok özel sektör kaynaklı çalışmaların mevcut olduğu akademik çalışmaların tez kapsamında

bulunduğu görülmüştür.

3. Algoritmik Ticaret

Algoritmik ticaret; matematiksel ve istatistiksel algoritmalara göre çalışan modellerin çeşitli

finansal enstrümanlar üzerinde işlemler yapabilmesini sağlayan bilgisayar programları olup, çeşitli

stratejilerin programlanması ve tanımlanmasından sonra insan müdahalesine gerek

duymamaktadır (Treleaven, Galas, & Lalchand, 2013). Diğer bir ifade ile karmaşık ve gelişmiş

algoritmaları kullanarak ticaretteki döngünün bir kısmının veya tamamının

otomatikleştirilmesidir. Algoritmik ticaret dinamik öğrenmeyi, planlamayı ve karar almayı içerir.

Ticaretin bilgisayar programları aracılığıyla gerçekleştirilmesi aşağıda listelenen avantajları

barındırmaktadır.

• Ticari faaliyetler üzerindeki duygusal insan etkilerini kaldırarak ticareti daha sistematik

hale getirir.

• Birden fazla piyasada eş zamanlı olarak çalışma ve arbitraj fırsatlarının yakalanması

• Önemli fiyat değişimlerinden kaçınmak için anlık işleme konulacak savunma

mekanizmalarının oluşturulabilmesi

• Borsalar için yüksek işlem hacimlerine sahip olma olanağı sunması

• İşlem emirlerinde insan kaynaklı hataların ortadan kaldırılması

Bu sayılan avantajların yanında, aşağıdaki dezavantajları da barındırmaktadır.

• Yüksek hızlı internet erişimine sahip olanların olmayanlara göre daha avantajlı olması

• Borsa binasına konum olarak daha yakın olanların emir iletimi avantajına sahip olması.

• Çok sayıda gerçekleşmemiş iptal edilen emir iletimi sağlaması

• Piyasalarda işlem gören şirketlere sermaye eklememektedir. Saniyeler içerisinde bir

portföy onlarca farklı hisse senedini alıp satabilmektedir (Treleaven, Galas, & Lalchand, 2013).


220

Yukarıda sayılan avantajlar ve dezavantajlar göz önünde bulundurulduğunda algoritmik ticaret

kaynaklı emir iletimlerinin borsalar tarafından talep edilen bir olgu olduğu görülmektedir. Bunun

başlıca sebepleri arasında algoritmik ticaret kaynaklı emirlerin yüksek işlem hacmi fırsatı

yaratması ve yüksek işlem hacminin daha çok yatırımcıyı borsalara çekmesine yardımcı olması

gelmektedir

3.1. Algoritmik Ticaret Gereklilikleri

Algoritmik ticaret kavramı, finans bilgisinin yanında teknolojik bilgi ve bu bilginin

kullanılabilmesi sayesinde hayata geçirilebilmektedir. Bu bağlamda, algoritmik ticaretin

gerçekleştirileceği piyasaya erişim öncelikli şart olmaktadır. Piyasa erişimi ülkemizde Borsa

İstanbul tarafından yayımlanan bistech yönetmeliği kapsamında mümkün olurken, piyasa erişimi

aracı şirketler aracılığıyla mümkün kılınmıştır. Dünya genelinde piyasa erişimleri incelendiğinde

borsaların erişimi kısıtlayan katı kurallarının dışında forex ve kripto para borsalarının nispeten

daha kolay erişim imkanı sağladığı belirlenmiştir. Piyasalara al, sat veya tut sinyallerinin

gönderilmesi, piyasa davranışının analiz edilmesi ve belirlenen algoritma dâhilinde işlem

yapabilmesi için yazılım bilgisinin yanında belirlenecek algoritmanın bilimsel temellerine haiz

olunması gerekmektedir. Tüm bu gerekliliklerin yanında güçlü bir donanım altyapısının temin

edilmesi önemli bir etkendir. Bu çalışma kapsamında oluşturulan yazılım piyasa verilerini anlık

olarak toplayıp analiz etmesi ve bir sonraki tahmini piyasaya emir olarak göndermesi 6 dakika 40

saniye ile 9 dakika arasında değişen sürelerde mümkün olmuştur. Bunun sebebi yazılımın

geliştirildiği bilgisayarın donanım seviyesi olup bu donanım seviyesi standart ev kullanıcısı

seviyesidir.

3.2. Çalışma Kapsamında Erişim Sağlanan Piyasa

Bu çalışma kapsamında, kripto para borsaları arasında dünyada işlem hacmi en yüksek kripto

borsalardan biri olan Binance isimli borsa seçilmiştir. Piyasa erişimi borsanın sağlamış olduğu,

programlanabilir kullanıcı arayüzü anlamına gelen API ile gerçekleştirilmiştir. API genel olarak

bir sistemin veya uygulamaya ait özelliklerin, izin verilen ölçüde başka bir sistem içerisinde

kullanılmasına olanak sağlayan programlardır.

3.3. Yazılım Dili Ve Kullanılan Kütüphaneler

Çalışmada Python 3.6 yazılım dili ve dile ait kütüphaneler kullanılmıştır. Numpy, pandas

kütüphanelerine ek olarak, erişim sağlanan piyasa olan Binance’in kendi kütüphanesi olan

Binance-Python isimli kütüphane çalışmaya dâhil edilmiştir. Zaman serisi analizlerinin

gerçekleştirilebilmesi amacıyla Statsmodels isimli istatistiksel hesaplama ve modelleme

kütüphanesinin ilgili modülleri dâhil edilmiştir.


221

4. Box-Jenkins Yaklaşımı Ve Uygulama İçinde Kullanımı

Değişkenlerin değerlerinin bir dönemden diğerine, ardışık bir şekilde gözlendiği sayısal

büyüklükler olarak tanımlanan zaman serileri, ekonomik değişkenlerin gelecekte alabilecekleri

değerleri öngörmek ve önraporlamak amacıyla oldukça fazla kullanılmaktadır (Sevüktekin &

Çınar, 2014, s. 189). Bu çalışma kapsamında da bitcoin fiyatlarının zaman boyunca göstermiş

olduğu değişkenlikler incelenerek gelecekte alabileceği değerler box-jenkins yaklaşımı ile

öngörülmeye çalışılmıştır.

Bu kapsamda elde edilen veriler ile;

AR(p) Modeli

𝑌𝑡 = 𝛿 + 𝜙1𝑌𝑡−1 + 𝜙2𝑌𝑡−2 + ⋯ + 𝜙𝑝𝑌𝑡−𝑝+휀𝑡

MA(q) Modeli

𝑌𝑡 = 𝜇 + 휀𝑡 + 휃1휀𝑡−1 + 휃2휀𝑡−2 + ⋯ + 휃𝑝휀𝑡−𝑝

ARIMA(p,d,q) Modeli

𝑌𝑡 = 𝛿 + 𝜙1𝑌𝑡−1 + ⋯ + 𝜙𝑝𝑌𝑡−𝑝+휀𝑡 + 휃1휀𝑡−1 + 휃2휀𝑡−2 + ⋯ + 휃𝑝휀𝑡−𝑝

Yukarıda eşitlikleri verilen AR(p), MA(q) ve ARIMA(p,d,q) modellemeleri (Sevüktekin & Çınar,

2014) gerçekleştirilerek en uygun modelin belirlenmesi çalışılmıştır.

4.1. Veri toplama ve hazırlama

Erişim sağlanan piyasadan istenilen zaman aralıkları ile sürekli olarak veri çekilmesi mümkün

olmasına rağmen, bu çalışma kapsamında 15 dakikalık veriler ile işlem yapılmıştır. Bu kapsamda

her 15 dakikada bir BTC/USDT kur bilgilerindeki değişiklikleri alarak veri tabanını güncelleyen

bir kod parçası geliştirilen algoritmik ticaret programına eklenmiştir.

Ekran Alıntısı 1: Veri Toplama Ve Güncelleme Örnek Kodu

4.2 Durağanlık Kontrolü ve Durağanlaştırma

Veri toplama ve güncelleme işleminin ardından, elde edilen verilerin durağanlık kontrolü

yapılmaktadır. Bu amaç doğrultusunda Statsmodels paketinin “adfuller” modülü yazılan

durağanlaştırma fonksiyonu içerisine eklenerek durağanlık kontrolü ve durağanlaştırma işlemleri

mümkün kılınmıştır.


222

Ekran Alıntısı 2: Durağanlaştırma Fonksiyonu Örnek Kodu

Ekran Alıntısı 3: Durağanlaştırma Öncesi Fiyat/Zaman Grafiği

Ekran Alıntısı 4: Durağanlaştırma Sonrası Örnek Modelin Dağılımı

4.3. Optimum Model Belirleme

Durağanlaştırılmış veriler eşitlik optimum modelin belirlenmesi amacıyla tanımlanan,

optimumarmodeli(), optimummamodeli() ve optimumarımamodeli() isimli 3 fonksiyona

gönderilerek 5 iterasyonluk bir döngü içerisinde akaike bilgi kriterine dayalı optimum model

belirleme sürecine tabii tutulmakta olup her bir tahmin dönemi için 35 model hesaplanıp

aralarından optimum model belirlenebilmektedir.


223

Ekran Alıntısı 5: Örnek AR(p) Optimum Model Belirleme Kodu

4.4 Anlamlılık Kontrolü

Optimum olarak elde edilen modelin parametrelerin bireysel anlamlılıklarını kontrol edebilmek

amacıyla, anlamlılık kontrolü fonksiyonları yazılmış olup model içerisinde p değerleri bakımından

anlamsız bulunan gecikmeler modelden atılması sağlanmıştır.

Ekran Alıntısı 6: Belirlenen Örnek Bir Model

4.5 Tahmin ve Piyasa Emri

Elde edilen ve anlamsız gecikmeleri silinen optimum modelden elde edilen tahmin 15 dakika

sonrası için piyasaya emir olarak gönderilmesi sağlanmıştır.

Ekran Alıntısı 7: Örnek Modelleme Çıktısı

Yazılımın aralıksız çalıştırıldığı 08.10.2018 16:45 ile 09.10.2018 saat 6:00 tarihleri arasında veri

toplama, veri güncelleme, durağanlık kontrolü ve durağanlaştırma, optimum model belirleme,

anlamlılık kontrolü, anlamsız parametre silme, portföy pozisyonu belirleme ve piyasaya emir


224

gönderme işlemlerini insan müdahalesi olmadan her 15 dakikalık periyot için toplam 53 kez

gerçekleştirmiş ve toplamda 1325 adet model üretilmiştir.

Ekran Alıntısı 8: Yazılımın 13 Saat 15 Dakikalık Performans Grafiği

Ekran Alıntısı 9. 13 saat 15 Dakikalık Fiyat Grafiği Süresince Alınan Pozisyonlar

Elde edilen sonuçlara göre temel box-jenkins yaklaşımını baz olarak oluşturduğumuz algoritmik

ticaret yazılımı bitcoin fiyat yönünü %66’lık bir doğruluk oranı ile tahmin etmiş ve piyasada bu

tahminleri başarılı bir şekilde al, sat ve tut emirleri olarak iletilmiş ve otomatik olarak işlem

yapabilmiştir.

5. Sonuç

Bu çalışmanın gerçekleştirildiği standart kullanıcı(intel i5 işlemci 8Gb ram) donanım seviyesinde

mümkün olan en düşük tahmin aralığının 15 dakikalık periyotlar ile gerçekleştirildiği tecrübe

edilmiştir. Çalışmada belirlenmeye çalışılan optimum AR(p), MA(q),ARIMA(p,d,q)

modellemeleri için 5 özyineli işlem sonucunun 6 ile 9 dakika arasında sonuç verdiği ve en düşük

aic değerinin ARIMA(1,1,4) olarak modellendiği belirlenmiştir.

Özyineli işlem sayısının 20’nin üstüne çıkarıldığı bazı denemelerde 5 ile 6 saat arasında elde edilen

sonuçlarda yazılımın haftanın günlerine göre farklı modeller ürettiği tespit edilmesine rağmen

donanım kaynaklı sebeplerden dolayı yeterli veriye ulaşılamamıştır.


225

Bu çalışma kapsamında, yazılım, finansal piyasa dinamikleri ve ekonometrik modelleme gibi her

biri ayrı bir uzmanlık gerektiren alanların, bir arada kullanımının da ayrı bir uzmanlık gerektirdiği

tecrübe edilmiştir. Bununla birlikte algoritmik ticaret kavramını gerçekleştirilebilecek genel bir

yazılım çatısı oluşturulmuştur. İleriki çalışmalarda zaman serisi analizi akışındaki tüm süreçlerin

dahil edilmesi planlanmakla birlikte, zaman serilerine ek olarak başta arch-nn ve garch-nn

modellemeleri olmak üzere; deep learning, doğal dil işleme, sosyal medya madenciliği ve duygu

analizi yöntemlerinin bir arada kullanmasıyla elde edilebilecek hibrit yöntemlerin kodlanması

planlanmakla birlikte ülkemizde gerçekleştirilen algoritmik ticaret hacminin giderek artması ve bu

alanda yapılan çalışmaların karşılanması gereken bir ihtiyaç olduğu düşünülmektedir. Bu

sebeplerden dolayı araştırmacıların ilgili konuyu ilgi alanlarına almasının faydalı olabileceği

düşünülmüştür.

Kaynakça

Budak, A., & Çikot, Ö. (2011). Dünyada Borsa Şirketleşmeleri, Satın Alma ve Birleşmeleri. İstanbul: TSPAKB.

Domowitz, I., & Yegerman, H. (2006). The Cost Algorithmic Trading: A First Look at Comparative Performance.

The Journal of Trading. doi:DOI: 10.3905/jot.2006.609174

Groth, S. S. (2011). Does Algorithmic Trading Increase Volatility? Empricial Evidence from the Fully-Electronic

Trading platform Xetra. AIS Electronic Library, 68-77.

Hendershott, T., & Riordan, R. (2011). Algorithmic Trading and Information. Temmuz.

hunter, J., Dale, D., Fring, E., & Droettboom, M. (2018, 4 19). Matplotlib Release 2.2.2. 5 14, 2018 tarihinde

matplotlib.org: https://matplotlib.org/Matplotlib.pdf adresinden alındı

Kaplanoğlu, R. (2016). 90. Yılında Bursa Ticaret Odası. İstanbul: Avrasya Etnografya Vakfı.

nakamoto, s. (2009). Bitcoin: A Peer-to-Peer Electronic Cash System.

NumPy community. (2016, 5 29). NumPy Reference Release 1.11.0. 5 14, 2018 tarihinde docs.scipy.org:

https://docs.scipy.org/doc/ adresinden alındı

PyData Development Team. (2017, 12 30). pandas: powerful Python data analysis. 5 14, 2018 tarihinde

pandas.pydata.org: https://pandas.pydata.org/pandas-docs/stable/pandas.pdf adresinden alındı

Sevüktekin, M., & Çınar, M. (2014). Ekonometrik Zaman Serileri Analizi. Bursa: Dora.

Swan, M. ( 2015). Blockchain: BLUEPRINT FOR A NEW ECONOMY. California, Sebastopol: O’Reilly Media, Inc.

Treleaven, P., Galas, M., & Lalchand, V. (2013, Kasım). Algorithmic Trading Review. communications of the

acm(56), 76-84. doi:10.1145/2500117


226

Küreselleşmenin Analizi: Panel Kantil Yaklaşımı


Ezgi KENGEŞ2

Özet

Küreselleşme, toplumların ekonomik, sosyal ve siyasal anlamda bir sınırlama olmaksızın

birbirleri ile etkileşim halinde olmalarıdır. Teknolojinin gelişmesi, sosyal ve ekonomik

ihtiyaçların da etkisiyle gelişen küreselleşme, siyasal faktörlerin ve bütünleşmelerin

gerçekleşmesiyle de farklı alanlarda araştırma konusu haline gelmektedir. Her geçen gün

değişim ve gelişim göstermesiyle de ilgi gören konular arasına girmektedir. Bu çalışmada

küreselleşmeyi ifade eden değişkenin (KOF Küreselleşme İndeksi- KOF Globalisation

Index- KOF Konjunkturforschungsstelle) dağılımının farklı noktalarında açıklayıcı

faktörlerin etkisini incelemek, küreselleşmenin hangi durumlardan ne ölçüde etkilendiğini

görmek amaçlanmıştır. Bu amaçla 2005-2015 yılları arasında 44 ülkeye ait veri seti ile

küreselleşmenin internet kullanımı, ticari özgürlük, yatırım özgürlüğü, sanayi ve vergi

yükü değişkenleriyle ilişkisinin panel kantil yaklaşımı ile analizi gerçekleştirilmiştir. Elde

edilen sonuçlara göre küreselleşmenin farklı düzeyleri için bu değişkenlerin farklı etkileri

olduğu görülmüştür.

Anahtar Kelimeler: Küreselleşme, Panel Kantil Regresyon Analizi, Uluslararası Ekonomi

JEL Sınıflaması: C21, C23, F60

Analysis of Globalization: Panel Quantile Approach

Abstract

Globalization is that societies interact with each other without any limitation in economic,

social and political terms. With the development of technology and the necessity of social

and economic needs, globalization is becoming a research topic in different fields with the

realization of political factors and integrations. In this study, it is aimed to examine the

effect of explanatory factors on different points of globalization variable (KOF

Globalization Index) and to see to what extent globalization is affected. For this purpose,

the data set of 44 countries between the years 2005 and 2015 and the relationship between

globalization with internet usage, trade freedom, freedom of investment, industry and tax

burden variables were analyzed using panel quantile regression approach. According to the

results, these variables have different effects for different levels of globalization.

Keywords: Globalization, Panel Quantile Regression Analysis, International Economy

JEL Classification: C21, C23, F60

1. Giriş

Uluslararası ilişkiler, devletler ve bireyler arasındaki ekonomik, siyasal, hukuksal, kültürel, askeri

vb. ilişkilerin tümünü inceleyen bir disiplindir. Geçmişten bu yana farklı toplumların birbiri ile

etkileşime girme ihtiyaçlarının olduğu ve bunu gerçekleştirdikleri düşünüldüğünde bu tip

ilişkilerin kaçınılmaz olduğunu söylemek mümkündür. Bu etkileşimlerin beraberinde getirdiği

değişimler, bazı farklı kavramları da ortaya çıkarmıştır. Günümüzde en çok üzerinde durulan,

1 Prof. Dr. [email protected], Marmara Üniversitesi, İstanbul/TÜRKİYE 2 [email protected], Marmara Üniversitesi, İstanbul/TÜRKİYE


227

çeşitli yorumlar ve bakış açılarıyla da ele alınan bu kavramlardan biri de küreselleşmedir.

Etkilerini pek çok alanda görmek mümkündür. Zamanın şartları gereği de bu etkiler daha çok

hissedilmeye başlanmış, dolayısıyla farklı araştırma türlerine konu olmuştur.

Bu çalışmada küreselleşme kavramı ele alınarak küreselleşmeyi etkileyen faktörlerin panel kantil

yaklaşımı ile analizi gerçekleştirilmiştir. Küreselleşmeyi ifade eden değişkenin (KOF

Küreselleşme İndeksi) dağılımının farklı noktalarında açıklayıcı faktörlerin etkisini incelemek,

küreselleşmenin hangi durumlardan ne ölçüde etkilendiğini görmek amaçlanmıştır. Bu çalışmada

küreselleşmenin internet kullanımı, ticari özgürlük, yatırım özgürlüğü, sanayi ve vergi yükü ile

ilişkisi analiz edilmiştir. 2005-2015 yılları arasında 44 ülkeye ait veri setinden oluşmaktadır.

Küreselleşme ile ilgili literatürde var olan ekonometrik çalışmalarda genellikle küreselleşmenin

işsizlik, ekonomik büyüme gibi faktörlerle ilişkisi nedensellik analizi ile incelenmiştir. Panel veri

ile yapılan çalışmalarda ise genellikle küreselleşme açıklayıcı değişken olarak ele alınmış ve panel

veri modelleri tahmin yöntemleriyle incelenmiştir. Bu çalışmanın literatüre katkısı, farklı

kantillerde ortaya çıkan farklı sonuçların yani küreselleşmenin şartlı dağılımının farklı

noktalardaki bağımsız değişkenlerin değişimine nasıl tepki verdiğinin incelenmesi olmuştur.

2. Küreselleşme

Küreselleşme; sosyoloji, ekonomi, medya, müzik, coğrafya gibi bir çok konunun çalışma alanına

dahil olmuş bir kavramdır. Bu nedenle küreselleşmenin farklı bakış açılarıyla tanımlanmış olduğu

görülmektedir. Bu alanların her biri küreselleşmeyi kendi açılarından tanımlamış ve ele

almışlardır. Bu çalışmada küreselleşme kavramı daha genel bir ifade ile ekonomik, sosyal ve

siyasal alanların ele aldığı şekilde incelenmiştir. Bu konuların küreselleşme kavramını nasıl

tanımladıklarını göstermek için birkaç örnekle ifade edilmiştir.

• Ekonomik anlamda küreselleşme, ülkelerden diğer ülkelere olan ticaret akışı ve sermaye

yatırımlarının artış gösterdiği açık uluslararası bir ekonominin var olmasıdır (Yalınpala, 2002, s.

263). Bir başka tanımda ise küreselleşme çeşitli faktörlerin etkisiyle dünyada uluslararası rekabetin

ticaret, üretim, işgücü ve teknoloji gibi alanları kapsaması ve ürün-faktör piyasasının bütünleşmesi

(İpçioğlu, 2003, s. 86) şeklinde ifade edilmiştir.

• Siyasal anlamda küreselleşme, reformların da etkisiyle ulusal stratejilerin yerine

uluslararası piyasaların yargı ve yaptırımlarının alındığı bir süreç (Tutar, 2000, s. 18) olarak ifade

edilmiştir. Küreselleşmenin ekonomik boyutu stratejik işbirliklerini meydana getirerek aynı

zamanda siyasi anlamda küreselleşmenin önünü açmıştır (Dulupçu, 2001, s. 19-20). Siyasi

sorunların birçoğunun ekonomik nedenlere dayanmasıyla ve çıkarların etkisiyle küresel ekonomik

bütünleşmeler siyasi yapıyı etkilemektedir, bununla birlikte dünya üzerindeki siyasi ilişkilerin


228

yoğunlaşması ve gelişmesi de siyasal küreselleşmeyi tetiklemektedir (Kabakçı Günay, 2017, s. 39-

41).

• Sosyal anlamda küreselleşme, evrensel normlardan günlük hayatın ve yaşam tarzının

standartlaştırılmasına uzanan bir etkinin sonucu olarak ifade edilmiştir (Acar & Yavuz, 1998). Bir

başka tanımda ise fikirlerin, bilginin, imgelerin yayılması ve kişilerin tanınmasındaki artış olarak

ifade edilmiştir (Kabakçı Günay, 2017, s. 56).

Çok boyutlu bir ifade ile ele alındığında küreselleşmenin bilim, sanat, mal-hizmet, kültür gibi

çeşitli konularda herhangi bir sınırlama olmaksızın toplumların birbirleri ile etkileşim içinde

bulunmaları, tüm bunların dünya çapında yayılıp tek olma yolunda ilerleyiş göstermesi şeklinde

tanımlanabilmektedir.

Küreselleşmenin artması; toplumların ulaşmaları zor olan sosyal ve ekonomik imkanlara

ulaşmalarını, bilimsel anlamda birçok kaynağa ve gelişime sahip olmaları, kültürel paylaşımların

artmasıyla ilişkilerin güçlenmesi şeklinde olumlu sonuçlar gösterirken olumsuz denebilecek

sonuçları da beraberinde getirdiği birçok araştırmacı tarafından desteklenmektedir. Bu konuda

diğer araştırmacıların görüşlerinden kısaca söz edilmiştir.

Dünyanın toplumsal ve ekonomik çevresi gitgide bütünleşmektedir. Bu bütünleşme, ulaşım

maliyetlerinin düşürülmesinin, daha düşük ticaret engellerinin, fikirlerin daha hızlı şekilde

iletilmesinin, yükselen sermaye akışlarının ve göç için artan baskıların bir sonucu olarak ortaya

çıkmaktadır. Bu bütünleşme (küreselleşme); artan eşitsizlik, değişen güç ve kültürel tekdüzelik

hakkında endişeler yaratmıştır, şeklinde küreselleşmenin getirdiği bazı olumsuz durumlardan söz

edilmektedir (Collier & Dollar, 2002, s. 1). Aynı zamanda kültürel etkileşimin yoksulluğu azaltıcı

bir güç, ekonomiler için daha hızlı bir büyüme eğilimi sağladığı ve üretkenliği de arttırdığı

yönünde olumlu olabilecek etkilerden de söz edilmektedir (Collier & Dollar, 2002, s. 1).

Küreselleşme eğiliminin artmasının genel olarak refah düzeyini arttıracağı ve daha barışçıl bir

ortamın sağlanabileceği de düşünülmektedir (Nişancı, 2003, s. 33). (Moore, 2003, s. 9)’a göre

insanlığın gelişimi için gerçek ölçümlerin- yaşam süreleri, bebek ölümleri, okuma ve yazma

oranları, insan hakları, demokrasi vb.- var olması küreselleşmeyle birlikte toplumsal anlamda

ilerleme olduğuna dair işaret olarak ifade edilmektedir. Sayılan bu faydaların yanında bireysel

özgürlüklerin artmasıyla da ayrıcalıklı ve üstün kesimlerin gücünün zayıfladığı düşünülmektedir

(Seymen & Bolat, 2005, s. 11). Küreselleşmeye temkinli yaklaşan görüşler ise genel olarak

küreselleşmenin; çevrenin tahrip edilmesi, yerli kültürün yok olması ve zayıf olanların ezilmesi

gibi etkilerini olumsuz sonuçları olarak öne sürmektedirler (Seymen & Bolat, 2005, s. 13).

Görüldüğü üzere bu konuda farklı yaklaşımlar, tanımlar mevcuttur ve örnekleri çoğaltmak

mümkündür. Bu nedenle küreselleşmeyi olumlu ya da olumsuz sonuçları olan bir kavram olarak


229

net bir ayrım ile tanımlamak doğru olmamaktadır. Bu konuda farklı tanımlamalar ve düşünceler

ortaya atılmaktadır. Ancak küreselleşmeyi olumlu-olumsuz bütün yönleriyle ele almak onun

değişim sürecinin ve etkilendiği durumların anlaşılması için daha nesnel bir yaklaşım olacaktır.

Çok boyutlu yapısıyla küresel değişim, tüm dünya ülkeleri üzerinde düşüncelerde, inançlarda,

kültürel değerlerdeki yeniliklerde kendisini göstermektedir. Toplumun sosyal ve ekonomik

anlamda köklü değişimine de neden olmaktadır. İletişim, teknoloji ve finansal ilişkilerde meydana

gelen büyük gelişmeler toplum yapısının her alanını etkilemiş; kısa süre içerisinde üretim,

verimlilik artışı gibi ekonomik değişimlerle kendini göstermiştir. Bu değişim ve gelişimler

birbirine bağlı olarak meydana gelip birbirini tamamlamaktadır. Küreselleşmeyle birlikte insanlar

ve toplumlar birbirlerinden ve olanlardan daha çok ve çabuk haberdar olmuşlardır. Bu etkileşim

bir süreç olarak devam etmektedir. Her geçen zamanda gelişim ve değişim gösteren küreselleşme

kavramını, ortaya çıkan farklı etmenler nedeniyle süreç boyunca yeniden ele almak gerekmektedir

(Özdemir & Eser, 2009, s. 2).

Bu çalışma kapsamında küreselleşmeyi geniş anlamda ifade edebilecek genel KOF (KOF

Globalisation Index) küreselleşme indeksi (KOFGI) kullanılmıştır. Bu indeks küreselleşmenin

sosyal, siyasal ve ekonomik boyutunu içerecek şekilde hesaplanmıştır. Bu değişkenin dağılımının

farklı noktalarında açıklayıcı faktörlerin etkisini görmek küreselleşmenin hangi durumlardan ne

ölçüde etkilendiğini anlayabilme şansı tanımış olacaktır.

Grafik 1. KOFGI (Küreselleşme) Değişkeninin Panel Çizgi Grafiği

Küreselleşme (KOFGI) verimizin genel grafiğidir. Her ülke için incelenen zaman aralığında

küreselleşmenin nasıl değiştiği görülmektedir.

4050

6070

8090

kofg

ı

2005 2010 2015yıl

Argentina/Finland/Morocco Armenia/France/New Zealand

Australia/Georgia/Peru Austria/Germany/Philippines

Azerbaijan/Greece/Portugal Belarus/Hungary/Singapore

Belgium/Ireland/Slovak Rep. Bolivia/Italy/SloveniaBulgaria/Jordan/Sri Lanka Chile/Kazakhstan/SwitzerlandColombia/Korea, Rep./Tunisia

Croatia/Kyrgyz Rep./TurkeyCyprus/Latvia/U. Kingdom

Egypt, Arab Rep./Lithuania/UkraineEstonia/Malaysia


230

Grafik 2. Küreselleşmenin Her Ülke için Değişimi ve Ortalaması

Ülke ortalamalarının doğrular ile birleştirilmesiyle ülkelerin kıyaslanmasına olanak sağlanmıştır.

Grafik incelendiğinde en yüksek ortalamanın 10. ülkeye yani İsviçre’ye (Switzerland) ait olduğu

görülmektedir. En düşük ortalamanın 30. ülke olan Sri Lanka’ya ait olduğu görülmüştür. Yıllara

göre her ülkede küreselleşmede olan değişiklikler de rahatlıkla gözlenebilmektedir. 8. ülke olan

Belarus ve 20. ülke olan Gürcistan’da (Georgia) yıllara göre küreselleşme değerleri arasında diğer

ülkelere kıyasla farklılaşma olduğu söylenebilmektedir.


(Abrevaya & Dahl, 2008), Bu çalışmada çocuk sahibi kadınların doğum sonuçlarına (doğum

ağırlığı gibi) sigara ve doğum öncesi bakım gibi nedensel etkilerin, panel veri ile gözlemlenmemiş

heterojenitenin kontrolü amaçlanmıştır. İlişkili tesadüfi etkiler tarafından motive edilen kantil

yaklaşımı, tüm doğum ağırlığı dağılımı üzerindeki gözlenebilir etkileri tahmin etmek için

kullanılmıştır.

(Bache, Dahl, & Kristensen, 2011), Panel veri kantil yaklaşımı ile doğum öncesi sigara

kullanımının doğum kilosu sonuçları üzerindeki etkisini ele almışlardır. Bu etkileri tahmin

etmedeki zorluğu anneler arasındaki gözlemlenmemiş heterojenliğin ve koşullu ortalama

etkilerinin tahmin edilmesinin potansiyel olarak uygun görünmemesi olarak ifade etmişlerdir. Bu

ilişkilerin kestirimi için birleşik bir görüş sunup farklılıkları üzerinde durmuşlardır. Kullanılan

yöntemleri test edip uygun kullanımları hakkında önerilerde bulunmuşlardır. Sosyo-ekonomik,

zenginlik ve kişisel özellikler için kontrol değişkenler içeren bir veri seti ile çalışmışlardır.

(Doğan & Can, 2016), yaptıkları araştırmada küreselleşme (KOF Economic Globalization, Social

Globalization and Overall Index) ve ekonomik büyüme arasındaki ilişkiyi Engel-Granger

eşbütünleşme testi ile 1970-2012 yılları arasında Güney Kore örneklemi için incelemişlerdir.

Araştırma sonucunda ekonomik, sosyal ve bir bütün olarak küreselleşmenin büyümeye pozitif

etkisinin olduğu sonucuna ulaşmışlardır.

4050

6070

8090

0 10 20 30 40ulke

kofgı ort_kofg


231

(Eren & Çütcü, 2018), Çalışmalarında Türkiye örnekleminde 1970-2016 dönemlerini kapsayan

yıllık verilerle kurulan modeller üzerinden ekonomik büyüme ile küreselleşme endeksleri

arasındaki ilişkiyi yapısal kırılmalı zaman serisi yöntemleri ile analiz etmişlerdir. Çalışma

sonucunda sosyal küreselleşmeden ekonomik büyümeye ve ekonomik büyümeden politik

küreselleşmeye doğru tek yönlü nedensellik ilişkisi olduğu, diğer değişkenler arasında ise bir ilişki

olmadığı sonucuna ulaşmışlardır.

(Galvao, 2011), Sabit etkili dinamik panel kantil modeli ile çalışmıştır. Dinamik yanlılığı azaltmak

için araç değişken olarak Chernozhukov ve Hansen (2006) 'nin araç değişkenler kantil regresyon

metodu ile gecikmeli regresörlerin kullanımını önermişlerdir. Ek olarak, tahmini modellerin nasıl

tahmin edileceğini açıklamış, Monte Carlo simülasyonları, araç değişkenler yaklaşımının dinamik

yanlılığı keskin bir şekilde azalttığını ve tahmin aralıkları için ampirik seviyelerin nominal

seviyelere çok yakın olduğunu kanıtlamışlardır. Son olarak, 18 OECD ülkesi için çıktı büyüme

oranlarını tahmin etmeye yönelik bir uygulama ile göstermişlerdir.

(Graham, Hahn, Poirier, & Powell, 2015), Panel verinin sağladığı olanakları karşılamak için lineer

kantil modelinin genelleştirilmesini önermişlerdir. Spesifik olarak lineer kantil regresyonun

korelasyonlu tesadüfi katsayılarının temsilini genişletmişlerdir. Panel veri ekonometrisinin

regresörler ve tesadüfi katsayılar arasındaki bağımlılığı ve farklı katsayılar arasında izin verilebilir

bağımlılığın yapısını zenginleştirmeye izin verdiğini göstermişlerdir. Regresörler ile modifiye

edilmemiş tesadüfi katsayılar arasında bağımlılık bırakarak “sabit etkiler” yaklaşımını

benimsemişlerdir. Modellerindeki farklı kısmi etki kavramlarını motive edip kimliklerini

araştırmışlardır. Değişken değerli ortak değişkenler için, analog tahmin ediciler sunmuş, onların

büyük örnek özelliklerini karakterize etmişlerdir. Zaman periyotlarının (T) sayısı tesadüfi

katsayıların (P) sayısını geçtiğinde, tanımlamanın düzenli ve tahminlerinin √N – tutarlı olduğunu

vurgulamışlardır. T = P olduğunda, Graham ve Powell'ın (2012) yaklaşımına dayanan bir şekilde,

regresör değerleri zaman içinde çok az değişmiş, tanımlama sonuçları sonuna kadar devam eden

birimlerin alt popülasyonundan özel olarak faydalanılmıştır. Gözlemlenmemiş işçi heterojenitesini

kontrol etmek için panel verilerinin kullanılmasının sendika ücretinin primi tahminlerinin keskin

biçimde daha düşük olmasıyla sonuçlandığını görmüşlerdir. Medyan bir sendika ücret primini

yüzde 9 civarında tahmin etmişler, ancak daha yeni bir bulguyla, işçiler arasında büyük bir

heterojenlik olduğunu söylemişlerdir. 0.1 kantil etki derecesi sıfırdan farklı değilken, 0.9 kantil

etkisi yüzde 30'un üzerinde çıkmıştır. Ampirik analiz, net olarak, sendikaların ücret dağılımı

üzerinde eşitleyici bir etkiye sahip olduğunu göstermiştir.

(Kabakçı Günay, 2017), çalışmasında küreselleşmenin Sahraaltı Afrika ülkelerinin ekonomik

büyüme oranları üzerinde bir etkisinin olup olmadığını tespit etmek amacıyla ülkelere ait 1990-


232

2014 yıllarının verileri kullanılarak tahmininde Arellano–Bover/Blundell–Bond dinamik panel

veri tahmincisini kullanarak ekonomik büyüme modeli oluşturmuştur. Küreselleşme değişkeni

olarak KOF küreselleşme indeksi, ekonomik küreselleşme indeksi değerleri, politik küreselleşme

indeksi değerleri ve sosyal küreselleşme indeksi değerleri modele eklenerek ekonomik büyüme

üzerindeki etkilerini incelemiştir. Küreselleşmenin ekonomik büyümeye bir etkisinin olmadığı, alt

orta gelir seviyesine sahip olan Sahraaltı Afrika ülkelerinde politik küreselleşmenin ekonomik

büyümeyi arttırıcı yönde bir etkisi olduğu ve üst orta gelir seviyesine sahip olan Sahraaltı Afrika

ülkelerinde ise KOF küreselleşme endeksinin ve ekonomik küreselleşmenin ekonomik büyümeyi

arttırıcı yönde etkisi olduğu sonuçlarına ulaşmıştır.

(Kock, 2016), Çalışmasında ortak değişkenler ve sabit etki altında olduğu gibi gözlemlenmemiş

heterojenlik arasındaki korelasyon için tesadüfi etkiler altında zamanla değişmeyen değişkenleri

dahil etmesine izin verdiği için çalışmanın yararlı olacağını düşünmüştür. Bu korelasyonu

modellemek için Mundlak–Chamberlain kullanılmıştır. Çalışma sonucunda, korelasyonlu tesadüfi

etkilerde Lasso'nun nasıl sınırsızlaştırılabildiği ve bunun heteroskedastisite ve otokorelasyonlu

hata terimlerinin varlığında bile düzgün bir şekilde geçerli çıkarımlara nasıl yol açtığını

göstermiştir.

(Lamarche, 2010), Bu çalışma, panel verisi için bir dizi cezalandırılmış (penalized) kantil

regresyon tahmincisini araştırmıştır. Ceza, bireysel belirli etkilerin bir vektörünü ortak bir değere

doğru küçültmeye hizmet eder. Bu büzülme derecesi bir ayar parametresiyle kontrol edilir.

Bireysel etkiler sıfır-medyan dağılım fonksiyonlarından bir sınıftan çekildiğinde, tahmin ediciler

sınıfının asimptotik açıdan tarafsız ve Gaussian olduğu gösterilmiştir. Monte Carlo kanıtıyla, biası

tanıtmadan tahmin edicinin sabit-etki versiyonunun değişkenliğini önemli ölçüde azaltabileceğini

ortaya koymuştur.

(Özbaysal & Onay, 2018), yaptıkları çalışmada Turquality Programları kapsamında faaliyet

gösteren işletmelerin markalaşma ve uluslararasılaşma süreçlerinin incelemeyi ve programa

başvuruda bulunup markalaşmak isteyen işletmelere bir yol haritası sunmayı amaçlamışlardır. Bu

doğrultuda araştırma kapsamında Turquality Marka Destek Programları ile markalaşma süreçlerini

başlatmış üç işletme ile yüz yüze görüşmeler gerçekleştirilerek veriler toplamışlardır. Çalışma

sonucunda ise işletmelerin markalaşma süreçlerini kolaylaştırdıklarını, sağlanan ekonomik

desteklerin yanı sıra Ar-Ge ve eğitim destekleri ile işletmelerin ihracatlarını ve dış pazarlardaki

faaliyet düzeylerini arttırdıklarını tespit edilmiştir.

(Powell, 2014), Çalışmasında, 2008 ekonomik uyaran ödemelerinin alınmasının tesadüfi

zamanlamasını, gelir ve program katılımı anketinden aylık olarak alınan teşvik ödemeleri ve hane

halkı işgücü kazançlarındaki değişiklikleri ile incelemiştir. Etkinin kazanç dağılımı boyunca


233

tekdüze olması pek olası olmadığı için, miktardaki tedavi etkilerini tahmin etmiştir. Hane halkının

sabit etkiler üzerinde koşullandırmayı gerektireceği düşüncesiyle, kantil kestirimle yaygın olarak

ilişkilendirilemeyen bozukluk terimini (disturbance term) muhafaza eden panel veriler (QRPD)

için enstrümantal (araç) değişkenler kantil regresyon tekniğini getirmiştir. Çalışma sonucunda

vergi iadesi makbuzunun iş gücü arzında önemli etkileri olduğu yorumunu yapmıştır.

(Sabır, 2013), çalışmasında, dünya ekonomisinde serbestleşme sonucunda ticaret ve rekabet

politikası arasındaki ilişkilerin ve küresel rekabet sorunlarının önem kazanması ve buna bağlı

olarak ortak rekabet kurallarının gerekliliği ve gelişmekte olan ülkelerin rekabet politikası

sorunları üzerinde durmaktadır. Sonuç olarak, dünya ticaretinin küreselleşmesinin etkin

politikalarla küresel bir rekabet düzeni oluşturmayı gerektirdiği kanısındadır.

4. Veri ve Ekonometrik Analiz

Bu çalışma 2005-2015 yılları arasında 44 ülkeye ait panel veri setinden oluşmaktadır.

Küreselleşme indeksi (KOF Globalisation Index) verileri KOF Swiss Economic Institue’den;

yatırım özgürlüğü, ticaret özgürlüğü, vergi yükü verileri The Heritage Foundation’dan; internet

kullanımı ve sanayi verileri ise Dünya Bankasından alınmıştır.

Bu çalışmada panel veri modellerinden sabit etkiler modeli ile tesadüfi etkiler modeli arasında

tercih yapmak için (Hausman, 1978) testi kullanılmıştır.

Oluşturulan modelde bağımlı değişken olarak KOF küreselleşme indeksi (KOFGI) kullanılmış,

bağımsız değişken olarak da internet kullanımı (İK), ticari özgürlük indeksi (TÖ), yatırım

özgürlüğü indeksi (YÖ), sanayi (S), vergi yükü indeksi (VY) belirlenmiştir.

KOF Küreselleşme İndeksinin ağırlıkları yüzde cinsindendir. Bireysel değişkenler için ağırlıklar

zaman değişkenidir. 2015 yılı için ağırlık verilmiştir. Ekonomik, sosyal ve politik küreselleşme,

eşit ağırlıklarla küreselleşme indeksine toplanmaktadır. Genel KOF Küreselleşme İndeksi, de facto

ve de jure Globalization Index'in ortalaması olarak hesaplanmaktadır (Haelg, Gygli, & Sturm,

2018).

Tablo 1. KOF Küreselleşme İndeksi'nin Yapısı

Küreselleşme İndeksi, de facto

Ekonomik küreselleşme, de facto

Ticari Küreselleşme, de facto

Mal Ticareti

Hizmet Ticareti

Ticari Ortak Çeşitlendirme

Finansal Küreselleşme, de facto

Doğrudan Yabancı Yatırım

Ağırlık

lar

33.3

50.0

40.9

45.0

14.01

50.0

27.5

Küreselleşme İndeksi, de jure

Ekonomik küreselleşme, de jure

Ticari Küreselleşme, de jure

Ticaret Düzenlemeleri

Ticaret Vergileri

Tarifeler

Finansal Küreselleşme, de jure

Yatırım Kısıtlamaları

Ağırlık

lar

33.3

50.0

32.5

34.5

33

50.0

21.7


234

Portföy Yatırımları

Uluslararası Borç

Uluslararası Rezervler

Uluslararası Gelir Ödemeleri

Sosyal Küreselleşme, de facto

Kişiler Arası Küreselleşme, de facto

Uluslararası Ses Trafiği

Transfereler

Uluslararası Turizm

Göç

Bilgilendirici Küreselleşme, de

facto

Patent Başvuruları

Uluslararası Öğrenciler

Yüksek teknoloji İhracatı

Kültürel küreselleşme, de facto

Kültürel Mal Ticareti

Ticari Marka Uygulamaları

Kişisel Hizmet Ticareti

McDonald's Restoranı

IKEA Mağazaları

Siyasal Küreselleşme, de facto

Elçilikler

BM Barış Misyonları

Uluslararası Sivil Toplum

Kuruluşları

13.3

27.2

2.4

29.6

33.3

33.3

22.9

27.6

28.1

21.4

33.3

35.1

31.2

33.7

33.3

22.6

13.3

25.6

23.2

15.3

33.3

35.7

27.3

37.0

Sermaye Hesabı Açıkları 1

Sermaye Hesabı Açıkları 2

Sosyal Küreselleşme, de jure

Kişiler Arası Küreselleşme, de jure

Telefon Abonelikleri

Ziyaret özgürlüğü

Uluslararası Havaalanları

Bilgilendirici Küreselleşme, de jure

Televizyon

İnternet Kullanıcısı

Basın Özgürlüğü

İnternet Bant Genişliği

Kültürel küreselleşme, de jure

Cinsiyet Paritesi

Eğitim harcamaları

Sivil Özgürlük

Siyasal Küreselleşme, de jure

Uluslararası Organizasyonlar

Uluslararası Anlaşmalar

Yatırım Anlaşmalarında Ortak Sayısı

39.1

39.2

33.3

33.3

38.2

31.2

30.6

33.3

25.2

31.9

13.2

29.7

33.3

31.1

30.9

38.0

33.3

37.0

33.0

30.0

Kaynak: The KOF Globalisation Index. KOF Working Papers, No. 439, Ocak 2018, s.32.

İnternet kullanımı verisi, son 3 ayda İnternet'i (herhangi bir yerden) kullanan kişileri ifade

etmektedir. Veri internet kullanan kişilerin yüzdesi (%) şeklinde oluşturulmuştur. Yıllık olarak

düzenlenmiştir ve toplama yöntemi ağırlıklı ortalamadır. İnternetin kullanımı; bilgisayar, cep

telefonu, kişisel dijital asistan, oyun makinesi, dijital TV ve benzeri ile ifade edilmektedir.

Ticari özgürlük indeksi aşağıda ifade edildiği gibi hesaplanmaktadır:

Ticari Özgürlüki = 100(Tarifemax –Tarifei)/(Tarifemax–Tarifemin)-NTBi

Ticari özgürlüğün indisi olan i, ülkedeki ticaret özgürlüğünü temsil etmektedir. Tarifemax ve

Tarifemin, tarife oranları için alt ve üst sınırları temsil etmektedir. (%) ve Tarifei, ülkedeki ağırlıklı

ortalama tarife oranını (%) temsil etmektedir. Minimum tarife doğal olarak yüzde sıfırdır ve üst

sınır yüzde 50 olarak belirlenmiştir. NTB (tarife dışı engeller) cezası daha sonra taban puanından

çıkarılmıştır. 5, 10, 15 veya 20 puan cezası belirli bir skalaya göre atanır:

20 - Tarife dışı engeller birçok mal ve hizmet arasında yaygın bir şekilde kullanılmaktadır ve/veya

önemli miktarda uluslararası ticareti engellemek için harekete geçmektedir.


235

15 - Tarife dışı engeller birçok mal ve hizmet arasında yaygındır ve/veya potansiyel uluslararası

ticaretin çoğunu engellemek için harekete geçmektedir.

10 - Tarife dışı engeller belirli mal ve hizmetleri korumak ve bazı uluslararası ticareti engellemek

için kullanılır.

5 - Tarife dışı engeller nadirdir. Az sayıda mal ve hizmeti korumaktadır ve/veya uluslararası ticaret

üzerinde çok sınırlı bir etkiye sahiptir.

0 - Tarife dışı engeller uluslararası ticareti sınırlandırmak için kullanılmamaktadır. Dikkate alınan

NTB (tarife dışı engeller) kategorileri şunları içermektedir; miktar kısıtlamaları, fiyat kısıtlamaları,

yasal kısıtlamalar, gümrük kısıtlamaları, doğrudan hükümet müdahaleleri (Miller, Kim, &

Roberts, 2018, s. 460-461).

Yatırım özgürlüğü indeksi, tipik olarak yatırıma uygulanan çeşitli yasal kısıtlamaları

değerlendirmektedir. Aşağıda örnek olarak birkaçı belirtilmiş olan puanlar, bir ülkenin yatırım

rejiminde bulunan her bir kısıtlama için 100 puandan düşülmüştür. Bir hükümetin, listelenen

kısıtlamaların tümünü, yatırım özgürlüğünü ortadan kaldırmak için maksimum düzeyde empoze

etmesi şart değildir. Bu kadar çok kısıtlama getiren, 100'den fazla puan kesintiye uğratan

hükümetler, puanlarını sıfır olarak belirlemişlerdir. Yapılan kısıtlamalar aşağıda belirtilmiştir

ancak alt başlıkları ve kısıtlanan sayı değeri birkaçı için gösterilmiştir.

Yabancı yatırımın ulusal tedavisi

✓ Ulusal muamele yok, ön eleme için 25 puan düşürülmüştür.

✓ Bazı ulusal muamele, bazı ön eleme için 25 puan düşürülmüştür.

✓ Bazı ulusal muamele veya ön eleme için 25 puan düşürülecek şeklinde puanlama sistemi

geliştirilmiştir.

Yabancı yatırım kodu, arazi mülkiyeti üzerindeki kısıtlamalar, sektörel yatırım kısıtlamaları, adil

tazminatsız yatırımların kamulaştırılması, döviz kontrolleri, sermaye kontrollerinin her biri için de

alt başlıklarla kısıtlama puanları bulunmaktadır. Güvenlik problemleri, temel yatırım altyapısının

eksikliği ve yatırım özgürlüğünü sınırlandıran diğer hükümet politikaları için 20'ye kadar ek puan

düşülebileceği belirtilmiştir (Miller, Kim, & Roberts, 2018, s. 462-463).

Sanayi verisi, katma değer ve mevcut ABD $ ile ifade edilmiş yıllık bir veridir. Çalışmada bu

verinin değerleri bir milyara oranlanmıştır. Sanayi, 10-15 sayılı Uluslararası Standart Endüstriyel

Sınıflandırma (ISIC) bölümlerine tekabül eder ve imalattır (ISIC bölümleri 15-37). Madencilik,

imalat (ayrı bir alt grup olarak da rapor edilir), inşaat, elektrik, su ve doğalgazda katma değer içerir.

Katma değer, tüm çıktıları topladıktan ve ara girdileri çıkardıktan sonra bir sektörün net çıkışıdır.


236

Üretilen varlıkların amortismanı veya doğal kaynakların tükenmesi ve bozulması için kesinti

yapılmaksızın hesaplanır. Katma değerin kaynağı, Uluslararası Standart Endüstriyel

Sınıflandırmadır (ISIC).

Vergi yükü indeksi 0 ila 100 arasında bir ölçekte yüzde ifade edilen değerlerden oluşmaktadır.

Hesaplanış şekli aşağıda belirtilmiştir:

Vergi Yüküij = 100 – α (Faktorij)2

Vergi Yüküij, j faktör için i ülkedeki vergi yükünü ifade etmektedir. Faktorij, j faktör için i ülkenin

aldığı (0 ile 100 arasında bir ölçekte ifade edilen) değeri temsil eder. Alpha 0.03’e eşit bir değerdir.

Bileşen puanı üç kantitatif alt faktörden türetilmiştir: Bireysel gelir üzerindeki en yüksek marjinal

vergi oranı, kurumlar vergisinde üst marjinal vergi oranı ve GSYİH'nın yüzdesi olarak toplam

vergi yükü (Miller, Kim, & Roberts, 2018, s. 455-456).

4.1. Ekonometrik Model

Bu kısımda oluşturulan modelin anlaşılabilmesi için panel veri kavramı ve modellerinden söz

edilmiştir. Devamında ise çalışmanın amacına uygun olarak kısaca kantil modelinden de söz

edilerek panel kantil yaklaşımı ele alınmıştır.

4.1.1. Panel Veri Kavramı ve Panel Veri Modelleri

Zaman serisi verileri ve yatay kesit verilerinin bir araya gelmesiyle oluşan verilere panel veri

“longitudinal data” adı verilmektedir. Panel veri araştırmacıya ilgilendiği konunun hem birim

boyutunu hem zaman boyutunu inceleme şansı tanımaktadır (Güriş, 2015, s. 2). Panel veri

kullanılarak tahmin edilen modeller panel veri modelleridir. Panel veri modellerinde regresyon

için var olan testler ve varsayımlar bulunmaktadır. Panel veri modellerinde de birden fazla

bağımsız değişken yer alabilmektedir. Ayrıca bu modellerde de istatistiksel veya ekonometrik

model olduğu için hata terimi yer alacaktır. Model yapısı birim (i) ve zaman (t) boyutunu içerdiği

için bu boyutların indislerle ifade edilmesi gerekecektir. Y bağımlı değişkeni ve X bağımsız

değişkeninden oluşan panel veri modeli,

𝑌𝑖𝑡 = 𝛼𝑖𝑡 + 𝛽𝑖𝑡𝑋𝑖𝑡 + 𝑢𝑖𝑡

olarak gösterilmektedir.

𝑌𝑖𝑡 𝑣𝑒 𝑋𝑖𝑡: 𝑖 = 1, … , 𝑁 𝑡 = 1, … , 𝑇

şeklinde tanımlanmıştır (Güriş, 2015, s. 5).

4.1.1.1. Sabit Etkili ve Tesadüfi Etkili Panel Veri Modelleri

Modelde birimlere, zamana veya hem birime hem zamana göre değişim gösteren katsayılar varsa

sabit veya tesadüfi etkili model söz konusudur. Gözlenemeyen etkilere hata terimi gibi tesadüfi bir


237

değişken gibi davranılıyorsa tesadüfi, sabit parametre gibi ele alınıyorsa sabit etkiler söz

konusudur (Yerdelen Tatoğlu, 2013, s. 123). Tesadüfi etkiler tahmincisi ve sabit etkiler tahmincisi

arasında seçim yapmak için önsel bilgilerden faydalanılabileceği gibi kullanılabilecek testler de

vardır. Bu çalışmada (Hausman, 1978) testi kullanılmıştır.

4.1.2. Panel Kantil Modelleri

Kantiller, belli orandaki değerlere sahip bir serinin hangi değerlerin arasında olduğunu hangi

değerlerden az veya fazla olduğunu gösterir. Başka bir deyişle yüzdelik değerlerin kaç olduğunu

belirler (Koşan, 2014, s. 67). Bir değişkenin dağılımının tanımlanması ve karşılaştırılmasında

kantil fonksiyonu kullanılırken, bir değişkenin bağımsız değişkenleri ile ilişkisini incelemek için

de kantil modeli tahmin edilmektedir. Regresyon analizinde normal dağılıma uymayan hataların

varlığında ve uç değerlerin olması durumunda EKK (En Küçük Kareler) tahmin edicileri etkinlik

özelliklerini kaybetmektedir (Altın Yavuz & Gündoğan Aşık, 2017, s. 138). Bu durum tahmin

edilen katsayıların gerçeği yansıtmamasına sebep olmaktadır, bu tür dezavantajları nedeniyle

kolay tahmin ediliyor olması yönüyle tercih edilen bu yöntemin yerine alternatif regresyon

yöntemlerine başvurulur (Altın Yavuz & Gündoğan Aşık, 2017, s. 138). Kantil modelleri en küçük

kareler (EKK) yöntemine göre eğiklik ve uç (aşırı) değerlerin varlığında daha az hassastır.

Bu regresyon Lad (En Küçük Mutlak Sapmalar) regresyonun belirli kantiller için genelleştirilmiş

şeklidir. Bu yöntemin farklı kantiller için farklı sonuçlar vermesi, bağımlı değişkenin koşullu

dağılımının farklı noktalarında bağımsız değişkenlerdeki değişikliklere farklı tepki vermesi

şeklinde yorumlanabilmektedir.

(Laplace, 1818)’in çalışmasında iki değişkenli modelde yaptığı incelemede belirli koşullar altında

mutlak sapma hata tahmincisinin EKK tahmincisinden daha küçük asimptotik varyansa sahip

olduğunu ispatlamasıyla örnek kantillerine bağlı büyük örnek tahmincilerinin araştırılması için

teorik bir yol açmıştır (Saçaklı Saçıldı & Koşan, 2015, s. 164). Bu buluş (Bassett & Koenker,

1978) tarafından geliştirilerek bağımlı değişkenin tüm dağılımının tahminine izin veren kantil

modeli önerilmiştir.

𝑦𝑖 = 𝛽 + 𝑢𝑖

Basit yerleşim modelidir. 𝑦𝑖 ; medyanı β olan F simetrik dağılım fonksiyonuna sahip bağımsız

özdeş dağılımlı bir tesadüfi değişkendir. (Bassett & Koenker, 1978) yerleşim modelinin Φ. örnek

kantilini, aşağıdaki ifadenin minimizasyon probleminin çözümü olarak ifade etmektedir.

{∑ 𝛷|𝑦𝑖 − 𝛽|

𝑖:≥𝛽

+ ∑(1 − 𝛷)|𝑦𝑖 − 𝛽|

𝑖:<𝛽

}𝛽𝑚𝑖𝑛


238

Basit yerleşim modelinin doğrusal regresyon modeli için genelleştirilmesiyle,

𝑦𝑖 = 𝑥𝑖′𝛽𝛷 + 𝑢𝛷𝑖 , 𝐾𝑎𝑛𝑡𝛷(𝑦𝑖|𝑥𝑖) = 𝑥𝑖′𝛽𝛷

olarak ifade edilmiştir (Saçaklı Saçıldı & Koşan, 2015, s. 165). Buradaki 𝐾𝑎𝑛𝑡(𝑦𝑖│𝑥𝑖), xi

bağımsız değişken vektörüne koşullu olan yi şartlı kantilini ifade etmektedir. 𝑢𝛷𝑖, F dağılım

fonksiyonu ile bağımsız, özdeş dağılımlıdır, sıfır etrafında simetriktir ve dağılım fonksiyonu

bilinmemektedir. Yalnızca 𝐾𝑎𝑛𝑡𝛷(𝑢𝛷𝑖|𝑥𝑖) = 0 kısıtı varsayılmaktadır (Buchinsky, 1998, s. 94).

Φ. kantil regresyon (0< Φ < 1),

𝑚𝑖𝑛𝛽 { ∑ 𝛷|𝑦𝑖 − 𝑥𝑖′𝛽| + ∑ (1 − 𝛷)|𝑦𝑖 − 𝑥𝑖′𝛽|

𝑖:𝑦𝑖<𝑥𝑖′𝛽İ:𝑦≥𝑥𝑖′𝛽

} = 𝑚𝑖𝑛𝛽

1

𝑛∑ 𝜌𝛷(𝑌𝑖 − 𝑥𝑖′𝛽)

𝑛

𝑖=1

şeklinde doğrusal programlama problemi olan minimizasyon probleminin çözümü olarak

tanımlanmıştır. Yukarıda ifade edilen 𝜌𝛷 kontrol fonksiyonudur.

𝜌𝛷(𝛾) = (𝛷 + 𝐼(𝛾 ≤ 0))𝛾

I, gösterge fonksiyonudur (Bassett & Koenker, 1978, s. 33).

Bilindiği üzere ampirik analizlerde genellikle klasik en küçük kareler yöntemi kullanılmaktadır

(Koşan, 2014, s. 107). Tek bir değere bağlı koşullu ortalama hesabına dayalı Gaussian metodu

olarak da bilinen en küçük kareler yöntemi bazı durumlarda sınırlı kalmaktadır. Bu yöntemin

yerine tüm değerleri ele alan medyan hesaplaması kullanan kantil modeli daha sağlam (robust)

tahmin imkanı vermektedir. Panel kantil modelleri, kantil yapısı ile panel verinin bir arada ele

alınabildiği model türüdür. Panel kantil modeli, koşullu kantillerin aralığını belirlemeye izin

verirken koşullu değişkenliğin çeşitliliğini görme imkanı tanımaktadır (Koşan, 2014, s. 107).

4.1.2.1. Sabit Etkili Panel Kantil Modeli

Bu modelin çözümü için iki farklı yöntem kullanılmaktadır. Bunlar Penalty yöntemi ve İki

Aşamalı Sabit Etkili Panel Kantil (CANAY) yöntemidir. Penalty yönteminde bireysel etkilerin

ortak bir değere yakınsanıp daraltılmasıyla tahmin gerçekleştirilmektedir. Bu yöntemde kullanılan

daraltma seviyesini belirleyen ayar “penalty” (λ) parametresinin tahmini için çeşitli yöntemler

vardır. Bunlar, Laplacian Yöntemi, (Koenker, 2004) tarafından kullanılan Gaussian yöntemi ve

Lamarche’nın çalışmasındaki Kernel yöntemini kullanan, asimptotik varyansı minimize eden

yöntemdir (Koşan, 2014, s. 113). CANAY yöntemi ise bağımsız değişkenlerin şartlı kantillerde

gözlenemeyen heterojen etkilerin saf yerleşim etkisi olduğu varsayımından yola çıkmaktadır

(Saçaklı Saçıldı & Koşan, 2015, s. 170).


239

4.1.2.2. Tesadüfi Etkili Panel Kantil Modeli

Tesadüfi etkili panel kantil modeli (Correlated Random Effects Model) ilk kez (Chamberlain,

1982) tarafından ortaya atılmış ve birçok araştırmacı tarafından incelenmiştir (Saçaklı Saçıldı &

Koşan, 2015, s. 171). Diğer bir ifadeyle ilişkili tesadüfi etkiler modeli denilmektedir. İlişkili

tesadüfi etkiler modeli, sabit parametre ve bağımsız değişken arasındaki ilişkiyi doğru bir biçimde

ve her birimden bilgi alıp kullanarak tesadüfi değer elde etmektedir (Koşan, 2014, s. 122).

(Abrevaya & Dahl, 2008), (Chamberlain G. , 1984) tarafından modellenen kantil regresyon

çerçevesinde ilişkili tesadüfi etkiler modelini genişletmeyi düşünmüşler, Arizona ve

Washington'dan gelen verileri kullanarak doğum ağırlığı üzerindeki çeşitli doğum girdilerinin

etkilerini tahmin etmişlerdir. (Bache, Dahl, & Kristensen, 2011, s. 3) sözü edilen bu çalışmaların

fikrine dayanarak daha kısıtlı bir spesifikasyon maliyetiyle dengesiz bir veri setinin (unbalanced

panel) kullanılmasına izin veren kantil regresyon için yeni bir ilişkili tesadüfi etkiler

spesifikasyonunu ele almışlardır. (Bache, Dahl, & Kristensen, 2011, s. 13) yaptıkları çalışmada

panel verileri ve kantil yaklaşımı ile doğum öncesi sigara içimi ile doğum kilosu sonuçları

arasındaki ilişkilerin kestirimi üzerine birleşik bir görüş sunmakta ve farklılıklarını

vurgulamaktadır. İlişkili tesadüfi etkiler yönteminin genel olarak daha iyi performansı olduğunu

ve küçük parametre ya da bireysel etkilerin ölçek etkileriyle ilgili problemi olmadığını

söylemişlerdir. Ayrıca bu yöntemde sadece toplam örnek büyüklüğünün önemli gibi görünmekte

olduğunu yani herhangi bir rastlantısal parametre sorunu olmadığını belirtmişlerdir.

5. Bulgular

2005-2015 yılları arasında 44 ülkeye ait panel veri seti ile oluşturulan modelde bağımlı değişken

olarak KOF küreselleşme genel indeksi (KOFGI) kullanılmış, bağımsız değişken olarak da internet

kullanımı (İK), ticari özgürlük indeksi (TÖ), yatırım özgürlüğü indeksi (YÖ), sanayi (S), vergi

yükü indeksi (VY) belirlenmiştir. İlk olarak değişkenlerin tanımlayıcı istatistikleri incelenmiştir.

Tablo 2: 44 Ülke İçin Oluşturulan Panel Veri Setine Ait Değişkenlerin Tanımlayıcı

İstatistikleri

Değişkenler Standart Sapma Ortalama Minimum Maksimum

KOFGI 10,45 73,16 44,67 89,75

İK 24,21 51,54 1,79 92

TÖ 8,95 80,22 28,6 90

YÖ 20,24 62,83 10 95

S 180,1 109,59 0,98 1032,7

VY 12,55 74,13 41,5 94,8


240

Bu kısımda tüm değişkenlere ait özet istatistik bilgileri yer almaktadır. Çalışma 44 birim ve 11

dönem değerinden oluşmaktadır. Çalışmada yer alan ülkeler ise aşağıdaki tabloda belirtilmiştir.

Tablo 3: Çalışmada Ele Alınan Ülkeler

5.1. Modelin Tahmin Edilmesi

Bu aşamaya kadar çalışmada kullanılan değişkenler ve kullanılacak yöntem hakkında bilgi

verilmiştir. Bu kısımda ise panel veri modelinin tahmini gerçekleştirilerek uygun tahmin yöntemi

seçildikten sonra panel kantil yaklaşımı ile küreselleşmenin dağılımının farklı noktalarında

açıklayıcı faktörlerin etkisi incelenecektir.

5.1.1. Tahmin Yöntemleri Arasında Tercihler

• Sabit Etkiler ve Tesadüfi Etkiler Tahmincisi Arasında Tercih Yapılması

Tesadüfi ve sabit etkiler modellerinin karşılaştırılmasında önsel bilgilerden faydalanılacağı gibi,

önsel bir bilgi veya modellerden birisinin seçilmesi konusunda zorunluluk gerektiren bir durum

yoksa model tercihi “Hausman Testi” ile yapılabilmektedir.

Ülke Ülke Ülke

Argentina 1 Estonia 16 Lithuania 31

Armenia 2 Finland 17 Latvia 32

Australia 3 France 18 Morocco 33

Austria 4 United Kingdom 19 Malaysia 34

Azerbaijan 5 Georgia 20 New Zealand 35

Belgium 6 Greece 21 Peru 36

Bulgaria 7 Croatia 22 Philippines 37

Belarus 8 Hungary 23 Portugal 38

Bolivia 9 Ireland 24 Singapore 39

Switzerland 10 Italy 25 Slovak

Republic 40

Chile 11 Jordan 26 Slovenia 41

Colombia 12 Kazakhstan 27 Tunisia 42

Cyprus 13 Kyrgyz Rep. 28 Turkey 43

Germany 14 Korea, Rep. 29 Ukraine 44

Egypt, Arab Rep. 15 Sri Lanka 30


241

Hausman Testi

Bu test tanımlama hatasını sınamak için geliştirilmiştir ve çeşitli alanlarda kullanılabilmektedir.

Panel veri modellerinde tahmin yöntemleri arasında tercih yapmak için kullanılmaktadır. Sabit ve

tesadüfi etkiler tahmincileri arasındaki önemli farklardan birisi, etkilerin bağımsız değişkenlerle

korelasyonlu olup olmamasıdır. Aralarında korelasyon yoksa tesadüfi etkiler modeli tercih edilir.

Temel hipotez, bağımsız değişken ile etkiler arasında korelasyon olmadığıdır yani tesadüfi etkiler

tahmincisinin geçerli olduğudur. Alternatif hipotez ise bağımsız değişkenler ile etkiler arasında

korelasyon olduğudur yani sabit etkiler tahmincisinin geçerli olduğu şeklindedir (Yerdelen

Tatoğlu, 2013, s. 179).

H0: Açıklayıcı değişkenler ve birim etki arasında korelasyon yoktur (tesadüfi etkiler geçerlidir).

H1: Açıklayıcı değişkenler ile birim etki korelasyonludur (sabit etkiler geçerlidir).

Tablo 4: Hausman Test Sonucu

chisq = 1.6284 sd= 3 p-değer = 0.653

Testin sonuçlarına göre temel hipotez reddedilemeyecektir. Tesadüfi etkiler modeli geçerli

olacaktır. Yapılan bu inceleme ile modelin sahip olacağı tahmin yöntemi belirlenmiştir.

Tercih edilen tesadüfi etkili panel veri modeli aşağıda gösterilmiştir.

Tablo 5: Tesadüfi Etkili Panel Veri Modeli

Dengesiz Panel: n = 44, T = 9-11, N = 481

Etkiler: Varyans Standart Sapma Pay

Kendine özgü 2.158 1.469 0.078

Bireysel 25.625 5.062 0.922

Theta:

Minimum 1. Kantil Medyan Ortalama 3. Kantil Maksimum

0.9037 0.9128 0.9128 0.9126 0.9128 0.9128

Kalıntılar:

Minimum 1. Kantil Medyan Ortalama 3. Kantil Maksimum

-7.563 -0.724 0.220 0.002 0.919 5.876

Katsayılar Tahmin Standart Hata t-değer Pr(>|t|)

(Sabit) 65.0150079 2.0110427 32.3290 0.0000

İK 0.0692784 0.0072511 9.5542 0.0000

TÖ 0.0631441 0.0161515 3.9095 0.0001

YÖ 0.0394028 0.0110518 3.5653 0.0004


242

S 0.0126412 0.0031999 3.9506 0.0000

VY -0.0580596 0.0219231 -2.6483 0.0084

Toplam Kareler Toplamı: 1867.3

Kalıntı Kareler Toplamı: 1149.8

R-Kare: 0.3843

Düzeltilmiş R-Kare: 0.37782

F-istatistik: 59.2883 , 5 ve 475 SD, p-değer: < 0.0000

Burada Hausman testi sonucunda uygun olduğuna karar verilen tesadüfi etkili panel veri modeli

gösterilmiştir. Bu modelde sabit parametre de dahil olmak üzere tüm bağımsız değişkenler t

istatistik değerlerine göre anlamlı, işaretleri beklentiler yönündedir. F istatistik değerine göre de

model genel olarak anlamlıdır.

5.1.2. Varsayımdan Sapmaların İncelenmesi

Bu aşamada, seçilen model için varsayımlar incelenmiştir.

Birimler Arası Korelasyon Testi

Panel veri ile yapılan analizlerde seride bir etki gerçekleştiğinde panel verideki bütün yatay kesit

birimlerinin bu etkiden aynı şekilde etkilenmiş olup olmadığı incelenmelidir. Bu inceleme ile

panel veri modellerinde yatay kesit bağımlılığı araştırılmış olur. Kalıntılar arasındaki

korelasyonun anlamlılığı istatistik testleri ile incelenmelidir. Bu çalışmada hem sabit hem tesadüfi

etkili modelllerde kullanılabilen, Pesaran CDLM olarak adlandırılan test kullanılmıştır.

Pesaran’ın CD Testi

(Pesaran, 2004) testi T’nin küçük N’in büyük olduğu durumda birimler arası korelasyonun

varlığını test etmek amacıyla önerilmiştir. Breusch-Pagan Lagrange çarpanı testine alternatiftir.

Pesaran's (Pesaran, 2004) CD testi:

𝐶𝐷 = √2

𝑛(𝑛 − 1)(∑ ∑ √𝑇𝑖𝑘

𝑛

𝑘=𝑖+1

��𝑖𝑘

𝑛−1

𝑖=1

)

H0: Birimler arası korelasyon yoktur.

H1: Birimler arası korelasyon vardır.

Tablo 6: Pesaran CD Testinin Sonucu

z = 9.8368 p-değer < 0.0000

Sonuçlara göre temel hipotez reddedilmektedir. Birimler arası korelasyon vardır. Birimler arası

korelasyonun olmadığı varsayımı gerçekleşmemektedir.


243

Değişen Varyans Testi:

Oluşturulan modelde değişen varyans sorunu göz ardı edilirse regresyonun katsayıları tutarlı olur

ancak bu tahminler artık etkin olmayacaktır (Ün, 2015, s. 71). Bu nedenle değişen varyans

problemi ile karşılaşılıyorsa bu durumun düzeltilmesi için robust(sağlam) standart hataların

türetilmesi gerekmektedir. Tesadüfi etkili modelde değişen varyans varsa bu durum hata

bileşenlerinden birinin ya da her ikisinin de varyansının panel birimleri için değişmesinden

kaynaklanmaktadır (Ün, 2015, s. 72).

Breusch-Pagan (Breusch & Pagan, 1979) Testi:

𝐿𝑀 =1

2[

𝑁

𝑛(𝑁 − 𝑛)] [∑ (

𝑢��2

��2)

𝑛

𝑡

− 𝑛]

2

H0: Sabit varyanslıdır.

H1: Değişen varyanslıdır.

Tablo 7: Breusch-Pagan Testinin Sonucu

BP = 65.748 sd = 5 p-değer = 0.0000

Sonuçlara göre temel hipotez reddedilmektedir. Değişen varyanslıdır. Sabit varyans varsayımı

gerçekleşmemiştir.

Yapılan panel veri analizinde öncelikle model seçimi gerçekleştirilmiştir. Yapılan bu inceleme ile

model tesadüfi etkili panel veri modeli olarak belirlenmiştir. Tesadüfi etkili panel veri modelinde

küreselleşmenin şartlı dağılımının farklı noktalardaki bağımsız değişkenlerin değişimine nasıl

tepki verdiğinin incelenmesi amaçlandığından panel kantil yaklaşımı ile çalışılmıştır.

Tablo 8: Tesadüfi Etkili Panel Kantil Modeli (İlişkili Tesadüfi Etkiler Modeli)

tau: [1] 0.25 0.50 0.75

tau ağırlıkları: [1] 0.25 0.50 0.25

Katsayılar Değer Standart Hata t-değer Pr(>|t|)

(Sabit)[0.25] 66.49071 3.68349 18.05100 0.00000

İK[0.25] 0.06657 0.02047 3.25153 0.00124

TÖ[0.25] 0.09524 0.03629 2.62434 0.00900

YÖ[0.25] 0.06371 0.01885 3.38057 0.00079

S[0.25] 0.00786 0.00174 4.51846 0.00001

VY[0.25] -0.11847 0.03721 -3.18399 0.00156

(Sabit)[0.5] 68.62116 2.99152 22.93855 0.00000

İK[0.5] 0.06388 0.01774 3.60139 0.00035


244

TÖ[0.5] 0.07862 0.02097 3.74994 0.00020

YÖ[0.5] 0.05605 0.01803 3.10797 0.00201

S[0.5] 0.00846 0.00188 4.48935 0.00001

VY[0.5] -0.11122 0.03935 -2.82665 0.00493

(Sabit)[0.75] 68.94672 2.84092 24.26917 0.00000

İK[0.75] 0.05533 0.01589 3.48161 0.00055

TÖ[0.75] 0.08078 0.02032 3.97515 0.00008

YÖ[0.75] 0.05789 0.01925 3.00818 0.00279

S[0.75] 0.00875 0.00166 5.26331 0.00000

VY[0.75] -0.10462 0.04083 -2.56238 0.01074

𝑄0.25(𝐾𝑂𝐹𝐺𝐼𝑖𝑡|İ𝐾𝑖𝑡 , 𝑇Ö𝑖𝑡 , 𝑌Ö𝑖𝑡 , 𝑆𝑖𝑡 , 𝑉𝑌𝑖𝑡)

= 66.49 + 0.067İ𝐾𝑖𝑡 + 0.095 𝑇Ö𝑖𝑡 + 0.064𝑌Ö𝑖𝑡 + 0.0079𝑆𝑖𝑡 − 0.118𝑉𝑌𝑖𝑡


= 68.62 + 0.064 İ𝐾𝑖𝑡 + 0.079 𝑇Ö𝑖𝑡 + 0.056𝑌Ö𝑖𝑡 + 0.0085𝑆𝑖𝑡 − 0.111𝑉𝑌𝑖𝑡


= 68.95 + 0.055İ𝐾𝑖𝑡 + 0.081𝑇Ö𝑖𝑡 + 0.058𝑌Ö𝑖𝑡 + 0.0088𝑆𝑖𝑡 − 0.105𝑉𝑌𝑖𝑡

Tau(τ), 𝜏 ∈ (0,1) olmak üzere belirlenen kantil değerlerini ifade etmektedir.

Bu model ile küreselleşme değişkenin dağılımının farklı noktalarında, açıklayıcı faktörlerin etkisi

anlatılmaya ve küreselleşmenin belirlenen yıllarda hangi durumlardan ne ölçüde etkilendiği

açıklanmaya çalışılmıştır. Tüm değişkenler bütün kantil düzeyleri için istatistiksel olarak anlamlı

bulunmuştur. Elde edilen bulgulara göre;

Küreselleşmenin düşük olduğu düzeyde (0.25. kantil) İnternet kullanımındaki 1 puanlık artış

küreselleşmeyi 0.067 puan arttırmıştır. Orta düzeydeki küreselleşme (0.50. kantil) için İnternet

kullanımındaki 1 puanlık artış küreselleşmeyi 0.064 puan arttırmıştır. Yüksek küreselleşme düzeyi

(0.75. kantil) için ise 0.055 puan arttırmıştır. Küreselleşme düzeyi arttıkça internet kullanımının

küreselleşme üzerindeki etkisi azalmıştır.

Düşük küreselleşme düzeyi (0.25. kantil) için ticari özgürlükteki 1 puanlık artış küreselleşmeyi

0.095 puan arttırmaktadır. Orta düzeydeki küreselleşmeyi (0.50. kantil) ise 0.079 puan arttırmıştır.

Yüksek küreselleşme düzeyinde (0.75. kantil) bu etki 0.081 puan artmaktadır. Düşük ve yüksek

küreselleşme düzeyinde ticari özgürlüğün küreselleşme üzerinde daha etkili olduğu görülmüştür.

Düşük küreselleşme düzeyinde (0.25. kantil) yatırım özgürlüğünün 1 puanlık artışı küreselleşmeyi

0.064 puan arttırırken, orta düzeyde (0.50. kantil) 0.056 puan arttırmış, yüksek düzeyde (0.75.


245

kantil) 0.058 puan arttırmıştır. Düşük ve yüksek düzeyde küreselleşme için yatırım özgürlüğünün

küreselleşme üzerinde daha etkili olduğu görülmüştür.

Düşük küreselleşme düzeyinde (0.25. kantil) sanayideki 1 puanlık artış küreselleşmeyi 0.0079

puan arttırırken, orta düzeyde (0.50. kantil) 0.0085 puan, yüksek düzeyde (0.75. kantil) 0.0088

puan arttırmıştır. Küreselleşme düzeyi arttıkça sanayinin küreselleşme üzerindeki etkisi

artmaktadır.

Düşük küreselleşme düzeyinde (0.25. kantil) vergi yükündeki 1 puanlık artış, küreselleşmeyi

0.118 puan azaltmaktadır. Orta düzeyde küreselleşme (0.50. kantil) için vergi yükündeki 1 puanlık

artış küreselleşmeyi 0.111 puan azaltırken, yüksek düzeyde küreselleşmeyi (0.75. kantil) ise 0.105

puan azaltmaktadır. Küreselleşme düzeyi arttıkça vergi yükünün küreselleşme üzerindeki etkisi

azalmıştır.

6. Sonuç

Günümüz ekonomik, sosyal ve politik koşulları düşünüldüğünde küreselleşmenin her geçen yıl

etkisinin daha da hissedildiğini ve ülkeler arasında belirgin farklılıklara neden olduğunu söylemek

mümkündür. Küreselleşmenin farklılık gösterdiği ülke gruplarının hangi etmenlerden ne şekilde

etkilendiklerini ve küreselleşmenin yüksek, orta ya da düşük seviyede olmasında nelerin etkili

olduğunun görülebilmesi açısından KOF küreselleşme indeksinin, bağımlı değişken dağılımının

tümünün analizine imkan veren panel kantil modeli ile analizi gerçekleştirilmiştir.

Küreselleşme, uluslararası piyasalarda ekonomik, sosyal ve politik anlamda etkileşimin artması ve

ilişkilerin gelişmesiyle birlikte günümüzde etkisini daha fazla göstermektedir. Dünya

ekonomisinin serbestleşmesinin de beraberinde getirdiği ticaret, sanayi ve teknolojinin de

desteğiyle hem ekonomik hem sosyal paylaşımın küreselleşmeyi arttırdığını, kimi zaman da vergi

vb. ile küreselleşmenin müdahaleye uğradığını söylemek mümkündür. Bu çalışma ile tüm bu

koşullar altında farklı küreselleşme düzeylerindeki ülkelerin bu durumlardan nasıl etkilendiğini

görme, bu konuyu daha ayrıntılı ve geniş çaplı inceleme imkanı elde edilmiştir.

Yatırım özgürlüğünün yüksek olduğu ülkeler genelde ekonomik anlamda özgür ülkelerdir, bu

ülkelerin yatırım sermayesi akışı üzerinde bir sınırlama olmayacaktır. Bireyler ve firmalar

kaynaklarını sınırlama olmaksızın hem ülke içinde hem de ülke sınırları dışında belirli faaliyetlere

aktarabileceklerdir, bu da yatırım özgürlüğü olarak ifade edilebilir. Bu çalışmada da

küreselleşmenin yüksek ve düşük olduğu düzeyde orta düzeye kıyasla yatırım özgürlüğünün

küreselleşme üzerinde daha etkili olduğu gözlenmiştir. Genel olarak da tüm düzeyler için beklenen

doğrultuda yatırım özgürlüğünün küreselleşme üzerinde pozitif bir etkisi görülmektedir.


246

Sanayi faktörünün artan rekabet ve üretimi destekleyerek küreselleşme üzerindeki etkisinin

sürdürdüğü açıkça görülmektedir. Pozitif yönlü ilişki beklentisi gerçekleşmiştir. Sırasıyla

küreselleşmenin yüksek olduğu düzeylerde diğerlerine kıyasla sanayi faktörünün küreselleşme

üzerindeki etkisinin daha fazla olduğu sonucuna ulaşılmıştır.

Bütün hükümetler vergi ve borçlanma yoluyla ekonomik faaliyetlere mali yük getirmektedir.

Bireysel ve kurumlar vergisi oranları, ekonomi üzerinde önemli bir kısıtlama olmakla beraber aynı

zamanda küreselleşme üzerinde de sınırlayıcı bir etki göstermektedir. Bu tür etkileri doğrultusunda

beklenen negatif ilişki, sonuçlar üzerinde de gerçekleşmiştir. Küreselleşmenin düşük olduğu

düzeyde diğer düzeylere kıyasla vergi yükünün küreselleşme üzerindeki etkisi artış göstermiştir.

Devletin yabancı ticaretin serbest akışını engellemesi bireylerin ekonomik hedeflerini takip etme,

üretkenliklerini ve refahlarını en üst düzeye çıkarma becerisi üzerinde önemli ölçüde etkilidir.

Ticaretin özgürce yapılması küreselleşmenin en önemli gereklerinden biridir. Uluslararası ticaretin

gerçekleşmesiyle küreselleşme mümkün olacaktır. Bu nedenle ilişkinin pozitif yönlü olacağı

beklentisi çalışma sonucunda da elde edilmiştir. Küreselleşmenin yüksek ve düşük olduğu

düzeylerde orta düzeye kıyasla ticaret özgürlüğünün küreselleşme üzerinde daha etkili olduğu

gözlenmiştir.

İnternetin yeni bir kültürel ortam ve ekonomik bir pazar olarak ortaya çıkması, küresel değerlerin,

kültürel yapının, alışkanlıkların hızlı bir şekilde etkileşime girmesine neden olmuştur. Sınırların

dışına çıkılması konusunda büyük etkiye sahip internet, kültürel alanı hızlı bir şekilde

küreselleştirmiştir. Yalnızca kültürel alanla sınırlı kalmayıp aynı zamanda e-ticaretin

gelişmesindeki rolü ile ekonomik; sosyal medyanın yayılması, haberlerin ve iletişimin büyük bir

hızla aktarılmasıyla da hem politik hem sosyal sonuçlar doğurmaktadır. Tüm bu nedenler, pozitif

ilişki beklentisi doğurmuştur. Çalışma sonucunda da bu net bir şekilde görülmüştür.

Küreselleşmenin düşük olduğu düzeyde diğer düzeylere kıyasla internet kullanımının

küreselleşme üzerindeki etkisinin daha belirgin olduğu sonucuna varılmıştır.

Kaynakça

Abrevaya, J., & Dahl, C. M. (2008). The Effects of Birth Inputs on Birthweight. Journal of Business & Economic

Statistics, 1537-2707.

Acar, İ. A., & Yavuz, A. (1998). Küreselleşme Olgusunun Finans Piyasaları Üzerine Etkisi. Süleyman Demirel

Üniversitesi İktisadi ve İdari Bilimler Dergisi, S.3(Güz) S.267-280.

Altın Yavuz, A., & Gündoğan Aşık, E. (2017). Kantil Regresyon. Uluslararası Mühendislik Araştırma ve Geliştirme

Dergisi, 137-146.

Bache, S. H., Dahl, C. M., & Kristensen, J. T. (2011). Headlights on Tobacco Road to Low Birthweight Outcomes.

Emprical Economics, 1593-1633.

Baltagi, B. H., & Li, Q. (1995). Testing AR(1) against MA(1) disturbances in an error component model. Journal of

Econometrics, 133-151.

Bassett, G., & Koenker, R. (1978). Regression Quantiles. Econometrica, 33-50.


247

Breusch, T. S., & Pagan, A. (1979). A Simple Test for Heteroscedasticity a random Coefficient Variation.

Econometrica, 1287-1294.

Buchinsky, M. (1998). Recent Advances in Quantile Regression Models: A Practical Guideline for Empirical

Research. Journal of Human Resources, 88-126.

Chamberlain, G. (1982). Multivariate regression models for panel data. Journal of Econometrics, vol. 18, issue 1, 5-

46.

Chamberlain, G. (1984). Panel data. In: Griliches Z, IntriligatorMD (eds) Handbook of Econometrics,Elsevier

Science B. V., 1247-1318.

Collier, P., & Dollar, D. (2002). Globalization, Growth and Poverty. NewYork: A copublication of World Bank and

Oxford University Press.

Croissant, Y., & Millo, G. (2008). Panel Data Econometrics in R: The plm Package. Journal of Statistical Software.

Doğan, B., & Can, M. (2016). Küreselleşmenin Büyümeye Etkisi: Güney Kore Örnekleminde Eşbütünleşme

Analizi. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi , 197-220.

Dulupçu, M. A. (2001). Küresel Rekaber Gücü Türkiye Üzerine Bir Değerlendirme. Ankara: Nobel.

Eren, M. V., & Çütcü, İ. (2018). Küreselleşmenin Ekonomik Büyümeye Etkisi: Türkiye Üzerine Ekonometrik Bir

Analiz. Siyaset, Ekonomi ve Yönetim Araştırmaları Dergisi, 47-61.

Galvao, A. F. (2011). Quantile regression for dynamic panel data with fixed effects. Journal of Econometrics, 142-

157.

Graham, B. S., Hahn, J., Poirier, A., & Powell, J. L. (2015). A Quantile Correlated Random Coefficients Panel Data

Model. Institute for Fiscal Studies.

Güriş, S. (2015). Panel Veri ve Panel Veri Modelleri. S. Güriş içinde, STATA ile Panel Veri Modelleri (s. 1-37).

Güriş, S. (2015). STATA ile Panel Veri Modelleri. İstanbul: Derya.

Haelg, F., Gygli, S., & Sturm, J. E. (2018). The KOF Globalisation Index. KOF Working Papers.

Hausman, J. A. (1978). Specification Tests in Econometrics. Econometrica Journal of The Ekonometric Society,

1251-1271.

İpçioğlu, İ. (2003). Kapitalist Sistem ve Küresel Pazarda Rekabet Avatajı Sağlamayı Amaçlayan Firmalar için Olası

Alternatif Rekabet Stratejilerinin Analizi. Verimlilik Dergisi, 79-106.

Kabakçı Günay, E. (2017, Eylül). Yükseköğretim Kurulu Başkanlığı. Küreselleşmenin Ekonomik Büyüme Etkileri:

Afrika Ülkeleri Örneği Doktora Tezi. Eskişehir: Anadolu Üniversitesi.

Kock, A. B. (2016). Oracle Inequalities, Variable Selection and Uniform Inference in High-Dimensional Correlated

Random Effects Panel Data Models. Journal of Econometrics, 71-85.

Koenker, R. (2004). Quantile regression for longitudinal data. Journal of Multivariate Analysis, 74-89.

Koşan, N. İ. (2014). OECD Ülkelerinde Dış Ticaret Hadlerini Etkileyen Değişkenlerin Panel Kantil Regresyon ile

İncelenmesi. İstanbul: Marmara Üniversitesi Sosyal Bilimler Enstitüsü.

Lamarche, C. (2010). Robust penalized quantile regression estimation for panel data. Journal of Econometrics.

Laplace, P. S. (1818). Deuxième Supplement a La Theorie Analytique des Probabilites. Paris.

Miller, T., Kim, A. B., & Roberts, J. M. (2018, Ocak). 2018 Index of Economic Freedom. Washington: The Heritage

Foundation.

Moore, M. (2003). Sınırların Olmadığı Dünya : Özgürlük, Gelişim, Serbest Ticaret ve Küresel Yönetim . İstanbul:

CSA Yayın Ajansı.

Nişancı, E. (2003). Küreselleşme, Ulus Devlet ve Etik. Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 27-40.

Özbaysal, T., & Onay, M. (2018). Markalaşmanın Uluslararasılaşmaya Etkisi:Turquality Örneği. UİİİD-IJEAS, 181-

198.

Özdemir, A., & Eser, M. (2009). Küreselleşme. Bursa: Ezgi.

Pesaran, M. H. (2004). General Diagnostic Tests for Cross Section Dependence in Panels. University of Cambridge

& USC.

Powell, D. (2014). Did the Economic Stimulus Payments of 2008 Reduce Labor Supply? Evidence from Quantile

Panel Data Estimation. RAND Labor & Population.


248

Sabır, H. (2013). Küreselleşen Dünyada Rekabet Politikası ve Gelişmekte Olan Ülkeler. KTÜ-Sosyal Bilimler

Dergisi, 55-67.

Saçaklı Saçıldı, İ., & Koşan, N. (2015). Panel Kantil Modeller. S. Güriş içinde, STATA ile Panel Veri Modelleri (s.

163-173). İstanbul: DER.

Seymen, O. A., & Bolat, T. (2005). Küreselleşme Olgusuna Kavramsal Bir Bakış. O. A. Seymen, & T. Bolat içinde,

Küreselleşme ve Çok Uluslu İşletmecilik (s. 9). Ankara: Nobel.

Tutar, H. (2000). Küreselleşme Sürecinde İşletme Yönetimi. İstanbul: Hayat.

