Page 1

S OS Y AL , BE Ş E RİV Eİ DARİBİ L İ ML E RDE

AKADE Mİ KÇAL I Ş MAL AR2019

ISBN: 978-9940-540-76-0

S OS Y AL , BE Ş E RİV E İ DARİBİ L İ ML E RDE

AKADE Mİ KÇAL I Ş MAL AR2019 E d i t ö r l e r Pr o f . Dr . Z a f e rGÖL E N Do ç . Dr . Se v i l a yÖZ E R


SOSYAL, BEŞERİ VE İDARİ BİLİMLERDE AKADEMİK ÇALIŞMALAR-2019

Editörler Prof. Dr. Zafer GÖLEN Doç. Dr. Sevilay ÖZER

Cetinje 2019


Editörler Prof. Dr. Zafer GÖLEN Doç. Dr. Sevilay ÖZER

Birinci Baskı •© Şubat 2019 /Cetinje-Karadağ

ISBN • 978-9940-540-76-0

© copyright All Rights Reserved / Tüm hakları saklıdır

Ivpe web: www.ivpe.me Tel. +382 41 234 709 e-mail: office@ivpe.me

Print Ivpe Cetinje, Karadağ


İÇİNDEKİLER Önsöz /-VII Hakem Kurulu /-IX EKONOMETRİ ÇALIŞMALARI BÖLÜM I ENFLASYON VE BÜYÜME ARASINDAKİ İLİŞKİNİN TESTİ: MENA ÜLKELERİ İÇİN PANEL ARDL YAKLAŞIMI / Serpil TÜRKYILMAZ & Nursefa ERGİN /-1 FİNANS ÇALIŞMALARI BÖLÜM II KİTLE FONLAMASI VE KİTLE FONLAMA UYGULAMALARI ÜZERİNE BİR İNCELEME / Turgay MÜNYAS & Selçuk YILDIZ /-15

İKTİSAT ÇALIŞMALARI BÖLÜM III DİJİTAL BÖLÜNME ÇERÇEVESİNDE TÜRKİYE’NİN DURUMUNUN KARŞILAŞTIRILMALI OLARAK DEĞERLENDİRİLMESİ / Barış YILDIZ & Gizem AKBULUT YILDIZ /-39 BÖLÜM IV SOSYAL BİR DEĞER OLAN GÜVEN FAKTÖRÜ VE EKONOMİDEKİ YERİ / Özge ARPACIOĞLU ÖZDEMİR /-53 BÖLÜM V TÜRKİYE VE AVRUPA BİRLİĞİ (AB) ÜLKELERİNDE EKONOMİK BÜYÜME, AR-GE VE İNOVASYON İLİŞKİSİ: YENİ NESİL PANEL VERİ ANALİZİ / Hüseyin USLU /-71 BÖLÜM VI OECD ÜLKELERİNDE BEŞERİ SERMAYE VE EKONOMİK BÜYÜME İLİŞKİSİ: DİNAMİK PANEL VERİ ANALİZİ / Hüseyin USLU /-103 BÖLÜM VII TÜRKİYE’DE ÇEVRESEL KUZNETS EĞRİSİ HİPOTEZİNİN GEÇERLİLİĞİNİN TEST EDİLMESİ: YAPISAL KIRILMALI BİR ANALİZ / Hüseyin USLU /-131 BÖLÜM VIII FİNANSAL KRİZ VE KRİZ TEORİLERİ / Y. Koray DUMAN /-155

I


İŞLETME ÇALIŞMALARI BÖLÜM IX KONAKLAMA İŞLETMELERİNDE ÇOCUK HAKLARI FARKINDALIĞI: KONAKLAMA İŞLETMELERİ ÜZERİNE BİR ÖNERİ / Güntekin ŞİMŞEK & Zeynel CİN /-183 BÖLÜM X KONAKLAMA İŞLETMELERİNDE HİZMET KALİTESİNİN MÜŞTERİ MEMNUNİYETİ ve MÜŞTERİ SADAKATİNE ETKİSİ / Selme UYAR & Ayşe TANSEL ÇETİN & Alper ERTÜRK /-199 BÖLÜM XI OTEL İŞLETMELERİNDE KAYIRMACILIK ALGISI ÜZERİNE NİTEL BİR ÇALIŞMA (NEVŞEHİR İLİ ÖRNEĞİ) / Ebru KEMER /-219

