Upload
others
View
32
Download
0
Embed Size (px)
Citation preview
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
5
19. Uluslararası Ekonometri, Yöneylem Araştırması ve İstatistik (EYİ 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. Uluslararası Ekonometri, Yöneylem Araştırması ve İstatistik (EYİ 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
10
EKONOMETRİ
ECONOMETRICS
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
-
+
+
+
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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;
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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;
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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;
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Kaynak: OECD Ilibrary’den derlenmiştir.
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
62
Şekil 3.3. Yunanistan’ın 2016 Yılı Enerji İthalatı
Kaynak: OECD Ilibrary’den derlenmiştir.
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
Kaynak: OECD Ilibrary’den derlenmiştir.
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Kaynak: OECD Ilibrary’den derlenmiştir.
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Kaynak: OECD Ilibrary’den derlenmiştir.
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Kaynak: OECD Ilibrary’den derlenmiştir.
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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,
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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”
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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/
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
2. Literatür Taraması
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),
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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 $)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
96
Grafik 2a: Fiyattan Hacime Yönelik
Bootstrap p Değerleri (Pencere Genişliği:
60)
Grafik 2c: Fiyattan Hacime Yönelik
Bootstrap p Değerleri (Pencere Genişliği:
120)
Grafik 2e: Hacimden Fiyata Yönelik
Bootstrap p Değerleri (Pencere Genişliği:
60)
Grafik 2b: Fiyattan Hacime Yönelik
Bootstrap p Değerleri (Pencere Genişliği:
90)
Grafik 2d: Fiyattan Hacime Yönelik
Bootstrap p Değerleri (Pencere Genişliği:
150)
Grafik 2f: Hacimden Fiyata Yönelik
Bootstrap p Değerleri (Pencere Genişliği:
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
97
Grafik 2g: Hacimden Fiyata Yönelik
Bootstrap p Değerleri (Pencere Genişliği:
120)
Grafik 2h: Hacimden Fiyata Yönelik
Bootstrap p Değerleri (Pencere Genişliği:
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
ARDL, Eşbütünleşme
ve Nedensellik Analizi İlişki var
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
Analizi İlişki var
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
102
Tiwari
(2011) Hindistan
1971-
2007
Birincil Enerji
Tüketimi, CO2
Salımı ve
GSYH
Nedensellik Analizi İlişki var
Wang ve
diğerleri
(2011)
Çin’deki
28 il
1995-
2007
CO2 Salımı,
Enerji Tüketimi
Ve Ekonomik
Büyüme
Panel Eşbütünleşme
Analizi İlişki var
Saboori,
Sulaiman
ve
Mohd(201
2)
Malezya 1980-
2009 CO2 ve GSYH
Eşbütünleşme ve
Nedensellik Analizi İlişki var
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
ARDL, Eşbütünleşme
ve Nedensellik Analizi İlişki var
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
Panel Eşbütünleşme
Analizi İlişki var
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
103
2. Veri Seti ve Yöntem
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Üni Yüksek Eğitim Düşük
Derece/Yüksek Eğtim Yüksek
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
Aileye verilen önem (1 önemli
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
Boş zamana verilen önem (1
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
Yaşanılan Yerin Nüfus
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Üni Yüksek Eğitim Düşük
Derece/Yüksek Eğtim Yüksek
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
Aileye verilen önem (1 önemli
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
Boş zamana verilen önem (1
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
Yaşanılan Yerin Nüfus
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
2. Literatür Taraması
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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,
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Test İstatistik Olasılık s. d
Breusch-Pagan LM 3581.926 0.0000* 231
Pesaran CD 43.81370 0.0000* 231
Not:*; 0.01’de anlamlılığı göstermektedir.
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
155
Tablo 3: YTI Serisi için Yatay Kesit Bağımlılık Testi
Test İstatistik Olasılık s. d
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Not:*; 0.01’de anlamlılığı göstermektedir.
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
Not:*; 0.01’de anlamlılığı göstermektedir.
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
162
BIT Serisi
Maksimum
F İstatistiği ��𝑨𝑬 ��𝑨𝑬
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
163
YTI Serisi
Maksimum
F İstatistiği ��𝑨𝑬 ��𝑨𝑬
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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:
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
183
Firma Karakteristiklerinin Sermaye Yapısı Üzerindeki Etkilerinin Üç Boyutlu Panel Veri
Modelleri İle İncelenmesi
Selahattin GÜRİŞ1
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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*
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
2. Veri Seti ve Yöntem
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
⁝
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
İstatistiği p-değeri
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
İstatistiği p-değeri
Wald
İstatistiği p-değeri
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
ln(𝜎𝑡2) = 𝜔 + 𝛽 ln(𝜎𝑡−1
2 ) + 𝛾휀𝑡−1
√𝜎𝑡−12
+ 𝛼 [|휀𝑡−1|
√𝜎𝑡−12
] + 𝜇ℎ𝑎𝑐𝑖𝑚𝑡 (6)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
206
ln(𝜎𝑡2) = 𝜔 + 𝛽 ln(𝜎𝑡−1
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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* -
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
226
Küreselleşmenin Analizi: Panel Kantil Yaklaşımı
Selahattin GÜRİŞ1
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
3. Literatür Taraması
(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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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-
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
𝑄0.50(𝐾𝑂𝐹𝐺𝐼𝑖𝑡|İ𝐾𝑖𝑡 , 𝑇Ö𝑖𝑡 , 𝑌Ö𝑖𝑡 , 𝑆𝑖𝑡 , 𝑉𝑌𝑖𝑡)
= 68.62 + 0.064 İ𝐾𝑖𝑡 + 0.079 𝑇Ö𝑖𝑡 + 0.056𝑌Ö𝑖𝑡 + 0.0085𝑆𝑖𝑡 − 0.111𝑉𝑌𝑖𝑡
𝑄0.75(𝐾𝑂𝐹𝐺𝐼𝑖𝑡|İ𝐾𝑖𝑡 , 𝑇Ö𝑖𝑡 , 𝑌Ö𝑖𝑡 , 𝑆𝑖𝑡 , 𝑉𝑌𝑖𝑡)