Ün, T. (2015). STATA ile Panel Veri Analizi. S. Güriş içinde, STATA ile Panel Veri Modelleri (s. 40-79). İstanbul:

DER.

Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel Data. London: The MIT Press.

Yalınpala, J. (2002). Küreselleşmenin Emek Piyasası ve İstihdam Üzerindeki Etkileri. A. Soyak içinde,

Küreselleşme İktisadi Yönelimler Sosyopolitik Karşıtlıklar (s. 263-289). İstanbul: OM.

Yerdelen Tatoğlu, F. (2013). Panel Veri Ekonometrisi Stata Uygulamalı. İstanbul: Beta.


249

MIDAS Granger Nedensellik Testi (MF-VAR): Ekonomik Büyüme ve Dış Ticaret

Nebiye YAMAK1

Serkan SAMUT2

Özet

Geleneksel zaman serisi yöntemlerinde hem bağımlı hem de bağımsız değişkenlerin aynı

frekansta olmaları zorunludur. Bu zorunluluk makroekonomik verilerin farklı frekanslarda

yayınlanmalarından dolayı zaman serileri analizinde önemli ciddi sorunlara neden

olabilmektedir. Ancak Ghysels, Santa-Clara ve Valkanov (2004), Mixed-Data Sampling

(MIDAS) yaklaşımını geliştirerek bu sorunu ortadan kaldırmışlardır. MIDAS yaklaşımı,

farklı frekanslı verilerin bir arada kullanılmasına imkân tanıyan bir yöntemdir. MIDAS

yaklaşımının geliştirilmesiyle beraber Ghysels (2016), farklı frekanslı verilerin bir arada

kullanıldığı Mixed-Frequency VAR (MF-VAR) yöntemini ortaya koymuştur. Ghysels,

Hill ve Motegi (2016), MF-VAR yöntemini kullanarak Granger nedensellik testini

geliştirmişlerdir. Bu çalışmada Türkiye ekonomisi için değişkenlerin orijinal frekansları

kullanılarak dış ticaret (ihracat ve ithalat) ile ekonomik büyüme arasında olası nedensellik

ilişkisi analiz edilmiştir. 1998-2018 döneminin kullanıldığı çalışmada büyüme oranı üçer

aylık frekanslardan, ihracat ve ithalat verileri ise aylık frekanslardan oluşmaktadır. MF-

VAR nedensellik analizi sonucunda hem ihracattan hem de ithalattan ekonomik büyümeye

doğru tek yönlü bir nedensellik ilişkisi saptanmıştır.

Anahtar Kelimeler: MF-VAR, MIDAS, Granger Nedensellik, Dış ticaret, Ekonomik Büyüme

JEL Sınıflaması: C22, F14, F43

MIDAS Granger Causality Test (MF-VAR): Economic Growth and Foreign

Abstract

In traditional time series methods, both dependent and independent variables must be at

the same frequency. This requirement could cause significant serious problems in time

series analysis due to the macroeconomic data being published at different frequencies.

However, Ghysels, Santa-Clara and Valkanov (2004) have eliminated this problem by

developing the Mixed-Data Sampling (MIDAS) approach. MIDAS approach is a method

which allows us to use data sampled at different frequencies together. With the

development of the MIDAS approach, Ghysels (2016) has presented Mixed-Frequency

VAR (MF-VAR) method, which is used different frequency data. Ghysels, Hill, and

Motegi (2016) have developed the Granger causality test by using the MF-VAR method.

In this study, the possible causality relationship between economic growth and foreign

trade (export and import) for Turkey has been analyzed by using the original frequencies

of the variables. In the study which used the period of 1998-2018, the growth rate consists

of quarterly frequencies, while export and import data consist of monthly frequencies. As

a result of the MF-VAR causality test, a one-way causality relationship from export and

import to economic growth is found.

Keywords: MF-VAR, MIDAS, Granger Causality, Foreign Trade, Economic Growth

JEL Classification: C22, F14, F43

1Prof. Dr., [email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., İktisat Bölümü, Trabzon/Türkiye,

https://orcid/org/0000-0003-3336-4735/ 2Arş. Gör., [email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., Ekonometri Bölümü, Trabzon/Türkiye,

https://orcid/org/0000-0001-8216-6482/


250

1. Giriş

Geleneksel zaman serileri analizinde ele alınan makro iktisadi değişkenlerin aynı frekansta

bulunmaları gerekmektedir. Ancak birçok ülkede makro iktisadi değişkenler farklı frekanslarda

yayınlanmaktadır. Örneğin Gayri Safi Yurtiçi Hasıla (GSYH) üçer aylık periyodlar halinde

yayınlanırken; enflasyon, sanayi üretim endeksi, işsizlik oranı aylık periyodlarda

yayınlanmaktadır. Değişkenlerin farklı frekanslarda yayınlanmalarından ötürü zaman serileri

analizlerine geçmeden önce yüksek frekanslı değişkenler toplulaştırma yöntemi ile düşük frekanslı

değişkenlere dönüştürülmektedir. Fakat bu dönüştürme sonucunda yüksek frekanslı değişkenlerde

bilgi kaybı söz konusu olabilmektedir. Ghysels, Santa-Clara ve Valkanov (2004), çalışmalarında

Mixed-Data Sampling (MIDAS) yaklaşımını geliştirerek, toplulaştırma ile karşılaşılan bu sorunu

ortadan kaldırmışlardır. MIDAS yaklaşımında, bağımlı değişken ve bağımsız değişken veya

değişkenler farklı frekanslarda olabilmektedirler. MIDAS yaklaşımının geliştirilmesiyle beraber

Ghysels (2016), farklı frekanslı verilerin bir arada kullanıldığı Mixed-Frequency VAR (MF-VAR)

yöntemini geliştirmiştir. Ghysels, Hill ve Motegi (2016), Ghysels (2016)’nin MF-VAR yöntemini

kullanarak Granger nedensellik testini geliştirmişlerdir. Bu kapsamda çalışmada Türkiye

ekonomisi için değişkenlerin orijinal frekansları kullanılarak dış ticaret (ihracat ve ithalat) ile

ekonomik büyüme arasında olası nedensellik ilişkisi analiz edilecektir.

İktisat literatüründe dış ticaret ile büyüme arasında ne tür bir ilişki olduğuna dair farklı hipotezler

bulunmaktadır. İhracata dayalı büyüme hipotezine göre ihracatın ekonomik büyümeye yol açacağı

yani ihracattan ekonomik büyüme doğru bir nedenselliğin olacağıdır. Bir başka hipotez ise

ithalatın ihracat ve büyüme oranı arasındaki ilişkide önemli bir rol oynadığını, bir başka ifade ile

ithalat vasıtasıyla daha kaliteli ara mallar sağlanarak ihracatın artmasına neden olduğu ileri

sürülmektedir. Böylelikle ithalattan ekonomik büyümeye yönelik bir nedensellik ilişkisi

olabilecektir. Diğer bir hipotez ise ekonomik büyümenin ihracat ve ithalatı tetiklediği düşüncesine

dayanmaktadır. Böyle bir durumda ekonomik büyümenin neden ve dış ticaretin sonuç olması

beklenmektedir.


Dış ticaret ile ekonomik büyüme arasında ne tür bir nedensel ilişki olduğuna yönelik literatürde

birçok çalışma mevcuttur. Bu çalışmalarda dış ticaret ile büyüme arasındaki nedensellik ilişkisinin

varlığı, yönü ve şiddeti konusunda kesin bir uzlaşının olmadığı görülmektedir. Ghartey (1993),

yapmış olduğu çalışmasında ABD için ekonomik büyümeden ihracata yönelik, Tayvan için

ihracattan ekonomik büyümeye yönelik tek yönlü nedensellik ilişkisi belirlerken, Japonya için

ihracat ile ekonomik büyüme arasında çift yönlü nedensellik ilişkisi saptamıştır. Thornton (1996),

Meksika için ihracattan ekonomik büyümeye doğru tek yönlü bir nedensellik ilişkisi belirlemiştir.


251

Tuncer (2002), Türkiye için ihracat ile GSYH arasında çift yönlü bir nedensellik ilişki bulurken;

ithalattan GSYH’ye yönelik tek yönlü bir nedensellik ilişkisi bulgusuna ulaşmıştır. Diğer yandan

Özer ve Erdoğan (2006), Türkiye için ihracat ve ithalattan ekonomik büyüme doğru tek yönlü bir

nedensellik ilişkisi tespit etmişlerdir. Kónya (2006), 24 OECD ülkesi için ihracat ve GSYH

arasındaki nedensellik ilişkisini araştırmıştır. Analizler neticesinde 8 ülke için ihracattan GSYH’ye

yönelik ve 7 ülke için GSYH’den ihracata yönelik tek yönlü nedensellik ilişkisi saptanmıştır.

Bunun yanı sıra 3 ülke için GSYH ile ihracat arasında çift yönlü nedensellik bulunurken; 6 ülke

için herhangi bir nedensellik ilişkisi tespit edilememiştir. Elbeydi vd. (2010), Libya için ve Araujo

ve Soares (2011), Brezilya için ihracat ile ekonomik büyüme arasında çift yönlü bir nedensellik

ilişkisi belirlemişlerdir. Amiri ve Gerdtham (2011), genişletilmiş Granger nedensellik analizi ile

Fransa ekonomisi için kısa dönemde ihracat, ithalat ve ekonomik büyüme arasında nedensellik

ilişkisinin olmadığı sonucuna ulaşırlarken; uzun dönemde ihracat ve ithalattan büyümeye doğru

tek yönlü bir nedensellik ilişkisini bulgulamışlardır. Pistoresi ve Rinaldi (2012), İtalya için 1863-

1913 döneminde GSYH'den ihracata ve ithalattan GSYH'ye nedensellik ilişkisi tespit ederlerken;

1951-2004 döneminde ise ihracattan GSYH'ye ve GSYH'den ithalata nedensellik ilişkisi

belirlemişlerdir. Ajmi vd. (2015), Güney Afrika için Diks and Panchenko (2006) doğrusal olmayan

nedensellik testiyle ihracat ile GSYH arasında doğrusal olmayan çift yönlü bir nedensellik tespit

etmişlerdir. Ancak doğrusal Granger nedensellik testinde ihracat ile GSYH arasında herhangi bir

nedensellik ilişkisi tespit edilememiştir. Yüksek ve Zengin (2016), aralarında Türkiye’nin de

bulunduğu 6 gelişen ülke için gerçekleştirdikleri çalışmalarında Arjantin için ihracattan

büyümeye, Çin ve Türkiye için ithalattan ihracata, Malezya için ihracattan ithalata yönelik tek

yönlü nedensellik ilişkisini bulgularken; Brezilya ve Meksika için herhangi bir nedensellik ilişkisi

tespit edilememiştir. Literatürde dış ticaret ile büyüme arasında nedensellik testi gerçekleştirilirken

genellikle yüksek frekanslı verilerin toplulaştırma yöntemi ile düşük frekanslı verilere

dönüştürülerek analizlerin gerçekleştirildiği anlaşılmaktadır. Bu çalışmada değişkenlerin orijinal

frekanslarında nedensellik ilişkisini belirlemeye imkân sunan MF-VAR modeli yardımıyla dış

ticaret ile ekonomik büyüme arasındaki olası nedensellik ilişkisi incelenecektir.


Çalışmada 1998 – 2018 dönemi kullanılmış ve üçer aylık zincirlenmiş GSYH verileri TCMB’den

alınırken; aylık ihracat ve ithalat verileri TUİK’ten temin edilmiştir. İhracat ve ithalat değişkenleri

sırasıyla ihracat ve ithalat fiyat (birim değer) endeksleriyle reel hale dönüştürülmüştür. Çalışmada

tüm değişkenler mevsimsel etkilerden arındırılarak logaritmik dönüşümlere tabi tutulmuşlardır.

Daha sonrasında logaritmik GSYH verilerinden üçer aylık büyüme oranları hesaplanmıştır.


252

Daha önce bahsedildiği gibi, çalışmanın ampirik kısmında ihracat ile ekonomik büyüme ve ithalat

ile ekonomik büyüme arasındaki nedensellik ilişkisi Ghysels (2016)’in geliştirdiği ve Ghysels vd.

(2016), tarafından Granger nedensellik için adapte edilen değişkenlerin orijinal frekanslarında

analize imkân tanıyan MF-VAR yöntemi ile araştırılacaktır. MF-VAR modeli;

X(τL)=[xH(τL,1)',…,xH(τL,m)',xL(τL)']' (1)

Yukarıdaki (1) numaralı eşitlikte X(τL); hem yüksek frekanslı xH (ihracat ve ithalat) değişkenini

hem de düşük frekanslı xL (ekonomik büyüme oranı) değişkenini içeren zaman sürecini, τL; düşük

frekanslı zaman periyodunu, m; düşük frekanslı xL değişkeninin bir zaman birimine denk gelen

yüksek frekanslı zaman periyodu sayısını göstermektedir. MF-VAR modelinde, ayrıca p≥1 olmak

üzere X(τL)’nin MF-VAR(P) süreci izlediği varsayılmaktadır.

X(τL)= ∑ βkX(τL-k)P

k=1 +ϵ(τL) (2)

Yukarıdaki MF-VAR(P) modelinde βk; k=1, ..., p için katsayılar matrisini ve ϵ(τL), hata vektörünü

temsil etmektedir.

MF-VAR modelinin tahmininde en küçük kareler yöntemi kullanılmaktadır. Ancak katsayılara

ilişkin varyans-kovaryans matrisinin hesaplanmasında Newey ve West (1987)’in HAC varyans

tahmin edicisinden ve Newey ve West (1994)’in otomatik gecikme seçiminden

faydalanılmaktadır.


Çalışmanın ampirik kısmında öncelikle değişkenlerin durağanlık seviyeleri araştırılmıştır. ADF

birim kök test sonucunda ekonomik büyümenin, seviyesinde; ihracat ve ithalatın ise birinci

devresel farkında durağan oldukları sonucuna ulaşılmıştır. Bu nedenle analizlerde ekonomik

büyümenin düzey değerleri kullanılırken; ihracat ve ithalat değişkenlerinin birinci devresel farkları

kullanılmıştır. Değişkenler arasındaki MF-VAR modeline dayalı Granger nedensellik testini

uygulamak için Motegi (2014) tarafından yazılan MATLAB kodlarından yararlanılmıştır. Ghysels

(2016), tarafından geliştirilen MF-VAR modelinde sabit terim olmadığından, nedensellik testine

geçmeden önce her bir değişkenin ortalamalardan sapmaları elde edilerek analizlerde

kullanılmıştır. Nedensellik sonuçlarının özetlendiği Tablo 1’de MF-VAR nedensellik analizi

neticesinde %5 anlamlılık seviyesinde ithalattan ekonomik büyüme doğru tek yönlü bir

nedensellik ilişkisinin olduğu anlaşılmaktadır. Bununla birlikte 2 ve 4 gecikmeli MF-VAR

modellerinde ihracattan ekonomik büyümeye yönelik tek yönlü bir nedensellik ilişkisinin

bulunduğu Tablo 1’de görülmektedir. Bu sonuçlar toplulaştırılmış veriler ile gerçekleştirildiğinde

ihracat ile ekonomik büyüme arasında herhangi bir nedensellik ilişkisi bulunmazken; ithalattan


253

ekonomik büyümeye yönelik %5 anlamlılık seviyesinde tek yönlü Granger nedensellik ilişkisi

gerçekleşmiştir.

Tablo 1: Dış Ticaret (İhracat ve İthalat) ile Büyüme Arasındaki Nedensellik İlişkisi

İhracat ile Büyüme Arasındaki Nedensellik İlişkisi İthalat ile Büyüme Arasındaki Nedensellik İlişkisi

H0 Hipotezi Gecikme

Uzunluğu

Karma

Frekans

Düşük

Frekans

H0

Hipotezi

Gecikme Uzunluğu Karma Frekans Düşük Frekans

Y "⇏" X 1 0.182 0.64 Y "⇏" M 1 0.704 0.388

X "⇏" Y 1 0.973 0.658 M "⇏" Y 1 0.001 0.002

Y "⇏" X 2 0.476 0.615 Y "⇏" M 2 0.75 0.307

X "⇏" Y 2 0.053 0.898 M "⇏" Y 2 0.001 0.04

Y "⇏" X 3 0.208 0.642 Y "⇏" M 3 0.194 0.579

X "⇏" Y 3 0.119 0.781 M "⇏" Y 3 0.001 0.025

Y "⇏" X 4 0.613 0.276 Y "⇏" M 4 0.374 0.191

X "⇏" Y 4 0.011 0.728 M "⇏" Y 4 0.001 0.083

Not: Y; büyüme oranını, X; ihracatın logaritmik devresel farkını, M; ithalatın logaritmik devresel farkını

göstermektedir.

5. Sonuç

Makro iktisadi göstergelerin farklı frekanslarda yayımlanmalarından dolayı geleneksel zaman

serisi yaklaşımlarının kullanılması zor olmaktadır. Literatürde bu zorluğu aşmak için çoğunlukla

yüksek frekanslı seriler toplulaştırma yoluyla düşük frekanslı serilere dönüştürülmektedir. Ancak

bu toplulaştırma sonucunda, sapmalı ve tutarsız tahminler elde edilebilmektedir. Ghysels, Santa-

Clara ve Valkanov (2004), Mixed-Data Sampling (MIDAS) yaklaşımını geliştirerek bu sorunu

ortadan kaldırmışlardır. MIDAS yaklaşımında yüksek frekanslı değişkenler toplulaştırma ya da

başka herhangi bir işleme maruz kalmaksızın, daha düşük frekanslı veriler ile aynı regresyon

modelinde kullanılabilmektedirler. MIDAS yaklaşımının geliştirilmesiyle beraber Ghysels (2016),

farklı frekanslı verilerin bir arada kullanıldığı Mixed-Frequency VAR (MF-VAR) yöntemini

sunmuştur. Ghysels, Hill ve Motegi (2016), MF-VAR yöntemini kullanarak Granger nedensellik

testini geliştirmişlerdir. Bu çalışmada 1998 – 2018 dönemi aylık ihracat ve ithalat ile üçer aylık

ekonomik büyüme arasındaki olası nedensellik ilişkisinin analizi için MF-VAR yöntemine dayalı

Granger nedensellik testinden yararlanılmıştır. MF-VAR analizi neticesinde ihracat ve ithalattan

ekonomik büyümeye yönelik tek yönlü bir nedensellik ilişkisi saptanmıştır. Analizler

toplulaştırılmış veriler ile tekrarlandığında sadece ithalattan ekonomik büyümeye doğru Granger

nedensellik ilişkisi belirlenmiştir.

Kaynakça

Ajmi, A. N., Aye, G. C., Balcilar, M., Gupta, R. (2015). Causality Between Exports and Economic Growth in South

Africa: Evidence from Linear and Nonlinear Tests. The Journal of developing areas, 49 (2), 163-181.

Amiri, A., Gerdtham, U. G. (2011). Relationship Between Exports, Imports, and Economic Growth in France:

Evidence from Cointegration Analysis and Granger Causality with Using Geostatistical Models. Munich

Personal RePEc Archive, Paper No. 34190, https://mpra.ub.uni-muenchen.de/34190/


254

Araujo, R. A., Soares, C. (2011). ‘Export Led Growth’x ‘Growth Led Exports’: What Matters for the Brazilian Growth

Experience after Trade Liberalization?, Munich Personal RePEc Archive Paper No. 30562

https://mpra.ub.uni-muenchen.de/30562/

Diks, C., Panchenko, V. (2006). A New Statistic and Practical Guidelines for Nonparametric Granger Causality

Testing. Journal of Economic Dynamics and Control, 30 (9-10), 1647-1669.

Elbeydi, K. R., Hamuda, A. M., Gazda, V. (2010). The Relationship Between Export and Economic Growth in Libya

Arab Jamahiriya. Theoretical and Applied Economics, 1 (1), 69-76.

Ghartey, E. E. (1993). Causal Relationship Between Exports and Economic Growth: Some Empirical Evidence in

Taiwan, Japan and the US. Applied Economics, 25 (9), 1145-1152.

Ghysels, E., Santa-Clara, P., Valkanov, R. (2004). The MIDAS Touch: Mixed Data Sampling Regression Models.

https://cloudfront.escholarship.org/dist/prd/content/qt9mf223rs/ qt9mf223rs. pdf

Ghysels, E., Hill, J. B., Motegi, K. (2016). Testing for Granger causality with mixed frequency data. Journal of

Econometrics, 192 (1), 207-230.

Ghysels, E. (2016). Macroeconomics and the Reality of Mixed Frequency Data. Journal of Econometrics, 193 (2),

294-314.

Kónya, L. (2006). Exports and Growth: Granger Causality Analysis on OECD Countries With a Panel Data

Approach. Economic Modelling, 23 (6), 978-992.

Motegi, K. (2014). MFVAR Toolbox. (Erişim Tarihi: 15.06.2018). http://www2.kobe-

u.ac.jp/~motegi/Matlab_Codes.html

Newey, W.K., West, K.D. (1987). A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation

Consistent Covariance Matrix. Econometrica,, 55, 703–708.

Newey, W.K., West, K.D. (1994). Automatic Lag Selection in Covariance Matrix Estimation. The Review of

Economic Studies, 61 (4), 631-653.

Özer, M., Erdoğan, L. (2006). Türkiye’de İhracat, İthalat ve Ekonomik Büyüme Arasındaki İlişkilerin Zaman Serisi

Analizi. Ekonomik Yaklaşım, 17 (60-61), 93-110.

Pistoresi, B., Rinaldi, A. (2012). Exports, Imports and Growth: New Evidence on Italy: 1863–2004. Explorations in

Economic History, 49 (2), 241-254.

TCMB. Elektronik Veri Dağıtım Sistemi. (Erişim Tarihi: 15.08.2018). https://evds2.tcmb.gov.tr/

Thornton, J. (1996). Cointegration, Causality and Export-led Growth in Mexico, 1895–1992. Economics Letters, 50

(3), 413-416.

TUİK. Dış Ticaret İstatistikleri. (Erişim Tarihi: 15.08.2018). http://www.tuik.gov.tr/Pre Tablo.do?alt_id=1046

Tuncer, İ. (2002). Türkiye’de İhracat İthalat ve Büyüme: TODA YAMAMOTO Yöntemiyle Granger Nedensellik

Analizleri 1980 2000. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9 (9), 89-107.

Yüksel, S., Zengin, S. (2016). Causality Relationship Between Import, Export and Growth Rate in Developing

Countries. International Journal of Commerce and Finance, 2 (1), 147.

https://mpra.ub.uni-muenchen.de/30562/


255

On The Predictability of Stock Returns Based on Financial Ratios: Evidence From Panel

Quantile Regression Forests

Bülent GÜLOĞLU1

Murat GÜVEN2

Alp ÜSTÜNDAĞ3

Abstract

The purpose of this study is to analyze the predictability of stock returns for the manufacturing

firms listed at Istanbul Stock Exchange (BIST 100) index. Predicting stock returns is especially

important for investors seeking for diversification of their portfolios. Using various financial

ratios, we estimate a nonlinear model by means of a panel quantile regression forests to predict

out of sample values of stock returns. Then we compare out of sample forecast performance of

panel quantile regression forests with standard dynamic panel quantile regression. We find that

quantile regression forests allowing for unobserved firms effects slightly outperform random

forests and dynamic quantile panel regression. We also find that estimation techniques based on

quantile approach tend to forecast better than those focused on conditional mean of the dependent

variable.

Keywords: Financial Economics, Random Forests, Quantile Regression Forests

JEL Classification: C21, C23, C45, C58

1. Introduction

Rapid development of machine learning techniques over the last decade brought forth adoption of

these new techniques by many researchers in their empirical works. Most of the machine learning

techniques have been designed for prediction purpose. It is worth noting that few of the machine

learning techniques used in practice take into account only one dimension of the data. In this study

to fill this gap we extend quantile regression forests to include both time and cross section

dimension of data.

The main advantage of machine learning technique over the standard econometric methods is that

they are distribution free and do not require assumptions of classical regression model including

the stationarity of the variables.

This study is structured as follows: section 1 gives introduction and section 2 reviews the literature

survey. Section 3 presents the methodology and data. Section 4 illustrates the findings. Lastly,

section 5 gives conclusion and suggestions.

2. Literature Survey

Since the predictability of stock returns is an interesting subject both for investors(practitioners)

and researchers, a great deal of papers has been devoted to stock returns prediction. Literature on

1 [email protected], Istanbul Technical University, Department of Economics, Maçka, 34367, İstanbul/Türkiye 2 [email protected], Istanbul Technical University, Department of Economics, Maçka, 34367, İstanbul/Türkiye 3 [email protected], Istanbul Technical University, Department of Industrial Engineering, Maçka 34367, İstanbul


256

stock returns predictability can be divided into three groups. The first groups of studies tend to

analyze the stock returns prediction within the framework of efficient market hypothesis. Using

the past values of stock returns and comparing the forecast performance of different models and

econometric techniques, most of the studies of this kind investigated whether or not the stock

markets are efficient. Gunduz, Yaslan, & Cataltepe(2017) is an example of this group of stock

returns predictability. The other strand of the literature focused on the use of financial ratios to

predict stock returns. Until recently most of studies had been carried out using standard

econometric techniques. However, over the past years, machine learning techniques such as

artificial neural networks and support vector machine have gained important place in empirical

works and have been extensively used to predict stock returns. Some of the examples related to

these stock returns predictability literature are Güloğlu, Uyar, & Uyar(2016), Emamgholipour,

Pouraghajan, Tabari, Haghparast, & Shirsavar(2013), Iqbal, Khattak, & Khattak(2013), Jabbari &

Fathi (2014) and Guo & Ryan(2016). The third group of the studies investigate the stock returns

prediction with time series techniques. Some examples of these studies using time series

techniques are Shang(2017), Kawakatsu(2017), Jarrett & Schilling(2008), Wang, Qian, &

Wang(2017) and Carvalhal & Mendes (2008).

3. Methodology and Data

We use random forests and quantile regression forests techniques originally developed by

Meinshausen(2006) which can be viewed as a generalization of random forests with conditional

quantiles. These techniques can be viewed as ensemble learning methods. The ensemble methods

are very well known in the machine learning community and include multiple methods that

comprise either different search strategies or same search strategies along with a unified objective

function (Chakravarty, Carlson, Khetani, & Gross, 2007). Pattern of Machine learning can be seen

in figure 1.

Figure 1: Pattern of Machine learning

Source: Machine learning. http://flywithfan.net/machine-learning/, access date: 14.11.2018

http://flywithfan.net/machine-learning/


257

The purpose of ensemble learning methods is to establish an ensemble (a collection) of the

individual classifiers which are both diverse and yet accurate. As long as the aim is reached, highly

accurate classification decisions are held evaluating the decisions for the individual classifiers of

the ensemble (Dietterich, 2000). A number of researcher have contributed to the literature of

ensemble methods such as Breiman(1996b), Kohavi & Kunz(1997), Bauer & Kohavi(1999),

Maclin & Opitz(1997) Kittler & Roli(2000), Zhou(2012) and Gentle, Härdle, & Mori(2012)

Bootstrap aggregation technique or bagging technique is firstly introduced by Breiman(1996a).

This technique is employed with several classification and regression methods so as to decrease

the variance in the prediction and obtain better predictions. The idea behind the technic is that

many bootstrap samples are taken from the data set and some of the prediction method is used to

each of the bootstrap sample. The results obtained from this analysis are collected to get the overall

prediction by both averaging for each of the regression and voting for classification. Because of

the averaging, the variance decreases (Rao, Wegman, & Solka, 2005).

Boosting technique is similar to bagging technique and is also a kind of committee-based approach.

This technique is employed to increase the accuracy of classification or regression methods. There

are several differences between boosting technique and bagging technique. First, while bagging

employs a simple averaging of results to find the overall prediction, boosting employs a weighted

average of results to find the overall prediction. Second, the samples employed in each step are

taken in different way from the same population in boosting technique. Third, boosting technique

is usually used for weak learners such as a two node decision tree but bagging technique is not

(Rao et al., 2005)

In this study we use a balanced panel data of 83 manufacturing firms observed over the period

2000-2017. For the prediction of stock returns we employ both the past values of stock returns

and financial ratios such as leverage, profitability, market value to book value ratio, dividend yield

and beta of the firm’s equity. The latter measures the systematic risk.

Lastly, we compare the prediction power of quantile regression forests with that of random forests

and dynamic quantile regression.

4. Findings

Before estimating the model, we present descriptive statistics in table 1.

Table 1. Descriptive Statistics

Variables PRICE PE MV_BV LEVERAGE DYIELD

Mean 20.08008 47.39560 3.158276 2.751424 4.374007

Median 3.872500 12.02765 1.465125 1.707050 3.429500

Maximum 489.6000 25457.32 1200.326 1009.788 32.04350

Minimum 0.069000 0.182000 -177.5428 0.940900 0.005500

Std. Dev. 50.12940 501.4115 29.94927 19.78366 3.450227


258

Skewness 4.064360 45.62349 32.95277 46.28637 2.157320

Kurtosis 21.04906 2275.345 1208.681 2316.597 11.24783

Jarque-Bera 47576.47 6.28E+08 1.77E+08 6.51E+08 10519.88

Probability 0.000000 0.000000 0.000000 0.000000 0.000000

Sum 58513.36 138110.8 9203.216 8017.649 12745.86

Sum Sq. Dev. 7320242. 7.32E+08 2612841. 1140128. 34676.54

Observations 2914 2914 2914 2914 2914

Then, we illustrate the panel unit root test results in table 2. According to table 2, we reject the

null hypothesis of absence of cross-section dependence by looking at the result of LM-AD test

developed by Pesaran, Ullah, & Yamagata(2008). Thus we are able to use CIPS test statistics

introduced by Pesaran(2007) which take into account cross section dependence. The result of

Table 2. Panel Unit Root Test Results

CIPS

intercept

CIPS

intercept

+ trend

ZA

_SPC

intercept

ZA_LA

intercept

ZA _SPC

intercept+trend

ZA_la

intercept

+ trend LM-AD

intercept

LM-AD

intercept+trend

Price -1.799*

-

1.8503* -4.55 -2.739 -0.3 6.958 1104.637* 1079.575*

leverage -1.954* -2.9561 20.817 219.52 9.18 54.464 1015.735* 997.757*

pe -4.0309 -4.233 2.11 2.337 2.302 3.635 1267.648* 1138.851*

mv_bv -2.532 -3.0697 4.374 14.628 1.584 3.167 1019.197* 1004.982*

dyield -4.2404 -4.4069 -1.005 0.202 0.894 0.086 1170.138* 1146.218*

* shows that statistics are significant at the 1% level of significance.

** shows that statistics are significant at the 5% level of significance.

*** shows that statistics are significant at the 10% level of significance CIPS test statistics show that some of the series do not reject the null hypothesis of presence of

unit root. The result of the CIPS test is also supported by the result of ZA _SPC and ZA_LA test

proposed by Hadri & Kurozumi(2012). Therefore, we employ the panel cointegration test

developed by Westerlund(2008). The results of the panel cointegration test are presented in table

3. In this table, Bias Adjusted CD test results show that there exists.

Table 3. Panel Cointegration Test Results

CSD

Bias Adjusted CD test

210.774*

Cointegration

dh_p

8.997*

* shows that statistics are significant at the 1% level of significance.

** shows that statistics are significant at the 5% level of significance.

*** shows that statistics are significant at the 10% level of significance

a strong cross correlation across the residual so that we employ second generation cointegration

test. The cointegration test statistic (dh_p) rejects the null hypothesis of no cointegration and

therefore we use the level of the series for the rest of the analysis.


259

We predict stock returns for the manufacturing firms with Random Forests and Quantile

Regression Forest, respectively. In this prediction, in sample (training) period covers

2003Q1:2016Q4 and out of sample period covers 2017Q1:2018Q2. The results of Random Forests

are shown 2. MAPE value of Random Forests is 14.58. the distribution of the

Figure 2: Random Forests Results

MAPE is presented in Figure 3. The results of Quantile Regression Forest are illustrated

Figure 3: Distribution of MAPE

in table 4. In this table, the lowest MAPE value of Quantile Regression Forest is 13,44732

Table 4 :Quantile Regression Forest Results

Quantile MAPE

5th 45,79379

10th 33,02901

15th 26,10761

20th 21,73443

25th 18,55001


260

30th 16,5087

35th 15,03363

40th 14,10004

45th 13,62594

50th 13,44732

55th 13,80071

60th 14,55515

65th 15,62973

70th 17,09053

75th 19,16831

80th 22,35234

85th 27,7057

90th 35,09777

The Distribution of MAPE for Quantile Regression Forests is also presented in Figure 4.

Figure 4 : Distribution of MAPE for Quantile Regression Forests(50th quantile)

The preliminary results show that MAPE value of Quantile Regression Forests is lower than that

of Random Forests and quantile regression forests has comparable power with standard quantile

regression and random forests.

5. Conclusion and Suggestions

Machine learning techniques have been rapidly developed over recent years. In many empirical

researches it has been proven that those techniques have comparative power in terms of prediction

with standard econometric techniques. In this study we predict the future values of stocks for 47

firms in BIST100 both individual and aggregate level. The study takes an advantage of combining

quantile regression and panel approach with machine learning approach. The findings show that

quantile regression forests allowing for unobserved firms effects slightly outperform random

forests and dynamic quantile panel regression. The findings also show that estimation techniques

based on quantile approach tend to forecast better than those focused on conditional mean of the


261

dependent variable. Finally, we show that the make use of quantile regression forests which is one

of the machine learning techniques substantially improves the prediction of stock returns.

References

Bauer, E., & Kohavi, R. (1999). An Empirical Comparison of Voting Classification Algorithms : Bagging , Boosting

, and Variants. Machine Learning, 36, 105–139.

Breiman, L. (1996a). Bagging Predictors. Machine Learning, 24, 123–140.

Breiman, L. (1996b). BIAS, VARIANCE , AND ARCING CLASSIFIERS.

Carvalhal, A., & Mendes, V. D. M. B. (2008). Evaluating the Forecast Accuracy of Emerging Market Stock Returns

Evaluating the Forecast Accuracy of Emerging Market Stock Returns. Emerging Markets Finance and Trade,

44(1), 21–40. https://doi.org/10.2753/REE1540-496X440102

Chakravarty, A., Carlson, J. M., Khetani, R. S., & Gross, R. H. (2007). A novel ensemble learning method for de novo

computational identification of DNA binding sites. BMC Bioinformatics, 8(1), 1–15.

https://doi.org/10.1186/1471-2105-8-249

Dietterich, T. G. (2000). An Experimental Comparison of Three Methods for Constructing Ensembles of Decision

Trees : Bagging , Boosting , and Randomization. Machine Learning, 40, 139–157.

Emamgholipour, M., Pouraghajan, A., Tabari, N. A. Y., Haghparast, M., & Shirsavar, A. A. A. (2013). The Effects

of Performance Evaluation Market Ratios on the Stock Return : Evidence from the Tehran Stock Exchange.

International Research Journal of Applied and Basic Sciences, 4(3), 696–703.

Gentle, J. E., Härdle, W. K., & Mori, Y. (2012). Handbooks of Computational Statistics Concepts and Methods.

Güloğlu, B., Uyar, S. G. K., & Uyar, U. (2016). Dynamic Quantile Panel Data Analysis of Stock Returns

Predictability. International Journal of Economics and Finance, 8(2), 115–126.

https://doi.org/10.5539/ijef.v8n2p115

Gunduz, H., Yaslan, Y., & Cataltepe, Z. (2017). Knowle dge-Base d Systems Intraday prediction of Borsa Istanbul

using convolutional neural networks and feature correlations. Knowledge-Based Systems, 137, 138–148.


Guo, H., & Ryan, L. (2016). Currency Hedging Optimization for Multi-Asset Portfolios. QUANTITATIVE

RESEARCH-PIMCO, (September).

Hadri, K., & Kurozumi, E. (2012). A simple panel stationarity test in the presence of serial correlation and a common

factor. Economics Letters, 115, 31–34. https://doi.org/10.1016/j.econlet.2011.11.036

Iqbal, N., Khattak, S. R., & Khattak, M. A. (2013). Does Fundamental Analysis Predict Stock Returns ? Evidence

from Non-Financial Companies Listed on KSE. Knowledge Horizons - Economics, 5(4), 182–190.

Jabbari, E., & Fathi, Z. (2014). PREDICTION OF STOCK RETURNS USING FINANCIAL RATIOS BASED ON

HISTORICAL COST , COMPARED WITH ADJUSTED PRICES ( ACCOUNTING FOR INFLATION )

WITH NEURAL APPROACH. Indian Journal of Fundamental and Applied Life Sciences, 4, 1064–1078.

Jarrett, J. E., & Schilling, J. (2008). Daily variation and predicting stock market returns for the frankfurter börse (

stock market ). Journal of Business Economics and Management, 9(3), 189–198.

https://doi.org/10.3846/1611-1699.2008.9.189-198

Kawakatsu, H. (2017). Direct multiperiod forecasting for algorithmic trading. Journal of Forecasting, 1–19.

https://doi.org/10.1002/for.2488

Kittler, J., & Roli, F. (2000). Multiple Classifier Systems.

Kohavi, R., & Kunz, C. (1997). Option Decision Trees with Majority Votes. ICML97.

Maclin, R., & Opitz, D. (1997). An Empirical Evaluation of Bagging and Boosting Classi er Ensembles Bagging

Classi ers Boosting Classi ers. In The Fourteenth National Conference on Arti?cial Intelligence.

Meinshausen, N. (2006). Quantile Regression Forests. Journal of Machine Learning Research, 7, 983–999.

Pesaran, M. H. (2007). A SIMPLE PANEL UNIT ROOT TEST IN THE PRESENCE OF CROSS-SECTION

DEPENDENCE. Journal of Applied Econometrics, 22, 265–312. https://doi.org/10.1002/jae

PEsaran, M. H., Ullah, A. M. A. N., & Yamagata, T. (2008). A bias-adjusted LM test of error cross-section

independence. Econometrics Journal, 11, 105–127. https://doi.org/10.1111/j.1368-423X.2007.00227.x


262

Rao, C. R., Wegman, E. J., & Solka, J. L. (2005). HANDBOOK OF STATISTICS VOLUME 24 -Data Mining and

Data Visualization.

Shang, H. L. (2017). Forecasting intraday S & P 500 index returns : A functional time series approach. Journal of

Forecasting., 5, 741–755. https://doi.org/10.1002/for.2467

Wang, Z., Qian, Y., & Wang, S. (2017). Dynamic Trading Volume and Stock Return Relation: Does It Hold out of

Sample? International Review of Financial Analysis. https://doi.org/10.1016/j.irfa.2017.10.003

Westerlund, J. (2008). PANEL COINTEGRATION TESTS OF THE FISHER EFFECT. Journal of Applied

Econometrics, 23, 193–233. https://doi.org/10.1002/jae

Zhou, Z.-H. (2012). Ensemble Methods Foundations and Algorithms.


263

Ortadoğu ve Kuzey Afrika’da Finansal Erişim: Ekonometrik Bir Analiz

Harun ÖZTÜRKLER1

Şerife AKINCI2

Özet

Finansal erişim, bir ülkede herhangi bir finansal kurumda herhangi bir hesabı olan

yetişkinlerin toplam nüfusa oranı olarak tanımlanır. Finansal erişim, yatırım, istihdam ve

toplam faktör verimliliğini artırarak, ekonomik büyüme ve böylece kişi başına geliri

artırarak yoksulluğu azaltmada önemli bir rol oynamaktadır. Böylece, finansal erişim

ekonomik kalkınmanın nihai hedefi olan toplumsal refahı artırmada önemli bir işlev

görmektedir. Yoksulluğun önemli bir sorun olduğu Ortadoğu ve Kuzey Afrika (OKA)’da

finansal erişim ekonomi politik gündemin önemli bir boyutunu oluşturmaktadır. Bu

bölgede yoksulluğun azaltılması ve refahın daha adil dağılımının için finansal erişimi

artırıcı ekonomi politikalarının tasarlanması ve uygulanması büyük önem arz etmektedir.

Bu çerçevede bu çalışmanın amacı, OKA ülkelerindeki finansal erişimi, bölgesel ve

ekonomik yapı çerçevesinde ortaya koymak ve finansal erişimi artırmaya yönelik

politikalarının geliştirilmesi sürecinde kullanılabilecek önermelerde bulunmaktır. Bu

amaçla çalışmada geliştirilen ekonomik modeller ampirik olarak tahmin edilmekte ve

bulgular ekonomi politik bir perspektiften değerlendirilmektedir. Ampirik modeller, 13

OKA ülkesi için 2004-2016 yıllarına ait veriler kullanılarak tahmin edilmektedir.

Anahtar Kelimeler: Finansal Erişim, Ekonomik Büyüme, Enflasyon Oranı, Kentsel Nüfus, Ortadoğu ve

Kuzey Afrika

JEL Sınıflaması: G, G2, G20

Financial Access in the Middle East and North Africa: An Econometric Analysis

Abstract

Financial access is defined as the ratio of adult population with any account in any financial

institution. Financial access plays an important role raising investment, employment and

total factor productivity, and therefore contributing to economic growth and decline in

poverty. As a consequence, financial access provides an important support for raising

society’s welfare, which is the end purpose of the economic activity. Financial access is

an important dimension in the politico-economic agenda in the Middle East and North

Africa (MENA), where poverty is an important problem. Hence, it is crucial to design and

implement policies to increase financial access in order to reduce poverty and achieve a

more egalitarian distribution of wealth. In this framework, the purpose of this study is to

evaluate financial access in MENA and make suggestions that can be used in designing

economic policies to increase financial access. To this end, designed economic models are

estimated and findings are evaluated from an economy politic perspective. Empirical

models are estimated for 13 MENA countries for the 2004-2016 period.

Keywords: Financial Access, Economic Growth, Inflation rate, Urban Population, Middle East and North

Africa.

JEL Classification: G, G2, G20

1 Prof. Dr., [email protected], Kırıkkale Üniversitesi, Kırıkkale/Türkiye 2 [email protected], Uludağ Üniversitesi,Bursa/Türkiye


264

1. Giriş

Finansal erişim, bir ülkede herhangi bir finansal kurumda herhangi bir hesabı olan yetişkinlerin

toplam nüfusa oranı olarak tanımlanır. Finansal erişim, özellikle gelişmekte olan ve tasarruf açığı

olan ülkelerde tasarrufların ve dolayısıyla yatırımların artırılması için bir zorunluluktur. Bu

çalışmanın amacı, Ortadoğu ve Kuzey Afrika (OKA) ülkelerinde finansal erişimi belirleyen

faktörleri ortaya koymak ve böylece finansal erişimi artırmaya yönelik politikalarının

geliştirilmesi için önermelerde bulunmaktır. Bu amaçla çalışmada geliştirilen ekonomik modeller

ampirik olarak tahmin edilmekte ve bulgular ekonomi politik bir perspektiften

değerlendirilmektedir. Ampirik modeller, 13 OKA ülkesi için 2004-2016 yıllarına ait veriler

kullanılarak tahmin edilmektedir.

Çalışmanın temel bulgularından birisi büyüme oranının finansal erişimi olumlu yönde artırmasıdır.

Ayrıca, kentsel nüfusun oranındaki artış finansal erişimi olumlu yönde artırmaktadır. Öte yandan,

kişi başına düşen gelir, içerildiği modellerde finansal erişimi ters yönde etkilemektedir. Bu sonuç

OKA ülkelerinde kişi başına gelir artışının gelir dağılımını bozuyor olmasından kaynaklanıyor

olabilir.

2. Literatür

OKA ülkeleri, doğal kaynaklar, özellikle fosil yakıtlar bağlamında dünyanın en zengin bölgesi

olmakla birlikte, gelir dağılımının en bozuk olduğu ve bu durumun beslediği yoksulluk sorunun

önemli bir boyutta olduğu bir bölgedir. OKA ülkelerinin tamamına yakınını gelişmekte olan

ülkeler sınıfına sokabileceğimizden, bu sınıfa giren ülkelerde finansal erişimin doğu

değerlendirilebilmesi için ampirik çalışmalar yapılması önemlidir. Li, vd. (1998), 1947-1994

yılları için 49 gelişmiş ve gelişmekte olan ülkeye ait verileri kullanarak finansal gelişme ve gelir

eşitsizliği arasındaki ilişkiyi incelemekte ve finansal gelişmenin gelir eşitsizliğini azalttığı

sonucuna ulaşılmaktadırlar.

Finansal erişim, bireylerin finansal hesaplarının varlığı üzerinden tanımlanmakla birlikte, finansal

kaynaklara erişim ve böylece yatırım yapabilme kapasitesi bağlamında girişimler için de

değerlendirilmelidir. Clarke vd. (2003), gelişmekte olan 36 ülkede yaklaşık 3.000 işletmede

yabancı banka girişlerinin, firmaların krediye erişimleri üzerindeki etkilerini ortaya çıkarmaya

yönelik olarak yaptıkları çalışmada, yabancı banka girişlerinin işletmelerin krediye erişimini

artırdığını ortaya koymaktadırlar. Bu bulgu Hirschman (1968) tarafından geliştirilen yatırım

yapma yeteneği kavramının önemini ortaya koymaktadır. Yatırım yapma yeteneği kavaramı, OKA

ülkelerinin birçoğu için de geçerli olan, özellikle gelişmekte olan ülkelerde ekonomik kalkınmanın

önündeki başlıca engelin kaynak yetersizliğinden çok ülkenin yasal ve kurumsal yapısının ve

ekonomik örgütlenme biçiminin olduğuna işaret etmektedir.


265

Gelişmiş ve gelişmekte olan 99 ülkeyi kapsayan bir çalışmada Beck,. vd. (2005), bankacılık

hizmetlerine erişim ve bu hizmetlerin kullanımını göz önüne alındığında, coğrafi koşulların ve

nüfus yoğunluğunun önemli iki faktör olduğunu ortaya koymaktadırlar. Çalışmanın gelişmekte

olan küçük ekonomiler için en önemli bulgusunu bankacılık dağıtım kanallarında ölçek

ekonomisinden faydalanan büyük ekonomilerde, bankacılık hizmetlerinin kullanımı daha yüksek

olduğudur.

Claessens ve Adviser (2005), hane halkı ve firmaların temel finansal hizmetlere erişimlerinin

ekonomik refah için önemi ve finansal erişimin önündeki ekonomik, yasal ve düzenleyici engelleri

araştırılmaktadır. Çalışmanın başlıca bulgularından birisini finansmana erişimin gelişmekte olan

ülkelerde oldukça zor olduğudur. Bu nedenle bu ülkelerin, kurumsal alt yapılarını güçlendirilmesi,

piyasalarının serbestleştirilmesi ve böylece rekabetin kolaylaştırılması ve teknolojinin yenilikçi

kullanımının teşvik edilmesi gibi finansal hizmetlere erişimi kolaylaştırmak için önlemler almaları

ekonomik büyüme ve refahlarına katkıda bulunacaktır. Öte yandan, devletin finansmana erişim

sağlama sürecini genişletmeye yönelik girişimleri ve müdahalelerinin, riskli ve maliyetli olduğu

ileri sürülmektedir.

Beck, vd. (2008) ise 62 ülkede yer alan 209 bankada, bankacılık hizmetlerine erişimi engelleyen

faktörlerin neler olduğunun belirlenmesi ve bu faktörlerin bankaların ve ülkelerin özellikleriyle

ilişkisini araştırmaktadırlar. Çalışmanın bulgularından birisi bankacılık hizmetlerine erişimin

önündeki engellerin mevduat ve kredi hesabı açmada alt limit uygulamaları, alınan ücretler ve

komisyonlar ile istenen evrak sayısı olduğudur. Bunun yanında bankacılık sektörü fiziki alt

yapısının yetersizliği de finansal hizmetlere erişimi düşmektedir. Öte yandan, yabancı bankaların

sayısının artması finansal erişimi arttırmaktadır.

Ülkelerin belirli bir gelişmişlik düzeyine ulaşılıncaya kadar kaynakların yetersizliği öne çıkarken,

Altıntaş ve Ayrıçay ( 2010) tarafından da vurgulandığı gibi, ekonomi bir eşik gelişmişlik düzeyini

aştıktan sonra, ekonomik büyüme için finansal kaynakların maliyetinden, erişimin olup olmaması

belirleyici olmaktadır. Bu bağlamda, Kendall, Mylenko ve Ponce ( 2010) finansal erişimin

göstergeleri ile fiziksel altyapı ve ekonomik büyümeyi de içeren kalkınma göstergeleri arasında

pozitif bir ilişkinin var olduğunu ortaya koymaktadırlar. Rocha, Arvai ve Farazi (2011)’nin

bulguları da OKA ülkelerinde finansal sistem ve finansal erişim ile bu ülkelerin ekonomik büyüme

ve istihdam performansları arasında aynı yönlü bir ilişkinin varlığına işaret etmektedir.

Finansal erişimin ekonomik büyüme etkisi yanında gelir eşitsizliği üzerine etkisi de literatürün en

yoğun çalışma alanını oluşturmaktadır. Oldukça geniş kapsamlı bir çalışmada Akbıyık (2012)

2000-2010 yılları arsında, 60 gelişmiş ve gelişmekte olan ülkede, finansal gelişmenin gelir

eşitsizliğini azalttığını ileri süren negatif hipotezin doğrulandığı bulgusuna ulaşmaktadır.


266

Öte yandan, kentleşme sürecinin henüz tamamlanmadığı ülkelerde kentsel ve kırsal bölgeler

arasında finansal erişimi ile ilgili önemli farklıklar gözlemlenebilmektedir. Bu bağlamda, Kumar

ve Mukhopadhyay (2013) de kentsel ve kırsal nüfusun finansal ihtiyaçlarının birbirlerinden farklı

olduğu ve bu çerçevede finansal erişimlerinin ve kullanılan finansal araçların birbirinden belirgin

bir biçimde farklılaştığı bulgusuna ulaşmaktadırlar. Pearce (2014), OKA’da finansal erişimin

önündeki engelleri inceleyerek finansal erişimin geliştirilebilmesi için pratik önermeler sunmaktır.

Bu önermelerin en önemlilerinden ikisini finansal erişim için teknolojik ve kurumsal altyapının

geliştirilmesi ve mikro kredi uygulamasının yaygınlaştırılması oluşturmaktadır.

3. Yöntem ve Veriler

3.1. Araştırma Yöntemi

Ekonometrik araştırma sürecinin en önemli aşamalarından birisini araştırma konusunu oluşturan

değişkenlere ait verilerin derlenmesi oluşturmaktadır. Elde edilen verilerin, modele uygun veriler

olması ekonometrik tahminlerin güvenirliğini etkilemektedir. Araştırmalarda kullanılan veri

setleri şöyle sınıflandırılmaktadır; zaman serisi verileri, yatay kesit verileri ve panel verileri.

Panel veri kullanımı diğer veri setlerine göre birçok avantaja sahiptir. Ekonomik araştırmalarda

hem zamana hem de birimlere göre analiz yapılmak istenildiğinde ayrı ayrı incelemeler yapılmak

zorunda kalınmaktadır. Bir panel veri setinde kesit yatak kesit ve zaman serisinin aynı anda

bulunması hem bu güçlüğün aşılmasını sağlamak da hem de araştırmada daha fazla veri ile

çalışabilme olanağı sağlayarak, çalışma bulgularının boyutunu ve güvenilirliğini geliştirmektedir.

Araştırma konusuna uygunluğu nedeniyle bu çalışmada da panel veri analizi benimsenmiştir.

Panel veri yönteminde klasik model, birim sayısı N ve zaman devresi sayısı T için,

Yit = β0 + β1it X1it + β2it X2it +…+ βkit Xkit + uit

şeklinde yazılabilir. Burada Y bağımlı değişkeni; X1, X2, …, Xk bağımsız değişkenleri ve u hata

terimini temsil etmektedir. i alt indisi birimleri ( i = 1,2,3, … , N ) ve t alt indisi ise zamanı (t = 1,

2, 3, …, N ) ifade etmektedir.

Genel olarak basit doğrusal panel veri modelleri üç farklı yöntem ile tahmin edilebilmektedir.

Bunlar; havuzlanmış en küçük kareler modeli, sabit etkiler modeli ve rassal etkiler modelidir.

Asterio ve Hall (2011)’ e göre, ortak sabit yöntemi (havuzlanmış en küçük kareler), birimler

arasında bir fark olmadığı durumlarda doğru sonuç vermektedir. Sabit etkiler modeli, her bir yatay

kesit için farklı sabit tahminlerine izin vermektedir. Sabit etkiler modeli, en küçük kareler kukla

değişkenleri (LSDV) tahmincisi olarak da bilinmektedir. Bunun nedeni her bir yatay kesit için

farklı sabitlere izin veriyor olması ve her bir yatay kesit için kukla değişken içermesidir. Rassal


267

etkiler modelinde ise yatay kesit birimlerinin katsayılarının sabit değil rassal parametreler olduğu

varsayılmaktadır.

3.2. Veri Seti

Veri seti Dünya Bankası veri tabanından derlenmiştir. OKA ülkesi olarak kabul edilen ülkelerin

alfabetik listesi Tablo 1’de gösterilmektedir.

Tablo 1: Ortadoğu ve Kuzey Afrika Ülkeleri

Bahreyn, Cezayir, Irak, Kuveyt, Libya, Suriye Arap Cumhuriyeti ve Yemen için yeteri kadar veri

elde edilemediğinden, bu ülkeler analiz dışı tutulmuştur. Böylece çalışmada 13 OKA ülkesine yer

verilmiştir.

Veri derleme süreci değerlendirilmesinde kurgulanan modellerde içerilen bağımlı değişkenler için

2004 yılından itibaren veriye ulaşılabildiği tespit edilmiş ve bu nedenle analizin dönemi 2004-

2016 tarihleri olarak belirlenmiştir. Çalışmada veri setinin özelliklerine bağlı olarak yıllık veri

kullanılmıştır.

3.3. Analizde Kullanılan Değişkenler ve Analiz Öncesi Testler

Analizde finansal erişimin gelişmesine katkı sağlayacağı düşünülen 4 değişken yer almaktadır. Bu

değişkenler v tanımları Tablo 2’ de verilmektedir.


268

Tablo 2: Analizde Kullanılan Değişkenler

Bilgisayar ortamında kontrolden geçilerek analize hazır olan veriler, STATA paket programı ile

model öncesi ve model sonrası yapılması zorunlu testlerden geçirilmiş, test sonuçları tablolar

şekline verilerek, değerlendirilmeye tabi tutulurmuştur.

Çalışmada yer verilen değişkenlere ilişkin tanımlayıcı istatistikler ve ikili ilişki sırasıyla Tablo 2

ve Tablo 3’de verilmektedir.

Tablo 3: Tanımlayıcı İstatistikler

Değişken Ortalama Std. Sapma Maksimum Minimum

Domesticctp 54.4 19.8 107.2 16.7

Domesticcpbs 53.6 19.1 102.9 16.7

GDPgrowth 4.9 4.2 26.1 -7.4

Inflationrate 5.4 5.8 39.2 -4.8

GDPpercapita 16499.4 19850.8 88564.8 1045.9

Urbanpopultn 75.6 14.2 99.3 42.9

Çalışmanın uygulama aşamasında tahmin edilen modellerde finansal erişimi tanımlamak üzere iki

değişken kullanılmaktadır: Domesticctp ve Domesticcpbs. ‘Domesticctp’in aldığı maksimum

değer 107.2 ikean, ortalaması 54.4’dür. ‘Domesticcpbs’in aldığı maksimum değer ise 102.9 olup,

ortalaması 53.6’dür.


269

Tablo 4: İkili Korelasyon Matrisi (13 Ülke)

Ekonometrik modelleme öncesinde yapılması gereken işlerden ilki bağımsız değişkenlerin kendi

aralarındaki ilişkiyi gösteren çoklu doğrusallığın korelasyon matrisi kullanılarak ölçülmesidir.

Tablo 4’ten görüldüğü üzere, çalışmada ele alınan bağımsız değişkenler arasında, yüksek düzeyde

bir ikili ilişkiye rastlanmamıştır.

Ekonometrik modelleme öncesinde değişkenlerin durağan olup olmadıklarının belirlenmesi bir

zorunluluktur. Öte yandan, aynı özelliklere sahip olan ülkeler, bölgeler, eyaletler veya şehirler ile

ilgili birimlerle çalışma yapıldığında birimler arasında korelasyonla karşılaşılabilmektedir. Bu

nedenle, değişkenlerin durağanlığının test edilmesine geçilmeden önce, yatay kesit bağımlılık testi

ile hangi birim kök testinin kullanılacağına karar verilmesi gerekmektedir. Çalışmamızda

değişkenlerimizin yatay kesit bağımlılığının test edilebilmesi için Paseran (2004) testi tercih

edilmiştir.

Tablo 4: Yatay Kesit Bağımlılık Test Sonuçları

Yatay kesit bağımlılık testi sonuçlarına göre, GDPgrowth ve Inflationrate değişkenleri dışındaki

bütün değişkenler yatay kesit bağımlılık içermekte olup, bu değişkenler için ikinci kuşak birim


270

kök testleri yapılması gerekmektedir. Çalışmamızda, yatay kesit bağımlılığı içeren değişkenler için

ikinci kuşak birim kök testlerinden Pesaran (2007) tarafından geliştirilmiş IPS testi, yatay kesit

bağımlılığı içermeyen değişkenler için ise birinci kuşak birim kök testlerinden Mandala ve Wu

(1999), yani Fisher ADF testi kullanılmıştır.

Tablo 5: Birim Kök Testi Sonuçları

Birim kök içeren değişkenlerin analizlerde kullanılabilmesi için birim kökten kurtarılarak,

durağanlaştırılması gerekmektedir. Serinin durağanlaştırılması için değişkenlerin birinci farkı

alınması metodu kullanılabilmektedir. Birinci farkı alınarak başına ‘d’ harfi eklenen yeni

değişkenler, dDomesticctp, dDomesticcpbs, dGDPpercapita ve dUrbanpopultn için birim kök testi

tekrarlanmıştır.

Lags

Trendsiz

Z[t-bar] P-value

Trendli

Z[t-bar] P-value

Domesticcpbs 0

1

0.290 0.614

-0.097 0.461

1.201 0.885

0.702 0.777

Domesticctp 0

1

0.411 0.659

0.155 0.562

1.068 0.857

0.656 0.744

Inflationrate 0

1

-1.688 0.046

1.197 0.884

-1.692 0.045

4.398 1.000

GDPgrowth 0

1

-3.109 0.001

-2.035 0.021

-0.684 0.247

0.098 0.539

GDPpercapita 0

1

1.847 0.968

-0.217 0.414

2.072 0.981

0.212 0.584

UrbanPopulatn 0

1

2.696 0.996

3.102 0.999

2.824 0.998

1.294 0.902


271

Tablo 6: Tekrarlanan Birim Kök Testi Sonuçları

Tablo 6’da görülebileceği gibi, birinci farkı alınmış değişkenler, birim kök

içermemektedir. Analizin sonraki aşamalarında bu değişkenler, birinci farkı alınmış halleri ile

kullanılmıştır.

3.4. Panel Veri Analizi

Bu kısımda analiz öncesinde gerekli testlere tabi tuttuğumuz iki açıklanan ve dört açıklayıcı

değişken kullanılarak çeşitli modeller oluşturulmuştur. Tasarlanana modeller arasındaki seçim

yapabilmek için, panel veri analizinde kullanılan ve hangi modelin tercih edileceğine karar verilen

F Testi, Breusch-Pagan LM testi ve Hausman testi kullanılmıştır. Kurgulanan alternatif modeller

Tablo 7’de verilmektedir.

Tablo 7: Kurgulanan Alternatif Modeller

Lags

Trendsiz

Z[t-bar] P-value

Trendli

Z[t-bar] P-value

dDomesticcpbs 0

1

-2.747 0.003

-0.173 0.431

-1.412 0.079

-0.384 0. 351

dDomesticctp 0

1

-2.897 0.002

-0.158 0.437

-1.643 0.050

-0.387 0.350

dGDPpercapita 0

1

-2.568 0.005

-0.181 0.428

-1.206 0.114

1.097 0.864

dUrbanPopultn 0

1

-0.405 0.343

-0.059 0.476

-1.350 0.088

1.2550.895

M1: dDomesticcpbs = f (dGDPpercapita, dUrbanPopultn, GDPgrowth )

M2: dDomesticcpbs = f (dGDPpercapita, GDPgrowth )

M3: dDomesticctp = f ( GDPgrowth, dGDPpercapita, dUrbanPopultn )

M4: 𝑑Domesticctp = f ( GDPgrowth, dGDPpercapita)


272

Hangi panel veri yönteminin kullanılacağının saptanması için ise tanımlanmış olan 4 farklı model,

havuzlanmış EKK, Sabit ve Rassal Etkiler yöntemi ile tahmin edilmiştir. F testi, Breusch-Pagan

LM testi ve Hausman testleri kullanılarak bu yöntemlerden hangisinin tercih edileceğine karar

verilmektedir. Test sonuçları, Tablo 8’de özetlenmiştir.

Tablo 8: F, Breusch-Pagan LM ve Hausman Testi

Modellerimizde F ve Breusch-Pagan LM testleri kullanıldığında, H0 hipotezi red edildiği için

Hausman testi belirleyici olmuştur. Hausman testi sonuçlarına göre ise bütün modeller için RE

modelinin daha etkin sonuçlar vereceği görülmektedir.

Tahmin edilen modellere ilişkin sonuçlar ise Tablo 9’da verilmektedir.

Tablo 9: Model Tahmin Sonuçları


273

4. Sonuç ve Öneriler

Bankaların özel sektöre kullandırdıkları kredilerin bağımlı değişken olduğu ve büyüme oranı, kişi

başına düşen gelir ile kentsel nüfusu içeren modelde, hem doğru işaret hem de istatistiksel olarak

anlamlı sonuçlar elde edilmiştir.

Özel sektöre yönelik yurtiçi kredilerin bağımlı değişken olduğu ve büyüme oranı, kentsel nüfus ve

kişi başına geliri içeren modelde, hem doğru işaret hem de istatistiksel olarak anlamlı sonuçlar

elde edilmiştir. Bu modele göre büyüme oranı ve kentsel nüfusta yaşanacak artış olduğunda özel

sektöre yönelik yurtiçi krediler artacaktır.

Kişi başına düşen gelir, içerildiği modellerde finansal erişimi ters yönde etkilemektedir. Bunun

mümkün bir açıklaması, OKA ülkelerinde kişi başına gelir artışının gelir dağılımını bozuyor

olmasıdır. Enflasyon oranının yer aldığı tüm modellerde ise, hem yanlış işaret hem de istatistiksel

olarak anlamsız sonuçlar elde edilmiştir

OKA ülkelerinin finansal erişimi arttırma yönünde atacağı her adım, ekonomik ve sosyal kalkınma

için önemli mesafeler kat etmesini sağlayacaktır. Bunun gerçekleşebilmesi için kamu ve özel

kurumların katkıları oldukça önemlidir.

Finansal erişimin gelir dağılımını düzeltici etkisi olduğu düşünüldüğünde, bu OKA ülkeleri için

oldukça önemlidir ve uzun dönemde bu sorunun giderilmesine katkı sağlayacaktır.

Kaynakça

Akbıyık, C. (2012), Cross Country Evidence On Financial Development- Income Inequality Link, Yüksek Lisans

Tezi, Orta Doğu Teknik Üniversitesi, Ankara.

Altıntaş, H., ve Ayrıçay, Y. ( 2010). “Türkiye’de Finansal Gelişme ve Ekonomik Büyüme İlişkisinin Sınır Testi

Yaklaşımıyla Analizi: 1987–2007” , Anadolu Üniversitesi Sosyal Bilimler Dergisi, 10(2), 71-98.

Asteriou, D. ve Hall, Stephan G., (2007) Applied Econometrics ( Revised Edition), Palgrave Macmillan, New York.

Beck, T., Demirgüç-Kunt, A, ve Peria, Maria M.S.L.(2008), „„Banking Services for Everyone? Barriers to Bank

Access and Use around the World”, The World Bank Economic Review, Sayı. 22, No. 3, s. 397–430,

Washington, DC.

Beck, T., Demirgüç-Kunt, A., ve Peria, Maria M.S.L.(2005), Reaching out: Access to and Use of Banking Services

Across Countries, World Bank Policy Research Working Paper 3754, Washington, DC.

Clarke, G., Cull, R., Peria, Maria M.S.L ve Sanchez, Susana M.(2003), Foreign Bank Entry: Experience, Implications

for Developing Economies, and Agenda for Further Research, World Bank Research Observer, Washington

DC.

Claessens, S. ve Adviser, S. (2005), Operations and Policy Department, Financial Sector Vice-Presidency, World

Bank, 1818 H Street, N.W., Washington, D.C.

Hirschman, A. O. (1968), The Strategy of Economic Development, Yale Univ. Press, New York.

Kendall, J., Mylenko, N., ve Ponce, A., ( 2010). “ Measuring Financial Access around the World” World Bank, Policy

Research Working Paper, 5253.

Kumar, L. ve Mukhopadhyay, J.P., ( 2013). “ Patterns of Financial Behavior Among Rural and Urban Clients: Some

Evidence from Tamil Nadu, India” , Instıtute For Money, Technology and Financial İnclusion, Working

Paper, 2013-9.


274

Li, H., Squire, L., Zou, H. (1998). Explaining International and Intertemporal Variations in Income Distribution. The

Economic Journal, 108, 26-43

Pearce, D. (2014), “ Financial Inclusion in the Middle East and North Africa Analysis and Roadmap

Recommendations” , Policy Research Working Paper, 5610.

Rocha, R., Z. Arvai ve S. Farazi ( 2011), Financial Access and Stability A Road Map for the Middle East and North

Africa , The World Bank, Washington DC.


275

Özel Tüketim Harcamaları Tesadüfi Yürüyüş İzler mi?

Dilek Nesrin KONAKLI 1

Mehmet ÖZMEN2

Özet

Bir değişkenin zaman içerisinde izlediği yolun önceden tahmin edilememesine Tesadüfi

Yürüyüş denilmektedir. Rasyonel Beklentiler Sürekli Gelir hipotezine göre, cari dönemin

tüketim harcamaları mevcut tüm bilgiyi içerdiği için, gelecek dönemdeki tüketim

harcamalarının en iyi tahmincisi durumundadır. Bu çalışmanın amacı, Türkiye’nin de dahil

olduğu 47 ülkenin 1994-2016 dönemi için, özel tüketim harcamaları serilerinin, tesadüfi

yürüyüş sergileyip sergilemediği, Hall’ un Rasyonel Beklentiler Sürekli Gelir Hipotezi

varsayımları altında; zaman serileri ve panel analizleri kullanılarak test edilmesidir.

Yapılan analizler sonucunda Hall’un varsayımları 1994–2016 dönemi itibariyle Türkiye ve

ilgili ülke grupları için geçerlidir. Bunun yanında, farklı ülke gruplarının dikkate alındığı

panel birim kök test sonuçları ise, Breitung t- istatistiği ve Levin, Lin & Chu t testleri

dışındaki tüm panel birim kök testleri, tüketimin tesadüfi yürüyüş izlemediğini

göstermektedir.

Anahtar Kelimeler: Özel Tüketim Harcamaları, Panel Birim Kök Testleri, Rasyonel Beklentiler Sürekli

Gelir Hipotezi, Hall

JEL Sınıflaması: E21,C22,C23

Does Private Consumption Expenditure Follow a Random Walk?

Abstract

The fact that the way followed by a variable over time cannot be predicted is called as

Random Walk. Since the consumption expenditures of the current period include all

available information, is the best estimator of future consumption expenditures according

to the Rational Expectations Permanent Income Hypothesis. The purpose of this study,

consisting of 47 countries ( Turkey İncluded ) under the assumptions of Rational

Expectational Permanent Income Hypothesis of Hall, the aim is to test whether the private

consumption expenditures for the period of 1994 – 2016 show a random walk or not by

using time series and panel analyses. As a result of the analyses, the assumptions of Hall’s

random walk model in the period of 1994 – 2016 as Turkey countries concerned. Besides,

the panel root test results which are taken into consideration by different country groups,

all panel unit root tests expect Breitung t – statistic and Levin, Lin & Chu t tests, it shows

consumption does not follow random walk.

Keywords: Private Consumption Expenditures, Panel unit root tests, Rational Expectational Permanent

Income Hypothesis, Hall.

JEL Classification: E21, C22, C2

1 Öğr. Gör., [email protected], Çukurova Üniversitesi, Ceyhan M. Y. O, Adana/Türkiye. 2 Prof. Dr., [email protected], Çukurova Üniversitesi, İ. İ. B. F., Ekonometri Bölümü, Adana/Türkiye.


276

1. Giriş

Gelir ve tüketimle ilgili çalışmalar 18. Yüzyılın sonuna kadar gitmekle birlikte, modern tüketim

teorilerinin başlangıcı Keynes’in (1936)‘ daki genel teorisine dayanmaktadır. Literatürdeki ilk

tüketim teorisi olan, Mutlak Gelir Hipotezine göre gelir-tüketim arasındaki ilişki şöyledir “Temel

psikolojik yasaya göre bireyler bir kural olarak ve ortalamada, gelirleri arttıkça tüketimlerini

artırma eğilimindedir, ancak bu artış gelirdeki artış kadar değildir.” (Keynes, 1936, s.96). Daha

sonra yapılan çalışmalarda ise, tüketim ile gelir arasındaki ilişkiyi farklı gelir değişkenleriyle ifade

eden; Duesenberry ‘nin (1949) ‘da ortalama tüketim eğiliminin gelir artışıyla birlikte neden

düşmediğini araştıran Nispi Gelir Hipotezi, ardından Modigliani, Brumberg ve Ando tarafından

geliştirilen, bugünkü tüketimin tahmini için, tüketim ve gelire farklı gecikme dağılımları öneren

M&B(1954), M&A(1960), A&M(1963) ait çalışmalarıyla Hayat Devreleri Hipotezi ve sonrasında

ise Hayat Devreleri Hipotezine birkaç noktada farklılık gösteren Friedman (1957)’nin Sürekli

Gelir Hipotezi geliştirilmiştir.

Modern tüketim teorileri çalışmalarının devamında Hall (1978 ) tarafından geliştirilen, Rasyonel

Beklentiler Sürekli Gelir Hipotezi; Sürekli Gelir Hipotezinin, rasyonel beklentiler adı altında

geliştirilmiş biçimidir. Hall, rasyonel beklentiler varsayımını tüketim teorisine dahil ederek yeni

bir model kurmuştur.

Hall’un modelinde, bir önceki tüketim kararı bu dönem tüketimi için gerekli olan tüm bilgileri

bünyesinde bulundurmaktadır. O halde, rasyonel bireyin tüketim kararlarını tüm bilgileri

içerisinde bulunduran bir dönem öncesi tüketim değişkeni etkilemektedir. Bu aşamada tahminde

bulunmak için başka bir değişkene gereksinim yoktur. Çünkü tüm bilgiler zaten bir dönem önceki

tüketim değişkeni içerisinde bulunmaktadır. Faiz oranının, zaman tercih oranına yaklaşması ya da

hata terimine ait stokastik değişikliğin küçük olması nedeniyle ortaya çıkan marjinal faydanın bir

dönemden diğerine değişiminin küçük olması durumu ilgili katsayıyı bir değerine yaklaştırarak,

tüketimin tesadüfi yürüyüş izlemesine neden olacaktır. O halde Hall’un modeli, basit anlamda

tüketimin tesadüfi yürüyüş izleyip izlemediği noktasında birleşir. Bu durumda, cari tüketim geçen

dönemin tüketim değeri artı beyaz gürültü (white noise) özelliklerine sahip olan hata teriminden

ibarettir ( Özmen, 1999, s.85 ).

Bu çalışmada öncelikle konuya ilişkin literatür özeti verilmektedir. Ekonometrik yöntem ve veri

seti tanıtıldıktan sonra bulgu ve değerlendirmeler sunularak, analiz sonuçları özetlenmiştir.

2. Literatür

Hall’un (1978), Rasyonel Beklentiler Sürekli Gelir Hipotezi’ne ilişkin, günümüze kadar çok

sayıda çalışma yapılmıştır. Konuyla ilgili olarak, daha çok gelişmiş ülkeler üzerine yapılan


277

çalışmaların ağırlık kazandığı da görülmektedir. Hall’un çalışmasında ABD’nin 1948–1977

dönemine ilişkin üçer aylık verilerini kullanarak, tesadüfi yürüyüş modelinin geçerli olduğunu,

yani cari tüketim harcamalarının yalnızca geçmiş dönemin tüketim harcamaları ile ilişkili

olduğunu göstermiştir.

ABD’de tüketimin tesadüfi yürüyüş sergileyip sergilemediğini test eden bir diğer çalışma ise,

Campbell ve Mankiw’in 1989 yılında yapmış olduğu, 1953-1986 dönemini kapsayan çalışmada,

kişi başına harcanabilir gelir ile kişi başına dayanıksız mal ve hizmet tüketim harcamalarını

değişken olarak kullanmışlardır. Bu çalışmalarında, tüketicilerin Hall’un tesadüfi yürüyüş

modelinde olduğu gibi bir davranış sergilediklerini ortaya koymuşlardır. Bununla birlikte, ABD

verileri ile elde etmiş oldukları sonuçlarla aynı çalışmayı G–7 ülkeleri (Fransa, Kanada, Almanya,

İtalya, Japonya, İngiltere ve ABD) için de uygulayarak, İngiltere dışında kalan ülkelerin nüfusunun

nerdeyse %50’sinin cari tüketim harcamalarına göre hareket ettiğini göstermişlerdir.

Pistoresi (1997), ABD’de tüketimin tesadüfi yürüyüş sergileyip sergilemediğini göstermek

amacıyla, 1947–1991 dönemlerini kapsayan üçer aylık veri setiyle yaptığı çalışmaya göre, gelir

sürekli şoklara tepki göstermekle birlikte bu şokların tüketim harcamaları üzerinde daha az tepkide

bulunduğunu göstermiştir. Çalışmanın sonuçlarına göre, geçici şokların tüketim harcamaları

üzerinde herhangi bir etkisi olmazken, gelir üzerinde bu şokların etkisinin daha fazla kalıcı

olduğunu göstermektedir.

Özmen (1999), Türkiye, 1950-1994 dönemine ait verilerle tüketimin tesadüfi yürüyüşü üzerine

yaptığı çalışmasında elde ettiği test sonuçları da benzer çalışmaları destekler nitelikte olup,

tüketimin bir tesadüfi yürüyüş süreci izlediğini ortaya koymuştur. Buna göre, gecikme sayısının

belirlenmesinde kullanılan değişik kriterler, bir gecikmenin ötesindeki gecikmeli tüketim

değerlerinin bugünkü tüketim değişkeni üzerinde etkisinin olmadığı sonucuna götürerek, hipotezi

destekler niteliktedir.

Bilgili (2006), Türkiye, 1987:1-2003:4 dönemini kapsayan çalışmasında, tüketim harcamalarının

tesadüfi yürüyüş izleyip izlemediği test edilmiştir. Bu çalışmaya göre, tüketim ve diğer değişkenler

arasında uzun dönemli ilişki olduğu sonucuna varılmıştır.

Rao ve Sharma (2008) çalışmasında ise, Fiji ve Avustralya ülkeleri için yapmış oldukları

çalışmalarında, Campbell ve Mankiw modelini kullanarak, 1974-2005 dönemi için, sürekli gelir

hipotezini test etmişlerdir. Bu çalışmanın sonuçlarına göre, gelişmekte olan bir ülkede gelişmiş bir

ülkeye göre, tüketimin gelir esnekliğinin nispi olarak daha yüksek olduğu sonucuna ulaşmışlardır.


278

3. Veri Seti ve Ekonometrik Yöntem

Bu çalışmada 1994 – 2016 dönemine ait Türkiye’nin de içinde bulunduğu 47 farklı ülkenin özel

tüketim harcamalarına ilişkin yıllık frekansta seriler kullanılmıştır. Veriler dünya bankasından elde

edilmiştir. Analizdeki tüm değişkenler, doğal logaritmaları alınarak test edilmiştir. Çalışmada

logaritmik özel tüketim harcamaları değişkeni ( LNCt) serisi ile temsil edilmektedir. İzlenen

ekonometrik süreç şu şekildedir; ilk olarak, tesadüfi yürüyüş hipotezi bağlamında Türkiye ve diğer

ülkelerin özel tüketim harcamaları serilerinin üzerine Genişletilmiş Dickey- Fuller (ADF) birim

kök testi yöntemi kullanılarak durağanlık testleri ayrı ayrı yapılmıştır. Sonrasında ise, ülkeler gelir

gruplarına göre tasnif edilerek, panel birim kök testleriyle durağanlık analizleri yapılmıştır.

Cₜ= γCt-ı+ εₜ ( 1)

Model (1) Hall’un en basit modelini göstermektedir. Hall’un modeli tüm bilgilerin içerisinde yer

aldığını varsaydığı gecikmeli tüketim değişkeni ile t ve t-1 dönemleri arasında ortaya çıkan ve

tüketimi etkileyen, fakat öngörülemeyen hata teriminden oluşmaktadır. Ayrıca bu modelde εₜ, t-1

zamanında tahmin edilemeyen ifadeyi göstermektedir ve εₜ hata teriminin beklenen değeri sıfır

varsayılmıştır.

Bu modelde Hall’un hipotezinin geçerli olabilmesi için, gecikmeli tüketim değişkeninin

parametresi (γ) tam olarak bir değerini almalıdır.

4. Bulgular

Çalışmada öncelikle logaritmaları alınmış yıllık frekansta 47 ülkenin özel tüketim harcamaları

serilerinin ADF birim kök testi ile durağanlık analizleri yapılmış olup sonuçları Tablo1’ de

gösterilmiştir.

Tablo 1: 47 Ülkenin ADF Birim Kök Testi Sonuçları

DEĞİŞKEN ÜLKELER ADF(Sabitli ve trendli )

TEST OLASILIK

1 TÜKETİM (LNCt ) Almanya -4.962771(1) 0.0737

2 TÜKETİM (LNCt ) Avusturalya -3.391388(1) 0.0795

3 TÜKETİM (LNCt ) Avusturya -3.487888(1) 0.0668

4 TÜKETİM (LNCt ) Bangladeş -2.522345(1) 0.3151

5 TÜKETİM LNCt ) Belçika -4.122843(1) 0.0242

6 TÜKETİM (LNCt ) Benin -1.063339(1) 0.9117

7 TÜKETİM (LNCt ) Bolivya -1.680214(1) 0.7239

8 TÜKETİM (LNCt ) Bostwana -2.032815(1) 0.5509


279

9 TÜKETİM (LNCt ) Brezilya -3.565919(1) 0.0579

10 TÜKETİM (LNCt ) Bulgaristan -2.183020(1) 0.4739

11 TÜKETİM (LNCt ) Kameroon -2.280579(1) 0.4254

12 TÜKETİM (LNCt ) Cezayir -3.430856(1) 0.0741

13 TÜKETİM (LNCt ) Şile -2.992941(1) 0.1570

14 TÜKETİM (LNCt ) Kolombiya -4.102380(1) 0.0207

15 TÜKETİM (LNCt ) Çin -2.313322(1) 0.4095

16 TÜKETİM (LNCt ) Danimarka -2.792563(1) 0.2147

17 TÜKETİM (LNCt ) Finlandiya -1.813526(1) 0.6617

18 TÜKETİM (LNCt ) Fransa -2.682224(1) 0.2525

19 TÜKETİM (LNCt ) Güney Afrika -3.150855(1) 0.1209

20 TÜKETİM (LNCt ) Hindistan -3.311643(1) 0.0916

21 TÜKETİM (LNCt ) Endonezya -3.379995(1) 0.0812

22 TÜKETİM (LNCt ) İngiltere -3.359896(1) 0.0841

23 TÜKETİM (LNCt ) İran -2.144131(1) 0.4937

24 TÜKETİM (LNCt ) İspanya -3.691509(1) 0.0558

25 TÜKETİM (LNCt ) İsrail -4.134092(1) 0.0195

26 TÜKETİM (LNCt ) İsveç -3.421158(1) 0.0754

27 TÜKETİM (LNCt ) İtalya -3.953696(1) 0.0277

28 TÜKETİM (LNCt ) Japonya -3.266239(1) 0.0992

29 TÜKETİM (LNCt ) Kanada -3.353743(1) 0.0851

30 TÜKETİM (LNCt ) Kenya -4.550399(1) 0.0085

31 TÜKETİM (LNCt ) Kıbrıs -0.604218(1) 0.9677

32 TÜKETİM (LNCt ) Kore -4.118079(1) 0.0201

33 TÜKETİM (LNCt ) Lüksemburg -1.364180(1) 0.8414

34 TÜKETİM (LNCt ) Malezya -4.184805(1) 0.0176

35 TÜKETİM (LNCt ) Meksika -3.954104(1) 0.0277

36 TÜKETİM (LNCt ) Mısır -1.550434(1) 0.7778

37 TÜKETİM (LNCt ) Hollanda -3.458811(1) 0.0704

38 TÜKETİM (LNCt ) Norveç -3.261076(1) 0.1001

39 TÜKETİM (LNCt ) Panama -4.882975(1) 0.0043

40 TÜKETİM (LNCt ) Peru -5.674289(1) 0.0009

41 TÜKETİM (LNCt ) Singapur -2.061237(1) 0.5362

42 TÜKETİM (LNCt ) İsviçre -3.476325(1) 0.0682

43 TÜKETİM (LNCt ) Tayland -3.476325(1) 0.0682


280

Not: Parantez içindeki değerler gecikme uzunluğunu göstermektedir. Gecikme uzunluğu seçiminde ADF için AIC

bilgi kriteri kullanılmıştır. 0.05’in üzerindeki değerler, birim kök varlığını ifade eden boş hipotezin

reddedilemeyeceğini gösterir.

Tablo1’ deki tüketim serilerinin, Belçika, Kolombiya, İsrail, İtalya, Kenya, Kore, Malezya,

Meksika, Panama ve Peru ülkeleri hariç, ADF birim kök testi sonuçlarına göre; diğer 37 ülke için

özel tüketim harcamaları değişkeninin bir birim kök içerdiğini yani durağan olmadığını, özel

tüketim harcamaları serilerinin tesadüfi yürüyüş izledikleri neticesine ulaşılmıştır.

Bu durumda Hall’un modelinde kullandığı varsayımlar esas alarak yapılan bu analizde Türkiye ve

bahsi geçen diğer ülkelerde tüketimin tesadüfi bir yürüyüş sergilediği söylenebilir.

4.1. 47 Ülkenin Panel Birim Kök Testi

Tablo 2’deki 47 ülkenin, özel tüketim harcamaları serilerinin panel birim kök testleri sonuçlarına

göre; Levin,Lin&Chu t*, Breitung t-stat testlerinin olasılık değerlerine bakıldığında birim kök

içerdikleri görülmektedir. Bunun yanı sıra Im,Pesaran and Shin W-stat, ADF- Fisher Chi square

ve PP- Fisher Chi-square testlerinin olasılık değerlerine bakıldığında ise birim kök içermedikleri

yani tüketim değişkeninin durağan olduğu görülmektedir.

Tablo 2: 47 Ülkenin Panel Birim Kök Testi Sonuçları

Yöntem İstatistik Olasılık Yatay Kesit Gözlem

Sıfır hipotezi: Birim Kök (ortak birim kök sürecini varsayar)

Levin, Lin & Chu t* 0.58156 0.7196 47 987

Breitung t-stat 0.21220 0.5840 47 940

Sıfır hipotezi: Birim Kök (bireysel birim kök sürecini varsayar)

Im, Pesaran and Shin W-stat -7.12879 0.0000 47 987

ADF - Fisher Chi-square 219.967 0.0000 47 987

PP - Fisher Chi-square 399.514 0.0000 47 1034

4.2. Gelir Gruplarına Göre Sınıflandırılan Ülkelerin Panel Birim Kök Testi

Çalışmanın devamında 47 ülke, gelir gruplarına göre sınıflandırılıp (Yüksek Gelirli Ülkeler, Orta

Üst Gelirli Ülkeler, Alt Orta Gelirli Ülkeler, Alt Gelirli Ülkeler) ayrı ayrı panel birim kök testi

analizleri yapılıp değerlendirilmiştir.

Tablo 3, 4 ve 5’de sırasıyla Yüksek Gelirli Ülkeler, Orta Üst Gelirli Ülkeler ve Alt Orta Gelirli

Ülkelere ait panel birim kök testi sonuçları verilmiştir. Bu sonuçlara göre; Breitung t-stat testi

44 TÜKETİM (LNCt ) Türkiye -3.478719(1) 0.0679

45 TÜKETİM (LNCt ) ABD -3.478719(1) 0.0679

46 TÜKETİM (LNCt ) Yeni Zelanda -1.232453(1) 0.8766

47 TÜKETİM (LNCt ) Yunanistan -3.275346(1) 0.0976


281

olasılık değeri bakıldığında birim kök içerdiği sonucuna ulaşılırken, Levin, Lin&Chu t*,

Im,Pesaran and Shin W-stat, ADF- Fisher Chi square ve PP- Fisher Chi-square testlerinin olasılık

değerlerine bakıldığında ise birim kök içermedikleri yani özel tüketim harcamaları serilerinin

durağan olduğu sonucuna ulaşılmıştır. Sadece Breitung t- stat panel birim kök testi, sıfır hipotezini

reddedememektedir yani özel tüketim harcamaları değişkeninin durağan olmadığını ifade

etmektedir.

Tablo 3:Yüksek Gelirli Ülkelerin Panel Birim Kök Testi Sonuçları



Levin, Lin & Chu t* -3.02673 0.0012 27 567

Breitung t-stat 0.69577 0.7567 27 540





Tablo 4: Orta Üst Gelirli Ülkelerin Panel Birim Kök Testi Sonuçları

Sıfır hipotezi: Birim Kök (ortak birim kök sürecini

varsayar)



Levin, Lin & Chu t* -20.2724 0.0000 20 420

Breitung t-stat -0.33056 0.3705 20 400





Tablo 5: Alt Orta Gelirli Ülkelerin Panel Birim Kök Testi Sonuçlar



Levin, Lin & Chu t* -571.134 0.0000 16 336

Breitung t-stat 0.80679 0.7901 16 320


282





Tablo 6’ da ise alt gelirli ülkelerin panel birim kök testi sonuçları bulunmaktadır. Tablo

sonuçlarına göre; tüm panel birim kök testlerinin sıfır hipotezini reddettiğini yani özel tüketim

harcamaları değişkeninin durağan olduğu anlaşılmaktadır.

Tablo 6: Alt Gelirli Ülkelerin Panel Birim Kök Testi Sonuçlar

5. Sonuç

Yapılan uygulama sonucunda, 1994-2016 dönemleri arası ve Türkiye’ninde dahil olduğu 47 farklı

ülkenin özel tüketim harcamaları serilerinin tesadüfi yürüyüş izleyip izlemediği ve bu bağlamda

rasyonel beklentiler sürekli gelir hipotezi test edilmiştir. Test sonuçları neticesinde 47 ülkeye ait

zaman serileri içinden 37 ülkenin, tüketimlerinin tesadüfi yürüyüş süreci izlediği sonucuna

ulaşılmıştır. Dolayısıyla, tüketim değişkeninin entegre derecesinin bir olduğu sonucuna da

varılmıştır. Ayrıca aynı ülkelerin, özel tüketim serilerinin, tamamına uygulanan panel birim kök

testi sonuçlarına göre Levin, Lin&Chu t*, Breitung t-stat testleri dışındaki tüm panel birim kök

testi sonuçları tüketimin tesadüfi yürüyüş izlemediğini göstermektedir. Bunun yanında, farklı ülke

gruplarının dikkate alındığı panel birim kök test sonuçlarından yüksek gelirli, orta üst gelirli, orta

alt gelirli olan ülkelerde, Breitung t- istatistiği testleri dışındaki tüm panel birim kök testlerinin,

tüketimin tesadüfi yürüyüş izlemediğini göstermektedir. Alt gelirli ülkelerin sonuçlarında ise göre

tüm panel birim kök testlerinin, sıfır hipotezini reddettiğini yani özel tüketim harcamaları

değişkeninin durağan olduğu görülmektedir, yani tüketimin tesadüfi yürüyüş izlemediği sonucuna

ulaşılmıştır. Rasyonel Beklentiler Sürekli Gelir hipotezine göre, Türkiye’de geçmiş dönemin

tüketim harcamaları mevcut tüm bilgiyi içerdiği için cari dönem, tüketim harcamalarının en iyi



Levin, Lin & Chu t* -13.9973 0.0000 9 189

Breitung t-stat -2.09321 0.0182 9 180






283

tahmincisi durumundadır. Hall’un tesadüfi yürüyüş modelinin varsayımları 1994–2016 dönemi

itibariyle Türkiye ve ilgili ülke grupları için geçerli olduğu söylenebilir.

Kaynakça

Bilgili, F. (2006). “Random Walk, Excess Smoothness or Excess Sensitivity? Evidence from Literature and an

Application for Turkish Economy”. MPRA, 24086, s.1-20.

Campbell, John Y. ve MANKIW, N. Gregory (1989), “Consumption, Income, and Interest Ratesin: Reinterpretting

the Time Series Evidence”, National Bureau of Economic Research Working Paper, 2924, 1-45.

Duesenberry, J.S. (1949). Income, saving and the theory of consumer behavior. Harvard University Press.

Friedman, M. (1957). A theory of the consumption function. Princeton University Press.