MALİYE ÇALIŞMALARI BÖLÜM XII HAVA ULAŞIMI VE HAVALİMANI YATIRIMININ EKONOMİSİNE ETKİLERİ / İsmail İŞLER /-235

KAMU

BÖLÜM XIII VERGİ UYUŞMAZLIKLARINDA İDARİ ÇÖZÜM YOLLARI: ALTERNATİF ÇÖZÜM OLARAK ARABULUCULUK / Meltem İRTEŞ GÜLŞEN /-267

MUHASEBE ÇALIŞMALARI BÖLÜM XIV SOSYAL MEDYANIN MUHASEBE DERSİ ALAN ÖĞRENCİLER ÜZERİNDEKİ ETKİSİ: BİR ARAŞTIRMA / Hüseyin Ali KUTLU & Seyhan ÖZTÜRK /-283 BÖLÜM XV ADLİ MUHASEBE VE MUHASEBE DENETİMİ İLİŞKİSİ /Öznur ARSLAN /-305 BÖLÜM XVI KAŞAR ÜRETİMİNDE FAALLİYET TABANLI MALİYETLEME YÖNTEMİNİN UYGULANMASI / Ahmet TERZİ /-319

II


PAZARLAMA ÇALIŞMALARI BÖLÜM XVII PAZAR YÖNLÜLÜK, GİRİŞİMCİ YÖNLÜLÜK VE PAZARLAMA YETENEKLERİNİN İŞLETME PERFORMANSI ÜZERİNDEKİ ETKİSİ: ANTALYA İLİ PERAKENDECİ İŞLETMELERİNDE BİR ARAŞTIRMA A.Buğra HAMŞIOĞLU /-337 BÖLÜM XVIII DOĞRUDAN PAZARLAMA REKLAMLARINA YÖNELİKTÜKETİCİ ŞÜPHECİLİĞİNİN İKNA BİLGİSİ MODELİ KAPSAMINDA DEĞERLENDİRİLMESİ / Uğur UĞUR /-355

ULUSLARARASI TİCARET ÇALIŞMALARI BÖLÜM XIX LOJİSTİK / Selminaz ADIGÜZEL /-371 BÖLÜM XX LOJİSTİK SEKTÖRÜNÜN EKONOMİK BÜYÜMEYE ETKİSİ: BRICS ÜLKELERİ VE TÜRKİYE İNCELEMESİ / Sevgi SEZER /-401

İLETİŞİM, MEDYA OKURYAZARLIĞI ÇALIŞMALARI BÖLÜM XXI İNTERNET MEDYASI İÇİNDEKİ “MEDYA HABER” SİTELERİ: HABER Mİ, ELEŞTİRİ Mİ, DEDİKODU MU? / Cihan OĞUZ /-417 BÖLÜM XXII BASIN İŞLETMELERİ VE PLANLAMA / Çiğdem DİRİK /-425 BÖLÜM XXIII TOPLUMSAL KİMLİĞİN İNŞASI SÜRECİNDE MEDYANIN ROLÜ / Sinem ÇAMBAY /-435 BÖLÜM XXIV DEĞİŞEN MEDYA KÜLTÜRÜ: GELENEKSELMEDYADAN YENİ MEDYAYA EVRİLEN SÜREÇ / Celal HAYIR /-447 BÖLÜM XXV MEDYAYA BOURDIEUCU PERSPEKTİFTEN BİR BAKIŞ: SEMBOLİK İKTİDAR VE SEDA SAYAN / Gül BAKAN /-463

III


BEŞERİ VE İDARİ BİLİMLER ÇALIŞMALARI BÖLÜM XXVI DİVAN ŞİİRİ VE HALK ŞİİRİ’NDE COĞRAFÎ YAKLAŞIMLAR / Mehmet AKKAYA /-489 BÖLÜM XXVII HALKLA İLİŞKİLER VE KALİTE / F.Kucukbas DUMAN & Selçuk Bora ÇAVUŞOĞLU & C. Nihal YURTSEVEN & Eray YURTSEVEN /-501 BÖLÜM XXVIII HALKLA İLİŞKİLER ARAŞTIRMA YÖNTEMLER / İrfan ERTEKİN /-521

VE

KAMPANYALARINDA

BÖLÜM XXIX MULTİNOMİNAL LOJİSTİK REGRESYON ANALİZİNİN GİRİŞİMCİLİK EĞİLİMİ ÜZERİNE UYGULAMASI / Aysen ŞİMŞEK KANDEMİR /-529 BÖLÜM XXX SİNEMATOGRAFİK MEKÂNDA TOPLUMSAL SINIF OLARAK RENK: AÇLIK OYUNLARI / Gül SİPAHİ /-545