= 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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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/
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
2. Literatür Taraması
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
3. Veri Seti ve Yöntem
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
4. Bulgular ve Tartışma
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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/
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
https://doi.org/10.1016/j.knosys.2017.09.023
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Yöntem İstatistik Olasılık Yatay Kesit Gözlem
Sıfır hipotezi: Birim Kök (ortak birim kök sürecini varsayar)
Levin, Lin & Chu t* -3.02673 0.0012 27 567
Breitung t-stat 0.69577 0.7567 27 540
Sıfır hipotezi: Birim Kök (bireysel birim kök sürecini varsayar)
Im, Pesaran and Shin W-stat -4.53015 0.0000 27 567
ADF - Fisher Chi-square 110.396 0.0000 27 567
PP - Fisher Chi-square 212.779 0.0000 27 594
Tablo 4: Orta Üst Gelirli Ülkelerin Panel Birim Kök Testi Sonuçları
Sıfır hipotezi: Birim Kök (ortak birim kök sürecini
varsayar)
Yöntem İstatistik Olasılık Yatay Kesit Gözlem
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
Sıfır hipotezi: Birim Kök (bireysel birim kök sürecini varsayar)
Im, Pesaran and Shin W-stat -11.6534 0.0000 20 420
ADF - Fisher Chi-square 377.451 0.0000 20 420
PP - Fisher Chi-square 274.221 0.0000 20 440
Tablo 5: Alt Orta Gelirli Ülkelerin Panel Birim Kök Testi Sonuçlar
Yöntem İstatistik Olasılık Yatay Kesit Gözlem
Sıfır hipotezi: Birim Kök (ortak birim kök sürecini varsayar)
Levin, Lin & Chu t* -571.134 0.0000 16 336
Breitung t-stat 0.80679 0.7901 16 320
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
282
Sıfır hipotezi: Birim Kök (bireysel birim kök sürecini varsayar)
Im, Pesaran and Shin W-stat -242.439 0.0000 16 336
ADF - Fisher Chi-square 562.937 0.0000 16 336
PP - Fisher Chi-square 186.469 0.0000 16 352
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
Yöntem İstatistik Olasılık Yatay Kesit Gözlem
Sıfır hipotezi: Birim Kök (ortak birim kök sürecini varsayar)
Levin, Lin & Chu t* -13.9973 0.0000 9 189
Breitung t-stat -2.09321 0.0182 9 180
Sıfır hipotezi: Birim Kök (bireysel birim kök sürecini varsayar)
Im, Pesaran and Shin W-stat -9.15104 0.0000 9 189
ADF - Fisher Chi-square 144.561 0.0000 9 189
PP - Fisher Chi-square 195.637 0.0000 9 198
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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**
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Econometrics, 44, 215-238.
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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]
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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,
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
Econometrica, 49, 1057-1072.
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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*
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
3. Bulgular ve Tartışma
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
KB Gecikmeli Yatırım
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
Küresel Kriz Etkisi
(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
KB Gecikmeli Yatırım
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
Küresel Kriz Etkisi
(2009) -0.1386 0.0242 0.0000*** -0.1860 -0.0911
*** 0,01, ***0,05 ve * 0,10 anlamlılık düzeyinde anlamlı.KB: Kişi Başı
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Econometrics, 112, 359-379.
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
gruplarının 2006:01-2017:12 dönemindeki aylık reel net dönem kâr serilerinin yakınsaması
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
gruplarının 2006:01-2017:12 dönemindeki aylık reel net dönem kâr serilerinin yakınsaması
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
Econometrica, 49, 1057-1072.
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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/
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
395
4. Bulgular ve Tartışma
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
397
-40
-30
-20
-10
0
10
20
30
40
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
CUSUM 5% Significance
-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
CUSUM of Squares 5% Significance
LBE=f(LDXY, LİDKE)
-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
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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/
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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:
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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***
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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,
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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]
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
JEL Sınıflaması: C2, C4, C8
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
430
Tablo 6: DLGSYİH Serisi İçin AR(I)MA (2,0,0) Modelinin Dönem İçi Öngörü Sonuçları
Dönem Öngörü Standart Hata Gerçek Değer Hata
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
Kök Ortalama Hata Kare: 0.055
Ortalama Mutlak Hata(%): 182.10
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Dönem Öngörü Standart Hata Gerçek Değer Hata
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
Kök Ortalama Hata Kare: 0.068
Ortalama Mutlak Hata(%): 0.405
LGSYIH
DLGSYIH
tu
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
Dönem Öngörü Standart Hata Gerçek Değer Hata
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
433
Kök Ortalama Hata Kare: 0.306
Ortalama Mutlak Hata(%): 14.23
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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).
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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*
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
JEL Sınıflaması: C45, C53, C63
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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��;
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
Yöntem Durum 4 Durum 5 Durum 6
HKOK DO HKOK DO HKOK DO
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)
Yöntem Durum 4 Durum 5 Durum 6
HKOK DO HKOK DO HKOK DO
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%
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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)
Yöntem Durum 4 Durum 5 Durum 6
HKOK DO HKOK DO HKOK DO
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.
19. ULUSLARARASI EYİ SEMPOZYUMU TAM METİN BİLDİRİ KİTABI (17-20 EKİM 2018)
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.