Hall, Robert E. (1978). “Stochastic Implications of the Life Cycle-Permanent Income Hypothesis: Theory and

Evidence”. Chicago: The Journal of Political Economy.Vol.86. No.6 pp. 971-987.

Keynes, J.M. (1936). The general theory of employment, interest and money. Harcourt, Brace & World, Inc.

Mackınnon, J. G. (1991). Critical Values for Cointegration Tests. Long Run Economic Relationships: Readings in

Cointegration içinde. Editörler: R. F. Engle ve C.W.J. Granger. Oxford University Press: New York.

Modigliani, F. (1949). Fluctuations in the saving-income ratio: A problem in economic forecasting. In Studies in

income and wealth, (pp. 369-444). NBER.

Özmen, M. (1997), “Türkiye İçin Tüketim Fonksiyonunun Ekonometrik Tahmini”Yüksek Lisans Tezi, Çukurova

Üniversitesi Sosyal Bilimler Enstitüsü, Adana.

Özmen, M. (1999). “Tüketim Tesadüfi Yürüyüş İzler mi? Türkiye için Rasyonel Beklentiler Sürekli Gelir Hipotezinin

Test Edilmesi”. İktisat, İşletme ve Finans, 14(161):84-94.

Rao, B.B. & Sharma, K.L. (2008). “Testing The Permanent Income Hypothesis in The Developing and Developed

Countries: A Comparison between Fiji and Australia”. International Journal of Applied Business and

Economic Research, 6(2): 97-106.

Pıstoresı, Barbara (1997). “Using a VECM to Characterize the Relative Importance of Permanent and Transitory

Components of U.S. Total Disposable Income and Total Consumption”, Research in Economics, 51: 131-

155.


284

Rekabetin Türk Mevduat Bankalarının Performansına Etkisi

M. Esra ATUKALP 1

Aykut KARAKAYA 2 Özet

Ekonomideki atıl fonların yatırımlara kaynak oluşturması ve bu sayede ekonomik

gelişimin sağlanması, finansal piyasalar ve kurumlar aracılığıyla mümkün olmaktadır.

Bankalar, finansal sistem içinde büyük öneme sahiptir. Literatürde piyasa rekabetinin

banka kârlılığına etkisinde süregelen tartışmalar, Türk mevduat bankaları kârlılığına piyasa

rekabetinin etkisinin yön ve düzeyinin ortaya konulmasının karar vericiler ve politika

yapıcılar açısından önemli olduğunu göstermektedir. Türk Mevduat Bankaları

performansının piyasadaki rekabetten nasıl etkilendiğinin ortaya konulması bu çalışmada

amaçlanmıştır. Çalışmanın verileri, 25 mevduat bankasının 2002-2017 dönemlerini içeren

yıllık finansal bilgileri ile oluşturulan dengeli panel veriden meydana getirilmiştir. Çalışma

sonucunda, piyasa rekabetinin Türk Mevduat Bankalarının aktif kârlılığını ve öz sermaye

kârlılığını artırdığı bulgusu elde edilmiştir. Rekabetin performansa etkisi Türk Mevduat

Bankalarında neo-klasik görüşün öngörüsünü destekleyici yöndedir.

Anahtar Kelimeler: Mevduat Bankaları, Performans, Rekabet, Panel Veri Modelleri

Jel Sınıflaması: G21, G30, M21, C33

The Effect of Competition on the Performance of Turkish Deposit Banks

Abstract

To funded the investment by the idle funds in the economy and to provide the economic

development in this way are possible through the financial markets and institutions. Banks

have a big precaution in the financial system. Ongoing debate on the effect of market

competition on bank profitability in the literature suggests that the direction and level of

the effect of market competition on the profitability of Turkish Deposit Banks is important

for decision makers and policy makers. It is aimed in this study to show how the

performance of Turkish Deposit Banks is affected by the competition in the market. The

data of the study have been obtained to the stable panel created with annual financial

information covering the years 2002-2017 of 25 deposit banks. As a result of the study, it

has been found that market competition increased return on asset and return on equity of

Turkish Deposit Banks. The impact of the competition on performance is in support of the

foresight of the neo-classical sight for Turkish Deposit Banks

Keywords: Deposit Banks, Performance, Competition, Panel Data Models

Jel Classification: G21, G30, M21, C33

1. Giriş

Piyasa rekabetinin firmaların performansına etkisinde genelde iki görüş öne çıkmaktadır. Birincisi,

neo-klasik iktisat teorisidir. Bu görüşte, piyasanın etkin biçimde çalışmasında rekabetin önemli

1 Dr.Öğr.Üy., [email protected], Giresun Üniversitesi Bulancak K.K. Uygulamalı Bilimler Yüksekokulu

Uluslararası Ticaret Bölümü, Bulancak/Giresun/Türkiye, ORCID: 0000-0001-8412-1448 2 Dr.Öğr. Üy., [email protected], Recep Tayyip Erdoğan Üniversitesi, İktisadi ve İdari Bilimler

Fakültesi, İşletme Bölümü, Rize/Türkiye, ORCID: 0000-0001-6491-132X


285

olduğu varsayılmaktadır. Etkin bir piyasadaki firmaların hayatlarını sürdürebilmelerinin rekabet

edebilmelerine bağlı olduğu dolayısıyla, rekabetin firmaların maliyetlerini düşürme ve

üretimlerini geliştirme yönünde teşvik edici olduğunu ileri sürmektedir. İkincisi olan

Schumpeteryen görüşe göre, piyasadaki belirsizliğin düşük olmasından ve daha istikrarlı

kaynaklara sahip olmalarıyla, rekabet düzeyinin düşük olduğu endüstrilerdeki firmaların

performansının daha yüksek olduğu ifade edilir.

Ekonomideki atıl fonların yatırımlara kaynak oluşturması ve bu sayede ekonomik gelişimin

sağlanması, finansal piyasalar ve kurumlar aracılığıyla mümkün olmaktadır. Bankalar, finansal

sistem içinde büyük öneme sahiptir. Türkiye’deki Bankacılık Sistemi toplam aktiflerinin %90’ını,

öz sermayesinin %88’ini ve net kârının ise %91’ini mevduat bankaları oluşturmaktadır. Türk

Mevduat Bankaları Türk Bankacılık Sistemi içerisinde son derece kritik öneme sahiptir. Bu

öneminden dolayı, Türk Mevduat Bankaları performansının piyasadaki rekabetten nasıl

etkilendiğinin ortaya konması bu çalışmada amaçlanmıştır.

2. Literatür

Banka performansına ilişkin çalışmalarda Aktif Kârlılık Oranı (AKO) ve Öz Sermaye Kârlılık

Oranı (ÖSKO) en temel performans göstergeleri olarak kullanılmaktadır. Bankaların kârına piyasa

rekabetinin etkisini inceleyen yabancı ve yerli literatürde öne çıkan husus, piyasa rekabetinin

banka kârlılığına etkisinde bir uzlaşının olmaması yani etkinin yönünün tek tip olmadığıdır.

Garza-Garcia (2011) Meksika bankacılık sektöründe 2001-2009 dönemini ele alarak banka

performansının belirleyicilerini analiz ettiği çalışmasında, yoğunlaşma oranının banka

performansına etkisinin anlamlı bulunmadığını belirlemiştir (Garza-Garcia, 2011, s.29). Özcan ve

Çiftçi (2015) Türkiye’de mevduat bankacılığında yoğunlaşma ile kârlılık ilişkisini analiz ettikleri

çalışmalarında, 24 mevduat bankasını ele alarak uygulanan panel veri yöntemi sonucunda

yoğunlaşma ve kârlılık arasında anlamlı bir ilişkinin olmadığı sonucuna ulaşmışlardır (Özcan ve

Çiftçi, 2015, s.9). Sahile vd. (2015) tarafından yapılan, 44 ticari bankanın 2000-2009 dönemi

verilerinin kullanılması ile Kenya bankacılık sektöründe yapı davranış performansı hipotezinin

test edildiği çalışma sonuçlarına göre, yoğunlaşmanın banka kârlılığını ve net faiz marjını

etkilemediği, Kenya bankacılık sektöründe yapı davranış performansı hipotezini destekleyen

güçlü kanıtların olmadığı ifade edilmektedir (Sahile vd., 2015, s.707). Tan (2016) 2003-2011

döneminde risk ve rekabetin Çin bankacılık sektöründe bankaların kârlılığı üzerindeki etkisini test

ettiği çalışmasında, risk ve rekabetin banka kârlılığı üzerine güçlü bir etkisinin olmadığını

belirlemiştir (Tan, 2016, s.108).

Ata (2009), Türk bankacılık sisteminde faaliyet gösteren 25 mevduat bankasının 2001 krizi sonrası

dönemde (2002-2007) kârlılıkları üzerindeki içsel ve dışsal faktörlerin etkisini panel veri analizi

yöntemi ile incelemiştir. Çalışma sonucuna göre bankacılık sektöründeki yoğunlaşma oranı banka


286

kârlılıklarını üzerinde negatif etkiye sahiptir (Ata, 2009, s.149). Bu da rekabetin kârlılığı artırdığı

şeklinde yorumlanabilir. Zhang vd. (2013), BRİCS bankalarının 2003-2010 verilerinden

yararlanarak yoğunlaşma, risk ve kârlılık arasındaki ilişkiyi analiz ettikleri çalışmalarında piyasa

yoğunlaşması ile kârlılık arasında negatif ilişki olduğunu belirlemişlerdir (Zhang vd., 2013, s.156).

Dietrich ve Wanzenried (2014) 118 ülkenin ticari bankalarının 1998-2012 dönemi verilerini

kullanarak yaptığı analizde, ülkeleri gelirlerine göre düşük, orta ve yüksek gelirli olarak

sınıflandırmıştır. Çalışma sonucuna göre değişik gelir grupları itibariyle farklı sonuçlar ortaya

çıkmakta, ülkelerin tamamı ele alındığında ise yoğunlaşma, banka kârlığını negatif etkilemektedir

(Dietrich ve Wanzenried (2014), ss.348-349). Nouaili vd. (2015) Tunus bankacılık sektöründe

finansal reform sonrası dönemde banka performansının içsel ve dışsal belirleyicilerini analiz

ettikleri çalışmalarında yoğunlaşmanın banka performansına negatif etkide bulunduğu

belirlemişlerdir (Nouaili vd., 2015, s.416). Petria vd. (2015) banka kârlılığının temel

belirleyicilerini inceledikleri çalışmalarında, 27 Avrupa Birliği ülkesinde 2004-2011 döneminde

rekabetin banka kârlılığını artırdığını belirlemişlerdir (Petria vd., 2015, s.522).

Saona (2016) yedi Latin Amerika ülkesindeki ticari bankaların 1995-2012 dönemi verilerinden

yararlanarak panel veri analizi ile gerçekleştirdiği çalışmasında piyasa yoğunlaşması ile kârlılık

arasında pozitif ilişki olduğunu tespit etmiştir (Saona, 2016, s.197). Jumono vd. (2016) Endonezya

bankacılık sisteminde kredi yoğunlaşmasının ticari bankaların kârlılığına etkisini dinamik panel

veri regresyon analizi ile araştırdıkları çalışmalarında, yoğunlaşmanın ticari bankaların öz sermaye

kârlılığını artırdığını ve böylece rekabetin kârlılığa negatif etkisinin olduğunu belirlemişlerdir

(Jumono vd., 2016, 212).

Türkiye’yi konu alan çalışmalar açısından da sonuçlar tek düze değildir. Gülhan ve Uzunlar’ın

(2011) Türkiye’de bankacılık sektöründe kârlılığın belirleyicilerini tespit etmek üzere, 1990-2008

yılları arasında panel veri analiz yöntemi kullanılarak yaptıkları çalışmalarında, 1990-2000

döneminde yoğunlaşmanın kârlılığa etkisini istatiksel olarak anlamlı bulmamışlardır. Çalışmanın

2001-2008 döneminde ise yoğunlaşmanın kârlılığı artırdığını tespit etmişlerdir (Gülhan ve

Uzunlar, 2001, s.366). Ayaydın ve Karakaya (2014) Türk bankacılık sektöründe sermayenin,

kârlılık ve risk üzerindeki etkisini analiz ettikleri, 2003-2011 döneminde sektörde faaliyet gösteren

23 mevduat bankasını ele aldıkları çalışma sonucunda, yoğunlaşmanın kârlılığı artırdığını, diğer

ifade ile piyasa rekabetindeki azalmanın kârlılıkta artışa neden olduğunu belirlemişlerdir (Ayaydın

ve Karakaya, 2014, s.264). Çalmaşur ve Daştan (2016) çalışmalarında 2001-2014 döneminde Türk

bankacılık sektöründe yer alan 42 bankanın verileri ile uyguladıkları panel veri analizi sonucunda

bankacılık endüstrisindeki yoğunlaşmanın kısmen daha yüksek kârlara sebep olduğunu

belirlemişlerdir (Çalmaşur ve Daştan, 2016, s.374).


287

Literatürde piyasa rekabetinin banka kârlılığına etkisinde süregelen bu tartışma, Türk mevduat

bankaları kârlılığına piyasa rekabetinin etkisinin yön ve düzeyinin ortaya konmasının karar

vericiler ve politika yapıcılar açısından önemli olduğunu göstermektedir.

3. Araştırma Yöntemi ve Veri Seti

3.1. Analiz Yöntemi

Mevduat bankalarının performansına etkili olan faktörlerin sınanması amacıyla yapılan

çalışmalarda panel veri analizinden yararlanılabilmektedir. Panel verilerin tahmininde sahte

regresyonla karşılaşmamak için öncelikle değişkenlerin durağanlıklarının tespit edilmesi

gerekmektedir. Bu aşamada, panel verilerin durağanlığının testi amacıyla geliştirilen panel birim

kök testlerinden yararlanılmaktadır. Öncelikle, yatay kesit bağımlılığı testiyle, hangi panel birim

kök testinin durağanlığın incelenmesinde uygun olacağına karar verilmektedir. Bu çalışmada

birim sayısı zamandan büyük olduğundan, yatay kesit bağımlılık testlerinden Pesaran CD (2004)

Testi kullanılmıştır. Yatay kesit bağımlılığı testi sonucunda birim bağımsızlığı durumunda birinci

kuşak, bağımlılığı durumunda ise ikinci kuşak panel birim kök testleri ile durağanlık

sınanmaktadır. Çalışma veri seti dengeli panel ve birim sayısı zamandan büyük olduğundan

değişkenlerin durağanlığı ya birinci kuşak panel birim kök testlerinden Harris ve Tzavalis (1999)

birim kök testiyle ya da ikinci kuşak panel birim kök testlerinden Pesaran (2007) CIPS birim kök

testiyle incelenebilir.

Durağanlık testinin ardından, durağanlık varsayımını dikkate alan panel veri analiz yöntemiyle

tahminler gerçekleştirilmektedir. En temel statik panel veri analiz yöntemi Havuzlanmış En Küçük

Karelerdir (HEKK). Ancak panel veride bağımsız değişkenler ve hata terimi arasında ilişki varsa,

HEKK ile tutarlı tahminler elde edilemez ve otokorelasyon giderilemez (Wooldrige, 2002, s.256).

Bu sakıncaların üstesinden gelebilmek amacıyla panel veri analizi için tahminciler geliştirilmiştir.

Statik panel veri analiz tahmincilerinden en öne çıkanları Sabit Etkiler (SE) ve Tesadüfi Etkilerdir

(TE).

Yatay kesit birimlerinin her birinin sabit bir değerinin olması anlamına gelen SE modellerinde

birim veya zamana göre oluşan değişiklikler sabit parametrede farklılıklar meydana getirmekte ve

eğim parametreleriyle birlikte tahmin edilecek parametrelere dönüşmektedir (Hsiao, 2003, s.30).

SE modelinde, birim etkilerin dolayısıyla birimler arası farklılıkların sabit olduğu ve sabit terimle

bu farklılıklar ifade etmektedir (Arellano, 2003, ss.11-46). Çalışmada serbestlik derecesi kaybına

neden olmayan Grup İçi SE tahmincisi kullanılmıştır.

Örneklem tesadüfî olarak seçildiğinde birimler arası farklılıklar sabit değil tesadüfîdir. Tesadüfî

farklılıklar da TE modeliyle tahmin edilmektedir. TE modelinde birim etkiler, hata terimi

içerisinde yer almaktadır. Böylece, hata terimi birim ve artık hatayı gösteren iki yapıya ayrılmıştır.


288

Bu birim hatanın büyüklüğü birim etkinin önemini ortaya koymaktadır (Baltagi, 2005, s.14).

Yaygın biçimde, Genelleştirilmiş En Küçük Kareler TE tahmincisi tercih edilmektedir.

Panel veri analizi tahminci tercihinde uzlaşılan bir istatistiksel test veya kural kesin olarak

belirlenmiş değildir (Öztürk, 2011, s.37). Tercih ile ilgili kararda genelde yapılmak istenen

çıkarsama etkili olmaktadır. Bu da üzerinde çalışılan örneğe bağlı olmaktadır. Veri kapalı bir

örnekten alınmışsa, belirli bir grup insan ya da belirli bir bölgeden oluşuyorsa, SE daha uygun

kabul edilirken, veri büyük bir ana kütleden tesadüfî örneklem yoluyla elde edilmişse, TE daha

uygun olarak görünebilmektedir (Swamy ve Mehta, 1977, ss.890-898). Sezgisel yaklaşımın

dışında uygun tahmincinin belirlenmesinde geliştirilmiş farklı istatistiksel testler de vardır. SE ve

TE tahmincisi tercihinde kullanılan en yaygın olan test Hausman (1978) testidir. Çalışmada, SE

ve TE modelleri arasındaki tercihte Hausman (1978) Testi kullanılmıştır. İlaveten, HEKK ile SE

tahmincisi arasındaki tercihte F Testi, HEKK ile TE tahmincisi arasında ise Skor Testi

kullanılmıştır. Dolayısıyla, çalışma modelinin tahmininde uygun panel veri analizi tahmincisi F

Testi, Skor Testi ve Hausman Testi sonuçlarına göre belirlenmiştir.

3.2. Veri Seti

Çalışmanın verileri, Türk bankacılık sisteminde faaliyet gösteren 25 mevduat bankasının 2002-

2017 dönemlerini içeren 15 yıllık finansal bilgiler ile oluşturulan dengeli panel veriden meydana

gelmektedir. Veri seti Türkiye Bankalar Birliği resmi internet sayfasından elde edilen finansal

bilgilerden oluşturulmuştur.

Çalışmanın bağımlı değişkenleri, bankaların performans göstergeleri olarak Aktif Kârlılık Oranı

(AKO) ve Öz Sermaye Kârlılık Oranıdır (ÖSKO). Bağımsız değişkenler ise, aşağıda ifade

edilmiştir:

- Herfindahl-Hirschman İndeksi (HHI) piyasa kredi yoğunlaşmasını,

- Takipteki brüt kredilerin toplam kredilere oranı banka aktif kalitesini (AK),

- Likit aktiflerin toplam aktiflere oranı banka likiditesini (LIK),

- Genel giderlerin toplam aktiflere oranı banka gider yapısını (GO),

- Öz sermaye oranı ise banka sermaye yapısını (OSO) göstermektedir.

4. Bulgular

Çalışmada yatay kesit bağımlılığı testlerinden Pesaran (2004) CD Testiyle bankaların bağımlı

olduğu bulunmuş ve ikinci kuşak panel birim kök testlerinden Pesaran (2007) CIPS Testi ile

değişkenlerin durağanlık sınanması gerçekleştirilmiştir.Tablo 1’deki Pesaran CD (2004) Testi

sonucunda değişkenlerde birim bağımlılığın bulunduğu yani değişkenlerin mevduat bankaları

arasında anlamlı korelâsyonun olduğu tespit edilmiştir. Çalışma değişkenlerinin aldığı değerler


289

itibariyle bankalar arasında sıkı bir ilişkisinin olduğu gözlenmiştir. Karar vericilerin bankalar arası

bağımlılığı göz önünde bulundurmalarında yarar bulunmaktadır.

Birim bağımlılığından dolayı durağanlık ikinci kuşak panel birim kök testiyle yapılmıştır. Birim

sayısı zamandan büyük olduğundan durağanlık için Pesaran (2007) CIPS birim kök testi tercih

edilmiştir. Tablo 1’deki Pesaran (2007) CIPS testi sonucunda değişkenlerin mertebede durağan

olduğu görülmüştür. Böylece durağanlık varsayımı dikkate alan panel veri analiz yöntemleriyle

model tahminleri gerçekleştirilmiştir.

Tablo 1: Birim Bağımsızlık Testi ve Birim Kök Testi

Değişkenler CD Testi CIPS Testi

AKO 8,50** -2,939**

ÖSKO 4,80** -2,613**

OSO 8,14** -2,477**

GO 37,52** -2,885**

LİK 7,86** -2,283**

HHI 69,28** 2,610**

AK 14,77** -2,693**

* 0,05 ve ** 0,01 anlamlılık düzeyini göstermektedir.

Ardından, araştırma modellerinin analizinde klasik panel veri analiz yöntemlerinden HEKK, SE

ve TE tahmincilerinden hangisinin kullanılmasının uygun olduğu konusu ele alınmıştır.

Tablo 2’de hangi tahmincinin tercih edilmesinin uygun olduğunun belirlenmesi amacıyla

gerçekleştirilmiş testlere ilişkin sonuçlar yer almaktadır.

Tablo 2: Tahminci Tercih Testleri

Testler AKO ÖSKO Tahminci Kararı

F Testi 5,21** 3,61** Sabit Etkiler

Skor Testi 235,85** 89,82** Tesadüfi Etkiler

Hausman Testi 10,75* 12,26* Sabit Etkiler

* 0,05 ve ** 0,01 anlamlılık düzeyini göstermektedir.

Öncelikle veri setinin bankalar açısından farklılık göstermediği yani HEKK tahmincisinin uygun

olduğu varsayımı SE tahmincisine karşı F Testi ile sınanmıştır. F Testi sonucunda banka etkisinin

sıfıra eşit olmadığı ve dolayısıyla banka etkilerinin önemli olduğu hem AKO hem de ÖSKO

modellerinde ortaya konmuştur. Bu bulgudan hareketle, AKO ve ÖSKO modellerinin tahmininde

HEKK yerine SE’nin uygun olduğuna karar verilmiştir.

Ardından, modeller HEKK tahmincisinin uygun olduğu TE tahmincisine karşı Bottai (2003)

tarafından önerilen Olabilirlik Oranından türetilmiş Skor Testi ile sınanmıştır. Test sonucunda


290

banka etkilerinin varyansının sıfırdan farklı olduğu, dolayısıyla modellerin çözümünde HEKK’in

değil TE’nin uygun olduğu sonucuna ulaşılmıştır.

Son olarak tahminde banka etkisi ile açıklayıcı değişkenler arasında korelâsyonun olmadığı yani

SE tahmincisine karşın TE tahmincisinin daha tutarlı olduğu sınaması Hausman (1978) Testiyle

ölçülmüştür. Hausman Testi sonucunda modellerde banka etkisi ile açıklayıcı değişkenler arasında

korelâsyon olduğu elde edilmiştir. Modellerin tahmininde SE tahmincisinin kullanılmasının uygun

olduğuna karar verilmiştir.

Tahmincilerin sonuçlarının değerlendirilmesinden önce tahminlerin tutarlılıkları ile ilgili bilgilere

değinilmesinde yarar vardır. Sabit Etkilerin tutarlı tahmini amacıyla değişen varyans,

otokorelasyon ve birim bağımlılık testleri yapılmıştır. AKO ve ÖSKO modelleri SE tahmincisinin

tutarlılığı amacıyla yapılan test sonuçlarına ilişkin bulgular Tablo 3’te sunulmuştur.

Tablo 3: Sabit Etkiler Tahminci Tutarlılık Testleri

Testler AKO ÖSKO Karar

Değiştirilmiş Wald Testi 896,80** 3844,09** Değişken Varyans Var

Baltagi-Wu LBI Testi 1,616 1,559 Otokorelasyon Var

Pesaran Birim Bağımsızlık Testi 14,178** 13,178** Birimler Bağımlıdır

Not: * 0,05 ve ** 0,01 anlamlılık düzeyini göstermektedir.

SE tahmincisinde öncelikle sabit varyansın varlığı için Değiştirilmiş Wald Testi yapılmış ve

değişken varyans sorununun olduğu tespit edilmiştir (Green, 2003). Ardından otokorelasyon için

Baltagi-Wu’nun Yerel En İyi Değişmez Testi otokorelasyon testi gerçekleştirilmiş. Baltagi-

Wu’nun Yerel En İyi Değişmez Testi değeri 2’den oldukça küçük bulunmuştur. SE tahmincisinin

otokorelasyona sahip olduğu görülmüştür. Sonra AKO ve ÖSKO modellerinin regresyon

kalıntılarının mevduat bankaları bağımlılığının incelenmesi amacıyla Pesaran Birim Bağımsızlık

Testi gerçekleştirilmiştir. Test sonucunda modellerde birimlerin bağımlı oldukları bulunmuştur.

SE tahminci tutarlılığı için yapılan testler sonucunda, değişen varyans, otokorelasyon ve yatay

kesit bağımlılığı bulunduğundan dolayı tahminin Driscoll-Kraay (1998) dirençli tahmincisiyle

Sabit Etkiler çözümünün yapılmasına karar verilmiştir. Driscoll ve Kraay (1998) tahmincisi ile

gerçekleştirilen analiz sonuçları Tablo 4’te sunulmuştur.

Tablo 4: AKO ve ÖSKO Modelleri Tahmin Sonucu

Değişkenler AKO ÖSKO

Sabit Terim 22,1104** 35,5553**

OSO 0,0808** 0,4104

GO -0,7091** -3,4806**


291

LIK -0,0186** -0,1524**

AK -0,0025 -0,0588*

HHI -201,3774** -215,005**

F Değeri 114,60** 11,22**

R2 0,3964 0,1751

Not:* 0,05 ve ** 0,01 anlamlılık düzeyini göstermektedir.

Modellerin Driscoll ve Kraay (1998) SE tahminci genel olarak anlamlı bulunmuştur. İlave olarak,

modellerin mevduat bankalarının AKO ve ÖSKO’daki toplam değişimin sırasıyla %40 ile %18’ini

açıklayabildiği görülmüştür.

Mevduat bankalarının AKO’nına sermaye yapısı (OSO), gider yapısı (GO), likidite (LIK) ve

piyasa yoğunlaşması (HHI) değişkenlerinin etkisi istatistiksel olarak anlamlıdır. AKO’nına aktif

kalitesinin (AK) etkili olmadığı bulunmuştur. ÖSKO’nına GO, LIK, AK ve HHI değişkenlerinin

etkisi istatistiksel olarak anlamlıdır. ÖSKO’nına OSO’nun anlamlı etkisinin olmadığı tespit

edilmiştir.

Modellerin tahmini sonucunda yoğunlaşma göstergesi olan HHİ’nin hem AKO hem de ÖSKO’yu

negatif etkilediği ortaya konulmuştur. Dolayısıyla bankacılık piyasasında rekabetin Türk mevduat

bankalarının kârlılığını artırdığı görülmüştür. Rekabetin performansa etkisi Türk Mevduat

Bankalarında neo-klasik görüşün öngörüsünü destekleyici yöndedir. Bu bulgu Ata (2009), Zhang

vd. (2013), Petria vd. (2015) ve Nouaili vd. (2015) tarafından yapılan çalışmaların sonucunu

desteklemektedir. Dietrich ve Wanzenried (2014) tarafından yapılan çalışmanın ise ele alınan tüm

ülkelere, orta gelirli ülkeler (aktif kârlılığı için) ve yüksek gelirli ülkelere (öz sermaye kârlılığı

için) ilişkin sonuçlarını desteklemektedir. Buna karşın, Gülhan ve Uzunlar (2011), Ayaydın ve

Karakaya (2014), Saona (2016), Çalmaşur ve Daştan (2016) ile Jumono vd. (2016) tarafından

yapılan çalışmaların sonuçlarını desteklememektedir.

Modellerde yer alan gider yapısı ve likiditenin AKO ve ÖSKO’yu istatistiksel olarak anlamlı

biçimde etkilediği ve etki yönünün de negatif olduğu tespit edilmiştir. Sermaye yapısının

ÖSKO’ya etkisi istatistiksel olarak anlamlı değilken, AKO’ya istatistiksel olarak anlamlı pozitif

etkisinin olduğu elde edilmiştir. Buna karşın, aktif kalitesinin AKO’yu etkilemediği ÖSKO’yu ise

negatif yönünde etkilediği gözlenmiştir.

5. Sonuç

Çalışma sonucunda, piyasa rekabetinin Türk Mevduat Bankaları aktif kârlılık oranı ve öz sermaye

kârlılık oranını artırdığı elde edilmiştir. Rekabetin performansa etkisi Türk mevduat bankalarında

neo-klasik görüşün öngörüsünü destekleyici yöndedir. Dolayısıyla, Türk mevduat bankaları

hayatlarına devam edebilmek için rekabet etmek dolayısıyla, maliyetlerini düşürüp gelirlerini

artırmak durumundadır. Öte yandan rekabetin artışı, istikrarı geliştirmesi nedeniyle kârlılık artışını


292

sağlayabilmektedir. Piyasadaki yoğunlaşmanın artmasıyla, pazar payı yüksek hâkim bankaların

yöneticilerinin bu avantajdan istifade etme düşünceleriyle, daha az çaba sarf etmeleri ve verimsiz

olmaları sonucunda banka kârlılıklarında azalışların olabileceği gözden uzak tutulmamalıdır.

Gider oranının, likidite ve aktif kalitesinin kârlılığa negatif etkileri, bankaların genel giderleri ile

nakit ve nakit benzeri varlıkların artmasının bankaların kredi verme kabiliyetini zayıflatmasının

yanında kredi tahsilâtında yaşanan problemlerin Türk mevduat bankaları kârlılığına olumsuz

yansımasıdır. Öte yandan öz sermaye oranının kârlılığa etkisinin pozitif olması, güçlü bir sermaye

yapısına sahip bankaların fon maliyetlerinin düşük olması ve bunun da Türk mevduat bankaları

kârlılığında artışa neden olması şeklinde açıklanabilir.

Kaynakça

Arellano, M. (2003). Panel Data Econometrics, England: Oxford University Press,

Ata, H. A. (2009). Kriz Sonrası Türkiye’de Mevduat Bankaları Kârlılığına Etki Eden Faktörler. Dokuz Eylül

Üniversitesi İşletme Fakültesi Dergisi, 10 (2),137-151.

Ayaydın, H., Karakaya, A. (2014). The Effect of Bank Capital on Profitability and Risk in Turkish Banking.

International Journal of Business and Social Science, 5 (1), 252-271.

Baltagi, B. H. (2005). Econometric Analysis of Panel Data, Third Edition, England: John Wiley&Sons, Ltd.,

Çalmaşur, G., Daştan, H. (2016). Türk Bankacılık Endüstrisinde Piyasa Yapısı ve Karlılık İlişkisi. Ege Akademik

Bakış Dergisi, 16 (2), 363-378.

Dietrich, A., Wanzenried, G. (2014). The Determinants of Commercial Banking Profitability in Low-,Middle-, and

High-İncome Countries. The Quarterly Review of Economics and Finance, 54, 337-354.

Driscoll J. C., Kraay A. C. (1998). Consistent Covariance Matrix Estimation with Spatially Dependent Panel Data.

Review of Economics and Statistics, 80, 549-560.

Garza-Garcia, J. G. (2012). Does Market Power Influence Bank Profits in Mexico? A Study on Market Power and

Efficiency. Applied Financial Economics, 22 (1), 21-32.

Gülhan, Ü., Uzunlar, E. (2011). Bankacılık Sektöründe Kârlılığı Etkileyen Faktörler: Türk Bankacılık Sektörüne

Yönelik Bir Uygulama. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 15 (1): 341-368.

Haris R. D. F., Tzavalis E. (1999). Inference for Unit Roots in Dynamic Panels Where the Time Dimension is Fixed.

Journal of Economics, 91, 201-226.

Hausman, J.A. (1978). Specification Tests in Econometrics. Econometrica, 46, 1251-1271.

Hsiao, C. (2003). Analysis of Panel Data, Second Edition, United Kingdom: Cambridge University Press.

Jumono, S., Achsani, N. A., Hakim, D. B., Fidaus, M. (2016). The Effect of Loan Market Concentration on Banking

Rentability: A Study of Indonesian Commercial Banking, Dynamics Panel Data Regression Approach.

International Journal of Economics and Financial Issues, 6 (1), 207-213.

Nouaili, M., Abaoub, E., Ochi, A. (2015). The Determinants of Banking Performance in Front of Financial Changes:

Case of Trade Banks in Tunisia. International Journal of Economics and Financial Issues, 5 (2), 410-417.

Özcan, A., Çiftçi, C. (2015). Türkiye’de Mevduat Bankacılığında Yoğunlaşma ve Kârlılık İlişkisi (2006-2013

Dönemi). Niğde Üniversitesi İİBF Fakültesi Dergisi, 8 (3), 1-12.

Öztürk ,E. (2001). Parametrik Olmayan ve Parametrik Panel Veri Modelleri: Çevresel Kuznets Eğrisinin Analizi,

Marmara Üniversitesi SBE, Basılmamış Doktora Tezi.

Pesaran, M. H. (2004). General Diagnostic Tests for Croos Section Dependence in Panels (Cambridge WP 0435 in

Economics), University of Cambridge, Faculty of Economics,.

Pesaran, M. H. (2007). A Sample Panal Unit Root Test in the Presence of Cross Section Dependence. Journal of

Applied Econometrics, 22 (2), 265-312.


293

Petria, N., Capraru, B., Ihnatov, I. (2015). Determinants of Banks’ Profitability: Evidence From EU 27 Banking

Systems. Procedia Economics and Finance, 20, 518-524.

Sahile, S.W.G., Tarus, D.K., Cheruiyot, T.K. (2015). Market Structure-Performance Hypothesis in Kenyan Banking

Industry. International Journal of Emerging Markets, 10 (4), 697-710.

Saona, P. (2016). Intra- and Extra-Bank Determinants of Latin American Banks' Profitability. International Review of

Economics and Finance, 45, 197-214.

Swamy, P.A.V.B., Mehta, J.S. (1977). Estimation of Linear Models With Time and Cross Sectionally Varying

Coefficients. Journal of The American Statistical Association, 72, 890-898.

Tan, Y. (2016). The Impacts of Risk and Competition on Bank Profitability in China. Journal of International

Financial Markets, Institutions & Money, 40, 85-110.

Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel Data, England: The MIT Press,

Zhang, J., Chunxia, J., Quc, B., Wang, P. (2013). Market Concentration, Risk-Taking, and Bank Performance:

Evidence from Emerging Economies. International Review of Financial Analysis, 30, 149-157.


294

Satın Alma Gücü Paritesinin Geçerliliğinin Sınanması: Panel Fourier Durağanlık

Yaklaşımı

Esra CANPOLAT GÖKÇE1

Eda FENDOĞLU2

Özet

Uluslararası ekonomi de esnek döviz kuru sisteminin ortaya çıkması ile döviz kurlarında

ki değişimleri açıklamada kullanılan en eski ve en fazla kabul görmüş teorilerinden biri

Satın Alma Gücü Paritesi (SAGP) teorisidir. Ekonometrik olarak SAGP hipotezi birim kök

testleri kullanılarak sınanabilmektedir. SAGP hipotezinin türü, sınamada kullanılan birim

kök testlerine göre farklı isimlerle ifade edilmektedir. Bu çalışmada, kullanılan durağanlık

sınaması ile Şener vd. (2015) tarafından SAGP hipotezinin beşinci varyasyonu olarak

belirtilen ve Kırılmalı-Trendli-Sınırlı SAGP (KTSSAGP) olarak isimlendirilen türünün

sınanması amaçlanmıştır.

Anahtar Kelimeler: Satın Alma Gücü Paritesi, Panel Durağanlık, Fourier.

JEL Sınıflaması: C23, C33, F310

Testing the Validity of the Purchasing Power Parity: Panel Fourier Stationarity Approach

Abstract

Purchasing power parity is one of the oldest and most accepted theories used in explaining

the changes in exchange rates with the emergence of flexible exchange rate system in the

international economy. Econometrically, the PPP hypothesis can be tested using unit root

tests. The test of the PPP hypothesis is expressed by different names according to the unit

root tests. In this study, it was aimed to test the strain called Breaking-Trended-Limited

PPP (BTLPPP), which is stated as the fifth variation of the PPP hypothesis by Şener et al.

(2015) with the used stationarity test.

Keywords: Purchasing Power Parity, Panel Stationarity, Fourier

JEL Clasification: C23, C33, F310

1.Giriş

Tam rekabet piyasasının geçerli olduğu bir ortamda aynı malların fiyatlarının aynı para birimi ile

belirtilmesi durumunda farklı piyasalarda da aynı olacağını ifade eden tek fiyat yasası, Satın Alma

Gücü Paritesi (SAGP) teorisinin temelinde yatan düşüncedir. Satın Alma Gücü Paritesi teorisine

göre, herhangi bir zaman dilimi içerisinde iki para birimi arasındaki değişim oranı, kendi

ülkelerinin fiyat düzeylerindeki farklılıklar ile belirlenmektedir. Uluslararası finansta en çok

araştırılan ve uluslararası ekonomide oldukça önemli alanlardan biri olan SAGP, muhtemelen

döviz kuru ve döviz kurlarına ilişkin dinamikleri belirleme teorisindeki en tartışmalı konulardan

biridir.

1Arş. Gör., [email protected], İnönü Üniversitesi, Malatya/Türkiye, ORCİD: 0000-0003-1447-7267 2Dr. Öğr.Üy., [email protected], İnönü Üniversitesi, Malatya/Türkiye, ORCİD: 0000-0003-4092-7137


295

Ekonomistler, merkez bankaları ve araştırmacılar ülkeler arası fiyat düzeyi farklılıkları ortadan

kaldıran ve farklı ülke para birimlerinin satın alma gücünü eşitleyen bir değişim oranı olan SAGP’

yi açıklamak için şu temel kavramları kullanmaktadırlar (Hakkio, 1992,s.37);

✓ Tek Fiyat Kanunu

✓ Mutlak SAGP

✓ Nispi SAGP

Uluslararası bir arbitraj faaliyetinin sonucu olarak ifade edilen Tek Fiyat Kanunu (TFK); bir malın

ticaret, taşıma ve vergi gibi engellerinin olmadığı uygun bir rekabetçi ortamda, benzer malların

fiyatının farklı piyasalarda da aynı fiyata satılması hususudur.

Döviz kurlarında ki değişimi ifade eden bir gösterge aracı olan Mutlak SAGP; TFK’ nın genel

fiyatlar seviyesine genişletilmiş halidir.

Nispi SAGP ise; herhangi bir dönemde döviz kurlarında meydana gelen değişimin enflasyon

oranındaki farklılıklara bağlı olacağını ifade etmektedir.

SAGP hipotezi ekonometrik olarak birim kök testleri kullanılarak sınanabilmektedir. Kullanılan

birim kök testinin veri yaratma sürecine göre SAGP hipotezinin beş ayrı türü bulunmaktadır.

SAGP hipotezine ait bu beş ayrı tür, Şener vd. (2015) tarafından yapılan çalışmada bütün olarak

yer almaktadır. Bu çalışmada Şener vd. (2015) tarafından SAGP hipotezinin beşinci türü olan

kırılmalı trendli sınırlı SAGP (KTSSAGP) hipotezi sınanmıştır. KTSSAGP hipotezi, hem sabit

terim de hem de trend de yapısal kırılmaya izin veren birim kök testleri kullanılarak sınanmaktadır.

2.Literatür Taraması

Satın alma gücü paritesi teorisinin temelleri Wheatley’in ve Ricardo’nun 19. yüzyıldaki

çalışmalarına dayandırılmış olmasına rağmen, 16. yüzyılın İspanyol bilim adamlarına kadar

uzanabilmektedir. Buna Katolik kilisesinin 15. yüzyılda tefeciliği yasaklaması neden olarak

gösterilmektedir. SAGP ilk kez I. Dünya Savaşı sonrasında yok olmuş olan dünya ekonomi

sistemini eski haline getirmek için kullanılsa da bugün bildiğimiz SAGP teorisi, İsveçli iktisatçı

olan Gustav Cassel'in 1920' lerde ki yazılarına atfedilmektedir. Bir ülkenin parasının satın alma

gücünün diğer bir ülkenin parasının satın alma gücüne oranlanması diye ifade eden Cassel,

1918’de iktisat literatürüne satın alma gücü paritesini kazandırmıştır. I. Dünya Savaşından sonra

döviz kurlarının hesaplanmasıyla ilgilenen John Maynard Keynes’ e göre SAGP teorisinin iki

önemli eksiği vardı. Bu eksiklerden birincisi, SAGP karşılıklı talebin esnekliğini dikkate almayı

başaramamaktadır. İkincisi ise, SAGP teorisinin sermaye hareketlerini dikkate almadığı

yönündeydi. Cassel 1928’de, mutlak SAGP' nin inşasının, yalnızca ilgili fiyatların aynı çarpımsal


296

faktörle farklılık göstermesi durumunda, iki ülkede fiyat seviyelerinin kesin bir şekilde

karşılaştırılmasına izin vereceğini gözlemlemektedir.

Literatürde SAGP’ nin geçerliliğinin sınanması için ülkelerin ayrı ayrı incelendiği çok sayıda

zaman serisi verili birim kök testleri uygulanmış daha sonra ise, birçok ülkenin verilerini bir arada

inceleme imkânı veren ve birim kök testinin gücünü arttırmak için doğrusal birim kök testlerinin

panel veri varyansları kullanılmıştır. Kısa zaman periyotları boyunca reel döviz kurlarının

davranışlarını incelemek için panel veri kullanımı noktasında Hakkio (1984) ve Abuaf & Jorion

(1990) SAGP testlerinde bu yaklaşımı kullanan ilk çalışmaları temsil etmektedir. Ayrıca Frankel

ve Rose (1996), Wu (1996), Oh (1996), Papell (1997), Coakley & Fuertes (1997), O’Connell

(1998), Anker (1999), Bayoumi & McDonald (1999), Higgins & Zakrajsek (1999), Coakley vd.

(2005), Breitung & Candelon (2005), Cerrato & Sarrants (2006), Şak (2006), Alba & Papell

(2007), Hadri & Rao (2008), Kalyoncu & Kalyoncu (2008), Tatoğlu (2009), Çağlayan & Şak

(2009), Lau(2009), Acaravcı & Öztürk (2010), Güloğlu vd. (2011), Holmes vd. (2012), Yıldırım

vd. (2013), Büberkökü (2014), Alper (2015), Sağlam ve Sönmez (2017) panel veri yöntemlerini

kullanan çalışmalardır.

3. Ekonometrik Metodoloji

3.1. Panel Kırılmalı Fourier Durağanlık Testi

Li, Ranjbar ve Chang (2015) tarafından önerilen, veri yapısındaki yumuşak ve keskin yapısal

değişimleri birlikte dikkate alan panel durağanlık testi için geliştirilen model yapısı şu şekildedir:

𝑦𝑡 = 𝛼 + 𝛽𝑇 + ∑ 휃𝑙𝐷𝑈𝑙,𝑡𝑚𝑘=1 + ∑ 𝜌𝑙𝐷𝑇𝑙,𝑡

𝑚+1𝑘=1 + ∑ 𝛾1,𝑘sin (

2𝜋𝑘𝑡

𝑇)𝑛

𝑘=1 + ∑ 𝛾2,𝑘cos (2𝜋𝑘𝑡

𝑇)𝑛

𝑘=1 +휀𝑡

(1)

𝐷𝑈𝑙,𝑡 = {𝑇𝐵𝑘−1 < 𝑡 < 𝑇𝐵𝑘 𝑑𝑢𝑟𝑢𝑚𝑢𝑛𝑑𝑎, 1𝑑𝑖ğ𝑒𝑟 𝑑𝑢𝑟𝑢𝑚𝑙𝑎𝑟𝑑𝑎, 0

𝐷𝑇𝑙,𝑡 = {𝑇𝐵𝑘−1 < 𝑡 < 𝑇𝐵𝑘 𝑑𝑢𝑟𝑢𝑚𝑢𝑛𝑑𝑎, 𝑡 − 𝑇𝐵𝑘

𝑑𝑖ğ𝑒𝑟 𝑑𝑢𝑟𝑢𝑚𝑙𝑎𝑟𝑑𝑎, 0

𝛼 sabit, T doğrusal trend ve m optimal kırılma sayısıdır. DU ve DT ise modeldeki keskin

değişimleri temsil eden kukla değişkenlerdir. Modelde yer alan trigonometrik terimler yumuşak

geçişlerin tahmini için modele eklenmiştir. Trigonometrik fonksiyonda yer alan n frekansların

sayısıdır ve n≤T/2 şeklindedir, k ise uygun frekans sayısıdır. Model için optimal kırılma sayısı ve

uygun frekans sayısı belirlenerek model tahmin edilir. Fourier terimlerinin anlamlılığı sınanır.

Fourier terimleri anlamlı ise test istatistiği ile kritik değer karşılaştırılır. Temel hipotez

reddedilemezse serinin durağanlığına karar verilir.


297

3.2. Veri Seti ve Bulgular

Bu çalışmada seçilen 16 OECD üyesi ülkenin (Avusturalya, Belçika, Kanada, Danimarka,

Finlandiya, Almanya, İzlanda, İrlanda, İsrail, Lüksemburg, Hollanda, Norveç, Portekiz, İsveç,

İsviçre, İngiltere) 1970-2017 dönemlerini kapsayan panel veri seti kullanılarak belirtilen dönemler

için 16 OECD ülkesinde satın alma gücü paritesinin geçerliliği, kırılmalı fourier panel durağanlık

sınaması kullanılarak incelenmiştir. Çalışmada OECD üyesi 16 ülkenin alınmasının sebebi, veri

setinin yeterli gözlem içerdiği ülkelerin bu 16 ülkeye ait olmasıdır. SAGP hipotezinin

geçerliliğinin sınanması için reel efektif döviz kuru verisi kullanılmıştır. Veri setine

www.worldbank.org adresinden erişilmiştir. Çalışmada kullanılan durağanlık analizi, Li ve vd.

(2015) tarafından geliştirilmiştir. Bu durağanlık testinde Carrion-i Silvestre vd. (2005) tarafından

geliştirilen durağanlık testinin veri yaratma sürecine fourier fonksiyonları eklenmiştir. Bu sayede

keskin kırılmalarla birlikte yumuşak kırılmalarda göz önünde bulundurulabilmektedir.

Tablo 1’de kırılmalı fourier panel durağanlık sınaması sonuçları yer almaktadır.

Tablo 1: Panel Durağanlık Sınaması Sonuçları

Panel A: Panel Pesaran vd. (2008) ve Yumuşak ve Keskin Kırılmalı Panel Durağanlık Testi

Pesaran vd. (2008) Yatay Kesit Bağımlılığı Testi Test İstatistiği p-değeri

2.928543 0.0034

Yumuşak ve Keskin Kırılmalı Panel Durağanlık Testi

Test İstatistiği

p-değeri

Homojen uzun dönem varyansı -2.7894 0.9974

Hetorojen uzun dönem varyansı -2.8133 0.9975

Panel B: Birimlerin Ayrı Ayrı Yumuşak Ve Keskin Kırılmalı Birim Kök Testi Sonuçları

Ülkeler Barlett 90% 95% 97.5% 99%

Avusturalya 0.1495** 0.1067 0.1264 0.1421 0.1649

Belçika 0.1753 0.2264 0.2827 0.3428 0.3788

Kanada 0.0462 0.0916 0.1159 0.1462 0.1654

Danimarka 0.0279 0.0994 0.1265 0.1474 0.1912

Finlandiya 0.0834** 0.0566 0.0720 0.0798 0.0817

Almanya 0.1031 0.1517 0.2302 0.2609 0.2881

İzlanda 0.1195 0.2745 0.4378 0.5255 0.6480

İrlanda 0.0507 0.0779 0.1059 0.1301 0.1815

İsrail 0.1443 0.2602 0.3266 0.3750 0.3928

Lüksemburg 0.0756 0.0846 0.1119 0.1386 0.1568

Hollanda 0.0446 0.1016 0.1318 0.1476 0.1944

Norveç 0.0539 0.0924 0.1126 0.1425 0.1677

Portekiz 0.1038* 0.0743 0.1003 0.1231 0.1562

http://www.worldbank.org/


298

İsveç 0.0696 0.0922 0.1040 0.1170 0.1501

İsviçre 0.1284 0.1946 0.3246 0.4517 0.4965

İngiltere 0.0896 0.1810 0.2361 0.2451 0.3251

Not:**, % 5 düzeyinde, *, % 10 düzeyinde durağan dışılığı göstermektedir.

Durağanlık sınaması yapılmadan önce birimler arasındaki yatay kesit bağımlılığı sınanmıştır.

Pesaran vd. (2008) tarafından geliştirilen yatay kesit bağımlılığı testi sonucuna göre birimler

arasında yatay kesit bağımlılığı olduğu sonucuna varılmıştır. Bu yüzden verilerin durağanlık

sınamalarında ikinci nesil, yani yatay kesit bağımlılığını dikkate alan ikinci nesil olan Li ve vd.

(2015) tarafından geliştirilen durağanlık testi kullanılmıştır. Sonuçlar Tablo 1’de yer almaktadır.

Panel A kısmı panel için genel sonuçları vermektedir. Elde edilen sonuçlara göre panelin geneli

için temel hipotez reddedilememektedir (p>0.05). Panel genelinde durağanlık sonucuna

ulaşılmıştır. Panel B kısmı ise her ülke için ayrı ayrı durağanlık sonuçlarını göstermektedir. Bu

sonuçlara göre, durağan dışı bulunan ülkeler Avusturalya, Finlandiya ve Portekiz’dir. Avusturalya

ve Finlandiya’ya ait veri seti yüzde 5 düzeyinde durağan dışı bulunmuştur. Portekiz’e ait veri seti

ise %10 düzeyinde durağan dışı bulunmuştur.

4.Sonuç

Bu çalışmada, hem yumuşak hem de keskin kırılmaları birlikte dikkate alan kırılmalı fourier panel

durağanlık testi kullanılarak, seçilen OECD ülkeleri için Şener vd. (2015) tarafından belirtilen

SAGP hipotezinin türlerinden biri olan KTSSAGP türü sınanmıştır. Li vd. (2015) tarafından

geliştirilen durağanlık testi, sabitte ve trendde, hem keskin hem de yumuşak geçişli yapısal

değişimleri birlikte dikkate aldığı için veri yapısının durağanlığı ile ilgili daha doğru bilgi verebilir.

Geliştirilen bu testte keskin değişimler için kırılma tarihlerinin içsel olarak belirlendiği kukla

değişkenli model yapısı kullanılırken, yumuşak geçişleri yakalayabilmek için ise fourier yaklaşımı

kullanılmıştır. Elde edilen sonuçlara göre, panelin geneli için elde edilen durağanlık sınaması

sonucuna göre temel hipotez reddedilememekte ve panelin durağan olduğu sonucuna

varılmaktadır. Bireysel test sonuçlarına göre ise üç ülke için temel hipotez reddedilirken diğerleri

için reddedilememektedir. Özetle genel panel durağanlık test sonuçları ile bireysel durağanlık test

sonuçları farklılık göstermektedir. Böyle durumlarda bireysel test istatistikleri daha güvenilir

sonuçlar vermektedir (Güloğlu ve İspir, 2011,s.211). Elde edilen sonuçlara göre 3 ülke için

KTSSAGP hipotezi geçerli değilken, diğer 13 ülke için geçerlidir.

Kaynakça

Abuaf, N., & Jorion, P. (1990). Purchasing power parity in the long run. The Journal of Finance, 45(1), 157-174.

Acaravci, A., & Ozturk, I. (2010). Testing purchasing power parity in transition countries: evidence from structural

breaks. Amfiteatru Economic Journal, 12(27), 190-198.


299

Alba, J. D., & Papell, D. H. (2007). Purchasing power parity and country characteristics: Evidence from panel data

tests. Journal of development economics, 83(1), 240-251.

Alper, A. E. (2015). TESTING THE VALIDITY OF PURCHASING POWER PARITY FOR BRICS COUNTRIES

USING NON-LINEAR UNIT ROOT TEST. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 7(12).

Anker, P. (1999). Pitfalls in panel tests of purchasing power parity. Weltwirtschaftliches Archiv, 135(3), 437-453.

Bayoumi, T., & MacDonald, R. (1999). Deviations of exchange rates from purchasing power parity: a story featuring

two monetary unions. IMF Staff Papers, 46(1), 89-102.

Breitung, J., & Candelon, B. (2005). Purchasing power parity during currency crises: A panel unit root test under

structural breaks. Review of World Economics, 141(1), 124-140.

BÜBERKÖKÜ, Ö. (2014). Yükselen Piyasa Ekonomilerinde Uluslararası Satın Alma Gücü Paritesi: Panel

Koentegrasyon Testlerinden Kanıtlar. Journal of BRSA Banking & Financial Markets, 8(1).

Carrion‐i‐Silvestre, J.L., Barrio‐Castro, D., López‐Bazo, E. (2005). Breaking the panels: an application to the GDP

per capita. The Econometrics Journal. 8(2), 159-175.

Cassel, G. (1918). Abnormal deviations in international exchanges. The Economic Journal, 28(112), 413-415.

Cassel, G. (1928). Post-war monetary stabilization. Columbia University Press.

Cerrato, M., & Sarantis, N. (2007). Does purchasing power parity hold in emerging markets? Evidence from a panel

of black market exchange rates. International Journal of Finance & Economics, 12(4), 427-444.

Coakley, J., & Fuertes, A. M. (1997). New panel unit root tests of PPP. Economics Letters, 57(1), 17-22.

Coakley, J., Flood, R. P., Fuertes, A. M., & Taylor, M. P. (2005). Purchasing power parity and the theory of general

relativity: the first tests. Journal of International Money and Finance, 24(2), 293-316.

Çağlayan, E., & Şak, N. (2009). OECD ÜLKELERİNDE SATINALMA GÜCÜ PARİTESİ: PANEL

EŞBÜTÜNLEME YAKLAŞIMI. MU Iktisadi ve Idari Bilimler Dergisi, 26(1), 483-500.

Frankel, J. A., & Rose, A. K. (1996). A panel project on purchasing power parity: mean reversion within and between

countries. Journal of International Economics, 40(1-2), 209-224.

Guloglu, B., Ispira, S., & Okat, D. (2011). Testing the validity of quasi PPP hypothesis: evidence from a recent panel

unit root test with structural breaks. Applied economics letters, 18(18), 1817-1822.

GÜLOĞLU, B., İSPİR, B. (2011). Doğal İşsizlik Oranı mı? İşsizlik Histerisi mi? Türkiye İçin Sektörel Panel Birim

Kök Sınaması Analizi. Ege Akademik Bakış. 11(2), 205-215.

Hadri, K., & Rao, Y. (2008). Panel stationarity test with structural breaks. Oxford Bulletin of Economics and

statistics, 70(2), 245-269.

Hakkio, C. S. (1984). A re-examination of purchasing power parity: A multi-country and multi-period study. Journal

of International Economics, 17(3-4), 265-277.

Hakkio, C. S. (1992). Is purchasing power parity a useful guide to the dollar?. Economic Review-Federal Reserve

Bank of Kansas City, 77, 37-37.

Higgins, M., & Zakrajsek, E. (1999). Purchasing power parity: three stakes through the heart of the unit root null.

Holmes, M. J., Otero, J., & Panagiotidis, T. (2012). PPP in OECD countries: an analysis of real exchange rate

stationarity, cross-sectional dependency and structural breaks. Open Economies Review, 23(5), 767-783.

Kalyoncu, H., & Kalyoncu, K. (2008). Purchasing power parity in OECD countries: Evidence from panel unit root.

Economic Modelling, 25(3), 440-445.

Lau, C. K. M. (2009). A more powerful panel unit root test with an application to PPP. Applied Economics

Letters, 16(1), 75-80.

Li, J.P., Ranjbar, O., Chang, T. (2015). Unemployment Hysteresis in Piigs Countries: A New Test With Both Sharp

and Smooth Breaks. The Singapore Economic Review. 60(4), 1-13.

O'Connell, P. G. (1998). The overvaluation of purchasing power parity. Journal of international economics, 44(1), 1-

19.

Oh, K. Y. (1996). Purchasing power parity and unit root tests using panel data. Journal of International Money and

Finance, 15(3), 405-418.

Papell, D. H. (1997). Searching for stationarity: Purchasing power parity under the current float. Journal of

international Economics, 43(3-4), 313-332.


300

Pesaran, M., H., Ullah, A., Yamagata, T. (2008). A Bias-Adjusted LM Test of Error Cross-Section Independence.

Econometrics Journal. 11, 105-127.

Sağlam, Y., & Sönmez, F. E. (2017). Satın Alma Gücü Paritesi Hipotezi’nin Panel Çoklu Yapısal Kırılma Testleri ile

Analizi: BRICT Örneği. LAÜ Sosyal Bilimler Dergisi, 8(1), 19-34.

Şak, N. (2006). OECD Ülkelerinde Satın Alma Gücü Paritesinin Geçerliliğinin Panel Eş-bütünleşme Yaklaşımı ile

İncelenmesi Yüksek Lisans Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü.

ŞENER, S., YILANCI, V., & CANPOLAT, E. (2015). SATIN ALMA GÜCÜ PARİTESİ ve

VARYASYONLARININ TÜRKİYE İÇİN SINANMASI. Uluslararası Yönetim İktisat ve İşletme

Dergisi, 11(25), 53-63.

Tatoğlu, F. Y. (2009). Reel efektif döviz kurunun durağanlığının yapısal kırılmalı panel birim kök testleri kullanılarak

sınanması. doğuş Üniversitesi dergisi, 10(2), 310-323.

YILDIRIM, K., MERCAN, M., & KOSTAKOĞLU, S. F. (2013). Satın Alma Gücü Paritesinin Geçerliliğinin Test

Edilmesi: Zaman Serisi ve Panel Veri Analizi. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler

Dergisi, 8(3).

Wu, Y. (1996). Are real exchange rates nonstationary? Evidence from a panel-data test. Journal of Money, Credit and

Banking, 28(1), 54-63.


301

Seasonal Stability of Interest Rates for G7 Countries

Mehmet ÖZMEN1

Sera ŞANLI2 Abstract

In this study, it has been aimed to analyse stability of seasonal intercepts and seasonal

cycles for quarterly long-term government bond yields and three-month interest rates for

G7 countries representing the most developed countries of the world in terms of Gross

National Product which are Canada, France, Germany, Italy, Japan, United Kingdom and

United States over the period 1999Q1-2018Q1 using the Lagrange Multiplier based

framework proposed by Canova and Hansen (CH) (1995). In the research, seasonally

unadjusted series have been used for being able to take seasonal patterns into consideration

and primarily DHF (1984) and HEGY (1990) seasonal unit root tests have been applied. It

has been expected from this study to reveal the economic behaviour of interest rates and

analysing the interest rate stability season by season will hereby guide the policymakers in

order to be able to design more efficient and certain economic policies. Consequently,

empirical findings have revealed that among G7 countries, the most apparent instabilities

in terms of seasonal dummy coefficients have been experienced in United Kingdom for

short-term interest rates and as for seasonal cycles, Japan has displayed some nonstationary

patterns for short-term interest rates at annual frequency.

Keywords: Lagrange Multiplier Tests, Canova-Hansen (CH) Test, Interest Rates, Parameter Instability,

Seasonal Unit Roots

JEL Classification: C12, C22, E30

G7 Ülkeleri için Faiz Oranlarının Mevsimsel İstikrarlılığı

Özet

Bu çalışmada, Gayri Safi Milli Hasıla bakımından dünyanın en gelişmiş ülkelerini temsil

eden G7 ülkelerinin (Kanada, Fransa, Almanya, İtalya, Japonya, Birleşik Krallık ve

Amerika Birleşik Devletleri) 1999Q1-2018Q1 dönemine ilişkin çeyreklik frekanstaki uzun

vadeli devlet tahvili getirileri ve üç-aylık faiz oranları için mevsimsel kesenlerin (intercept)

ve mevsimsel döngülerin istikrarlılığının Canova ve Hansen (CH) (1995) tarafından

önerilen teorik çerçeve kullanılarak analiz edilmesi amaçlanmıştır. Araştırmada mevsimsel

örüntüleri hesaba katabilmek için mevsimsellikten arındırılmış seriler kullanılmıştır.

Çalışmada öncelikle DHF (1984) ve HEGY (1990) mevsimsel birim kök testleri

uygulanmıştır. bu çalışmanın, faiz oranlarının iktisadi davranışını ortaya çıkarması

beklenmektedir ve faiz oranı istikrarlılığının mevsim mevsim analiz edilmesi böylelikle

daha etkin ve güvenilir ekonomik politikalar tasarlayabilmeleri için politika belirleyicilere

yol gösterici olacaktır. Ampirik bulgular, G7 ülkelerinde, mevsimsel kukla katsayıları

açısından en belirgin istikrarsızlıkların Birleşik Krallık'ta kısa vadeli faiz oranları için

deneyimlendiğini ve mevsimsel döngüler için bakıldığında ise Japonya’nın kısa vadeli faiz

oranları için yıllık frekansta durağan olmayan örüntüler sergilediğini ortaya koymuştur.

Anahtar Kelimeler: Lagrange Çarpanı Testleri, Canova-Hansen (CH) Testi, Faiz Oranları, Parametre

İstikrarsızlığı, Mevsimsel Birim Kökler

JEL Sınıflaması: C12, C22, E30

This study has been supported by TUBITAK (The Scientific and Technological Research Council of Turkey) BIDEB

(Scientist Support Department) within the scope of 2211-E Direct National Scholarship Programme for PhD Students. 1 Prof., [email protected], Cukurova University, F.E.A.S., Department of Econometrics,Adana/Turkey 2 Res. Assist., [email protected], Cukurova University, F.E.A.S., Department of Econometrics, Adana/Turkey


302

1. Introduction

Seasonality is one of the crucial components in a time series which refers to systematic fluctuations

within the year. An examination on seasonal fluctuations can give an insight about a clearer picture

of the structure of business cycles depending on the similarities of their economic propagation

mechanisms. Seasonal adjustment procedures are carried out on a large scale in the analysis of

economic data and seasonal components are out of hand, since they are mainly an indicator of the

effects of non-economic factors that are exogenous to the economic system and the view that there

can exist an association among a seasonal component in one series and seasonal components in

other economic series with which the variable in interest has an interaction is quite common

(Wallis, 1982, p.74). However, clarifying seasonal fluctuations through seasonally unadjusted data

as a complementary part of economic phenomena is a crucial matter that should not be obscured.

Since making use of adjusted data which are a type of two-sided moving average of the raw

seasonally-unadjusted data can lead to rejections of correct models by making an important

orthogonality condition between the data at time t and existing information simultaneously in the

model ineffective (Miron, 1996, pp. 2-3). Following this point, it can be mentioned about some

undesirable effects of utilizing from adjusted data. To begin with, the information that will be

missing during the adjustment procedure is contained at peaks and troughs and a contradiction is

frequently available between seasonally adjusted data and the economic theory (Depalo, 2009,

p.422). Adjusted data are more likely to generate distorted results such that smoothed series

produced by seasonal adjustment filters make it harder to reject the null hypothesis of a unit root

therefore composing a spurious smoothness. Also long lag weights of seasonal adjustment filters

may necessitate the estimation of supplementary nuisance parameters and may bring about a

smaller sample both yielding less powerful tests (Ghysels, 1990, p.145).

Disregarding seasonal variations which may possibly exist in the structure of interest rates can

generate biased coefficient estimates as a result of misspecification of the relevant regression

model due to the omitted variable. Depending on this, an investigation on interest-rate seasonality

is of vital importance with respect to be able to enable us to grasp the intrinsic behaviours of

interest rates and the money market in a superior way. Understanding the reason about the

likelihood of seasonal variations being contained in interest rates is an uncomplicated issue in that

the existence of short term interest rate seasonality can be fundamentally attributed to seasonal

fluctuations in both the credit demand and credit supply under the assumption of such movements

are not neutralized by one another. Schneeweis and Wooldridge (1979) find significant seasonality

in monthly interest rates.


303

According to empirical findings presented by Miron (1986), for the period following the founding

of the Fed in 1914, the decreasing magnitude of seasonal fluctuations in nominal interest rates

match up with the partial aim of Fed’s establishment that is related to eliminating seasonal

fluctuations from nominal interest rates by means of seasonal open market policy operations and

the frequency of financial panics falls by smoothing the seasonal patterns in nominal interest rate

(Jones, 1988, pp. 48-49).

There exist some studies dealing with Canova-Hansen (CH) stability test. First of all, as a starting

point, Canova and Hansen (1995) have applied the methodology of Nyblom (1989) and Hansen

(1990) which depends on LM statistics for testing parameter instability and introduced test

statistics as the generalization of KPSS test proposed by Kwiatkowski, Philips, Schmidt and Shin

(1992) from the zero frequency case to the seasonal frequencies case. Schneeweis and Wooldridge

(1979) have detected the presence of significant seasonality in monthly averaged interest rates.

Foster (1994) has tried to detect significant fluctuations in the seasonal patterns of short term

nominal interest rates in the United States and Britain during the period 1883-1913 and found an

obvious seasonal pattern depending on the calculation of the difference in the interest rates using

monthly data. Banik and Silvapulle (1999) have adopted the framework of Canova and Hansen

(1995) in order to analyse seasonal fluctuations in quarterly unemployment series for 12 countries

covering different sample periods and concluded that all countries except for France, Japan, New

Zealand and the UK have unstable seasonal dummy coefficients. In addition; Australian, Austrian,

Canadian, German, Italian, Swedish and USA unemployment series have been found to display

non-stationary seasonal patterns implying some changes in business cycle conditions. Kurozumi

(2002) has derived the limiting distribution of the CH test statistic and its characteristic function

under a sequence of local alternatives. Busetti and Harvey (2003) have proposed a parametric

version of the CH test against the alternative hypothesis of nonstationary stochastic seasonality

which also takes the breaks in the seasonal patterns into consideration and made a performance

comparison of this parametric version with that of the nonparametric CH test through Monte Carlo

experiment. Kumah (2006) has examined the role of seasonality in inflation forecasting and as a

result of the application of CH tests for the stability of the seasonal pattern in consumer prices, it

has been found that level and first-differenced consumer price index series have displayed stable

seasonality when joint tests for instability at the zero frequency and the seasonal frequencies are

considered at the 5% significance level. Díaz-Emparanza and Moral (2014) have presented a

method that is based on response surface regressions to compute finite sample distribution

functions of four CH statistics for any sample size and any seasonal periodicity in analysing

seasonal stability of quarterly international tourism demand indicators data of Spain.


304

Considering the studies given in the literature, this study which has been based on the framework

proposed by Canova and Hansen (1995) is of great importance with respect to being a recent

analysis in order to examine the seasonal stability of interest rates for the G7 countries and

analysing the interest rate stability season by season will guide the policymakers in order to be

able to design more efficient and certain economic policies.

The study plan of the paper has been organised as follows: Section 2 describes the theoretical

framework of Canova-Hansen test; Section 3 presents data set and empirical research results;

finally, Section 4 ends up with conclusion part.

2. Theoretical Framework of Canova-Hansen (CH) Test

Canova and Hansen (1995) have offered test statistics that have been derived from the Lagrange

Multiplier (LM) principle requiring only the estimation of the relevant model under the null

hypothesis through least squares method as simple functions of the residuals with the null

hypothesis of the absence of unit roots at seasonal frequencies against the alternative of a unit root

at either a specific seasonal frequency or a set of selected seasonal frequencies. CH tests named

by Canova and Hansen (1995) can be regarded as the complement of Dickey, Hasza and Fuller

(DHF) (1984) and Hylleberg, Engle, Granger and Yoo (HEGY) (1990) expressing the null

hypothesis as the presence of seasonal unit roots at one or more seasonal frequencies. Contrary to

these seasonal unit root tests, the null hypothesis of CH test describes the process as stationary (or,

stationary seasonality).and rejecting the null implies the nonstationarity case of the relevant data.

As for the CH test, it appears as the generalization of KPSS framework from the zero frequency

to the seasonal frequencies and depending on the methodology of Nyblom (1989) and Hansen

(1990) who designed LM tests for parameter instability; CH tests can also be thought as a seasonal

unit root test or a test for instability in the seasonal pattern. Since any trending regressors like a

unit root process or a deterministic trend do not have an influence on the asymptotic distribution,

such variables have been proposed by Canova and Hansen to be eliminated from diagnostic

consideration in a regression model and necessitate the dependent variable to be used

independently of the trends (Canova and Hansen, 1995, pp. 237-238).

At the very core of matter, the approach proposed by Canova and Hansen (1995) is based on the

trigonometric representation of deterministic seasonality. Trigonometric representation can be

specified in a different notation as:

tstt

S

s

St zBFy

1

(1)


305

where the 1 x S vector

SF is the sth row of the non-singular matrix R in the representation of

BR. explaining the one-to-one relationship between, seasonal dummy variable coefficients

and the deterministic components of the trigonometric representation where ),,,( 4321 ,

),,,( 211 B and

1011

1101

1011

1101

R (2)

for quarterly case, ).,,.........,,( ,2/11 tSttttB and tz are disturbances. tz are supposed to be

normally distributed and stationary, but not necessarily uncorrelated over time (Ghysels and

Osborn, 2001, pp. 21-24). The theory of CH test is grounded on all elements of B evolving

according to a (vector) random walk:

ttt VBB 1 (3)

t

i

iVB1

0

where the disturbance term tV is i.i.d. with HwVVE tt

2)(

- here H is a known positive definite

matrix and tV is independent of tz . Under the null hypothesis of 02 w , B is unchanged over

time and thus it is mentioned about the presence of deterministic seasonality. The alternative

hypothesis of 02 w implies a seasonally integrated process (or the nonstationarity case of ty at

both zero and seasonal frequencies). It is made use of OLS residuals under the null of 02 w .

From the OLS residuals, ).,,.........1(ˆ Ttzt constitute the S x 1 partial sum vectors a

tZ , where

t

j

Sjjj

t

j

j

a

t zzZ1

1

1

)ˆ,........,ˆ(ˆ for Tt .,,.........1 aggregating over time periods to t the

residuals for each s season. So, sth element of a

tZ expresses the aggregated residuals for season

s.

LM test statistic proposed by Canova and Hansen has been given as follows:

T

t

a

tRZ

a

t ZRZRT

SL

1

1

2)ˆ(ˆ)ˆ(

T

t

a

tZ

a

t ZZT

S

1

1

2ˆˆˆ (4)

It is highly possible to reject the null hypothesis for large values of L where Z defines Newey-

West covariance matrix, S denotes the number of observations per year and T is equal to the

number of total observations. It should also be noted that the number of possible unit roots under


306

test results points to the degrees of freedom for the Von-Mises distribution (Canova and Hansen,

1995; Ghysels and Osborn, 2001, pp. 31-34) (Sanli, 2015, pp.51, 60-64).

3. Data and Empirical Results

In this study, it has been aimed to analyse the stability of seasonal patterns with respect to both

seasonal dummies and seasonal cycles based on the LM-type tests. In its general meaning, in case

a seasonal pattern remains stable over time, such a pattern is called a “stable seasonal pattern” or

“stable seasonality” (Traiani, 2010, p.22). In this research, two nominal quarterly interest rates

have been covered for investigating the interest-rate stability as three months or ten-year

government bonds and the sample period for all G7 countries has been selected as 1999Q1-

2018Q1. In the research, seasonally unadjusted series have been used in order to take seasonal

patterns into consideration and interest rate data have been obtained from Organization for

Economic Co-operation and Development. In addition, logarithmic forms of the interest rate series

have been used in order to linearize exponential growth for all countries except Japan and Germany

for long-term yields & Italy, Germany and France for three-month rates which include negative

values.

In the study, primarily seasonal unit root tests which are DHF proposed by Dickey, Hasza & Fuller

(1984) - and also modified by Osborn, Chui, Smith & Birchenhall (1988) - and HEGY proposed

by Hylleberg, Engle, Granger and Yoo (1990) have been applied in order to determine the

existence of long-term unit root and seasonal unit roots, therefore testing stochastic seasonality.

The null hypothesis of HEGY shows the existence of a unit root at one or more frequencies while

the alternative one states the stationarity case and likewise, the null of DHF expresses that series

is seasonally integrated of order one against the alternative of a stationary stochastic seasonal

process. HEGY procedure is more advantageous than DHF test in that while HEGY procedure

enables one to test for unit roots at each frequency separately (Ghysels, Lee and Noh, 1994, p.416)

and DHF test presents a joint test of unit roots at all seasonal frequencies. In the analysis, dummy

variables have been added into the DHF testing regression and lags of the dependent variable have

also been incorporated into the regression equation in order to obtain white noise residuals.

Table 1. DHF Test Results for Long Term Government Bond Yields and Three Month

Rates

DHF TEST RESULTS FOR LONG TERM GOVERNMENT BOND YIELDS

Countries

Added Lags

of

Dependent

Variable

Coefficient Std. Error t-statistic Prob.

Canada 1, 4 -0.027143 0.037071 -0.732178 0.4668

France 1, 4, 5 -0.137176 0.075938 -1.806431 0.0759

Germany 1, 2, 4, 5 -0.023099 0.028714 -0.804449 0.4244


307

Italy 1, 4, 5 -0.160351 0.059830 -2.680084 0.0095

Japan 1, 4, 5 -0.032873 0.045689 -0.719480 0.4746

United

Kingdom 1, 4 0.028263 0.053457 0.528696 0.5989

United

States

1, 2 -0.097297 0.043427 -2.240476 0.0285

DHF TEST RESULTS FOR THREE MONTH RATES

Countries

Added Lags

of

Dependent

Variable

Coefficient Std. Error t-statistic Prob.

Canada 1, 2 -0.065637 0.033825 -1.940492 0.0567

France 1, 2 -0.039379 0.026970 -1.460090 0.1492

Germany 1, 2 -0.039379 0.026970 -1.460090 0.1492

Italy 1, 2 -0.039379 0.026970 -1.460090 0.1492

Japan 1, 2 -0.101489 0.057463 -1.766145 0.0821

United

Kingdom 0 0.564349

0.408312 1.382150 0.1714

United

States

1, 4, 5, 8, 9 -0.060780 0.033623 -1.807693 0.0762

According to DHF test with the null hypothesis saying about the existence of unit roots at zero

frequency and seasonal frequencies jointly, test statistics for long-term yields series have been

found to be significant at 5% significance level only for Italy and US and also significant at 10%

significance level for France. On the other hand, the null hypothesis for three month rates series

has been rejected only for Canada, Japan and United States at 10% significance level.

Table 2. HEGY Test Results for Long Term Government Bond Yields

Countries Lags Deterministic

Components 1 2 3 4

CANADA

1, 9 C, D 1.554 -5.633 -3.206 -3.427

1, 4, 5, 9 C, T -1.305 -4.193 -5.325 -4.191

1, 9 C, D, T -1.377 -5.576 -3.280 -3.317

FRANCE

1, 5, 8, 9 C, D 0.247 -4.809 -3.197 -2.536

0 C, T -1.966 -4.825 -3.836 -4.056

1, 5, 8, 9 C, D, T -1.079 -4.480 -3.311 -1.705

GERMANY

0 C, D -0.645 -6.252 -2.735 -5.073

0 C, T -2.673 -6.598 -3.051 -4.679

0 C, D, T -2.569 -6.359 -2.964 -4.731

ITALY

0 C, D -1.370 -6.244 -4.449 -4.279

0 C, T -2.123 -6.294 -4.742 -4.221

0 C, D, T -2.114 -6.251 -4.563 -4.118

JAPAN

8 C, D -0.786 -4.745 -3.258 -4.174

2, 8 C, T -2.016 -4.909 -3.377 -3.797

8 C, D, T -2.475 -4.792 -3.469 -3.808

0 C, D -0.633 -5.086 -4.831 -3.994


308

UK 0 C, T -2.509 -5.231 -5.248 -3.848

0 C, D, T -2.469 -5.187 -5.133 -3.772

US

0 C, D -1.672 -6.206 -3.217 -4.294

0 C, T -2.591 -6.571 -3.665 -4.045

0 C, D, T -2.544 -6.395 -3.582 -4.027

Table 3. HEGY Test Results for Three Month Rates

Countries Lags Deterministic

Components 1 2 3 4

CANADA

4, 5 C, D -1.859 -4.109 -0.847 -7.162

4 C, T -2.804 -4.546 -1.812 -7.399

4, 5 C, D, T -2.461 -4.132 -1.343 -6.957

FRANCE

0 C, D -1.663 -5.622 -1.394 -7.656

1 C, T -3.509 -4.246 -1.041 -6.260

0 C, D, T -3.098 -5.834 -2.075 -6.776

GERMANY

0 C, D -1.663 -5.622 -1.394 -7.656

1 C, T -3.509 -4.246 -1.041 -6.260

0 C, D, T -3.098 -5.834 -2.075 -6.776

ITALY

0 C, D -1.663 -5.622 -1.394 -7.656

1 C, T -3.509 -4.246 -1.041 -6.260

0 C, D, T -3.098 -5.834 -2.075 -6.776

JAPAN

0 C, D -1.193 -5.563 -3.560 -5.608

0 C, T -1.256 -5.429 -3.837 -5.401

0 C, D, T -1.286 -5.507 -3.562 -5.483

UK

0 C, D 1.479 0.209 -1.095 -0.151

0 C, T -0.080 -0.301 -0.984 0.322

0 C, D, T 0.023 -0.016 -1.029 0.035

US

0 C, D -1.838 -5.205 -3.168 -6.223

0 C, T -1.442 -5.312 -3.298 -6.253

0 C, D, T -1.385 -5.176 -3.145 -6.106

Table 2 and Table 3 have shown HEGY seasonal unit root test results for long term yields and

short term interest rates series respectively. For two tables, bold fonts show the rejections of the

null hypothesis for 5% significance level. Optimal lag lengths have been determined amongst 12

lags at maximum. Lags columns have shown only significant lags that have been added into the

auxiliary regression models in order to obtain white-noise residuals (in other saying, insignificant

lags have been removed until all selected lags become significant). 1 and 2 columns denote

zero and semi-annual frequency results respectively. HEGY testing procedure has been carried out

for three auxiliary regression models (with “Constant (C) and Trend (T)”; “Constant (C) and


309

Seasonal Dummies (D)”; “Constant (C), Trend (T) and Seasonal Dummies”) and insignificant lags

have been removed until all the selected lags are significant. The results interpreted at 5%

significance level have shown that long-term and short-term rates are integrated of order one at

zero frequency for all countries except three-month yields for France, Germany and Italy in the

model with “Constant and Trend”. For semi-annual frequency case, all series have displayed

stationarity except three-month rates for UK.

Subsequent to seasonal unit root tests, CH tests proposed by Canova and Hansen (1995) which are

based on the methodology of Nyblom (1989) and Hansen (1990) who presented Lagrange

Multiplier (LM) test statistics for parameter instability have been applied in order to reveal stable

and unstable seasonal patterns in interest rates with respect to both seasonal dummies and seasonal

cycles. Contrary to DHF and HEGY tests, the null hypothesis of CH expresses stationary

seasonality against the alternative of nonstationary seasonality.

Table 4. Test for Structural Stability in the Seasonal Pattern of 10 - Year Government

Bond Yields

Countries 1Q 2Q 3Q 4Q Joint L /2L fL

Canada

(stable at all

seasons)

0.082 0.203 0.058 0.130 0.571 0.045 0.241 0.295

France 0.075 0.467 * 0.421• 0.107 0.842 0.208 0.293 0.374

Germany

(stable at all

seasons)

0.043 0.262 0.159 0.073 0.492 0.077 0.241 0.299

Italy

(stable at all

seasons)

0.109 0.203 0.208 0.044 0.489 0.066 0.128 0.197

Japan 0.068 0.212 0.522 * 0.053 0.812 0.398 0.485 0.669

UK 0.058 0.482 * 0.219 0.150 0.775 0.113 0.376 0.441

US 0.053 0.441•

0.090 0.147 0.692 0.067 0.386 0.443

Note: *** 0, ** 0.001, *0.01, •

0.05 (significant values) and P-values have been calculated based on

response surface regressions.

Table 4 and Table 5 have presented CH stability test results in the seasonal patterns for long-term

yields and three-month interest rates series respectively. The columns from 1Q (first quarter) to 4Q

(fourth quarter) indicate seasonal stability test results for seasonal dummies (or seasonal intercepts)

at given quarters separately while L , /2L and fL test statistics show the seasonal stability results

for at seasonal cycles (trigonometric) for semi-annual frequency, annual frequency and joint test

results.


310

Table 5. Test for Structural Stability in the Seasonal Pattern of 3-Month Interest Rates

Countries 1Q 2Q 3Q 4Q Joint L /2L fL

Canada

0.095 0.109 0.052 0.076 0.408 0.084 0.259 0.369

France 0.073 0.084 0.159 0.113 0.357 0.091 0.175 0.221

Germany

0.073 0.084 0.159 0.113 0.357 0.091 0.175 0.221

Italy 0.073 0.084 0.159 0.113 0.357 0.091 0.175 0.221

Japan 0.121 0.337 0.191 0.576* 1.158•

0.148 0.596

•

0.650

UK 0.320 1.232

***

1.219

*** 0.456 •

1.554* 0.337 0.386 0.422

US 0.234 0.073 0.095 0.118 0.599 0.187 0.395 0.538

Note: *** 0, ** 0.001, *0.01, •

0.05 (significant values) and P-values have been calculated based on

response surface regressions.

As related to CH tests, in long-run covariance matrix estimation which is based on the Newey and

West (1987) procedure, lag truncation number has been chosen as 4 in all cases for both Table 4

and Table 5 and calculated fL joint test statistics for seasonal cycles have revealed that all

countries have displayed stationary seasonal patterns for both long-term and short-term series

except short-term rates series for Japan at annual frequency. Long-term yields for Italy, Germany

and Canada have stable intercepts at all seasons. Long-term yields series for Japan has displayed

unstable pattern at seasonal intercept regarding the third quarter. Besides, France has displayed

unstable seasonal intercepts for long-term yields at second and third quarters.

Stability tests of seasonal intercepts have shown that three-month rates for all countries have stable

intercepts at all seasons except UK which has unstable intercepts at all quarters excluding first

quarter and this result has supported HEGY test findings regarding UK in a consistent way

indicating some changes in business cycle conditions.

In addition, three-month rates series for Japan has seemed to subject to structural change in the

fourth quarter in terms of seasonal intercepts. Long-term yields for US, UK and France have

unstable seasonal dummy coefficients at second quarter. On the other hand, CH test statistics for

seasonal intercepts regarding three-month rates have been recorded as the same for France,

Germany and Italy because of these countries being Euro area countries. On the other hand, CH

test statistics for seasonal intercepts regarding three-month rates have been recorded as the same

for France, Germany and Italy because of these countries being Euro area countries.


311

4. Conclusion

This study has been thought to make a contribution to the literature by presenting a comparison on

structural stability of both long-term and short-term interest rates over time through LM based CH

tests in terms of both seasonal cycles and seasonal intercepts. Two nominal rates have been

covered together under the investigation of stability conditions. With a general evaluation, it has

been observed that the presence of unit roots could not be rejected at all frequencies and all

deterministic models in three-month rates series at semi-annual frequency only for UK pointing to

the existence of unstable seasonal patterns in UK as indicated by Table 3 results. Among all 7

countries, Japan and UK have displayed unstable seasonal intercepts for both long-term yield

series and short-term rates. The main conclusion of this research is that since UK has unstable

seasonal dummies for short term rates at all quarters excluding first quarter; this result has

supported HEGY test findings regarding UK in a consistent way indicating some changes in

business cycle conditions in a highly intense manner when compared to Japan and other countries.

On the other hand, the only country representing some instabilities in terms of seasonal cycles has

been Japan for short-term interest rate series at annual frequency.

References

Banik, S. & Silvapulle, P. (1999). Testing for Seasonal Stability in Unemployment Series: International

Evidence. Empirica, 26(2), 123-139.

Busetti, F. & Harvey, A. (2003). Seasonality Tests. Journal of Business & Economic Statistics, 21(3), 420-436.

Canova, F. & Hansen, B.E. (1995). Are Seasonal Patterns Constant Over Time? A Test for Seasonal Stability. Journal

of Business and Economic Statistics, 13(3), 237-252.

Depalo, D. (2009). A Seasonal Unit-Root Test with Stata. Stata Journal, 9(3), 422-438.

Díaz-Emparanza, I. & Moral, M. P. (2014). Numerical Distribution Functions for Seasonal Stability Tests. Statistics

& Probability Letters, 86, 44-49.

Dickey, D., Hasza, D. & Fuller, W. (1984). Testing for Unit Roots in Seasonal Time Series. Journal of the American

Statistical Association, 79, 355-367.

Foster, E.L. (1994). Seasonal Movements of Exchange Rates and Interest Rates under the Pre-World War I Gold

Standard. New York and London: Garland.

Ghysels, E. (1990). Unit-Root Tests and The Statistical Pitfalls of Seasonal Adjustment: The Case of US Postwar Real

Gross National Product. Journal of Business & Economic Statistics, 8(2), 145-152.

Ghysels, E., Lee, H. S. & Noh, J. (1994). Testing for Unit Roots in Seasonal Time Series: Some Theoretical Extensions

and a Monte Carlo Investigation. Journal of Econometrics, 62, 415- 442.

Ghysels, E. & Osborn, D.R. (2001). The Econometric Analysis of Seasonal Time Series. Cambridge: Cambridge

University Press.

Hansen, B. E. (1990, October). Lagrange Multiplier Tests for Parameter Instability in Non-Linear Models. Paper

presented at the Sixth World Congress of the Econometric Society. Retrieved April 27, 2015, from

http://www.ssc.wisc.edu/~bhansen/papers/LMTests.pdf

Hylleberg, S., Engle, R., Granger, C. & Yoo, S. (1990). Seasonal Integration and Cointegration. Journal of


Jones, J. D. (1988). Seasonal Variation in Interest Rates. Atlantic Economic Journal, 16(2), 47-58.

Kumah, F. Y. (2006). The Role of Seasonality and Monetary Policy in Inflation Forecasting (No. 6-175). International

Monetary Fund.

http://www.ssc.wisc.edu/~bhansen/papers/LMTests.pdf


312

Kurozumi, E. (2002). The Limiting Properties of the Canova and Hansen Test under Local Alternatives. Econometric

Theory, 18(5), 1197-1220.

Kwiatkowski, D., Phillips, P. C. B., Schmidt, P. & Shin, Y. (1992). Testing the Null Hypothesis of Stationarity against

the Alternative of a Unit Root: How Sure Are We That Economic Time Series Have a Unit Root?. Journal

of Econometrics, 54, 159-178.

Miron, J. A. (1986). Financial Panics, The Seasonality of the Nominal Interest Rate, and the Founding of the Fed. The

American Economic Review, 76(1), 125-140.

Miron, J. (1996). The Economics of Seasonal Cycles (Vol. 1). The MIT Press, Massachusetts Institute of Technology:

Cambridge.

Newey, W. K. & West, K. D. (1987). A Simple, Positive, Semi-Definite Heteroscedasticity and Autocorrelation

Consistent Covariance Matrix. Econometrica, 55(3), 703-708.

Nyblom, J. (1989). Testing for the Constancy of Parameters over Time. Journal of the American Statistical

Association, 84, 223-230.

Osborn, D.R., Chui, A. P. L., Smith, J. P. & Birchenhall, C. R. (1988). Seasonality and the Order of Integration for

Consumption. Oxford Bulletin of Economics and Statistics, 50, 361-377.

Sanli, S. (2015). The Econometric Analysis of Seasonal Time Series: Applications on Some Macroeconomic

Variables, Master’s Thesis, Cukurova University, Adana

Schneeweis, T. & Woolridge, J. R. (1979). A Note on the Study of Interest Rate Seasonality. Business Economics,

28-32.

Traiani, S. (2010). Seasonal Stability in Time Series of Zooplankton (Doctoral dissertation, The University of

Strathclyde).

Wallis, K. F. (1982). Seasonal Adjustment and Revision of Current Data: Linear Filters for the X-11 Method. Journal

of the Royal Statistical Society. Series A (General), 74-85.


313

The Determinants of High Technology Export: An Empirical Analysis for Selected Asian

Countries

Tuğba AKIN1

Duygu Yolcu KARADAM 2

Sevcan GÜNEŞ 3

Sinem Pınar GÜREL 4 Abstract

The economic growth is more affected by the export performance of countries due to the

increasing volume of global foreign trade. In this context, as it is asserted by the export-

based growth theories, export performance of countries depends on whether their goods

and services are competitive in terms of price, quality and product range in comparison

with rest of the World. the export performance of the countries depends on their producing

goods and services are competitive in terms of price, quality and product range compared

to the external World. The study investigated the determinants of high technology exports

of selected Asian countries for the period from 1980 to 2017. The findings from panel data

estimations show that trade openness, schooling rate, per capita GDP, fixed capital

investments, R & D expenditures, and exchange rates are among the main determinants of

high-technology export performance of Asian countries. However, foreign direct

investments affect selected Asian countries’ high technology exports negatively.

Additionally, we find that depreciation of exchange rate for the selected Asian countries is

still the most important factor in increasing the high technology exports.