İFADESİ

BÖLÜM XXXI ÜNİVERSİTE ÖĞRENCİLERİNİN SİYASETÇİ ALGILARI ÜZERİNE BİR İNCELEME / Hüseyin ÇAVUŞOĞLU /-555 BÖLÜM XXXII HARCAMA VE UYGULAMALARIYLA OSMANLI TOPLUM ve GÜNLÜK YAŞAMI / Mustafa HATİPLER /-573 BÖLÜM XXXIII ÖRGÜTLERDE ÇATIŞMA EĞİLİMİ: İŞ STRESİNİN VE TÜKENMİŞLİK SENDROMUNUN ETKİSİ / H.Tezcan UYSAL & Sibel AYDEMİR /605 BÖLÜM XXXIV DENGELİ BAŞARI GÖSTERGESİ / Mustafa BEKMEZCİ /-623 BÖLÜM XXXV LÜKS VE İSRAFIN FÂTIMÎ VE MEMLÛK DEVLETLERİ YANSIMALARI / Hatice GÜLER /-643

IV


BÖLÜM XXXVI ORTA ÇAĞDA İPEK YOLU HÂKİMİYETİ İÇİN TÜRK YURTLARINDA YAPILAN MÜCADELELER / Yaşar BEDİRHAN /-657

GÜZEL SANATLAR ÇALIŞMALARI BÖLÜM XXXVII İMGENİN GİZEMLİ ÇOCUKLARI / F. Deniz KORKMAZ /-683 BÖLÜM XVIII ÇALGI VE SES BİRLİKTELİĞİNİN TARİHSEL SÜRECİNDE GEZGİN MÜZİSYENLER / A. Aylin CAN & Ü. Kubilay CAN /-707 BÖLÜM XXXIX 1960’LI YILLARDA TÜRK SİNEMASINDA KENT, MEKÂN VE İNSAN İLİŞKİLERİ: GURBET KUŞLARI / Ali ÖZTÜRK /-713

V


VI


ÖN SÖZ Sosyal Bilimler bünyesinde birçok bilim dalını barındıran ve dünyada her geçen gün daha çok önem kazanan bir alandır. Sosyal Bilimlerin faydalı olması ancak bünyesinde barındırdığı farklı bilim dallarının ortak çalışması ile faydalı olacaktır. Bu gerçeği gören dünyanın sayılı üniversiteleri bilimler arası çeşitli çalışmaları desteklemeye başlamışlardır. Söz konusu çalışmalardan birisi de farklı branşlardan bilim insanlarının bir araya gelerek ortak kitap yazmalarıdır. Bu kitap da, bahsi geçen gelişmelerin neticesinde ortaya çıkmıştır. Kitapta, ekonomi, iktisat, muhasebe, uluslararası ilişkiler, beşeri ve idari bilimler, güzel sanatlar alanlarından 39 yazı bulunmaktadır. Değerli yazıları ile kitabın ortaya çıkmasına katkıda bulunan yazarlara ve hakemlik yaparak yazıları kritik eden meslektaşlarımıza teşekkür ederiz.