Keywords : High Technology Exports, Selected Asian Countries, Panel

Jel Clasification : F14, C23

Yüksek Teknoloji İhracatinin Belirleyicileri: Seçili Asya Ülkeleri Üzerine Bir İnceleme

Özet

Dünyadaki dış ticaret hacminin giderek artması nedeniyle iktisadi büyüme; ülkelerin

ihracat performansından daha fazla etkilenmektedir. Bu bağlamda ihracat yönlü büyüme

teorilerinde de belirtildiği üzere ülkelerin ihracat performansı ürettikleri mal ve hizmetlerin

dış âleme kıyasla fiyat, kalite ve ürün çeşitliliği açısından rekabetçi olup olmamasına

bağlıdır. Çalışma seçili 10 Asya ülkesinin yüksek teknoloji ihracatının belirleyicilerini

1980-2017 dönemi için incelemektedir. Panel veri tahminlerinden elde edilen bulgular,

ticaret açıklığı, okullaşma oranı, kişi başına gelir, sabit sermaye yatırımları, Ar-ge

harcamaları ve döviz kurunun Asya ülkelerinin yüksek teknoloji ihracatının temel

belirleyicilerinden olduğunu göstermiştir. Yabancı doğrudan yatırımlar ise seçili Asya

ülkelerinin yüksek teknoloji ihracatını negatif etkilemektedir. Ek olarak, düşük değerli

döviz kurunun, seçili Asya ülkeleri için halen yüksek teknoloji ihracatını artırmada en

önemli faktör olduğu bulunmuştur.

Anahtar Kelimeler :Yüksek Teknoloji İhracatı, Seçili Asya Ülkeleri, Panel

Jel Sınıflaması : F14, C23

1 Ast. Prof., [email protected], Adnan Menderes University, Aydın, Turkey, ORCID: 0000-0002-1132-388X 2 Ast. Prof., [email protected]. Pamukkale University, Denizli, Turkey, ORCID:0000-0003-3139-2003 3 Ast. Prof., [email protected], Pamukkale University,Denizli,Turkey, ORCID:0000-0001-8367-8965 4 Ast. Prof., [email protected], Pamukkale University, Denizli, Turkey, ORCID: 0000-0002-5088-4575

https://orcid.org/0000-0002-1132-388X


https://orcid.org/0000-0003-3139-2003


https://orcid.org/0000-0001-8367-8965


https://orcid.org/0000-0002-5088-4575


314

1. Introduction

It is a clear fact that the global economic structure has been changing rapidly. Before globalization

and liberalization era, international trade was perceived as a zero-sum game. Then liberalization

trends in global economy pushed the countries to be competitive in export markets. The main

argument behind this view is that international trade through international division of labor and

specialization improves welfare of the whole countries. There is a positive sum game rather than

zero sum. Therefore, export led growth policies gained importance and countries’ foreign trade

volume has increased sharply.

It is widely accepted that when a country increases its export performance, it becomes more

competitive and wealthier. Countries’ competitiveness level in terms of export performance is

measured through revealed comparative advantage index (Balassa,1965, p.103). However,

achieving increase in export volume is necessary but not sufficient to improve well-being of the

society because of the possibility of existence of immizerising growth (Bhagwati, 1958, p.202).

Countries should improve their terms of trade as well. As a result of the expected technological

transformation in production with industry 4.0, what you export matters. So, not only increase in

export performance but also increase in value added in export manufacturing sector became the

ultimate goal of the countries. To achieve this aim countries should increase their export diversity

and sophistication level.

Due to changes in global environment, international trade theories have evolved over time. Early

international trade literature tries to explain the determinants of inter industry trade pattern through

productivity and factor endowment differentials. Then, second strand of literature focus on

strategic specific factors like demand conditions, market structure, innovation in explanation of

trade pattern which mainly explains intra industry trade pattern. New international trade theories

investigates and combines many diverse factors to analyze the factors in determination of

international trade pattern. For instance, in the field of bilateral trade, the gravity model helped to

search various determinants of trade flows such as distance, common borders, languages, legal

systems, currencies, colonial legacies, institutions vs.

As it aforementioned, international empirical literature analyzes countries’ export performance by

relying on not only price related factors like reel exchange rate, productivity, unit labor cost

differentials but also on many non-price related factors like performance in institutions,

infrastructure, efficiency, innovative capacity and so on. Besides that economic geography and

existence of clusters became important factors in international trade. Porter (2008) model identifies

and analyzes export performance through five competitive forces that shape industry’s

competitiveness level which are demand and supply forces, market (threat of new entry) and


315

product structure (threat of new product) and the existence of rivalry in the industry. The theorem

mentions the importance of quality differences, externalities of clusters, research, innovation,

domestic competition and strategic behavior of firms in determination of countries’

competitiveness level. Each international trade literature contributes to theory and clarify some

factors. So, these theories are not substitute to each other, they are complementary theories.

High technology exporter countries can increase their export performance more easily because of

high income elasticity in high-tech products. It is more likely that high technology exporter

countries can increase their export share more than primary goods exporter countries when world

economy expands. Besides that high technology industries’ dynamism helps to improve

performance of other sectors by means of positive externality (Mani, 2004, p.14). It is also

expected that an increase in the share of advanced technology exports of a country may improve

the terms of trade ratio of the concerned country. The more sophisticated and complex the good is

produced in the country, the higher the technology-based production is made in this country.

Hidalgo and Hausmann (2009) calculate Economic Complexity for countries and find that there is

a strong correlation between per capita income and complexity of exports. Additionally, the results

indicate that the index is a good predictor for the future growth performance as well. Hausmann,

Hwang and Rodrik (2007) calculate prody and expy variable to show potential sectors for each

countries. Prody variable shows a weighted average of the per-capita GDPs of the countries

exporting a product. Exp variable is calculated through export-weighted average of the Prody for

that country. In sum, Expy is a measure of the productivity level associated with a country’s

specialization. An increase in value added in export can be achieved through structural

transformation of the factor conditions. Infrastructure and factor conditions should be improved

for high technology production. This study indicates that production structure of a country evolves

by shifting to nearby products in product space. Leapfrogging in export structure from low

technology to high technology is not possible in the short run. So, the countries which are already

high technology exporter has an advantage.

How successfully countries can keep up and accommodate this changing structure will be

determined by the current structural state of the countries and their ability to implement new

reforms. In this context the existent factor conditions of countries and their effect on high

technology export performance should be clarified. That’s why in this study the factors that makes

a country high technology exporter has been investigated. While world international trade volume

increasing steadily, the share of developing countries (especially Asian countries) increasing

sharply. As it is known the accumulation of knowledge in specific regions through clusters fastens

export capability. In this sense economic geography is important. Besides that, it is seen that some


316

of Asian countries like China, Japan and Singapore are leading countries in high technology

exports. That’s why selected Asian countries have been chosen as a sample in this study.

High technology products are produced through mostly human capital intensive technique. The

evolution of production structure from low technology labor intensive goods to more sophisticated,

diverse and human capital intensive goods necessitates certain level of capital stock. Otherwise

expected productivity improvement cannot be achieved. Besides human capital and gross fixed

capital investment, FDI inflows is used as an explanatory variable with the assumption that FDI

investments creates positive externality and improves both capital stock and human capital in the

host county. Per capita income is used as a proxy for domestic demand and supply conditions.

Openness increases competition and the intense competition with the existence of international

trade may increase productivity, efficiency and innovation capacity of firms. Last of all research

and development expenditures and patent applications employed in the model because these

facilities increase countries potential high technology export capability. Exchange rate is used as

a control variable.

The paper proceeds as follows: Section I provides theoretical background of factors that affect

countries high technology export performance. Section II summarizes recent empirical studies.

Section III describes variables and discusses the empirical findings of the model. Section IV

provides concluding remarks

2. Literature

The variables that are used in empirical models for high technology export varies widely. While

Zhang (2007) employs infrastructure and FDI inflows; Seyoum (2004) uses a wide range of

variables such as Scientist and Engineers per million, Quality of Math and Science Education,

Research and Collaboration, Physical Infrastructure, FDI inflows, Domestic Rivalry, Demand

Conditions and exchange rate. Except domestic rivalry and exchange rate, whole variables are

found to be positive and statistically significant. Tebaldi (2011) states that human capital,

openness, FDI inflows are major determinants of high technology exports. Institutional quality

indirectly affects high technology exports. Göçer (2013) investigates 11 Asian countries for the

period from 1996 to 2012 and finds that R&D expenditures have statistically significant and

positive effect on high technology exports. Kabaklarlı, Duran and Üçler (2017) find that FDI

investments and patents improve high technology exports for 14 OECD countries. According to

Kızılkaya, Sofuoğlu and Ay (2017), FDI investments and openness are the important factors in

explaining high technology exports for 12 developing countries.


317

3. Data and Model

We use an annual unbalanced panel data set which covers 10 Asian countries (for the period from

1980 to 2017. The 10 highest HTE/manufacturing goods Asian countries are selected for the

analysis (see in Appendix 1).

We first estimate the following model with fixed effects methodogy;

ℎ𝑡𝑒𝑖,𝑡 =∝ +𝛽𝑋𝑖,𝑡 + 𝜇𝑖 + 휀𝑖,𝑡 (1)

where i denotes countries, t denotes time, hte denotes high-tech exports(% of manufactured goods),

X represents a vector of explanatory variables, ɛ is the error term, and 𝜇𝑖 represents time-invariant

unobserved country characteristics. As the explanatory variables, we use FDI inflows, (lnFDI), per

capita real GDP (lnpcgdp) , trade opennes (trade), years of schooling (as a mesure of human

capital), real effective exchange rate (lnReer), gross fixed capital formation (GFCF) and research

and development expenditure as a share of GDP (RD). The variables were taken from World

Development Indıcators (WDI), Barro-Lee(2016) and Bank of International Settlements. When

we examine the previous theoretical and empirical literature, per capita income, trade openness,

human capital and FDI inflows are among the most pronounced determinants of high-technology

exports of countries.

We also estimate the following dynamic high-technology exports equation by employing a system

GMM procedure:

ℎ𝑡𝑒𝑖,𝑡 =∝ +𝛿ℎ𝑡𝑒𝑖,𝑡−1 + 𝛽𝑋𝑖,𝑡 + 𝜇𝑖 + 휀𝑖,𝑡 (2)

Fixed effects estimator gives consistent parameter estimates for models with exogenous variables.

Therefore, it will be inappropriate for dynamic models and for the case of potential endogeneity

of the regressors. GMM estimators which are introduced by Holtz-Eakin, Newey, and Rosen

(1988), Arellano and Bond (1991), and Arellano and Bover (1995) are generally used as the

optimal estimators in dynamic panel data models which accounts for the biases induced by the

inclusion of the lagged dependent variable as the explanatory variable and also controls for the

reverse causality and potential endogeneity of the explanatory variables. To this end, we also

estimate the equation for high-technology exports using System-GMM estimator in order to

control for the effects of lagged high-technology exports as well as to account for the potential

endogeneity of a number of high-technology determinants such as trade openness and GDP per

capita. In System-GMM estimation, lags and lagged first differences of the endogenous variables

are used as instruments. Since the GMM estimators are developed for “small T, large N” panel

data models, it is common to use 3-year or 5-year non-overlapping averages of yearly data. This

also helps to smooth business cycle fluctuations and focus on long-run effects. Therefore, we


318

transform our yearly data into non-overlapping five-year averages in which we consequently have

at most 8-time series observations for each country. Among the regressors, we treat all regressors

except for schooling and real exchange rate as endogenous. Since the number of instruments

increases quadratic in T, we restrict the instruments up to three lags. We also include a time dummy

which account for time-effects and partially prevents cross-country correlation.

4. Econometric Analysis and Results

4.1.Fixed Effect Estimation and System-GMM Results

Fixed effects and system-GMM estimation results are represented in Table 1. Estimation results

of fixed effects estimation shows that schooling, trade opennes, per capita GDP, investments and

R&D expenditures of countries positively and significantly affects high-technology exports of

countries. However, The coefficient of real exchange rate is significantly negative indicating that

real depreciations of domestic currency results in an increase in high-tech exports of countries

which is consistent with traditional Marshall-Lerner condition. The coefficient of FDI is

significantly negative at 10% significance level. System-GMM estimation results shows that

lagged high-tech exports positively affects current high-tech exports as expected. Consistent with

fixed effects estimation results, according to the results of GMM estimations, schooling, trade

openness, investments are significantly and positively affects high-tech exports, while real

exchange rate and FDI significantly and negatively affects high-tech exports. However, per capita

GDP and R&D expenditures are no longer statistically significant. Since lagged high-tech exports

can account for the effects of per capita GDP and R&D spending, this result is not surprising. FDI

coefficient is statistically significant and negative in both estimations. Srholec (2005) states that

even a country exports large amounts of high technology exports, it can specialize on low

technology segment of the global value chain of the product. Besides that these investments may

crowds out scarce human capital from domestic firms towards foreign firms which may cause

decrease in productivity as a whole.

Table 1-Fixed Effects Estimates and System-GMM Results

Variables FE System-GMM

l.HTE

- 0.923***

- [23.01]

Schooling

1.967** 1.286***

[2.32] [2.85]

Trade

0.075*** 0.034***

[4.15] [4.12]

lnPcgdp

11.381*** -0.092

[5.97] [-3.82]


319

lnReer

-16.445*** -10.272**

[-4.71] [-2.21]

GFCF

0.300*** 0.465***

[3.35] [5.35]

FDI

-0.220* -0.599**

[-1.76] [-3.82]

RD

2.5211** -0.847

[2.48] [-0.97]

F-valuea 11.78*** 776.49***

No. of obs. 157 44

No. of Countries 10 10

Hansen Test (p-value) - 1.000

2nd order AC (p-value) - 0.196

1st order AC (p-value) - 0.347

No. of instruments - 44

Notes: The values in brackets are t-statistics. . *significant at 10%; ** significant at 5%, *** significant at 1%. a Wald statistic is given for System-GMM estimation.

5. Conclusion

It is seen that the selected FDI inflows has no effect on Asian countries high technology exports.

The reason behind that these countries are cost-competitive countries so they attract FDI inflows

in to low cost mostly labor intensive sectors. As a result they specialized on low-tech and low-skill

fragments of global value chain. The combination of negative sign of FDI inflows coefficient and

robust negative sign of reel exchange rate coefficient indicates that these counries’ high technology

export patterns are still price elastic. High technology export is affected from production cost in

these countries. It seem that technology intensive activities remain concentrated in developed

countries.

The value of the trade openness and gross fixed capital formation coefficient is statistically

significant but small that their effect on high technology export is weak.

When factor conditions are taken into consideration human capital has more powerful positive

effect than capital formation on high technology export performance. As it is expected high

technology products are human capital intensive.

R&D expenditure is one of the main determinant of high technology export but its strength is

decreasing when GMM method has been employed. It is thought that lagged value of hight

technology exports in GMM estimation inludes the effects of per capita income and research

activities.

Income which represents domestic production and demand structure is the most robust variable in

determination high technology export in fixed effect model. This result is in conformity with study


320

of Hausmann, Hwang and Rodrik (2007). As it is aforementioned, the export sophistification level

of the countries are determined through a variable which is called as Expy. This variable is

calculated through relative income and relative export share of the concerned countries. So, long

run export transformation trend from simple goods to sophisticated goods tends to become

endogenous and depends on existing economic structure and income level.

When results of this empirical study taken into consideration, it is understandable why achieving

sustaniable economic growth is the main goal for both developed and developing countries.

Because the existing production and demand structure which can be analysed through per capita

income has important implications for not only existing welfare but also potential future economic

performance as well.

References

Arellano, M. and Bond S. 1991. Some Tests of Specification For Panel Data: Monte Carlo Evidence and An

Application to Employment Equations. Review of Economic Studies, 58, 277-297.

Arellano, M. and Bover, O. 1995. Another Look at the Instrumental Variable Estimation of Error-Components

Models. Journal of Econometrics, 68(1), 29-51.

Balassa, B. (1965), Trade Liberalization and Revealed Comparative Advantage, The Manchester School of Economic

and Social Studies, 33,pp. 99-123

Bhagwati J. N. (1958), “Immiserizing Growth: A Geometrical Note”, Review of Economic Studies, No. 3, pp. 201-5.

Göçer, İ. (2013). Ar-Ge Harcamalarının Yüksek Teknolojili Ürün İhracatı, Dış Ticaret Dengesi Ve Ekonomik Büyüme

Üzerindeki Etkileri. Maliye Dergisi (165), 215-240.

Hidalgo, César, Bailey Klinger, Albert-László Barabási, and Ricardo Hausmann. 2007. "The Product Space

Conditions the Development of Nations." Science 317: 482-487.

Hausmann R.& Jason Hwang & Dani Rodrik, 2007. "What you export matters," Journal of Economic Growth,

Springer, vol. 12(1), pages 1-25,

Hausmann, Ricardo, César A. Hidalgo, Sebastian Bustos, Michele Coscia, Alex Simoes and Muhammed A. Yıldırım.

The Atlas of Economic Complexity: Mapping paths to prosperity. MITPress, 2014.

Hidalgo, César A.,and Ricardo Hausmann. (2009) "The building blocks of economic complexity." Proceedings of the

National Academy of Sciences 106, no. 26: 10570-10575

Holtz-Eakin, D., Newey, W., & Rosen, H. S. (1988). Estimating vector autoregressions with panel data. Econometrica:

Journal of the Econometric Society, 1371-1395.

Mani, S.(2000) Exports of High Technology Products from Developing Countries:Is it a real or Statistical Artifact?

MaasttrichtiINTECH, Discussion Paper

Mani, S. (2004). Exports of high technology products from developing countries: are the figures real or are they

statistical artefacts? Innovation, Learning, and Technological Dynamism of Developing Countries, 12-47.

Mehrara, M., Seijani, s., Karsalari, A.R. (2017). Determinants of high-tech export in developing countries based on

Bayesian model averaging”, Zbornik Radova Ekonomskog Fakulteta u Rjieci, Vol 35, No:1, pp 199-215.

Kabaklarlı, E. & M. Duran & Y. Üçler (2017), “The Determinants of High-Technology Exports: A Panel Data

Approach for Selected OECD Countries”, DIEM, 1-13, https://hrcak.srce.hr/file/276334,18.12.2017

Kızılkaya,O. & E. Sofuoğlu & A. Ay (2017), “Yüksek Teknolojili Ürün İhracatı Üzerinde Doğrudan Yabancı Sermaye

Yatırımları ve Dışa Açıklığın Etkisi: Gelişmekte Olan Ülkelerde Panel Veri Analizi”, Doğuş Üniversitesi

Dergisi,18(1),63-78

Porter, M.E. (2008) “Rekabet Üzerine”, Harvard Business School Publishing Corporation (çev.Kıvanç

Tanrıyar),Optimist Yayın no 211,pp.1-568.


321

Srholec, M.(2005) “High-tech exports from developing countries:A syptom of technology spurts or statistical

illusion?,TIK Working Papers,1-35

Seyoum B. (2004), “The Role of Factor Conditions in High-Technology Exports: An Empirical Examination”,

Journal of High Technology Management Research, 15 (1), 145–162.

Tebaldi, E. (2011), “The Determinants of High-Technology Exports: A Panel Data Analysis” Atlantic Economic

Journal, 39 (4): 343–353.

Zhang, K. H. (2007). International production networks and export performance in developing countries: Evidence

from China. The Chinese Economy, 40, 83–96. doi:10.2753/CES1097-1475400605

Appendix 1

Countries

China

India

Indonesia

Japan

Korea, Rep.

Malaysia

Philippines

Russian Federation

Singapore

Thailand


322

Türk Katılım Bankacılığı Sektörü Kârlılığının Sürekliliği

Aykut KARAKAYA 1

M. Esra ATUKALP 2 Özet

Türk Katılım Bankaları’nın Türkiye ekonomisi ve finansal sistem içerisindeki son

dönemlerde rolü dikkate alındığında uzun dönem kârlılığın sürekliliğinin katılım

bankacılık sektörü açısından incelenmesi hem ülke ekonomisi hem de finansal sektör

yönünden önem arz etmektedir. Bu çalışmayla Türk Katılım Bankacılık Sektörü

kârlılığının uzun dönem sürekliliğinin incelenmesi amaçlanmıştır. Çalışmada, Türk

Katılım Bankaları Sektörünün 2006:01-2017:12 döneminde aylık Öz Sermaye Kârlılık

Oranı (ÖSKO) ve Aktif Kârlılık Oranının (AKO) uzun dönem sürekliliği incelenmiştir.

Analizler, dönemde yapısal kırılmanın bulunmadığını varsayan ADF (1981) birim kök testi

ve içsel tek yapısal kırılmanın bulunduğunu varsayan Zivot-Andrews (1992) birim kök testi

ile gerçekleştirilmiştir. Türk Katılım Bankacılık Sektöründe ÖSKO ve AKO’nun hem

kırılmasız hem de içsel tek kırılmayla durağan olduğu bulunmuştur. Böylece inceleme

döneminde Türk Katılım Bankaları kârlılık oranlarının sürekli olmadığı yani kâr oranının

normal olduğu, normalüstü kârlılık oranlarının söz konusu olmadığı tespit edilmiştir.

Anahtar Kelimeler: Katılım Bankaları, Süreklilik, Birim Kök Testi

Jel Sınıflaması: P43, G19, C22

The Persistence of Profitability in Turkish Participation Banking Sector

Abstract

When considering the role of Turkish participation banks in Turkey’s economy and the

financial system in recent periods, it is important to examine the persistence of long-term

profitability in terms of participation banking sector both in terms of the country's economy

and the financial sector. This study aimed to examine the long-term persistence of Turkish

Participation Banking Sector profitability. In the study it is examined that the long-term

persistence of the monthly Return on Equity (ROE) and Return on Assets (ROA) of the

Turkish Participation Banks Sector in 2006-2017 period. Analyzes were performed with

the ADF (1981) unit root test which assumes that there is no structural break in the review

period and with the Zivot-Andrews (1992) unit root test which assumes that there is the

internal single structural break. ROE and ROA were found to be stationary both without

break and internal single break in Turkish Participation in Banking Sector. Thus, it has

been determined in the review period that the profitability ratios of the Turkish

Participation Banks are not persistence, that the profit ratio is normal and that the

supernormal profitability ratios is not the case.

Keywords: Participation Banks, Persistence, Unit Root Test

Jel Classification: P43, G19, C22

1. Giriş

Küreselleşme, işletmelerin performanslarında rekabeti anahtar konuma taşımış ve artan rekabet

işletme kârı üzerinde belirleyici hal almıştır. Özellikle rekabetin yoğun yaşandığı ekonomilerde ve

1Dr. Öğr. Üy., [email protected], Recep Tayyip Erdoğan Üniversitesi, İktisadi ve İdari Bilimler

Fakültesi, İşletme Bölümü, Rize/Türkiye, , ORCID: 0000-0001-6491-132X 2Dr. Öğr. Üy., [email protected], Giresun Üniversitesi Bulancak K.K. Uygulamalı Bilimler Yüksekokulu

Uluslararası Ticaret Bölümü, Bulancak/Giresun/Türkiye, , ORCID: 0000-0001-8412-1448


323

sektörlerde kârların görece daha düşük gerçekleştiği gözlenmektedir. İşletmelerin uzun dönemde

kârlarını sürekli yani normalin üstünde gerçekleştirebilmeleri, faaliyetlerini sürdürülebilmesi

açısından kritik öneme sahiptir.

Kârın sürekliliği literatürde iki görüş çerçevesinde ifade edilmektedir. Bunlardan ilki, kârın

sürekliliğini, pazara giriş engelleriyle oluşturulan bazı tekelci güçlere dayandırır. İkincisi ise, kâr

motivasyonuyla girişimcilerin, yeniliklere girişip geçici tekeller yaratmasıdır. Bu geçici tekelci

kârların sürekli devam etmesi beklenmez (Mueller, 1977, 1986 ve 2005). Uzun dönemde ya tüm

tekelci kârlar ortadan kalkıp normal kâra yakınsayacak ya da kârlar sürekli olacaktır. Dolayısıyla

uzun dönemde normalin üstünde kâr olduğunda kârın sürekliliğinden bahsedilecektir.

Türk Katılım Bankaları’nın Türkiye ekonomisi ve finansal sistem içerisindeki son dönemlerde rolü

dikkate alındığında uzun dönem kârlılığın sürekliliğinin katılım bankacılık sektörü açısından

incelenmesi hem ülke ekonomisi hem de finansal sektör yönünden önem arz etmektedir. İlaveten,

banka kârlılığının sürekliliğini konu alan sınırlı çalışmaya rastlanmış, hatta katılım bankalarını

konu alan çalışmaya ise rastlanmamıştır. Bu çalışmayla söz konusu eksikliğin giderilmesi

hedeflenmiş ve Türk Katılım Bankacılık Sektörü kârlılığının uzun dönem sürekliliğinin

incelenmesi amaçlanmıştır.

2. Literatüre

Kârın sürekliliği ilki geleneksel statik olan, ikincisi ise dinamik olan iki görüşle ifade edilmektedir.

İlki, kârın sürekliliğini pazara giriş engelleriyle oluşturulan bazı tekelci güçlere dayandırır. Bu

görüşte, rekabet politikaları, fiyat ve maliyet arasındaki ayrışmanın, yoğunlaşmanın olduğu

sektörlerde daha fazla olduğu yönündedir. Bu nedenle, bu sektörlerde refah kayıpları, malların

yetersiz olması nedeniyle daha büyük olmalıdır.

İkincisi ise, kâr motivasyonu ile girişimcilerin, yeniliklere girişip geçici tekeller yaratmasıdır. Bu

ikinci görüş kârın Schumpeteryan bakışı olarak da nitelenir. Schumpeter’in, “yaratıcı yıkıcılık”

olarak adlandırdığı bu süreçte yenilikler monopol gücüne, monopol gücü aşırı kâra ve aşırı kâr da

taklitçilerin ortaya çıkmasına neden olmaktadır (Roberts, 2001). Bu koşullarda, işletmelerin

karşılaşacağı rekabetçi belirsizlikler tam olarak ortadan kaldırılamamaktadır. Rakip işletmeler

aşırı kârlara taklitçilik yoluyla cevap verecekleri için, aşırı kârlar asla kalıcı olmayacak ve ortalama

düzeyine geri dönecektir. Uzun dönemde sunulan her yenilikte bu döngü tekrarlanacaktır.

Mueller (1986) ve Mueller (2005) firma karlarının sürekliliğini otoregresif bir modelle

belirlemiştir. Modelde tanımlanan geçici kârların beklenen değeri sıfırdır ve varyansı sabittir; bu

sebeple sıfıra yakınsama eğiliminde olduğu ileri sürülmüştür. Bentzen vd. (2005) yaptıkları

çalışmada, 1990-2001 döneminde Danimarka’daki firmaların panel birim kök testi ile yapılan


324

inceleme sonucunda, firma kârlarının değil, endüstri toplam kârının sürekli olduğu sonucuna dair

bulgular elde edilmiştir. Eklund ve Wiberg (2007), 1984-2004 yılları arasında Avrupa’daki 293

büyük firmayı araştırmış, ortalamanın üzerinde kâr elde eden firmaların kârlarının ortalama kâra

yakınsamasına karşın, ortalama seviyeye inmediğini tespit etmiştir. Çalışmayla, Ar-Ge

faaliyetlerini sürdüren firmaların yüksek düzeydeki kârlarını uzun dönemde sürekli olduğu ortaya

konmuştur. Cuaresma ve Gschwandtner (2008), 1950-1999 yıllarını kapsayan dönemde ABD’de

faaliyet gösteren firmaların yıllık kârlılıkları zaman serisi analiziyle incelenmiştir. Analiz

sonucunda, endüstri yoğunluğunun ve büyüklüğünün endüstriyel düzeydeki kârların sürekliliğine

olumlu etkide bulunurken, pazar paylaşımı ve risklerin firma düzeyindeki kârların sürekliliğine

olumsuz etkide bulunduğu tespit edilmiştir.

Yunan bankaları üzerinde yapılan Athanasoglou vd. (2008) 1985- 2001 döneminde

genelleştirilmiş momentler metodu ile karın sürekliliğini incelemiştir. Çalışmayla Yunan

bankalarının hem aktif kar oranı hem de öz sermaye kar oranında karlılığın sürekli olduğu ortaya

konmuştur.

Çok uluslu bir çalışma olan Flamini vd. (2009), 1998-2006 dönemleri arası 41 Güney Afrika

ülkesindeki 389 bankanın karlılığı etkileyen faktörler ve karlılığın sürekliliğini ele almışlardır. Kar

olarak aktif kar oranı kullanılan çalışmada Genelleştirilmiş Momentler metodu yöntemiyle analiz

gerçekleştirilmiştir. Çalışma sonucunda, bankaların aktif kar oranının yüksek ve karlılığın sürekli

olduğu ortaya konmuştur. Gschwandtner ve Cuaresma (2013), kârların sürekliliği konusunda daha

önce Gschwandtner (2005) tarafından yapılan çalışmanın bir benzerini daha sonra tekrarlamış ve

aynı sonuçları elde etmişlerdir. Çalışmayla göreceli olarak küçük ve yoğun endüstrilerde kârların

daha uzun süre sürekli olduğu gözlenmiştir.

Türk bankalarında karın sürekliliği konusunu ilk ele alan çalışma Bektaş (2007) tarafından

yapıldığı söylenebilir. Bektaş (2007), çalışmasında 1989-2003 dönemlerinde 28 bankanın

karlılığının sürekliliği birim kök testi yardımıyla araştırmıştır. Uzun dönemde ortalama karların

sıfıra yaklaştığı ve karlılığın kalıcı olmadığı tespit edilmiştir. Kaplan ve Çelik (2008), 1980-1998

döneminde Türkiye’deki 24 bankanın kârlılıkları birim kök testi aracılığıyla incelemişlerdir.

Analiz sonucunda, Türk bankacılık sektöründe aşırı kârlılığın kısa dönemde olduğu, uzun

dönemde yoğun rekabet nedeniyle aşırı kârların ortadan kaybolduğu ortaya çıkmıştır. Aslan ve

İskenderoğlu (2012), 1998-2009 döneminde Türkiye’de faaliyet gösteren 25 bankanın kârlarının

sürekliliği panel birim kök testiyle araştırılmıştır. Türk bankacılık sektöründe yoğun rekabetten

dolayı kârların uzun dönemde kalıcı olamadığı sonucuna ulaşılmıştır. Can ve Öztürk (2015) 2007-

2013 dönemlerinde Borsa İstanbul’da (BIST) işlem gören şirketlerin 201 firmanın kârlılık

göstergeleri incelenerek, karın sürekliliği incelenmiştir. Bu doğrultuda firmaların aktif kar oranı,


325

öz sermaye kar oranı, brüt kâr oranı, faaliyet kâr oranı, vergi öncesi kâr oranı ve net kâr marjları

panel birim kök testi ile analiz edilmiştir. Elde edilen bu sonuçlar oransal olarak ifade edildiğinde,

incelenen şirketlerin %25’inin kârlarının uzun dönemde kalıcı olduğu, %75’inin kârlarını uzun

dönemde kalıcı olmadığı anlaşılmaktadır.

Çalışmalarda çoğunlukla zaman serisi analizleri kullanılmıştır. Elde edilen sonuçların ülkeye,

sektöre ve incelenen döneme göre farklılıklar arz ettiği görülmüştür. Bununla beraber, gelişmekte

olan ülkelerde kârın sürekliliğinin gelişmiş ülkelerden daha az olduğu bulunmuştur. Bunun

nedenleri arasında, pazara girişte batık maliyetlerin daha düşük olması, daha hızlı ekonomik

büyüme ve hükümetlerin rolleri sayılmıştır.

3.Araştırma Yöntemi ve Veri Seti

3.1.Analiz Yöntemi

Yakın zamanda yapmış olduğu çalışmayla konuya önemli bir katkı sağlayan Yurtoğlu (2004),

kârların sürdürülebilirliğinin analizinde Mueller’in modeline ilave olarak, birim kök varlığını

araştırmak amacıyla durağanlık analizi testlerini kullanmıştır. Daha iyi sonuç verdiğinden,

günümüze kadar yapılan kârın sürekliliğini konu alan çalışmaların hemen hemen hepsi, zaman

serisi veya panel durağanlık analizlerine dayalı olarak yapılmaktadır. Böylece, birim kök

testleriyle kârın ortalamaya dönme davranışı gösterip göstermediği yani kârın sürekli olup

olmadığını belirlemek mümkün olmaktadır. Türkiye’de durağanlık testleri ile kârın sürekliliğini

araştıran çalışmalar arasında Yurtoğlu (2004), Bektaş (2007), Kaplan ve Çelik (2008), Aslan vd.

(2010), Aslan ve İskenderoğlu (2012), Can ve Öztürk (2015) ve Karakaya (2017) tarafından

yapılan çalışmalar gösterilebilir.

Granger ve Newbold (1974) durağan olmayan zaman serileriyle çalışılması halinde sahte

regresyon problemiyle karşılaşılabileceğini ve ekonomik olarak yorumlanmalarının güç olacağını

ifade etmiştir. Zaman serileri birim kök testlerinden en bilinenleri olan DF (1979), ADF (1981),

PP (1988), KPSS (1992) birim kök testleri serilerde kırılmanın olmadığını varsaymaktadır.

Çalışmada ifade edilen kırılmasız testlerden ADF (1981) birim kök testi ile kârın sürekliliği

sınanmıştır. Yapısal kırılmayı içeren serilerde, kırılmasız birim kök testlerinin uygun olmadığı

belirtilmektedir. Hatta Perron (1989) yapısal değişmelerin varlığında standart ADF testlerinin

birim kök hipotezini reddedememe eğilimi taşıdığını ve yalnızca kırılmasız birim kök testlerine

dayalı olarak karar vermenin yanıltıcı olabileceğini ifade etmiştir. Dolayısıyla, çalışmada ADF

(1981) kırılmasız birim kök testine ilaveten ZA (1992) bir yapısal kırılmanın olabileceğini

varsayan birim kök testleriyle de kârın sürekliliği sınanmıştır. Böylece, kârın sürekliliği daha

tutarlı test edilmiştir.


326

ZA (1992) birim kök testiyle tek bir yapısal değişmeyi içsel olarak dikkate almak suretiyle

durağanlık araştırılmıştır. ZA birim kök testi aşağıdaki denklemler yardımıyla gösterilebilir.

Model A: 1 1

1

k

t t t j t j t

j

y y t DU d y

(1)

Model B: 1 1 1

1

k

t t j t j t

j

y y t DT d y

(2)

Model C: 1 1 1

1

k

t t t t j t j t

j

y y t DU DT d y

(3)

1 Eğer t>TB

0 DiğerDUt ve Eğer t>TB,

0 DiğerDTt

t TB

Burada /TB T ve TB olası kırılma yılını temsil etmektedir. 1t

y

’in katsayısının istatistikî olarak

anlamlılığına bakılarak karar verilmektedir. Model A, trend durağan alternatif hipotez altında,

trend fonksiyonunun sabitte (ortalamada) bir değişim olduğunu, Model B, trend fonksiyonun

eğiminde bir değişim olduğunu, Model C ise hem ortalamada hem de eğimde değişimin aynı anda

gerçekleştiğini kabul etmektedir (Yavuz, 2018, s.312).

Çalışmada hem yapısal kırılmanın bulunmadığını varsayan ADF (1981) birim kök testi hem de

içsel tek yapısal kırılmanın bulunduğunu varsayan ZA (1992) birim kök testi ile analizler

gerçekleştirilmiştir.

Rekabet yüksek ise, belirli bir dönemde normalin üstündeki kâr sonraki dönemler devam

edemeyecek yani sürekli olmayacaktır. Bu ise, kârın durağan süreç özelliği taşıyacağı anlamına

gelmektedir. Rekabet düşük ise, ortalamanın üstündeki kârın sonraki dönemlerde devam

edebileceği ve kârın sürekli (normalin üstünde) olacağı ifade edilir. Bu durumda kâr durağan süreç

özelliği göstermeyecektir.

3.2.Veri Seti

Çalışmada, Türk Katılım Bankaları Sektörünün 2006:01-2017:12 döneminde aylık Öz Sermaye

Kârlılık Oranı (ÖSKO) ve Aktif Kârlılık Oranının (AKO) uzun dönem sürekliliği incelenmiştir.

İnceleme, dönemde yapısal kırılmanın bulunmadığını varsayan ADF (1981) birim kök testi ve

içsel tek yapısal kırılmanın bulunduğunu varsayan ZA (1992) birim kök testi ile

gerçekleştirilmiştir. Birim kök testleri sonucunda ÖSKO ve AKO durağan değilse uzun dönemde

sürekli olduğu, durağansa sürekli olmadığı sonucuna varılır.


327

4.Bulgular

Araştırmada öncelikle Türk Katılım Bankacılığı sektörünün AKO ve ÖSKO serilerinin inceleme

döneminde izlemiş olduğu eğilimler ve kârlılık oranlarının uzun dönemli sürekliliği ADF ve ZA

birim kök testleriyle analiz edilmiştir.

4.1.Kârlılık Oranları Serileri

AKO ve ÖSKO’nın göstermiş olduğu eğilimler sırasıyla aşağıdaki Grafik 1 ve Grafik 2’de

sunulmuştur.

Grafik 1: Öz Sermaye Kâr Oranı (%)

Grafik 1’de ÖSKO serisine bakıldığında, 2013 yılına kadar eğiminde hafif ve istikrarlı bir azalma

olduğu, 2014-2016 yılları arasında yüksek dalgalanma yaşandığı, sonunda 2017 yılında eski

düzeyine geri dönüş yaptığı görülmektedir.

Grafik 2: Aktif Kâr Oranı (%)

Grafik 2’deki AKO serisi incelendiğinde, yukarıdaki ÖSKO değişkenine benzer biçimde 2013

yılına kadar eğiminde hafif ve istikrarlı bir azalmayı 2014-2016 yılları arasında yüksek

dalgalanmanın izlediği ve sonunda 2017 yılında dalgalanmanın yerini istikrarlı yatay seyre

bıraktığı görülmektedir.

-6

-4

-2

0

2

4

6

200

6-0

1

200

6-0

7

200

7-0

1

200

7-0

7

200

8-0

1

200

8-0

7

200

9-0

1

200

9-0

7

201

0-0

1

201

0-0

7

201

1-0

1

201

1-0

7

201

2-0

1

201

2-0

7

201

3-0

1

201

3-0

7

201

4-0

1

201

4-0

7

201

5-0

1

201

5-0

7

201

6-0

1

201

6-0

7

201

7-0

1

201

7-0

7

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

200

6-0

1

200

6-0

7

200

7-0

1

200

7-0

7

200

8-0

1

200

8-0

7

200

9-0

1

200

9-0

7

201

0-0

1

201

0-0

7

201

1-0

1

201

1-0

7

201

2-0

1

201

2-0

7

201

3-0

1

201

3-0

7

201

4-0

1

201

4-0

7

201

5-0

1

201

5-0

7

201

6-0

1

201

6-0

7

201

7-0

1

201

7-0

7


328

4.2.Birim Kök Testleri

Uzun dönemli kârlılık oranlarının test sonuçları aşağıdaki Tablo 1 ve Tablo 2’de gösterilmiştir.

Tablo 1’de sunulan yapısal kırılmanın olmadığını varsayan ADF birim kök testinin sabitli ve

trendli modeli sonucunda AKO ve ÖSKO serilerinin mertebede durağan oldukları I(0) dolayısıyla

birim kök içermedikleri ortaya çıkmıştır.

Tablo 1: ADF Birim Kök Testi Sonuçları

Birinci Mertebe

Değişkenler Sabitsiz Sabitli Sabitli ve Trendli

AKO -1.502 (3) -2,113 (3) -9,775** (0)

ÖSKO -1.735 (3) -3.055* (2) -9.696** (0) * 0,05 ve ** 0.01 anlamlılık düzeyini göstermektedir. Parantez içindekiler uygun gecikme sayısıdır.

Tablo 1’de Türk Katılım Bankaları Sektörü kârlılığının sürekliliğini araştırmaya yönelik

gerçekleştirilen ADF birim kök testi sonucunda AKO ve ÖSKO sabitli ve trendli modelde

mertebede durağan I(0) bulunmuştur.

Tablo 2: Zivot-Andrews Birim Kök Testi Sonuçları

Model A Model B Model C

Değişkenler Min. t ist. Kırılma Min. t ist. Kırılma Min. t ist. Kırılma

AKO -6,846**(2) 2016-03 -6.593**(2) 2015-09 -8.019**(2) 2014-06

ÖSKO -6,147***(2) 2016-03 -5.887**(2) 2015-10 -7.147**(2) 2014-06 * 0,05 ve ** 0.01 anlamlılık düzeyini göstermektedir. . Parantez içindekiler uygun gecikme sayısıdır.

Tablo 2’ye bakıldığında, içsel tek yapısal kırılmanın var olduğunu varsayan ZA birim kök testinin

A, B ve C modelinde AKO ve ÖSKO serilerinin mertebede durağan oldukları I(0) görülmüştür.

AKO ve ÖSKO serilerinde yapısal kırılmaların ortalama ve trend de Haziran 2014 tarihinde

gerçekleştiği gözlenmiştir. Türk Katılım Bankacılığı Sektöründe ÖSKO ve AKO’nun hem

kırılmasız hem de içsel tek kırılmayla durağan olduğu bulunmuştur.

5.Sonuç

Çalışma sonucunda, Türk Katılım Bankacılığı Sektörü AKO ve ÖSKO serilerinin eğiminin 2006

yılından 2013 yılına kadar hafif ve istikrarlı biçimde azaldığı, ardından 2014-2016 yılları arasında

yüksek oynaklık gösterdiği ve 2017 yılında oynaklığın atlatılıp 2015 yılından önceki gibi hareket

ettiği ortaya konulmuştur.

Türk Katılım Bankacılık Sektöründe AKO ve ÖSKO’nun hem kırılmasız hem de içsel tek

kırılmayla durağan olduğu bulunmuştur. Böylece inceleme döneminde Türk Katılım Bankacılığı

kârlılık oranlarının sürekli olmadığı yani kâr oranının normal olduğu, normalüstü kârlılık

oranlarının söz konusu olmadığı tespit edilmiştir.

Türk Katılım Bankacılık Sektörü uzun dönem kârlılığının sürekli olmaması durumu kârlılığın

normalin üstünde olmadığı yani zaman içinde kârlılığın ortalama seviyelerde gerçekleştiği ve

rekabetçi olduğu anlamına gelmektedir. Türk Katılım Bankacılık Sektörü kârlılığının uzun


329

dönemde sürekli olmadığı bulgusu Türk Bankalarını konu alan Bektaş (2007), Kaplan ve Çelik

(2008), Aslan vd. (2010), Aslan ve İskenderoğlu (2012) ve Karakaya (2017) tarafından yapılan

çalışmalarla benzerlik göstermektedir. Rekabet ve yenilikçi faaliyetlerin sınırlı olması, sektöre

özgü yasal ve idari düzenlemelerin Türk Katılım Bankacılığı Sektöründe rekabetçi kârlılığa neden

olduğu söylenebilir.

Kaynakça

Aslan, A., Kula, F., Kaplan, M. (2010). New Evidence on the Persistence of Profit in Turkey with First and Second

Generation Unit Root Tests. METU Studies in Development, 37, 25-40.

Aslan, A., İskenderoğlu, Ö. (2012). Türk Bankacılık Sektöründe Kârlılığın Kalıcılığının İncelenmesi. Anadolu

Üniversitesi Sosyal Bilimler Dergisi, 12 (2), 59-68.

Athanasoglou, P. P., Brissimis, S.N., Delis, M.D. (2008). Bank-Specific, Industry-Specific and Macroeconomic

Determinants Of Bank Profitability. Journal of International Financial Markets Institutions and Money, 18,

121-136.

Bektas, E. (2007). The Persistence Of Profits in the Turkish Banking System. Applied Economics Letters, 14 (3), 187-

190.

Bentzen, J., Madsen, E. S., Smith, V., Dilling-Hansen, M. (2005). “Persistence in Corporate Performance? Empirical

Evidence from Panel Unit Root Tests”, Empirica, 32, 217-230.

Cable, J. R., Mueller, D. C. (2008). Testing of Persistence of Profits' Differences Across Firms. International Journal

of the Economics and Business, 15 (2), 201 -228.

Can, A. V., E. Öztürk, (2015). Şirket Kârlarının Sürdürülebilirlik Durumunun İncelenmesi: BIST Şirketleri Üzerine

Sektörel Bir Araştırma. İşletme Araştırmaları Dergisi, 7 (1), 325-339.

Cuaresma, J. C., Gschwandtner, A. (2008). “Explaning the Persistence of Profits: A Time Varying Approach”,

Working Papers, 806, Haziran, 1-20.

Dickey, D.A., W.A. Fuller. (1979). “Distribution of the Estimators for Autoregressive Time Series with a Unit Root”,

Journal of the American Statistical Association 74, 427-431.

Dickey, D.A., W.A. Fuller. (1981). Distribution of the Estimators for Autoregressive Time Series With a Unit Root.


Eklund, J. E. ve Wiberg, D. (2007). “Persistence of Profits and The Systematic Search for Knowledge”, Cesis

Electronic Working Paper Series, s. 85-101.

Flamini, V., McDonald, C.A., Schumacher, L.B. (2009). The Determinants of Commercial Bank Profitability in Sub-

Saharan Africa. (IMF Working Paper No. 09/15)

Granger, C., Newbold,. P. (1974). “Spurious Regressions in Econometrics”, Journal of Econometrics, 2, 111-120.

Gschwandtner, A. (2005). Profit Persistence in The "Very" Long Run: Evindece From Survivors and Existers. Applied

Economics, 37, 793-806.

Gschwandtner, A., Cuaresma, C. (2013). “Explaining the Persistence of Profits: A Time Varying Approach”,

International Journal of the Economics of Business, 20 (1), 39-55.

Kaplan, M., Çelik, T. (2008). The Pesistence of Profitability and Competition in the Turkish Banking Sector. Erciyes

Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 30, 157-167.

Kwiatkowski, D., P.C.B. Phillips, P. Schmidt, Y. Shin. (1992). “Testing the Null Hypothesis of Stationarity Against

the Alternative of a Unit Root,” Journal of Econometrics, 54, 159-178.

Karakaya, A. (2017). Türk Bankacılık Sistemi Kârının Kalıcılığı. (18. Uluslararası Ekonometri Yöneylem Araştırması

ve İstatistik Sempozyumu)

Mueller, D. C. (1977). The Persistence of Profits Above the Norm. Economica, 44, 369-380.

Mueller, D. C. (1986). Profits in the Long Run. Cambridge University Press.

Mueller, D. C. (2005). The Persistence of Profits in The United States. D. C. Mueller (Ed.), The Dynamics of Company

Profits: An International Comparison içinde (s.35-57). Cambridge University Press.


330

Peron, P. (1989). “The Great Crash, the Oil Price Shock and the Unit Root Hypothesis”, Econometrica, 57, 1361-

1401.

Phillips, P.C.B, P. Perron. (1988). “Testing for a Unit Root in Time Series Regression”, Biometrika 75, 335-346.

Roberts, P. W. (2001). Innovation and Firm-Level Persistent Profitability: A Schumpeterian Framework. Managerial

and Decision Economics, 22, 239-250.

Yavuz, N.Ç. (2018). Finansal Ekonometri, Der Yayınları, 2. Basım, İstanbul.

Yurtoğlu, B. B. (2004). Persistence of Firm-Level Profitability in Turkey. Applied Economics, 36 (6), 615-625.

Zivot, E., Andrews, D. (1992). Further Evidence On The Great Crash, The OilPrice Shock, and The Unit Root

Hypothesis. Journal of Business & Economic Statistics, 10 (3), 251-270.


331

Türkiye Ekonomisinde İç ve Dış Fiyat Açıklarının Enflasyon Oranı Üzerindeki Etkileri

Rahmi YAMAK1

Havvanur Feyza ERDEM2

Can SAĞLAM3

Özet

Kool ve Tatom (1994), iç fiyat açığının tek başına enflasyon oranı üzerinde anlamlı bir

etkisinin olmadığını, buna karşın dış fiyat açığı ile birlikte enflasyonu negatif yönde

etkilediğini vurgulamışlardır. Kool ve Tatom (1994) tarafından ortaya atılan bu görüşe göre

ele alınan ülke sabit döviz kuru rejimi altında küçük açık ekonomi yapısına sahiptir. Burada

şu soru akla gelmektedir: Esnek döviz kuru rejimi benimseyen ve küçük açık ekonomi

varsayımına uyan bir ülke ekonomisinde Kool ve Tatom (1994) tarafından ortaya atılan bu

görüş geçerli olacak mıdır? Bir diğer ifadeyle esnek döviz kuru rejimini benimseyen ve küçük

açık ekonomi varsayımına uyan bir ekonomide iç fiyat açığı ile birlikte dış fiyat açığı

enflasyonun bir belirleyicisi olacak mıdır? Bu sorudan hareketle mevcut çalışmanın amacı iç

ve dış fiyat açıklarının enflasyon oranı üzerinde birlikte herhangi bir etkiye sahip olup

olmadığını Türkiye ekonomisi özelinde test etmektir. Çalışma 1993-2016 (yıllık) dönemini

kapsamaktadır. Çalışmada ABD’nin iç fiyat açığı Türkiye ekonomisi için dış fiyat açığı

göstergesi olarak kullanılmış ve Türkiye ekonomisinde iç fiyat ve dış fiyat açıklarının

enflasyon oranı üzerindeki etkileri GMM yöntemi ile araştırılmıştır. Çalışmadan elde edilen

genel bulgulara göre, Türkiye ekonomisinin iç fiyat açığının enflasyon üzerinde negatif ve

istatistiksel olarak anlamlı bir etkiye sahip olduğu buna karşın aynı modelde dış fiyat açığının

enflasyon üzerinde istatistiksel olarak herhangi bir etkiye sahip olmadığı görülmüştür. İç ve

dış fiyat açıklarının enflasyon üzerindeki etkisine ayrı ayrı bakıldığında ise hem iç hem de dış

fiyat açığının enflasyon üzerinde negatif ve istatistiksel olarak anlamlı bir etkisinin olduğu

tespit edilmiştir.

Anahtar Kelimeler: İç Fiyat Açığı, Dış Fiyat Açığı, Enflasyon

JEL Sınıflaması: E31, E37, F41

The Effect of The Domestic and Foreign Price Gaps on Inflation in Turkish Economy

Abstract

Kool and Tatom (1994) have emphasized that domestic price gap alone does not have effect

on inflation, despite that it together with foreign price gap affects inflation negatively.

According to this view suggested by Kool and Tatom (1994), the country in the consideration

has a small and open economy under fixed exchange rate system. At this point the following

question has arisen: Is this view suggested Kool and Tatom will be valid for the country which

has flexible exchange rate system and small-open economy? In other words, will domestic

price gap together with foreign price gap be a determinant of inflation in open-small economy

under flexible exchange rate system. Move from this question, the purpose of the current study

1Prof. Dr., [email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., Ekonometri Bölümü, Trabzon/Türkiye, ORCID:

0000-0002-2604-1797 2Dr.Öğr.Üy.,[email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., Ekonometri Bölümü, Trabzon/Türkiye,

ORCID: 0000-0002-3730-1793 3 [email protected], Karadeniz Teknik Üniversitesi, S.B.E., Ekonometri Anabilim Dalı, Trabzon/Türkiye,

ORCID: 0000-0003-0688-4798


332

is to test whether domestic price gap and foreign price gap does have any effect for the case of

Turkey. The study covers the period of 1993-2016 (annual). In the study, the U.S. price gap

was used to be an indicator of foreign price gap for Turkey. The effects of both price gaps on

inflation were investigated by using GMM method. According to general findings of the study,

domestic price gap has significant and negative effect on inflation, but in the same model,

foreign price gap does not have any statistically significant effect. When the effects of both

price gaps were separately investigated, it was determined that both gaps have statistically

significant and negative impact on inflation.

Keywords: Domestic Price Gap, Foreign Price Gap, Inflation

JEL Classification: E31, E37, F41

1.Giriş

Literatürde iç fiyat açığı ile enflasyon oranı arasında negatif yönlü bir ilişkinin olduğu yönünde yaygın

bir görüş hakimdir. Özellikle Hallman vd. (1989, 1991) bu görüşün öncüleri arasındadır. Hallman vd.

(1989, 1991), fiyatlar genel seviyesinin uzun dönemde yakınsama göstereceği bir denge değeri

olduğunu öne sürmüşlerdir. Daha sonra Hallman vd. (1989, 1991) miktar teorisinin uzun dönemli

versiyonundan hareketle P-Star modelini potansiyel enflasyonun bir göstergesi olarak

geliştirmişlerdir. P-Star modelinin standart anlamda ifadesine göre, iç fiyat açığı ile enflasyon oranı

arasında negatif bir ilişki mevcuttur. Hallman vd. (1989, 1991) iç fiyat açığını, ülkenin kendi iç fiyat

düzeyi ile ülkenin kendi iç denge fiyat düzeyi arasındaki fark olarak ifade etmektedirler. Hallman vd.

(1991)’ ın bu görüşleri büyük ülke, kapalı ekonomi ve esnek döviz kuru rejimi benimseyen ülkeler

için daha uyumludur. Bu görüşün aksine sabit döviz kuru rejimi uygulayan ve küçük açık ekonomi

varsayımına uyan yani para arzının içsel olduğu ülkelerde fiyat düzeyinin aynı zamanda diğer

ülkelerin fiyat açığı tarafından da belirlenebildiği görüşü ortaya atılmıştır. Bu doğrultuda ilk olarak,

Kool ve Tatom (1994) sabit döviz kuru rejimi altında küçük açık ekonomilerdeki iç fiyat düzeyinin

çapa ülkesi olan büyük ülke ekonomisi tarafından dışarıdan belirlendiğini ve böylece iç para arzının

içsel hale geldiğini ifade etmişlerdir. Kool ve Tatom (1994), iç fiyat açığının tek başına enflasyon

oranı üzerinde anlamlı bir etkisinin olmadığını, buna karşın dış fiyat açığı ile birlikte enflasyonun

negatif yönde etkilendiğini vurgulamışlardır.

Büyük ülke, kapalı ekonomi ve esnek döviz kuru rejimi varsayımıyla birlikte standart anlamda P-Star

modeli literatürde pek çok defa test edilmiştir. Literatür incelendiğinde bu varsayıma uyan ülkelerde

iç fiyat açığı ile enflasyon oranı arasında negatif ve istatistiksel olarak anlamlı bir ilişkinin varlığı

tespit edilmiştir (Hallman vd., 1989 ve 1991; Hoeller ve Poret, 1991; Hallman ve Bryden, 1992;

Tödter ve Reimers, 1994; Hewarathna 2000; Yamak ve Ceylan 2005; Cronin, 2018). Ayrıca


333

literatürde aynı varsayım altında modelin küçük ülke ekonomilerinden ziyade büyük ülke

ekonomilerine daha uyumlu olduğu görüşü de mevcuttur (Hoeller ve Poret, 1991; Tatom, 1992).

Kool ve Tatom (1994) ise sabit döviz kuru rejimi altında küçük açık ekonomilerde, iç denge fiyat

açığının mevcut enflasyon üzerinde istatistiksel olarak anlamlı bir etkisinin olmadığını

savunmuşlardır. Kool ve Tatom (1994) tarafından dış fiyat açığının da eklenerek geliştirildiği model

pek çok çalışma tarafından test edilmiştir. Ampirik literatür incelendiğinde iç ve dış fiyat açıklarının

enflasyon oranı üzerinde etkiye sahip oldukları ancak dış fiyat açığı etkisinin çok daha önemli

olduğunu savunan çalışmalar mevcuttur (Garcia–Herrero ve Pradhan, 1998; Frait vd., 2000;

Rodriguez, 2004). Bazı çalışmalarda ise iç fiyat açığının dış fiyat açığından çok daha etkili bir gösterge

olduğu tespit edilmiştir (Wesche, 1998; Tsianos, 2001). Bununla birlikte Mihalicova (2011) her iki

fiyat açığının da enflasyon üzerinde son derece önemli etkilere sahip olduğunu savunmuştur. Ayrıca

literatürde enflasyon dinamikleri üzerinde dış fiyat açığının herhangi bir etkiye sahip olmadığı ve iç

fiyat açığının tek başına bir belirleyici olduğu görüşü de mevcuttur (Rusek, 2008; Kiptui, 2013).

Yukarıda ifade edilen iki farklı görüşe göre ele alınan ülkelerin ekonomik yapısında bir kısıtlama

mevcuttur. Hallman vd. (1991) tarafından ortaya konulan görüşte ele alınan ülke büyük ülke, kapalı

ekonomi ve esnek döviz kuru rejimi benimseyen bir yapıya sahipken, Kool ve Tatom (1994)

tarafından ortaya atılan görüşte ise ele alınan ülke sabit döviz kuru rejimi altında küçük açık ekonomi

yapısındadır. Burada şöyle bir soru açığa çıkmaktadır. Esnek döviz kuru rejimi benimseyen ve küçük

açık ekonomi varsayıma uyan bir ülke ekonomisinde enflasyonun belirleyicisi nasıl olacaktır? Bu

soruya en uygun ekonomi örneği Türkiye ekonomisidir. Çünkü Türkiye ekonomisi küçük açık

ekonomi varsayımına uymakta ve bundan dolayı enflasyon tamamen iç fiyat açığına bağlı olarak

belirlenmemektedir. Ayrıca esnek döviz kuru rejimi benimsemekte ve enflasyon tamamen dış fiyat

açığına bağlı olarak da belirlenmemektedir. Bu doğrultuda bu çalışmanın amacı, iç ve dış fiyat

açıklarının enflasyon oranı üzerinde birlikte herhangi bir etkiye sahip olup olmadığını küçük ülke,

açık ekonomi ve esnek döviz kuru sistemine sahip olan Türkiye ekonomisi özeli için test etmektir.

Böylece bu çalışmada Hallman vd. ve Kool ve Tatom tarafından ortaya konulan iki hakim görüşün

Türkiye ekonomisinin dinamik yapısına uyarlanması amaçlanmıştır. Çalışma 1993-2016 (yıllık)

dönemini kapsamaktadır. Çalışmada Amerika’nın iç fiyat açığı Türkiye ekonomisi için dış fiyat açığı

göstergesi olarak kullanılmış ve Türkiye ekonomisinde iç fiyat ve dış fiyat açıklarının enflasyon oranı

üzerindeki hem birlikteki hem de ayrı ayrı etkileri Genelleştirilmiş Momentler Metodu (GMM) ile

tespit edilmiştir.


334

2.Veri Seti, Ekonometrik Model ve Ekonometrik Yöntem

Bu çalışmada, Türkiye ekonomisinde iç fiyat ve dış fiyat açıklarının enflasyon oranı üzerindeki hem

birlikteki hem de ayrı ayrı olası etkileri sınanmıştır. Çalışma 1993–2016 (yıllık) dönemi

kapsamaktadır. Çalışmada iç fiyat açığı olarak Türkiye’nin kendi denge fiyat açığı, dış fiyat açığı

olarak ise ABD’nin denge fiyat açığı ele alınmıştır. Çalışmada, hem iç fiyat açığının hem de dış fiyat

açığının elde edilmesinde M0 parasal büyüklüğü kullanılmıştır. Çalışmada kullanılan değişkenlerin

tamamı Dünya Bankası veri tabanından derlenmiştir. Enflasyon oranı hariç bütün değişkenler

logaritmik transformasyona tabi tutulmuşlardır. Tablo 1’de ekonometrik analizde kullanılan

değişkenlere ait kısaltmalar ve tanımlamalara yer verilmiştir. Tablo 1’de değişken kısaltmalarındaki

TR alt kısaltması Türkiye’ye ait değişkenleri, ABD alt kısaltması ise Amerika Birleşik Devletleri’ne

ait değişkenleri ifade etmektedir.

Tablo 1: Değişkenlerin Kısaltmaları ve Tanımları

Değişken

Kısaltması Değişken Tanımı

ENFTR Enflasyon Oranı

YTR Reel Çıktı Düzeyi: Reel Gayri Safi Yurtiçi Hasıla

NYTR Nominal Gayri Safi Yurtiçi Hasıla

M0TR M0 Para Arzı Miktarı

V0TR M0 Para Arzı Miktarı Kullanılarak Elde Edilen Paranın Dolanım Hızı

V0*TR V0 Dolanım Hızına Ait Uzun Dönem Denge Dolanım Hızı

Y*TR Potansiyel Reel Çıktı Düzeyi: Potansiyel Reel Gayri Safi Yurtiçi Hasıla

HIZAÇIKTR Paranın Dolanım Hızı Açığı: (V0TR – V0*TR)

Tablo 1: (Devamı)

ÇIKTIAÇIKTR Reel Çıktı Açığı: (Y*TR – YTR)

FİYATAÇIKTR Denge Fiyat Açığı: (P – P*) = (V0TR – V0*TR) + ( Y*TR – YTR )

YABD Reel Çıktı Düzeyi: Reel Gayri Safi Yurtiçi Hasıla

NYABD Nominal Gayri Safi Yurtiçi Hasıla

M0ABD M0 Para Arzı Miktarı

V0ABD M0 Para Arzı Miktarı Kullanılarak Elde Edilen Paranın Dolanım Hızı

V0*ABD V0 Dolanım Hızına Ait Uzun Dönem Denge Dolanım Hızı

Y*ABD Potansiyel Reel Çıktı Düzeyi: Potansiyel Reel Gayri Safi Yurtiçi Hasıla

HIZAÇIKABD Paranın Dolanım Hızı Açığı: (V0ABD – V0*ABD)

ÇIKTIAÇIKABD Reel Çıktı Açığı: (Y*ABD – YABD)

FİYATAÇIKABD Denge Fiyat Açığı: (P– P*) = (V0ABD – V0*ABD) + ( Y*ABD – YABD )

Potansiyel enflasyonun bir göstergesi olarak iç ve dış fiyat açıklarını içerecek şekilde uygulanan P-

Star modeline ilişkin ekonometrik süreç şu şekildedir: İlk olarak, paranın denge dolanım hızlarının ve


335

potansiyel çıktı düzeylerinin belirlenebilmesi için Hodrick–Prescott filtreleme (HP)72 yöntemi

uygulanmıştır. HP filtreleme yönteminin uygulanması sonucunda hem Türkiye için hem de ABD için

paranın denge dolanım hızı ve potansiyel çıktı düzeyi elde edilmiştir. Denge dolanım hızı ve

potansiyel çıktı düzeyi değişkenleri kullanılarak denge fiyat açığını oluşturan iki bileşen yani paranın

denge dolanım hızı açığı ve potansiyel çıktı açığı değişkenleri elde edilmiştir. Paranın denge dolanım

hızı açıkları ve potansiyel çıktı açıklarına bağlı olarak ise hem Türkiye için fiyat açığı yani iç fiyat

açığı hem de ABD için fiyat açığı yani dış fiyat açığı elde edilmiştir. İkinci olarak, P-Star modelini

tahmin etmek için kısıtlı modeller kurulmuştur. Çalışmada kurulan kısıtlı modeller (1–3) numaralı

denklemler tarafından ifade edilmektedir. (1) numaralı denklemde iç fiyat açığı, (2) numaralı

denklemde dış fiyat açığı, bununla birlikte (3) numaralı denklemde hem iç hem de dış fiyat açığının

enflasyon üzerindeki etkileri araştırılmaktadır. Üçüncü olarak, ekonometrik analizde kullanılan

değişkenlere ait birim kök özelliklerini sınamak amacıyla Genişletilmiş Dickey–Fuller (ADF)73 ile

Phillips–Perron (PP)74 birim kök testleri ve yapısal kırılmalı birim kök testlerinden Zivot–Andrews

(ZA)75 ile Perron76 birim kök testleri uygulanmıştır. Son olarak ise denklem (1–3) tarafından ifade

edilen kısıtlı modellerin her biri GMM yöntemi ile tahmin edilmiştir.

Model 1:

𝐸𝑁𝐹𝑇𝑅𝑡=𝜕+ 𝜗(FİYATAÇIKTR)

t-1+ ∑ 𝜈i

n

i=1

ΔPt-i+ εt,1 εt,1~N(0, σ2) (1)

Model 2:

𝐸𝑁𝐹𝑇𝑅𝑡=𝛽+ 𝜋(FİYATAÇIKABD)

t-1+ ∑ 𝜊i

n

i=1

ΔPt-i+ εt,2 εt,2~N(0, σ2) (2)

Model 3:

𝐸𝑁𝐹𝑇𝑅𝑡= 𝛿+ 𝜆(FİYATAÇIKTR)

t-1+ 𝛾(FİYATAÇIKABD)

t-1+ ∑ 휂i

n

i=1

ΔPt-i+ εt,3 εt,3~N(0, σ2) (3)

3.Bulgular

72 Hodrick ve Prescott (1981), temel bir serinin konjonktür kısmını minimizasyon yöntemi ile ayrıştırmayı önermektedir.

Örneğin; çıktı açığının ölçülmesinde kullanılacak olan yöntem şu şekilde ifade edilir: L= ∑ (yt- n

t=1

ytT)

2+ λ ∑ (Δy

t+1T-Δy

tT)

2n-1t=2 . y

t; gerçek verilerden oluşan gayri safi yurtiçi hasılayı, y

tT; potansiyel üretim seviyesini, (

yt- y

tT ); üretim açığını ifade etmektedir. Ayrıntılı bilgi için bakınız: Hodrick ve Prescott (1981).

73 Ayrıntılı bilgi için bakınız: Dickey ve Fuller (1979). 74 Ayrıntılı bilgi için bakınız: Phillips ve Perron (1988). 75 Ayrıntılı bilgi için bakınız: Zivot ve Andrews (1992). 76 Ayrıntılı bilgi için bakınız: Perron (1989).


336

Grafik 1’de enflasyon oranına (ENFTR) ilişkin değerler sunulmuştur. Grafik 1’den görüleceği üzere

Türkiye ekonomisinde enflasyon oranı dönem boyunca oldukça farklı iki seyir sergilemiştir. Özellikle

1993–2002 yılları arasında Türkiye ekonomisi oldukça yüksek enflasyon oranlarını deneyimlemiştir.

Türkiye ekonomisinde enflasyon oranı daha sonraki dönemde, 2002–2005 yılları arasında ciddi bir

kırılma göstermiş ve özellikle 2005 yılından sonra tek haneli enflasyon sürecine girmiştir. Çalışmada

ele alınan dönem içerisinde enflasyon oranı en yüksek değerini 1994 yılında yıllık ortalama %106 ile

elde ederken, en düşük değerini 2009 yılında yıllık ortalama %6.2 ile elde etmiştir. Grafik 2’de

Türkiye ekonomisi için M0 para arzından elde edilen paranın dolanım hızı ve HP filtreleme ile elde

edilen paranın denge dolanım hızı değerleri sunulmuştur. Paranın dolanım hızı ilgili dönem boyunca

sürekli azalan trend yapısı sergilemektedir. Grafik 3’te Türkiye ekonomisi için reel çıktı düzeyi ve HP

filtreleme ile elde edilen potansiyel çıktı düzeyi değerleri sunulmuştur. Grafik 3’ten çıktı düzeyinin,

ele alınan dönem içerisinde 2011 yılına kadar dalgalı bir şekilde negatif ve pozitif açıklar verdiği

ancak 2011 yılından sonra çıktı düzeyinin potansiyeline yakınsamada oldukça başarılı olduğu

görülmektedir. Grafik 4’te Türkiye için denge fiyat açığı yani çalışmada iç fiyat açığı olarak

tanımlanan değişkene ait grafik sunulmuştur. Grafik 4’ten görüleceği üzere iç fiyat açığı, özellikle

1995–1997 yılları arası ve 2006–2011 yılları arası sürekli negatif açıklar verirken geri kalan

dönemlerde genellikle pozitif açıklar vermiştir.

Grafik 5’te ABD ekonomisi için M0 para arzından elde edilen paranın dolanım hızı ve HP filtreleme

ile elde edilen paranın denge dolanım hızı değerleri gösterilmiştir. ABD için paranın dolanım hızı

1993–2016 yılları arası azalan bir trend sergilemektedir. Grafik 6’da ABD ekonomisine ait çıktı

düzeyi ve HP filtreleme ile elde edilen potansiyel çıktı düzeyi değerleri gösterilmektedir. Grafik 6

incelendiğinde çıktı düzeyinin dönem içerisinde sürekli artan trende sahip olduğu ve 2009–2014

yılları arası dönemde sürekli olarak negatif açık verdiği görülmektedir. Grafik 7’de çalışmada dış fiyat

açığı göstergesi olarak kullanılan ABD ekonomisine ait denge fiyat açığı değişkeni sunulmuştur.

Grafik 7 incelendiğinde dış fiyat açığının 1993 yılında, 1998–2002 yılları ve 2007–2009 yılları

arasında negatif açıklar verdiği tespit edilmiştir. Geriye kalan bütün yıllarda ise pozitif fiyat açıkları

görülmektedir.


337

Grafik 1: Enflasyon Oranı (ENFTR)

Grafik 2: V0TR ve V0*TR

Grafik 3: YTR ve Y*TR

Grafik 4: FİYATAÇIKTR

Grafik 5: V0ABD ve V0*ABD

Grafik 6: YABD ve Y*ABD

Grafik 7: FİYATAÇIKABD

V0*TR

V0TR Y*TR

YTR

V0*ABD

V0ABD

Y*ABD

YABD


338

P-Star modeline ilişkin tahminleri gerçekleştirebilmek için kurulan modellerde iç ve dış fiyat açıkları

ile enflasyon oranı değişkenlerinin durağan bir yapıya sahip olmaları gerekmektedir. Bu doğrultuda

Genişletilmiş Dickey–Fuller (ADF) ve Phillips–Perron (PP) birim kök testlerine ait sonuçlar Tablo

2’de sunulmuştur. Ancak enflasyon oranı serisi Grafik 1’den de görüleceği üzere ilgili dönem boyunca

özellikle 2000–2004 yılları arasında ciddi bir kırılmaya maruz kalmıştır. Dolayısıyla yapısal kırılmalı

Perron ve Zivot–Andrews (ZA) birim kök testleri de uygulanarak ilgili test sonuçları Tablo 3’te

sunulmuştur. Tablo 2’deki ADF ve PP birim kök test sonuçlarına göre iç ve dış fiyat açıkları

seviyesinde, enflasyon oranı değişkeninin birinci farkında durağan olduğu tespit edilmiştir. Tablo 3’te

sunulan yapısal kırılmalı birim kök test sonuçlarına göre ise bütün değişkenlerin seviyesinde durağan

oldukları tespit edilmiştir. Bu çalışmada yapısal kırılmalı birim kök test sonuçları dikkate alınacaktır.

Tablo 2: ADF ve PP Birim Kök Testi Sonuçları

ADF PP

Sabitli Sabitli –

Trandli

Sabitsiz –

Trendsiz Sabitli

Sabitli –

Trendli

Sabitsiz –

Trendsiz

ENFTR -0.830

(0)

-1.869

(0)

-1.340

(0)

-0.774

[3]

-1.996

[1]

-1.360

[3]

∆ENFTR -7.744***

(0)

-3.552*

(1)

-6.372***

(0)

-7.724***

[0]

-9.258**

[5]

-5.804***

[2]

FİYAT

AÇIKTR

-4.343***

(0)

-4.258**

(0)

-4.430***

(0)

-4.343***

[0]

-4.258**

[1]

-4.430***

[0]

FİYAT

AÇIKABD

-3.962***

(2)

-3.787**

(2)

-4.063***

(2)

-3.177**

[2]

-3.1439

[2]

-3.224***

[2]

Not: ***%1, **%5, *%10 anlamlılık düzeylerini ifade etmektedir. ADF testi için gecikme uzunluğu Schwarz bilgi kriterine (SIC) göre

belirlenmiştir. Maksimum gecikme uzunluğu 5 olarak alınmıştır. Parantez içindeki değerler optimal gecikme uzunluklarını

göstermektedir.

Tablo 3: Yapısal Kırılmalı Birim Kök Testi Sonuçları

Trend Spesifikasyonu Sabitli

Sabitli – Trendli

Sabitli Sabitli –

Trendli Trendli

ENFTR -4.9919***

(2001) [5]

-3.7663

(2008) [5]

-10.7096***

(2003) [0]

-5.9025***

(2007) [5]

FİYAT AÇIKTR -4.3949**

(2004) [5]

-4.9915**

(2008) [2]

-5.2040**

(2008) [3]

-4.5065**

(2005) [0]

FİYAT AÇIKABD -5.0272***

(2011) [2]

-4.5952

(2012) [2]

-6.8069***

(2010) [4]

-4.2443

(2013) [2]

Not: ***%1, **%5, *%10 anlamlılık düzeylerini ifade etmektedir. Parantez içindeki yıllar kırılma yıllarını göstermektedir.

Çalışmanın amacı doğrultusunda kurulan (1), (2) ve (3) numaralı modeller Genelleştirilmiş

Momentler Metodu ile tahmin edilmiş ve elde edilen sonuçlar Tablo 4’te sunulmuştur. GMM yöntemi

tahmin edilirken bağımsız değişkenler ile ilişkili olduğu düşünülen enflasyon beklentileri ve bağımsız

değişkenlere ait gecikmeli değerler araç değişken olarak kullanılmıştır. Hansen (1982)’nin J-İstatistiği


339

denklemde herhangi bir aşırı belirleme problemi olup olmadığını ortaya koymaktadır. Tablo 4’ten de

görüleceği üzere bütün modellere ait J-istatistikleri istatistiksel olarak anlamsızdır. J-istatistiğine ait

aşırı belirleme probleminin olmadığı yönündeki H0 hipotezinin %1 seviyesinde red edilemediği tespit

edilmiştir. Bu doğrultuda modellerin hiçbirinde aşırı belirleme problemine rastlanmamıştır. Model 1

sonuçları incelendiğinde iç fiyat açığının negatif katsayıya sahip olduğu ve istatistiksel olarak %1

seviyesinde anlamlı olduğu tespit edilmiştir. Dolayısıyla sadece iç fiyat açığını içeren Model 1 için P-

Star modelinin geçerli olduğu kabul edilmiştir. Sadece dış fiyat açığını içeren Model 2 sonuçları

incelendiğinde ise, dış fiyat açığı katsayısının negatif ve %10 seviyesinde istatistiksel olarak anlamlı

olduğu tespit edilmiştir. Bu sonuç doğrultusunda dış fiyat açığının tek başına enflasyon oranı üzerinde

%10 düzeyinde zayıfta olsa bir etkisinin olduğu bulgusuna ulaşılmıştır. Son olarak, iç ve dış fiyat

açıklarını birlikte ele alarak kurulan Model 3 sonuçlarına göre sadece iç fiyat açığı değişkeninin

negatif ve istatistiksel olarak %1 seviyesinde anlamlı olduğu tespit edilmiştir. Model 2’de tek başına

dış fiyat açığının Türkiye enflasyonu üzerinde istatistiksel olarak zayıfta olsa bir etkisi bulunurken

Model 3 sonuçlarına göre dış fiyat açığının bu etkisi ortadan kalkmıştır. Kök ortalama karesel hata

değerleri karşılaştırıldığında ise performans kriterlerine göre optimal modelin Model 1 olduğu

görülmektedir. Model 1’i, Model 2 ve Model 3 takip etmektedir. Dolayısıyla optimal modelin Model

1 olduğu yani sadece iç fiyat açığını içeren modelin en uygun model olduğu kabul edilebilir.

Tablo 4: Genelleştirilmiş Momentler Metodu Tahmin Sonuçları

Bağımlı Değişken: ENFTR

Bağımsız Değişkenler Model 1 Model 2 Model 3

Sabit Terim 0.012146** 0.012858*** 0.012998***

FİYATAÇIKTR (t-1) -0.233060*** – -0.215867***

FİYATAÇIKABD (t-1) – -0.295946* -0.097648

ENFTR (t-1) 0.791066*** 0.763748*** 0.786427***

R2 0.949326 0.945534 0.949525

Düzeltilmiş R2 0.942570 0.938272 0.938709

RMSE 0.286673 0.312744 0.289568

J-İstatistiği 3.411823 4.759806 3.537623

J-İstatistiği Prob. 0.755662 0.574968 0.617703

P-STAR Modeli GEÇERLİDİR GEÇERLİDİR GEÇERLİDİR

Not: ***%1, **%5, *%10 anlamlılık düzeylerini ifade etmektedir. Araç değişken olarak enflasyon beklentisi ve bağımsız değişken

gecikmeli değerleri kullanılmıştır. RMSE: Kök Ortalama Karesel Hata.


340

4.Sonuç

Bu çalışmada, iç ve dış fiyat açıklarının enflasyon oranı üzerinde hem ayrı ayrı hem de birlikte bir

etkiye sahip olup olmadıkları küçük ülke, açık ekonomi ve esnek döviz kuru rejimi uygulayan Türkiye

ekonomisi özeli için test edilmiştir. Çalışma 1993-2016 (yıllık) dönemi kapsamaktadır. Çalışmada iç

fiyat açığı olarak Türkiye’nin denge fiyat açığı, dış fiyat açığı olarak ise ABD’nin denge fiyat açığı

kullanılmıştır. İç ve dış fiyat açıklarının hesaplanmasında M0 parasal büyüklüğü kullanılmıştır.

Çalışmanın bulgularına göre, iç ve dış fiyat açıklarının enflasyon üzerindeki etkisine ayrı ayrı

bakıldığında hem iç hem de dış fiyat açığının enflasyon üzerinde negatif ve istatistiksel olarak anlamlı

bir etkisinin olduğu tespit edilmiştir. İç ve dış fiyat açıklarının birlikte etkisine bakıldığında ise iç fiyat

açığının enflasyon üzerinde negatif ve istatistiksel olarak anlamlı bir etkiye sahip olduğu buna karşın

aynı modelde dış fiyat açığının enflasyon üzerinde istatistiksel olarak herhangi bir etkiye sahip

olmadığı görülmüştür. Çalışmanın en önemli sonucu ise tek başına dış fiyat açığının Türkiye

enflasyonu üzerinde istatistiksel olarak zayıfta olsa bir etkisi bulunurken iç fiyat açığı ile birlikte

modele katıldığında dış fiyat açığının bu etkisinin ortadan kalkmasıdır. Çünkü dışa açıklık varsayımı

gereği Türkiye ekonomisi her ne kadar dışa açık ekonomi olarak görülse de elde edilen bulgular

ışığında Türkiye ekonomisinin dışa kapalı bir tavır sergilediği söylenebilir.

Ele alınan dönem göz önünde bulundurulduğunda Türkiye ekonomisinin oldukça yüksek enflasyon

oranları deneyimlediği ve daha sonra ciddi derece enflasyonla mücadele dönemine girdiği aşikardır.

Bu noktada fiyat istikrarı arayışlarında enflasyon göstergelerinin doğru tespit edilmesine ihtiyaç

duyulmaktadır. Fiyat açığı göstergesi de bu ihtiyaçtan ötürü oldukça önem arz etmektedir. Çalışmadan

elde edilen sonuçlara göre iç ve dış fiyat açıklarının enflasyon göstergesi olabileceği ancak dış fiyat

açığından ziyade iç fiyat açığının daha etkili gösterge niteliği taşıdığı ortaya konulmuştur.

Kaynakça

Cronin, D. (2018). US Inflation and Output Since the 1970s: a P-Star Approach. Empirical Economics, 54(2), 567-591.

Dickey, D., Fuller, W. A. (1979). Distribution of the Estimates for Autoregressive Time Series with a Unit Root. Journal

of the American Statistical Association, 74(366a), 427-431.

Frait, J. vd. (2000). P-star Model Based Analysis of Inflation Dynamics in the Czech Republic. University of Warwick

Departments of Economics, Warwick Economic Research Papers, Nr.565, 1-12.

Garcia-Herrero, A., Pradhan, M. V. (1998). The Domestic and Foreign Price Gaps in the P-STAR Model: Evidence from

Spain. International Monetary Fund Working Paper, Nr. 98-64, 1-26.

Hallman, J. J., Bryden, E. J. (1992). Commodity Prices and P-Star. Federal Reserve Bank of Cleveland, Economic Review,

Nr. 28, 11-17.

Hallman, J. J. vd. (1989). M2 per Unit of Potential GNP as an Anchor for the Price Level. Board of Governors of the

Federal Reserve System Staff Study, Nr. 157, Washington D.C.


341

Hallman, J. J. vd. (1991). Is the Price Level Tied to the Stock of M2 in the Long Run?. The American Economic Review,

81(4), 841-858.

Hansen, L. P. (1982). Large Sample Properties of Generalized Method of Moments Estimators. Econometrica, 50(4),

1029-1054.

Hewarathna, R. (2000). The P-Star Model in Australia and New Zealand. LA Trobe University Discussion Paper, 0-17.

Hodrick, R. J., Prescott, E. C. (1981). Post-War Business Cycles: An Empirical Investigation. Northwestern University

Discussion Paper, 451.

Hoeller, P., Poret, P. (1991). Is P-Star a Good Indıcator of Inflationary Pressure in OECD Countries?. OECD Economic

Studies, Nr. 17, 7-29.

Kiptui, M. C. (2013). The P-Star Model of Inflation and Its Performance for the Kenyan Economy. International Journal

of Economics and Finance, 5(9), 82-95.

Kool, C. J. M., Tatom, J. A. (1994). The P-Star Model in Five Small Economies. Review of the Federal Reserve Bank of

St. Louis, 76(3), 11-29.

Mihalicova, X. vd. (2011). P-Star Model Under the Currency Board- The Case of Bulgaria 1997-2008. Romanian Journal

of Economic Forecasting, 3, 83-91.

Perron, P. (1989). The Great Crash, The Oil Price Shock, and The Unit Root Hypothesis. Econometrica, 57, 1361-1401.

Phillips, P., Perron, P. (1988). Testing for a Unit Root in Time Series Regression. Biometrika, 75(2), 335-346.

Rodriguez, C. A. (2004). A P* Model of Inflation in Puerto Rico. American Review of Political Economy, 2(2), 16-41.

Rusek, A. (2008). Inflation Dynamics in the “New” EU Members State: Poland 1998-2006. 223 Macroeconomic and

Regional of the European Integration, 7-17.

Tatom, J. A. (1992). The P-Star Model and Austrian Prices. Empirica, 19(1), 3-17.

Tödter, K., Reimers, H. (1994). P-Star as a Link Between and Prices in Germany. Review of World Economics, 130(2),

273-289.

Tsianos, E. G. (2001). P-STAR Analysis in a Converging Economy: the Case of Greece. Economic Modelling, 18(1), 49-

60.

Wesche, K. (1998). The P-Star Model and Monetary Integration in Europe. Institute for International Economics, Bonn

University, 1-16.

Yamak, R., Ceylan, S. (2005). P-Star Modeli: Denge Fiyat Açığı Enflasyon İlişkisi. Ekonomik Yaklaşım, 16(56), 1-17.

Zivot, E., Andrews, D. W. K. (1992). Further Evidence on the Great Crash, the Oil-Price Shock, and the Unit Root

Hypothesis. Journal of Business & Economic Statistics, 10(3), 251-270.


342

Türkiye’de Bölgesel Elektrik Kayıp ve Kaçağının Ekonometrik Analizi

Esra AKGÜL

Anıl ERALP

Özet

Elektriğin izinsiz kullanımı pek çok ülkede karşılaşılan bir problemdir. Dünya Bankası

verilerine göre 2000-2014 döneminde Ekonomik İşbirliği ve Kalkınma Örgütü (OECD)

ülkelerinde ortalama kayıp-kaçak oranı %6,4 olarak gerçekleşirken, Türkiye’de ise %15,6

olarak gerçekleşmiştir. Sürdürülebilir bir enerji politikası için elektrik enerjisi tedarikinin ve

kullanımının yakından takip edilmesi gerekmektedir. Dolayısıyla, elektrik enerjisi ile ilgili

politikaların oluşturulmasında öncelikle elektrik kayıp-kaçağının nedenlerinin ortaya

konulması gerekmektedir. Bu çalışmada ise literatürdeki Türkiye üzerine yapılan diğer

ampirik çalışmalardan farklı olarak, kayıp-kaçak elektrik tüketiminin yoğun yaşandığı dağıtım

bölgeleri istatistiksel olarak tespit edilmiştir. Ayrıca, hem Türkiye geneli hem de bölge

özelinde elektrik kayıp-kaçağı üzerinde sosyo-ekonomik faktörlerin etkileri, Türkiye İstatistiki

Bölge Birimi Sınıflaması (İBBS) Düzey 3 için 2008-2014 döneminde gerçekleşen panel veri

analizleri araştırılmıştır. Elde edilen bulgular, Türkiye geneli hem de bölge özelinde elde

edilen bulgular kalkınmışlık düzeyinin ve eğitimin kayıp-kaçak elektrik tüketimi ile

mücadelede öncelikli sırada olmasının gerekliliğini göstermektedir.

Anahtar Kelimeler: Kayıp-Kaçak Elektrik Tüketimi, Bölgesel, Panel Veri Analizi

JEL Sınıflaması: K42, R10, R15

Econometric Analysis of Regional Electricity Losses and Illegal Consumptions in Turkey

Abstract

Unauthorized use of electricity is a problem in many countries. According to World Bank data,

in 2000-2014, the average theft-loss rate was realized 6.4% in the Organization for Economic

Cooperation and Development (OECD) countries, while it was realized 15.6% in Turkey. For

a sustainable energy policy, electricity supply and demand need to be closely monitored.

Therefore, in establishing policies related to electricity, it is first necessary to be determined

the causes of electricity losses and illegal consumption. In this study, unlike other empirical

studies carried out on Turkey in the literature, distribution regions where electricity losses and

unauthorized consumption of electricity is intensive are statistically determined. Furthermore,

the impact of socio-economic factors on the electricity losses and unauthorized electricity

consumption rates of Turkey Nomenclature of Territorial Units for Statistics (NUTS) Level 3

during 2008-2014 period is investigated by both overall and regional with panel data analyses.

The findings from both overall and the region in Turkey indicate that the level of development

and education should be a priority in the combat electricity losses and unauthorized

consumption of electricity.

Keywords: Electricity Losses and Illegal Consumptions, Regional, Panel Data Analysis

JEL Classification: K42, R10, R15

Uzman, [email protected], Türkiye Cumhuriyeti Enerji ve Tabii Kaynaklar Bakanlığı, Enerji İşleri Genel

Müdürlüğü, ORCID: 0000-0001-9562-2432. Dr. Öğr. Üy., [email protected], Bolu Abant İzzet Baysal Üniversitesi, İktisadi ve İdari Bilimler Fakültesi,

Ekonometri Bölümü,Bolu/Türkiye, ORCID:0000-0002-4630-2114.


343

1. Giriş

Elektriğin izinsiz kullanımı pek çok ülkede karşılaşılan bir problem olup, 2012 yılında Hindistan’da

izinsiz elektrik kullanımının toplam elektrik tüketimi içindeki payının %30’a ulaştığı belirtilmektedir

(Bkz. Sekhar, 2014). Dünya Bankası verilerine göre 2000-2014 döneminde Ekonomik İşbirliği ve

Kalkınma Örgütü (The Organisation for Economic Co-operation and Development, OECD)

ülkelerinde ortalama kayıp-kaçak oranı %6,4 olarak gerçekleşirken, Türkiye’de ise %15,6 olarak

gerçekleşmiştir. Bu nedenle her yıl elektrik ihtiyacı ortalama %6 artış gösteren Türkiye’de elektrik

kayıp-kaçağının düşürülmesi önemli bir problem olarak karşımıza çıkmaktadır. Dolayısıyla, elektrik

enerjisi ile ilgili politikalarının oluşturulmasında öncelikle elektrik kayıp-kaçağının nedenlerinin

ortaya konulması gerekmektedir.

Elektrik kayıp-kaçağının azaltılmasında teknik nedenlerin yanında, teknik olmayan sosyo-ekonomik

faktörlerin de olduğu çeşitli yazarlar tarafından belirtilmektedir (Smith, 2004; Jamil ve Ahmad, 2014;

Yutseven, 2015; Gaur ve Gupta, 2016). Bu çalışmada Türkiye’de gerçekleşen elektrik kayıp-

kaçaklarının teknik ve teknik olmayan sosyo-ekonomik nedenleri araştırılmıştır. Türkiye özelinde

yapılan diğer ampirik çalışmalardan farklı olarak; özellikle kayıp-kaçağın yoğun olduğu elektrik

dağıtım bölgeleri istatistiksel olarak tespit edilip, ayrıca incelenmiştir. Böylece, politika yapıcılar için

genel politikaların yanında, bölge özeli politikaların oluşturulabilmesi için ampirik bulgular

sağlanması hedeflenmiştir. Bu amaçla çalışmada 2008-2014 dönemi İstatistiki Bölge Birimi

Sınıflaması (İBBS) Düzey 3’de elektrik enerjisi kayıp-kaçağını etkileyen teknik ve sosyo-ekonomik

faktörler panel veri analiziyle araştırılmıştır. Elde edilen bulgular, kalkınmışlık düzeyinin ve eğitimin

kayıp-kaçak elektrik tüketimi ile mücadelede öncelikli sırada olması gerektiğini göstermiştir. Bununla

birlikte istatistiksel olarak anlamlı derecede elektrik kayıp-kaçağının yüksek olduğu Aras, Dicle,

Vangölü, Fırat ve Çoruh elektrik dağıtım bölgelerinde ise Türkiye geneline göre kalkınmışlık

düzeyinin, istihdamın, yoksulluğun ve eğitimin etkisinin elektrik kayıp-kaçağı üzerinde daha etkili

olduğu tespit edilmiştir.

Çalışma Giriş bölümü dahil olmak üzere beş bölümden oluşmaktadır. İkinci bölümde literatür

taraması, ikinci bölümde çalışmaya konu olan değişkenler ve kullanılan ekonometrik yöntem

açıklanmaktadır. Dördüncü bölümde yapılan analizler sonucunda elde edilen bulgular sunulmaktadır.

Son bölüm olan Sonuç bölümünde ise elde edilen bulgular değerlendirilmektedir.


344

2. Literatür

Elektrik kayıp-kaçaklarını konu alan literatür daha çok teknik kayıpların tespit edilmesine yöneliktir.

Bununla beraber elektriğin izinsiz tüketimi konusunda kısıtlı sayıda çalışma bulunmaktadır. Son

dönemde kayıp-kaçak elektrik tüketiminin yüksek olduğu Hindistan ve Pakistan gibi ülkeler için

çeşitli ampirik çalışmalar yapıldığı tespit edilmiştir. Bu çalışmalarda kayıp-kaçak elektrik tüketiminin

sosyo-ekonomik etkileri üzerine odaklanılmaktadır.

Smith (2004)’de çeşitli ülkeleri kapsayan 1980-2000 dönemi için karşılaştırmalı bir analizle teknik

olmayan elektrik enerjisi kayıp eğilimleri araştırılmaktadır. Elde edilen bulgular yönetim

göstergelerinin teknik olmayan kayıplara dayalı davranışları açıklamada etkili olduğunu

göstermektedir. Steadman (2009) Jamaika’da 1998-2008 yılları arasında izinsiz elektrik kullanımını

etkileyen faktörleri, yerel dinamikleri de dikkate alınarak, panel veri analizi ile araştırmaktadır.

Çalışmada izinsiz elektrik kullanımı üzerinde eğitimin ve gelirin etkisi olmadığı görülmektedir. Bu

durum literatürün tam tersi bir sonuçtur. Yurtseven (2015) bunu Jamaika’nın küçük bir ülke olmasına

ve kendine has yapısına bağlanmaktadır. Bu nedenle çalışmanın sonuçlarının genellenmemesi

gerektiğini ileri sürülmektedir. Bu düşüncede haklılık payı olmakla birlikte; bu durum sosyo-

ekonomik faktörlerin yanında toplumun sosyo-politik yapısının da dikkate alınması gerektiği yönünde

ipuçları vermektedir. Bu bağlamda Jamil ve Ahmad (2014) ile Gaur ve Gupta (2016) çalışmaları örnek

gösterilebilir.

Jamil ve Ahmad (2014) Pakistan’daki elektrik kaybının sosyo-ekonomik ve teknik nedenlerini

elektrik dağıtım şirketlerini birim olarak alan bir panel veri setiyle araştırmaktadır. Çalışma ekonomik

faktörlerden kişi başı gelirin negatif ve elektrik fiyatlarının da pozitif etkiye sahip olduğunu

göstermektedir. Bu değişkenlerin elektrik kaybının temel belirleyicileri olduğu ifade edilmektedir.

Bununla beraber gözlemlenen sıcaklık değerlerinin de pozitif etkiye sahip olduğu görülmektedir. Gaur

ve Gupta (2016)’da ise Hindistan’daki 28 bölge için sosyo-ekonomik, politik ve teknik nedenleri

dikkate alan bir panel veri analizi yapılmaktadır. Çalışmada kayıp-kaçak elektrik tüketimi üzerinde

daha yüksek gelir düzeyinin, verginin GSYİH’ya oranının, elektrik faturalarının daha etkin

toplanmasının, özel sektör kurulu güç kapasitesinin negatif etkiye; daha düşük yoksulluğun,

yolsuzluğun ve okur-yazarlığın ise pozitif etkileye sahip olduğu görülmektedir.

Türkiye üzerine yapılan az sayıda ampirik çalışma bulunmaktadır. Gümüşdere (2004) İBBS Düzey

3’de 1994-2000 dönemi için panel veri analiziyle daha etkin bir tarife tasarımı için kayıp-kaçak

elektrik tüketiminin etkileri üzerine odaklanmaktadır. Bulgular sosyal etkilerin ekonomik etkilerden


345

daha önemli olduğunu göstermektedir. Bu çalışmanın özelleştirme öncesi dönemi inceliyor olması,

varolan dinamiklerin değiştiği düşüncesinden hareket edildiğinde, kayıp-kaçağı belirleyen

dinamiklerin değişmiş olabileceğini akla getirmektedir. Ulusoy ve Oğuz (2007) serbest elektrik

dağıtım pazarının izinsiz olarak kullanılan toplam elektrik miktarını azaltabileceğini göstermektedir.

Çalışmada serbest piyasa koşulları içerisinde kar güdüsünün, özel şirketler tarafından uygulanan daha

iyi tespit mekanizmaları ile kayıp-kaçak elektrik tüketim oranlarının azaltabileceği öne sürülmektedir.

Bağdadioğlu (2011) Türkiye’de kayıp-kaçak elektrik tüketiminin elektrik dağıtımı özelleştirmeleri

üzerinde olumsuz etkileri olduğunu belirtilmektedir. Çalışmada ulusal tarife uygulaması yerine

bölgesel maliyet esaslı tarife uygulamalarına geçilmesi önerilmektedir. Böylece, bölgedeki kayıp-

kaçak elektrik tüketimi konusunda tüketicilere sorumluluk verilerek, tarife sistemine etkinlik

getirileceği ileri sürülmektedir.

Bağdadioğlu vd. (2009) Türkiye’de hem kamu hem de özel elektrik tüketimini araştırmaktadır.

Çalışmada yoksul hanelerin kamu hizmetleri için tüketilen elektrik harcamaları üzerindeki

stratejilerine yer verilmektedir. Elde edilen bulgular yoksul hanelerin toplam harcamaları üzerinde

elektrik tüketiminin önemli bir yük oluşturduğunu göstermektedir. Bu nedenle hanelerin izinsiz

elektrik kullanımı dahil olmak üzere farklı çözümlere başvurdukları ifade edilmektedir. Dolayısıyla,

asgari tüketim seviyesinin korunması gerektiği iddia edilmektedir. Bu bağlamda yoksul hanelerin

tüketim kalıplarını dikkate alan tarifelerin uygulanması önerilmektedir.

Yurtseven (2015) dağıtım şirketleri özelleştirilmeleri sonrası verilerini dikkate almaktadır. Çalışmada

2002-2010 dönemi için İBBS Düzey 3 seviyesinde panel veri analizi ile kayıp-kaçak elektrik tüketimi

üzerinde sosyo-ekonomik faktörlerin etkisi araştırılmaktadır. Ayrıca, çalışmada sosyo-ekonomik

faktörlerin yanında “referanduma katılım oranı” şeklinde bir politika değişkenin de etkisi test

edilmektedir. Bu çalışmada ise kayıp-kaçak elektrik tüketimini belirleyen faktörler yeniden ele

alınırken; literatürdeki diğer ampirik çalışmalardan farklı olarak kayıp-kaçak elektrik tüketiminin

yoğun yaşandığı dağıtım firması bölgeleri tespit edilerek; bu bölgeler için analizler yenilerek bölge

özeli politikalar geliştirilebilmesi yönünde politika yapıcılara ampirik bulgular sağlanması

amaçlanmıştır.

3. Yöntem

Elektrik sisteminde gerçekleşen teknik olmayan kayıplar gözlemlenen bir değişken değildir. Bu

nedenle ampirik çalışmalarda teknik olmayan kayıplar için temsili bir değişken kullanılmaktadır.

Literatürde teknik olmayan kayıpları ifade etmek için elektrik enerjisinde yaşanan toplam kayıp-kaçak


346

verileri kullanılmaktadır. Bu bağlamda çalışmada teknik olmayan kayıpları ölçmek adına her bir yıl

için her bir ilde gözlemlenen toplam elektrik enerjisi kayıp-kaçak değerleri kullanılmıştır.

Literatürde teknik olmayan kayıpların modellenmesinde kullanılan sosyo-ekonomik faktörler gelir,

eğitim, işsizlik, yoksulluk, elektrik enerjisinin birim fiyatı vb. değişkenlerle tanımlanmaktadırlar.

Elektrik enerjisinin kayıp-kaçak verileri içerisinde teknik nedenlerden ötürü yaşanan enerji kayıpları

da yer almaktadır. Bu nedenle yapılacak modellemelerde teknik nedenleri ifade edebilecek

değişkenlere de yer verilmesi akla uygundur.

Kayıp-kaçak elektrik tüketiminin bölgeler itibariyle farklılıklar göstermesi nedeniyle panel veri

modellerinden yararlanılmıştır. Böylece bölgeler arasında gözlemlenemeyen etkilerin ve zaman

içindeki değişimlerin modellenmesi amaçlanmıştır. Bu bağlamda 2008-2014 dönemi İBBS Düzey 3

için bir panel veri seti oluşturulmuştur. Modellemede kullanılan değişkenlere ait mevcut veriler analiz

döneminin sınırlarını belirlemiştir. Veriler Türkiye Elektrik Dağıtım A.Ş. (TEDAŞ), Türkiye İstatistik

Kurumu (TÜİK) ve Kalkınma Bakanlığı’ndan elde edilmiştir.

Panel veri modelleri sabit ve rassal etki modelleri olmak üzere iki temel model başlığında

incelenmektedir. Gözlenemeyen etkiler, sabit terimin bir bileşeni olarak ele alınması durumunda sabit

etkiler modeliyle; hata teriminin bir bileşeni olarak ele alınması durumunda ise rassal etkiler

modeliyle modellenmektedirler. Panel veri modelleri özelliklerine göre farklı tahminciler ile tahmin

edilmektedirler. Panel veri analizlerinde özellikle belirli ülkeler veya ülke içerisindeki belirli bölgeler

konu edildiğinde sabit etkiler modelinin kullanılması idealdir. Bununla beraber zaman içerisinde sabit

kalan veya değişimi yavaş olan değişken(ler) bu modellerden dışlanmaktadırlar (Gaur ve Gupta, 2016,

s. 131). Bu nedenle çalışmada panel veri modellerinin tahmininde Esnek Genelleştirilmiş En Küçük

Kareler (EGEKK) yöntemi kullanılmıştır.

4. Bulgular

Çalışmada analizler üç adımda gerçekleştirilmiştir. İlk adımda Türkiye geneli için kayıp-kaçak

elektrik tüketiminin belirleyicileri tahmin edilmiş; ikinci adımda ise kayıp-kaçak elektrik tüketimi

üzerinde hangi bölgelerin istatistiksel olarak anlamlı etkiye sahip olduğu tespit edilmiştir. Bu aşamada

Wooldridge (2012)’de belirtildiği gibi gözlenemeyen etkilerin kukla değişkenler ile modellenmesi

sonucu, elde edilen katsayıların gösterdiği desenden (pattern) yararlanılmıştır. Son aşamada ise ikinci

aşamada belirlenen bölgeler dikkate alınarak kayıp-kaçak elektrik tüketiminin belirleyicileri bölge

özeli itibariyle analiz edilmiştir. Böylece ülke geneli ile bölge özeli farklılar tespit edilmeye


347

çalışılmıştır. Elektrik kayıp-kaçağının modellenmesinde kullanılan değişkenler ve tanımları Tablo

1’de verilmiştir.

Tablo 1: Modellerde Kullanılan Değişkenler ve Tanımları

Değişken Tanım

theft Kayıp-kaçak miktarının toplam elektrik tüketimine oranı (%).

educ En az lise mezunlarının 15 yaş ve üzeri nüfusa oranı (%).

highedu En az lisans mezunlarının 15 yaş ve üzeri nüfusa oranı (%).

SEGE Sosyo-ekonomik kalkınmışlık düzeyi (İndeks).

price Meskenlerde kullanılan elektriğin 1 kWh fiyatı (TL).

agriwater Tarımsal sulamada kullanılan elektriğin toplam elektrik tüketimine oranı (%).

agriGDP Tarımsal üretimin Gayri Safi Yurtiçi Hasıla (GSYİH)’ya oranı (%).

firmelec Ticarethanelerde kullanılan elektriğin toplam elektrik tüketimine oranı (%).

temp Yıllık ortalama sıcaklık değerleri (0C).

rural Kent nüfusunun toplam nüfusuna oranı (%).

mgrt Net göç hızı (Binde).

Emp İstihdam oranı (%).

unemp İşsizlik oranı (%).

poverty Yoksulluk sınırı (TL).

crime Kaçakçılık suçundan hükümlü olanların toplam hükümlü sayısına oranı (%).

Tax Tahsilat edilen verginin GSYİH’ya oranı (%).

transformer Trafo sayısı (Adet).

election2010 2010 Halkoylamasının olduğu yıl 1, diğer durumlar (dd) için 0.

election2011 2011 Cumhurbaşkanlığı seçiminin olduğu yıl 1, dd için 0.

region Aras, Dicle, Vangölü, Fırat ve Çoruh dağıtım şirketlerinin kapsadığı iller için 1, dd iller için 0.

Kayıp-kaçak oranında farklılaşan bölgeleri tespit etmek için sadece dağıtım şirketlerini ifade eden

kukla değişkenler kullanılarak kayıp-kaçak oranları modellenmiş ve En Küçük Kareler (EKK)

yöntemi ile tahmin edilmiştir. Tahmin sonuçları Tablo 2’de sunulmuştur.

Tablo 2: Bölgelerin Kayıp-Kaçak Üzerindeki Etkileri

Dağıtım Bölgeleri Katsayı Standart Hata p-değeri

AKDENİZ 7,1651 8,5892 0,405

AKEDAŞ 7,3069 10,5196 0,488

ARAS 39,0156 5,6230 0,000***

AYDEM 8,8562 8,5892 0,303

BAŞKENT 6,3363 5,6230 0,260

DİCLE 239,8463 6,0735 0,000***

FIRAT 18,4998 7,4385 0,013**

GEDİZ 6,2932 10,5196 0,550

KAYSERİ 5,5548 14,8770 0,709

MERAM 8,4615 6,0735 0,164

OSMANGAZİ 5,5460 6,6532 0,405

SEDAŞ 5,5415 7,4385 0,457

TOROSLAR 8,3393 6,0735 0,170

TRAKYA 5,7737 8,5892 0,502

ULUDAĞ 5,2704 7,4385 0,479

VANGÖLÜ 144,9754 7,4385 0,000***

YEŞİLIRMAK 9,7407 6,6532 0,144

ÇAMLIBEL 8,7742 8,5892 0,307

ÇORUH 11,8831 6,6532 0,075*


348

İSTANBUL 9,4484 14,8770 0,526

*** %1, ** %5 ve * %10 anlamlılık düzeyinde anlamlı.

Tablo 2’de Aras, Dicle ve Vangölü elektrik dağıtım şirketlerini ifade eden kukla değişkenlere ait

katsayıların %1, Fırat dağıtım şirketini ifade eden kukla değişkenin katsayısının %5 ve Çoruh dağıtım

şirketini ifade eden kukla değişkenin katsayısının da %10 anlamlılık düzeyinde istatistiksel olarak

anlamlı olduğu görülmektedir. Diğer şirketleri ifade eden kukla değişkenlerin katsayılarının ise %10

anlamlılık düzeyinde dahi istatistiksel olarak anlamlı olmadığı görülmektedir. Bu sonuçlardan hareket

ederek kayıp-kaçak oranlarında istatistiksel olarak anlamlı bölge etkisinin Aras, Dicle, Vangölü, Fırat

ve Çoruh dağıtım şirketlerinin kapsadığı illerden oluşan bölgenin olduğuna karar verilmiştir. Bu iller:

Ağrı, Ardahan, Bayburt, Erzincan, Erzurum, Iğdır, Kars, Diyarbakır, Şanlıurfa, Mardin, Batman, Siirt,

Şırnak, Van, Muş, Bitlis, Hakkari, Bingöl, Elazığ, Malatya, Tunceli, Artvin, Giresun, Gümüşhane,

Rize ve Trabzon’dur.

İkinci aşamada Türkiye genelini dikkate alan İBBS Düzey 3 için elektrik kayıp-kaçağını etkileyen

faktörlerin neler olduğu araştırılmıştır. Bu bağlamda kayıp-kaçak oranını etkiyen sosyo-ekonomik ve

teknik nedenleri ifade eden değişkenlerle kayıp-kaçak oranı modellenmiş; EGEKK yöntemi

kullanılarak da tahmin edilmiştir. Tahmin sonuçları Tablo 3’de verilmiştir.

Tablo 3: Türkiye Geneli Tahmin Sonuçları

Değişken Katsayı Standart Hata p-değeri

Educ -2,3745 0,7007 0,0010***

SEGE -25,2397 7,1757 0,0000***

price 12,8791 3,5686 0,0000***

agriwater 0,2323 0,3987 0,5600

Temp 0,1713 0,1113 0,1240

rural 0,4747 0,1993 0,0170**

Mgrt 0,6969 0,2306 0,0030***

Emp -2,7842 0,4772 0,0000***

Unemp 1,3446 0,8589 0,1170

poverty 0,0133 0,0052 0,0110**

Crime 3,7537 0,5838 0,0000***

Tax 1,5237 0,7266 0,0360**

transformer 0,0019 0,0008 0,0140**

election2011 24,6814 6,5314 0,0000***

Region 57,9854 7,1197 0,0000***

sabit terim -90,6798 50,2236 0,0710*

Wald 𝝌𝟐 849,30 Loglikelihood -2534,0410

p-değeri 0,000 Gözlem sayısı 486

*** %1, ** %5 ve * %10 anlamlılık düzeyinde anlamlı.

Tablo 3’de eğitimin, illerin kalkınmış düzeylerinin ve istihdamın kayıp-kaçak elektrik tüketimini

azaltıcı etki gösterdiği görülmektedir. Bulgular literatürle uyumlu olup, istatistiksel olarak da


349

anlamlıdır. Elektrik enerjisinin mesken ve tarımsal sulama fiyatı ile kentleşme, göç, işsizlik, yoksulluk

ve suç değişkenlerinin ise kayıp-kaçak elektrik tüketimini arttığı görülmektedir. Kocaman ve Kutlu

(2016)’da Bitlis özelinde kış şartlarının ağır olması nedeniyle okunamayan sayaçların bahar

mevsiminde okunmasından dolayı en yüksek kayıp-kaçak oranlarının Ocak ayında gerçekleştiği; yaz

aylarında kullanılan elektrik enerjisinin tahakkukunun da tarımsal ürünlerin satılmasından sonra

ödemelerin gerçekleşmesi nedeniyle en düşük kayıp-kaçak oranının Temmuz ayında gerçekleştiği

belirtilmektedir. Bu durum tarımsal sulama fiyatının ve sıcaklığın elektrik kayıp-kaçağı üzerindeki

etkisinin istatistiksel olarak anlamlı olmamakla birlikte, pozitif etki göstermesinin nedeni olabilir.

Kayıp-kaçak elektrik tüketimi üzerinde kentleşme, göç, işsizlik, yoksulluk ve suç değişkenleri bir

bütün olarak değerlendirilebilir. Kentleşme ve göçle şehirler içerisinde gettolar oluşmakta, bunun

yanında artan işsizlik ile beraberinde gelen yoksulluk ve suç hikayesi; bir bütün olarak kayıp-kaçak

elektrik tüketimini üzerinde pozitif ve istatistiksel olarak anlamlı etki göstermektedir. Trafo sayısı,

bağımlı değişken olan kayıp-kaçak oranın bir kısmını oluşturan teknik nedenlerin göstergesi olarak

modelde yer almıştır. Ayrıca modelde kayıp-kaçak elektrik tüketiminin yoğun yaşandığı elektrik

dağıtım bölgeleri olan Aras, Dicle, Vangölü, Fırat ve Çoruh dağıtım bölgeleri bir kukla değişken ile

modellenmiştir.

Son aşamada elektrik kayıp-kaçağının istatistiksel olarak anlamlı derecede farklılaştığı Aras, Dicle,

Vangölü, Fırat ve Çoruh dağıtım şirketlerinin kapsadığı iller için elektrik kayıp-kaçağını etkileyen

faktörler ayrıca araştırılmıştır. EGEKK tahmin sonuçları Tablo 4’de verilmiştir.

Tablo 4: Bölge İtibariyle Tahmin Sonuçları

Değişken Katsayı Standart Hata p-değeri

higheduc -4,3185 2,1765 0,0470**

SEGE -212,5662 35,1902 0,0000***

firmelec 4,0534 1,1716 0,0010***

agriwater 3,9908 1,4911 0,0070***

agriGDP -7,5283 1,7688 0,0000***

Rural 1,0898 0,6244 0,0810*

Emp -7,7169 1,5991 0,0000***

poverty 7,9428 3,1057 0,0110**

Crime 3,0503 0,8644 0,0000***

Tax -8,3906 3,5727 0,0190**

transformer 0,0098 0,0036 0,0070***

elec2010 25,8904 11,7399 0,0270**

sabit terim 17,91759 23,0444 0,4370

Wald 𝝌𝟐 579,79 Loglikelihood -833,3449

p-değeri 0,0000 Gözlem sayısı 156

*** %1 anlamlılık düzeyinde anlamlı, ** %5 anlamlılık düzeyinde anlamlı ve

* %10 anlamlılık düzeyinde anlamlı.


350

Tablo 4’de Türkiye genelinden farklı olarak en az yükseköğretim mezunu olan nüfusun 15 yaş ve

üzeri nüfus içerisindeki payının kayıp-kaçak oranı üzerinde anlamlı bir negatif etkiye sahip olduğu

görülmektedir. Bunun yanında Türkiye geneli modelinden farklı olarak bölge özelinde mesken ve

tarımsal elektrik kullanımına karşın ticarethanelerdeki elektrik kullanımının kayıp-kaçak oranları

üzerinde arttırıcı etkisi olduğu görülmektedir. Bu durumda sadece yöre çiftçisinin sulama

alışkanlığının değiştirilebilmesinin bile, bölgedeki kayıp-kaçak oranının düşmesinde ciddi bir

iyileşme sağlanacağı düşünülmektedir.

5. Sonuç

Elektriğin izinsiz kullanımı gelişmekte olan ülkeler için önemli bir problem olarak karşımıza

çıkmaktadır. Kayıp-kaçak elektrik tüketimi bölgesel düzeyde yatırım kararlarını etkileyebilme gücüne

sahiptir. Bu bağlamda ekonomik büyüme üzerinde negatif etkiler gösterme ihtimali oldukça yüksektir.

Bu nedenle kayıp-kaçak elektrik tüketimi hem elektrik enerjisi arz güvenliğini hem de sürdürülebilir

ekonomik büyümeyi etkileyen bir sorundur.

Kayıp-kaçak elektrik tüketiminin önlenmesi yönünde ağırlıklı olarak teknik yöntemler (örneğin, akıllı

sayaç kullanımı) üzerine yoğunlaşılmaktadır. Bununla beraber sorunun sosyo-ekonomik nedenlerinin

belirlenmesi, önleyici politikaların oluşturulması açısından önem arz etmektedir. Bu bağlamda bu

çalışmada Türkiye’de elektrik enerjisinin izinsiz kullanımı üzerinde hem sosyo-ekonomik hem de

teknik nedenlerinin etkileri Türkiye geneli ve bölge özeli analizlerle araştırılmıştır. Literatürde

Türkiye üzerine yapılan diğer ampirik çalışmalardan farklı olarak, elektrik kayıp-kaçak oranlarının

istatistiksel olarak farklılaştığı bölgeler Aras, Dicle, Vangölü, Fırat ve Çoruh dağıtım şirketlerinin

kapsadığı bölgeler olarak tespit edilmiştir. Elde edilen bulgular, kalkınmışlık düzeyinin ve eğitimin

kayıp-kaçak elektrik tüketimi ile mücadelede öncelikli sırada olması gerektiğini göstermiştir. Bununla

birlikte istatistiksel olarak anlamlı derecede elektrik kayıp-kaçağının yüksek olduğu Aras, Dicle,

Vangölü, Fırat ve Çoruh elektrik dağıtım bölgelerinde ise Türkiye geneline göre kalkınmışlık

düzeyinin, istihdamın, yoksulluğun ve eğitimin etkisinin elektrik kayıp-kaçağı üzerinde daha etkili

olduğu tespit edilmiştir. Ayrıca, Türkiye geneli modelinden farklı olarak bölge özelinde mesken ve

tarımsal elektrik kullanımına karşın ticarethanelerdeki elektrik kullanımının kayıp-kaçak oranları

üzerinde arttırıcı etkisi olduğu tespit edilmiştir. Bu durumda sadece yöre çiftçisinin sulama

alışkanlığının değiştirilebilmesi bile, bölgedeki kayıp-kaçak oranının düşmesinde ciddi bir iyileşme

sağlanacağı düşünülmektedir. Dolayısıyla, elektriğin kayıp-kaçak oranın düşürülmesinde sadece

Türkiye genelini dikkate alan politikaların yanında, bölge özeli politikaların da geliştirilmesi

gerekliliği görülmektedir.


351

Kaynakça

Bağdadioğlu, N., (2011). Regulation in the Turkish Electricity Industry, the Political Economy of Regulation in Turkey.

Springer. New York, 123-143.

Bağdadioğlu, N., Bas¸ Aran, A., Kalaycıoğlu, S., Pınar, A., 2009. Integrating Poverty in Utilities Governance. UNDP-

Hacettepe University Center for Economics and Entrepreneurship. Available from:

http://www.tr.undp.org/content/dam/turkey/docs/povreddoc/Integrating_Poverty_in_Utilities_Governance_ES.

pdf.

Gaur, V., Gupta, E. (2016). The Determinants of Electricity Theft: An Empirical Analysis of Indian States, Energy Policy,

93, 127-136.

Gümüşdere, E., (2004). Theft and Losses in Turkish Electricity Sector. (Yayınlanmamış yüksek lisans tezi). Sabancı

University Faculty of Economics and Administrative Sciences.

Jamil, F., Ahmad, E. (2014). An Empirical Study of Electricity Theft from Electricity Distribution Companies in Pakistan,

The Pakistan Development Review, 53(3), 239-254.

Kocaman, B., Kutlu, R. (2016). Bitlis İlindeki Elektrik Enerjisi Dağıtım Kayıplarının İncelenmesi, BEÜ Fen Bilimleri

Dergisi, 5(2), 229-237.

Sekhar, P., (2014). Secured Techno-Economic Growth of India: Unleashing Hidden Growth Potential. Micro Media

Marketing Pvt. Ltd., Mumbai.

Smith, T. B., (2004). Electricity theft: a comparative analysis. Energy Policy, 32, 2067–2076.

Steadman, K., (2009). Electricity Theft in Jamaica. (Yayınlanmamış doktora tezi). State University of New York at

Binghamton Department of Economics.

Ulusoy, A., Oğuz, F. (2007). The Privatization of electricity distribution in Turkey: A legal and economic analysis. Energy

Policy, 35, 5021-5034.

Woolridge, J. M., (2012). Introductory Econometrics: A Modern Approach 5th. South-Western College Pub.

Yutseven, Ç. (2015). The Causes of Electricity Theft: An Econometric Analysis of The Case of Turkey, Utilities Policy,

37, 70-78.

http://www.tr.undp.org/content/dam/turkey/docs/povreddoc/Integrating_Poverty_in_Utilities_Governance_ES.pdf

http://www.tr.undp.org/content/dam/turkey/docs/povreddoc/Integrating_Poverty_in_Utilities_Governance_ES.pdf


352

Türkiye’de Tasarruf ve Yatırım İlişkisi: Ekonometrik Bir Analiz

Tuğba AKIN1

Osman PEKER2

Özet

Yatırım ve tasarruf kararları hem kısa hem uzun dönem makroekonomik analizlerin

merkezinde yer alan bir konudur. Yatırım dinamikleri ve tasarruf olgusu, kısa dönemde iktisadi

dalgalanmaların ve para politikası yönetimlerinin analizinde önemli bir yer tutarken uzun

dönemde sermaye stokunun büyüklüğü ile ücretlerin, faizin ve yaşam standardının sonuçlarını

belirlemektedir. Özellikle gelişmekte olan ülkeler, tasarruf eksikliği problemini yurt dışı

sermaye akımları ve dış borçlanma yolu ile çözme yoluna giderek dışa bağımlılıklarını

arttırmakta, ekonomilerini döviz kuru risklerine ve yabancı ekonomik şoklara karşı daha

kırılgan hale getirmektedir. Türkiye’de, dış finansman kolaylıkları ve tüketime dayalı büyüme

hedefleri sebebiyle, diğer ülkeler gibi tasarrufların artırılmasını ikinci plana atmıştır.

Tasarrufların yatırımlar üzerindeki önemli etkisi göz ardı edilmiş ve üreterek büyüme modeli

yerine harcama kanalı ile büyüme modeli referans alınmıştır.

Bu kapsamda, Türkiye’de tasarrufların yatırımlar üzerindeki etkisi faiz ve enflasyon açıklayıcı

değişkenlerinin yardımı ile 1975-2016 dönemi için Kapetanios (2005) çoklu yapısal kırılmalı

birim kök testi, Johansen Eşbütünleşme Testi ve Hatemi-J Asimetrik nedensellik testi ile analiz

edilmiştir. Elde edilen bulgulara göre yatırım, tasarruf ve faizle pozitif, enflasyonla negatif

ilişki içindedir. Benzer şekilde tasarrufların hata terimine gelen pozitif bir şok %10 istatistiki

anlamlılık düzeyinde yatırımların hata terimlerinde pozitif bir şoka neden olmaktadır. Bu

durum eşbütünleşme testindeki uzun dönem ilişkide elde edilen sonucu desteklemektedir.

Türkiye’de yatırımların tasarruflardan bağımsız olmadığı sonucuna varılmıştır.

Anahtar Kelimeler: Tasarruf, Yatırım, Faiz, Enflasyon, Eşbütünleşme

JEL Sınıflaması: E21, E22, C32

The Relationship between Saving and Investment in Turkey: An Econometric Analysis

Abstract

Investment and saving decisions are subject in the center of both short and long-term

macroeconomic analysis. While investment dynamics and saving fact have an important place

in the analysis of economic fluctuations and monetary policy management in the short term,

they determine the size of capital stock and the wages, interest rates and living standards in the

long term. In particular, developing countries are solving their saving deficiency problem

through foreign capital inflows and external borrowing by increasing their dependency on

external funders and making their economies more fragile against exchange rate risks and

foreign economic shocks. Because of convenience of external financing and consumption-

based growth policies, Turkey has pushed saving into the background like other countries. The

1 Dr. Öğr. Üy., [email protected] ,Aydın Adnan Menderes Üniversitesi, Aydın İktisat Fakültesi, Ekonometri Bölümü,

Aydın/Türkiye, ORCID:0000-0002-1132-388X 2 Prof. Dr., [email protected], Aydın Adnan Menderes Üniversitesi, NİİBF, İktisat Bölümü, Nazilli, Aydın/Türkiye


353

significant impacts of savings on investments have been ignored and consumption-based

growth model was preferred over production-based growth model.

In this context, the effects of saving on investment were analyzed in Turkey for the period of

1975-2016 based on the interest and exchange rate variables by using the Kapetanios’s (2005)

multi-structural unit root test; Johansen Cointegration Test and Hatemi-J’s (2012) asymmetric

causality test. According to findings, investment has positive relationship with both savings

and interest, but vice versa with inflation. Similarly, a positive shock to the error term of

savings leads to a positive shock in error terms of investments at a statistical significance level

of 10%. This supports the result obtained in the long-term relationship in the cointegration test.

It was concluded that investments could not be considered as independent from savings for

Turkey.

Keywords: Saving, Investment, Interest Rate, Inflation, Cointegration

JEL Clasification: E21, E22, C32

1. Giriş

Yatırım ve tasarruf kararları hem kısa hem uzun dönem makroekonomik analizlerin merkezinde yer

alan bir konudur. Yatırım dinamikleri ve tasarruf olgusu, kısa dönemde iktisadi dalgalanmaların ve

para politikası yönetimlerinin analizinde önemli bir yer tutarken uzun dönemde sermaye stokunun

büyüklüğü ile ücretlerin, faizin ve yaşam standardının sonuçlarını belirlemektedir. Özellikle

gelişmekte olan ülkeler, tasarruf eksikliği problemini yurt dışı sermaye akımları ve dış borçlanma yolu

ile çözme yoluna giderek dışa bağımlılıklarını arttırmakta, ekonomilerini döviz kuru risklerine ve

yabancı ekonomik şoklara karşı daha kırılgan hale getirmektedir. Gelişmekte olan ülkelerin yatırım

ve tasarruf kararları, kendi içinde coğrafi, kültürel ve alışkanlıklara bağlı olarak değişkenlik gösterse

de, tasarruflarının Gayri Safi Yurt İçi Hasıla (GSYİH) içerisindeki payının gelişmiş ülkelere kıyasla

düşük olması, gelişmekte olan ülkelerin ortak sorunudur. Bu ülkelerin tasarruf eksikliği problemi aynı

zamanda Ar-Ge ve inovasyona yeterince yatırım yapmalarını ve sürdürülebilir ekonomik büyüme

düzeyi yakalamalarını da önemli ölçüde güçleştirmektedir.

Türkiye’de, dış finansman kolaylıkları ve tüketime dayalı büyüme hedefleri sebebiyle, diğer ülkeler

gibi tasarrufların artırılmasını ikinci plana atmıştır. Bu bağlamda yatırımlarını ağırlıklı olarak dış

finansman kaynakları ile finanse etmeye çalışmıştır. Doğal olarak bu durumun sürdürebilirliği dışsal

etkenlerdeki gelişmelere bağımlı bir haldedir. Tasarrufların yatırımlar üzerindeki önemli etkisi göz

ardı edilmiş ve üreterek büyüme modeli yerine harcama kanalı ile büyüme modeli referans alınmıştır.

Ancak ulusal tasarruflar sadece finansman sağlamamakta ayrıca toplumsal refahı arttıran, ülke

ekonomisinin kırılganlığını azaltan ve ülkeler arasında güçlü bir ekonomik kompozisyon sağlayan bir

unsur olarak karşımıza çıkmaktadır. Bu kapsamda Türkiye’nin güçlü bir ekonomik gelişme


354

sağlamasında rol oynayan temel hedefler belirlenerek, tasarrufların bu hedeflere ulaşmadaki rolü daha

anlaşılır olacaktır. Yatırım finansmanında ikinci plana atılan ulusal tasarrufların önemi bu çalışma ile

tekrar vurgulanmaya çalışılmıştır. Bu kapsamda çalışmanın ikinci bölümde ülke verilerine yer

verilmiş, üçüncü bölümünde literature özeti sunulmuştur. Çalışmanın dördüncü bölümünde

ekonometrik analiz ve sonuçları raporlanmış ve beşinci bölümde sonuç ve öneriler sunulmuştur.

2. Ülke Verileri

Türkiye’nin 1975-2016 dönemini kapsayan tasarruf ve yatırım verileri incelediğinde, 1998 ve 2001

yıllarında Türkiye yatırımlarını önemli ölçüde tasarrufları ile finance edebilmişken; özellikle 2002 yılı

ve sonrasında tasarruflar yatırımları karşılayamaz hale gelmiştir. 2001 Güçlü Ekonomiye Geçiş

Programı sonrası enflasyon hedeflemesi politikasının benimsenmesi, enflasyon oranlarının artış hızını

azaltmış ve Türkiye tarihinde enflasyon ilk defa tek haneli oranlara gerilemiştir. 2008 küresel kriz

dönemi dışında kişi başına düşen milli gelir ortalama %20 oranında artmış, bu durum ücretli

çalışanların refahına da yansıyarak geçinme endeksi 2002-2007 yılları arasında ortalama %14

artmıştır. Gelirin artması durumunda Keynesyen görüşe göre tasarrufların gelirin bir fonksiyonu

olduğu varsayımı altında tasarruflarında artması ve hatta tasarrufların, tüketime kıyasla daha hızlı

artması beklenir.

Grafik 1. Türkiye tasarruf ve yatırım verileri (1975-2016 dönemi)

Kaynak: Kalkınma Bakanlığı, 2017.

Ancak, bu durumun tasarruf kalemine olumlu yansıması beklenirken, alım gücünde meydana gelen

artış ve kredi alabilme kolaylıkları ertelenmiş tüketimi tetiklemiş ve hanehalkının tasarruflarının

azalmasına neden olmuştur. Ülkenin güçlü dinamikleri olmasına rağmen finansman açısından yurt

dışına son derece bağımlı olması ortaya çıkabilecek küresel krizler karşısında kırılganlığını arttıran

bir unsur olmuştur. Nitekim 2008 yılında ortaya çıkan küresel kriz dünya genelinde likidite sıkıntısını

beraberinde getirmiş, gelişmekte olan ülkeler finansal kaynak bulmakta zorlanmıştır.

0

20

40

197

5

197

7

197

9

198

1

198

3

198

5

198

7

198

9

199

1

199

3

199

5

199

7

199

9

200

1

200

3

200

5

200

7

200

9

201

1

201

3

201

5

S/GDP I/GDP


355

Grafik 2. Türkiye Yatırım ile Faiz ve Enflasyon Verileri (1975-2016 dönemi)

Kaynak: Kalkınma Bakanlığı, 2017.

Türkiye’de özellikle 2002 yılı sonrası faiz ve enflasyon oranlarında meydana gelen düşüşün

yatırımlar üzerinde belirleyici bir etkisinin olup olmadığı hususunda doğrudan veri gözlemi ile bir

yorum yapmak doğru olmayacaktır. Bu sebeple söz konusu ilişkinin varlığını ampirik analiz

yöntemleri ile incelemek daha sağlıklı sonuçlara ulaşılmasını sağlayacaktır.

3. Literatür

Tasarruf ve yatırım arasındaki ilişkiyi irdeleyecek olursak, yapılan ampirik çalışmalarda

tasarrufların yatırımları pozitif yönde etkilediği ve genellikle uzun dönemde değişkenlerin birlikte

hareket ettiği gözlemlenmiştir (Feldstein ve Bacchetta, 1991; Coiteux ve Olivier, 2000; Rodrik,

1998; Agbetsiafa, 2002; De Vita ve Abbott, 2002, Sinha, 2002; Li, 2008; Kaya, 2010; Adebola ve

Dahalan, 2012; Göçer vd., 2014; Kònya, 2015; Ketenci, 2016; Tursoy ve Faisal, 2017). Agbetsiafa

(2002), Sinha (2002), Adebola ve Dhalan (2012) ve Tursoy ve Faisal (2017) çeşitli ülkeleri

kapsayan çalışmalarında ağırlıklı olarak tasarruflardan yatırımlara doğru bir nedensellik ilişkisi

tespit etmiş, bazı ülkeler için ise söz konusu nedensellik ilişkisi çift yönlü bulunmuştur. Li (2008)

ise nedensellik uygulamasında tutarlı bir sonuç elde edememiştir.

Bu çalışma ile söz konusu değişkenler arasındaki ilişki yapısal kırılmalardan arındırılarak ve

asimetrik şokların etkisi göz önünde bulundurularak analiz edilecektir. Bu bağlamda çalışmanın

Türkiye örneği için literature katkı yapması beklenmektedir.

4. Ekonometrik Analiz

4.1. Veri Seti ve Model

Bu çalışmada, Türkiye ekonomisinde tasarrufların yatırımlar üzerindeki etkisini tasarruf oranları

(S), yatırım (I), enflasyon (π) ve faiz (i) verileri kullanılmıştır. Çalışma daha geniş bir dönemi

irdeleyebilmek için yıllık veriler kullanılmış ve dolayısıyla mevsimsellik içermeyeceği için

mevsimsellikten arındırma işlemi yapılmamıştır. Serilerin homojenliği için oransal olmayan

değişkenlerin logaritması alınmış ve yorum kolaylığı sağlanmıştır.

0.0

10.0

20.0

30.0

0.0

50.0

100.0

150.0

197

5

198

4

199

3

200

2

201

1

Yatırım ve Faiz

i I

0

50

100

150

0.0

10.0

20.0

30.0

197

5

198

4

199

3

200

2

201

1

Yatırım ve Enflasyon

I π


356

Tablo 1. Kullanılan Değişkenler

Değişkenler Kısaltması Açıklaması Birimi Kaynağı

Tasarruf Oranı S Tasarrufların GSYİH

içerisindeki payı Oran

Kalkınma Bakanlığı, Dünya

Bankası, Economy Watch

Forecast

Yatırım Oranı I Sabit Sermaye Yatırımlarının

GSYİH içerisindeki payı Oran

Kalkınma Bakanlığı, Dünya

Bankası, Economy Watch

Forecast

Enflasyon π TEFE Genel Endeks (ITO

TEFE, 1968=100) % Değişim Oran TCMB EVDS

Faiz i TL Mevduat Faiz Oranları* Oran TCMB EVDS * Mevduat faiz oranları yılın son ayında cari olan oranları yansıtmaktadır. TL mevduat 2002 yılına kadar 1 yıl vadeli

tasarruf mevduatı faiz oranını, 2002 yılı ve sonrasında ise 1 yıla kadar vadeli ağırlıklı ortalama mevduat faiz oranını

yansıtmaktadır.

Tasarrufların yatırımlar üzerindeki etkisini analiz edebilmek için oluşturulan model aşağıdaki

gibidir.

It = β0 + β1St + β2it + β3πt + τt (1)

4.2. Yöntem

Bu çalışmada tasarrufun yatırım üzerindeki etkisi 1975-2016 dönemi temel alınarak Türkiye

örneği içi analiz edilmiştir. Söz konusu yatırımlar tasarrufların yanı sıra enflasyon ve faiz gibi

birden fazla değişkenden de etkilendiği için, analize digger açıklayıcı değişkenler olarak ilave

edilmiştir. Çalışmada serilerin birim kök analizi ADF ve PP birim kök testleri ile analiz edilmiş;

aynı zamanda değişkenleri yapısal kırılmalardan arındırabilmek için Kapetanios (2005) çoklu

yapısal birim kök tasti yöntemi ile durağanlık sınaması yapılmıştır. Serile arasında eşbütünleşme

ilişkisi Johansen Eşbütünleşme testi (1990) ile irdelenmiş; seriler arasındaki asimetrik nedensellik

ilişkisi Hatemi-J (2012) analiz yöntemi ile test edilmiştir.

4.3. Ekonometrik Analiz Sonuçları

4.3.1. Birim Kök Analiz Sonuçları

Tablo 2. ADF ve PP Birim Kök Analiz Sonuçları

Değişken ADF Test İstatistiği

PP Test İstatistiği

Kritik Değer

1%

S Sabit -1.764 -1.844 -3.601

Sabit ve Trend -2.014 -2.137 -4.199

ΔS Sabit -7.382 *** -7.302 *** -3.607

Sabit ve Trend -7.284 *** -7.210 *** -4.205

I Sabit -2.906 -3.055 -3.601

Sabit ve Trend -2.993 -3.163 -4.199

ΔI Sabit -6.506 *** -6.782*** -3.606

Sabit ve Trend -6.418 *** -6.674*** -4.205

i Sabit -1.396 -1.364 -3.601

Sabit ve Trend -1.774 -1.654 -4.199

Δi Sabit -6.579 *** -6.599 *** -3.606

Sabit ve Trend -6.197 *** -6.865 *** -4.212


357

π Sabit -1.882 -2.047 -3.607

Sabit ve Trend -2.461 -2.662 -4.212

Δπ Sabit -6.845 *** -7.209*** -3.606

Sabit ve Trend -6.896 *** -7.609*** -4.205

Sonuçlara bakıldığında S, I, π ve i serilerinin düzey değerlerinde birim kök içerdiği yani durağan

olmadığı gözlemlenmiştir. Serilerin birinci farkı alındığında ise S, I, π ve i serilerin %1 anlamlılık

düzeyinde durağan olduğu görülmüştür. Modellerimizde kullanılan serilerin hepsinin 1. dereceden

entegre seri (I(1)) olduğu sonucuna varılmıştır.

4.3.2. Kapetanios (2005) Çoklu Yapısal Kırılmalı Birim Kök Analiz Sonuçları

Tablo 3. Kapetanios (2005) Çoklu Yapısal Kırılmalı Birim Kök Analiz Sonuçları

Değişken τ- istatistiği

Kritik Değerler

Yapısal Kırılma Tarihleri 1% 5% 10%

S -5.558 -6.587 -6.113 -5.847 1987 + 2003 -

I -5.036** -5.704 -5.081 -4.82 2001 +

π -3.935 -4.899 -4.354 -4.078 2003 -

i -3.869 -4.899 -4.354 -4.078 1999 -

ΔS -8.601*** -6.587 -6.113 -5.847 1988 2003

ΔI -6.492*** -5.653 -5.036 -4.737 1988 2001

Δπ -7.284*** -4.899 -4.354 -4.078 1994

Δi -7.212*** -5.616 -5.096 -4.784 1997 2004

Not: ** ve *** sırasıyla %5 ve %1 önem düzeyinde serilerin durağanlıklarını ifade etmektedir. Δ serinin birinci

farkının alındığını belirtmektedir. Test istatistikleri Gauss programı için yazılmış kodlarla elde edilmiştir. Kritik

değerler, bootstrap yardımıyla 1000 yineleme ile elde edilmiştir. Test yöntemi olarak, yapısal kırılma sayısını veri

setine göre belirleyen model seçilmiştir.

I serisi dışında seriler düzey değerlerinde birim kök içermekte ve seriler birinci farkları alındıktan

sonra durağan hale gelmektedir. Buna göre serilerin birinci dereceden entegre I(1) seri olduğuna

karar verilmiştir. Analiz sonucunda tek ve çift yapısal kırılmalar saptanmıştır. Serilerin düzey

değerlerinde elde edilen yapısal kırılma tarihlerini yorumlayacak olursak; 1987 yılı, mali piyasaları

dengelemek ve TL’den kaçışı önleyebilmek için faizlerin yükseltildiği ve bu bağlamda

tasarrufların artma eğilimi gösterdiği dönemi işaret etmektedir. Nitekim 1987-1988 yıllarında

Türkiye tarihinin en yüksek tasarruf oranlarına sahip olmuştur. 2003 yılında ise, Nisan 2001’de

ilan edilen Güçlü Ekonomiye Geçiş Programı, tek parti iktidarı ve 2002 sonrası dönemde dünyada

yaşanan likidite bolluğunun etkileri ile tasarruf oranları azalma eğilimi göstermiştir. 1989 yılında

ise, sanayi sektörünün ihracat içerisindeki payının artması, petrol fiyatlarındaki düşme ve 32 sayılı

karar ile kısa vadeli sermaye ithalatının önünün açılması gibi gelişmeler, ekonomik büyümeye

olumlu yansımıştır. İncelenen dönemde elde edilen 1994, 1999 ve 2001 tarihleri ise yaşanan

ekonomik krizlere işaret etmektedir.


358

4.3.3. Gecikme Uzunluğu Analizi

Modele Johansen Eşbütünleşme Testi uygulamadan önce, testin ön koşullarından biri olan serinin

I(1) olma durumu sağlanmış olup, bir sonraki aşama olan modellerin doğru gecikme uzunluğunu

belirlemek gerekmektedir.

Tablo 4.’ de görüleceği üzere tüm bilgi kriterleri testi dikkate alındığında 1 gecikme uzunluğunun

optimal gecikme uzunluğu olarak belirlenmiştir ve 1 gecikmeli model için eşbütünleşme analizi

yapılacaktır.

Tablo 4. Gecikme Uzunluğu Analizi

Gecikme Uzunluğu LR FPE AIC SC HQ

0 NA 7888004. 27.23232 27.40121 27.29338

1 125.5800* 487999.2* 24.44432* 25.28876* 24.74964*

2 12.95931 733880.5 24.82628 26.34627 25.37586 Not: * bilgi kriterinin belirlediği optimal gecikme uzunluğunu belirtmektedir.

Optimal gecikme uzunluğu değerinin kullanılabilmesi için modelin karakteristik kökleri birim

çember içerisinde yer alması gerekmektedir. Tablo 5.’de görüldüğü üzere modelin karakteristik

kökleri birim çember içerisinde yer almaktadır.

Tablo 5. Modelin karakteristik kökler (AR Roots)

Kök Modül

0.917032 0.917032

0.615714 - 0.203385i 0.648436

0.615714 + 0.203385i 0.648436

0.435407 0.435407 Tablo 6.’da görüleceği gibi 1 gecikmeli modelde % 5 istatistiki anlamlılık derecesinde otokorelasyon sorunu ve

değişen varyans problemi olmadığına karar verilmiştir.

Tablo 6. 1 Gecikmeli Model için Otokorelasyon ve Değişen Varyans Testi

Otokorelasyon Testi

Gecikme

LM-

İstatistiği Olasılık Gecikme

LM-

İstatistiği Olasılık

1 16.40559 0.4250 6 15.63492 0.4787

3 14.87414 0.5339 12 13.84672 0.6101

Değişen Varyans Testi

Ki-Kare İstatistiği Serbestlik Derecesi Olasılık

83.57643 80 0.3703 Not: ρ˃0,05 olması durumu %5 istatistiki anlamlılık derecesinde otokorelasyon ve değişen varyans probleminin

bulunmadığına işaret etmektedir.

Bu durumda Johansen eşbütünleşme testinin önemli aşamalarından biri olan VAR modelinin 1

gecikme uzunluğu ile tahmin edilmesine karar verilmiştir.

-1.5

-1.0

-0.5

0.0

0.5

1.0

1.5

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5


359

4.3.4. Johansen Eşbütünleşme Testi

Birden fazla değişkenin aynı stokastik ortak trendine sahip olma durumuna eşbütünleşme

denmektedir (Stock ve Watson, 2011:663). Eşbütünleşme ilişkisi olan seriler, uzun dönemde

birlikte hareket ederken, düzey değerde durağan olmamalarına rağmen sahte regrasyon

içermeyeceklerdir (Gujarati, 2015:269). Biçimsel olarak Engle ve Granger (1987) tarafından

tanımlanan eşbütünleşme kavramı, 1. Dereceden entegre serilerin regrasyon analizlerini potansiyel

olarak anlamlı kılmaktadır ( Wooldridge, 2013:637). Johansen (1988) ve Johansen ve Juselius

(1990) esbütünleşme analizini geliştirerek birden fazla değişkenin eşbütünleşme ilişkisinin

analizini olanaklı kılmışlardır. Birden fazla değişken olduğundan Johansen eşbütünleşme analizi

daha güçlü ve etkin kabul edilmektedir.

Model’ de uygulanan eşbütünleşme testinde yapısal değişikliklerin model üzerindeki etkisini

minimize etmesi için, yaşanılan ekonomik krizlere ve bazı reformlara işaret eden sırasıyla 1987,

1994, 2001 ve 2009 tarihleri modele bu aşamada dâhil edilmiştir. Tablo 7.’de görüleceği üzere her

iki test için ele alınan seriler arasında uzun dönem bir ilişkinin olduğu ve seriler arasında en az bir

tane eşbütünleşme ilişkisinin var olduğu tespit edilmiştir. İz testinde koentegre vektörünün

bulunmadığını belirten temel hipotez (r=0) %5 istatistiki anlamlılık derecesinde reddedilmiş ve en

fazla bir eşbütünleşme ilişkisini olduğunu belirten r˃0 kabul edilmiştir. Maksimum özdeğer testi

sonuçlarına bakıldığında %5 anlamlılık düzeyinde eşbütünleşme ilişkisinin var olmadığı ifade

eden sıfır hipotezi (r=0) reddedilmiş ve bir eşbütünleşme ilişkisinin var olduğunu kabul eden

alternatif hipotez r=1 kabul edilmiştir.

Tablo 7. Model 2 Johansen eşbütünleşme testi

İz Testi

(Trace Test)

Maksimum Özdeğer Testi

(Maximum Eigenvalue Test)

Boş (𝑯𝟎)

Hipotez

Alternatif

Hipotez

Test

İstatistiği

%5 Kritik

Değer

Boş (𝑯𝟎)

Hipotez

Alternatif

Hipotez

Test

İstatistiği

%5 Kritik

Değer

r=0* r˃0 70.011 55.246 r=0* r=1 42.489 30.815

r≤1 r˃1 27.522 35.011 r=1 r=2 18.970 24.252

r≤2 r˃2 8.5524 18.398 r=2 r=3 5.7834 17.148

r≤3 r˃3 2.7690 3.8415 r=3 r=4 2.7690 3.8415 Not: * ifadesi reddedilen sıfır hipotezine işaret etmektedir.

Bu durumda yatırım (I), tasarruf (S), faiz (i) ve enflasyon (π) değişkenleri arasında en az bir

eşbütünleşme ilişkisinin olduğuna karar verilmiştir.


360

4.4. Analiz Sonuçları

4.4.1. Uzun Dönem Analizi

Seriler arasında eşbütünleşme ilişkisinin olması serilerin uzun dönemde birlikte hareket ettiğinin

de bir göstergesidir. Uzun dönem analizi için eşbütünleşme vektörünün ilk bileşeni olan bağımlı

değişkene göre normalize edilmiş eşbütünleşme katsayıları ve denklemi elde edilmiştir.

Tablo 8. Uzun dönem analizi

I S i π Sabit Terim @Trend

1.000000 -2.683965 -1.818715 1.113444 72.74855 -0.436706

(1.59529) (0.26018) (0.24499)

[-1.68243]*** [-6.99031]* [4.55593]* Not: ( ) içindeki veriler standart sapmayı, [ ] içindeki veriler ise t- istatistiğini ifade etmektedir. *,** ve *** sırasıyla

%1, %5 ve %10 istatistiki anlamlılık derecesini belirtmektedir.

Tablo 8.’ deki bulgulara göre, uzun dönem denklemi I’ ya göre normalleştirildiğinde;

𝐼 = −72.74855 + 2.683965𝑆 + 1.818715𝑖 − 1.113444𝜋 + 0.436706@𝑡𝑟𝑒𝑛𝑑 (94)

Tablo 8.’ de görüleceği üzere tasarruf, faiz ve enflasyon değişkenlerini temsil eden katsayılar

istatistiki olarak anlamlıdır. Yatırım, tasarruf ve faizle pozitif, enflasyonla negatif ilişki içindedir.

Teorik açıdan bakıldığında faiz oranlarındaki artışın, finansman maliyetlerinin artması sebebiyle

yatırımları azaltması beklenir. Ancak söz konusu koşul yatırımları etkileyen diğer faktörlerin sabit

olması varsayımı altında geçerlidir. Ekonomide her zaman aynı veya farklı yönde ilişki olması

mümkün olmayabilmektedir. Mckinnon-Shaw hipotezinin de belirttiği gibi, yatırımları arttırmak

için faiz oranlarını düşürmek tasarrufları olumsuz etkileyerek uzun vadede yatırımların azalmasına

neden olabilmektedir. Türkiye’nin içinde bulunduğu ekonomik ve siyasi konjunktür beklentilerin

devamlı değişmesine neden olabilmektedir. Tasarruf eksikliğinin uzun vadede ülke kırılganlığını

arttırması, hedeflenen yatırım ve büyüme rakamlarının elde edilebilmesi için yurt dışı sermaye

girişi ihtiyacına ve doğal olarak faiz oranlarının artmasına bağlı olabilmektedir. Enflasyon

oranlarındaki artış maliyet enflasyonu kanalı ve beklentiler sebebi ile yatırım maliyetlerini

artıracak ve bu durum yatırımlarda azalmaya sebep olacaktır. Uzun dönem denkleminde de

görüleceği üzere tasarruflarda meydana gelen bir birimlik artış yatırımları yaklaşık 2,68 birim

arttırmakta, aynı şekilde faiz oranlarında bir birimlik artış yatırımları yaklaşık 1,82 birim

arttırmaktadır. Enflasyonda ki bir birim artış ise yatırımları negatif yönde etkileyerek yaklaşık 1,11

birim azaltmaktadır. Değişkenler arasında yatırımlar üzerindeki en büyük etki tasarruf oranlarında

görülmektedir.


361

4.4.2. Kısa Dönem Analizi

Modeli oluşturan serilerin uzun dönemde birlikte hareket etmesi sebebiyle analizin güvenilirliğini

pekiştirmek için, I, s, i ve π değişkenlerine vektör hata düzeltme modeli uygulanmış ve sonuçları

Tablo 9.’ da gösterilmiştir.

Tablo 9. Kısa dönem analizi ( hata düzeltme modeli, ΔI)

𝑬𝑪𝒕−𝟏 ∆𝑰𝒕−𝟏 ∆𝑺𝒕−𝟏 ∆𝒊𝒕−𝟏 ∆𝝅𝒕−𝟏 Sabit Terim @

Trend 𝑲𝟏𝟗𝟖𝟕 𝑲𝟏𝟗𝟗𝟒 𝑲𝟐𝟎𝟎𝟏 𝑲𝟐𝟎𝟎𝟗

-0.023787 -0.028037 0.005659 -0.065862 0.007980 2.324879 -0.213 0.297590 0.145231 3.790464 2.492723

[-1.62443] [-0.16638] [ 0.03685] [-2.07177] [ 0.37255] [ 1.87330] [-1.61] [ 0.17244] [ 0.10560] [ 2.30506] [ 1.67958]

𝑅2 = 0.257777 ��2 = 0.001838 F-istatistiği = 1.007181

Not: [ ] içindeki veriler ise t- istatistiğini ifade etmektedir.

Kısa dönem analiz sonuçlarına göre hata düzeltme teriminin ( ECt-1) katsayısının negatif ve

istatistiki olarak anlamlı olduğu görülmüştür. Bu sonuç hata düzeltme modelinin çalıştığını, uzun

dönemde birlikte hareket eden seriler arasında oluşan dönemsel sapmaların ortadan kalktığını ve

serilerin uzun dönem denge değerlerine tekrar yakınsadığını ifade etmektedir. Aynı zamandan elde

edilen sonuç uzun dönem analizinin doğru sonuç verdiğine de kanıt oluşturmaktadır. Tablo 9.’ da

görüleceği üzere yatırım rakamlarının gözlemlenen değerleri ile uzun dönem denge değerleri

arasındaki farkın yaklaşık %2’si zamanla azalarak yok olmaktadır.

4.5. Hatemi J (2012) Asimetrik Nedensellik Testi

Çalışmanın bu bölümünde asimetrik şokların arasındaki nedensellik ilişkisini gözlemleyebilmek

için Hatemi-J asimetrik nedensellik analizi yapılmıştır. Değişkenler arasında bir nedensellik

ilişkisi olmasa bile değişkenlerin pozitif ve negatif değişimleri arasında bir nedenselliğin olup

olmadığı analiz edilebilmektedir (Tülümce ve Zeren, 2017: 306). Hatemi-J (2012) değişkenler

arasında eşbütünleşme ilişki olmasa bile, değişkenler arasında asimetrik bir nedensellik ilişkisi

olabileceğini öne sürmektedir. Hatemi-J (2012) asimetrik nedensellik analizi ile pozitif ve negatif

şokların birikmiş toplamları kullanılarak nedensellik testinde asimetriye izin verilmektedir.

Tablo 10. Hatemi-J (2012) Asimetrik Nedensellik Testi Sonuçları

Hipotez MWALD Test

İstatistiği

Boostrap Kritik Değerler Karar

%1 %5 %10

𝐈−?

→ 𝐒− 3.554* 11.501 4.872 3.389 I→S

𝐒+?

→ 𝐈+ 3.599* 12.823 5.563 3.498 S→I

𝐈+?

→ 𝛑+ 11.313* 11.198 5.482 3.983 I→π

𝐈+?

→ 𝛑− 3.109*** 11.827 6.034 3.581 I→π

𝐈+?

→ 𝐢− 8.969* 10.714 5.219 3.290 I→i

Not: * ve *** sırasıyla %1 ve %10 anlamlılık düzeyinde birinci değişkenden, ikincisine doğru bir nedensellik

ilişkisinin varlığını göstermektedir. Kritik değerler, bootstrap kullanılarak 1000 yineleme ile elde edilmiştir.

Yatırımların (I) hata terimine gelen negatif bir şok %10 istatistiki anlamlılık derecesinde

tasarrufların (S) hata terimlerinde negatif bir şoka neden olmaktadır. Benzer şekilde tasarrufların


362

(S) hata terimine gelen pozitif bir şok %10 istatistiki anlamlılık düzeyinde yatırımların (I) hata

terimlerinde pozitif bir şoka neden olmaktadır. Bu durum eşbütünleşme testindeki uzun dönem

ilişkide elde edilen sonucu desteklemektedir. Türkiye’de yatırımların tasarruflardan bağımsız

olmadığı sonucuna varılmış ve Keynes’in (1967) görüşü desteklenmiştir.

5.Sonuç ve Öneriler

Tasarruflar ile yatırım arasındaki ilişkinin irdelendiği çalışmaya, faiz ve enflasyon değişkenleri

dâhil edilmiştir. Uzun dönem analiz sonuçlarına göre tasarruflardaki %10’luk bir artışın yatırım

oranlarını yaklaşık %26,8 artırdığı, pozitif yönlü ilişki sebebiyle iki değişken arasındaki

eşbütünleşme ilişkisinin simetrik bir ilişki olduğu sonucuna ulaşılmıştır. Yatırım, tasarruf ve faizle

pozitif, enflasyonla negatif ilişki içindedir. Kısa dönem analiz sonuçlarına göre ise yatırım

oranlarının gözlemlenen ve uzun dönem denge değerleri arasındaki farkın yaklaşık %2’ si zamanla

azalarak yok olmaktadır. Türkiye’de yatırımların tasarruflardan bağımsız olmadığı sonucuna

varılmış ve Keynes’in (1967) görüşü desteklenmiştir. Bu kapsamda elde edilen sonuçlar, Coiteux

ve Olivier (2000), Agbetsiafa (2002), De Vita ve Abbot (2002), Sinha (2002), Li (2008), Adebola

ve Dahalan (2012), Kònya (2015) ve Ketenci (2016) ile uyumludur. Bu durum, Türkiye’de yatırım

oranlarındaki artışın en önemli etkenlerinin tasarruf ve faiz oranları olduğunu ortaya koyması

yönüyle önemlidir.

Türkiye’nin dış şoklardan minimum düzeyde etkilenmesi ve ekonomik büyümesini istikrarlı bir

şekilde sürdürebilmesi için tasarruflarını arttırması gereklidir. Düzenli yatırım düzenli tasarruf ile

mümkündür. Bu kapsamda Türkiye tasarruflarını arttırabilmek için çeşitli tedbirler almalıdır.

Örneğin kayıt dışı tasarruflar ekonomiye kazandırılmalı ve finans piyasasında değerlendirme

araçları geliştirilmelidir. Aynı şekilde mikro düzeyde hane halklarının tasarruf bilinci geliştirilmeli

ve konu ile ilgili çeşitli eğitim çalışmaları düzenlenmelidir.

Kaynaklar

Adebola, S.S. & Dahalan, J. (2012). Capital mobility: an application of savings-investment link for Tunisia.

International Journal of Economics and Financial Issues, 2(1), 1-11.

Agbetsiafa, D. (2002). Capital mobility, saving and investment link: evidence from Sub-Saharan Africa. Journal of

African Development, 5(2), 1-19.

Coiteux, M. & Olivier, S. (2000). The saving retention coefficient in the long run and in the short run: evidence from

panel data. Journal of International Money and Finance, 19(4), 535-548.

De Vita, G. & Abbott, A. (2002). Are saving and investment cointegrated? an ARDL bounds testing

approach. Economics Letters, 77(2), 293-299.

Engle, R.F. & Granger, C.W.J. (1987). Cointegration and error correction: representation, estimation and testing.

Econometrica, 55(2), 251-276.

Feldstein, M. & Bacchetta, P. (1991). National saving and international investment. In National saving and economic

performance (pp. 201-226). University of Chicago press.

Gujarati, D. (2015). Econometrics (by example second edition). China: Palgrave


363

Göçer, İ., Alataş, S. & Peker, O. (2014). Yatırım-tasarruf ilişkisi: OECD ülkeleri için yeni nesil panel eşbütünleşme

analizi. Dumlupinar University Journal of Social Science/ Dumlupinar Üniversitesi Soysyal Bilimler Dergisi.

Hatemi-j, A. (2012). Asymmetric causality tests with an application. Empirical Economics, 43, 447-456.

Johansen, S. (1988). Statistical analysis of cointegration vectors. Journal Of Economic Dynamics and Control, 12(2-

3), 231-254.

Johansen, S. & Juselius, K. (1990). Maximum likelihood estimation and inference on cointegration—with applications

to the demand for money. Oxford Bulletin Of Economics and Statistics, 52(2), 169-210.

Kapetanios, G. (2005). Unit-root testing against the alternative hypothesis of up to m structural breaks. Journal of

Time Series Analysis, 26(1), 123–133.

Kaya, Ö. (2010). Katılım Bankacılığının Gelişimi Ve Türk Bankacılık Sistemi İçerisindeki Etkinliğinin

Araştırılması. Yüksek Lisans Tezi, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.

Ketenci, N. (2016). The Feldstein–Horioka Puzzle and structural breaks: evidence from the largest countries of

Asia. The Journal of Applied Economic Research, 10(3), 337-354.

Kònya, L. (2015). Saving and investment rates in the BRICS countries. The Journal of International Trade &

Economic Development,24(3), 429-449.

Li, Z. (2008). Macroeconomic fragility, short-term capital flows, and financial risk. Lesson from the asian financial

crisis and ımplication for China. Japan Center for Economic Research, 02 Şubat 2016 tarihinde

https://www.jcer.or.jp/eng/pdf/Li.pdf adresinden temin edilmiştir.

Sinha, D. (2002). Saving-investment relationships for Japan and other Asian countries. Japan and the World

Economy, 14(1), 1-23.

Stock, J. H. & Watson, M. W. (2011). Ekonometriye Giriş (Çeviren Prof. Dr. Bedriye Saraçoğlu). Ankara: Efil

Yayınevi.

Tursoy, T. & Faisal, F. (2017). Validity of FH hypothesis in small isolated island economy: an application of the

combined cointegration approach. Asia-Pacific Journal of Accounting & Economics, 1-11.

Tülümce, S. Y. & Zeren, F.(2017). Türkiye’de kamu harcamaları ve ekonomik büyüme arasındaki ilişkinin asimetrik

nedensellik testi ile analizi. Uluslararası Yönetim İktisat ve İşletme Dergisi, 13(2), 299-310.

Wooldridge, J.M. (2013). Introductory Econometrics a Modern Approch (Çev. Doç.Dr. Ebru Çağlayan). Ankara:

Nobel Akademik Yayıncılık. 4. Basımdan çevirilmiştir.

http://www.tandfonline.com/toc/rjte20/current

http://www.tandfonline.com/toc/rjte20/current

https://www.jcer.or.jp/eng/pdf/Li.pdf


364

Türkiye’de Yatırım Teşviklerinin Bölgesel Ekonomik Büyüme Üzerindeki Etkisi:

Mekansal Panel Veri Analizi

Anıl ERALP

Özet

Türkiye’de bölgesel dengesizliklerin giderilmesi ve sürekli büyümenin sağlanabilmesi için

çeşitli teşvik politikaları uygulanmaktadır. Bununla beraber teşvik politikalarının bölgesel

ekonomik büyüme üzerindeki etkisini araştırmış az sayıda ampirik çalışma bulunmaktadır.

Ayrıca, bu çalışmalarda mekansal etkiler göz ardı edilmektedir. Bu çalışmada Türkiye’de

2004-2014 döneminde İstatistiki Bölge Birimleri Sınıflaması (İBBS) Düzey 3 seviyesinde

yatırım teşviklerinin bölgesel ekonomik büyüme üzerindeki etkisi mekansal panel veri

analiziyle araştırılmıştır. Bu bağlamda bölgesel ekonomik büyümenin modellenmesinde

sabit etkiler mekansal Durbin modeli (MDM) kullanılmıştır. Modelde mekansal ağırlık

matrisi olarak vezir sınır komşuluğu matrisi seçilmiştir. Böylece, politika yapıcılara

uygulanan teşvik politikalarının başarısı konusunda ampirik kanıtlar sunulmaya

çalışılmıştır. Elde edilen bulgular, yatırım teşviklerinin sadece marjinal doğrudan

etkilerinin bölgesel ekonomik büyüme üzerinde pozitif etkiye sahip olduğunu göstermiştir.

Anahtar Kelimeler: Ekonomik Büyüme, Yatırım Teşvikleri, Bölgesel, Mekansal Etkiler, Mekansal Panel

Veri Analizi.

JEL Sınıflaması: O21, R12, E60.

The Impact of Investment Incentives on Regional Economic Growth in Turkey: Spatial

Panel Data Analysis

Abstract

In Turkey, various incentive policies are being implemented to eliminate regional

inequalities and to ensure continuous growth. Nevertheless, there are few empirical studies

that have examined the impact of incentive policies on regional economic growth. In

addition, spatial effects are ignored in these studies. In this study, the impact of investment

incentives on regional economic growth is researched by spatial panel data analysis for the

period of 2004-2014 at level 3 of Turkish Nomenclature of Territorial Units for Statistics

(NUTS). In this context, fixed effects spatial Durbin model (SDM) was used in the

modeling of regional economic growth. In the model, the spatial weight matrix was chosen

as queen contiguity matrix. Thus, empirical evidence has been presented on the success of

incentive policies applied to policymakers. The results showed that only marginal direct

effects of investment incentives had a positive effect on regional economic growth.

Keywords: Economic Growth, Investment Incentives, Regional, Spatial Effects, Spatial Panel Data

Analysis.

JEL Classification: O21, R12, E60.

1. Giriş

Türkiye’de bölgesel dengesizliklerin giderilmesi ve sürekli büyümenin sağlanabilmesi için çeşitli

teşvik politikaları 1960’lardan beri uygulanmaktadır. Bununla beraber uygulanan teşvik

Dr. Öğr. Üy., [email protected],Bolu Abant İzzet Baysal Üniversitesi, İktisadi ve İdari Bilimler Fakültesi,

Ekonometri Bölümü, Bolu/Türkiye, ORCID:0000-0002-4630-2114.


365

politikalarının bölgesel ekonomik büyüme üzerindeki etkisini araştırmış az sayıda ampirik çalışma

bulunmaktadır. Bu çalışmalar incelendiğinde mekansal etkilerin göz ardı edildiği görülmüştür. Bu

çalışma ile literatürdeki bu boşluk giderilmeye ve politika yapıcılara uygulanan teşvik

politikalarının başarısı konusunda ampirik kanıtlar sunulmaya çalışılmıştır.

Yatırım teşviklerinin ekonomi üzerindeki etkisi, genellikle, yatırımların canlandırılması, bölgesel

rekabetin ve istihdamın arttırılması gibi ekonomik göstergeler üzerindeki etkilerinin analizi ile

araştırılmaktadır. Buna karşın bir bütün olarak ekonomik büyüme üzerinde yatırım teşviklerinin

etkisini araştıran ampirik çalışmaların oldukça kısıtlı sayıda olduğu tespit edilmiştir.

Schalk ve Gerhard (2000) Batı Almanya’da bölgesel yatırım teşviklerinin 1978-1989 dönemi için

bölgesel yatırımlar, istihdam ile kişi başı gelirin büyümesi ve yakınsaması üzerindeki etkilerini

araştırmaktadır. Elde edilen bulgular, diğer ülkeler üzerine yapılan çalışmaların aksine, bölgesel

yatırım teşviklerinin istihdamı pozitif etkilediğini göstermektedir. Ancak bölgesel yatırım

teşviklerinin, büyüme ve işgücü verimliliğinin yakınsaması üzerinde ise önemsiz bir etkisi olduğu

ileri sürülmektedir.

Türkiye’de bölgesel ekonomik büyüme üzerinde yatırım teşviklerinin etkisini ele ala Yavan (2011)

ile Recepoğlu ve Değer (2016) gibi az sayıda ampirik çalışma bulunmaktadır. Bununla beraber

Gerni vd. (2015) ve Eralp (2017) çalışmaları ise bölgesel gelir adaletsizliği üzerinde yatırım

teşviklerinin etkisini araştırmaktadırlar. Bu çalışmalardan Eralp (2017) mekansal etkileri dikkate

almaktadır. Yavan (2011), bildiğimiz kadarıyla, yatırım teşviklerinin ekonomik büyüme

üzerindeki etkisini inceleyen ilk çalışma olarak karşımıza çıkmaktadır. Yavan (2011)’de İBBS

Düzey 3 için 2000 yılı verileri kullanılarak bir yatay-kesit veri analizi ile yatırım teşviklerinin

bölgesel ekonomik büyüme üzerindeki etkisi incelenmektedir. Bulgular yatırım teşviklerinin

bölgesel ekonomik büyüme üzerinde istatistiksel olarak anlamlı pozitif bir etkiye sahip olduğunu

göstermektedir. Ancak, sadece tek bir yıla ait veriler kullanılarak yapılan analizler yatırım

teşviklerinin zaman içindeki etkisinin dikkate alınmasına engel olmaktadır. Çalışmada mekansal

etkilerin dikkate alınması için bölge birimlerinin (illerin) deniz kıyısında yer alması ve il

merkezinin en yakın limana uzaklığı bilgilerini barından “lokasyon” değişkeni kullanılmaktadır.

Bu değişken ile ulaşım maliyetleri dikkate alınmaya çalışılmaktadır. Bu bağlamda, lokasyon

değişkeni sadece coğrafi şartlardan doğan maliyet etkilerini modele yansıtmakta olup; bölge

birimlerinin komşuları arasındaki mekansal etkileşimleri ifade etmemektedir.

Recepoğlu ve Değer (2016)’da 2004-2011 dönemi İBBS Düzey 2 için yapılan panel veri analizi

sonuçları, yatırım teşviklerinin bölgesel ekonomik büyüme üzerinde istatistiksel olarak anlamlı

pozitif bir etkiye sahip olduğunu göstermektedir. Bununla beraber panel nedensellik testi sonuçları

gelişmiş ve gelişmekte olan bölgelerde yatırım teşvikleri ile ekonomik büyüme arasında çift yönlü


366

bir ilişki olduğunu gösterirken; az gelişmiş bölgelerde ise tek yönlü nedenselliğin olduğunu

göstermektedir. Ayrıca, analizlere konu olan tüm bölge ayrımlarında yatay-kesit bağımlılığın

olduğu belirtilmektedir. Dolayısıyla, bulgular mekansal bağımlılığın ve mekansal yayılmaların

(spillovers) olası varlığını işaret etmektedir.

Yavan (2011) ile Recepoğlu ve Değer (2016) çalışmalarında mekansal ekonometride tanımlanan

mekansal etkilerin dikkate alınmadığı görülmektedir. Bununla beraber Recepoğlu ve Değer

(2016)’nın bulguları örtük olarak mekansal etkilerin ve mekansal yayılma (spillover) etkilerinin

varlığını işaret etmektedir. Bu bağlamda bu çalışmada Türkiye’de 2004-2014 döneminde

uygulanan yatırım teşviklerinin bölgesel ekonomik büyüme üzerindeki etkisi, İstatistiki Bölge

Birimleri Sınıflaması (İBBS) Düzey 3 için mekansal etkiler dikkate alınarak mekansal panel veri

analizi ile araştırılmıştır.

Çalışma Giriş bölümü dahil olmak üzere dört bölümden oluşmaktadır. İkinci bölümde çalışmaya

konu olan değişkenler ve kullanılan ekonometrik yöntem açıklanmaktadır. Üçüncü bölümde

yapılan analizler sonucunda elde edilen bulgular sunulmaktadır. Son bölüm olan Sonuç bölümünde

ise elde edilen bulgular değerlendirilmektedir.

2. Yöntem

Çalışmada bölgesel ekonomik büyümenin göstergesi olarak kişi başı Gayri Safi Yurtiçi Hasıla

(GSYİH) değişkeni kullanılmıştır. Ekonomik büyümenin temel belirleyicilerinin tasarruflar ve

yatırımlar olduğundan hareket ederek; tasarruflar için banka mevduatları ve yatırımlar için de

kamu yatırımları değişkenleri seçilmiştir. Dışa açık bir ekonominin reel sektörün ekonomik

büyüme üzerindeki etkisini yansıtmak için de ihracat rakamları kullanılmıştır. Yatırım

teşviklerinin ekonomik büyüme üzerindeki etkisi ise yerli ve yabancı teşvik belgesi almış

projelerin planlanan toplam yatırım tutarları ile ifade edilmiştir. Yatırımların gecikmeli olarak

büyümeye yansıyacağından hareket ederek modelde, kamu yatırımlarının ve yatırım teşviklerinin

bir dönem gecikmeleri yer almıştır. Ayrıca, 2008-2009 küresel krizinin Türkiye ekonomisine

etkileri 2009 yılı için tek dönemlik bir kukla değişkenle dikkate alınmıştır. Modelde bölgelerin

ekonomik büyüklüklerinin karşılaştırılabilmesi için tüm değişkenler bölgesel toplam nüfus ile

bölünerek kişi başı olarak hesaplanmıştır. Bununla beraber modelde yer alan tüm değişkenler ABD

doları cinsinden ölçülmüş ve doğal logaritmaları alınmış halleri ile modelde yer almışlardır.

Türkiye’de 2000 sonrası bölgesel teşviklere verilen önemin artması ve bölgesel GSYİH verilerinin

2004-2014 dönemi için mevcut olmasından dolayı, çalışmanın zaman boyutu 2004-2014 dönemi

ile sınırlandırılmıştır. Çalışmada bölge birimi İBBS Düzey 3 olarak seçilmiştir. Böylece

toplulaştırma probleminin önüne geçilmeye çalışılmıştır. Panel veri analizlerinde belirli ülkeler

veya ülke içerisindeki belirli bölgeler incelendiğinde sabit etkiler modelinin kullanılması idealdir.


367

Dolayısıyla, bölgesel ekonomik büyümenin modellenmesinde sabit etkiler mekansal Durbin

modeli (MDM) kullanılmıştır. Modelde mekansal ağırlık matrisi olarak vezir sınır komşuluğu

matrisi seçilmiştir. Veriler Türkiye İstatistik Kurumu (TÜİK), Türkiye Bankalar Birliği ve

Kalkınma Bakanlığı’ndan elde edilmiştir.

Yatay-kesit ve panel veri setlerinin kullanıldığı konvansiyonel regresyon modellerinde

gözlemlerin/bölgelerin birbirlerinden bağımsız oldukları varsayılmaktadır. Gözlemlerin uzaydaki

noktalardan veya bölgesel konumlardan elde edilmesi kaynaklı olarak, sıklıkla gözlemler arasında

bir mekansal bağımlılıkla karşılaşılmaktadır. Mekansal bağımlılık bir konumdaki gözlem

değerlerinin yakın konumlardaki gözlem değerlerine benzeme eğilimi sergilemesi olup; mekansal

regresyon yöntemleri bu bağımlılığın nedeninin açıklanması için kullanılmaktadır (LeSage, 2008,

s. 19-20).

Zaman serilerinde zaman bağımlılığı, teorik modellerde genellikle uyumlama maliyetleri veya

diğer davranışsal sürtünmelerin teorik modele eklenmesi ile yakalanmaktadır. Uygulamalı

çalışmalarda ise açıklanan değişkenin gecikmeli yapısı ile bu etkiler dikkate alınmaktadır. Buna

benzer şekilde; sürtünme kaynaklı mekansal yayılmanın neden olduğu mekansal bağımlılık,

mekansal gecikme kullanılarak modellenebilmektedir. Bunun yanında gözlenemeyen veya örtük

etkilerden kaynaklı mekansal bağımlılıklarla da karşılaşılabilmektedir. Örtük gözlenemeyen

etkiler kültür, altyapı vb. gibi etkiler olduklarından doğrudan gözlenemedikleri için veri setleri

içerisinde yer almamaktadırlar. Bu mekansal ilişkilerin yansıtılabilmesi için içsel etkiler

(endogenous effects), dışsal etkiler (exogenous effects) ve ilişkili etkiler (correlated effects)

kapsamında mekansal modeller oluşturulmaktadır (Manski, 1993, s. 532-533). Bu etkilerin

tamamını içerisinde barından model; genel yuvalanmış mekansal model (general nesting spatial

model) olarak adlandırılmakta olup,

Y = α + ρWY + Xβ + WXθ + u (1)

u = λWu + ε (2)

şeklinde tanımlanmaktadır. Burada WY açıklanan değişkenler arasındaki içsel etkileşimlerin

etkisini, WX açıklayıcı değişkenler arasındaki dışsal etkileşimlerim etkisini ve Wu farklı

birimlerin hata terimleri arasındaki etkileşimlerinin etkisini ifade etmektedir. ρ parametresi

mekansal otoregresif katsayı ve λ parametresi ise mekansal otokorelasyon katsayı olarak

adlandırılmaktadır. θ ve β tahmin edilen bilinmeyen parametreleri ve W ağırlık matrisini ifade

etmektedir (Elhorst, 2014, s. 8-10).


368

(1)-(2) no’lu modelde yer alan katsayılar üzerine getirilen sıfırdan farklı olma kısıtları ile diğer

mekansal modeller tanımlanmaktadır. Bu bağlamda genel yuvalanmış mekansal modeline, λ=0

kısıtı getirilerek MDM elde edilir:

Y = α + ρWY + Xβ + WXθ + u (3)

Görüldüğü üzere MDM, diğer bölgelerde bulunan açıklanan ve açıklayıcı değişkenlerin etkisini

aynı anda dikkate alabilmektedir (LeSage ve Pace, 2009, s. 25-33).

En Küçük Kareler (EKK) tahmincisi yukarıda sıralanan mekansal ekonometrik modellerde hata

terimleri arasında korelasyon olmadığı sürece etkin bir tahminci olmaya devam etmektedir.

Bununla beraber Anselin (1988)’de belirtildiği üzere mekansal modellerde mekansal bağımlılık

ve değişen varyans problemleri bulunmaktadır. Bu nedenle EKK tahmincisi sapmasızlık ve

etkinlik özelliklerini kaybeder. Ancak, halen, mekansal gecikmeli X’in yer aldığı model EKK ile

tahmin edilebilir. Diğer modellerin tahminde, genel olarak, maksimum olabilirlik (ML) yöntemi

kullanılmaktadır. ML yöntemine alternatif olarak araç değişken, genelleştirilmiş momentler ve 2

Aşamalı EKK yöntemleri de kullanılmaktadır (Tuzcu, 2016, s. 416-417).


Mekansal etkilerin araştırılmasında en basit yöntemlerden biri tematik haritaların görsel olarak

incelenmesidir. Bu bağlamda modelde yer alan tüm değişkenler için 2004 ve 2014 yılları için ayrı

ayrı tematik haritalar oluşturulmuş ve Harita 1’de verilmiştir.

Çalışmada tematik haritalar (Bkz. Harita 1) aracılığıyla görsel olarak modelde yer alan tüm

değişkenlerin analiz dönemi için mekansal örüntü taşıyıp taşımadığı araştırılmış olup, tüm

değişkenlerde mekansal otokorelasyon olduğu sonucuna varılmıştır. Dolayısıyla, modelde yer alan

bağımlı ve açıklayıcı değişkenlerin mekansal otokorelasyon göstermesi nedeniyle mekansal

etkilerin modellenmesinde sabit etkiler MDM’nin kullanılması uygun bulunmuştur. Mekansal

etkilerin modele yansıtılmasında ağırlık matrisi olarak vezir sınır komşuluğu matrisinden

yararlanılmıştır.


369

Harita 1: Değişkenlerin Mekansal Dağılımları

Tablo 1’de tahmin edilen modelde tüm açıklayıcı değişkenlerin iktisadi beklentiye uygun ve

istatistiksel olarak anlamlı olduğu görülmektedir. Ancak, mekansal gecikmeli açıklayıcı

değişkenlerden kişi başı mevduat ve kişi başı yatırım teşvikleri değişkenleri dışındaki değişkenler

istatistiksel olarak anlamlı bulunmamıştır. Modelde mekansal otoregresif katsayısının (ρ) pozitif

ve istatistiksel olarak anlamlı olduğu tespit edilmiştir.

Tablo 1: Sabit Etkiler MDM Tahmin Sonuçları

Değişken Katsayı Std.

Hata p-değeri

%95 Katsayı

Güven Aralığı

Tem

el D

eğiş

ken

ler

KB Mevduat 0,0259 0,0052 0,0000*** 0,0143 0,0347

KB İhracat 0,0094 0,0022 0,0000*** 0,0050 0,0137

KB Yatırım

Teşvikleri 0,0037 0,0010 0,0001*** 0,0015 0,0058

KB Gecikmeli

Yatırım Teşvikleri 0,0046 0,0009 0,0000*** 0,0027 0,0064

KB Kamu

Yatırımları 0,0091 0,0050 0,0071*** -0,0007 0,0191

KB Gecikmeli

Kamu Yatırımları 0,0158 0,0046 0,0000*** 0,0067 0,0250

Küresel Kriz

Etkisi (2009) -0,0342 0,0065 0,0000*** -0,0472 -0,0213

Wx

KB Mevduat 0,0534 0,0096 0,0000*** 0,0346 0,0723

KB İhracat 0,0062 0,0044 0,1600 -0,0024 0,0148


370

KB Yatırım

Teşvikleri -0,0063 0,0020 0,0020*** -0,0104 -0,0022

KB Gecikmeli

Yatırım Teşvikleri -0,0022 0,0018 0,2350 -0,0058 0,0014

KB Kamu

Yatırımları 0,0088 0,0091 0,3350 -0,0091 0,0268

KB Gecikmeli

Kamu Yatırımları 0,0080 0,0084 0,3460 -0,0086 0,0246

ρ 0,7542 (0,0000***) R2 Grupiçi 0,9285

p-değeri 0,0021 (0,0000)*** R2 Gruplararası 0,3541

R2 Tüm Veri 0,4571

*** 0,01, ***0,05 ve * 0,10 anlamlılık düzeyinde anlamlı.KB: Kişi Başı

LeSage ve Pace (2009)’a göre mekansal gecikmeli değişkenlerin istatistiksel olarak anlamsız

olması önemli değildir. Bunun yerine mekansal etkilerin marjinal etkilerinin; dolayısıyla doğrudan

ve dolaylı etkiler ile toplam etkinin yorumlanması gerektiği ileri sürülmektedir.

Tablo 2: Sabit Etkiler MDM’nin Doğrudan Dolaylı ve Toplam Etkileri

Değişken Katsayı Std.

Hata p-değeri

%95 Katsayı

Güven Aralığı

Do

ğru

da

n E

tki

KB Mevduat 0.0462 0.0063 0.0000*** 0,0337 0.0586

KB İhracat 0.0134 0.0031 0.0000*** 0,0073 0.0195

KB Yatırım Teşvikleri 0,0026 0,0013 0,0440** 0,0000 0,0053

KB Gecikmeli Yatırım

Teşvikleri 0.0049 0.0011 0.0000*** 0,0027 0.0072

KB Kamu Yatırımları 0,0142 0,0064 0,0270** 0,0016 0,0268

KB Gecikmeli Kamu

Yatırımları 0.0218 0.0059 0.0000*** 0.0102 0.0333

Küresel Kriz Etkisi

(2009) -0.0418 0.0076 0.0000*** -0.0567 -0.0268

Do

lay

lı E

tki

KB Mevduat 0.2691 0.0317 0.0000*** 0.2069 0.3313

KB İhracat 0.0502 0.0175 0,0040*** 0.0158 0.0847

KB Yatırım Teşvikleri -0,0132 0,0082 0,1090 -0,0293 0,0029


Teşvikleri 0.0047 0.0067 0.4860 -0.0085 0.0179

KB Kamu Yatırımları 0,0601 0,0343 0,0800* -0,0070 0,1273

KB Gecikmeli Kamu

Yatırımları 0.0748 0.0325 0.0220** 0.0109 0.1386


(2009) -0.0967 0.0172 0.0000*** -0.1306 -0.0628

To

pla

m E

tki

KB Mevduat 0.3154 0.0360 0.0000*** 0.2448 0.3860

KB İhracat 0.0637 0.0200 0.0010*** 0.0244 0.1030

KB Yatırım Teşvikleri -0,0105 0,0091 0,2520 -0,0285 0,0074


Teşvikleri 0.0096 0.0075 0.1970 -0.0050 0.0244

KB Kamu Yatırımları 0,0743 0,0387 0,0550* -0,0015 0,1503

KB Gecikmeli Kamu

Yatırımları 0.0966 0.0365 0.0080*** 0.0249 0.1683


(2009) -0.1386 0.0242 0.0000*** -0.1860 -0.0911

*** 0,01, ***0,05 ve * 0,10 anlamlılık düzeyinde anlamlı.KB: Kişi Başı


371

Tablo 2’de tüm açıklayıcı değişkenlerin doğrudan etkilerinin istatistiksel olarak anlamlı olduğu

görülmektedir. Ancak, kişi başı yatırım teşviklerinin ve gecikmeli kişi başı yatırım teşviklerinin

dolaylı ve toplam etkilerinin istatistiksel olarak anlamlı olmadığı tespit edilmiştir. Görüldüğü üzere

yatırım teşviklerinin sadece marjinal doğrudan etkileri istatistiksel olarak ekonomik büyüme

üzerinde pozitif etkiye sahiptir. Bununla beraber gecikmeli kişi başı yatırım teşviklerinin, cari

dönemdeki doğrudan etkilerden yaklaşık iki kat daha büyük olduğu tahmin edilmiştir. Yatırım

teşviklerinin görece etkisinin küçük olması 2009 yılında yapılan yatırım teşvik politikası

değişimine bağlanabilir. 2008-2009 küresel krizinin ise Türkiye ekonomisine 2009 yılında

olumsuz yansıdığı görülmüştür. Bununla beraber krizin mekansal etkiler ile birlikte, kriz etkisinin

daha da yüksek gerçekleştiği tespit edilmiştir.