Prof. Dr. Zafer GÖLEN Doç. Dr. Sevilay ÖZER

VII


VIII


HAKEM KURULU Prof. Dr. Abdullah SOYKAN, Balıkesir Üniversitesi, Türkiye Prof. Dr. Aleksandar KADIJEVIĆ, Belgrad Üniversitesi, Sırbistan Prof. Dr. Alena ĆATOVIĆ, Saraybosna Üniversitesi, Bosna-Hersek Prof. Dr. Ema MILKOVIĆ, Belgrad Üniversitesi, Sırbistan Prof. Dr. Issam Mustafa Abdelhadi OKLEH, Ürdün Üniversitesi, Ürdün Prof. Dr. İbrahim Ahmad Abu Argoub, Ürdün Üniversitesi, Ürdün Prof. Dr. Kenan MORTAN, EISTI, Fransa Prof. Dr. Mehmet Yavuz ERLER, Ondokuz Mayıs Üniversitesi, Türkiye Prof. Dr. Redzep SKRIJELJ, Novi Pazar Devlet Üniversitesi, Sırbistan Prof. Dr. Sabina BAKŠIĆ, Saraybosna Üniversitesi, Bosna-Hersek Prof. Dr. Serbo RASTODER, Momtenegro Üniversitesi, Karadağ Prof. Dr. Timuçin KODAMAN, Süleyman Demirel Üniversitesi, Türkiye Prof. Dr. Veli ATMACA, Mehmet Akif Ersoy Üniversitesi, Türkiye Prof. Dr. Yıldırım ATAYETER, Süleyman Demirel Üniversitesi, Türkiye Prof. Dr. Zafer GÖLEN, Mehmet Akif Ersoy Üniversitesi, Türkiye Prof. Dr. Zehra GÖRE, Necmettin Erbakan Üniversitesi, Türkiye Doç. Dr. Abidin TEMİZER, Mehmet Akif Ersoy Üniversitesi, Türkiye Doç. Dr. Barış ERDEM, Kırgızistan-Türkiye Manas Üniversitesi, Kırgızistan Doç. Dr. Fariz AHMEDOV, Azerbaycan Devlet İktisat Üniversitesi (UNEC), Azerbaycan Doç. Dr. Geray MUSAYEV, Azerbaycan Devlet İktisat Üniversitesi (UNEC), Azerbaycan Doç. Dr. Nihada DELIBEGOVIC DZANIC, Tuzla Üniversitesi, BosnaHersek Doç. Dr. Ruhi İNAN, Balıkesir Üniversitesi, Türkiye Doç. Dr. Sevilay ÖZER, Mehmet Akif Ersoy Üniversitesi, Türkiye Doç. Dr. Tohid MELİKZADE, Urmiye Azad Üniversitesi, İran Dr. Öğr. Üyesi Dmitar ATANASSOV, Bulgaristan Bilimler Akademisi, Bulgaristan Dr. Öğr. Üyesi. Eman HAYAJNEH, Ürdün Üniversitesi, Ürdün IX


Dr. Öğr. Üyesi Marijan PREMOVIC, Montenegro Üniversitesi, Karadağ Dr. Aqil MEMMEDOV, Azerbaycan Devlet İktisat Üniversitesi (UNEC), Azerbaycan Dr. Hasan BELLO, Arnavutluk Tarih Kurumu, Arnavutluk Dr. Nurhoca AKBULAYEV, Azerbaycan Devlet İktisat Üniversitesi (UNEC), Azerbaycan Dr. Oqtay GULIYEV, Azerbaycan Devlet İktisat Üniversitesi (UNEC), Azerbaycan Dr. Şahin EKBEROV, Azerbaycan Devlet İktisat Üniversitesi (UNEC), Azerbaycan

X


SOSYAL, BEŞERİ VE İDARİ BİLİMLERDE AKADEMİK ÇALIŞMALAR-2019

Editörler Prof. Dr. Zafer GÖLEN Doç. Dr. Sevilay ÖZER

Cetinje 2019


Editörler Prof. Dr. Zafer GÖLEN Doç. Dr. Sevilay ÖZER

Birinci Baskı •© Şubat 2019 /Cetinje-Montenegro

ISBN •

© copyright All Rights Reserved / Tüm hakları saklıdır

Ivpe web: www.ivpe.me Tel. +382 41 234 709 e-mail: office@ivpe.me

Print Ivpe Cetinje, Montenegro


TÜRKİYE VE AVRUPA BİRLİĞİ (AB) ÜLKELERİNDE EKONOMİK BÜYÜME, AR-GE VE İNOVASYON İLİŞKİSİ: YENİ NESİL PANEL VERİ ANALİZİ Relationship between Economic Growth, R&D and Innovation in Turkey and EU Countries: New Generation Panel Data Analysis Hüseyin USLU1 Giriş 20. yüzyılın ikinci yarısında başlayan küreselleşme eğilimi, gelişen teknolojinin sağladığı hızlı ve güvenilir iletişim, ulaşım ve ödeme olanakları sayesinde 21. yüzyılda artık ekonomik ve sosyal hayatın yadsınamaz bir gerçeğine dönüşmüştür. Özellikle internet erişiminin yaygınlaşması ile birlikte hız kazanan elektronik ticaret (e-ticaret), günümüzde hacmi hızla artan bir sektör haline gelmiştir. Bu sayede dünyanın herhangi bir noktasında gerçekleştirilen üretime, dünyanın çok farklı noktalarından erişim kolaylaşmış/olanaklı hale gelmiş olup, bu durum, kalite ve fiyat rekabetini de beraberinde getirmiştir. Firmalar dış ticarette artan rekabet ortamında, ürün çeşitliliği, kalite, maliyet, geniş pazarlama ağı ve satış sonrası hizmetler alanında önemli mesafeler almışlardır. Küreselleşme ve ürünlere erişim kolaylığı, aynı zamanda ürün yaşam sürelerini de kısaltmış, firmaları sürekli yeni ürünler ve bu ürünlere ait yeni modeller geliştirmeye mecbur bırakmıştır. Bu durum, firmaları sürekli olarak Araştırma ve Geliştirme (Ar&Ge) ve inovasyon (yenilik) faaliyetlerinde bulunmaya zorlamaktadır. Schumpeter’in (1939, 1941) ifadesiyle bu süreç, “Yaratıcı yıkımı” da beraberinde getirmekte, yenilik faaliyetlerine gerektiği kadar önem vermeyen firmalar zaman içinde piyasadan silinmekte, yerlerine daha verimli çalışan yeni firmalar geçmektedir. Böylece ekonomide kaynak dağılım etkinliği de sağlanmaktadır (Güloğlu ve Tekin, 2012). Ülkeler bu küresel rekabet ortamında firmalarına dış ticarette ek rekabet gücü kazandırabilmek için rekabetçi kur politikaları geliştirmekte, eğitim ve sağlık alanlarında yaptıkları çalışmalarla ülkelerinin beşeri sermayesini yükseltmeye çalışmakta, kamu ya da özel sektör eliyle yapılacak Ar&Ge 1