4. Sonuç

Türkiye’de bölgeler arası gelişmişlik önemli bir sosyo-ekonomik problemdir. Türkiye

Cumhuriyeti kurulduğundan beri bölgeler arası dengesizliklerin azaltılması, sürdürülebilir

ekonomik büyümenin ve toplumsal refahın sağlanması için çeşitli politikaları uygulanmaktadır.

1960’lar ile birlikte bu politikalar kalkınma planları içerisinde sistematik bir şekilde teşvik

politikaları olarak yer almaya başlamıştır. Bununla beraber uzun bir uygulama geçmişi olan teşvik

politikalarının hedeflerine ulaşmadaki başarısının araştırılmasının politika yapıcılar açısından pek

önemsenmediğini düşünmekteyiz. Ayrıca, bu konuda yapılan akademik çalışmalarında az sayıda

olduğu görülmüştür. Bu çalışma ile literatürdeki bu boşluk giderilmeye ve politika yapıcılara

uygulanan teşvik politikalarının başarısı konusunda ampirik kanıtlar sunulmaya çalışılmıştır. Elde

edilen bulgular, 2004-2014 döneminde yatırım teşviklerinin bölgesel ekonomik büyüme üzerinde

pozitif etkiye sahip olmakla birlikte; görece istenen etkiyi yaratamadığı söylenebilir. Bununla

beraber yatırım teşviklerinin dolaylı ve toplam etkilerinin istatistiksel olarak anlamlı olmayan

negatif etkiye sahip olması, teşviklerin cari dönemde bölgesel dengesizliği arttırdığını işaret

etmektedir. Gecikmeli yatırım teşviklerinin toplam etkilerinin istatistiksel olarak anlamlı pozitif

etkiye sahip olmamasının nedeni olarak, bölgeler arasında yatırım teşviklerinden yararlanan

işletmelerin ileri ve geri bağlantılarının yeterli olmadığını düşünmekteyiz. Sonuç olarak yatırım

teşviklerinin etkinliğinin araştırılmasının; uygun teşvik politikaları geliştirmek ve uygulamak

kadar önemli olduğu görülmektedir. Ayrıca, elde edilen bulgular yatırım teşvik politikalarının

tasarlanmasında mekansal etkilerin dikkate alınmasının gerekli olduğunu göstermektedir.

Kaynakça

Anselin, L. (1988). Spatial Econometrics: Methods and Models. London: Kluwer Academic Publishers.

Elhorst, J. P. (2014). Applied Spatial Econometrics: Raising the Bar. Spatial Economic Analysis, 5(1), 9-28.

Eralp, A. (2017). Türkiye’de 2000 Sonrası İller Arası Gelir Dengesizliğinin Giderilmesinde Yatırım Teşviklerinin

Etkisi, XVIII. Uluslararası Ekonometri, Yöneylem ve İstatistik Sempozyumu, 5-7 Ekim, Trabzon / Türkiye.


372

Gerni, C., Sarı, S., Sevinç, H. ve Emsen, Ö. S. (2015). Bölgesel Dengesizliklerin Giderilmesinde Yatırım Teşviklerinin

Rolü ve Başarı Kriteri Olarak Yakınsama Analizleri: Türkiye Örneği, VI. Uluslararası Avrasya Ekonomileri

Konferansı, 9-11 Eylül, Kazan / Rusya.

LeSage, J. P. (2008). An Introduction to Spatial Econometrics. Revued'économie industrielle, 3, 19-44.

LeSage, J., Pace, R. K. (2009). Introduction to Spatial Econometrics. Taylor & Francis Group, LLC.

Manski, C. F. (1993). Identification of Endogenous Social Effects: The Reflection Problem. The Review of Economic

Studies, 60(3), 531-542.

Recepoğlu, M., Değer, M. K. (2016). Türkiye’de Bölgesel Yatırım Teşviklerinin Bölgesel Ekonomik Büyüme Üzerine

Etkisi: Düzey 2 Bölgeleri Üzerine Panel Veri Analizleri. Kastamonu Üniversitesi İktisadi ve İdari Bilimler

Fakültesi Dergisi, 14, 6-21.

Schalk, H.J., Gerhard, U. (2000). Regional Investment Incentives in Germany: Impacts on Factor and Growth. The

Annals of Regional Science, 34, 173-195.

Tuzcu, S. E. (2016). Mekansal Ekonometri ve Sosyal Bilimlerde Kullanım Alanları. Ankara Üniversitesi SBF Dergisi,

71(2), 401-436.

Yavan, N. (2011). Teşviklerin Bölgesel Ekonomik Büyüme Üzerindeki Etkisi: Ampirik Bir Analiz. Ekonomik

Yaklaşım, 22(81), 65-104.


373

Türkiye’nin Enerji Tüketiminde Doğrusal Olmayan Birim Kök Analizi

Mehmet MERT1

Abdullah Emre ÇAĞLAR2 Özet

Enerji literatüründe yaygın bir şekilde enerji tüketimi değişkenleri kullanılmaktadır.

Analizlerde toplam enerji tüketimi, fosil kaynaklı enerji tüketimi, yenilenebilir kaynaklı

enerji tüketimi gibi değişkenler için analiz edilmektedir. Dolayısıyla analizlerde yaygın

şekilde kullanılan bu değişkenlerin karekteristik özelliklerinin belirlenmesi gerekmektedir.

Herhangi bir şok karşısında bu değişkenlerin şoklara karşı direnç gösterip/göstermemesi

ekonometrik analizlerin gidişatını değiştirmektedir. Buradan, kullanılan ekonometrik

yöntemlerin önemi ortaya çıkmaktadır. Bu çalışmanın amacı ise enerji tüketimi değişkenini

ayrıştırarak doğrusallığı araştırıldıktan sonra uygun testler yardımıyla araştırmacılara

öneriler sunmaktır. Ampirik analiz sonucunda, doğrusal/doğrusal olmayan birim kök test

sonuçları Türkiye’de enerji tüketiminin (yenilenebilir ve fosil) rassal şoklar karşısında yeni

bir denge yerine gitme eğiliminde olduğunu göstermektedir. Buradan politika yapıcıların

Türkiye’de enerji tüketimi konusunda alacakları kararları dikkatli bir şekilde piyasaya

uygulamaları önerilmektedir. Çünkü enerji piyasaları alınan kararla yeni bir denge

düzeyine gitme üzerine istekli olacaktır.

Anahtar Kelimeler: Enerji Tüketimi, Doğrusallık, Doğrusal Olmayan Birim Kök Testi

JEL Sınıflaması: Q40, Q43, C22

Analysis Of Nonlinear Unit Root In Energy Consumption Of Turkey

Abstract

Energy consumption variables are widely used in energy literature. In these studies,

variables such as total energy consumption, fossil energy consumption and renewable

energy consumption are used.. Therefore, it is necessary to determine the characteristics of

these variables which are widely used in analyzes. In the face of any shock, resistance of

these variables to shocks changes the course of econometric analysis. From here, the

prominence of econometric methods emerges. The purpose of this study is to present the

proposals to the researchers and policy makers with the help of appropriate tests once the

linearity has been resolved by separating the energy consumption variable. With this study,

policy makers; Turkey's energy consumption (fossil and renewable source) the effect of

shocks that may occur will be displayed. Moreover, the second proposal is; Turkey's energy

consumption is also an analysis of (cointegration, causality, etc.) to provide the researchers

will make a preliminary information. When the results are analyzed empirical analysis of

energy consumption in Turkey it shows that it tends to go to a new level of equilibrium in

the face of random shocks. That is, energy consumption will be moved to a new average

or trend point, along with a shock that can occur in energy markets. Here the policy makers

in the market applications carefully taking decisions on energy consumption in Turkey is

recommended. Because energy consumption is in the unit root, it will be willing to go to a

new level of equilibrium with the decisions made.

Keywords: Energy Consumption, Linearity, Non Linear Unit Root Test

JEL Classification: Q40, Q43, C22

1Doç. Dr., [email protected], Akdeniz Üniversitesi, İİBF, Ekonometri Bölümü, Antalya/Türkiye, ORCID:0000-

0003-1406-4075 2Arş. Gör., [email protected], Akdeniz Üniversitesi, İİBF, Ekonometri Bölümü, Antalya/Türkiye,

ORCID:0000-0003-4723-4499

https://mail.akdeniz.edu.tr/owa/redir.aspx?C=A8yu5EdYiIRyVf3JlVritevf9JNxFHS__in-ZfjukKTeP3wCGEbWCA..&URL=http%3a%2f%2forcid.org%2f0000-0003-1406-4075

https://mail.akdeniz.edu.tr/owa/redir.aspx?C=A8yu5EdYiIRyVf3JlVritevf9JNxFHS__in-ZfjukKTeP3wCGEbWCA..&URL=http%3a%2f%2forcid.org%2f0000-0003-1406-4075


374

1.Giriş

Geliştirilen modeller ve çeşitli hipotezlerle birlikte enerji tüketimi değişkenlerinin yaygın bir

şekilde kullanıldığı görülmektedir. Özellikle Çevresel Kuznets Eğrisi hipotezinin araştırmacılar

tarafından sınanmasından bu yana enerji tüketimi değişkenleri daha da önem kazanmıştır. Bu

çalışmalarda enerji tüketimi; fosil kaynaklı enerji tüketimi, yenilenebilir kaynaklı enerji tüketimi

gibi değişkenlere ayrıştırılarak çeşitli veri setleri için analiz edilmektedir. Küresel ısınmanın

göstergesi olarak kabul edilen karbon salımının modellendiği çalışmalarda çeşitli değişkenlerle

yeni bulgular ortaya çıkmaktadır. Bu araştırmalardaki en önemli bulgulardan biri ise, fosil kaynaklı

enerji tüketiminin karbon salımını arttırırken, yenilenebilir kaynaklı enerji tüketiminin karbon

salımını azalttığı sonucudur. Diğer taraftan, bilgi ekonomisi ile birlikle ülkelerde çevre bilinci de

uyanmaya başlamıştır. Araştırmalara konu olan yenilenebilir enerji kaynaklarının temiz enerji

olarak tanımlanması yeterli ekonomik düzeye gelen ülkeleri bu alana yönlendirmektedir. Sonuç

olarak literatürde enerji tüketimi değişkeninin oldukça önemli bir yere sahip olduğu görülmektedir.

Ekonometrik analizlerde incelenen değişkenlerin yapısal özelliklerinin bilinmesi, analizin tutarlı

sonuçlar vermesini sağlamaktadır. Analizlerden güvenilir sonuçlar elde etmek için uygun model

ve yöntemin seçilmesi gerekmektedir. Buradan hareketle değişkenlerin doğrusal bir yapıya sahip

olup-olmadı analizin ilerleyişini etkilemektedir. Dolayısıyla bu çalışmada öncelikle değişkenlerin

doğrusal olup-olmama özellikleri incelenmektedir. Çalışmada literatürde yaygın olarak kullanılan

Harvey vd. (2008) doğrusallık testi kullanılacaktır. Bu testin kullanılmasındaki amaç ise, diğer

testlerde değişkenlerin seviye değerinde durağan olması gerekliliğini ortadan kaldırmaktadır. Yani

değişkenlerin düzey değerinde birim kök özelliği gösterip-göstermediği varsayımı

yapmamaktadır. Değişkenlerin doğrusallık özellikleri belirlendikten sonra, Kapetanios vd. (2003)

ve Kruse (2011) doğrusal olmayan birim kök testi kullanılacaktır. Değişkenlerden doğrusal olma

özelliği gösteren seriler için ise ADF (Genişletişmiş Dickey-Fuller,1979-1981) birim kök testi

kullanılacaktır. Bu çalışma ile:

Politika yapıcılara; Türkiye’nin enerji tüketiminde (fosil ve yenilenebilir kaynaklı) meydana

gelebilecek şokların etkisi gösterilecektir.

Araştırmacılara; Türkiye’nin enerji tüketimin de içinde olduğu bir analiz (eşbütünleşme,

nedensellik vs.) yapacak araştırmacılara bir ön bilgi sunulacaktır.

2.Literatür

Literatür incelendiğinde, enerji tüketimi ile ilgili ampirik analizlerde çoğunlukla doğrusal birim

kök testleri kullanılarak değişkenlerin durağanlık özelliklerinin araştırıldığı ve enerji tüketiminin

doğrusal denklemlerle modellendiği görülmüştür [Chen ve Lee, 2007; Mishra vd., 2009; Lean ve


375

Smyth, 2009; Narayan vd., 2010; Apergis vd., 2010 ve Apergis ve Payne, 2010]. Ancak seride

birim kök doğrusal olmayan bir formda bulunabilir. Doğrusal olmayan birim kökün varlığında ise

doğrusal formda olan sıradan birim kök analizleri durağanlığı incelemede tutarlı sonuçlar

vermeyecektir. Dahası sonrasında kullanılan doğrusal eşbütünleşme analizleri gibi doğrusal

modellemeler sahte sonuçlar verecektir. Böylelikle değişkenlerin doğrusallığının araştırılması ilk

aşamada önem kazanmaktadır. Enerji literatürü incelendiğinde, genellikle iki ve daha fazla

değişkenin yer aldığı ekonometrik yöntemlerin (Eşbütünleşme, Nedensellik, VAR Analizi)

kullanıldığı görülmektedir [Haisheng vd. (2005); Jalil ve Mahmud (2009); Baek vd. (2009); Kim

ve Baek (2011); Ahmed ve Long (2012)]. Aşağıdaki tablo 1’de enerji tüketimi değişkeninin birim

kök özelliklerini inceleyen çalışmalar gösterilmektedir.

Tablo 1. Enerji Tüketimi Değişkeninin Durağanlık Özelliklerini İnceleyen Çalışmalar

Yazar Ülke Yöntem Sonuç

Chen ve Lee (2007) 104 Ülke Carrion-i-Silvestre vd.

(2005) testi

Durağan

Hsu vd. (2008) 84 Ülke Panel SURADF testi Birim Kök

Joyeux ve Ripple (2007) 7 Doğu Hint Okyanusu

ülkesi

Levin, Lin, ve Chu

(2002), Im, Pesaran ve

Shin (2003) ve Choi

(2006) testi

Birim Kök

Lee (2005) 18 Gelişmekte Olan

Ülke

Farklı tipte panel birim

kök testleri

Birim Kök

Maslyuk ve Smyth (2009) 17 Opec Üye ve Üye

Olmayan Ülke

Caner ve Hansen

(2001) doğrusal

olmayan birim kök testi

11 Ülke Birim Kök

Mishra vd. (2009) 13 Pasifik Ada Ülkesi Carrion-i-Silvestre vd.

(2005) testi

Durağan

Narayan vd. (2008) 60 Ülke Tek kırılmalı LM tipi

Im et al. (2005) panel

birim kök testi

Durağan

Narayan vd. (2010) Avustralya ve 6

Bölgesi

Lee ve Strazicich

(2003) çift kırılmalı

testi

Durağan

Narayan ve Smyth (2007) 182 Ülke Farklı tipte panel birim

kök testleri

Durağan

Öztürk ve Aslan (2011) Türkiye 7 farklı sektör Im vd. (2005) Birim kök

Özcan (2013) 17 Orta Doğu Ülkesi Im vd. (2005) panel

birim kök testi ve Lee

ve Strazicich (2003,

Durağan


376

2004) tek ve çift

kırılmalı birim kök testi

Tablo 1’de gösterilen bu çalışmalarda enerji tüketiminin birim kök özelliği için ortak bir görüş

söylenememektedir. Çünkü veri setlerine, ülke gruplarına ve farklı yöntemlerin kullanılması kesin

bir sonuç söylenmesini engellemektedir.

3. Veri, Yöntem ve Bulgular

Çalışmada kullanılan veriler Dünya Bankasından (World Bank) alınmıştır. Enerji tüketimi (E, kişi

başına ton petrol cinsinden) değişkeni ayrıştırılarak yenilenebilir (Ren, kişi başına ton petrol

cinsinden) ve fosil (Fos, kişi başına ton petrol cinsinden) kaynaklı enerji olmak üzere iki farklı

enerji tüketimi değişkeni elde edilmiştir. Çalışmada öncelikle Harvey vd. (2008) testi stratejisi

gösterildikten sonra Kapetanios vd. (KSS, 2003) ve Kruse (2011) testlerinin çalışma prensibleri

açıklanacaktır.

Harvey vd. (2008) doğrusallık testi için herhangi bir ön koşul gerektirmemektedir. Literatürdeki

diğer testler incelendiğinde öncelikle doğrusallığı araştırılacak serinin birim kök özelliğinin

bilinmesini şart koşmaktadır. Fakat Harvey vd. (2008) doğrusallık testinde ise bu varsayım

genişletilerek aşağıdaki denklem 1 yardımıyla açıklanmaktadır:

𝑦𝑡 = 𝛼0 + 𝛼1𝑦𝑡−1 + 𝛼2𝑦𝑡−12 + 𝛼3𝑦𝑡−1

3 + ∑ 𝛼4,𝑗∆𝑦𝑡−𝑗 + 휀𝑡𝑝𝑗=1 (1)

𝐻0,𝐼(0): 𝛼2 = 𝛼3 = 0 (2)

𝐻1,𝐼(0): 𝛼2 ≠ 𝛼3 ≠ 0 (3)

Yukarıdaki denklem 1’de doğrusallık için denklem 2 ve denklem 3’de gösterilen hipotez testleri

yardımıyla karar verilmektedir. Sıfır hipotezi serinin doğrusal formda olduğunu gösterirken,

alternatif hipotez ise serinin doğrusal formda olmadığını belirtmektedir (Harvey vd., 2008:3-5).

∆𝑦𝑡 = ∑ 𝑝𝑗∆𝑦𝑡−𝑗휃𝑦𝑡−13 + 𝑒𝑡

𝑝𝑗=1 (4)

𝐻0: 휃 = 0 (5)

𝐻1: 휃 > 0 (6)

Doğrusallık analizi yapıldıktan sonra değişkenler doğrusal bir formda değilse KSS (2003) ve

Kruse (2011) doğrusal olmayan birim kök testleri kullanılacaktır. KSS testi yapısal değişme üstel

yumuşak geçiş (STAR, Yumuşak Geçişli Eşik Değerli Otoregresif Model) modeli denklem 4

yardımıyla gösterilmektedir. KSS (2003) testinde sıfır hipotezi denklem 5’de gösterildiği gibi seri

birim kök içermektedir şeklinde oluşturulmaktadır. Alternatif hipotez ise denklem 6 ‘da seri global

olarak durağandır şeklinde gösterilmektedir. KSS (2003) testinde üç farklı model test edilmektedir.


377

Bunlar ham veri, ortalamadan arındırılmış ve trendden arındırılmış olarak belirlenmektedir

(Kapetanios vd., 2013:363-365).

∆𝑦𝑡 = 𝛼1𝑦𝑡−13 + 𝛼2𝑦𝑡−1

2 + ∑ 𝑝𝑗∆𝑦𝑡−𝑗 + 𝑒𝑡𝑝𝑗=1 (7)

𝐻0: 𝛼1 = 𝛼2 = 0 (8)

𝐻1: 𝛼1 < 0, 𝛼2 ≠ 0 (9)

Kruse (2011) testi KSS (2003) testinin gücünün arttırılmış halidir. Kruse (2011) testi Taylor

yaklaşımından yola çıkarak KSS (2003) testindeki bazı varsayımları genişletmiş ve üstel yumuşak

geçiş fonksiyonları yardımıyla yeni bir doğrusal olmayan birim kök testi geliştirmiştir. Denklem

7’de Kruse (2011) testinin Taylor açılımı yardımıyla elde edildiği model gösterilmektedir. Burada

serinin durağanlığının belirlenmesi için sıfır hipotezi denklem 8’de birim kök vardır şeklinde

oluşturulurken, alternatif hipotez ise denklem 9’da durağanlığı ifade etmektedir. Yine bu test

stratejisinde de ham veri, ortalamadan arındırılmış ve trendden arındırılmış olarak üç farklı model

incelenmektedir (Kruse, 2011: 75-77).

Yukarıda açıklanan testler yardımıyla öncelikle değişkenlerin doğrusal formda olup-olmadığı

belirlenecektir. Daha sonra doğrusal formda olan değişkenler için ADF (Genişletişmiş Dickey-

Fuller, 1979, 1981) birim kök testi kullanılacaktır. Literatürde yaygın olarak kullanıldığı için ADF

(1979, 1981) test stratejisine çalışmada yer verilmemiştir. Doğrusal olmayan formda olan

değişkenler için ise Kruse (2011) ve KSS (2003) testleri kullanılacaktır. Aşağıdaki tablo 2’de

değişkenlerin doğrusallığına ilişkin Harvey vd. (2008) test sonuçlarının yanında Kruse (2011) ve

KSS (2003) testlerine de yer verilmektedir. Ayrıca tablo 3’de ise ADF (1979, 1981) test sonuçları

gösterilmektedir.

Tablo 2. Harvey vd. (2008), KSS (2003) ve Kruse (2011) Test Sonuçları

Değişken Testler

Harvey-

stat

KSS -

stat

KSS− stat1

KSS− stat2

Kruse -

stat

Kruse− stat1

Kruse− stat2

E 5.11d 4.342* -1.559* -1.976* 25.114* 9.427 4.02

0

Ren 12.93 - - - - - -

Fos 4.32d 4.342* -3.097 -2.404 42.253* 20.095* 6.01

3

Not: d ve * işaretleri sırasıyla doğrusallığı ve .05 yanılma düzeyini ifade etmektedir. Burada 𝑠𝑡𝑎𝑡, 𝑠𝑡𝑎𝑡1, 𝑠𝑡𝑎𝑡2 sırası ile ham veri,

ortalamadan arındırılmış ve trendden arındırılmış modelleri göstermektedir.


378

Tablo 3. Genişletilmiş Dickey ve Fuller (1979,1981) Test Sonuçları

Sabit Modeli

Sabit ve Trend Modeli

Seviye Birinci Fark

Seviye Birinci Fark

Ren 2.978 -3.048**

0.204 -8.392*

Not: * ve ** işaretleri .01 ve .05 yanılma düzeylerini göstermektedir.

Tablo 2 incelendiğinde, ikinci sütunda Harvey vd. (2008) doğrusallık test sonuçları görülmektedir.

Buradan toplam enerji tüketiminin ve fosil kaynaklı enerji tüketiminin doğrusal formda olmadığı

belirlenmiştir. Diğer yandan yenilenebilir kaynaklı enerji tüketiminin ise doğrusal formda olduğu

tespit edilmiştir. Sonuç olarak, toplam enerji tüketiminin ve fosil kaynaklı enerji tüketimi için

birim kök özellikleri doğrusal olmayan KSS (2003) ve Kruse (2011 testleri ile incelenirken,

yenilenebilir kaynaklı enerji tüketimini ise doğrusal ADF (1979, 1981) testi ile incelenecektir.

Tablo 2’de diğer sütunlar incelendiğinde KSS (2003) ve Kruse (2011) testi için üç farklı model

tahmin edildiği görülmektedir. Sonuçlara göre, toplam enerji tüketiminin ve fosil kaynaklı enerji

tüketimi için birim kök ağırlıklı sonuçlar elde edildiğinden bu iki değişkenin birim kök özelliği

sergilediği söylenebilmektedir. Diğer yandan tablo 3 incelendiğinde ADF testi için hem sabit

modeli hem de sabit ve trend modeli sonuçları gösterilmektedir. Elde edilen sonuçlara göre her iki

modelde de yenilenebilir kaynaklı enerji tüketiminin durağan olamayan bir yapıda olduğu

görülmektedir.

Bütün ampirik analiz sonuçları değerlendirildiğinde, incelenen her üç değişkenin de durağan

olmadığı belirlenmiştir. Bu sonuçlar incelenen enerji tüketimi değişkenlerinin ortalamaları ve

varyanslarının sabit olmadığını göstermektedir. Dolayısıyla enerji politikaları etkin bir şekilde

yürürlüğe koyulabilecektir. Çünkü enerji piyasalarındaki ani bir karar alma veya bir politika

değişikliğine gidilmesi enerji tüketimi üzerinde etkisi kalıcı şekilde olacaktır. Sonuç olarak enerji

tüketimine gelebilecek rassal şoklar geçici etkiye sahip olmayacaktır.

4.Sonuç

Çalışmada öncelikle değişkenlerin doğrusallık özellikleri incelenmiştir. Elde edilen bulgulara

göre, toplam enerji tüketimi ve fosil kaynaklı enerji tüketimi serilerinin doğrusal formda olmadığı

belirlenmiştir. Aksine yenilenebilir kaynaklı enerji tüketimi serisinin ise doğrusal olma özelliği

taşıdığı görülmüştür. Dolayısıyla toplam enerji tüketimi ve fosil kaynaklı enerji tüketimi serileri

için Kapetanios vd. (2003) ve Kruse (2011) doğrusal olmayan birim kök testleri kullanılmış ve

yenilenebilir kaynaklı enerji tüketimi serisi için ise ADF testi kullanılmıştır. Doğrusal olmayan

birim kök test sonuçları incelendiğinde, her iki testte toplam enerji tüketimi ve fosil kaynaklı enerji

tüketimi değişkenleri rassal şoklara karşı direnç gösteremediği görülmüştür. Yani toplam enerji


379

tüketimi ve fosil kaynaklı enerji tüketimi serisi birim kök özelliği sergilemektedir. Diğer yandan

doğrusal formda olan yenilenebilir kaynaklı enerji tüketimi serisi için ADF birim kök test sonuçları

incelendiğinde, birim kök içerdiği sonucuna varılmaktadır. Sonuç olarak bütün değişkenler

durağan dışı bulunmuştur.

Türkiye'de enerji tüketiminin rassal şoklar karşısında yeni bir denge düzeyine gitme eğiliminde

olduğunu göstermektedir. Yani enerji piyasalarında meydana gelebilecek bir şokla birlikte enerji

tüketimi yeni bir ortalama ve/veya trend noktasına taşınacaktır. Buradan politika yapıcıların

Türkiye'de enerji tüketimi konusunda alacakları kararları dikkatli bir şekilde piyasaya

uygulamaları önerilmektedir. Çünkü enerji tüketimi birim kök içermesinden dolayı alınan

kararlarla yeni bir denge düzeyine gitme üzerine istekli olacaktır.

Kaynakça

Ahmed, K., Long, W. (2012). Environmental Kuznets Curve and Pakistan: An Empirical Analysis. Procedia

Economics and Finance. 1. 4-13.

Apergis N, Loomis D, Payne JE. (2010). Are fluctuations in coal consumption transitory or permanent? evidence from

a panel of US states. Applied Energy, 87: 2424-6.

Apergis N, Payne JE. (2010). Structural breaks and petroleum consumption in US states: are shocks transitory or

permanent? Energy Policy, 38: 6375-8.

Baek, J., Cho, Y., Koo, W. W. (2009). The Environmental Consequences of Globalization: A Country-Specific Time-

Series Analysis. Ecological Economics. 68(8). 2255-2264.

Chen PF, Lee CC. (2007). Is energy consumption per capita broken stationary? new evidence from regional-based

panels. Energy Policy 2007, 35: 3526-40.

Dickey, D.A., Fuller, W.A. (1979). Distribution of the Estimators for Autoregressive Time Series With a Unit Root,

Journal of the American Statistical Association, 7/4, 427-431.

Dickey, D.A., Fuller, W.A. (1981). Likelihood Ratio Statistics for Autoregressive Time Series with a Unit

Root. Econometrica: Journal of the Econometric Society, 49/4, 1057-1072.

Haisheng, Y., Jia, J., Yongzhang, Z., Shugong, W. (2005). The Impact on Environmental Kuznets Curve by Trade

and Foreign Direct Investment in China. Chinese Journal of Population Resources and Environment. 3(2).

Harvey, D.I., Leybourne, S.J., Xiao, B. (2008). A Powerful Test for Linearity When the Order of Integration is

Unknown. Studies in Nonlinear Dynamics & Econometrics, 12 (3)

Hsu C, Lee CC, Lee CC. (2008). Revisited: are shocks to energy consumption permanent or temporary? new evidence

from a panel SURADF approach. Energy Economics, 30: 2314-30.

Jalil, A., Mahmud, S. F. (2009). Environment Kuznets Curve for CO2 Emissions: A Cointegration Analysis for

China. Energy Policy, 37(12). 5167-5172.

Joyeux, R., Ripple, R. D. (2007). Household energy consumption versus income and relative standard of living: a

panel approach. Energy Policy, 35(1), 50-60.

Kapetanios G., Shin Y., Snell A. (2003). Testing for a Unit Root in the Nonlinear STAR Framework. Journal of


Kim, H. S., Baek, J. (2011). The Environmental Consequences of Economic Growth Revisited. Economics

Bulletin, 31(2). 1-13.

Kruse R. (2011). A New Unit Root Test Against ESTAR Based on a Class of Modified Statistics. Statistical Papers,

52, 71-85.

Lean HH, Smyth R. (2009). Long memory in US disaggregated petroleum consumption: evidence from univariate

and multivariate LM tests for fractional integration. Energy Policy, 37: 3205-11.


380

Lee C.C. (2005). Energy consumption and GDP in developing countries: A cointegrated panel analysis. Energy

Economics, 27, 415-427.

Maslyuk S., Smyth R. (2009). Non-linear unit root properties of crude oil production. Energy Economics, 31, 109-

118.

Mishra V., Sharma S., Smyth R. (2009). Are fluctuations in energy consumption per capita transitory? Evidence from

a panel of Pacific Island countries. Energy Policy 37(6), 2318-2326.

Narayan P.K., Narayan S., Popp S. (2010). Energy consumption at the state level: The unit root null hypothesis from

Australia. Applied Energy, 87, 1953-1962.

Narayan P.K., Narayan S., Smyth R. (2008). Are oil shocks permanent or temporary? Panel data evidence from crude

oil and NGL production in 60 countries. Energy Economics, 30(3), 919-936.

Narayan, P. K., Smyth, R. (2007). Are shocks to energy consumption permanent or temporary? Evidence from 182

countries. Energy policy, 35(1), 333-341.

Ozcan, B. (2013). Are shocks to energy consumption permanent or temporary? The case of 17 middle east

countries. Energy Exploration & Exploitation, 31(4), 589-605.

Ozturk, I., Aslan, A. (2011). Are fluctuations in energy consumption per capita transitory? Evidence from

Turkey. Energy Exploration & Exploitation, 29(2), 161-167.


381

Türkiye’de Banka Grupları Kârlarının Yakınsaması

Aykut KARAKAYA1

M. Esra ATUKALP2

Özet

Ülkeler veya bölgelerarası gelişmişlik farkının kapanması anlamına gelen yakınsamanın

ülke bankacılık sistemi içerisindeki banka grupları üzerinde araştırılması bankacılık

sisteminin yapısını ortaya koyması açısından önemlidir. Bu çalışmayla Türkiye Bankacılık

Sistemi içerisinde yer alan kalkınma ve yatırım bankaları, katılım bankaları ve mevduat

bankaları grup kârlarının yakınsamasının ortaya konması amaçlanmıştır. Çalışmada,

Türkiye’de kalkınma ve yatırım bankaları, katılım bankaları ve mevduat bankaları

gruplarının 2006:01-2017:12 dönemindeki aylık reel net dönem kâr serilerinin yakınsaması

incelenmiştir. Analiz yöntemi, yapısal kırılmanın bulunmadığını varsayan ADF (1981)

birim kök testi ve içsel tek yapısal kırılmanın bulunduğunu varsayan Zivot-Andrews (1992)

birim kök testidir. Çalışma sonucunda, Türkiye’de kalkınma ve yatırım bankaları kârının

mevduat bankaları kârına yakınsadığı ve katılım bankaları kârının mevduat bankaları

kârına yakınsamadığı bulunmuştur.

Anahtar Kelimeler: Bankalar, Yakınsama Hipotezi, Zaman Serisi Birim Kök Testi

Jel Sınıflaması: G21, E13, C22

Convergence at Profits of The Bank Groups in Turkey

Abstract

It is important to investigate convergence, that means the closure of countries or regional

development differentials, on bank groups within a country's banking system to reveal the

structure of the banking system. Thus, it was aimed in this study that to demonstrate the

convergence of development and investment banks, participation banks and commercial

banks (located within Turkey Banking System) group profit. In the study, convergence of

the monthly real net period profit series for 2006:01-2017:12 of the development and

investment banks, commercial banks and participation banks group in Turkey were

examined. The analysis method is the ADF (1981) unit root test, which assumes that there

is no structural break and the Zivot-Andrews (1992) unit root test which assumes that there

is an internal single structural break. As a result of the study, it was found in Turkey that

the profit of development and investment banks to converge to the profit of the commercial

banks and the profit of participation banks not to converge to the profit of the commercial

banks.

Keywords: Banks, Convergence Hypothesis, Time Series Unit Root Test

Jel Classification: G21, E13, C22

1. Giriş

Ekonomideki yaşam standardının yükseltilmesi daha az gelişmiş bölge veya ülkelerin daha yüksek

büyüme oranları gerçekleştirip, daha gelişmiş bölge veya ülkeler arasında var olan gelişmişlik

1Dr. Öğr. Üy., [email protected], Recep Tayyip Erdoğan Üniversitesi, İktisadi ve İdari Bilimler

Fakültesi, İşletme Bölümü, Rize/Türkiye, ORCID: 0000-0001-6491-132X 2Dr. Öğr. Üy., [email protected], Giresun Üniversitesi Bulancak K.K. Uygulamalı Bilimler Yüksekokulu

Uluslararası Ticaret Bölümü, Bulancak/Giresun/Türkiye, ORCID: 0000-0001-8412-1448


382

düzeyleri arasındaki farkın uzun dönemde kapanacağını ileri süren yakınsama hipotezi neo-klasik

iktisadi büyüme modeli öngörüsünde kullanılmaktadır. Buna karşın, yeni büyüme kuramı yani

içsel büyüme modelinde ise, büyümenin uzun dönemde mümkün olacağından dolayı ülkelerin

birbirini yakınsamaları öngörülmemektedir. Bu iki yaklaşımda ayrım, vergi, yatırım özendirmeleri

gibi politika araçları ve kurumsal yapıların neo-klasik kuramında etkisinin olmadığı buna karşın,

içsel büyüme kuramında etkisinin olduğunun kabul edilmesidir. Böylece devletin ekonomideki

rolü içsel büyüme modelinde önemli olmaktadır. Son 30 yılda yapılan çalışmalara bakıldığında,

içsel büyüme kuramında teknolojinin içselleştirildiği ve insani sermayeye özel bir işlev atfedildiği

görülmüştür. Ayrıca, neo-klasik büyüme modelinin temel öngörüsü olan yakınsama hipotezinin,

içsel büyüme kuramı çerçevesinde yapılan çalışmalarda bölgeler ve ülkeler arasında sınandığı

gözlenmiştir.

Türkiye’deki banka gruplarında yakınsama hipotezinin testi Türkiye Bankacılık Sistemi yapısının

ortaya konması, ülke ekonomisi ve finansal sistemi açısından önemlidir. Ekonomide

değişkenlerdeki değişimin etkileri kadar bu etkilerin ne hızda olduğuna dair tartışmalar da

önemlidir. Bu öneminden hareketle çalışmada bankaların kârındaki değişimin hızı konu edilmiştir.

Böylelikle bu çalışmayla Türkiye Bankacılık Sistemi içerisinde yer alan kalkınma ve yatırım

bankaları, katılım bankaları ve mevduat bankaları grup kârlarının yakınsamasının ortaya konması

amaçlanmıştır.

2. Literatür

İktisat literatürüne bakıldığında, yakınsama hipotezinin yoğun biçimde bir ülkenin bölgeleri veya

ülkelerarası geçerliliğinin zaman serisi, yatay kesit veya panel veri analiz yöntemleri aracılığıyla

araştırıldığı görülmektedir.

Yakınsamanın ülkelerarası geçerliliğini Baumol (1986), 1870-1979 dönemini kapsayan 16

sanayileşmiş ülke için incelemiş ve düşük gelir düzeyine sahip ülkelerin daha düşük oranda

büyüdüklerini dolayısıyla hipotezi doğrulayamamıştır. Ağazade (2017) tarafından yapılan

çalışmada ise, Bakü şehri, Azerbaycan’ın 9 ekonomik bölgesi ve Türkiye’ye ait kişi başına düşen

reel sanayi üretim verileri kullanılarak yakınsama hipotezlerinin geçerliliği araştırılmıştır. Çalışma

sonucunda, yakınsama hipotezinin geçerliliğine yönelik bulgular elde edilememiştir. Buna karşın

yakınsama hipotezini destekleyen çalışmalarda bulunmaktadır. Barro (1991), 98 ülkeyi ve 1960-

1985 yıllarını kapsayan çalışmasında yakınsama hipotezini destekleyici bulgulara ulaşılmıştır.

OECD ülkeleri üzerine yapılan Nahar ve Inder (2002) ve Gögül ve Korap (2014) çalışmalarında

lider ülke olan ABD’ye diğer ülkelerin yakınsadığını destekleyici delillere ulaşılmıştır. Mankiw

vd. (1992), 1960-1985 yıllarına ait 96 petrol üreticisi olmayan ülke, 74 orta düzey ülke ve 22

OECD üyesi ülke için yakınsama hipotezini destekleyen bulgulara ulaşmışlardır. Ayala vd.


383

(2013)’nin 17 Latin Amerika ülkesinin 1950-2011 döneminde ABD’ye yakınsamasını inceleyen

çalışmasında, yapısal kırılmalı birim kök testine göre, yakınsama hipotezini destekleyen bulgular

bulunmuştur. Gaulier vd. (1999) tarafından yapılan çalışmada 15 AB, 27 OECD ve 86 ülke gruplar

için yakınsama hipotezi incelenmiştir. Çalışmayla AB ve OECD ülkeleri için yakınsamaya yönelik

sonuçlar bulunmasına rağmen 86 ülke için ise yakınsama hipotezi desteklenememiştir.

Bir ülkenin bölgeleri arasındaki yakınsama çalışmaları arasında Barro ve Sala-i-Martin (1992),

Montañés ve Olmos (2014), Breuer vd. (2014) ve Mishra ve Mishra (2018) tarafından yapılan

çalışmalar örnek gösterilebilir. Barro ve Sala-i-Martin (1992), ABD eyaletlerini ve 1880-1988

dönemini kapsayan yatay-kesit çalışmasında, özellikle sektörler üzerinde yoğunlaşarak, her bölge

için bir yakınsama tahmininde bulunmuşlardır. Çalışmada hem mutlak hem de koşullu

yakınsamayı destekleyen sonuçlara ulaşılmıştır. Breuer vd. (2014) 1929-2011 dönemlerinde ABD

eyaletleri için yaptıkları çalışmada, 1978 öncesinde mutlak yakınsamanın geçerli olduğu ve 1990

sonrasında bunun daha zayıf biçimde geçerliliğine yönelik bulgular ortaya konulmuştur. Mishra

ve Mishra (2017) tarafından yapılan çalışmada Hindistan’ın 17 eyaleti için koşullu yakınsamanın

geçerliliği çoklu yapısal kırılmalı birim kök testleriyle araştırılmıştır. Çalışma sonucunda,

eyaletlerin büyük çoğunluğunun gelir düzeyi bakımından ülke ortalamasına yakınsadığına yönelik

sonuçlar elde etmişlerdir. Montañés ve Olmos (2014) 1980-2010 dönemlerini kapsayan İspanya’yı

konu alan çalışmada, kişi başına GSYH ve insani gelişim endeksine göre yakınsama ele

almışlardır. Çalışmayla, İspanya ekonomisinin yakınsamadan ziyade daha çok ıraksama ile

karakterize edilebileceği yönünde bulgular elde edilmiştir.

Türkiye’de bölgelerarası yakınsama hipotezini konu alan Berber vd. (2000) Türkiye’nin coğrafi

bölgeleri arasında yakınsamanın geçerliliğini panel ve yatay kesit verilerle incelemişler. Bölgeler

için yakınsama hipotezinin desteklenmediği gözlenmiştir Benzer biçimde Karaca (2004) ile

Abdioğlu ve Uysal (2013) da Türkiye’de bölgeler arasında yakınsamanın geçerli olmadığı

yönünde sonuçlar elde etmişlerdir. Türkiye’de bölgelerin yakınsamasını destekleyen çalışmalar da

mevcuttur. Bunlardan, Ersungur ve Polat’ın (2006), çalışmalarında yakınsamayı zayıf şekilde

destekleyen sonuçlara ulaşılmıştır. Tunay ve Silpagar (2007) panel birim kök testi ve dinamik

panel veri modelleri yardımıyla Türkiye’de farklı coğrafi bölgeler arası enflasyon yakınsaması

olgusunu test etmiştir. Çalışma sonucunda farklı coğrafi bölgeler arasında enflasyon yakınsaması

olgusu tespit edilmiş ve yakınsama sürecinin oldukça hızlı olduğu görülmüştür. Zeren ve Yılancı

(2011) yaptıkları çalışmada bölgelerin bir kısmında mutlak bir diğer kısmında ise, koşullu

yakınsamaya yönelik sonuçlara ulaşmışlar. Özgül ve Karadağ (2015) tarafından yapılan çalışma

da yakınsama hipotezini destekleyici bazı kanıtlar sunmuştur.


384

Ülkeler veya bölgelerarası gelişmişlik farkının kapanması anlamına gelen yakınsamanın bir ülke

bankacılık sistemi içerisindeki banka grupları üzerinde araştırılması bankacılık sisteminin yapısını

ortaya koyması açısından önemlidir. İlaveten, bankacılık sisteminde yakınsamayı konu alan

çalışmalara ulaşılmamış olması, bu çalışma ile alandaki boşluğun giderilmesine mütevazı bir katkı

sağlanacağını düşündürmektedir.

3.Araştırma Yöntemi ve Veri Seti

3.1.Analiz Yöntemi

Çalışmada, Türkiye’de kalkınma ve yatırım bankaları, katılım bankaları ve mevduat bankaları


incelenmiştir. Yakınsama sınaması kalkınma ve yatırım bankaları grubu ile katılım bankaları

grubu aylık reel net dönem kârları için mevduat bankaları grubu aylık reel net dönem kârının

referans alınmasıyla gerçekleştirilmiştir. Böylece, sırasıyla kalkınma ve yatırım bankası grubu kârı

ile katılım bankası grubu kârının mevduat bankası grubu kârına oranlarına ait logaritmik serilerin

durağanlığı araştırılmıştır.

Yakınsama hipotezinin testinde, Altıntaş ve Ayrıçay (2010), Dumrul (2010), Kirankabeş ve

Başarır (2012), Montañés ve Olmos (2014) ve Aslan ve Yılmaz (2015) tarafından yapılan

çalışmalarda zaman serileri analizleri kullanılmıştır. En yaygın kullanılan zaman serileri analizleri

içinde birim kök testi, eş bütünleşme, VAR, VECM ve ARDL sayılabilir. Çalışma değişkenleri

Bernard ve Durlauf (1995) tarafından önerildiği biçimde, kalkınma ve yatırım bankaları grubu kârı

ile katılım bankaları grubu kârı sırasıyla hedef grup olarak kabul edilen mevduat bankaları grubu

kârına oranlanmak suretiyle oluşturulduğundan, yakınsama hipotezi birim kök testiyle analiz

edilmiştir. Analiz yöntemi, yapısal kırılmanın bulunmadığını varsayan ADF (1981) birim kök testi

ve içsel tek yapısal kırılmanın bulunduğunu varsayan Zivot-Andrews (1992) birim kök testidir.

Logaritmik kâr oranları serilerinin birim kök testleri durağansa yakınsama hipotezinin geçerli

olduğu sonucuna varılır.

Zivot-Andrews (1992) dışsal kırılma noktası varsayımını ret etmekte ve alternatif bir hipotez

altında trend fonksiyonunda tahmini bir kırılmaya imkân tanıyan bir birim kök testi geliştirmiştir.

Böylece, ZA (1992) tarafından yapılan çalışmayla tek bir yapısal değişmeyi içsel olarak dikkate

almak suretiyle durağanlık test edilmiştir. ZA birim kök testi aşağıdaki denklemler yardımıyla

gösterilebilir.

Model A: 1 1

1

k

t t t j t j t

j

y y t DU d y

(1)


385

Model B: 1 1 1

1

k

t t j t j t

j

y y t DT d y

(2)

Model C: 1 1 1

1

k

t t t t j t j t

j

y y t DU DT d y

(3)

1 Eğer t>TB

0 DiğerDUt ve Eğer t>TB,

0 DiğerDTt

t TB

Burada /TB T ve TB olası kırılma yılını temsil etmektedir. 1t

y

’in katsayısının istatistikî olarak

anlamlılığına bakılarak karar verilmektedir. Model A, trend durağan alternatif hipotez altında,

trend fonksiyonunun sabitte (ortalamada) bir değişim olduğunu; Model B, trend fonksiyonun

eğiminde bir değişim olduğunu; Model C ise hem ortalamada hem de eğimde değişimin aynı anda

gerçekleştiğini kabul edilmektedir (Yavuz, 2018, s.312).

3.2. Veri Seti

Çalışmada, Türkiye’de kalkınma ve yatırım bankaları, katılım bankaları ve mevduat bankaları


incelenmiştir. Çalışmanın değişkenleri Bernard ve Durlauf (1995) tarafından önerildiği biçimde,

“kalkınma ve yatırım bankaları grubu kârı” ile “katılım bankaları grubu kârının” sırasıyla hedef

grup olarak kabul edilen “mevduat bankaları grubu kârına” oranlanmak suretiyle oluşturulmuştur.

Kâr oranları logaritmiktir. Çalışmanın devamında değişkenler sırasıyla LKYB/LMB ve

LKB/LMB kısaltmalarıyla ifade edilmiştir.

4. Bulgular

4.1.Banka Grupları Kârlarının Eğilimi

Türkiye’deki kalkınma ve yatırım bankaları, katılım bankaları ile mevduat bankaları banka

gruplarının aylık reel net kârlarının yıllar itibariyle göstermiş olduğu eğilim aşağıdaki Grafik 1-

3’te sunulmuştur.

Grafik 1’e bakıldığında kalkınma ve yatırım bankaları aylık reel net dönem kârının küresel finansal

kriz öncesinde yatay biçimde ve yüksek oynaklık gösterdiği, krizin ortaya çıkmasıyla beraber

oynaklığın azaldığı ve sonrasında oynaklığın arttığı görülmüştür. Krizin sonrasında 2013 yılıyla

kârdaki oynaklığın artmasıyla birlikte kârda yükselen bir trendin ortaya çıktığı gözlenmiştir.


386

Grafik 1: Kalkınma ve Yatırım Bankacılığı Aylık Reel Net Kâr veya Zararı (1.000 TL)

Grafik 2’de katılım bankalarının aylık reel net dönem kârı yer almaktadır. Grafik 2’den 2014 yılına

kadar kârın istikrarlı olarak yatay bir eğime sahip olduğu tespit edilmiştir. 2014 yılıyla birlikte

2017 yılına kadar kârın çok yüksek oynaklık gösterdiği görülmüş ve 2017 yılında eski istikrarına

kavuştuğu gözlenmiştir.

Grafik 2: Katılım Bankacılığı Aylık Reel Net Kâr veya Zararı (1.000 TL)

Grafik 3’te mevduat bankalarının aylık reel net dönem kârına yer verilmiştir. Grafik 3’e göre kâr,

küresel finansal kriz öncesinde yatay biçimde ve yüksek oynaklık göstermiş, krizin ortaya

çıkmasıyla dramatik biçimde zarara dönüşmüştür. Krizin ardından kâr, önce yatay sonrasında hafif

artışa geçmiştir. Krizin, mevduat bankalarının kârında son derece belirleyici olduğu belirlenmiştir.

Grafik 3: Mevduat Bankacılığı Aylık Reel Net Kâr veya Zararı (1.000 TL)

-50000

0

50000

100000

150000

200000

200

6-0

1

200

6-0

7

200

7-0

1

200

7-0

7

200

8-0

1

200

8-0

7

200

9-0

1

200

9-0

7

201

0-0

1

201

0-0

7

201

1-0

1

201

1-0

7

201

2-0

1

201

2-0

7

201

3-0

1

201

3-0

7

201

4-0

1

201

4-0

7

201

5-0

1

201

5-0

7

201

6-0

1

201

6-0

7

201

7-0

1

201

7-0

7

-200000

-150000

-100000

-50000

0

50000

100000

150000

200000

200

6-0

1

200

6-0

7

200

7-0

1

200

7-0

7

200

8-0

1

200

8-0

7

200

9-0

1

200

9-0

7

201

0-0

1

201

0-0

7

201

1-0

1

201

1-0

7

201

2-0

1

201

2-0

7

201

3-0

1

201

3-0

7

201

4-0

1

201

4-0

7

201

5-0

1

201

5-0

7

201

6-0

1

201

6-0

7

201

7-0

1

201

7-0

7

-200000

0

200000

400000

600000

800000

1000000

1200000

1400000

1600000

200

6-0

1

200

6-0

7

200

7-0

1

200

7-0

7

200

8-0

1

200

8-0

7

200

9-0

1

200

9-0

7

201

0-0

1

201

0-0

7

201

1-0

1

201

1-0

7

201

2-0

1

201

2-0

7

201

3-0

1

201

3-0

7

201

4-0

1

201

4-0

7

201

5-0

1

201

5-0

7

201

6-0

1

201

6-0

7

201

7-0

1

201

7-0

7


387

4.2.Banka Grupları Kâr Oranlarının Eğilimleri

Türkiye’deki banka gruplarının kâr yakınsaması değişkenlerinin yıllar itibariyle göstermiş olduğu

eğilim aşağıdaki Grafik 4-5’te sunulmuştur.

Grafik 4’teki logaritma kalkınma ve yatırım bankaları kârının logaritma mevduat bankaları kârına

(LKYB/LMB) oranına bakıldığında, oranının küresel finansal krizin ortaya çıktığı dönemde

kırıldığı ve sonrasında eski konumuna döndüğü gözlenmiştir. Bu bulgu oranın tek kırılmaya sahip

olduğunu ortaya koymuştur.

Grafik 4: LKYB/LMB Oranı

Grafik 5’te verilen logaritma katılım bankaları kârının logaritma mevduat bankaları kârına

(LKB/LMB) oranın küresel finansal krizin ortaya çıktığı dönemde keskin biçimde kırıldığı

sonrasında ise, eski konumuna geri döndüğü belirlenmiştir. Bulgu, oranın tek kırılmaya sahip

olduğunu göstermiştir.

Grafik 5: LKB/LMB Oranı

4.3.Birim Kök Testleri

Kırılmasız ADF (1981) birim kök testi ile içsel tek yapısal kırılmalı ZA(1992) birim kök testi

analiz bulguları aşağıdaki Tablo 1 ve 2’de sunulmuştur. Tablo 1’de yakınsama değişkenlerinin

birinci mertebe ADF (1981) birim kök testi sabit terimsiz, sabit terimli ve sabit terim-trendli

modellerinin analiz bulguları yer almıştır.

-0.4

-0.3

-0.2

-0.1

0

0.1

0.2

200

6-0

1

200

6-0

7

200

7-0

1

200

7-0

7

200

8-0

1

200

8-0

7

200

9-0

1

200

9-0

7

201

0-0

1

201

0-0

7

201

1-0

1

201

1-0

7

201

2-0

1

201

2-0

7

201

3-0

1

201

3-0

7

201

4-0

1

201

4-0

7

201

5-0

1

201

5-0

7

201

6-0

1

201

6-0

7

201

7-0

1

201

7-0

7

-0.15

-0.1

-0.05

0

0.05

0.1

0.15

0.2

0.25

0.3

200

6-0

1

200

6-0

7

200

7-0

1

200

7-0

7

200

8-0

1

200

8-0

7

200

9-0

1

200

9-0

7

201

0-0

1

201

0-0

7

201

1-0

1

201

1-0

7

201

2-0

1

201

2-0

7

201

3-0

1

201

3-0

7

201

4-0

1

201

4-0

7

201

5-0

1

201

5-0

7

201

6-0

1

201

6-0

7

201

7-0

1

201

7-0

7


388

Tablo 1: ADF Birim Kök Testi Sonuçları

Birinci Mertebe

Değişkenler Sabitsiz Sabitli Sabitli ve Trendli

LKYB/LMB -4.453 (1) -6.870 (1) -7.051577** (1)

LKB/LMB -4.143* (2) -10.269**(1) -10.618** (1)

*0,05 ve **0.01 anlamlılık düzeyini göstermektedir. Parantez içindekiler uygun gecikme sayısıdır. LKYB/LMB: Logaritma

Kalkınma ve Yatırım Bankaları Kârının Logaritma Mevduat Bankaları Kârına Oranı

LKB/LMB Logaritma Katılım Bankaları Kârının Logaritma Mevduat Bankaları Kârına Oranıdır.

Tablo 1’den ADF birim kök testi ile banka grup kâr oranlarının yakınsama hipotezi testi

sonucunda, kalkınma ve yatırım bankaları kârının mevduat bankaları kârına oranının

(LKYB/LMB) sabitli ve trendli modelde mertebede durağan I(0) olduğu gözlenmiştir. Katılım

bankaları kârının mevduat bankaları kârına oranının (LKB/LMB) ise, üç modelde de mertebede

durağan I(0) olduğu ortaya konulmuştur.

Tablo 2’de yakınsama değişkenlerinin birinci mertebede ZA (1992) birim kök testi model A, B ve

C analiz bulguları verilmiştir.

Tablo 2: Zivot-Andrews Birim Kök Testi Sonuçları

Model A Model B Model C

Değişkenler Min. t ist. Kırılma Min. t ist. Kırılma Min. t ist. Kırılma

LKYB/LMB -6.266**(7) 2008-10 -5.206**(7) 2008-11 -6.258*(7) 2008-10

LKB/LMB -3.055 (2) 2014-06 -3.582 (2) 2009-01 -4.085 (2) 2009-03

*0,05 ve **0.01 anlamlılık düzeyini göstermektedir. Parantez içindekiler uygun gecikme sayısıdır.

LKYB/LMB: Logaritma Kalkınma ve Yatırım Bankaları Kârının Logaritma Mevduat Bankaları Kârına Oranı

LKB/LMB Logaritma Katılım Bankaları Kârının Logaritma Mevduat Bankaları Kârına Oranıdır.

Tablo 2’ye bakıldığında, ZA (1992) birim kök testi ile banka grup kâr oranlarının yakınsama

hipotezi testi sonucunda kalkınma ve yatırım bankaları kârının mevduat bankaları kârına oranının

(LKYB/LMB) mertebede durağan I(0) olduğu görülmüştür. İlaveten, yapısal kırılmalar ortalama

ve trend de Ekim ve Kasım 2008 tarihleridir. Buna karşın katılım banka kârının mevduat bankaları

kârına oranının (LKB/LMB) ise, mertebede durağan olmadığı ve birim kök içerdiği bulunmuştur.

Kalkınma ve yatırım bankaları grubu kârının mevduat bankaları grubu kârına oranı ADF ve ZA

birim kök testi sonucunda durağan bulunmuştur. Katılım bankaları grubu kârının mevduat

bankaları grubu kârına oranının ADF birim kök testine göre durağan olduğu ancak ZA birim kök

testine göre ise durağan olmadığı ortaya konulmuştur. Kalkınma ve yatırım bankaları grubu

kârının mevduat bankaları grubu kârına oranında 2008 yılı sonunda, katılım bankaları grubu

kârının mevduat bankaları grubu kârına oranında ise 2009 yılının başında bir kırılma yaşanmıştır.

Böylece ZA birim kök testi sonucuna göre kalkınma ve yatırım bankaları grubu kârının mevduat

bankaları grubu kârına oranının mertebe durağan olduğuna, katılım bankaları grubu kârının

mevduat bankaları grubu kârına oranı ise mertebe durağan olmadığına karar verilmiştir.


389

5. Sonuç

Çalışma sonucunda, Türkiye’de kalkınma ve yatırım bankaları kârının mevduat bankaları kârına

yakınsadığı ancak, katılım bankaları kârının mevduat bankaları kârına yakınsamadığı

bulunmuştur. Bu sonuç, kâr açısından Türkiye’deki kalkınma ve yatırım bankalarının mevduat

bankalarına benzediğini buna karşın, katılım bankalarının mevduat bankalarına benzemediğini

göstermiştir. Başka bir ifadeyle, bankacılık faaliyetleri sonucu itibariyle, Türkiye’de kalkınma ve

yatırım bankalarının mevduat bankalarına yakınsadığı, katılım bankalarının ise yakınsamadığı

ortaya konulmuştur.

Kaynakça

Abdioğlu, Z., Uysal, T. (2013). Türkiye’de Bölgeler Arası Yakınsama: Panel Birim Kök Analizi. Atatürk Üniversitesi

İktisadi ve İdari Bilimler Dergisi, 27 (3), 125-143.

Ağazade, S. (2017). Yakınsama Hipotezinin Azerbaycan Bölgeleri İçin Analizi. Anadolu İktisat ve İşletme Dergisi, 1

(1), 18-35.

Altıntaş, H., Ayrıçay Y. (2010). Türkiye’de Finansal Gelişme ve Ekonomik Büyüme İlişkisinin Sınır Testi

Yaklaşımıyla Analizi: 1987-2007. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 10 (2), 71-98.

Aslan, N., Yılmaz, O. (2015). Finansal Gelişme ve Büyüme İlişkisinin Solow Modeli ile Analizi: Türkiye Üzerine Bir

Çalışma. Finansal Araştırmalar ve Çalışmalar Dergisi, 7 (12), 17-39.

Ayala, A., Cunado, J., Gil-Alana, L. A. (2013). Real Convergence: Empirical Evidence for Latin America. Applied

Economics, 45 (22), 3220-3229.

Barro, R. J. (1991), Economic Growth in a Cross Section Countries. The Quarterly Journal of Economics, 106 (2),

407-443.

Barro, R. J., Sala-i-Martin, X. (1992). Convergence. Journal of Political Economy, 100(2): 223-251.

Berber, M., Yamak, R., Artan, S. (2000). Türkiye’de Yakınlaşma Hipotezinin Bölgeler Bazında Geçerliliği Üzerine

Ampirik Bir Çalışma: 1975-1997. (9. Ulusal Bölge Bilimi ve Bölge Planlama Kongresi Bildiriler Kitabı).

Bernard, A. B., Durlauf, S. N. (1995). Convergence in International Output. Journal of Applied Econometrics, 10 (2),

97-108.

Breuer, J. B., Hauk Jr., W., McDermott, J. (2014). The Return of Convergence in the US States. Applied Economics

Letters, 21 (1), 64-68.

Dickey, D.A., W.A. Fuller. (1981). Distribution of the estimators for autoregressive time series with a unit root.


Dumrul, C. (2010). Finansal Sistemin Gelişimi ve Ekonomik Büyüme: Teori ve Türkiye Uygulaması. (Yayınlanmamış

doktora tezi). Erciyes Üniversitesi/Sosyal Bilimler Enstitüsü, Kayseri.

Ersungur, Ş., M., Polat, Ö. (2006). Türkiye’de Bölgeler Arasında Yakınsama Analizi. Atatürk Üniversitesi Sosyal

Bilimler Enstitüsü Dergisi, 8 (2), 335 343.

Gaulier, G., Hurlin, C., Jean-Pierre, P. (1999). Testing Convergence : A Panel Data Approach. Annales d'Économie et

de Statistique, (55/56), 411-427.

Gögül, P., Koralp, L. (2014), Ekonomik Yakınsama Olgusunun Sınanması Üzerine Yeni Bulgular: OECD Örneği.

Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 4 (2), 60-73.

Karaca, O. (2004). Türkiye’de Bölgeler Arası Gelir Farklılıkları: Yakınsama var mı? (Türkiye Ekonomi Kurumu

Tartışma Metni, 2004/7)

Kirankabeş, M., Başarır, Ç. (2012). Stock Market Development and Economic Growth in Developing Countries: An

Empirical Analysis for Turkey. International Research Journal of Finance and Economics, (87), 134-146.

Mankiw, N. G., Romer, D., Weil, D. N. (1992). A Contribution to the Empirics of Economic Growth. The Quarterly

Journal of Economics, 107 (2), 407-437.


390

Mishra, A., Mishra, V. (2018). Re-examination of Convergence Hypothesis among Indian States in Panel Stationarity

Testing Framework with Structural Breaks. Applied Economics, 50 (3), 268-288.

Montañés, A., Olmos, L. (2014). Do the Spanish Regions Converge? A Unit Root Analysis for the HDI of the Spanish

Regions. Applied Economics, 46 (34), 4218-4230.

Nahar, S., Inder, B. (2002). “Testing Convergence in Economic Growth for OECD Countries”, Applied Economics,

34(16): 2011-2022.

Özgül, S., Karadağ, M. (2015). Regional Convergence in Turkey Regarding Welfare Indicators. Sosyoekonomi,

23 (24), 38-50.

Tunay, K. B., Silpagar A. M. (2007). “Dinamik Mekan-Zaman Panel Veri Modelleriyle Türkiye'de Bölgesel Enflasyon

Yakınsamasının Analizi”, Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(1), 1-27.

Yavuz, N.Ç. (2018). Finansal Ekonometri, Der Yayınları, 2. Basım, İstanbul.

Zeren, F., Yılancı, V. (2011). Türkiye’de Bölgeler Arası Gelir Yakınsaması: Rassal Katsayılı Panel Veri Analizi

Uygulaması. Business and Economics Research Journal, 2 (1), 143-151.

Zivot, E., Andrews, D. (1992). Further Evidence On The Great Crash, The OilPrice Shock, and The Unit Root

Hypothesis. Journal of Business & Economic Statistics, 10 (3), 251-270.


391

Türkiye’de Borsa-Döviz Kuru İlişkisi

Nebiye YAMAK1

Rahmi YAMAK2

Serkan SAMUT3

Özet

Dışa açık bir ekonomide hisse senetlerinin işlem gördüğü menkul kıymetler borsası hem

yurtiçi hem de yurt dışı yatırımcılara açık olduğundan küresel paranın iç ve dış

oynaklığından etkilenmemesi mümkün değildir. Dışa açık bir borsa için dış dünyada

ekonomik, sosyal, siyasi, askeri, demografik ve çevresel olup bitenlerin yansıtıcısı

kuşkusuz dolar endeksidir. Ülke içindeki dolar kuru ise sadece iç dinamiklerden

etkilenmemekte aynı zamanda dış dünya dinamiklerini içinde barındıran dolar endeksi

tarafından da etkilenebilmektedir. Bu kapsamda çalışmanın amacı döviz kur hareketliliğini

iç ve dış kaynaklı olmak üzere iki kısma ayırarak kur ve borsa endeksi arasındaki olası kısa

ve uzun dönem dinamikleri araştırmaktır. Çalışmada dünya dolar endeksi arttıkça borsa

İstanbul endeksinin kısa dönemde azaldığı bulgusuna ulaşılmıştır. Ayrıca Türkiye’nin cari

Dolar/TL endeksi borsa İstanbul’u hem kısa hem de uzun dönemde etkilediği

belirlenmiştir. Bu etki kısa dönemde negatif iken uzun dönemde pozitiftir.

Anahtar Kelimeler: Dolar Endeksi, Borsa Endeksi, ARDL

JEL Sınıflaması: C22, G10, G15

The Relationship Between Stock Market and Exchange Rate in Turkey

Abstract

Since in the open economy stock market, in where stocks are traded, are open to both

domestic and foreign investors, it is impossible that this market does not be affected by in

and out-volatility of global money. For the stock market which are open to foreign

investors, the indicator which incorporates economics, social, political, military

demographic and environmental events is doubtless dollar index. Dollar in the domestic

economy may be affected not only by domestic dynamics both also by dollar index which

incorporates outside world dynamics. In this context, the purpose of this study is to

investigate the possible short and long-run dynamics between stock market index and

exchange rate by dividing movements of exchange rate into two parts as domestic and

international sources. In the study, it was found that BIST100 index decreases in the short

run when world dollar index increases. In addition, it was determined that nominal

exchange rate of dollar in Turkey affects BIST100 index in short and long run. This effect

is negative in the short run, but positive in the long run.

Keywords: Dollar Index, Stock Market Index, ARDL

JEL Classification: C22, G10, G15

1Prof. Dr., [email protected], Karadeniz Teknik Üniversitesi,İ.İ.B.F.,İktisat Bölümü,Trabzon/Türkiye,

ORCID:0000-0003-3336-4735/ 2Prof. Dr., [email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., Ekonometri Bölümü, Trabzon/Türkiye,

ORCID:0000-0002-2604-1797/ 3Arş. Gör., [email protected], Karadeniz Teknik Üniversitesi, İ.İ.B.F., Ekonometri Bölümü, Trabzon/Türkiye,

ORCID:0000-0001-8216-6482/


392

1. Giriş

Bilindiği üzere, ulusal menkul kıymetler borsası ve döviz piyasası iç ve dış dengelerdeki her türlü

değişime karşı hızlı ve ani tepki veren iki önemli piyasadır. Bu iki piyasanın özellikle dış yani

uluslararası ortamdan gelen uyartılara karşı tepkisinin hızı ve şiddeti kuşkusuz ulusal ekonominin

küreselleşme derecesine bağlıdır. Dışa açık bir ekonomide hisse senetlerinin işlem gördüğü

menkul kıymetler borsası hem yurtiçi hem de yurt dışı yatırımcılara açık olduğundan küresel

paranın iç ve dış oynaklığından etkilenmemesi mümkün değildir. Şöyle ki, uluslararası piyasalara

entegre olmuş bir borsa, yapısı itibariyle her türlü iç ve dış dinamiklerden kısa sürede etkilenen ve

dolayısıyla bu dinamiklere tepki verebilen bir piyasadır. Bir borsanın “iç” ve “dış” dinamiklere

karşı vereceği tepkinin şiddeti, yönü, hızı, süresi ve büyüklüğü aynı olmayabilir. Menkul kıymetler

borsaları açısından iç ve dış dinamiklerin en önemli yansıtıcısı kuşkusuz döviz kurudur.

Dışa açık bir borsa için dış dünyada ekonomik, sosyal, siyasi, askeri, demografik ve çevresel olup

bitenlerin yansıtıcısı kuşkusuz dolar endeksidir. Ülke içindeki dolar kuru ise sadece iç

dinamiklerden etkilenmemekte aynı zamanda dış dünya dinamiklerini içinde barındıran dolar

endeksi tarafından da etkilenebilmektedir. Ancak, dolar kuru ile dünya dolar endeksinin seyri

doğal olarak aynı yönde olmak zorunda değildir. Bu nedenle, yurtiçi dolar kurunun seyri iç ve dış

dinamiklerin etkisine bağlı olacaktır. Eğer iki endeksteki etki aynı yönde ise net etki de aynı yönde

olacaktır. Ancak bazen iki endeksteki hareketlilik ters yönde olabilir. Böyle bir durumda etkinin

işareti net etkinin işaretine bağlı olacaktır. Bu kapsamda çalışmanın amacı döviz kur

hareketliliğini iç ve dış kaynaklı olmak üzere iki kısma ayırarak kur ve borsa endeksi arasındaki

olası kısa ve uzun dönem dinamikleri araştırmaktır. Çalışmada döviz kuru olarak nominal dolar

kuru kullanılmıştır. Kur için iç ve dış kaynaklı endeksler oluşturulmuştur: Dünya Dolar Endeksi,

Dolar/TL kuru endeksi ve Dolar Endeksi ile Yurtiçi Dolar/TL endeksi arasındaki fark. Çalışmanın

bir diğer değişkeni Borsa İstanbul 100 endeksidir. Çalışmada incelenen dönem 2007:7-2018:5

arasını kapsamaktadır.

2. Literatür

Döviz kurları ile menkul kıymetler borsa endeksi arasındaki kısa ve uzun dönem ilişkiler sadece

ulusal ve uluslararası finans çevrelerinin değil aynı zamanda hükümetlerin ve akademisyenlerin

de ilgi odağında olan konulardan biridir. Hem dövizin hem de hisse senetlerinin standart bir mal

olmasından ötürü dışa açık ekonomilerde bu iki malın fiyatlarındaki hareketliliğin kısa ve uzun

dönem itibariyle ilişkili olup olmaması özellikle uluslararası sermaye hareketliliğinin önemli bir

belirleyicisi durumundadır. Ampirik literatürde bu konuya ilişkin çok sayıda çalışma

bulunmaktadır. Bazı çalışmalar iki değişken arasında sadece kısa dönem ilişki bulurken bazıları

da hem kısa hem uzun dönem ilişkiler tespit etmiştir. Sadece kısa dönem ilişki tespit eden


393

çalışmalara örnek olarak, ABD için Bahmani-Oskooee ve Sohrabian (1992), sanayileşmiş 7 ülke

için Nieh ve Lee (2001), seçilmiş 9 Asya ülkesi için Granger ve diğerleri (2000), Malezya için

İsmail ve İsa (2009), Pakistan için Khan ve diğerleri (2013), Meksika için Kutty (2010), Kanada,

İngiltere ve İsviçre için Alagidede ve diğerleri (2011) ve Nijerya için Inegbedion (2012)

gösterilebilir. Ampirik literatürde iki değişken arasında kısa dönem yanında uzun dönem ilişkiler

tespit eden çalışmalar sayıca az da olsa mevcuttur. Bunlara örnek olarak ise, Avusturalya için

Richards ve diğerleri (2009), 4 Arap ülkesi için Chortareas ve diğerleri (2011), Türkiye için Benli

(2015), Özmen (2007), Tuncer (2014), Eyüboğlu ve Eyüboğlu (2018) ve Avusturalya için

Groenewold ve Paterson (2013) verilebilir. Yukarıda görüldüğü üzere ülke örneği, yöntem ve

dönem değiştikçe bulgular da değişebilmektedir. Ancak mevcut çalışmaların tek bir ortak yanı

bulunmaktadır ki o da döviz kuru olarak ya nominal ya da reel döviz kurlarını kullanmış

olmalarıdır. Bu çalışmanın ilgili literatüre katkısı döviz kur hareketliliğini iç ve dış kaynaklı olmak

üzere iki kısma ayırarak kur ve borsa endeksi arasındaki olası kısa ve uzun dönem dinamikleri

araştırmaktır.

3. Tasarım ve Yöntem

Çalışmada döviz kuru olarak nominal dolar kuru kullanılmıştır. Kur için iç ve dış kaynaklı

endeksler oluşturulmuştur.

1. Dünya Dolar Endeksi (DXY)

2. Dolar/TL kuru endeksi (DKE)

3. Dolar Endeksi ile Yurtiçi Dolar/TL endeksi arasındaki fark (İDKE)

Çalışmanın bir diğer değişkeni Borsa İstanbul 100 endeksidir (BE). Bu endeks de diğer endeksler

gibi ay ortalamasını temsil etmektedir. Çalışmada incelenen dönem 2007:7-2018:5 arasını

kapsamaktadır. Gerek serilerin durağanlık koşullarına dayanarak gerekse değişkenlerdeki içsellik

ve dışsallık özelliklerini dikkate alarak seriler arasındaki kısa ve uzun dönem ilişkilerinin

araştırılmasında ARDL yaklaşımının uygun olduğu belirlenmiştir. ARDL yaklaşımıyla aşağıdaki

4 spesifikasyon üzerinde çalışılmıştır. Değişken sembollerin önündeki “L” harfi ilgili serinin

logaritmik dönüşümü yapıldığını göstermektedir.

1. 𝐿𝐵𝐸 = 𝑓(𝐿𝐷𝑋𝑌)

2. 𝐿𝐵𝐸 = 𝑓(𝐿𝐷𝐾𝐸)

3. 𝐿𝐵𝐸 = 𝑓(𝐿İ𝐷𝐾𝐸)

4. 𝐿𝐵𝐸 = 𝑓(𝐿𝐷𝑋𝑌, 𝐿İ𝐷𝐾𝐸)

Birinci spesifikasyonda dünya dolar endeksinin, ikinci spesifikasyonda Türkiye’de Dolar/TL

endeksinin ve üçüncü spesifikasyonda iç dinamiklerden kaynaklı dolar endeksinin borsa İstanbul


394

üzerindeki kısa ve uzun dönem etkilerinin araştırılması hedeflenmiştir. Sonuncu spesifikasyon iç

ve dış dolar endeksinin bir arada olduğu fonksiyonu temsil etmektedir.

Pesaran ve Shin (1999) ve Pesaran vd. (2001) tarafından geliştirilen Gecikmesi Dağıtılmış

Otoregresif (Autoregressive Distributed Lag- ARDL) sınır testi iki aşamadan oluşmaktadır. Birinci

aşamada değişkenler arasında uzun dönem ilişkinin varlığı sınanmaktadır. İkinci aşamada ise

birinci aşamada eş-bütünleşik oldukları tespit edilen seriler kullanılarak kısa ve uzun dönem

katsayılar elde edilmektedir. Sınır testi yaklaşımında seriler arasındaki uzun dönemli ilişkinin

varlığının sınanması amacıyla (1) numaralı denklem tahmin edilir.

∆LBEt=β0+ β

1 LBEt-1+β

2LDXYt-1+ ∑ δi∆LBEt-i

p

i=1 + ∑ γ1,i

∆LDXYt-iq

i=1 +εt (1)

(1) numaralı denklem farklı gecikme uzunlukları için tahmin edildikten sonra seriler arasında uzun

dönem ilişkinin olmadığını ifade eden sıfır hipotezi t ve F istatistikleri yardımı ile test

edilmektedir. Ancak buradaki t ve F istatistiklerinin asimptotik dağılımı standart t ve F

dağılımlarına uymamaktadır. Sabitli trendsiz model olan (1) numaralı modelde F istatistiği seviye

değişkenlerinin gecikmeli değerlerinin bir bütün olarak sıfıra eşit olup olmadığını test etmektedir.

t istatistiği ise (1) numaralı denklemde bağımlı değişken gecikme katsayısının sıfıra eşit olup

olmadığını test etmektedir. Eğer hesaplanan test istatistiği Pesaran, Shin ve Smith (2001)

tarafından belirlenmiş alt kritik sınırın altında kalırsa seriler arasında eş-bütünleşme ilişkisi

olmadığını ileri süren sıfır hipotezi reddedilememektedir. Ancak eğer hesaplanan F istatistiği, üst

sınır değerini aşıyorsa seriler arasında uzun dönem ilişki olduğu sonucuna ulaşılmaktadır.

Hesaplanan F istatistiğinin alt ve üst kritik sınırlar arasında kalması durumunda ise uzun dönem

ilişki hakkında herhangi bir karar verilememektedir. Pesaran sınır testi ile çeşitli sınamalar

sonucunda seriler arasında uzun dönem ilişki tespit edildikten sonra uzun ve kısa dönem katsayılar

elde edilmektedir. ARDL(p,q) (Autoregressive Distributed Lag) modeli (2) numaralı denklemde

gösterilmiştir.

LBEt=β0+ ∑ δiLBEt-i

p

i=1 + ∑ γ1,i

LDXYt-iq

i=0 +μt (2)

(2) numaralı denklemde , ve 𝛾 katsayıları; p ve q optimal gecikme uzunluklarını göstermektedir.

Sınır testi yaklaşımında ARDL(p,q) modeli yardımı ile uzun dönem katsayıları tahmin

edilmektedir. Uzun dönem katsayıların tahmin edilmesinden sonra hata düzeltme modeli kurularak

kısa dönem katsayılar elde edilir1.

1Ayrıntılı bilgi için Yamak ve Erdem (2017: 165-166) bakınız.


395


Çalışmada öncelikle değişkenlerin durağanlık özellikleri diğer bir ifadeyle entegre dereceleri

genişletilmiş Dickey-Fuller (ADF) birim kök testi ile analiz edilmiş ve sonuçlar Tablo 1’de

özetlenmiştir. ADF birim kök testi ile çalışmada yer alan değişkenlerin tamamının seviyelerinde

durağan olmadıkları ancak birinci devresel farklarında durağan oldukları tespit edilmiştir.

Tablo 1: Genişletilmiş Dickey-Fuller (ADF) Birim-Kök Test Sonuçları

Değişken Sabitli Sabitli ve Trendli

LDXY -1.421 -2.923

LDKE 0.692 -2.744

LİDKE 1.100 -1.991

LBE -1.273 -2.838

∆LDXY -8.041*** -8.019***

∆LDKE -7.980*** -8.083***

∆LİDKE -9.195*** -9.313***

∆LBE -8.511*** -8.474***

Not: ***, **, ve *; hesaplanan istatistiklerin sırasıyla %1, %5 ve %10 seviyesinde anlamlı

olduklarını göstermektedir.

Değişkenlerin birinci devresel farklarında durağan olmaları ve ayrıca değişkenlerdeki içsellik ve

dışsallık özelliklerini dikkate alması gerekçesiyle seriler arasındaki kısa ve uzun dönem

ilişkilerinin araştırılması için ARDL yöntemi uygulanmıştır. ARDL sınır testi sonuçlarının

özetlendiği Tablo 2’de borsa endeksi ile dünya dolar endeksi arasında herhangi bir eş bütünleşme

ilişkisi bulunmadığı görülürken; Dolar/TL kuru endeksi, iç dinamiklerden kaynaklı dolar endeksi

ve iç dinamiklerden kaynaklı dolar endeksiyle dünya dolar endeksinin yer aldığı modellerde eş

bütünleşme ilişkisinin mevcut olduğu anlaşılmaktadır. Gerek Tablo 2’den gerekse Grafik 1’den

anlaşılacağı üzere uzun dönem ilişkinin rastlandığı modellerde değişen varyans, otokorelasyon ve

istikrarsızlık gibi herhangi bir sorun mevcut değildir. Otokorealasyon ve değişen varyans için

hesaplanan istatistikler tablo kritik değerlerinden oldukça küçük hesaplanmıştır. Ayrıca CUSUM

istatistikleri de son üç modelin uzun dönem katsayılarının en az %5 anlamlılık düzeyinde istikrarlı

olduklarına işaret etmektedir.

Tablo 2. ARDL Sınır Testi Sonuçları

Bağımlı Değişken LBE LBE LBE LBE

Bağımsız

Değişkenler

LDX LDKE LİDKE LDX, LİDKE

F-istatistiği 2.224 10.350*** 4.062* 7.837***

Değişen Varyans (χ2) 0.363 (0.547) 1.132 (0.287) 0.028 (0.867) 1.124 (0.289)

1. Derece

Otokorelasyon (χ2)

1.541 (0.214) 2.041 (0.153) 0.288 (0.592) 2.601 (0.107)


396

12. Derece

Otokorelasyon (χ2)

15.118 (0.235) 15.322 (0.224) 12.243 (0.426) 15.778 0.202)

Sonuç Eş-bütünleşik

Değil

Eş-bütünleşik Eş-bütünleşik Eş-bütünleşik

Note: ***, **, ve *; hesaplanan istatistiklerin sırasıyla %1, %5 ve %10 seviyesinde anlamlı olduklarını

göstermektedir.

Aralarında eş bütünleşme ilişkisi çıkan modeller için hata düzeltme terimi, uzun ve kısa dönem

katsayıları Tablo 3’de yer almaktadır. Dünya dolar endeksi kısa dönemde borsa İstanbul’u

etkilemektedir. Dünya dolar endeksi arttıkça (azaldıkça) borsa İstanbul endeksi kısa dönemde

azalmaktadır (artmaktadır). Uzun dönemde iki değişken arasında istatistiksel herhangi bir ilişki

bulunmamaktadır. Türkiye’nin cari Dolar/TL endeksi (hem iç hem dış kaynaklı) borsa İstanbul’u

hem kısa hem de uzun dönemde etkilemektedir. Bu etki kısa dönemde negatif iken uzun dönemde

pozitiftir. Cari dolar kuru %10 arttığında (azaldığında) borsa İstanbul endeksi uzun dönem

itibariyle %14 artmaktadır (azalmaktadır). Son olarak, Türkiye’nin iç dinamiklerinden kaynaklı

dolar endeksi borsa İstanbul’u hem kısa hem de uzun dönemde etkilemektedir. Ancak kısa

dönemde bu etki pozitif uzun dönemde ise negatiftir. Bu bulgu gerek cari gerekse dünya dolar

endeksine ilişkin elde edilen bulguların tam tersi şeklindedir. İç dinamiklerden kaynaklı döviz kur

hareketliliği borsa İstanbul endeksini kısa dönemde pozitif yönde etkilemektedir. Uzun dönemde

ise etki negatif ancak bu etkinin elde edildiği eş-bütünleşme ilişki istatistiksel olarak sadece %10

seviyesinde anlamlı bulunmuştur.

Tablo 3. Kısa ve Uzun Dönem Katsayıları

Bağımlı Değişken Bağımsız Değişken Kısa Dönem Uzun Dönem ECTt-1

LBE LDKE -1.356*** 1.430*** -0.042***

LBE LİDKE 1.209*** -1.409*** -0.057***

LBE LDX LİDKE -1.240*** 1.405*** 0.889 -1.567*** -0.044***

Note: ***, **, ve *; hesaplanan istatistiklerin sırasıyla %1, %5 ve %10 seviyesinde anlamlı olduklarını göstermektedir.

Grafik 1: CUSUM Grafikleri

LBE=f(LDKE)

-40

-30

-20

-10

0

10

20

30

40

08 09 10 11 12 13 14 15 16 17 18

CUSUM 5% Significance

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

08 09 10 11 12 13 14 15 16 17 18

CUSUM of Squares 5% Significance

LBE=f(LİDKE)


397

-40

-30

-20

-10

0

10

20

30

40

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018


-0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018


LBE=f(LDXY, LİDKE)

-40

-30

-20

-10

0

10

20

30

40

08 09 10 11 12 13 14 15 16 17 18


-0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

08 09 10 11 12 13 14 15 16 17 18


5. Sonuç ve Öneriler

Borsa İstanbul endeksi, kısa dönem itibariyle dolar kurundaki hareketliliğin kaynağına

bakılmaksızın tüm dolar endekslerinden etkilenmektedir. Ancak bu etki üç dolar endeksinde de

aynı yönlü değildir. İç dinamiklerden kaynaklı döviz kur değişimi borsa İstanbul endeksini pozitif

yönde etkilerken dünya döviz ve cari yurtiçi döviz kur endeksi negatif yönde etkilemektedir. Bu

sonuçlardan anlaşılan döviz kuru-borsa ilişkisinde kısa dönem itibariyle Türkiye’de döviz kur

haraketliliğine hâkim olan dinamiklerin iç değil dış kaynaklı olduğudur. Uzun dönem itibariyle

ise borsa İstanbul sadece iç dinamiklerden kaynaklı döviz kur hareketliliklerinden etkilenmektedir.

Bu etki beklenildiği gibi negatif işaretlidir. Özetleyecek olursak, borsa İstanbul endeksi, kısa

dönemde Dünya dolar endeksine, uzun dönemde ise yurtiçi dinamiklerden kaynaklı dolar kuru

endeksine karşı duyarlılık göstermemektedir.

Kaynakça

Alagidede, P., Panagiotidis, T., Zhang, Xu. (2011). Causal Relationship Between Stock Prices and Exchange Rates.

The Journal of International Trade and Economic Development, 20(1), 67-86.

Bahmani-Oskooee, M., Sohrabian, A. (1992). Stock Prices and the Effective Exchange Rate of the Dollar. Applied

economics, 24 (4), 459-464.

Chortareas, G., Cipollini, A., Eissa, M. A. (2011). Exchange Rates and Stock Prices in the MENA Countries: What

Role for Oil?. Review of Development Economics, 15 (4), 758-774.

Eyüboğlu, S., Eyüboğlu, K. (2018). Reel Kesim Güven Endeksi ile Borsa İstanbul Sektör Endeksleri Arasındaki

İlişkinin Test Edilmesi. Business & Economics Research Journal, 9 (1), 75-86.

Granger, C. W., Huangb, B. N., Yang, C. W. (2000). A Bivariate Causality Between Stock Prices and Exchange Rates:

Evidence from Recent Asianflu. The Quarterly Review of Economics and Finance, 40 (3), 337-354.


398

Groenewold, N., Paterson, J.E.H. (2013). Stock Prices and Exchange Rates in Australia: Are Commodity Prices the

Missing Link?. Australian Economic Papers, 52(3-4), 159-170.

Inegbedion, H. E. (2012). Macroeconomic Determinants of Stock Price changes: Empirical Evidence from

Nigeria. Indian Journal of Finance, 6 (2), 19-23.

Ismail, M. T., Bin Isa, Z. (2009). Modeling the Interactions of Stock Price and Exchange Rate in Malaysia. The

Singapore Economic Review, 54 (04), 605-619.

Keskin Benli, Y. (2015). Döviz Kuru ile Borsa İstanbul 100 ve Sektör Endeksleri Arasındaki İlişkinin Ampirik

Analizi. UHBAB Journal, 4 (12), 55-72.

Khan, W., Naz, A., Khan, M., Khan, W., Ahmad, S. (2013). The Impact of Capital Structure and Financial

Performance on Stock Returns “a Case of Pakistan Textile Industry”. Middle-East Journal of Scientific

Research, 16 (2), 289-295.

Kutty, G. (2010). The Relationshıp Between Exchange Rates and Stock Prices: the Case of Mexico. North American

Journal of Finance & Banking Research, 4 (4), 1-12.

Nieh, C. C., Lee, C. F. (2001). Dynamic Relationship Between Stock Prices and Exchange Rates for G-7

Countries. The Quarterly Review of Economics and Finance, 41 (4), 477-490.

Özmen, M. (2007). Farklı Döviz Kuru Rejimleri Altında Hisse Senetleri Fiyatları ile Döviz Kurları Arasındaki

İlişkinin Ekonometrik Analizi. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16 (1), 519-538.

Pesaran, M. H., Yongcheol, S. (1999). Autoregressive Distributed Lag Modelling Approach to Cointegration Analysis,

In: Strom S, editor. Econometrics and Economic Theory in the 20th Century: the Ragnar Frisch Centennial

Symposium. Cambridge: Cambridge University Press, 371-413.

Pesaran, M. H., Shin, Y., Smith, R. J. (2001). Bounds Testing Approaches to the Analysis of Level

Relationships. Journal of applied econometrics, 16 (3), 289-326.

Richards, N.D., Simpson, J. (2009). The Interaction Between Exchange Rates and stock Prices: An Australian Context.

International Journal of Economics and Finance, 1(1), 3-23.

Tuncer, İ., Turaboğlu, T.T. (2014). Relationship Between Stock Prices and Economic Activity in Turkish Economy.

Actual Problems of Economics, 152 (2), 111-121.

TCMB. Elektronik Veri Dağıtım Sistemi. (Erişim Tarihi: 01.06.2018). https://evds2.tcmb.gov.tr/

The Wall Street Journal. U.S. Dollar Index (DXY) (Erişim Tarihi: 01.06.2018). https://quotes.wsj.com/index/

DXY/historical-prices/


399

Türkiye’de Doğurganlık Davranışının Yeniden İncelenmesi

Süreyya DAL1

Mustafa SEVÜKTEKİN2

Özet

Hanehalklarının doğurganlık tercihlerinin incelenmesi halk sağlığı, ekonomi politikaları ve

nüfus çalışmaları açısından oldukça önemlidir. Bu nedenle, çalışmada hanehalklarındaki

bireylerin özelliklerini dikkate alan mikro ekonomik doğurganlık hipotezlerinden Becker

ve Lewis’ın (1965-70) doğurganlık hipotezleri araştırılmıştır. Bu hipotezler sansürlü

Poisson model aracılığıyla araştırılmıştır. Sansürlü Poisson model tercih edilmesinin en

temel nedeni, kadının yaşının doğurganlık için belirleyici olmasıdır. Çalışmada nüfusu

temsil yeteneği yüksek Türkiye İstatistik Kurumu’nun 2016 Hanehalkı Bütçe Anketi

kullanılmıştır. Analiz sonuçlarına göre gelir-doğurganlık arasındaki ters yönlü ilişki ile

çocuğun yarattığı fırsat maliyeti-doğurganlık arasındaki ters yönlü ilişkiyi söyleyen

hipotezleri doğrulayan sonuçlar elde edilmiştir. Kadının çalışma durumu ve eğitim seviyesi

istatistiksel olarak anlamlı ve hanehalkındaki çocuk sayısıyla negatif bir şekilde ilişkilidir.

Bu sonuç, kadınların çocuk yetiştirmesinin fırsat maliyetini gösteren neoklasik analizlerle

tutarlıdır. Hanehalkının aylık kullanılabilir gelirinin doğurganlık üzerindeki etkisi negatif

ve istatistiksel olarak anlamlıdır. Hanehalkı gelir arttıkça, hanehalkının daha az ama daha

kaliteli çocuk sahibi olma tercihini gösteren miktar- kalite teorisini doğrulamaktadır.

Ayrıca çalışma sonuçları erkeğin eğitim seviyesi arttıkça kadınınkinin tersine doğurganlık

tercihini arttırdığını göstermektedir.

Anahtar Kelimeler: Çocuk Sayma Modelleri; Doğurganlık; Sansürlü Poisson Model; Sayma Veri; Kalite-

Miktar Yaklaşımı.

JEL Sınıflaması: D12; C130; J130.

Reassessment Of Fertility Behavior in Turkey

Abstract

Examination of the fertility preferences of households is very important in terms of public

health, economic policies and population studies. Therefore, in this study, fertility

hypothesis of Becker and Lewis (1965-70) were investigated. These hypotheses were

investigated through the censored Poisson model. The main reason for choosing censored

Poisson model is that the age of woman is determinative for fertility. Turkey Statistical

Institute 2016 Household Budget Survey is used in the study. The results of the analysis

confirm the inverse relationship between income-fertility and the inverse relationship

between child's opportunity cost and fertility. The female employment status and education

level is statistically significant and negatively correlated with the number of children in the

household. This result is consistent with the neoclassical analysis of the opportunity cost

of raising a child. The effect of monthly income on fertility is negative and statistically

significant. As household income increases, households prefer to have fewer but better

quality children which confirms quantity-quality theory. In addition, the results of the study

show that as the male education level increases, the fertility decision in the household

increases.

Keywords: Child Quantity Models; Fertility; Censored Poisson Model; Count Data; Quantity-Quality

Approach.

JEL Classification: D12; C130; J130.

1 Arş. Gör. Dr., [email protected], Trakya Üniversitesi İktisadi ve İdari Bilimler Fakültesi, Ekonometri

Bölümü, Edirne/Türkiye. 2 Prof. Dr., Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi, Ekonometri Bölümü, Bursa/Türkiye.


400

1. Giriş

Doğurganlık tercihleriyle ilgili nüfus araştırmaları, doğurganlığın eşlerin her ikisine ait

özelliklerden etkilendiğini göstermektedir. 2009 itibariyle Türkiye’de hanehalklarının doğurganlık

tercihleri yeniden gündeme gelmiş ve bu tarih itibariyle siyasi söylemlerle teşvik edilmiştir.

Bununla birlikte, Türkiye’de yapılan çalışmalarda hanehalklarının doğurganlık tercihlerini eşlerin

her ikisi tarafından dikkate alan çeşitli ekonometrik yöntemler kullanan çalışmalar

gerçekleştirilmiş olsa da, kadınların doğurganlık yaş aralığını dikkate alan yöntemler

kullanılmamıştır. Bu bağlamda çalışmada, Türkiye’de hanehalklarının doğurganlık tercihleri

literatürde kullanılan doğurganlığın en aktif olduğu yaş aralığını dikkate alan sansürlü Poisson

model uygulanarak yeniden araştırılmıştır. Buradaki yaş, Caudill ve Mixon Jr. (1995)

çalışmalarında kullanıldığı gibi kadının yaşının 40’a eşit veya daha az olması olarak alınmıştır. Bu

amaçla ikinci bölümde, çalışmada modelin oluşmasına neden olan doğurganlık modelleri ve

Türkiye’deki çalışmayla ilişkili doğurganlık literatürü incelenmiştir. Üçüncü bölümde, analizde

kullanılan değişkenler ve yöntem tanıtılmıştır. Son bölümde ise analizin sonuçları incelenmiştir.

2. Literatür

1960’larda başlayan mikro ekonomik yönelimler demografik yapıyı teorileştirmede standart

kaynak sağlamışlardır. Leibeinstein (1957), çocuk sayısının gelir ve fiyatlar gibi ekonomik şartlar

içerisinde bireyin karar vermesinin sonucu oluştuğunu ifade etmiştir. Mikro ekonomik

doğurganlık teorileri ise, yalnızca gelir ve fiyatlar gibi geleneksel değişkenleri değil aynı zamanda

çocukların kalitesi ile zaman dağıtımı ve fırsat maliyetleri açısından bütçe kısıtlarını da

içermektedir. Bu değişkenler veriyken, mikro ekonomik doğurganlık teorileri, hanehalklarının

faydasını maksimize ederken çocuklarda dahil olmak üzere bazı tüketici malları ürettiğini

varsaymaktadır. Bu sayede model, hanehalkının doğurganlık tercihini diğer hanehalkı tercihleriyle

(iş gücüne katılım, tüketim gibi) ilişkilendirmektedir (de Bruijn, 2006, 555).

Becker (1960), doğurganlık tercihinin teorisi hakkında yaptığı çalışmada kurduğu modelde

çocukları araba ya da ev gibi dayanıklı mal gibi ele almıştır. Çalışmadaki temel varsayım,

ebeveynlerin hem çocuk miktarından bir başka ifadeyle çocuk sayısından hem de çocuk

kalitesinden (veri fiyatlar altında her bir çocuğa harcanan miktar) fayda elde ettiğidir. Bu durumda

doğurganlık, gelir, çocuk maliyetleri, bilgi, belirsizlik ve zevkler tarafından belirlenmektedir.

Modele göre, gelirde meydana gelen bir artış ve fiyatlarda meydana gelen bir azalış çocuk talebini

arttırabilmektedir. Becker ve Lewis (1973), Becker (1960)’a doğurganlık tercihindeki miktar-

kalite değiş-tokuşunu ekleyerek genişletmişlerdir. Çocukların çocuk sayısına göre gölge fiyatı (bir

başka ifadeyle, kalite sabitken ek bir çocuğun maliyeti) kalitesiyle birlikte artacaktır. Çocukların

kalitesine göre gölge fiyatı ise (bir başka ifadeyle, çocuk sayısını sabit tutarak kalitedeki bir birim


401

artışın maliyeti) çocuk sayısıyla birlikte artacaktır. Çalışmada koruma önlemlerinin bilinmesiyle

çocuk kalitesinin arttırılabileceğini göstermiştir. Becker (1976), doğum kontrol yöntemlerinin

bilinmesiyle çocuk kalitesinin arttırılabileceğini göstermiştir. Ayrıca, eğitim seviyesi arttıkça, kişi

aile tarafından daha fazla koruyucu yöntemler hakkında bilgi sahibi edilmekte ve bunun sonucunda

gözlenen doğurganlık seviyesi azalmaktadır.

Türkiye’de çeşitli ekonometrik yöntemler aracılığıyla ekonomik doğurganlık modelleri

araştırılmıştır. Selim ve Üçdoğruk (2003), Becker ve Lewis (1973) doğurganlık hipotezini çocuk

sayısı verisindeki eksik yayılımı dikkate alan quasi maksimum olabilirlik yöntemiyle araştırmıştır.

Analizlerini Türkiye, İstanbul, Ankara, İzmir, Adana, Samsun, Malatya ve Diyarbakır için

gerçekleştirmişlerdir. Çalışmada, kadının yaşı ile çocuk sayısı arasında pozitif ilişki bulunmuştur.

Bununla birlikte, kadının istihdam durumu, eğitim durumu ve çocuk sayısı arasında negatif ilişki

bulunmuştur. Benzer şekilde, kadının gelir seviyesi artınca çocuk sayısı azalmaktadır. Selim ve

Üçdoğruk (2005), Becker (1960), Becker ve Lewis (1973) ve Willis (1973) tarafından geliştirilen

kalite-miktar yaklaşımı temel alınmıştır. Çocuk sayısı modellerinde, poisson quasi maksimum

olabilirlik modeli kullanılmıştır. Çocuk kalitesi modellerinde ise, en küçük kareler yöntemi

kullanılmıştır. Çalışmada, kadının yaşı ile çocuk sayısı arasında pozitif ilişki bulunurken; kadının

istihdam durumu, eğitim durumu ve çocuk sayısı arasında negatif ilişki bulunmuştur. Ayrıca,

erkeğin eğitim düzeyi ile çocuk sayısı arasındaki ilişki negatiftir.

3. Yöntem

Doğurganlığın yeniden araştırıldığı çalışmada, Türkiye İstatistik Kurumu 2016 Hanehalkı Bütçe

Anketi verileri kullanılmıştır. Veri setinde 42625 adet gözlem bulunmaktadır. Modeldeki bağımlı

değişken, hanehalkındaki çocuk sayısıdır. Çocuk sayısının tahmininde belirleyici olan kadının yaşı

Caudill ve Mixon Jr. (1995) çalışmalarında kullanıldığı gibi 40 yaş olarak alınmış ve veri seti bu

yaş sınırına göre sansürlenmiştir. Veri setinin sansürlü yapısını da dikkate alan sansürlü poisson

modelin maksimum olabilirlik yöntemiyle tahmin edildiği çalışmanın yöntem bölümünde

çalışmada kullanılan değişkenler ve model tanıtılmıştır.

3.1.Çalışmada Kullanılan Değişkenler

Doğurganlık tercihinin modellenmesinde kullanılan değişkenler Tablo 1’de verilmiştir. Veri

setindeki çocuk sayısı 0 ile 14 arasında değişmektedir. Hanelerin %31.19’unun hiç çocuğu yokken,

%20.76’ı 1, %24.06’ı 2, %12.51’i 3, %5.93’ünün 4, %5.55’inin ise 4 ve daha fazla çocuğu

bulunmaktadır. Modelde kullanılan değişkenler ve tanımları Tablo 1’de verilmiştir.


402

Tablo 1. Çalışmada Kullanılan Değişkenler

Değişken Adı Değişken Kısaltması Değişken Tanımı

Çocuk Sayısı Nchild Hanedeki 18 yaşın altındaki birey sayısı

Kadın Yaş Age_w Kadın cinsiyetine sahip eşin yaşı

Erkek Yaş Age_h Erkek cinsiyetine sahip eşin yaşı

Hanehalkı aylık

geliri Inc_monthly Hanehalkının aylık kullanılabilir geliri

Kadın Eğitim

Durumu Educ_w

Kadın cinsiyetine sahip eşin tamamlanan eğitim

durumu

Erkek Eğitim

Durumu Educ_h

Erkek cinsiyetine sahip eşin tamamlanan eğitim

durumu

Kadın Çalışan Employed Full-time çalışan kadın

İlk Çocuk Erkek Malef İlk çocuk erkek ise 1, diğer durumlarda 0

Modeldeki bağımsız değişkenler, ailenin aylık geliri (inc_monthly) ve kadının tam zamanlı

çalışması (employed) çocuk sayısıyla yani doğurganlık tercihiyle negatif olarak ilişkili olması

beklenmektedir. Bu beklenti, çocuğa olan talebin hanehalkının diğer tüketim tercihleriyle ilişkili

olduğunu söyleyen neoklasik görüşle tutarlıdır (Caudill ve Mixon Jr., 1995, 153). Eğitim seviyesi,

nicel değişken olarak eğitimde tamamlanan yıl olarak modele dahil edilmiştir. Kadının eğitim

durumuyla doğurganlık arasında benzer şekilde ters yönlü ilişki beklenmektedir.

3.2. Sansürlü Poisson Model

Türkiye’de doğurganlığı araştırmak amacıyla kurulan modelde bağımlı değişken ailedeki çocuk

sayısıdır. Yatay kesit veri setinin kullanıldığı model, Caudill ve Mixon Jr. (1995)’de olduğu gibi

kadının yaşının 40’a eşit veya daha az olması durumuna göre sansürlenmiştir. Bu özelliklere sahip

bir modeli tahmin etmek için en küçük kareler yöntemini kullanacak olursak tahminler etkin

olmayacak ve standart hatalarda tutarsız olacaktır (Caudill ve Mixon Jr., 1995). Bu nedenle

çalışmada Cameron ve Trivedi (1998) ve Winkelmann (2008) tarafından tanıtılan sansürlü Poisson

model kullanılmıştır.

Poisson tesadüfi değişkenin olasılık fonksiyonu aşağıda gösterildiği gibidir (Raciborski,

2011,103):

𝑓(𝑦𝑖; 𝜇𝑖) =𝑒−𝜇𝑖𝜇𝑖

𝑦𝑖

𝑦𝑖!, 𝑖 = 1, … , 𝑛

Burada 𝜇𝑖 = exp(𝐱𝑖 𝛃), 𝐱𝑖 dışsal değişkenler vektörü ve 𝛃 bilinmeyen parametreler vektörüdür.

Geleneksel Poisson modelde, bütün 𝑦𝑖 değerleri tam olarak gözlenirken; sansürlü Poisson modelde

gerçek𝑦𝑖∗ değerleri, yalnızca 𝑐𝑖 gibi bir sansür noktasının altında gözlenir. Veri setindeki sansürlü

yapıyı dikkate alan bağımlı değişken aşağıdaki şekilde yazılabilir:


403

𝑦𝑖 = {𝑦𝑖

∗, 𝑒ğ𝑒𝑟 𝑦𝑖∗ < 𝑐𝑖

𝑐𝑖, 𝑒ğ𝑒𝑟 𝑦𝑖∗ ≥ 𝑐𝑖

Sansürlü 𝑦𝑖 değişkeninin olasılığı aşağıdaki gibi iken;

Pr(𝑦𝑖 ≥ 𝑐𝑖) = ∑ Pr(𝑦𝑖 = 𝑗) = ∑ 𝑓(𝑗) = 1 − ∑ 𝑓(𝑗) = 1 −

𝑐𝑖−1

𝑗=0

∞

𝑗=𝑐𝑖

∞

𝑗=𝑐𝑖

𝐹(𝑐𝑖 − 1)

Gösterge değişkeni olan 𝑑𝑖 şu şekilde tanımlanır:

𝑑𝑖 = {1, 𝑒ğ𝑒𝑟 𝑦𝑖

∗ ≥ 𝑐𝑖

0, 𝑑𝑖ğ𝑒𝑟 𝑑𝑢𝑟𝑢𝑚𝑙𝑎𝑟𝑑𝑎

Bu durumda log-olabilirlik fonksiyonu aşağıdaki gibi yazılabilir:

ℒ(𝛃) = log [∏{𝑓(𝑦𝑖)}1−𝑑𝑖{1 − 𝐹(𝑐𝑖 − 1)}𝑑𝑖]

𝒏

𝒊=𝟏

= ∑[(1 − 𝑑𝑖) log(𝑓(𝑦𝑖) + 𝑑𝑖 log{1 − 𝐹(𝑐𝑖 − 1)}

𝑛

𝑖=1

]

Tahmin yöntemi olarak maksimum olabilirlik tahmin yöntemi kullanılmaktadır.

4.Sonuçlar

Türkiye’de hanehalklarının doğurganlık tercihini belirleyen faktörleri araştırmak amacıyla

sansürlü Poisson modelden faydalanılmıştır. Bu modeli ampirik olarak tahmin etmek için Türkiye

İstatistik Kurumunun 2016 Hanehalkı Bütçe Anketi verileri kullanılmıştır. 42625 gözlemden

oluşan veri setinin %50.28’i kadındır. Veri setindeki bireylerin yaşları 0 ile 99 arasında değişirken,

ortalama yaş 34’dür. Bireylerin eğitim durumları incelendiğinde; %23.52’i bir okulda eğitimini

tamamlamamışken, %33.32’i ilkokul mezunu, %19.22’i ilköğretim ve dengi seviyede eğitimini

tamamlamış, %6.99’u ise üniversite ve üzeri seviyede eğitimini tamamlamışlardır. Veri setindeki

hanelerin %7.24’ünün ilk çocuğu erkektir. Hanehalkının aylık kullanılabilir gelirinin ortalaması

ise 3677.255 olarak bulunmuştur. Hanedeki çocuk sayısını tahmin etmek amacıyla sansürlü

Poisson model en çok olabilirlik yöntemi aracılığıyla tahmin edilmiş ve analiz sonuçları Tablo

2’de verilmiştir. Analizde, gözlem değerlerinin %79.7’ine yani 33953 gözleme sağa sansür

uygulanırken, 8672 gözleme sansür uygulanmamıştır.

Tablo 2. Sansürlü Poisson Model Tahmin Sonuçları

Katsayı Standart Hata z-değeri

Malef 3.00641 37.87021 0.08

Age_w 0.02903 0.00185 15.68***

Inc_monthly -0.00003 0.00000 -9.37***


404

Age_h -0.03118 0.00079 -39.69***

Employed -0.32508 0.0452 -7.19***

Educ_w -0.03910 0.00451 -8.66***

Educ_h 0.05863 0.00269 21.81***

Sabit terim 0.59629 0.01400 42.59***

Gözlem Sayısı 42625

Log-olabilirlik Oranı -16467.163

LR chi2(7) 6396.34***

*** %0.1 anlamlılık düzeyinde anlamlı katsayıları göstermektedir.

Tablo 2’de tahmin edilen modeldeki bütün katsayıların sıfıra eşit olduğunu söyleyen Poisson

modelin log olabilirlik oran değeri istatistiksel olarak anlamlı olduğundan tüm bağımsız

değişkenlerin yer aldığı modelin anlamlı olduğu sonucuna ulaşılmıştır (LR 𝜒(7)2 = 6396.34, 𝑝 <

0.001). Modelde yer alan aylık kullanılabilir gelir, kadının yaşı, erkeğin yaşı, kadının çalışması,

kadının ve erkeğin eğitimini gösteren açıklayıcı değişkenler %0.1 anlamlılık düzeyinde

istatistiksel olarak anlamlı bulunurken; ilk çocuğun erkek olması anlamsız bulunmuştur. Tahmin

sonuçlarına göre aylık gelir değişkeninin işareti beklentilere uygun bir şekilde negatif olarak

bulunmuştur. Bu Becker’ın çalışmalarında gösterdiği gelir ve doğurganlık tercihi arasındaki ters

yönlü ilişkiyi doğrulayan ampirik bir sonuçtur. Benzer şekilde kadının tam zamanlı çalışıyor

olması ve eğitim durumu da istatistiksel olarak anlamlı ve beklentilere uygun bulunmuştur. Analiz

sonuçları, kadının çalışıyor olmasının çocuk sayısını %32.5 oranında azalttığını göstermektedir.

Buna ek olarak, kadının eğitim durumundaki yıl olarak meydana gelen bir artış çocuk sayısını

%3.9 oranında azaltmaktadır. Bu durum mikro ekonomik doğurganlık teorilerinin söylediği eğitim

seviyesindeki artış çocuk sahibi olmanın fırsat maliyetini (diğer dayanıklı tüketim mallarından

vazgeçmenin bedeli) arttıracağı için doğurganlığı azaltacaktır görüşünü desteklemektedir.

Çalışmanın ilgi çekici sonuçlarından biri de erkeğin eğitim seviyesinin artmasının doğurganlık

tercihini %5.9 oranında arttırmasıdır. Buna karşın, erkeğin yaşındaki artış doğurganlık tercihini

%3.1 oranında azaltmaktadır.

Bu çalışmanın sonuçları, çocuk talebini fırsat maliyeti olan bir tüketim kararı olarak ele alan

neoklasik doğurganlık teorilerini doğrular niteliktedir. Becker’ın doğurganlık modellerinin temel

alındığı çalışmada, hanehalkı aylık geliri, kadının tam zamanlı çalışması ve bireyin beşeri

sermayesini gösteren eğitimde tamamlanan yılların doğurganlık tercihinin önemli bir belirleyicisi

olarak bulunmuştur.


405

Kaynakça

Becker G.S. (1960). An Economic Analysis of Fertility. Demographic and Economic Change in Developed Countries.

Princeton: National Bureau of Economic Research,209-231. https://www.nber.org/chapters/c2387.pdf

Becker, G. S. &Lewis, H.G. (1973).On the Interaction Between The Quantity and Quality of Children. Journal of

Political Economy, 82(2), 279-288.

Becker, G.S. (1976). The economic approach to human behavior. Chicago IL:The University of Chicago Press.

Cameron, A. C.& Trivedi, P. K. (1998). Regression Analysis of Count Data. Cambridge: Cambridge University Press.

Caudill, S. B.& Mixon, Jr., F.G. (1995). Modeling household fertility decisions: Estimation and testing of censored

regression models for count data. Empirical Economics, 20, 183-196.

De Bruijn, B. J. (2005). Fertility: Theories, frameworks, models, concepts. Caselli, G. , Vallin, J., Wunsch G(Eds.),

Demography: Analysis and Synthesis içinde (s. 549-569). USA: Academic Press.

Leibenstein, H. A. (1957). Economic backwardness and economic growth: studies in the theory of economic

development. New York: John Wiley.

Raciborski, R. (2011). Right-censored Poisson regression model. The Stata Journal, 11 (1), 95-105.

Selim, S.&Üçdoğruk, Ş. (2003). Sayma Veri Modelleri İle Çocuk Sayısı Belirleyicileri: Türkiye’deki Seçilmiş İller

İçin Sosyoekonomik Analizler. D.E.Ü.İ.İ.B.F.Dergisi, 18(2),13-31.

Selim, S.&Üçdoğruk, Ş. (2005). Türkiye’de Doğurganlık: Kalite - Miktar Yaklaşımı. Nüfusbilim Dergisi, 27,49-66.

Winkelmann, R. (2008). Econometric Analysis of Count Data.(5. Baskı). Berlin: Springer.


406

Türkiye’de İllerin Gelişmişlik Düzeylerini Etkileyen Faktörlerin Mekânsal Ekonometrik

Analizi*

Gökhan ÖZKUBAT1

Sibel SELİM2

Özet

Bölgeler arası gelişmişlik farklılıkları, uzun yıllardır politika yapıcıların üzerinde

çalıştıkları bir konu olmuştur. Yapılan çalışmalarda, illerin ya da bölgelerin gelişmişlik

düzeyleri hesaplanırken farklı yöntemlerin izlenebildiği görülmektedir. Gelişmişlik

farklılıkları incelenirken illere ya da bölgelere ait benzer sosyal ve ekonomik

göstergelerden faydalanıldığı söylenebilir. Bu çalışmada, Türkiye’de illerin gelişmişlik

düzeyleri, 2008 – 2015 dönemini kapsayan, illere ait çeşitli sosyal ve ekonomik göstergeler

kullanılarak Temel Bileşenler Analizi ile hesaplanmıştır. Bu çalışmada, diğer

çalışmalardan farklı olarak illerin gelişmişlik düzeylerinin mekânsal etkileşimi dikkate

alınmıştır. İllerin gelişmişlik düzeylerinin mekânsal olarak birbirinden etkilendiği tespit

edildikten sonra illerin gelişmişlik düzeylerini etkileyen faktörler, mekânsal etkileşime izin

veren mekânsal ekonometrik analiz ile ele alınmıştır. Analiz sonucunda mekânsal hata

modelinin kullanılmasının uygun olduğu ortaya çıkmıştır.

Anahtar Kelimeler: İllerin gelişmişlik düzeyleri, Mekânsal ekonometrik analiz, Türkiye

JEL Sınıflaması: C21, C49, O12

A Spatial Econometric Analysis of the Factors Affecting Development Levels of Provinces

in Turkey

Abstract

Developmental differences among regions have been a subject that has been studied for a

long time by policy makers. In the studies calculating the development levels of provinces

or regions, it is seen that different methods applied. It can be said that similar social and

economic indicators of provinces or regions have been utilized in researching development

differences. In this study, the development level of provinces in Turkey is calculated by

Principal Component Analysis utilizing the various social and economic indicators

covering 2008 - 2015 years. The spatial interaction of the development levels of the

provinces is taken into consideration different from the other studies. After finding

development levels of the provinces are affected by each other spatially, the factors

affecting the development levels of the provinces are examined by spatial econometric

analysis which allowed spatial interaction. As a result of the analysis, it is found appropriate

to use the spatial error model.

Keywords: Development levels of provinces, Spatial econometric analysis, Turkey

JEL Classification: C21, C49, O12

*Bu çalışma, Manisa Celal Bayar Üniversitesi, Bilimsel Araştırma Projeleri Koordinasyon Birimi tarafından BAP

2018-030 no’lu proje kapsamında desteklenmektedir. 1Arş. Gör., [email protected], Manisa Celal Bayar Üniversitesi, İktisadi ve İdari Bilimler Fakültesi,

Ekonometri Bölümü, Manisa-Türkiye, ORCID: 0000-0001-8845-8072. 2Prof. Dr., [email protected], Manisa Celal Bayar Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, Ekonometri

Bölümü, Manisa-Türkiye, ORCID: 0000-0002-8464-588X


407

1. Giriş

Bölgesel gelişmişlik farklılıkları genel olarak bölgelerin ekonomik, sosyal ve kültürel açıdan

birbirinden farklılık göstermesini ve refah seviyelerinin aynı olmadığını ifade etmektedir. İllerin

ve bölgelerin gelişmişlik düzeyini hesaplamayı amaçlayan ilk çalışmalarda, gelişmişlik düzeyleri

sadece kişi başına düşen GSYİH (Gayri Safi Yurtiçi Hasıla) ile hesaplanmaktayken, ilerleyen

zamanlarda gelişmişlik olgusunun sadece iktisadi büyüme ile ölçülemeyeceği, refah göstergeleri

olan bölgelerin sosyal ve kültürel faktörlerinin de gelişmişlik kavramında barınması gerektiği

değerlendirilmiştir. Bu nedenle, bu çalışmada, illere ait çeşitli sosyal ve ekonomik göstergeler

kullanılarak gelişmişlik düzeyleri hesaplanmıştır.

İllerin gelişmişlik düzeyleri incelendiğinde benzer gelişmişlik düzeyine sahip illerin kümelenme

oluşturdukları gözlenmektedir. Özellikle Doğu ve Güney Doğu Anadolu Bölgesinde bulunan

illerin düşük, Marmara ve Ege Bölgesinde yer alan illerin ise yüksek gelişmişlik düzeylerinde

bulunduğu görülmektedir. Bu nedenle, illerin gelişmişlik düzeylerinin birbirlerinden mekânsal

olarak etkilendiğinden şüphelenilmiştir. Tobler (1970)’in coğrafya ile ilgili “Her şey birbiri ile

ilişkilidir, ancak yakın şeyler birbiri ile daha ilişkilidir.” yasası bu düşüncenin temelini

oluşturmaktadır. İllerin sosyo-ekonomik gelişmişlik endekslerinin mekânsal olarak birbirinden

etkilenmesi, geleneksel ekonometrik yöntemler ile bulunan sonuçları geçersiz hale getirmektedir.

Bu nedenle, gözlemler arasında mekânsal etkileşimi dikkate alan mekânsal ekonometri yönteminin

kullanılması tercih edilmektedir. Bu çalışmada, illerin gelişmişlik düzeylerini etkileyen faktörler

mekânsal ekonometrik analiz ile incelenmiştir.

2. Literatür

İllerin veya bölgelerin gelişmişlik düzeylerini inceleyen birçok çalışma bulunmaktadır. Bu alanda

Türkiye için yapılmış en kapsamlı çalışmalar Kalkınma Bakanlığının (Devlet Planlama Teşkilatı)

SEGE (Sosyo-Ekonomik Gelişmişlik) araştırmalarıdır. Son olarak 2011 yılında iller bazında

yapılan çalışma 1996 ve 2003 yıllarında iller, 2004 yılında ise ilçeler bazındadır. Çalışmalarda

bölgelere ait çok sayıda sosyal ve ekonomik gösterge kullanılmıştır. Her çalışmada kullanılan

göstergeler farklılık gösterse de genel olarak sosyal göstergelerde demografi, eğitim, sağlık,

istihdam, altyapı ve diğer refah göstergeleri, ekonomik göstergelerde ise imalat sanayii, inşaat,

tarım ve mali göstergeler kullanılmıştır. Çalışmalarda Temel Bileşen Analizi yöntemiyle illere ve

ilçelere ait gelişmişlik endeks değerleri hesaplanarak gelişmişlik sıralamaları yapılmıştır. 2011

yılında yapılan araştırma sonucunda, sırasıyla, İstanbul, Ankara, İzmir, Kocaeli, Antalya, Bursa,

Eskişehir ve Bursa’nın en yüksek endekse sahip iller; Muş, Hakkâri, Ağrı, Şırnak, Siirt, Bitlis,

Van, Mardin, Şanlıurfa, Bingöl, Ardahan, Batman, Iğdır, Kars ve Diyarbakır’ın en düşük endekse

sahip iller olduğu tespit edilmiştir. Özdemir ve Altıparmak (2005), illerin 2000 yılına ait verilerini


408

kullanarak Faktör Analizi yöntemiyle gelişmişlik endeks değerleri hesaplamışlardır. Çalışmada

sosyal göstergeler için 12 değişken, ekonomik göstergeler için ise 14 değişken kullanılmıştır.

İllerin sosyal gelişmişlikleri ve ekonomik gelişmişlikleri birbirinden ayrı olarak

değerlendirilmiştir. Yapılan analiz sonucunda sosyal göstergeler üç faktörde (sağlık, eğitim ve ilk

ve orta öğretim okullaşma oranı), ekonomik göstergeler ise iki faktörde (mali ve imalat sanayi)

toplanmıştır. Endeks sonuçlarına göre sağlık göstergeleri bakımından Ankara, Isparta ve İzmir ilk

üç sırayı alırken son sırada ise Düzce bulunduğu; eğitim göstergeleri bakımından ise Bilecik,

Tekirdağ ve Çankırı ilk üç sırada bulunurken, son sırada Şırnak’ın yer aldığı, ilk ve orta öğretimde

okullaşma oranı bakımından en iyi durumdaki üç ilin sırasıyla Yalova, İstanbul ve Ankara, en

olumsuz durumdaki ilin ise Gümüşhane olduğu; mali göstergeler açısından en gelişmiş ilk üç ilin

İstanbul, Ankara ve İzmir olarak ortaya çıktığı. son sırada ise Bilecik’in yer aldığı; imalat sanayi

göstergeleri bakımından Marmara bölgesindeki illerin diğerlerine göre daha gelişmiş olduğu,

Gaziantep, Malatya, Elazığ ve Hatay illeri dışında diğer doğu ve güneydoğu illerinin son sıralarda

bulunduğu tespit edilmiştir. Wang (2007), Çin’in illeri için bölgesel gelişmişlik endeksi

hesaplamıştır. Bu amaçla gelişmişlik endeksini 10 kategoriye (ek olarak referans endeksi)

ayırmıştır: Ekonomik gelişmişlik seviyesi, üretkenlik ve Ar-Ge, insani gelişmişlik, eğitim, sosyal

eşitlik, kamu hizmetleri, sosyal güvenlik, altyapı, çevre koruması, kurumsal gelişme, doğal

kaynaklar ve coğrafi konum (referans endeksi). Bu kategorilerde toplam 70 adet gösterge

kullanılmıştır. Endeks hesaplaması için en yüksek ilin 10 en düşük ilin 0 puana sahip olacağı min-

max normalleştirme yöntemi kullanılmıştır. Gelişmişlik düzeyine negatif etkisi olan göstergeler

için tersi yönünde hesaplama yapılmıştır. Daha sonra 31 il için 10 kategoride hesaplanan endeks

değerleri eşit ağırlık verilmek suretiyle aritmetik ortalamaları hesaplanarak genel gelişmişlik

endeks puanına ulaşılmıştır. Genellikle 2005 yılının verilerinin kullanıldığı çalışma sonucunda

Shanghai 6.64, Beijing 6.27, Tianjin 5.96 puanlarıyla en gelişmiş iller; Qinghai 3.20, Guizhou

2.97, Tibet 2.79 puanlarıyla en az gelişmiş iller olarak belirlenmiştir. Tuncer (2013), Türkiye’de

kamu harcamaları ve sosyo-ekonomik gelişmişlik ilişkisini mekânsal analiz ile incelemiştir. Bu

amaçla illere ait 2003 ve 2011 yıllarının SEGE değerleri ile 2004 – 2011 yılları arasındaki kamu

harcaması değişkenleri verileri derlenmiştir. Çalışmada, bölgelerin sosyo-ekonomik gelişmişlik

düzeyleri arasındaki farklılıkların azalıp azalmadığı ve kamu harcamalarının bu farklılıklarının

giderilmesinde nasıl bir etkiye sahip olduğu araştırılmıştır. Ayrıca, illere ait sosyo-ekonomik

gelişmişlik endekslerinin ve kamu harcaması değişkenlerinin mekânsal dağılımı incelenmiştir.

Mekânsal bağlılığın da dahil edildiği yakınsama modeli sonuçlarına göre 2004-2011 döneminde

Türkiye’de iller arasında sosyo-ekonomik gelişmişlik düzeyleri farklılıklarının kapanmadığı,

ancak, sosyo-ekonomik gelişmişliğin iller arasında pozitif yayılma (spillover) etkisi olduğunu

tespit edilmiştir. SEGE değerlerinin mekânsal dağılımı incelendiğinde, hem 2004 hem de 2011


409

yıllarında Türkiye’nin doğu ve batı bölgeleri arasında ciddi bir bölgesel ayrışma bulunduğu,

özellikle Doğu ve Güneydoğu Anadolu bölgelerinde yer alan illerin düşük değere sahip olduğu

görülmektedir. Çetin ve Sevüktekin (2016), Türkiye’de gelişmişlik düzeyi farklılıklarını mekânsal

istatistik yöntemi ile araştırmışlardır. Bu amaçla illere ait 2015 yılının göç hızı, işsizlik oranı,

istihdam oranı, 10000 kişi başına düşen yatak sayısı, illere göre tahakkuk edilen vergi oranları,

yaşam endeksi, doğurganlık oranı, bebek ölüm hızı, ilkokullar okullaşma oranı, nüfus artış hızı ve

imalat sanayi hızı göstergeleri verileri kullanılmıştır. Çalışmada ele alınan her bir gösterge için

ayrı ayrı LISA (Local Indicators of Spatial Association) haritaları ve Moran I değerleri elde

edilmiştir. Göstergelere ait genel Moran I değerlerinin pozitif olduğu görülmektedir. Bu nedenle

göstergeler açısından ülke genelinde pozitif yönde bir etkileşim olduğu söylenebilir. LISA

haritaları incelendiğinde, yüksek değerler alması beklenen göstergelerin, batı bölgesindeki illerde

beklenildiği gibi yüksek olduğu, doğu bölgesindeki illerde de düşük olduğu görülmüştür.

3. Metodoloji

3.1. Temel Bileşenler Analizi

Çok değişkenli istatistiksel analizde n tane bireye (nesne) ilişkin p tane değişken (özellik)

incelenmektedir. Bu değişkenlerden birçoğunun birbiriyle ilişkili ve değişken sayısının (p) çok

büyük olması, çeşitli değerlendirmeler yapılmasını güçleştirmektedir. Böyle durumlarda temel

bileşenler analizi başvurulan en önemli teknik olmaktadır. Genel olarak değişkenler arasındaki

bağımlılık yapısının yok edilmesi ve/veya boyut indirgeme amacıyla kullanılan bu teknik başlı

başına bir analiz olduğu gibi başka analizler için veri hazırlama tekniği olarak da kullanılmaktadır

(Tatlıdil, 1992, s.122).

Temel bileşenler analizi, kabaca, çok sayıdaki özelliklerin belli bir nitelik yönünden özetlenmesi

ve ortak nitelik ve biçimlerden bir soyutlama yapabilmeyi mümkün kılmaktadır. Bu özelliğiyle

temel bileşenler analizi, çok sayıda ve farklı boyuttaki bilgi setinin kapsadığı ortak ve temel anlamı

veya bilgi özünü açığa çıkarabilme, görebilme ve tanımlayabilmeyi sağlayan istatistiksel bir

tekniktir (Dinçer vd., 2003, s.31).

3.2. Mekânsal Ekonometri

Mekânsal ekonometri, birimler arasındaki mekânsal etkileşimin etkileri ile ilgilenen ekonometri

biliminin bir alt dalıdır. Mekânsal ekonometrik modeller şehir, bölge, ülke gibi coğrafik birimlere

ilaveten coğrafik olmayan birbiriyle ilişkili birey, firma veya hükümetler gibi birimlerle de

kullanılabilmektedir (Elhorst, 2014, s.1). Genel terimlerle, mekânsal ekonometri, mekânsal

etkilerin, özellikle mekânsal otokorelasyon ve mekânsal heterojenlikten açıkça bahsedilen

metodolojik kaygılarla başa çıkmak için kullanılan teknikler kümesi olarak karakterize edilebilir

(Anselin, 2001, s.311).


410

Mekânsal etkilerin gösterilebilmesi için birimlerin konumsal özelliklerinin sayısal olarak

belirtilmesi gerekmektedir (LeSage, 1998, s.7-8). Bir veri kümesinin komşuluk yapısı, en uygun

şekilde, birim sayısı n’e eşit boyutta bir mekânsal ağırlık matrisi W ile gösterilir. Bu matriste her

satır ve eşleşen sütun bir gözlem çiftine karşılık gelir. Bu matrisin elemanları Wij, gözlemler i ve j

komşu olarak kabul edildiğinde sıfır olmayan bir değer alır ve komşu kabul edilmezlerse sıfır

değeri alır (Fischer ve Wang, 2011, s.19-21). Komşuluk ilişkisi satranç oyunundaki kale (rook),

fil (bishop) ve vezir (queen) hareketlerine benzer şekilde ifade edilebilir. Buna göre; aynı kenarı

paylaşan birimlerin komşuluğu kale, aynı köşeyi paylaşan birimlerin komşuluğu fil, hem aynı

kenar hem aynı köşeyi paylaşan birimlerin komşuluğu vezir komşuluğu olarak adlandırılmıştır

(Anselin 1988, s.17-18).

Mekânsal otokorelasyon tek bir değişkenin gözlemler arasındaki mekânsal uzaydaki konumuna

göre ilişkisidir (Griffith, 2003, s.3). Mekânsal otokorelasyon ölçütlerinden Moran I istatistiği

aşağıdaki gibi hesaplanmaktadır (Fischer ve Wang, 2011, s.23).

1 1

20

1

( )( )

( )

n n

ij i j

i j

n

i

i

W z z z zn

IW

z z

Eğer ağırlık matrisi W satır standartlaştırılmışsa W0=n olmaktadır. Burada z gözlem değerini

göstermektedir. İstatistik değerinin -1’e yaklaşması negatif otokorelasyonun artmasını 1’e

yaklaşması pozitif otokorelasyonun artmasını göstermektedir. İstatistik değerinin 0’a yaklaşması

ise mekânsal otokorelasyonun zayıfladığına işaret etmektedir.

Mekânsal uzayın geneli için bulunan mekânsal otokorelasyon uzayın çeşitli bölgelerinde farklılık

gösterebilmektedir. Moran saçılım diyagramı ile bu durum tespit edilebilir.

Yatay eksende değişkene ait gözlem değerleri yer alırken dikey eksende komşu gözlemlerin

ortalaması yer almaktadır. Buna göre;

- 1. Bölge (kırmızı noktalar) gözlem değeri ortalamadan yüksek olup komşularının gözlem

değerleri de ortalamadan yüksek olanları,

- 2. Bölge (yeşil noktalar) gözlem değeri ortalamadan düşük olup komşularının gözlem değerleri

ortalamadan yüksek olanları,

- 3. Bölge (mavi noktalar) gözlem değeri ortalamadan düşük olup komşularının gözlem değerleri

de ortalamadan düşük olanları,


411

- 4. Bölge (mor noktalar) gözlem değeri ortalamadan yüksek olup komşularının gözlem değerleri

ortalamadan düşük olanları göstermektedir (LeSage ve Page, 2009, s.11-12).

Grafik 1: Moran Saçılım Diyagramı

Mekânsal ekonometrik analizlerde mekânsal gecikme ve mekânsal hata modellerinin sıklıkla

kullanıldığı görülmektedir. Tablo 1’de bazı mekânsal ekonometrik modeller gösterilmektedir.

Hangi mekânsal modelin uygun olduğuna karar vermek amacıyla Anselin ve Rey (1991), LM test

istatistiklerinden yola çıkarak büyük değere sahip olanın uygun olduğunu önermişlerdir. Bu, daha

sonra, Anselin vd. (1996) iki LM istatistiğinin dirençli formunun ışığında tekrar düzenlenmiştir

(Fischer ve Wang, 2011, s.36).

Tablo 1: Mekânsal Ekonometrik Modeller

Mekânsal Gecikme Modeli Mekânsal Hata Modeli Genel Mekânsal Model

y=ρWy+xβ+ε

y=xβ+u

u=λWu+ε

y=ρWy+xβ+u

u=λWu+ε

ρ: Mekânsal gecikme katsayısı λ: Mekânsal otokorelasyon

katsayısı

Mekânsal etkileşim bağımlı

değişkenden

kaynaklanmaktadır.

Mekânsal etkileşim

hatadan

kaynaklanmaktadır

Mekânsal etkileşim hem

bağımlı değişken hem

hatadan kaynaklanmaktadır.

Anselin vd. (1996)’nin dirençli LM istatistiklerini de dikkate alan karma yaklaşımın adımları

aşağıda gösterilmiştir (Florax vd., 2003, s.562).

1) y=Xβ+ε modeli En Küçük Kareler Yöntemi ile tahmin edilir.

2) Dışlanmış mekânsal gecikme nedeniyle ya da mekânsal otoregresif hata nedeniyle mekânsal

bağımlılığın olmaması hipotezi LM(gecikme) ya da LM(hata) testleri kullanarak test edilir.


412

3) Eğer iki test de anlamlı değilse 1. adımdaki y=Xβ+ε model tahminleri kullanılır. Diğer durumda

4. adıma geçilir.

4) Eğer her iki test de anlamlı ise dirençli testlerden daha anlamlı olan teste yönelinir. Örneğin;

RLM(gecikme)>RLM(hata) ise mekânsal gecikme modeli için maksimum olabilirlik tahminleri,

RLM(hata)>RLM(gecikme) ise mekânsal hata modeli için maksimum olabilirlik tahminleri

kullanılır. Diğer durumda 5. adıma geçilir.

5) Eğer LM(gecikme) anlamlı, LM(hata) anlamlı değilse mekânsal gecikme modeli için

maksimum olabilirlik tahminleri kullanılır. Diğer durumda 6. adıma geçilir.

6) Mekânsal hata modeli için maksimum olabilirlik tahminleri kullanılır.

4. Veriler ve Bulgular

Bu çalışmada kullanılan veriler Türkiye’de illerin 2008 – 2015 yıllarına ait çeşitli sosyal ve

ekonomik göstergelerinden oluşmaktadır. Çalışmada bu verilerin 8 yıllık ortalama değerleri

kullanılmıştır. Veriler, Türkiye Bankalar Birliği, Türkiye İstatistik Kurumu, Türk Patent ve Marka

Kurumu, Muhasebat Genel Müdürlüğü, Ekonomi Bakanlığı ve Sosyal Güvenlik Kurumundan elde

edilmiştir. Gelişmişlik düzeylerinin hesaplanmasında kullanılan göstergeler ve bu göstergelere

ilişkin tanımlayıcı istatistikler Tablo 2’de sunulmuştur.

Tablo 2: Göstergelere ait Tanımlayıcı İstatistikler

Değişken Birimi Ortalama St. Sapma

Sanayi Elektrik Tüketimi MWh 1079471 1895209

İstihdam Oranı % 45.039 5.742

Kişi Başı İhracat ABD Doları 690.171 1020.766

Bankalar Mevduatı / Nüfus Bin TL 0.033 0.222

Ortalama Günlük Kazanç TL 46.924 5.308

Toplam Banka Kredileri / Nüfus Bin TL 5.226 3.256

Bitkisel Üretim Değeri Bin TL 1083287 1167533

Patent Tescil Sayısı Adet 48.823 195.696

Teşvikli Yatırım İstihdam Sayısı Adet 33.645 38.304

Hastane Yatak Sayısı Adet 251.506 86.297

İniş-Kalkış Yapan Uçak Sayısı Adet 13094.11 55899.73

Toplam Elektrik Tüketimi MWh 2306555 4352225

Bin Kişi Başına Otomobil Adet 88.860 43.046

Tarımsal Alet ve Makine Sayısı Adet 51885.960 51355.93

Nüfus Yoğunluğu Kişi / km2 118.726 293.169

Aldığı Göç Kişi 30161.33 51044.44

Tarım Alanı / Alan Hektar / km2 29.913 15.001

Yüz Bin Kişiye Düşen Sinema ve Tiyatro Sayısı Adet 2.506 1.201

Fakülte ve Üzeri Mezun / Nüfus Oran 0.070 0.022

Hekim Sayısı / Nüfus Oran 0.001 0.000

Ortaöğretimde Kadınların Okullaşma Oranı % 69.550 14.731

Bebek Ölüm Sayısı / Anne Doğum Sayısı % 0.011 0.002

İşyeri Sayısı / Nüfus Oran 0.015 0.006

Kütüphane Sayısı Adet 13.951 8.940

Gelen Turist Sayısı Adet 422159.3 1482903

Tüketim Harcamalarında Eğitimin Payı % 1.603 0.419

Tüketim Harcamalarında Eğlence ve Kültür Payı % 2.455 0.349


413

Değişken Birimi Ortalama St. Sapma

İşsizlik Oranı % 9.627 2.974

Kaba İntihar Hızı Binde 4.340 1.169

Hükümlü Sayısı / Nüfus Oran 0.002 0.001

Erkek-Kadın Ücret Farkı TL 5.691 5.597

Bu çalışmada, Türkiye’deki illerin gelişmişlik düzeyleri, 2008 – 2015 döneminde illere ait çeşitli

sosyal ve ekonomik göstergeler kullanılarak Temel Bileşenler Analizi ile hesaplanmıştır. İlk analiz

sonucuna göre Hükümlü Sayısı/Nüfus, Erkek-Kadın Ücret Farkı, İşsizlik Oranı, Kaba İntihar Hızı

değişkenlerinin pozitif ağırlığa sahip oldukları görülmüştür. Bu göstergelerin illerin gelişmişlik

düzeylerine negatif katkıda bulunması öngörülmüştür. Bu nedenle gelişmişlik düzeyleri

hesaplanırken göstergeler arasından çıkarılmıştır. Temel Bileşenler Analizi sonuçları Tablo 3’te

verilmiştir.

Tablo 3’te görüldüğü gibi, özdeğeri 1’in üstünde olan 6 bileşen toplam varyansın %84.33’ünü

açıklamaktadır. 1. temel bileşen ise tek başına toplam varyansın %43.64’ünü açıklamaktadır. 1.

temel bileşenin değişkenliğin neredeyse yarısını tek başına açıklayabilmesi sebebiyle, 1. temel

bileşenin genel nedensel faktör olduğu değerlendirilmiştir. Buna göre, gelişmişlik düzeyleri

hesaplanırken 1. temel bileşenden elde edilen gösterge ağırlıkları kullanılarak illerin gelişmişlik

seviyeleri hesaplanacaktır.

Tablo 3: Temel Bileşenler Analizi Sonuçları

Bileşen Özdeğer Fark Oran Kümülatif

Bileşen 1 11.782 7.119 0.436 0.436

Bileşen 2 4.663 2.176 0.173 0.609

Bileşen 3 2.488 1.056 0.092 0.701

Bileşen 4 1.431 0.060 0.053 0.754

Bileşen 5 1.371 0.336 0.051 0.805

Bileşen 6 1.035 0.276 0.038 0.843

Bileşen 7 0.759 0.072 0.028 0.871

Bileşen 8 0.687 0.132 0.025 0.897

Bileşen 9 0.555 0.104 0.021 0.918

Bileşen 10 0.451 0.122 0.017 0.934

Bileşen 11 0.329 0.084 0.012 0.946

Bileşen 12 0.245 0.011 0.009 0.955

Bileşen 13 0.235 0.026 0.009 0.964

Bileşen 14 0.209 0.018 0.008 0.972

Bileşen 15 0.191 0.049 0.007 0.979

Bileşen 16 0.142 0.024 0.005 0.984

Bileşen 17 0.118 0.035 0.004 0.989

Bileşen 18 0.083 0.024 0.003 0.992

Bileşen 19 0.059 0.001 0.002 0.994

Bileşen 20 0.058 0.017 0.002 0.996

Bileşen 21 0.041 0.008 0.002 0.998

Bileşen 22 0.033 0.020 0.001 0.999

Bileşen 23 0.014 0.005 0.001 0.999

Bileşen 24 0.009 0.003 0.000 1.000

Bileşen 25 0.006 0.002 0.000 1.000


414

Bileşen 26 0.004 0.003 0.000 1.000

Bileşen 27 0.001 . 0.000 1.000

Tablo 4’te 1. temel bileşenden elde edilen gösterge ağırlıkları büyükten küçüğe doğru

gösterilmektedir.

Tablo 4: Gösterge Ağırlıkları

Göstergeler Ağırlık

Toplam Banka Kredileri / Nüfus 0.281

Toplam Elektrik Tüketimi 0.255

Aldığı Göç 0.252

Teşvikli Yatırım İstihdam Sayısı 0.240

Patent Tescil Sayısı 0.235

İşyeri Sayısı / Nüfus 0.234

Fakülte ve Üzeri Mezun/Nüfus 0.226

İniş-Kalkış Yapan Uçak Sayısı 0.226

Bankalar Mevduatı / Nüfus 0.213

Nüfus Yoğunluğu 0.213

Tüketim Harcamalarında Eğitimin Payı 0.213

Tüketim Harcamalarında Eğlence ve Kültür Payı 0.209

Bin Kişi Başına Otomobil 0.209

Sanayi Elektrik Tüketimi 0.209

Yüz Bin Kişiye Düşen Sinema ve Tiyatro Sayısı 0.195

Kişi Başı İhracat 0.187

Kütüphane Sayısı 0.187

Hekim Sayısı / Nüfus 0.176

Gelen Turist Sayısı 0.165

Ortaöğretimde Kadınların Okullaşma Oranı 0.158

Tarımsal Alet ve Makine Sayısı 0.131

Bitkisel Üretim Değeri 0.116

Ortalama Günlük Kazanç 0.110

Hastane Yatak Sayısı 0.085

İstihdam Oranı 0.060

Tarım Alanı / Alan 0.008

Bebek Ölüm Sayısı / Anne Doğum Sayısı -0.113

Buna göre gelişmişlik düzeylerinin hesaplanmasında en fazla etkiye sahip gösterge Toplam Banka

Kredileri / Nüfus olup en düşük etkiyi Tarım Alanı / Alan göstergesi oluşturmaktadır. Beklenildiği

üzere Bebek Ölüm Sayısı / Anne Doğum Sayısı göstergesi negatif katkıya sahiptir.

Tablo 5’te illere ait gelişmişlik endeksleri büyükten küçüğe sıralı şekilde yer almaktadır. Endeks

sonuçlarına göre İstanbul, Ankara, İzmir, Antalya, Bursa en gelişmiş iller iken Ağrı, Şırnak, Muş,

Hakkari, Siirt en az gelişmiş illerdir.

Harita 1’de illerin gelişmişlik endeksleri gösterilmektedir. Koyu renkli bölgeler en gelişmiş illeri

gösterirken renk tonu açıldıkça gelişmişlik düzeyleri azalmaktadır.


415

Harita 1: İllere Ait Gelişmişlik Endeksleri

Harita 1’e göre Marmara ve Ege Bölgesindeki illerin genel olarak yüksek endeksi değerleri aldığı,

Doğu Anadolu ve Güney Doğu Anadolu Bölgesindeki illerin ise düşük gelişmişlik endeks

değerlerine sahip olduğu görülmektedir.

Tablo 5: İllere Ait Gelişmişlik Endeksleri

İller Endeks İller Endeks

İstanbul 19.799 Kastamonu -0.416

Ankara 10.050 Kırşehir -0.445

İzmir 7.740 Karaman -0.547

Antalya 5.963 Çorum -0.550

Bursa 4.795 Amasya -0.585

Kocaeli 4.636 Düzce -0.741

Muğla 2.923 Bartın -0.779

Eskişehir 2.737 Tunceli -0.846

Konya 2.710 Giresun -0.863

Denizli 2.527 Tokat -0.878

Tekirdağ 1.995 Artvin -0.900

Adana 1.910 Ordu -0.903

Mersin 1.712 Sinop -1.025

Manisa 1.710 Erzurum -1.085

Aydın 1.612 Çankırı -1.120

Edirne 1.429 Erzincan -1.140

Isparta 1.426 Kahramanmaraş -1.213

Kayseri 1.186 Niğde -1.320

Trabzon 1.042 Yozgat -1.462

Balıkesir 0.966 Osmaniye -1.590

Bolu 0.876 Aksaray -1.682

Zonguldak 0.872 Gümüşhane -2.090

Çanakkale 0.813 Bayburt -2.338

Kırklareli 0.794 Diyarbakır -2.553

Sakarya 0.790 Adıyaman -2.664

Samsun 0.713 Bingöl -2.757

Yalova 0.676 Kilis -3.102

Burdur 0.635 Batman -3.224

Karabük 0.583 Ardahan -3.235

Gaziantep 0.250 Şanlıurfa -3.242

Hatay 0.111 Kars -3.318

Bilecik 0.096 Mardin -3.429

Nevşehir 0.011 Iğdır -3.614

Uşak -0.008 Van -3.757

Sivas -0.054 Bitlis -3.842

Malatya -0.074 Siirt -3.849

Rize -0.081 Hakkari -4.260

Kütahya -0.183 Muş -4.384

Kırıkkale -0.299 Şırnak -4.422

Adana

Adıyaman

Afyonkarahis

Ağrı

Amasya

Ankara

Antalya

Artvin

Aydın

Balıkesir

Bilecik

Bingöl

Bitlis

Bolu

Burdur

BursaÇanakkale

Çankırı Çorum

DenizliDiyarbakır

Edirne

Elazığ

ErzincanErzurum

Eskişehir

Gaziantep

Giresun

Gümüşhane

Hakkari

Hatay

Isparta

Mersin

İstanbul

İzmir

Kars

Kastamonu

Kayseri

Kırklareli

Kırşehir

Kocaeli

Konya

Kütahya

Malatya

Manisa

Kahramanmara

MardinMuğla

Muş

Nevşehir

Niğde

Ordu Rize

Sakarya

Samsun

Siirt

Sinop

Sivas

Tekirdağ

Tokat

Trabzon

Tunceli

Şanlıurfa

UşakVan

Yozgat

Zonguldak

Aksaray

Bayburt

Karaman

Kırıkkale

Batman

Şırnak

Bartın

Ardahan

Iğdır

Yalova

Karabük

Kilis

Osmaniye

Düzce

(.8757307,19.79912](-.3549015,.8757307](-1.589988,-.3549015][-4.510157,-1.589988]


416

Elazığ -0.353 Ağrı -4.510

Afyonkarahisar -0.355

İllerin gelişmişlik düzeylerinin mekânsal olarak birbirlerinden etkilenip etkilenmediğini

araştırmak için öncelikle kale komşuluğu kriterine göre ağırlık matrisi oluşturulmuş ve satır

standartlaştırılmıştır. Tablo 6’da Moran I testi sonuçları yer almaktadır.

Tablo 6: Moran I Testi Sonuçları

Değişken I E(I) sd(I) z Olasılık

Endeks 0.392 -0.013 0.066 6.139 0.000

Moran I testi sonucuna göre Moran I istatistik değeri 0.392 ve istatistiksel olarak anlamlı

bulunmuştur. Buna göre, illerin gelişmişlik endeksleri komşularının endeks değerlerinden pozitif

yönde etkilenmektedir. Ancak, ülkenin geneli için geçerli olan bu durum bazı bölgelerde farklılık

gösterebilmektedir. Grafik 2’de ve Harita 2’de lokal Moran I testi sonuçları gösterilmektedir.

Grafik 2’de yer alan sayılar illere ait plaka değerleridir. Grafiğin yatay ekseni illerin gelişmişlik

endeksinin değerini gösterirken dikey ekseni komşularının endeks değerini simgelemektedir.

Grafik 2: Moran Saçılım Diyagramı

Harita 2: Lokal Moran I Testi Sonuçları

Moran scatterplot (Moran's I = 0.392)Scores for component 1

Wz

z-2 -1 0 1 2 3 4 5 6

-2

-1

0

1

2

473

49

3056136576

4736

6375

72

79

122

21

6929

68

8066

51

46

24

18

25

5752

8

6028

62

7481

519

70

40

37

3

23

7143

5344

58

64

50

11

31

27

78

15

77

55

543917

67

14

10

61

38

32

22

9

4533

1

59

20

422648

41

167 35

6

34


417

Harita 2’de özellikle Doğu ve Güney Doğu Anadolu Bölgelerinde yer alan illerin düşük-düşük

(hem kendisi hem komşularının düşük endeks değerine sahip ve lokal Moran I değerleri

istatistiksel olarak anlamlı) alanında yer aldığı görülmektedir.

Bu çalışmada illerin gelişmişlik düzeylerini etkileyen faktörlerin incelenmesi amacıyla kullanılan

değişkenler ve tanımlayıcı istatistikleri Tablo 7’de gösterilmektedir.

Tablo 7: Bağımsız Değişkenler ve Tanımlayıcı İstatistikleri

Değişken Birimi Ortalama Std. Sapma

Merkezi Yönetim Bütçe Harcamaları Bin TL 1903096 3596092

İşgücüne Katılma Oranı % 49.651 5.209

Kişi Başına İthalat ABD Doları 664.232 1275.181

İl ve Devlet Yolu / Alan km/km2 0.088 0.023

Şehirleşme Oranı % 68.606 14.403

Nüfus Adet 927867.1 1649463

Okur-Yazar Kadın Oranı % 89.018 4.775

Öğretim Elemanı Sayısı / Nüfus Oran 0.002 0.001

Tablo 8’de mekânsal etkilerin dikkate alınmadığı EKK modeli tahmin sonuçları yer almaktadır.

Tahmin sonuçları incelediğinde bağımsız değişkenlere ait katsayıların beklenildiği gibi pozitif

olduğu ve istatistiksel olarak (%10, %5 ve %1 anlamlılık düzeylerinde) anlamlı oldukları

görülmektedir.

Tablo 8: EKK Tahmin Sonuçları

Değişken Katsayı St. Hata p (Olasılık)

İl ve Devlet Yolu / Alan 8.447501 3.751854 0.027

Şehirleşme Oranı 0.0246271 0.0086589 0.006

Nüfus 1.14E-06 1.08E-07 0

Kişi Başına İthalat 0.0002169 0.0001171 0.068

İşgücüne Katılma Oranı 0.0794971 0.022142 0.001

Merkezi Yönetim Bütçe Harcamaları 1.04E-07 3.70E-08 0.006

Okur-Yazar Kadın Oranı 0.2454925 0.026694 0

Öğretim Elemanı Sayısı / Nüfus 336.0828 96.37381 0.001

Sabit Terim -30.18502 1.725425 0

R2= 0.9598 AIC=186.369 F=214.81 p=0.0000

EKK kalıntılarının mekânsal otokorelasyon gösterip göstermediğini incelemek amacıyla hata

terimlerine Moran I testi uygulanmıştır. Tablo 9’da yer alan test sonucuna göre hata terimlerinin

pozitif mekânsal otokorelasyona sahip olduğu görülmektedir.

Tablo 9: Moran I Testi Sonuçları

Değişken I E(I) sd(I) Z Olasılık

Hata 0.260 -0.013 0.072 3.794 0


418

Hata terimlerinin mekânsal otokorelasyonlu olması nedeniyle uygun mekânsal modeli belirlemek

amacıyla spesifikasyon testleri uygulanmıştır. Tablo 10’da test sonuçları gösterilmektedir.

Tablo 10: Spesifikasyon Testleri

Test İstatistik Sd Olasılık

Mekânsal Hata:

Moran's I 4.338 1 0

LM 12.158 1 0

Robust (Dirençli) LM 8.841 1 0.003

Mekânsal Gecikme:

LM 3.619 1 0.057

Robust (Dirençli) LM 0.303 1 0.582

Tablo 10’da yer alan Lagrange Çarpanları test sonuçlarına göre mekânsal hata teriminin

istatistiksel olarak anlamlı, mekânsal gecikme teriminin ise anlamsız olduğu görülmektedir. Bu

nedenle mekânsal hata modeli uygun model olarak belirlenmiştir. Mekânsal hata modeli tahmin

sonuçları Tablo 11’de sunulmuştur.

Tablo 11: Mekânsal Hata Modeli Tahmin Sonuçları

Değişken Katsayı St. Hata p (Olasılık)

İl ve Devlet Yolu / Alan 9.669491 3.489161 0.006

Şehirleşme Oranı 0.024151 0.007002 0.001

Nüfus 1.10E-06 8.80E-08 0

Kişi Başına İthalat 0.000318 0.000111 0.004

İşgücüne Katılma Oranı 0.080692 0.023884 0.001

Bütçe Harcamaları 1.08E-07 2.87E-08 0

Okur-Yazar Kadın Oranı 0.210956 0.032312 0

Öğretim Elemanı Sayısı / Nüfus 304.5908 90.54962 0.001

Sabit Terim -27.3411 2.459785 0

λ 0.112217 0.027528 0

Wald ki-kare=1765.58 p=0.0000 AIC=179.7053

Tablo 11’de yer alan tahmin sonuçlarına göre mekânsal hata terimi pozitif ve istatistiksel olarak

anlamlıdır. Buna göre, herhangi bir ilin komşularında meydana gelecek şoklar, o ilin gelişmişlik

düzeyini aynı yönde etkilemektedir. Mekânsal hata modeli EKK modeli ile karşılaştırıldığında ise

katsayıların işaretlerinin değişmediği ancak küçük değişmelerin olduğu, olasılık değerlerinin ise

azaldığı görülmektedir. Ayrıca AIC değerleri karşılaştırıldığında ise mekânsal hata modelinin daha

düşük AIC değerine sahip olduğu, bu nedenle daha uygun bir model olduğu söylenebilir.

5. Sonuç

Türkiye’de illere ait gelişmişlik düzeyleri Temel Bileşenler Analizi ile hesaplanmıştır. Çalışmada

illere ait 2008 – 2015 yıllarını kapsayan çeşitli sosyal ve ekonomik göstergeleri kullanılmıştır.

İllerin gelişmişlik endeksleri hesaplamalarına göre Marmara ve Ege Bölgesindeki illerin genel

olarak yüksek değerler aldığı, Doğu Anadolu ve Güney Doğu Anadolu Bölgesindeki illerin ise

düşük değerlere sahip olduğu görülmektedir. İstanbul, Ankara, İzmir, Antalya, Bursa en gelişmiş

iller Ağrı, Şırnak, Muş, Hakkari, Siirt en az gelişmiş iller olarak hesaplanmıştır. Endeks


419

sonuçlarının SEGE araştırmaları ve yapılan diğer sosyo-ekonomik gelişmişlik çalışmaları ile

oldukça benzediği görülmektedir. Gelişmişlik haritasında benzer gelişmişlik endekslerine sahip

olan illerin birbirlerine yakın konumda bulundukları görülmektedir. Bu nedenle, illere ait

gelişmişlik düzeyleri arasında mekânsal etkileşim bulunup bulunmadığı Moran I testi ile

araştırılmıştır. Buna göre, illerin gelişmişlik düzeylerinin birbirinden mekânsal olarak etkilendiği

bulunmuştur.

Bu çalışmada illerin gelişmişlik düzeyini etkileyen faktörler mekânsal ekonometrik analiz ile

incelenmiştir. Mekânsal etkileşimi dikkate almayan EKK modeli incelendiğinde hata terimlerinin

mekânsal otokorelasyonlu olduğu tespit edilmiştir. Bu nedenle mekânsal etkileşimin modele ilave

edilebildiği mekânsal ekonometrik kullanılması gerekmektedir. Spesifikasyon araştırması

sonucunda mekânsal hata modelinin uygun model olduğu değerlendirilmiştir. Mekânsal hata

modeli sonuçlarına göre, mekânsal otokorelasyon katsayısı ve bağımsız değişkenlerin

katsayılarının pozitif ve istatistiksel olarak anlamlı olduğu görülmektedir. Model sonuçları EKK

modeli ile karşılaştırıldığında ise katsayıların işaretlerinin değişmediği ancak katsayılarda küçük

değişikliklerin bulunduğu, katsayıların olasılık değerlerinin ve Akaike Bilgi Kriteri değerinin daha

küçük olduğu görülmektedir. Bu nedenle mekânsal hata modelinin daha uygun bir model olduğu

söylenebilir.

Kaynakça

Anselin, L. (1988). Spatial Econometrics: Methods And Models. Kluwer Academic Publishers.

Anselin, L. (2001). Spatial Econometrics. A Companion to Theoretical Econometrics (ss. 310-330). Blackwell

Publishing.

Arbia, G. (2006). Spatial Econometrics: Statistical Foundations And Applications To Regional Convergence. Springer

Science & Business Media.

Çetin, I., ve Sevüktekin, M. (2016). Türkiye'de Gelişmişlik Düzeyi Farklılıklarının Analizi. Uluslararası Ekonomik

Araştırmalar Dergisi, 2(2): 39-61.

Dinçer, B. ve M. Özaslan (2004). İlçelerin Sosyo-Ekonomik Gelişmişlik Sıralaması Araştırması. Ankara: Devlet

Planlama Teşkilatı Yayınları.

Dinçer, B., Özaslan, M., ve Kavasoĝlu, T. (2003). İllerin ve Bölgelerin Sosyo-Ekonomik Gelişmişlik Sıralaması

Araştırması. Ankara: Devlet Planlama Teşkilatı Yayınları.

Dinçer, B., Özaslan, M., ve Satılmış, E. (1996). İllerin Sosyo-Ekonomik Gelişmişlik Sıralaması Araştırması. Devlet

Planlama Teşkilatı. Bölgesel Gelişme ve Yapısal Uyum Genel Müdürlüğü.

Elhorst, J. P. (2014). Spatial Econometrics From Cross-Sectional Data to Spatial Panels. Springer Berlin Heidelberg.

Fischer, M. M., ve Wang, J. (2011). Spatial Data Analysis: Models, Methods And Techniques. Springer Science &

Business Media.

Florax, R. J., Folmer, H. ve Rey, S. J. (2003). Specification searches in spatial econometrics: the relevance of Hendry’s

methodology. Regional Science and Urban Economics. 33(5): 557-579.

Griffith, D. A. (2003). Spatial Autocorrelation And Spatial Filtering: Gaining Understanding Through Theory And

Scientific Visualization. Springer Science & Business Media.

Kalkınma Bakanlığı. (2013). İllerin ve Bölgelerin Sosyo-Ekonomik Gelişmişlik Sıralaması Araştırması (SEGE-

2011). Ankara: Bölgesel Gelişme ve Yapısal Uyum Genel Müdürlüğü.

LeSage, J. P. (1998). Spatial Econometrics. https://www.spatial-econometrics.com/html/wbook.pdf

https://www.spatial-econometrics.com/html/wbook.pdf


420

LeSage, J. ve Pace, R. K. (2009). Introduction To Spatial Econometrics. Chapman and Hall/CRC.

Özdemir, A. İ. ve Altıparmak, A. (2005). Sosyo-Ekonomik Göstergeler Açısından İllerin Gelişmişlik Düzeyinin

Karşılaştırmalı Analizi. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. (24): 97-110.

Tatlıdil, H. (1992). Uygulamalı Çok Değişkenli İstatistiksel Analiz. Engin Yayınları.

Tuncer, G., (2013). Kamu Harcamaları ve Sosyo-Ekonomik Gelişmişlik İlişkisinin Mekânsal Analizi: Türkiye

Uygulaması. (Yayınlanmamış Doktora Tezi). Kütahya: Dumlupınar Üniversitesi Sosyal Bilimler Enstitüsü.

Wang, X. (2007). Who's In First? A Regional Development Index For The People's Republic Of China's Provinces.

ADB Institute Discussion Papers.


421

Türkiye için GSYİH ve GSYİH Büyümesinin Doğrusal Modeller ve Yapay Sinir Ağları ile

Öngörüsü

Işıl AKGÜL1

Şahamet BÜLBÜL 2

Selin Özdemir YAZGAN 3

Hoşeng BÜLBÜL 4 Özet

Gayri Safi Yurtiçi Hasıla (GSYİH), bir ülke sınırları içerisinde belli bir zaman içinde

üretilen tüm nihai mal ve hizmetlerin para birimi cinsinden değerini ifade eder. Bu

bağlamda GSYİH'daki değişim, ülke ekonomisindeki büyümeyi ya da daralmayı açık

şekilde gösteren temel makroekonomik göstergelerden biridir.

Bu çalışmanın amacı 1998:Q1-2017:Q4 dönemi GSYİH ve büyümesinin doğrusal olan

modeller ve farklı mimari yapıdaki Yapay Sinir Ağları (YSA) yardımı ile öngörülmesi,

öngörü başarılarının karşılaştırması sonucu en başarılı modelin belirlenmesidir. Bu amaçla,

serinin yapısına uygun doğrusal modeller, (AR(I)MA, ARF(I)MA, SAR(I)MA), Çok

Katmanlı Yapay Sinir Ağı (ÇKYSA) ve hibrit (melez) AR(I)MA-ÇKYSA modeli tahmin

edilmiş, dönem içi kestirimler yapılmıştır.

Modellerin öngörü başarıları incelendiğinde, literatürdeki yaygın olan bulguların aksine,

AR(I)MA modelinin, ÇKYSA modelinden daha başarılı öngörü yaptığı ortaya

konulmuştur. Ancak, çalışmanın bir sonraki basamağında, hibrit AR(I)MA- ÇKYSA

modelinin, AR(I)MA modelinden daha başarılı öngörü yaptığı bulgusuna ulaşılmıştır. Bu

sonuç, GSYİH serisinin öngörüsünde, doğrusal AR(I)MA modeli ve öngörü başarılarının

yüksek olduğu bilinen YSA’ların birlikte kullanılmasının başarıyı arttırdığını ortaya

koymuştur.

Anahtar Kelimeler: GSYİH, Ekonomik Büyüme, Hibrit, AR(I)MA, Çok Katmanlı Yapay sinir Ağı,

AR(I)MA-ÇKYSA


Forecasting of GDP Growth in Turkey Using Linear Models and Neural Network Models

Abstract

Gross Domestic Product (GDP) refers to the value of all the final goods and services

produced within a country within a certain period of time. In this context, the change in

GDP is one of the main macroeconomic indicator that shows the growth or contraction in

the country's economy. In the short term, it affects total expenditures, interest rates, labor

markets and short-term policies prepared by the government. In the long run, it affects

government policies, including investments aimed at accelerating economic growth and

1Prof. Dr., [email protected], Marmara Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü, Ekonometri ABD,

İstanbul/Türkiye. ORCID: 0000-0003-4133-1378 2Prof. Dr., [email protected], Marmara Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü, Ekonometri ABD,

İstanbul/Türkiye. 3 Doç. Dr., [email protected], Marmara Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü, Ekonometri

ABD, İstanbul/Türkiye. 4Arş. Gör., [email protected], Marmara Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü, Ekonometri

İstanbul/Türkiye. ORCID: 0000-0002-4541-8916


422

increasing public prosperity. The business world also closely monitors GDP growth for

production and investment decisions.

The aim of this study is to determine the best predictive model for the growth of GDP in

the period of 1998:Q1-2017:Q4 with the help of linear models and different architectural

structures for ANNs. For this purpose, linear models (AR(I)MA, ARFIMA, SAR(I)MA),

Multilayer Artificial Neural Network (MLP) and hybrid AR(I)MA-MLP model was

estimated and predictions were made.

When the predictive achievements of the models are examined, it is found that AR(I)MA

model is more successful than the MLP model. However, in the next step of the study, it

was found that hybrid AR(I)MA-MLP model predicted more successful than AR(I)MA

model. This result showed that the linear AR(I)MA model and the use of MLP’s with high

predictive achievements in the prediction of the GDP series increases the success.

Keywords: GDP, Economic Growth, Hybrid, AR(I)MA, MLP, AR(I)MA-MLP

JEL Clasification: C2, C4, C8

1. Giriş

Gayri Safi Yurtiçi Hasıla (GSYİH), bir ülke sınırları içerisinde belli bir zaman içinde üretilen tüm

nihai mal ve hizmetlerin para birimi cinsinden değerini ifade eder. Bu bağlamda GSYİH'daki

değişim, ülke ekonomisindeki büyümeyi ya da daralmayı açık şekilde gösteren temel

makroekonomik göstergelerden biridir. Kısa dönemde toplam harcamaları, faiz oranlarını, işgücü

piyasalarını ve bunlara bağlı olarak hükümet tarafından hazırlanan kısa vadeli politikaları

etkilerken, uzun dönemde, ekonomik büyümeyi hızlandırmayı ve halkın refahını arttırmayı

amaçlayan yatırımları içeren hükümet politikalarını etkilemektedir. İş dünyası da üretim ve yatırım

kararları için GSYİH büyümesini dikkatle takip etmektedir. Bu kapsamda GSYİH büyümesinin

öngörüsü tüm ekonomik birimler için önemlidir.

Son yıllarda GSYİH büyümesinin tahmininde, Box-Jenkins modellerinin ve Yapay Sinir

Ağları’nın (YSA) kullanılmaya başlandığı görülmektedir. YSA’nın, klasik modellere dayalı

öngörü yöntemlerinin aksine, kısıtlayıcı ön savlarının az olması zaman serilerinin öngörüsü için

tercih edilmelerine neden olmaktadır. Ayrıca örnek aracılığı ile öğrenmeyi gerçekleştirmesi,

gözlemler arasında bazen fark edilmesi zor olan ilişkilerin modellenmesi aşamasında başarılı

olmaktadır. YSA’nın veri güdümlü (data driven) yaklaşımı, karmaşık ilişkilerin modellenmesi

açısından diğer zaman serisi yöntemlerinden ayrışmasına ve öngörü performansının yüksek

olmasına olanak sağlamaktadır.

Ancak, yapılan bazı çalışmalarda sinir ağlarının mevsimselliği modellemekte yetersiz olduğu ve

mevsimsellik etkisi olan serilerin öngörü başarılarının düşük olduğu bulgusuna ulaşılmıştır (Zhang

ve Qi, 2005). Oysa ki, GSYİH büyümesinin tahmini için yapılan birçok çalışmada da YSA

modellerinin kullanıldığı, ancak serinin mevsimsellik özelliğinin göz ardı edildiği görülmektedir.


423

YSA modelleri ve AR(I)MA modelleri zaman serilerinin öngörüsü için gözlemlenen verilerin

geçmiş değerlerini kullanmaktadır. Ancak AR(I)MA modelleri doğrusal olmayan yapıyı

modellemekte yetersiz kalırken, YSA da zaman serilerinde görülebilecek mevsimsel hareketleri

yakalamakta başarısızdır (Jeong, Koo ve Hong, 2014). Bu bağlamda, modellerin birleşiminden

oluşan bir hibrit (melez) model yardımıyla, öngörü başarısının arttırılabileceği düşünülebilir.

Bu çalışmanın amacı, 1998:Q1-2017:Q4 dönemi GSYİH ve büyümesinin, doğrusal olan modeller

ve farklı mimari yapıdaki YSA’lar yardımı ile öngörülmesi, öngörü başarılarının karşılaştırması

sonucu en başarılı modelin belirlenmesidir. Çalışmanın önsavı ise, “geleneksel AR(I)MA modelleri

ve YSA ile kurulan hibrit (melez) model GSYİH ve GSYİH büyümesi için öngörü başarısını

arttıracaktır” şeklinde oluşturulmuştur.

Çalışmada, serinin yapısına uygun doğrusal modeller, (AR(I)MA, ARF(I)MA, SAR(I)MA), Çok

Katmanlı Yapay Sinir Ağı (ÇKYSA) ve hibrit (melez) AR(I)MA-MLP modeli tahmin edilmiş ve

dönem içi kestirimler yapılmıştır.

Öngörü başarıları, Ortalama Hata, Kök Ortalama Hata Kare, Ortalama Mutlak Hata ölçütleri ile

karşılaştırılmıştır. Sonuçlar, literatürdeki yaygın olan bulguların aksine, AR(I)MA modelinin,

ÇKYSA modellerinden daha başarılı öngörü yaptığını ortaya koymuştur. Ancak, çalışmanın bir

sonraki basamağında hibrit AR(I)MA-ÇKYSA modelinin, AR(I)MA modelinden daha başarılı

öngörü yaptığı bulgusuna ulaşılmıştır. Bu sonuç GSYİH serisinin öngörüsünde doğrusal AR(I)MA

modeli ve öngörü başarılarının yüksek olduğu bilinen YSA’ların birlikte kullanılmasının başarıyı

arttırdığını ortaya koymuştur.

Çalışmanın içeriği şöyledir: Giriş bölümünü izleyen ikinci bölümde ilgili yazın taraması

yapılmakta, üçüncü bölümde uygulamada kullanılan modeller anlatılmaktadır. Dördüncü bölüm,

oluşturulan modellerin tahmin ve analiz edilmesini içeren uygulama bölümüdür. Çalışma, genel

değerlendirme ile son bulmaktadır.

2. Literatür

GSYIH ve GSYIH büyümesinin analizi ve öngörüsü her dönem dikkati çeken konu başlıklarından

biri olmuş ve bu amaçla çeşitli ülkeler için çalışmalar yapılmıştır. Bu amaçla doğrusal AR(I)MA

modelleri kullanan çalışmalara örnekler verilebilir. Zhao ve Chen (2007) Çin’in GSYIH öngörüsü

için doğrusal AR(I)MA modelleri kullanmışlardır. Andrei ve Bugudui (2011) Amerika için

yaptıkları çalışmada GSYIH serisinin öngörüsü için AR(I)MA (1,1,1) modelinin uygun olduğu

bulgusuna ulaşmışlardır. Peter ve Silvia (2012) modellerine işsizlik oranı verisini de ekleyerek

Rusya için uygun AR(I)MAX modeli tahmin etmişlerdir. Ancak model karşılaştırılması

yapıldığında AR(I)MA modelinin AR(I)MAX modelinden daha iyi öngörü performansı sağladığı


424

bulgusuna ulaşmışlardır. Maity ve Chatterjee (2012), ARIMA (1,2,2) modelini kullanarak

Hindistan için GSYIH büyüme öngörüsü yaparak ekonomik büyümedeki genişlemeyi ortaya

koymuşlardır. Zhang (2013) İsveç için kişi başı GSYIH verisi için AR(I)MA, VAR ve AR

modelleri tahmin etmiştir. Çalışmada yapılan uygulama sonucuna göre, bu modellerin tümünün

kısa dönem öngörüde başarılı olduğu ayrıca modeller içerisinde AR modelinin en başarılı model

olduğu sonucuna varmıştır. Zakai (2014) Pakistan için AR(I)MA(1,1,0) modelini tahmin ederek

GSYIH’da artış olacağı sonucuna varıyor. Dritsaki (2015) GSYIH’nın ekonomik değişimlerin

önemli bir göstergesi olduğunu vurgulayarak AR(I)MA (1,1,1) modelini tahmin etmiş, Yunanistan

için GSYIH’nın istikrarlı bir biçimde arttığını ortaya koymuştur.

Yazın taraması incelendiğinde GSYIH öngörüsü için YSA modellerinin de sıklıkla kullanıldığı

görülmektedir. Moody, Levin ve Rehfuss (1993) A.B.D. İçin büyüme oranı öngörüsü, tek

değişkenli doğrusal AR modeli, çok değişkenli doğrusal regresyon modeli ve YSA modelleri ile

hesaplanarak karşılaştırılmıştır. Swanson ve White (1997) A.B.D.’nin sanayi üretim endeksi, reel

GSYİH nominal GSYİH, işsizlik, faiz oranı, şirket karları, tüketim, iş envanteri, net ihracat da

dahil olmak üzere 9 makro ekonomik göstergesinin öngörü performansları YSA, doğrusal model

ve VAR modelleriyle karşılaştırmışlardır. Öngörü hesaplamalarında YSA’nın daha başarılı

sonuçlar verdiği bulgusuna ulaşılmıştır. Tkacz ve Hu (1999) Kanada GSYİH büyümesini tahmin

etmek için YSA ve doğrusal modellerin performansları karşılaştırılmıştır. Terasvirta, Van Dijk ve

Medeiros (2005) G7 ülkeleri için doğrusal otoregresif model, doğrusal olmayan STAR (Yumuşak

Geçişli Otoregresif) modeli ve YSA modellerinin karşılaştırmasında LSTAR modelinin

öngörülerinin daha iyi sonuçlar verdiği bulgusuna ulaşılmıştır. Marcellino (2007) A.B.D.’nin

ekonomik büyüme ve enflasyonun öngörüsünde, zamanla değişen otoregresif model (time varying

autoregression), LSTAR model ve YSA modelleri kullanılmıştır. Okerek ve Bernard (2014),

çalışmada Nijerya’nın GSYİH’nı tahmin etmek için SAR(I)MA modelinden yararlanılmıştır.

Zime (2014), 1992-2014 analiz dönemi kapsamında Benin’in ekonomik büyüme tahmini için geri

yayılım öğrenme (BP) ile Doğrusal Olmayan Otoregresif (NARX) modeli girdiyle birleştirilerek

YSA oluşturulmuştur. Elde edilen bulgular doğrultusunda yöntemin yüksek doğrulukla etkili ve

uygulanabilir olduğu kanıtlanmıştır. Yapay sinir ağlarının doğrusal olmayan problemleri

çözebildiği ve GSYİH tahmininde kullanılabileceği ifade edilmiştir.

Demir ve diğ. (2015), Japonya’nın ekonomik büyümesine yönelik oluşturulan tahmin modelinde

hibrit yapay sinir ağı modeli ile çoklu regresyon modeli karşılaştırılmıştır. Çalışmada uzun

dönemli faiz oranı, kısa dönemli faiz oranı, faiz oranı getirisi, tüketici fiyat endeksi, enflasyon

beklentisi, M1, reel M1, M2, reel M2, reel kısa vadeli oran ve reel GSYİH değişkenleri açıklayıcı


425

değişken olarak kullanılmıştır. 1974-2013 dönemini kapsayan analizde hibrit yapay sinir ağı

modeli çoklu regresyon modeline göre daha iyi sonuçlar vermiştir.

Chen ve Hsin (2016), çalışmalarında YSA hata düzeltmesine sahip Doğrusal Olmayan Grey

Bernoulli (NGBM) modelini kullanarak Tayvan’ın 2004-2010 dönemine ait verilerini kullanarak

2011 yılı için GSYİH’sını öngörmüşlerdir. Öngörü hatasını düzeltme fikrinin öngörü

performansını arttırdığı sonucuna ulaşılmıştır.

Mladenovic ve diğ. (2016), Avrupa Birliği’ndeki 28 ülke için hizmet ticareti, mal ve hizmet

ihracatı, mal ve hizmet ithalatı gibi ticaret değişkenleri girdi iken çıktı olarak GSYİH büyüme

oranı kullanılmıştır. Çalışmada GSYİH büyüme oranını tahmin etmek için yapay sinir ağını (YSA)

geri yayılım öğrenme (BP) algoritması ve aşırı öğrenme makinesi (ELM) ile geliştirilmiş ve

ELM'nin GSYH büyüme oranı tahmini uygulamalarında etkin bir şekilde kullanılabileceği

sonucuna ulaşılmıştır.

Chuku ve diğ. (2017), 1970-2016 çeyreklik verileri kullanarak Afrika’daki seçilmiş sınır

ekonomilerinin ekonomik büyümelerini öngörmek için geleneksel zaman serisi modelleri ile

YSA’nın performanslarını karşılaştırılmıştır. Elde edilen bulgulara göre YSA’nın geleneksel

zaman serisi modelleri ve ARIMA modellerine göre daha iyi sonuç verdiği, özellikle kaotik

etkilerin olması durumunda YSA modellerinin tercih edilmesi gerektiği vurgulanmıştır.

Türkiye için yapılan çalışmaları incelediğimizde; Sözen ve Arcaklıoğlu (2007), Türkiye için

GSMH GSYİH ve net enerji tüketimi verileri için YSA modelleri kullanarak, bu modellerin

öngörü performansının iyi olduğu bulgusuna ulaşmışlardır. Karaatli, Göçmen, Dağcılar,

Karacadağ ve Sezer (2012), gelecekteki GSYİH ile ilgili beklentiler yatırımların, istihdamın,

ücretlerin, kârların ve hatta borsa faaliyetlerinin birincil belirleyicisi olduğunu ifade etmişlerdir.

Bu doğrultuda Türkiye’nin GSYİH öngörüsünü yapmak için YSA yöntemi kullanılmıştır.

Analizde 1998-2010 dönemi için üçer aylık veriler kullanılırken, açıklayıcı değişken olarak

hanehalkı tüketimi, hükümetin nihai tüketim harcamaları, menkul kıymet borsası, brüt sabit

sermaye oluşumu, mal ve hizmet harcamaları, mal ve hizmet ithalatı kullanılmıştır. GSYİH’nın

öngörü performansının yapay sinir ağı modelleri kullanılarak geliştirilebileceği sonucuna

ulaşılmıştır.

Önder, Bayır ve Hepsen (2013), 1980- 2012 dönemi için gayri safi yurt içi hasıla(GSYİH), gayri

safi milli hasıla, enflasyon nüfus, toplam yatırım, işsizlik oranı, ihracat ve ithalat hacmi olmak

üzere 8 makro ekonomik gösterge için YSA ile geleneksel zaman serisi modellerinden ayrıştırma

ve üstel düzleştirme metotları karşılaştırılmıştır. Ayrıştırma metotları olarak doğrusal trend,

kuadratik trend, büyüme trend fonksiyonları kullanılırken, üstel düzleştirme metotları olarak


426

hareketli ortalama, Brown’un üstel düzleştirme, doğrusal hareketli ortalama, Brown’un doğrusal

üstel düzleştirme, Holt’un doğrusal üstel düzleştirme, Brown’un kuadratik üstel düzleştirme

modelleri kullanılmıştır. Model karşılaştırmaları sonucunda GSYİH 2023 yılı öngörü

performansları için YSA’nın daha iyi sonuçlar verdiği bulgusuna ulaşılmıştır.

3. Hibrit AR(I)MA-ÇKYSA Modeli

GSYİH bir ülkenin ekonomik büyüklüğünü değerlendirmek için kullanılan ölçütlerden birisidir.

Bir ülke sınırları içerisinde belli bir zaman içinde, üretilen tüm nihai mal ve hizmetlerin para birimi

cinsinden değeridir. Bu bağlamda, yatırım kararları için değerlendirilmesi ve öngörülmesi önemli

olan bir makroekonomik değişkendir. Aşağıda, ekonometri yazınına katkıda bulunmak için bu

çalışmada GSYIH serisinin öngörüsü için kullanılan AR(I)MA-ÇKYSA modeli tanıtılmıştır.

Zhang (2003) çalışmasında kullandığı hibrit yaklaşımında bir zaman serisini doğrusal ve doğrusal

olmayan bileşenleri ile;

t t ty L N (1)

şeklinde göstermiştir. Burada tL doğrusal bileşeni, tN ise doğrusal olmayan bileşeni temsil

etmektedir. Hibrit model kurma basamaklarını ise aşağıdaki gibi sıralamıştır.

1) Doğrusal Bileşenin Modellenmesi:

AR(I)MA modeli tahmin edilerek ty serisinin t dönemi için öngörü değerleri olan ˆtL elde edilir ve

artıklar

ˆt t te y L (2)

şeklinde hesaplanır.

2) Doğrusal Olmayan Bileşenin Modellenmesi:

Doğrusal olmayan ilişkinin ortaya konulması için AR(I)MA modelinin artıkları ÇKYSA ile

modellenir. Bu amaçla P tane girdi düğümü için YSA modeli,

1, , ,t t t P te f e e (3)

iken

0 0

1 1

. .e ,q p

t j j i j t i t

j i

y w w g w w

(4)

şeklinde yazılır.


427

Modelde .f ÇKYSA tarafından tanımlanmış olan bir fonksiyondur ve t rassal hatayı

göstermektedir.

3) Doğrusal ve Doğrusal Olmayan Bileşenlerin Birlikte Modellenmesi

İkinci ve üçüncü basamaktan elde edilen öngörü değerleri sırası ile ˆtL ve ˆ

tN olarak gösterilirse

bileşenleri;

ˆ ˆˆt t tz L N (5)

olarak yazılabilir. Yaklaşımın sonraki basamaklarında ˆtz girdi olarak kullanılır.

4.Uygulama

4.1. Değişkenin İstatistiksel Özellikleri

1998:Q1-2017:Q4 dönemi için GSYİH verisi kullanılmıştır. Çalışmada serinin varyasta

durağan olmadığı ve eğrisel olduğu görüldüğü için logaritmik dönüşüm yapılarak analize LGSYİH

serisi ile devam edilmiştir. GSYİH büyümesi (DLGSYİH) serinin logaritmik farkı alınarak elde

edilmiştir. Veriler, T.C Merkez Bankası elektronik veri dağıtım sisteminden alınmıştır.

4.2. Bulgular ve Değerlendirme

Analize, serinin bazı istatistiklerinin hesaplanması ve durağanlığının sınanması ile başlanmış,

sonuçlar Tablo 1 ve Tablo 2’de verilmiştir. Tablo 1’de yer alan JB test istatistiği sonucuna göre

serinin normal dağılmadığı görülmektedir.

Tablo 1: LGSYIH Serisine Ait İstatistiksel Özellikler

LGSYİH

Ortalama 11.52

Medyan 11.16

Maximum 13.69

Minimum 10.74

Std. Sapma 0.92

Çarpıklık 1.44

Basıklık 3.31

Jarque-Bera 28.58

Prob. 0.00


428

Serinin istatistikleri incelendikten sonra durağanlık araştırması için Dickey-

Fuller(1979):DF(1979) sınama istatistiği hesaplanmış sonuçlar Tablo 2’de verilmiştir.

Tablo 2: Durağanlık Sınaması Sonuçları

ADF

(-3.46/-2.89)

LGSYİH -2.09

DLGSYİH -5.38

Dickey-Fuller(1979):DF(1979) sınama istatistiklerine göre LGSYİH serisinin birinci farkının %5

anlamlılık düzeyinde durağan olduğu sonucuna varılmıştır.

Çalışmaya LGSYİH serisi ve DLGSYİH serisi için doğrusal modellerin (AR(I)MA, ARF(I)MA,

SAR(I)MA) tahmin edilmesi ile devam edilmiştir. Model tahmin aşamasında son 8 gözlem

dışarıda bırakılmış, doğrusal modeller arasından en başarılı model seçilerek dışarıda bırakılan 8

dönem için öngörü yapılmıştır. LGSYİH serisi için en başarılı model olan AR(I)MA(2,0,2)’nin

tahmin sonuçları Tablo 3’te verilmiştir.