Erciyes Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İktisat Bölümü. e-mail: h.uslu80@hotmail.com. ORCİD ID: 0000-0002-2642-1175

71


ve inovasyon çalışmalarına daha fazla kaynak aktarabilmektedirler. Türkiye de bu alanda sürekli kendine hedefler koymakta, ama maalesef çoğunlukla bunlara ulaşamamaktadır. Örneğin; 2010 yılında yayınlanan 2023 Vizyonu Programında, o dönemde %1’in altında olan Ar&Ge harcamalarının Gayrı Safi yurtiçi Hâsıla (GSYH) içindeki payının 2015’te %2’ye, 2023’te %3’ün üzerine çıkartılması planlanmış olsa da 2018 sonu itibariyle bu oran hala %1’lerdedir. 2004 yılına kadar 15 ülkeden oluşan Avrupa Birliği (AB), 2004’te Macaristan, Polonya, Çek Cumhuriyeti, Slovakya, Slovenya, Letonya, Litvanya, Estonya, Malta, Güney Kıbrıs Rum Yönetimi’nin, 2007’de Romanya ve Bulgaristan’ın ve son olarak 2013’te Hırvatistan’ın katılımıyla 28 üyeye ulaşmıştır. AB için en önemli sorunlardan biri; yeni katılan bu ülkelerin Birliğe uyumunu sağlayabilmektir. Bunun için ülkeler arasındaki teknolojik ve gelişmişlik farkları azaltılmaya, ekonomik ve siyasi işleyişler uyumlaştırılmaya çalışılmaktadır. Türkiye, Arnavutluk, Karadağ, Makedonya ve Sırbistan ise AB’ye üyelik müzakereleri devam eden aday ülkelerdir. AB, üyelerinden ve aday ülkelerden, birçok konuda kendilerini yenilemelerini ve Birliğin gelişmiş ülkelerine yakınsamalarını istemekte/beklemektedir. Bu konuda pek çok projeler geliştirilmekte, destekler verilmektedir. Bu noktada ülkelerin gerçekleştirecekleri Ar&Ge ve inovasyon çalışmaları büyük önem taşımaktadır. Bu çalışmada ekonomik büyüme, Ar&Ge ve inovasyon arasındaki ilişkiler, 28 Avrupa Birliği (AB) ülkesi ve Türkiye’nin 1996-2017 dönemi verileri kullanılarak, yeni nesil panel veri analiziyle incelenmiştir. Ülkeler arasında yatay kesit bağımlılığının varlığı; LM, LMS, CD ve LMBC testleriyle sınanmış ve AB ülkeleri ve Türkiye arasında yatay kesit bağımlılığının olduğu görülmüştür. Serilerin durağanlığı; CADF panel birim kök testiyle sınanmış ve serilerin I(1) oldukları tespit edilmiştir. Seriler arasında eşbütünleşme ilişkisinin varlığı; ECM panel eşbütünleşme testiyle incelenmiş ve modellerde yer alan serilerin eşbütünleşik oldukları belirlenmiştir. Regresyon analizleri CCE yöntemiyle gerçekleştirilmiş, reel milli geliri; reel Ar&Ge harcamalarındaki %1’lik artışın %0.14, inovasyondaki %1’lik artışın %0.05 oranında artırmış olduğu, reel GSYH’deki %1’lik artışın reel Ar&Ge harcamalarını %1.75 oranında artırdığı belirlenmiştir. Seriler arasında nedensellik ilişkilerinin varlığı; Dumitrescu ve Hurlin (2012) panel nedensellik testiyle sınanmış; Ar&Ge ve inovasyondan ekonomik büyümeye doğru bir nedensellik ilişkisi tespit edilemezken, ekonomik büyümeden Ar&Ge ve inovasyona ve Ar&Ge’den inovasyona doğru tek yönlü nedensellik ilişkileri bulunmuştur. Çalışmanın, incelenen konu, kullanılan veri seti ve analiz yöntemleri itibariyle literatüre ve ülke ekonomisine bir katkı sağlaması beklenmektedir. Ayrıca bu çalışmadan elde edilen bulgular, diğer