Tablo 3: LGSYİH Serisi İçin AR(I)MA(2,0,2) Modelinin Tahmin Sonuçları

Gecikme

Uzunluğu

Parametre

Tahmini

Standart Hata t-istatistiği p-değeri

AR 1 0.477 0.252 1.89 0.064

AR 2 0.437 0.242 1.80 0.077

MA 1 0.715 0.261 2.74 0.008

MA 2 0.202 0.122 1.65 0.104

Sabit

11.518 0.419 27.5 0.000

CSeasonal

-0.158 0.005 -31.5 0.000

CSeasonal-1

-0.053 0.005 -9.08 0.000

CSeasonal-2

0.035 0.004 7.10 0.000

Trend

0.025 0.005 4.27 0.000

Jarque-Bera Testi 8.06 (0.01)

ARCH Testi 1.12 (0.34)

Portmanteau (12) 3.36 (0.90)

Tahmin edilen model ile 2016: Q1 -2017:Q4 dönemi için dönem içi öngörü yapılmış, sonuçları

Tablo 4’te verilmiştir.


429

Tablo 4: LGSYİH Serisi İçin AR(I)MA(2,0,2) Modelinin Dönem İçi Öngörü Sonuçları

Dönem Öngörü Standart Hata Gerçek Değer Hata

2016:Q1 13.255 0.025 13.243 -0.012

2016:Q2 13.387 0.039 13.355 -0.031

2016:Q3 13.499 0.049 13.409 -0.090

2016:Q4 13.490 0.057 13.524 0.034

2017:Q1 13.356 0.062 13.385 0.028

2017:Q2 13.486 0.067 13.510 0.023

2017:Q3 13.599 0.071 13.628 0.028

2017:Q4 13.589 0.074 13.698 0.109

Ortalama Hata=0.011

Kök Ortalama Hata Kare: 0.055

Ortalama Mutlak Hata(%): 0.332

Daha sonra DLGSYİH için AR(I)MA (2,0,0) modelinin uygun olduğu bulgusu elde edilmiş,

tahmin edilen model Tablo 5’te verilmiştir.

Tablo 5: DLGSYİH Serisi İçin AR(I)MA (2,0,0) Modelinin Tahmin Sonuçları

Gecikme

Uzunluğu

Parametre

Tahmini

Standart

Hata

t-istatistiği p-değeri

AR 1 0.432 0.111 3.87 0.000

AR 2 0.254 0.110 2.29 0.025

Sabit

0.046 0.010 4.39 0.000

CSeasonal

-0.122 0.007 -16.3 0.000

CSeasonal-1

0.140

19.9 0.000

CSeasonal-2

0.124 0.007 16.7 0.000

Jarque-Bera Testi 9.10 (0.01)

ARCH Testi 0.007 (0.92)

Portmanteau (12) 6.12 (0.80)

DLGSYİH için tahmin edilen AR(I)MA (2,0,0) modeli ile 2016: Q1 -2017:Q4 dönemi için dönem

içi öngörü yapılmış, sonuçları Tablo 6’da verilmiştir.


430

Tablo 6: DLGSYİH Serisi İçin AR(I)MA (2,0,0) Modelinin Dönem İçi Öngörü Sonuçları


2016:Q1 -0.111 0.028 -0.136 -0.025

2016:Q2 0.154 0.030 0.112 -0.041

2016:Q3 0.137 0.033 0.053 -0.083

2016:Q4 0.012 0.034 0.114 0.102

2017:Q1 -0.110 0.035 -0.139 -0.029

2017:Q2 0.152 0.035 0.124 -0.027

2017:Q3 0.136 0.035 0.118 -0.018

2017:Q4 0.011 0.035 0.070 0.058

Ortalama Hata=-0.008



LGSYİH ve DLGSYİH için doğrusal modeller tahmin edilip, dönem içi öngörü yapıldıktan sonra,

ikinci aşamada farklı mimari yapıdaki ÇKYSA modelleri kurulmuştur. Çalışmada oluşturulan tüm

ÇKYSA modelleri giriş katmanı, çıkış katmanı ve 1 adet gizli katman olmak üzere 3 katmanlı bir

mimariye sahiptir. Giriş nöron sayısı ve gizli katmanda kullanılan nöron sayıları 1’den 12‘ye kadar

değiştirilerek 120 farklı yapay sinir ağı modeli elde edilmiştir. Veriler ÇKYSA ile oluşturulan

ağlara girilmeden önce ağın yapısına uygun hale getirilerek; gerekli giriş ve çıkış vektörleri

oluşturulmuştur. Eğitim verileri ağa sunularak ağın öğrenme işlemi gerçekleştirilmiş bu 120 model

içerisinden test verileri için hata kareleri ortalaması (MSE), kök hata kareleri ortalaması (RMSE)

ve ortalama mutlak yüzde hata (MAPE) değerleri karşılaştırılmış, en başarılı yapay sinir ağı modeli

seçilmiştir.

Çalışmanın bu aşamasında veri dönüşümlerinin etkisini de incelemek amacı ile mevsimsel

düzeltme yapılmış seri, farkı alınmış seri ve orijinal seri için ayrı ayrı ÇKYSA modelleri tahmin

edilmiştir. Modellerin mimari yapılarına ilişkin bilgiler Tablo 6’da yer almaktadır.

Tablo 6: ÇKYSA Modellerinin Mimari Yapıları

Mevsimsel Düzeltme

Yapılmış Seri

Farkı alınmış Seri Orijinal Seri

Girdi Düğümleri

Gizli Nöron

Sayısı

1 1 1

t tu ,u 1 3 t tDLGSYIH ,DLGSYIH 1 2 t tLGSYIH ,LGSYIH 1 4


431

Öğrenme Oranı 0.3 0.5 0.5

Momentum 0.6 0.7 0.9

Eğitim Verisinin

Korelasyonu

0.863 0.632 0.562

ÇKYSA modelleri için simülasyon sonuçları Tablo 7’da verilmiş, Kök Ortalama Hata Kare ve

Ortalama Mutlak Hata sonuçları incelendiğinde ÇKYSA modellerinin orijinal seri olan LGSYİH

için en başarılı sonucu verdiği ortaya konulmuştur.

Tablo 7: ÇKYSA Modeli İçin Simülasyon Sonuçları

Verii Eğitim Doğrulama Test

Kök

Ortalama

Hata Kare

Ortalama

Mutlak

Hata

Kök

Ortalama

Hata Kare

Ortalama

Mutlak

Hata

Kök

Ortalama

Hata Kare

Ortalama

Mutlak

Hata

1.15 0.84 1.24 1.04 1.78 1.52

1.89 1.46 1.95 1.73 1.80 1.63

2.16 1.98 2.05 1.94 2.34 2.09

LGSYİH büyümesi için tahmin edilen ÇKYSA modeli ile 2016: Q1 -2017: Q4 dönemi için dönem

içi öngörü yapılmış, sonuçları Tablo 8’de verilmiştir.

Tablo 8: LGSYİH Serisi için ÇKYSA Modeli Öngörü Sonuçları


2016:Q1 13.276 0.028 13.243 -0,33

2016:Q2 13.402 0.041 13.355 -0,47

2016:Q3 13.485 0.051 13.409 -0,054

2016:Q4 13.529 0.057 13.524 0,095

2017:Q1 13.406 0.061 13.385 -0,006

2017:Q2 13.516 0.063 13.510 0,005

2017:Q3 13.634 0.067 13.628 0,012

2017:Q4 13.706 0.071 13.698 0,019

Ortalama Hata=0.018



LGSYIH

DLGSYIH

tu


432

LGSYİH serisi için ÇKYSA modeli ile dönem içi öngörü yapıldıktan sonra farklı mimari yapıdaki

hibrit AR(I)MA-ÇKYSA modelleri tahmin edilmiş, dönem içi öngörü başarıları Tablo 9’da

verilmiştir.

Tablo 9: AR(I)MA-ÇKYSA Modellerinin Öngörü Başarısı Karşılaştırması

Modeller Girdiler Ortalama

Hata Kare

Kök Ortalama

Hata Kare

Ortalama

Mutlak Hata

Hibrit Model-1

0.012 0.561 20.89

Hibrit Model-2

0.009 0.534 17.28

Hibrit Model-3

0.006 0.529 17.03

Hibrit Model-4

0.009 0.556 19.02

Hibrit Model-

5

0.004 0.404 14.23

Hibrit Model-6

0.007 0.501 15.45

Hibrit Model-7

0.008 0.541 22.16

Hibrit Model-8

0.013 0.603 23.18

Farklı girdi elemanları ile tahmin edilen hibrit AR(I)MA-ÇKYSA model arasından öngörü başarısı

en yüksek olan Hibrit Model-5 ile 8 dönem için öngörü yapılmış ve sonuçları Tablo 10’da

verilmiştir.

Tablo 10: AR(I)MA-ÇKYSA Modelinin Öngörü Sonuçları


2016:Q1 13.251

13.243

2016:Q2 13.368

13.355

2016:Q3 13.484

13.409

2016:Q4 13.496

13.524

2017:Q1 13.361

13.385

2017:Q2 13.489

13.510

2017:Q3 13.599

13.628

2017:Q4 13.591

13.698

Ortalama Hata=0.003

s s

t t t t tˆ ˆL ,e ,L ,e , Z 4 4 4

s s

t t t tˆ ˆL ,e ,L ,e 4 4

s

t t t tˆ ˆL ,e ,L , Z 4 4

s s

t t t tL ,e ,e , Z 4 4

s

t t tˆ ˆL ,e ,L 4

s s

t t tL ,e ,e 4

s

t t tˆ ˆL ,e ,L 11

s

t tL , e


433



Uygulamanın son aşamasında LGSYİH serisi için tahmin edilen uygun modellerin dönem içi

öngörü başarılarını başarılarının karşılaştırılması için Ortalama Hata, Kök Ortalama Hata Kare ve

Ortalama Mutlak Hata değerleri hesaplanmış, değerler Tablo 11’de verilmiştir.

Tablo 11: Bütün Modeller İçin Öngörü Karşılaştırması

AR(I)MA ÇKYSA AR(I)MA-ÇKYSA

Ortalama Hata 0.011 0.018 0.009

Kök Ortalama Hata Kare 0.055 0.068 0.041

Ortalama Mutlak Hata(%) 0.322 0.405 0.283

Tablo 11’de verilen sonuçlar incelendiğinde, literatürdeki yaygın olan bulguların aksine,

AR(I)MA modelinin, ÇKYSA modelinden daha başarılı öngörü yaptığı sonucuna varılmıştır.

Ancak, hibrit AR(I)MA- ÇKYSA modelinin, AR(I)MA modelinden daha başarılı öngörü yaptığı

bulgusuna ulaşılmıştır.

5. Sonuç ve Değerlendirme

GSYİH'daki değişim, ülke ekonomisindeki büyümeyi ya da daralmayı açık şekilde gösteren temel

makroekonomik göstergelerden biridir. Bu bağlamda, serinin başarılı bir biçimde öngörüsünün

yapılması akademisyenler ve politika yapıcılar tarafından önemlidir.

Bu çalışmada da 1998:Q1-2017:Q4 dönemi GSYİH ve büyümesinin doğrusal olan modeller ve

farklı mimari yapıdaki YSA’lar yardımı ile öngörülmesi, öngörü başarılarının karşılaştırması

sonucu en başarılı modelin belirlenmesi amaçlanmıştır. Çalışmada önce serinin yapısına uygun

doğrusal modeller, (AR(I)MA, ARF(I)MA, SAR(I)MA), Çok Katmanlı Yapay Sinir Ağı

(ÇKYSA) ve hibrit (melez) AR(I)MA-ÇKYSA modeli tahmin edilmiş, daha sonra dönem içi

kestirimler yapılarak en başarılı model ortaya konulmuştur.

Serinin doğrusal modeller ile modellenmesi aşamasında SAR(I)MA ve ARF(I)MA modellerinin

uygun olmadığı görülmüştür. Ayrıca ekonometri yazınındaki bulguların aksine mevsimsel

düzeltme yapılmış serinin öngörü başarısı daha düşük bulunmuştur. Model karşılaştırması

yapıldığında AR(I)MA modelinin ÇKYSA dan daha başarılı bir dönem içi öngörü sonucu verdiği

ortaya konulmuştur. ÇKYSA nın öngörü başarısının düşük olması, mevsimselliği modellemede

yetersiz olduğunu göstermiştir. Ancak doğrusal ve doğrusal olmayan dinamikleri birleştiren hibrit

AR(I)MA-ÇKYSA modelinin en başarılı öngörü sonucu verdiği bulgusuna ulaşılmıştır.


434

Kaynakça

Andrei, E. A., & Bugudui, E. (2011). Econometric modeling of GDP time series. Theoretical and Applied

Economics, 10(10), 91.

Chen, C. and Hsin, P., (2016), “Forecasting of Taiwan’s Gross Domestic Product using the Novel Nonlinear Grey

Bernoulli Model with ANN Error Correction” Journal of Global Economics, Vol.4, No. 1, 1-4.

Chuku, C., Oduor, J. and Simpasa A., (2017), “Intelligent Forecasting of Economic Growth for African Economies:

Artificial Neural Networks Versus Time Series and Structural Econometric Models”

http://unassumingeconomist.com/wp-content/uploads/2017/04/Intelligent-forecast-using-ANN.pdf (Erişim:

07 Mayıs 2018).

Demir, A., Shadmanov, A., Aydinli, C. and Eray, O., (2015), “Designing a Forecast Model for Economic Growth of

Japan Using Competitive (Hybrid ANN vs Multiple Regression) Models”, International Journal of

Economics &Management Sciences, Vol.4, No. 6, 1-5.

Dritsaki, C.,2015, “Forecasting Real GDP Rate through Econometric Models: An Empirical Study from Greece”,

Journal of International Business and Economics June 2015, Vol. 3, No. 1, pp. 13-19

Islam, R., (2013), “Predicting Recessions: Forecasting US GDP Growth through Supervised Learning.”, Department

of Electrical Engineering, Stanford University, http://cs229.stanford.edu/proj2013/Islam-

PredictingRecessions.pdf. (Erişim: 07 Mayıs 2018).

Jeong, K., Koo, C., & Hong, T. (2014). An Estimation Model For Determining The Annual Energy Cost Budget İn

Educational Facilities Using SARIMA (Seasonal Autoregressive İntegrated Moving Average) and ANN

(artificial neural network). Energy, 71, 71-79.

Karaatli, M., Göçmen, Yağcilar, G., Karacadal, H. ve Sezer, F., S., (2012), “Using Artificial Neural Networks To

Forecast Gdp For Turkey”, 3. International Symposium on Sustainable Development, May 31- June 01 2012,

Sarajevo.

Maity, B., & Chatterjee, B. (2012). Forecasting GDP Growth Rates of India.: An Empirical Study. International

Journal of Economics and Management Sciences, 1(9), 52-58.

Marcellino, M., (2007), “A Comparison of Time Series Models for Forecasting

GDP Growth and Inflation”,

https://www.researchgate.net/profile/Niels_Haldrup/publication/228650389_A_comparison_of_time_series

_models_for_forecasting_GDP_growth_and_inflation/links/0c96051b6b0d0e7951000000/A-comparison-

of-time-series-models-for-forecasting-GDP-growth-and-inflation.pdf (Erişim: 07 Mayıs 2018).

Mladenovic, S. S., Milovancevic, M, Mladenovic, I. and Alizamir, M., (2016), “Economic Growth Forecasting by

Artificial Neural Network with Extreme Learning Machine Based on Trade, Import and Export Parameters”

Computers in Human Behavior, 65 (2016) 43-45.

Moody, J., Levin, U. and Rehfuss, S., (1993), “Predicting the U.S. Index of Industrial Production”, The Netherlands:

VSP International Science Publishers, Vol:3, No:6, 791-794.

Okereke, O. E. and Bernard, C.B., (2014), “Forecasting Gross Domestic Product In Nigeria Using Box-Jenkins

Methodology”, Journal of Statistical and Econometric Methods, Vol.3, No.4, 33-46.

Önder, E., Bayır F., Hepşen, A., (2013), “Forecasting Macroeconomic Variables using Artificial Neural Network and

Traditional Smoothing Techniques” Journal of Applied Finance & Banking, Vol. 3, No. 4, 73-104.

Peter, Ď., & Silvia, P. (2012, September). ARIMA vs. ARIMAX–which approach is better to analyze and forecast

macroeconomic time series. In Proceedings of 30th International Conference Mathematical Methods in

Economics. Karviná, Czech Republic (pp. 136-140).

Polat,Ö. ve Temurlenk, S., (2011), “Yapay Sinir Ağları Metodolojisi ile Makroekonomik Zaman Serilerinde Öngörü

Modellemesi”, Dicle Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, Cilt.1, No.2, 98-106.

Sözen, A., & Arcaklioglu, E. (2007). Prediction of Net Energy Consumption Based on Economic İndicators (GNP

and GDP) in Turkey. Energy policy, 35(10), 4981-4992.

Swanson, N. and White, H., (1997), “A Model Selection Approach to Real Time Macroeconomic Forecasting Using

Linear Models and Artificial Neural Networks”, The Review of Economics and Statistics, Vol.79, No.4, 540-

550.

Terasvirta, T., Van Dij, D. and Medeiros, M.C., (2005), “Linear Models, Smooth Transition Autoregressions, and

Neural Networks for Forecasting Macroeconomic Time Series: A Re-Examination”, International Journal

of Forecasting, 21, 755- 774.

http://unassumingeconomist.com/wp-content/uploads/2017/04/Intelligent-forecast-using-ANN.pdf


435

Tkacz, G.and Hu S., (1999), “Forecasting GDP Growth Using Artificial Neural Networks”, Ottawa:Bank of Canada

Working Paper, 99-3.

Tkacz, G., (2001), “Neural network forecasting of Canadian GDP growth”, International Journal of

Forecasting, Vol.17, No.1, 57-69.

Zakai, M. (2014). A time series modeling on GDP of Pakistan. Journal of Contemporary Issues in Business

Research, 3(4), 200-210.

Zhao, L., & Chen, M. (2007). The Application of ARIMA Model in Forecasting of Fujian's GDP [J]. Science

Technology and Industry, 1, 012.

Zhang, G. P., & Qi, M. (2005). Neural network forecasting for seasonal and trend time series. European journal of

operational research, 160(2), 501-514.

Zhang, H., & Rudholm, N. (2013). Modeling and forecasting regional GDP in Sweden using autoregressive

models. Business Intelligence Program, 1-38.

Zime, S. (2014), “Africa Economic Growth Forecasting Research Based on Artificial Neural Network Model: Case

Study of Benin” International Journal of Engineering Research & Technology, Vol. 3 No.11, 1644-1651.


436

Türkiye’de Politika Faiz Oranlarının Belirlenmesinde Enflasyon, Hasıla ve Döviz Kuru

Açığı’nın Etkisi

Nilgün ACAR BALAYLAR1

Hande ERK2

Merve ALTAYLAR3

Selena KANTARMACI4

Özet

Merkez bankaları faiz oranlarını belirlerken sistematik bir yaklaşım izlediğinde para

politikasının beklenti etkileri daha güçlü olur. Daha öngörülebilir bir merkez bankası

davranışı para politikasının iletimini ve etkinliğini arttırır. Bu nedenle merkez bankaları

para politikası uygulamalarında kurala dayalı stratejileri benimserler.

Bu çalışmanın amacı Türkiye Cumhuriyet Merkez Bankası’nın politika faiz oranlarını

Taylor Kuralı ile test etmektir. Çalışmada Taylor Kuralı kapsamında TCMB politika faiz

oranının belirlenmesinde etkili olan makroekonomik değişkenler incelenmiş ve Türkiye

ekonomisi için Taylor Kuralı 2006 Ocak -2017 Aralık dönemi için orijinal ve açık ekonomi

versiyonu ile modellenmiştir.

Çalışmada Sanayi üretim endeksi ve döviz kuru serileri kullanılarak Beveridge-Nelson

ayrıştırma yöntemi ile çıktı açığı ve döviz kuru açığı değişkenleri elde edilmiştir. TÜFE

değişkeni trendli bir seri olduğundan Hodrick Prescot filtreleme yöntemi ile ayrıştırılmıştır.

Taylor Kuralı kapsamında enflasyon açığı serisi, TÜFE serisi ile Enflasyon Beklentisi

Serilerinin farkı alınarak elde edilmiştir.

Çalışmada elde edilen bulgular sonucunda, enflasyon, çıktı ve döviz kuru açığı

değişkenlerine ait tepki katsayılarının teoriyi destekler nitelikte pozitif yönde olduğu tespit

edilmiştir. Ancak çıktı ve döviz kuru açığı değişkenlerinin istatistiksel olarak anlamsız

bulunması, söz konusu tepki katsayılarının yorumlanamamasına neden olmuştur.

Çalışmada tüm değişkenlerin birim kök analizi yapıldıktan sonra genişletilmiş Taylor

Denklemi ile açık değişkenlerin politika faizi üzerindeki etkileri bir regresyon denklemi

oluşturularak bulunmuştur.

Anahtar Kelimeler: Taylor Kuralı, politika faiz oranı, zaman serisi analizi, Beveridge-Nelson ayrıştırması.

JEL Sınıflaması: E31, E43, E58

The Impact of Inflation, Output and Exchange Rate Gap in Determination of Policy

Interest Rate in Turkey

Abstract

When the central banks follow a systematic approach in determining the interest rates, the

expectation effects of the monetary policy will be stronger. A more predictable central bank

behavior enhances the transmission and effectiveness of monetary policy. For this reason,

central banks adopt rule based strategies in monetary policy implementations.

[email protected], Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi İktisat Bölümü

Öğretim Üyesi, İzmir/Türkiye, ORCID: 0000-0002-7024-5279 2Yüksek Lisans Öğrencisi,[email protected], Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü, Ekonometri

Anabilim Dalı, , İzmir/Türkiye, ORCID: 0000-0003-3569-042X 3Yüksek Lisans Öğrencisi,[email protected], Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü,

Ekonometri Anabilim Dalı İzmir/Türkiye, ORCID: 0000-0001-5413-5048 4Yüksek Lisans Öğrencisi,[email protected], Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü,

Ekonometri Anabilim Dalı İzmir/Türkiye, ORCID: 0000-0002-0809-9477


437

The aim of this study is to test the Republic of Turkey Central Banks’s policy interest rates

with the Taylor rule. In this study, macroeconomic variables which are effective in

determining the policy rate of the CBRT within the scope of Taylor Rule are examined.

Taylor Rule for Turkey's economy has been modeled in the original version of the economy

and open economy version with the 2006 january-2017december period.

In this study, the output gap and exchange rate gap variables were obtained by the

Beveridge-Nelson decomposition method using the Industrial production index and

exchange rate series. Since the CPI variable was a trendy series, it was separated by

Hodrick Prescot filtering method. Within the scope of the Taylor Rule, the inflation gap

series were obtained by taking the CPI series and Inflation Expectation Series as the

difference.

As a result of the findings obtained from the study, it has been found that the reaction

coefficients of inflation, output gap and exchange rate gap variables support the theory

positively. Because of the fact that the output gap and exchange gap variables were thought

statistically insignificant it caused the reaction coefficients not to be interpreted. After the

unit root analysis of all variables, the effect of the extended Taylor equation on the policy

rate of open variables was found by creating a regression equation.

Keywords: Taylor Rule, Policy Interest Rate, Time Series Analysis, Beveridge Nelson Decomposition

JEL Clasification: E31, E43, E58

1. Giriş

Enflasyon hedeflemesi stratejisi, ilk olarak 1989 yılında Yeni Zelanda tarafından uygulanmaya

başlanmış ve 1990’lı yıllarda giderek daha çok sayıda ülke tarafından uygulanır hale gelmiştir.

Para politikası amaçları içinde fiyat istikrarının ön plana çıkarak birincil amaç haline gelip

enflasyon hedeflemesi stratejisinin yaygın kullanım alanı bulmasında, para talebindeki

istikrarsızlığın yanı sıra parasal büyüklükler ile enflasyon arasındaki ilişkinin zayıflaması

düşüncesi yatmaktadır. Dünyada daha yaygın bir şekilde dalgalı kur sistemine geçilmesi ile

beraber uluslar arası sermaye hareketlerinin artması döviz kuru ve faiz oranlarında oynaklığa yol

açarak para talebini istikrarsız kılmıştır. Dolayısıyla fiyat istikrarını sağlamaya yönelik parasal

hedefleme uygulamaları ara hedefler tutturulsa dahi nihai hedef olan fiyat istikrarını sağlamaya

hizmet etmemeye başlamıştır. Aynı şekilde döviz kuru geçişkenliği yüksek ekonomilere önerilen

döviz kuru hedefleme stratejisi de uzun bir süre uygulandığında ulusal paranın reel olarak değer

kazanmasına yol açarak makroekonomik dengelere zarar vererek bu stratejiyi uygulayan ülkeleri

krizlere ve dış şoklara duyarlı hale getirmiştir. Bu nedenle, merkez bankalarının fiyat istikrarını

sağlamada kullandıkları parasal hedefleme ve döviz kuru hedefleme stratejisi ciddi bir şekilde

itibar kaybetmiştir. 1990'lardan beri, enflasyon hedeflemesi politikası, para miktarı ve veya döviz

kuru hedeflemesine alternatif olarak benimsenmiştir.


438

2. Enflasyon Hedeflemesi Stratejisi’nin Genel Çerçevesi

Para politikası uygulama süreci için bir son hedef uygulaması olan enflasyon hedeflemesi aktarım

mekanizması açısından toplam talep kanalına dayalı enflasyon öngörüsü hedeflemesi ya da

beklentiler kanalına dayalı enflasyon beklentisi hedeflemesi olarak yorumlanabilir (Bofinger,

2001, s. 242).

Enflasyon hedeflemesi stratejisine geçiş için önkoşullar şu şekilde özetlenebilir; faiz oranlarının

merkez bankasınca etkili bir şekilde kullanımını sağlamak için mali disiplinin sağlanması, iç ve

dış denge amaçlarının çatışması durumunda döviz piyasalarında istikrarı sağlayabilecek düzeyde

merkez bankasının döviz rezervlerine sahip olması, enflasyon düzeyinin düşük olması, krizlere

dayanıklılık açısından finans piyasalarının derin ve sağlam olmasıdır (Özlale, 2003, s. 6-7).

Enflasyon hedeflemesi uygulamasında para otoritelerinin fiyat istikrarını, para politikasının temel

amacı olarak ilan etmeleri zorunludur. Temel amaç olan enflasyon hedefleri ile diğer

makroekonomik hedefler çeliştiğinde otoriteler önceliği enflasyona verecekler ve birincil amaca

ulaşacak şekilde para politikası araçlarını kullanacaklardır. Merkez bankalarının bağımsızlığı

artıkça fiyat istikrarı amacına daha iyi odaklandıkları görüşü üzerine, enflasyon hedeflemesi

uygulamasında merkez bankalarının bağımsızlığının uygulamaya olan kurumsal desteği artırdığı

ifade edilmektedir. Bu nedenle merkez bankaları hedeflenen enflasyona ulaşabilmek için para

politikası araçlarını bağımsızca kullanabilmeli diğer bir deyişle araç bağımsızlığına sahip

olmalıdırlar (Mishkin- Schmidt-Hebbel, 2001, s. 7).

Enflasyon hedefleme ile ilgili aktarım mekanizması modelinde, para miktarı ile enflasyon arasında

ilişkinin uzun dönemli olduğu ve kısa - orta dönemde bu ilişkinin zayıf olduğu kabulüyle enflasyon

hedeflemesi ile ilgili aktarım mekanizmasında para arzı yerine kısa dönemli nominal faiz oranları

üzerine odaklanılmaktadır.

Hem kapalı hem de açık ekonomi modelleri kapsamında, enflasyon hedeflerine dayalı para

politikası kuralları literatürde yaygın olarak kullanılmaktadır. En iyi bilinen örnek, Taylor

kuralıdır. Taylor (1993) esnek döviz kuru rejimi için, her bir merkez bankasının kısa vadeli faiz

oranı hedefini, fiyat seviyesindeki ve hedef çıktıdaki değişikliklere göre ayarladığını varsaymıştır.

Burada esnek kur sisteminin gerekliliği sabit kur sisteminde merkez bankalarının faiz politikasını

serbestçe belirleyememe kısıtıdır (Taylor, 1993, s. 201). Fed’in kullanımı için Taylor tarafından

oluşturulan basit faiz belirleme modeli aşağıdaki gibidir;

𝑖𝑡 = 𝑖𝑡∗ + 𝜋𝑡 + 𝛼(𝜋𝑡 − 𝜋𝑡

∗ ) + 𝛽 (𝑦𝑡 − 𝑦𝑡∗) 𝛼 > 0 𝑣𝑒 𝛽 > 0 (1)


439

(𝑦𝑡) ve (𝑦𝑡∗ ) fiili ve potansiyel üretim düzeyini, ( 𝑖𝑡) t dönemindeki nominal faiz oranını (𝑖𝑡

∗ )

reel faiz oranını gösterir. (𝜋𝑡) ve (𝜋𝑡∗) sırasıyla fiili ve hedeflenen enflasyon oranlarıdır. 𝛼

enflasyon tepki katsayısı iken 𝛽 çıktı açığı tepki katsayısıdır.

Basit faiz kuralına göre, politika yapımcılarının üretim ve enflasyon oranın hedeflenenden yüksek

olması durumunda faiz oranlarını ne kadar artırdığını gösterir.

(𝑦𝑡 − 𝑦𝑡∗) t dönemindeki üretim açığını, ( 𝜋𝑡 − 𝜋𝑡

∗ ) t dönemindeki enflasyon açığını ifade eder.

Basit faiz kuralı faiz oranlarının belirlenmesi yoluyla ekonomide fiyat istikrarı ve reel büyümenin

hedeflenen düzeyde sağlanabileceğini ifade eder (Bhattarai, 2008, s. 328-329).

Taylor çalışmasında 𝛼 ve 𝛽 katsayıların değerlerini %0.5 olarak belirlemiştir. Taylor kuralına

göre enflasyon, hedeflenen değerinin %1 üzerinde olduğunda veya üretim açığı potansiyel

değerinin %1 üzerinde olduğunda, politika yapımcıları reel faizleri %1/2 arttırmalıdır. Burada

enflasyon hedeflenen değerden %1 fazla olduğunda reel faiz oranını %1/2 oranında arttırmak için

nominal faizlerin 1½ oranında arttırılması gerektiğine işaret edilmektedir (Plantier - Scrimgeour,

2002, s. 1).

Döviz kurlarının düzeyinin gelişmekte olan ülkeler için uluslararası ticarete olan bağlılıktan dolayı

özel bir öneme sahip olması nedeniyle, Taylor Kuralının döviz kurlarını ihmal etmesi eleştirilere

yol açmıştır. Döviz kuru gelişmiş ülekelere göre gelişmekte olan ülkeler için makroekonomik

değişkenler üzerinde daha çok etkilidir. Dolayısıyla enflasyon hedeflemesini benimsemiş

gelişmekte olan ülkeler için para politikasının dizaynında da oldukça önemli bir değişkendir.

Gelişmekte olan ülkelerde döviz kuru düzenlemeleri dalgalı döviz kuru rejimlerine göre daha

katıdır ve döviz piyasalarına daha sık müdahale edilmektedir. Döviz kurlarının artan rolü bu

ülkelerin finansal piyasalarının daha az gelişmiş olması ve döviz kuru şoklarına karşı

savunmasızlığının yansımasıdır. Ancak, bu durum merkez bankalarının enflasyon hedeflemesine

yönelik tahhütlerinde kafa karışıklığına yol açarak politika uygulamalarını zora sokabilir (Roger

ve Restrepo, 2009, s. 3). Bu nedenle Basit Taylor Kuralı gelişmekte olan ülkeler için reel döviz

kuru açığı da dikkate alınarak yeniden dizayn edilmiştir (Taylor, 2001, s. 264).

𝑖𝑡 = 𝑖𝑡∗ + 𝜋𝑡 + 𝛼(𝜋𝑡 – 𝜋𝑡

∗ ) + 𝛽 (𝑦𝑡 − 𝑦𝑡∗) + 𝛿 (𝑒𝑡 − 𝑒𝑡

∗ ) (2)

𝛼 > 0 , 𝛽 > 0 , 𝛿 > 0

𝛿 kur tepki katsayısı denklemde yer alan enflasyon ve çıktı açığı tepki katsayısı gibi pozitif değer

almaktadır. Reel döviz kurunun denge seviyesinin üstüne çıkması durumunda politika faiz oranları

yükseltilerek kısa vadeli yabancı sermaye girişi yoluyla döviz kurunun denge seviyesine geri

dönmesini sağlayacaktır (Bal ve Tanrıöver, 2016, s. 97).


440

3. Literatür Analizi (Kavramsal / Kuramsal çerçeve):

Caporale vd. (2016) tarafından Endonezya, İsrail, Türkiye, Güney Kore ve Tayland gibi

gelişmekte olan piyasalar için doğrusal olmayan bir Taylor kuralının faiz oranı belirleme

davranışını tanımlamak için en iyi analiz aracı olduğu ileri sürülmüştür. Yaptıkları çalışmanın

ampirik sonuçları şu şekilde özetlenebilir: Türkiye hariç tüm ülkelerdeki parasal otoriteler,

enflasyonun hedefin üstüne çıkması durumunda tepki vermekte iken; enflasyonun hedefin altında

kalması durumunda ise Endonezya hariç tüm ülkelerdeki parasal otoriteler gerekli politik tepkiyi

vermektedir. Diğer bir bulgu enflasyon hedefin altında olduğunda (Türkiye hariç) bu

ekonomilerdeki parasal otoriteler sadece enflasyonun hedeften sapmasına değil, aynı zamanda reel

döviz kurundaki hareketlere de yanıt vermektedir.

Moura ve Carvalho (2010) tarafından 1999-2008 dönemi için yedi büyük Latin Amerika

ekonomisinde Taylor Kuralına göre para politikasının enflasyon açığı ve hasıla açığına ilişkin

tepkisi ortaya konulmaya çalışılmıştır. Meksika ve Brezilya’nın faiz politikasını belirlerken

enflasyon açığına duyarlı olduğu görülmüştür. Şili ve Peru’nun ise enflasyon açığına faiz

politikasının duyarlılığı Meksika ve Brezilya kadar yüksek olmadığı görülmüştür. Son olarak,

Arjantin, Venezüella ve Kolombiya'nın, enflasyonun ortalamanın üzerinde olduğu durumlarda

dahi enflasyonu düşürmek için aktif bir para politikası yürütmedikleri tespit edilmiştir.

Caporale vd. tarafından yapılan çalışmada (2016) Endonezya, İsrail, Güney Kore, Tayland ve

Türkiye gibi beş gelişmekte olan ekonomide Taylor kuralı incelenmiştir. Sonuçlar, parasal

otoritelerin, enflasyonun ya da çıktı açığının hedefinden sapmalara tepkisinin, tüm ülkelerdeki

yüksek ve düşük enflasyon rejimleri arasındaki büyüklük ve/veya istatistiksel açıdan farklılık

gösterdiğine işaret etmektedir. Yazarlar tarafından lineer olmayan Taylor kuralının, bu ülkelerde

parasal otoritelerin davranışlarını daha doğru bir şekilde yakaladığı ileri sürülmüştür.

Cordero ve Montecino (2010) sermaye kontrolü altında enflasyon hedeflemse uygulayan ülkelerin

bağımsız bir para politikası uygulayabilmeleri nedeniyle daha başarılı sonuçlar elde ettikleri ortaya

konulmuştur. Özellikle bu çalışmada Şili ve Malezya en başarılı örnekler olarak ön plana

çıkarılmıştır.

Mohanty ve Klau (2004) tarafından kısa vadeli faiz oranlarının (interbank faiz oranları), enflasyon

oranlarının, HP filtresi ile elde edilen çıktı açığı ve döviz kurlarının reaksiyon fonksiyonunda yer

aldığı 13 ülkeye ait sonuçlara göre çoğu ülkede kısa vadeli faiz oranı, enflasyon oranı ile güçlü ve

pozitif ilişkili olduğu bulunmuştur. Aynı zamanda merkez bankalarının döviz kuru oynaklığına

tepki göstermediği hipotezi de çürütülmüştür. Dolayısıyla merkez bankalarının para politikası

araçlarını kullanarak döviz kurunu dengelemeye yönelik tercihleri güçlü görülmektedir.


441

Bal v.d (2016) çalışmalarında, TCMB’nin politika faizini ne düzeyde belirlemesi gerektiğini,

2001-2016 dönemi Türkiye ekonomisi için Taylor Kuralı yardımıyla ortaya konulmasını

amaçlamışlardır. Çalışmada elde edilen bulgular sonucunda, enflasyon, çıktı ve döviz kuru açığı

değişkenlerine ait tepki katsayılarının teoriyi destekler nitelikte pozitif yönde olduğu tespit

edilmiştir. Ancak çıktı ve döviz kuru açığı değişkenlerinin istatistiksel olarak anlamsız bulunması,

söz konusu tepki katsayılarının yorumlanamamasına neden olmuştur.

Adanur Aklan ve Nargeleçekenler (2008) tarafından yapılan çalışmada 2002-2006 dönemi için

Türkiye‘de para politikalarının hangi değişkenlerin (enflasyon, üretim, kur) etkisi altında

belirlendiği ortaya konulmaya çalışılmış ve bu amaçla Türkiye Cumhuriyet Merkez Bankası’nın

geriye dönük reaksiyon fonksiyonu tahmin edilmiştir. Reaksiyon fonksiyonunda faiz oranları

sadece enflasyon sapmasına göre değişim göstermemektedir. Aynı zamanda üretim sapması ve

kur değişimlerinin de faiz oranlarının belirlenmesinde etkileri bulunduğu tespit edilmiştir.

4.Veri Seti ve Ekonometrik Yöntem

4.1. Veri Seti

Çalışmada Taylor kuralı çerçevesinde TCMB’nın politika faiz oranının belirlenmesinde hangi

makroekonomik hedefe daha duyarlı olduğunu tespit etmek amacıyla 2007:01 – 2016:12 dönemi

Türkiye ekonomisi ele alınmıştır. Bu amaçla Taylor kuralı orijinal ve açık ekonomi versiyonuyla

modellenmiş ve Taylor Kuralı kapsamında nominal faiz oranı(i), reel faiz oranı (r), çıktı açığı (Yt-

Yt*),enflasyon açığı (πt-πt

*) ve döviz kuru açığı (et-et*) değişkenleri kullanılmıştır. Nominal faiz

oranını temsilen ağırlıklandırılmış 12 aylık ortalama mevduat faiz oranı serisi kullanılmıştır. Çıktı

açığı değişkenini oluşturmak amacıyla reel GSYH değişkenini temsilen sanayi üretim endeksi

(2010=100) serisinden yararlanılmış, potansiyel GSYH (Yt*) serisi ise sanayi üretim endeksi

serisine Beveridge Nelson ayrıştırma tekniğinin uygulanması ile elde edilmiştir. Enflasyon açığı

değişkeni için; gerçekleşen enflasyonu temsilen TÜFE(2010=100) serisi ve hedeflenen enflasyon

serisini temsilen cari ayın enflasyon beklentisi serisinden yararlanılmıştır. Döviz kuru açığı

değişkenin elde edilmesinde gerçekleşen döviz kuru (et) serisi için TÜFE Bazlı Reel Efektif Döviz

Kuru (2010=100) serisi kullanılmış ve denge döviz kuru serisini (et*) elde etmek amacıyla TÜFE

Bazlı Reel Efektif Döviz Kuru (2010=100) serisine Beveridge Nelson ayrıştırma tekniği

uygulanmıştır. Veri setinin elde edilmesinde TCMB elektronik veri dağıtım sisteminden

yararlanılmıştır.

4.2. Ekonometrik Yöntem

Çalışmada öncelikle çıktı açığı ve döviz kuru açığı değişkenlerinin elde edilmesi amacıyla

deterministik veya stokastik trend içeren zaman serilerinin trend bileşeninden ayrıştırılması

tekniğine dayanan Beveridge Nelson (BN) ayrıştırma tekniği kullanılmıştır. BN ayrıştırma


442

yöntemi ile potansiyel sanayi üretim endeksi 𝑌∗ ve denge döviz kuru 𝑒∗elde edilmiş ve açık

değişkenler oluşturulmuştur. TÜFE değişkeni trendli bir seri olduğu için Hodrick Prescot

filtreleme yöntemi ile ayrıştırılmış ve enflasyon açığı serisi, TÜFE serisinden Enflasyon Beklentisi

Serisinin farkı alınarak elde edilmiştir.

Açık değişkenler elde edildikten sonra regresyon modellerinde kullanılacak zaman serilerinin

durağanlığı Dickey ve Fuller (1979) tarafından ortaya atılan Genişletilmiş Dickey-Fuller

(ADF)birim kök testi ile araştırılmıştır. Model sabitsiz-trendsiz, sabitli ve sabitli-trendli olarak üç

formda sınanmış ve her bir değişken için uygun form belirlenmiştir.

Çalışmada tüm değişkenlerin birim kök analizi yapıldıktan sonra Taylor Kuralı kapsamında açık

değişkenlerin politika faizi üzerindeki etkileri aşağıdaki (1) ve (2) no’lu regresyon denklemleri

oluşturularak bulunmuştur:

∆it=r+πt+∑ αi (π − π∗)pi t−i

+ ∑ βqi i

(Y − Y∗)t−i (1)

∆it=r+πt+∑ αi (π − π∗)pi t−i

+ ∑ βqi i

(Y − Y∗)t−i +∑ δi (e − e∗)mi t−i

(2)

Burada p, q ve m sırasıyla enflasyon açığının, çıktı açığının ve döviz kuru açığının optimal

gecikme uzunluklarını göstermektedir. Her bir açık değişkene ilişkin optimal gecikme uzunlukları

AIC yardımıyla belirlenmiştir. . Belirlenen optimal gecikme uzunluklarında ardışık bağımlılık

probleminin varlığı Breusch Godfrey test istatistiği ile sınanmıştır.

Son olarak açık değişkenlerin politika faizi üzerindeki etkisi aşağıdaki hipotezler oluşturularak

Wald Testi ile sınanmıştır.

H0α : ∑ αi = 0

pi=0 Enflasyon Açığının Etkisi

H0β

: ∑ βi = 0qi=0 Çıktı Açığının Etkisi

H0δ : ∑ δi = 0m

i=0 Döviz Kuru Açığının Etkisi

4.3. Amprik Bulgular

Orijinal Taylor denklemi ve Genişletilmiş Taylor denklemi yardımıyla enflasyon, çıktı ve döviz

kuru açığının politika faizlerinin belirlenmesinde etkili olup olmadığını sınamadan önce,

kullanılan değişkenlerin sabitli, sabitli trendli, sabitsiz trendsiz olmak üzere durağanlığı ADF

birim kök testi ile incelenmiştir. ADF birim kök sonuçları Tablo 1’de gösterilmiştir.


443

Tablo 1: ADF Birim Kök Testi Bulguları

Elde edilen ADF sonuçlarına göre, kullanılan değişkenlerden faiz oranı değişkeni her üç formda

da durağan değildir.Bu nedenle faiz oranı değişkeni birinci farkında durağan kabul edilip modele

dahil edilmiştir. Enflasyon değişkenin her üç formda durağan olmadığı gözlemlenmiş ve

Not: *, %5 anlamlılık düzeyini ifade etmektedir.

incelemeler sonucu değişkenin trendden ayrıştırılması gerektiği görülmüştür. Bu amaçla HP

filtresi kullanılmış ve enflasyon değişkeni trendsiz hale getirilip modele eklenmiştir. Enflasyon

açığı tüm formlarda durağandır. Çıktı açığının sabitsiz,trendsiz formda durağan olduğu

görülmüştür .Son olarak Genişletilmiş Taylor denklemi modelinde kullanılacak döviz kuru

açığının tüm formlarda durağan olduğu görülmüştür.

Kullanılan değişkenlerin ADF birim kök analizinden sonra, Orijinal Taylor denklemi ve

Genişletilmiş Taylor denklemi yardımıyla açık değişkenlerin politika faizi üzerindeki etkilerini

ortaya koymak için (1) ve (2) nolu denklem tahmin edilmiştir. Çalışmada kullanılan veri seti aylık

dönemler şeklinde olduğundan, modellerde değişkenlere ilişkin maksimum gecikme uzunluğu 18

olarak belirlenmiştir. Orijinal Taylor denkleminde enflasyon açığı, çıktı açığı değişkenlerine ait

optimal gecikme uzunlukları sırasıyla 6 ve 8 olarak tespit edilmiştir. Belirlenen optimal gecikme

uzunluklarında ardışık bağımlılık probleminin varlığı Breusch Godfrey test istatistiği ile

sınanmakla birlikte sorunun giderilmesi için bağımlı değişkenin 2 gecikmelisi her iki modele de

eklenmiştir. Bu kapsamda (1) nolu Orijinal Taylor denklemine ait ampirik bulgular Tablo 2’de

özetlenmiştir.

Tablo 2: Orijinal Taylor Denklemi Model Sonuçları

Değişkenler Katsayı Standart Hata t-istatistiği

𝑟 0.016006 0.012861 1.244576

(𝜋−𝜋∗)𝑡 -0.047611 0.031872 -1.493806

(𝜋−𝜋∗)𝑡−1 0.115215 0.039482 2.918136a

(𝜋−𝜋∗)𝑡−2 -0.040765 0.040134 -1.015711

Değişkenler Sabitli Sabitli Trendli

Sabitsiz Trendsiz

𝑖

-1.407666 -1.112896 -0.554290

𝜋

4.242191 1.232464 7.697384

(𝜋−𝜋∗)

-6.790758* -6.748454* -6.815596*

(𝑌−𝑌∗)

-2.159313 -2.466993 -2.182373*

(𝑒−𝑒∗)

-16.94510* -16.89830* -17.00608*


444

(𝜋−𝜋∗)𝑡−3 -0.069716 0.041116 -1.695588c

(𝜋−𝜋∗)𝑡−4 0.087322 0.043573 2.004053b

(𝜋−𝜋∗)𝑡−5 0.014034 0.044777 0.313414

(𝜋−𝜋∗)𝑡−6 -0.040831 0.034546 -1.181941

(𝑌−𝑌∗)𝑡 0.037615 0.018375 2.047065b

(𝑌−𝑌∗)𝑡−1 0.052319 0.020765 2.519575b

(𝑌−𝑌∗)𝑡−2 0.080257 0.021092 3.805189a

(𝑌−𝑌∗)𝑡−3 0.053485 0.023428 2.282910b

(𝑌−𝑌∗)𝑡−4 0.103140 0.024565 4.198666a

(𝑌−𝑌∗)𝑡−5 0.084294 0.024659 3.418424a

(𝑌−𝑌∗)𝑡−6 0.035374 0.013475 2.625091a

(𝑌−𝑌∗)𝑡−7 0.022941 0.010033 2.286467b

(𝑌−𝑌∗)𝑡−8 0.000908 0.009956 0.091181

𝑖t-1 0.719533 0.088743 8.108015a

𝑖t-2 -0.476696 0.088999 -5.356202a

c -0.177691 0.147123 -1.207773

Not: (1)2 istatistiği birinci dereceden ardışık bağımlılığın araştırıldığı Breusch-Godfrey Serial

Correlation LM test istatistiğini (n*R2) ilaveten a, b ve c sırasıyla %1, %5 ve %10 anlamlılık

düzeyini temsil etmektedir.

Tablo 2’de (1) nolu denkleme ilişkin tahmin sonuçları verilmiştir. Enflasyon açığı değişkeninin

cari ve geçmiş dönem değerlerinin toplu olarak sıfıra eşit olduğu yönündeki 𝐻0 hipotezi red

edilememiştir. Buna göre enflasyon açığı değişkeninin cari ve geçmiş dönem değerlerinin toplamı,

Taylor yaklaşımının ampirik bulgularıyla tutarlı olarak pozitif ve yaklaşık olarak 0.017 olarak

tespit edilmiştir. Elde edilen enflasyon tepki katsayısının pozitif fakat anlamsız bulunması, politika

faizlerinin belirlenmesinde enflasyon açığı değişkeninin etkili bulunmadığı anlamına gelmektedir.

Çıktı açığı değişkeninin cari ve gecikmeli değerlerinin toplamı da beklenen yönde pozitif olduğu

tespit edilmiştir. Elde edilen çıktı açığı tepki katsayısının toplamı istatistiksel olarak anlamlı

bulunmuştur. Bu sonuç, politika faizlerinin belirlenmesinde çıktı açığı değişkeninin etkili olduğu

anlamına gelmektedir.

Genişletilmiş Taylor denkleminde enflasyon açığı, çıktı açığı ve döviz kuru açığı değişkenlerine

ait optimal gecikme uzunlukları sırasıyla 6, 8 ve 4 olarak tespit edilmiştir. Belirlenen optimal

gecikme uzunluklarında ardışık bağımlılık probleminin varlığı Breusch Godfrey test istatistiği ile

sınanmakla birlikte sorunun giderilmesi için bağımlı değişkenin 2 gecikmelisi her iki modele de

eklenmiştir. Bu kapsamda (2) nolu Genişletilmiş Taylor denklemine ait ampirik bulgular Tablo

3’de özetlenmiştir. Döviz kuru açığı değişkeninin dikkate alınmasıyla elde edilen Genişletilmiş

Taylor denklemi sonuçları Tablo 3’de gösterilmiştir.

R2= 0.587726

Prob(F Statistic)=0.000000

LM Testi−χ(1)2 =1.297508

LM Testi(prob)=0.5227

∑ 𝜶𝒊(𝝅 − 𝝅 ∗)𝒕 − 𝒊𝟔𝒊=𝟎 = 0.017647 Wald Testi(prob)=0.6455

∑ 𝜷𝒊(𝒀 − 𝒀 ∗)𝒕 − 𝒊𝟖𝒊=𝟎 = 0.470332 Wald Testi(prob)=0.0000


445

Tablo 3:Genişletilmiş Taylor Denklemi Model Sonuçları

Değişkenler Katsayı Standart Hata t-istatistiği

𝑟 0.012430 0.012270 1.013079

(𝜋−𝜋∗)𝑡 -0.056207 0.030503 -1.842685c

(𝜋−𝜋∗)𝑡−1 0.129377 0.038397 3.369408a

(𝜋−𝜋∗)𝑡−2 -0.030381 0.039204 -0.774950

(𝜋−𝜋∗)𝑡−3 -0.110165 0.040489 -2.720903a

(𝜋−𝜋∗)𝑡−4 0.120436 0.042645 2.824149a

(𝜋−𝜋∗)𝑡−5 0.012767 0.043028 0.296713

(𝜋−𝜋∗)𝑡−6 -0.044442 0.033355 -1.332392

(𝑌−𝑌∗)𝑡 0.025967 0.017883 1.452031

(𝑌−𝑌∗)𝑡−1 0.039186 0.020054 1.954033c

(𝑌−𝑌∗)𝑡−2 0.084030 0.020280 4.143585a

(𝑌−𝑌∗)𝑡−3 0.029637 0.023399 1.266578

(𝑌−𝑌∗)𝑡−4 0.095729 0.024364 3.929130a

(𝑌−𝑌∗)𝑡−5 0.086028 0.023755 3.621491a

(𝑌−𝑌∗)𝑡−6 0.028714 0.013017 2.205838b

(𝑌−𝑌∗)𝑡−7 0.025905 0.009641 2.686816a

(𝑌−𝑌∗)𝑡−8 -2.24E-05 0.009617 -0.002331

(𝑒−𝑒∗)𝑡 0.005092 0.057614 0.088382

(𝑒−𝑒∗)𝑡−1 0.189467 0.059433 3.187927a

(𝑒−𝑒∗)𝑡−2 -0.067027 0.063308 -1.058742

(𝑒−𝑒∗)𝑡−3 -0.067113 0.062652 -1.071198

(𝑒−𝑒∗)𝑡−4 0.069080 0.058838 1.174070

𝑖t-1 0.803121 0.090732 8.851539a

𝑖t-2 -0.501122 0.090977 -5.508201a

c -0.136701 0.139259 -0.981629

Not: (1)2 istatistiği birinci dereceden ardışık bağımlılığın araştırıldığı Breusch-Godfrey Serial

Correlation LM test istatistiğini (n*R2) ilaveten a, b ve c sırasıyla %1, %5 ve %10 anlamlılık

düzeyini temsil etmektedir.

Tablo 3’de (2) nolu denkleme ilişkin tahmin sonuçları verilmiştir. Enflasyon açığı ve döviz kuru

açığı değişkenlerinin cari ve geçmiş dönem değerlerinin toplu olarak sıfıra eşit olduğu yönündeki

𝐻0 hipotezi red edilememiştir. Buna göre elde edilen enflasyon tepki katsayısı ve döviz kuru tepki

katsayısının pozitif fakat anlamsız bulunması, politika faizlerinin belirlenmesinde enflasyon açığı

ile döviz kuru açığı değişkeninin etkili olmadığı anlamına gelmektedir. Çıktı açığı değişkeninin

cari ve gecikmeli değerlerinin toplamı da beklenen yönde pozitif olduğu tespit edilmiştir. Elde

edilen çıktı açığı tepki katsayısının toplamı istatistiksel olarak anlamlı bulunmuştur. Bu sonuç,

politika faizlerinin belirlenmesinde çıktı açığı değişkeninin etkili olduğu anlamına gelmektedir.

R2= 0.656372

Prob(F Statistic)=0.000000

LM Testi−χ(1)2 = 3.688866

LM Testi(prob)=0.1581

∑ 𝜶𝒊(𝝅 − 𝝅 ∗)𝒕 − 𝒊𝟔𝒊=𝟎 = 0.021383 Wald Testi(prob)= 0.5728

∑ 𝜷𝒊(𝒀 − 𝒀 ∗)𝒕 − 𝒊𝟖𝒊=𝟎 = 0.415175 Wald Testi(prob)= 0.0001

∑ 𝜹𝒊(𝒆 − 𝒆 ∗)𝒕 − 𝒊𝟒𝒊=𝟎 = 0.129499 Wald Testi(prob)= 0.4639


446

5. Sonuç

Gelişmiş ülkelerde yaşanan büyüme odaklı genişletici para politikası uygulamaları, Türkiye gibi

gelişmekte olan ülkelerden farklı olarak yüksek enflasyon sorunu yaşamamaları nedeniyle, fiyat

istikrarı üzerinde olumsuz yan etki oluşturmamaktadır. Hatta bu ülkelerde talep yetersizliği

enflasyon oranının optimal seviyesinin altında kalmasına yol açtığından, genişletici para politikası

uygulaması büyüme ve enflasyon oranlarını hedefe yakınsamaktadır. Ancak Türkiye ekonomisi

için para politikasının ekonomik büyüme hedefine yönelik olarak dizayn edilmesi, yüksek

enflasyona yol açarak yatırımları negatif yönde etkilemektedir. Aynı şekilde büyüme odaklı bir

faiz politikası döviz kurlarını da arttırarak hem enflasyonda hem de ekonomik büyümede negatif

etki yaratmaktadır.

Bu nedenle Türkiye ekonomisi için faiz politikası fiyat istikrarı hedefi ile çelişmemek kaydıyla

büyümeyi destekler nitelikte uygulanmalıdır. Aynı zamanda Türkiye ekonomisi için söz konusu

kısır döngüden çıkılabilmesi için mutlak suretle dış girdi bağımlılığının en az düzeye indirecek

yapısal politikalar devreye sokulmalıdır. Aksi halde sadece para politikaları ile hem ekonomik

büyüme hem de fiyat istikrarı hedefine ulaşılması olası değildir.

Kaynakça

Adanur Aklan, N., Nargleçekenler M. (2008 ). Taylor Kuralı: Türkiye Üzerine Bir Değerlendirme , Ankara

Üniversitesi SBF Dergisi, Cilt 63, Sayı 2.

Bal, H., Tanrıöver B., Erdoğan E., (2016). Taylor Kuralı Kapsamında Merkez Bankası Politika Faiz Oranlarının

Belirlenmesi: Stokastik Trend Yaklaşımı, International Journal of Academic Value Studies, Vol: 2, Issue: 6.

Bhattarai, K., (2008). An Emprical Study of Interest Rate Determination Rules, Applied Financial Economics, Vol

18, www.hull.ac.uk/php/ecskrb/RAFE_A_144739_O.pdf, 20.04.2009.

Bofinger P. (2001) Monetary Policy: Goals, Institutions, Strategies, and Instruments, Oxford University Press.

Caporale G. M., Çatık A. N., Helmi M. H. ,Ali F. M.,Akdeniz C. (2016). Monetary Policy Rules in Emerging

Countries: Is There an Augmented Nonlinear Taylor Rule?, German Institute for Economic Research

Disscussion Papers 1588, Berlin,

https://www.diw.de/documents/publikationen/73/diw_01.c.536363.de/dp1588.pdf.

Cordero J. A. , Montecino A. M. (2010). Capital Controls and Monetary Policy in Developing Countries, Center for

Economic and Policy Research, http://cepr.net/documents/publications/capital-controls-2010-04.pdf.

Daboussi O.M. (2014). Economic Performance and Inflation Targeting in Developing Economies, Journal of World

Economic Research, 2014; 3(1): 1-7.

IMF (2016). Annual Report on Exchange Arrangements and Exchange Restriction, www. İmf.org.tr.

Mishkin S. F.- Schmidth- H. K. (2001). “One decade of Inflation Targeting in the World: What

Do We Know and What Do We Need To Know?” NBER Working Paper 8397.

Mohanty M. S. , Klau M. (2004). Monetary policy rules in emerging market economies: issues and evidence, BIS

Working Papers, No 149.

Moura M. L, Carvalho A. D. (2010). What can Taylor rules say about monetary policy in Latin America?, Journal

of Macroeconomics 32 (2010) 392–404, https://ac.els-cdn.com.

Özlale Ü. (2003). Küreselleşme Sürecinde Uygulanan Para Politikalarının Genel Değerlendirilmesi”, 2003,

http://arsiv.petrol- is.org.tr/yayinlar/yillik/2003_yillik/05_Para/govde.htm.


447

Petursson G. T. (2005). Inflation Targeting and Its Effects on Macroeconomic Performance, SUERF Studies: 2005/5,

http://suerf.org/download/studies/study20055.pdf, 05.04.2012.

Plantier L. C., Scrimgeour D. (2002). Estimating a Taylor Rule for New Zealand With a Time-Varying Neutral Real

Rate, Reserve Bank of New Zealand, Discussion Paper No. March,

http://www.rbnz.govt.nz/research/workshops/112040/5apr02plantier.pdf.

Roger S. , Restrepo J. (2009). The Role of the Exchange Rate in Inflation-Targeting Emerging Economies”, IMF

Occasional Papers 267.

Roger S. (2010). Inflation Targetin Turns 20, Finance and Development, March,

http://www.imf.org/external/pubs/ft/fandd/2010/03/pdf/roger.pdf.

Taylor J.B., (1993) Discretion versus policy rules in practice Carnegie-Rochester Conference Series on Public Policy

39 (1993). 195-214 North-Holland.

Taylor J. B. (2001). The Role of the Exchange Rate in Monetary-Policy Rules, AEA PAPERS AND

PROCEEDINGS,

https://web.stanford.edu/~johntayl/Onlinepaperscombinedbyyear/2001/The_Role_of_the_Exchange_Rate_i

n_Monetary-Policy_Rules.pdf

http://www.rbnz.govt.nz/research/workshops/112040/5apr02plantier.pdf


448

Zaman Serisi Tahmininde Tek Çarpımsal Sinir Hücresi Yapay Sinir Ağının Eğitimi için

Bazı Dayanıklı Yaklaşımlar

Özge CAĞCAĞ YOLCU1

Özet

Literatürde, zaman serisi tahmini için, birçok sinir ağı ortaya konmuştur. Bunlardan

bazıları, toplamsal bazıları ise çarpımsal birleştirme fonksiyonu kullanan nöron modellere

sahiptir. Özellikle tek çarpımsal sinir hücresi yapay sinir ağı (TÇSH-YSA) birçok zaman

serisi için başarılı tahmin sonuçları üretmesine rağmen, içerdikleri çarpımsal birleştirme

fonksiyonu, bu sinir ağlarını zaman serisinde bulunabilecek aykırı değerlere karşı oldukça

duyarlı kılmaktadır. Bu çalışmanın amacı, zaman serisi tahmininde, TÇSH-YSA’nı

eğitmek için bazı dayanıklı öğrenme algoritmaları sunmaktır. Sunulan dayanıklı öğrenme

algoritmalarında, zaman serisi tahmininde kullanılan TÇSH-YSA’nın eğitim sürecinde,

farklı dayanıklı fonksiyonlar uygunluk fonksiyonu olarak kullanılmıştır. Böylece, TÇSH-

YSA’nın eğitiminde aykırı değerlerin olumsuz etkisinin azaltılması amaçlanmıştır.

Uygunluk fonksiyonu olarak farklı dayanıklı fonksiyonların kullanımı sayesinde sisteme

aykırı bir girdi girdiğinde aykırı bir çıktı üretilmesinin önüne geçilir. TÇSH-YSA’nın

eğitimi için sunulan yaklaşımlar gerçek hayat zaman serileri için kullanıldı. Bu veri setleri

farklı oranlardaki aykırı değerlerle özellikle kirletildi. Ayrıca, aynı özelliklere sahip zaman

serileri mevcut bazı diğer YSA türleri ile de analiz edildi. Hem orijinal hem de kirletilmiş

veri setleri için elde edilen sonuçlar değerlendirildi.

Anahtar Kelimeler: Zaman serisi tahmini, dayanıklı öğrenme, tek çarpımsal sinir hücresi, yapay sinir ağları


Some Robust Approaches for Training of Single Multiplicative Neuron Model Artificial

Neural Network in Time Series Prediction

Abstract

In the literature, various neural networks have been proposed to predict time series. While

some of them have neuron models with additive aggregation function, some others have

neuron models with multiplicative aggregation function. Especially, although single

multiplicative neuron model artificial neural network (SMNM-ANN) produce successfully

prediction results, it is quite responsive to outlier(s) in time series since it uses

multiplication function as aggregation function. The aim of this study, in time series

prediction, is to present some robust learning algorithms to train SMNM-ANN. In the

presented robust learning algorithms, different robust functions are used as fitness function

in the training process of the SMNM-ANN. Therefore, it is aimed that the adverse effect

of outlier(s) is decreased in the training of SMNM-ANN. Via using different robust

functions as fitness function, generating an outlier output is prevented when an outlier input

go into the system. The presented approaches for the training of SMNM-ANN have been

used for real world time series. The data set has been particularly contaminated at different

rates of the outliers. Moreover, some other ANNs available in the literature have been

utilized for analysis same time series. Obtained results have been evaluated for both

original and contaminated data sets.

Keywords: Time series prediction, robust learning, single multiplicative neuron model, artificial neural

networks

JEL Clasification: C45, C53, C63

1 [email protected], Giresun Üniversitesi, Mühendislik Fakültesi, Giresun/Türkiye


449

1. Giriş

Çok katmanlı algılayıcılar ve tek çarpımsal sinir hücresi yapay sinir ağları zaman serisi tahmininde

başarılı sonuçlar üretmektedir. Ancak bu sinir ağları, kullandıkları birleştirme fonksiyonları

nedeniyle, zaman serilerinin tahmininde aykırı değerlere duyarlı olabilmekte ve tahmin

performansları olumsuz etkilenebilmektedir. Bu problemi dikkate alan bazı araştırmacılar farklı

dayanıklı yapay sinir ağı yapıları ortaya koymuşlardır. Chen ve Jain (1994), ve Hsiao vd. (2012)

M-tahmincilerine dayalı dayanıklı bir öğrenme algoritması önermişlerdir. Lee vd. (1999), radyal

temelli sinir ağları için, dayanıklı bir öğrenme algoritması sunmuşlardır. El Melegy vd. (2009) ve

Rusuecki (2018) yapay sinir ağı (YSA) için en küçük medyan kareler algoritmasını ortaya

koymuşlardır. Thomas (1999), çok katmanlı YSA için, dayanıklı bir öğrenme algoritması

önermiştir. Ayrıca, Bors ve Pitas (1996), aykırı değerli veri setleri için, medyan radyal temelli

YSA önermişlerdir. Majhi vd. (2018), dayanıklı bir YSA olarak, Wilcoxon YSA ortaya

koymuşlardır. Aladağ vd. (2014) gelen sinyallerin medyanını, bir birleştirme fonksiyonu olarak

kullanan medyan sinir ağını tanıtmışlardır. Yolcu vd. (2015) kırpılmış ortalama YSA

önermişlerdir.

Özellikle Yadav vd. (2007) tarafından önerilen TÇSH-YSA, birleştirme fonksiyonu olarak

çarpımsal fonksiyonu kullanması nedeniyle, zaman serisinin içerebileceği aykırı değerlere oldukça

duyarlıdır. Bir başka ifadeyle, aykırı bir girdi değeri bu sinir ağının aykırı bir çıktı üretmesine ve

dolayısıyla tahmin performansının olumsuz etkilenmesine neden olur. Bu çalışmada, zaman serisi

tahmininde, tek çarpımsal sinir hücresi yapay sinir ağını eğitmek için bazı dayanıklı öğrenme

algoritmalarının tanıtılması amaçlanmıştır. Tanıtılan dayanıklı öğrenme algoritmalarında, zaman

serisi tahmininde kullanılan TÇSH-YSA’nın eğitim sürecinde, farklı dayanıklı fonksiyonlar

uygunluk fonksiyonu olarak kullanılmıştır. Böylece, TÇSH-YSA’nın eğitiminde aykırı değerlerin

olumsuz etkisinin azaltılması amaçlanmıştır. TÇSH-YSA’nın eğitimi diğer birçok çalışmada

olduğu gibi parçacık sürü optimizasyonu (PSO) ile gerçekleştirilmiş olup, uygunluk fonksiyonu

olarak farklı dayanıklı fonksiyonların kullanımı sayesinde sisteme aykırı bir girdi girdiğinde aykırı

bir çıktı üretilmesinin önüne geçilir.

TÇSH-YSA’nın eğitimi için sunulan dayanıklı yaklaşımlar gerçek hayat zaman serisinin analizi

için kullanıldı. Bu veri seti farklı oranlardaki aykırı değerlerle özellikle kirletildi. Ayrıca, aynı

özelliklere sahip zaman serileri literatürde mevcut olan bazı diğer YSA türleri ile de analiz edildi.

Hem orijinal hem de kirletilmiş veri setleri için elde edilen sonuçlar değerlendirildi. Elde edilen

bulgular, önerilen dayanıklı öğrenme algoritmaları ile eğitilen TÇSH-YSA’nın diğer sinir ağlarına

göre daha iyi tahmin performansı gösterdiğini ortaya koymuştur.


450

Çalışmanın ikinci bölümünde, ortaya konması amaçlanan dayanıklı öğrenme algoritmaları özet

olarak tanıtılmış, üçüncü bölümde; literatürde sıklıkla kullanılan Avusturalya Bira Tüketim zaman

serisi (Janacek, 2001) hem orijinal hem de kirletilmiş şekilde analiz edilerek, sonuçlar

özetlenmiştir. Son olarak, dördüncü bölümde elde edilen bulgular değerlendirilmiştir.

2. Tek Çarpımsal Sinir Hücresi Yapay Sinir Ağının Eğitimi İçin Bazı Dayanıklı Yaklaşımlar

Türeve dayalı algoritmalar, YSA’nın eğitiminde yaygın bir şekilde kullanılmaktadır. Özellikle

geri-yayılım öğrenme algoritması, çok katmanlı algılayıcı sinir ağları için en çok tercih edilen

eğitim algoritmalarından biridir. Farklı yapay zeka optimizasyon algoritmaları, türev işlemine

gerek duymamaları ve yerel minimuma takılma sorunu içermemeleri nedeniyle, sinir ağlarının

eğitiminde özellikle son yıllarda yaygın bir şekilde kullanılmaktadır. Bu çalışmada TÇSH-

YSA’nın eğitiminde ise PSO algoritması tercih edilmiştir. Ağın eğitimi sırasında, zaman serisinin

içerebileceği aykırı değerli gözlemler ağın çıktısının olması gerekenden çok büyük ya da çok

küçük olmasına neden olur. Bu sorunu ortadan kaldırmak adına, ağın PSO ile eğitimi sırasında

uygunluk fonksiyonu olarak farklı dayanıklı fonksiyonlar kullanılabilir. Bu noktadan hareketle,

Bas vd. (2016) ağın eğitimi sırasında M-tahmin edicilerine dayalı bir yaklaşım ortaya koymuş ve

eğitim sürecinde uygunluk fonksiyonu olarak Huber’in kayıp fonksiyonunu kullanarak aykırı

değerlerin olumsuz etkisini ortadan kaldırmayı ya da azaltmayı amaçlamışlardır. Bu çalışmada

TÇSH-YSA’nın PSO ile eğitimi sırasında, Huber’in kayıp fonksiyonu dışında, Lojistik kayıp

fonksiyonu, Talwars’ın kayıp fonksiyonu ve Tukey’in ikili-ağırlıklı kayıp fonksiyonunu uygunluk

fonksiyonu olarak kullanan dayanıklı yaklaşımlar ortaya konmuştur. TÇSH-YSA’nın eğitimi için

ortaya konan dayanıklı yaklaşımlar tek bir algoritma ile adım-adım verilebilir.

Algoritma

Adım 1. Süreç parametreleri belirlenir.

𝑝𝑛 : Parçacık sayısı

𝑐1 : Bilişsel katsayı

𝑐2 : Sosyal katsayı

𝑤 : Eylemsizlik parametresi

𝑚𝑎𝑥𝑖𝑡𝑟 : Maksimum yineleme sayısı

𝑣𝑚1 : Ağırlık ve yanlar için hızlar

𝑣𝑚1 : Skala parametresi için hız

Adım 2. Parçacıkların başlangıç pozisyon ve hızları üretilir.


451

Ağın girdi sayısı 𝑞 olduğunda, optimize edilecek değişken sayısı (2 × 𝑞) + 1 adet olacaktır. Bir

parçacığın yapısı Grafik 1’ de gösterildiği gibi verilebilir. Burada, ilk 𝑞 pozisyon; ağın

ağırlıklarını, ikinci 𝑞 adet pozisyon ağın yanlarını ve son pozisyon ise kayıp fonksiyonuna ilişkin

skala parametresini temsil eder. Pozisyonların başlangıç değerleri, ağırlık ve yanlar için (0,1)

parametreli düzgün dağılımdan, skala parametresi için ise (6,10) parametreli düzgün dağılımdan

üretilmiştir.

Grafik 1: Bir parçacığın yapısı

Adım 3. İterasyon sayacı 𝑖𝑡𝑒𝑟 ayarlanır (𝑖𝑡𝑒𝑟=1).

Adım 4. Eğitim kümesi için TÇSH-YSA’nın çıktıları elde edilir.

Grafik 2 ile verilen TÇSH-YSA’nın çıktıları, ağırlık ve yan değerlerinden oluşan her bir parçacığın

pozisyonları kullanılarak hesaplanır. Burada, Ω fonksiyonu ağırlıklandırılmış girdilerin çarpımını

içerir. Ayrıca 𝑓 ve ��𝑡 sırasıyla aktivasyon fonksiyonu ve ağın çıktılarını temsil eder.

Grafik 2: TÇSH-YSA yapısı

Adım 5. Uygunluk fonksiyonu hesaplanır.

Bu adımda, her bir parçacık 𝑖𝑑 için seçilen kayıp fonksiyonu değeri hesaplanır (𝑈𝑦𝑔𝑢𝑛𝑙𝑢𝑘𝑖𝑑). Her

bir parçacık için 𝑈𝑦𝑔𝑢𝑛𝑙𝑢𝑘𝑖𝑑 değeri aşağıdaki gibi elde edilir.

(𝑈𝑦𝑔𝑢𝑛𝑙𝑢𝑘) = ∑ ��𝑡,𝑖𝑑𝑇𝑡=1 (1)

Burada 𝑇 ve 𝑒��, sırasıyla, öğrenme örneklerinin sayısını ve kayıp fonksiyonunun hata değerini

temsil eder. Her bir kayıp fonksiyonu için 𝑒��;


452

Huber’in Kayıp Fonksiyonu: ��𝑡 = {

𝑒𝑡,𝑖𝑑2

2⁄ , 𝑖𝑓 |𝑒𝑡,𝑖𝑑| ≤ 𝛽𝑖𝑑

𝛽𝑖𝑑 |𝑒𝑡,𝑖𝑑 −𝛽𝑖𝑑

2

2⁄ | , 𝑎𝑘𝑠𝑖 ℎ𝑎𝑙𝑑𝑒

Lojistik Kayıp Fonksiyonu: ��𝑡 =𝛽𝑖𝑑

2(1 +

𝑒𝑡,𝑖𝑑2

𝛽𝑖𝑑)

Talwar’ın Kayıp Fonksiyonu: ��𝑡 = {

𝑒𝑡,𝑖𝑑2

2⁄ , 𝑖𝑓 |𝑒𝑡,𝑖𝑑| ≤ 𝛽𝑖𝑑

𝛽𝑖𝑑2

2⁄ , 𝑎𝑘𝑠𝑖 ℎ𝑎𝑙𝑑𝑒

Tukey’in Kayıp Fonksiyonu: ��𝑡 = {

𝑒𝑡,𝑖𝑑2

2⁄ −

𝑒𝑡,𝑖𝑑4

2𝛽𝑖𝑑2⁄ +

𝑒𝑡,𝑖𝑑6

6𝛽𝑖𝑑4⁄ , 𝑖𝑓 |𝑒𝑡,𝑖𝑑| ≤ 𝛽𝑖𝑑

𝛽𝑖𝑑2

6⁄ , 𝑎𝑘𝑠𝑖 ℎ𝑎𝑙𝑑𝑒

Hedef değer ile ağın çıktısı arasındaki fark, 𝑒𝑡 = 𝑦𝑖𝑑(𝑡) − ��𝑖𝑑(𝑡), 𝑡 = 1,2, . . , 𝑇 olmak üzere; 𝛽𝑖𝑑

aşağıdaki gibi elde edilebilir.

𝛽𝑖𝑑 = 𝑠𝑖𝑑 ∗ medyan𝑡,𝑖𝑑

(𝑒𝑡,𝑖𝑑 − medyan𝑡,𝑖𝑑

(𝑒𝑡,𝑖𝑑)) (2)

Burada 𝑦𝑖𝑑(𝑡) and ��𝑖𝑑(𝑡), 𝑖𝑑 parçacığı için hedef değer ve tahmin değerini temsil ederken, 𝑠𝑖𝑑

skala parametresini gösterir.

Adım 6. Kişisel en iyi pozisyon vektörü güncellenir.

Her bir parçacık 𝑖𝑑 için, eğer mevcut iterasyonda (𝑖𝑡𝑒𝑟) amaç fonksiyon değeri bir önceki

iterasyondaki (𝑖𝑡𝑒𝑟 − 1) amaç fonksiyon değerinden küçük ise, kişisel en iyi pozisyon vektörü,

𝑝𝑖𝑑,1 = 𝑥𝑖𝑑,1, 𝑝𝑖𝑑,2 = 𝑥𝑖𝑑,2, ⋯, 𝑝𝑖𝑑,(2×𝑞)+1 = 𝑥𝑖𝑑,(2×𝑞)+1 alınarak 𝑃𝑖𝑑 =

[𝑝𝑖𝑑,1, 𝑝𝑖𝑑,2, ⋯ , 𝑝𝑖𝑑,(2×𝑞)+1], 𝑋𝑖𝑑 = [𝑥𝑖𝑑,1, 𝑥𝑖𝑑,2, ⋯ , 𝑥𝑖𝑑,(3×𝑐)+1] ile güncellenir.

Adım 7. Tüm parçacıklar arasından en iyi parçacık 𝑃𝑔𝑏𝑒𝑠𝑡 belirlenir.

Adım 8. Her bir parçacık için hız ve pozisyonlar güncellenir.

Hız vektörü 𝑉𝑖𝑑 ve pozisyon vektörü 𝑋𝑖𝑑 aşağıdaki gibi güncellenir.

𝑣𝑖𝑑,𝑘𝑖𝑡𝑒𝑟+1 = [𝑤 × 𝑣𝑖𝑑,𝑘

𝑘 + 𝑐1 × 𝑟𝑎𝑛𝑑1 × (𝑝𝑖𝑑,𝑘 − 𝑥𝑖𝑑,𝑘) + 𝑐2 × 𝑟𝑎𝑛𝑑2 × (𝑃𝑔𝑏𝑒𝑠𝑡,𝑘 − 𝑥𝑖𝑑,𝑘)] (3)

𝑥𝑖𝑑,𝑘𝑖𝑡𝑒𝑟+1 = 𝑥𝑖𝑑,𝑘

𝑡 + 𝑣𝑖𝑑,𝑘𝑡+1 , 𝑘 = 1,2, ⋯ , (3 × 𝑐) + (2 × 𝑞) + 1 (4)

burada, , 𝑟𝑎𝑛𝑑1 ve 𝑟𝑎𝑛𝑑2 (0,1) parametreli düzgün dağılımdan üretilen rastgele sayılardır.

Adım 9. Durdurma koşulu kontrol edilir.


453

Eğer 𝑖𝑡𝑒𝑟 < 𝑚𝑎𝑥𝑖𝑡𝑒𝑟 ise 𝑖𝑡𝑒𝑟 = 𝑖𝑡𝑒𝑟 + 1 yapılır ve Adım 4’e gidilir. Aksi halde sonraki adıma

geçilir.

Adım 10. Değişkenlerin en uygun değerleri belirlenir.

En iyi parçacığın pozisyon vektörü 𝑃𝑔𝑏𝑒𝑠𝑡 = [𝑝𝑔𝑏𝑒𝑠𝑡,1, 𝑝𝑔𝑏𝑒𝑠𝑡,2, ⋯ , 𝑝𝑔𝑏𝑒𝑠𝑡,(2×𝑞)+1] ağın ağırlık ve

yanlarının, aynı zamanda ilgili kayıp fonksiyonunun skala parametresinin en iyi değerlerini

oluşturacaktır.

3. Uygulama Sonuçları

Ortaya konan dayanıklı yaklaşımların hem zaman serisi aykırı değer içeriyorken hem de

içermiyorken performansını araştırmak amacıyla, 148 gözlemli Avusturalya Bira Tüketim (ABT)

zaman serisi analiz edildi. Bu amaçla, zaman serisinin en büyük değerli gözleminin 5 ve 10 katı

alınarak oluşturulan aykırı değerler zaman serisine enjekte edilerek, aykırı değerli kirletilmiş

zaman serileri elde edildi. Kirletme işlemi; sırasıyla bir, iki ve üç adet aykırı değer üretilerek, bu

aykırı değerler sırasıyla zaman sersisinin eğitim kümesi içerisindeki 15’inci, 15 ve 120’inci, ve

son olarak 15, 75 ve 120’inci gözlemleri ile yer değiştirilerek uygulandı. Analiz aşamasında,

zaman serisinin ilk 132 gözlemi eğitim kümesi, son 16 gözlemi ise test kümesi olarak belirlendi.

Zaman serisinin kirletilme işlemine ilişkin özet bilgiler Tablo 1’de verilmiştir.

Tablo 1: Kirletme işleminin koşulları

5 Kat 10 Kat

1 Aykırı

(15’inci gözlem) Durum 1 Durum 4

2 Aykırı

(15 ve 120’inci gözlemler) Durum 2 Durum 5

3 Aykırı

(15, 75 ve 120’inci gözlemler) Durum 3 Durum 6

Bu çalışmada kullanılan dayanıklı yaklaşımlar;

F-TÇSH-YSA-H : Huber’in Kayıp Fonksiyonuna dayalı Dayanıklı TÇSH-YSA.

D-TÇSH-YSA-L : Lojistik Kayıp Fonksiyonuna dayalı Dayanıklı TÇSH-YSA

D-TÇSH-YSA-T : Talwar’ın Kayıp Fonksiyonuna dayalı Dayanıklı TÇSH-YSA.

D-TÇSH-YSA-Tb : Tukey’in Kayıp Fonksiyonuna dayalı Dayanıklı TÇSH-YSA.

Grafik 3 ile verilen orijinal ABT zaman serisinin çözümlenmesi sonucunda elde edilen hata kareler

ortalaması karekök (HKOK) ve ortalama mutlak yüzdelik hata (OMYH) değerleri Tablo 2’de

özetlenmiştir.


454

Grafik 3: ABT zaman serisi

Tablo 2’de verilen yöntemler;

TÇSH-YSA-GY : Geri yayılım öğrenme algoritması ile eğitilmiş TÇSH-YSA.

W-UD : Winters üstel düzleştirme yöntemi

SARIMA : Mevsimsel otoregresif hareketli ortalamalar yöntemi

ÇKA-YSA-PSO : PSO ile eğitilmiş çok katmanlı algılayıcı YSA

Rd-YSA : Radyal temelli YSA

TÇSH-YSA-PSO : PSO ile eğitilmiş TÇSH-YSA.

ÇKA-YSA- GY : Geri yayılım öğrenme algoritması ile eğitilmiş Çok katmanlı algılayıcı

YSA

Elman-YSA : Geri beslemeli YSA

Tablo 2 incelendiğinde, orijinal ABT zaman serisi için çözümlemesi her iki hata kriterine göre de,

en iyi tahmin performanslarının bu çalışmada tanıtılan dayanıklı TÇSH-YSA modellerine ait

olduğu açıkça görülür. Böylece tanıtılan dayanıklı yaklaşımların, zaman serisi aykırı değer

içermediğinde de başarılı ve rekabet edebilir tahmin sonuçları ürettiği söylenebilir. Orijinal ABT

zaman serisi çözümlemesinin yanı sıra, kirletilmiş zaman serilerinin çözümlenmesinde elde edilen

sonuçlar ise 3, 4,5 ve 6 numaralı tablolarda sunulmuştur.

Tablo 2: Orijinal ABT çözümleme sonuçları

Yöntem HKOK OMYH

TÇSH-YSA-GY 74.2551 0.0983

W-UD 53.3295 0.1072

SARIMA 47.0367 0.0949

ÇKA-YSA-PSO 44.7780 0.0856

Rd-YSA 41.7000 0.0686

TÇSH-YSA-PSO 26.7831 0.0498

ÇKA-YSA- GY 24.1052 0.0476

200

250

300

350

400

450

500

550

600

650


455

Elman-YSA 22.6581 0.0436

D-TÇSH-YSA-H 17.7761 0.0297

D-TÇSH-YSA-L 18.1163 0.0313

D-TÇSH-YSA-T 17.6342* 0.0292*

D-TÇSH-YSA-Tb 18.5562 0.03810

Tablo 3: Kirletilmiş ABT için HKOK bakımından performans değerlendirmesi (5 kat)

Yöntem Durum 4 Durum 5 Durum 6

HKOK DO HKOK DO HKOK DO

TÇSH-YSA-

GY 176,57 137,78% 284,20 282,73% 328,33 342,16%

TÇSH-YSA-

PSO 70,41 162,89% 79,08 195,25% 67,89 153,47%

D-TÇSH-

YSA-H 18,80 5,76% 20,17 13,44% 18,63 4,78%

D-TÇSH-

YSA-L 19,03 5,02% 20,05 10,68% 19,15 5,71%

D-TÇSH-

YSA-T 18,54 5,13% 19,57 11,00% 18,63 5,63%

D-TÇSH-

YSA-Tb 19,83 6,87% 21,13 13,87% 19,74 6,37%

Tablo 4: Kirletilmiş ABT için MAPE bakımından performans değerlendirmesi (5 kat)



TÇSH-YSA-

GY 0,38 289,32% 0,63 542,93% 0,73 638,05%

TÇSH-YSA-

PSO 0,09 73,29% 0,11 128,92% 0,13 164,06%

D-TÇSH-

YSA-H 0,03 6,06% 0,03 9,76% 0,03 -1,01%

D-TÇSH-

YSA-L 0,03 5,11% 0,03 9,27% 0,03 5,75%

D-TÇSH-

YSA-T 0,03 5,82% 0,03 9,93% 0,03 5,48%

D-TÇSH-

YSA-Tb 0,04 5,77% 0,04 10,76% 0,04 5,77%

Tablo 5: Kirletilmiş ABT için HKOK bakımından performans değerlendirmesi (10 kat)



TÇSH-YSA-

GY 188,18 153,43% 224,79 202,72% 244,23 228,91%

TÇSH-YSA-

PSO 70,14 161,88% 73,38 173,98% 104,94 291,81%

D-TÇSH-

YSA-H 18,49 3,99% 19,39 9,05% 18,59 4,56%


456

D-TÇSH-

YSA-L 18,94 4,53% 19,73 8,89% 19,09 5,39%

D-TÇSH-

YSA-T 18,56 5,24% 18,92 7,32% 18,50 4,89%

D-TÇSH-

YSA-Tb 19,76 6,47% 20,06 8,12% 19,38 4,46%

Tablo 6: Kirletilmiş ABT için MAPE bakımından performans değerlendirmesi (5 kat)



TÇSH-YSA-

GY 0,41 317,80% 0,49 402,44% 0,53 443,95%

TÇSH-YSA-

PSO 0,10 103,21% 0,15 207,23% 0,22 348,39%

D-TÇSH-

YSA-H 0,03 3,37% 0,03 9,43% 0,03 3,70%

D-TÇSH-

YSA-L 0,03 3,83% 0,03 8,31% 0,03 5,11%

D-TÇSH-

YSA-T 0,03 5,48% 0,03 9,93% 0,03 4,45%

D-TÇSH-

YSA-Tb 0,04 7,61% 0,04 8,66% 0,04 4,46%

DO: orijinal duruma göre değişim oranı

Kirletilmiş ABT zaman serisinin çözüm sonuçlarını içeren tablolar incelendiğinde, dayanıklı

yaklaşımlar ile eğitilen TÇSH-YSA’larının GY ve PSO ile eğitilenlere göre aykırı değerlere hemen

hemen hiç duyarlı olmadıkları ve aykırı değer olmadığı durumdaki tahmin performanslarına yakın

bir performansa sahip oldukları görülmektedir.

4. Sonuç

Bu çalışmada, TÇSH-YSA’nın tahmin performansının zaman serisinin içerebileceği aykırı

değerlerden nasıl etkilenebileceğini ortaya koymak amacıyla; ağın eğitimi için bazı dayanıklı

yaklaşımların tanıtılması amaçlanmıştır. TÇSH-YSA’nın birleştirme fonksiyonu olarak kullandığı

çarpımsal fonksiyon, onu aykırı değerlere oldukça duyarlı yapar ve ağın tahmin performansı

olumsuz etkiler. Bu çalışmada tanıtılan dayanıklı yaklaşımlar ile eğitilmiş bir TÇSH-YSA ise,

aykırı değerlerden hemen hemen hiç etkilenmemiş olmasının yanında, zaman serisi aykırı değer

içermediği durumda da literatürde mevcut birçok YSA türü ile rekabet edebilir bir tahmin

performansı sergilemiştir. Bu bakımdan, tahmin edilmesi amaçlanan zaman serisi aykırı değer

içersin ya da içermesin, TÇSH-YSA için dayanıklı bir öğrenme algoritmasının kullanımı

önerilebilir.

Kaynakça

Aladag, C.H., Egrioglu, E., Yolcu, U. (2014). Robust multilayer neural network based on median neuron model.

Neural Comput Appl., 24 (3-4), 945-956.


457

Bas, E., Uslu, V.R., Egrioglu, E. (2016). Robust learning algorithm for multiplicative neuron model artificial neural

networks. Expert Syst Appl., 56, 80–88.

Bors, A.G., Pitas, I. (1996). Median radial basis function neural network. IEEE Trans Neural Netw., 7 (6), 1351-1364.

Chen, D.S., Jain, R.C. (1994). A robust backpropagation learning algorithm for function approximation. IEEE Trans

Neural Netw., 5, 467–479.

El-Melegy, M.T., Essai, M.H., Ali, A.A. (2009). Robust training of artificial feedforward neural networks. In: Found.

Comput. Intell. Vol. 1 Vol. 201 Ser. Stud. Comput. Intell. pp 217–242.

Hsiao, C-C., Chuang, C-C., Jeng, J-T. (2012). Robust back propagation learning algorithm based on near sets. In:

2012 Int. Conf. Syst. Sci. Eng. (ICSSE),June 30–July 2, 2012, Dalian, China. pp 19–23.

Janacek, G.J. (2001). Practical time series. Oxford University Press: New York.

Lee, C.C., Chung, P.C., Tsa,i J.R., Chang, C.I. (1999). Robust radial basis function neural networks. IEEE Trans Syst

Man, Cybern Part B Cybern., 29, 674–685.

Majhi, B., Rout, M., Majhi, R., Panda, G., Fleming, P.J. (2012). New robust forecasting models for exchange rates

prediction. Expert Syst Appl., 39 (16), 12658–12670.

Rusiecki, A. (2012). Robust learning algorithm based on iterative least median of squares. Neural Process Lett., 36,

145–160.

Thomas, P., Bloch, G., Sirou, F., Eustache, V. (1999). Neural modeling of an induction furnace using robust learning

criteria. (I. Press, Éd.) Integrated Computer-Aided Engineering 6(1), 15–26.

Yadav, R.N., Kalra, P.K., John, J. (2007). Time series prediction with single multiplicative neuron model. Applied

Soft Computing, 7, 1157-1163.

Yolcu, U., Bas, E., Egrioglu, E., Aladag, C.H. (2015). A new multilayer feed forward network model based on

trimmed mean neuron model. Neural Netw World J., 25, 587–602.

Documents

19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ …dosya.marmara.edu.tr/kongre/eyi2018/Bilimsel Program/E1.pdf · M.Ü. Bilimsel Araştırmalar Projeleri Komisyonu (BAPKO)