72


gelişmekte olan ülke ekonomileri için de önemli politika önerileri içermektedir. 1. Teorik Çerçeve Zenginleşmek, daha fazla kazanmak ve bu yolla refahını artırmak, Alfred Marshall’ın homo economicus (faydasını, çıkarlarını artırmaya çalışan canlılar) olarak tanımladığı insanoğlunun tarih boyunca en temel arzularından biri olmuştur (Uslu, 2018a). Bu konudaki başarılar firmaları ve ülkeleri daha üst sıralara taşırken, siyasetçilere de oy kazandırmaktadır. Ekonomistler bu süreçte firmalara, politika yapıcılarına ve hanehalkına yönelik çok sayıda teori geliştirmiş, yol göstermeye çalışmışlardır. David Hume, 1752’de yayımlanan ve modern makroekonominin başlangıcı olarak kabul edilen Ticaret Dengesi Üzerine kitabında; dış ticaretin ülke ekonomileri için önemine vurgu yaparken, Adam Smith (1776)’da yayımlanan Milletlerin Zenginliği adlı eserinde; iş bölümü ve uzmanlaşma ile üretimin artırılmasının, serbest dış ticaretle de fazla gelen üretimin değerlendirilmesinin, hem ülke içinde, hem de ülkelerin bir bütün olarak daha hızlı zenginleşmesinin en önemli yolu olduğunu açıklamıştır. 1750-1776 döneminde etkili olan Fizyokrat ekonomistler; ekonomik büyümenin tarımsal üretimle gerçekleşeceğini iddia etmişlerse de 1800’lü yılların başından itibaren, buhar gücünün üretim ve ulaşımda kullanılmasıyla başlayan Sanayi Devrimi, ülkelerin ekonomik büyümelerinde kitlesel (seri) üretimin yerini ve önemini ortaya koymuştur (Tunalı ve Erbelet, 2017). Jean Baptiste Say (1767-1832), “her arz kendi talebini yaratır” diyerek ekonomide önemli olanın üretim olduğunu öne sürse de Joseph Alois Schumpeter (1883-1950), “Yaratıcı Yıkım” teorisinde; önemli olanın sadece üretmek değil, kaliteli ve yeni olanı üretmek olduğunu, bunun için de firmaların kendilerini sürekli yenilemelerinin gerektiğini, bunu yapmayan firmaların, yenilikçi firmalar karşısında rekabet edemeyerek sektörden çekilmek zorunda kalacağını dile getirmiştir. Ekonomistler aynı zamanda ekonomik büyümenin kaynaklarını da açıklamaya çalışmışlar, bu konuda teoriler, öneriler geliştirmişlerdir. Harrod (1937, 1939) ve Domar (1946, 1947) çalışmalarıyla şekillenen Post-Keynesyen Büyüme Modeline göre; ekonomik büyümenin asıl kaynağı sanayi üretimidir. Bunun için ülkedeki sabit sermaye stokunun (Fabrika binaları, makine, teçhizat, alt yapı tesisleri, vb.) artması gerekmektedir. Harrod-Domar bunun için ülkelerdeki tasarrufların artırılmasının gerektiğini öne sürmüştür (Kutlu ve Horvath, 2017). Oysa Tasarruf Paradoksunda da ifade edildiği üzere; insanların gelirleri artmaksızın gerçekleşecek tasarruf artırma eğilimi, ülkelerin milli gelirini azaltacaktır. Keynes (1937) bunu; “Bir kişinin daha fazla tasarruf yapması kişinin zenginleşmesine, tüm bireylerin daha fazla tasarruf yapmaları ise 73


toplumun daha az mal Ăźretmesine ve fakirleĹ&#x;mesine yol açarâ€? diyerek dile getirmiĹ&#x;tir. Rosenstein-Rodan (1943), geliĹ&#x;tirdiÄ&#x;i BĂźyĂźk Ä°tiĹ&#x; Teorisinde, geri kalmÄąĹ&#x; Ăźlkelerin kendi iç dinamikleriyle ekonomik bĂźyĂźmelerini hÄązlandÄąramayacaklarÄąnÄą, ekonomik bĂźyĂźmelerini hÄązlandÄąrabilmek için gerekli nitelikli iĹ&#x;gĂźcĂź ve sermaye stokuna sahip olmadÄąklarÄąnÄą, bu tĂźr Ăźlkelerde ekonomik bĂźyĂźmenin ancak bĂźyĂźk miktardaki uluslararasÄą yardÄąmlar veya borçlanmayla mĂźmkĂźn olabileceÄ&#x;ini ifade etmiĹ&#x;tir (Demir, 2013). Solow (1956) ve Swan (1956) tarafÄąndan geliĹ&#x;tirilen Neo-Klasik BĂźyĂźme Modelinde ekonomik bĂźyĂźme; sermaye stoku (K) ve iĹ&#x;gĂźcĂź (L)’nĂźn bir fonksiyonu olarak ifade edilmiĹ&#x;tir. Neo-Klasik BĂźyĂźme Modelinde reel milli gelir (Y), bir Cobb-Douglass Ăźretim fonksiyonu yardÄąmÄąyla açĹklanmaktadÄąr (Durusu-Çiftçi, 2015; Uslu, 2018b: 101): đ?‘Œ = đ??´đ??žđ?›˝ đ??żđ?›ź

(1)

Bu eĹ&#x;itlikte đ??´: ekonomik bĂźyĂźmeyi etkileyen teknoloji ve diÄ&#x;er dÄąĹ&#x;sal faktĂśrleri, đ?›˝: milli gelirin, sermayeye olan duyarlÄąlÄąÄ&#x;ÄąnÄą ve đ?›ź: Ăźretimin, iĹ&#x;gĂźcĂźne olan duyarlÄąlÄąÄ&#x;ÄąnÄą ifade etmektedir. Solow-Swan (1956), ĂślçeÄ&#x;e gĂśre sabit getiri varsayÄąmÄą altÄąnda (đ?›˝ + đ?›ź = 1), Denklem (1)’i tekrar dĂźzenlediklerinde; đ?‘Œ = đ??´đ??žđ?›˝ đ??ż1−đ?›˝

(2)

đ?›˝ 1 −đ?›˝

đ?‘Œ = đ??´đ??ž đ??ż đ??ż

(3)

haline getirmiĹ&#x;lerdir. Denklem (3)’ßn her iki tarafÄą L’ye bĂślĂźndĂźÄ&#x;Ăźnde; đ?‘Œ đ??ž đ?›˝ = đ??´( ) đ??ż đ??ż

(4)

đ?‘Ś = đ??´đ?‘˜đ?›˝

(5)

haline gelmektedir. ArtÄąk Solow-Swan (1956) Neo-Klasik bĂźyĂźme modelinde iĹ&#x;gĂźcĂź baĹ&#x;Äąna çĹktÄą (đ?‘Ś), iĹ&#x;gĂźcĂź baĹ&#x;Äąna dĂźĹ&#x;en sabit sermaye stokunun (đ?‘˜) bir fonksiyonu haline gelmektedir. Bu modele gĂśre ekonomik bĂźyĂźmenin artÄąrÄąlabilmesi için iĹ&#x;gĂźcĂź baĹ&#x;Äąna dĂźĹ&#x;en sermaye stokunun artÄąrÄąlmasÄą gerekmektedir. Ancak Ăźlkelerin sermaye stokunu sonsuza kadar artÄąrmak mĂźmkĂźn olmadÄąÄ&#x;Äą ve artÄąrÄąlabilse bile sermayenin azalan 74


verimleri yasasÄą gereÄ&#x;i, sÄąnÄąrlÄą ekonomik bĂźyĂźme sĂśz konusudur. Bu teori; ekonomilerin sonsuza kadar bĂźyĂźmeye devam edemeyeceÄ&#x;ini, bir noktadan sonra duraÄ&#x;an durum dengesine eriĹ&#x;eceÄ&#x;ini ve bĂźyĂźmenin duracaÄ&#x;ÄąnÄą Ăśne sĂźrmektedir (YardÄąmcÄą, 2006). Solow – Swan (1956), bĂźyĂźme modelinde teknoloji tamamen dÄąĹ&#x;sal kabul edildiÄ&#x;i için bu modele DÄąĹ&#x;sal BĂźyĂźme Modeli adÄą da verilmektedir. Oysa teknoloji gĂśz ardÄą edilerek ekonomik bĂźyĂźmenin tam olarak anlaĹ&#x;ÄąlmasÄą ve açĹklanmasÄą olanaklÄą deÄ&#x;ildir. Romer (1986) ve Lucas (1988), bu sorunu aĹ&#x;abilmek için teknolojiyi iĹ&#x;gĂźcĂźnĂźn niteliÄ&#x;i Ăźzerinden bĂźyĂźme modeline dâhil ederek, İçsel BĂźyĂźme Modelini geliĹ&#x;tirmiĹ&#x;tir. Bu modele gĂśre; artan teknolojik ilerleme, iĹ&#x;gĂźcĂźnĂźn ĂźretkenliÄ&#x;ini artÄąrarak, beĹ&#x;eri sermayeyi (Human Capital: H), o da ekonomik bĂźyĂźmeyi sonsuza kadar artÄąracaktÄąr. BeĹ&#x;eri sermaye; iĹ&#x;gĂźcĂźnĂźn niteliklerini geliĹ&#x;tirmeye yĂśnelik eÄ&#x;itim ve saÄ&#x;lÄąk harcamalarÄą, iĹ&#x;gĂźcĂźne saÄ&#x;lanan staj olanaklarÄą (deneyim, know-how; iĹ&#x; yapma bilgisi), Ar&Ge ve inovasyon çalÄąĹ&#x;malarÄąna verilen Ăśnemin bir toplamÄąnÄą ifade etmektedir. İçsel BĂźyĂźme Modeli de bir Cobb-Douglass Ăźretim fonksiyonunu temel almaktadÄąr (GĂźvel, 2011: 106): đ?‘Œ = đ??ž đ?›ź đ??ťđ?›˝

(3)

Burada đ?‘Œ; reel Ăźretim miktarÄąnÄą (çĹktÄą), đ??ť; saÄ&#x;lÄąk, eÄ&#x;itim, tecrĂźbe ve yĂźksek teknolojili cihazlarla donatÄąlmÄąĹ&#x; iĹ&#x;gĂźcĂźnĂź (beĹ&#x;eri sermayeyi) ifade etmektedir. İçsel bĂźyĂźme modelinde, artan beĹ&#x;eri sermaye ve teknoloji dĂźzeyindeki iyileĹ&#x;melere baÄ&#x;lÄą olarak, ekonomik bĂźyĂźmenin sonsuza kadar devam edeceÄ&#x;i ĂśngĂśrĂźlmektedir (GĂźlmez ve Akpolat, 2014). 2. Avrupa BirliÄ&#x;i (AB) Ăœlkelerinde ve TĂźrkiye’de Ekonomik BĂźyĂźme, Ar&Ge ve Ä°novasyon 1957’Almanya, Belçika, Hollanda, Fransa, Ä°talya ve LĂźksemburg arasÄąnda iĹ&#x;gĂźcĂź, mal ve hizmetlerin Ăźye Ăźlkeler arasÄąnda serbest dolaĹ&#x;ÄąmÄą amacÄąyla kurulan Avrupa Ekonomik TopluluÄ&#x;u’na 1973’te Ä°ngiltere, Danimarka ve Ä°rlanda, 1981’de Yunanistan, 1986’da Ä°spanya ve Portekiz kabul edilmiĹ&#x;tir. 9-10 AralÄąk 1991'de Maastricht'te yapÄąlan toplantÄą sonucunda; topluluÄ&#x;un adÄą Avrupa BirliÄ&#x;i olarak deÄ&#x;iĹ&#x;tirilmiĹ&#x; ve sadece ekonomik bir birlik olmaktan çĹkarÄąlÄąp, parasal alanda, ortak dÄąĹ&#x; politika, gĂźvenlik politikalarÄą, adalet ve içiĹ&#x;lerinde iĹ&#x;birliÄ&#x;ine gidilmesi karar baÄ&#x;lanmÄąĹ&#x;tÄąr (Karluk ve Tonus, 1998). Maastricht AnlaĹ&#x;masÄą, 1 KasÄąm 1993’te yĂźrĂźrlĂźÄ&#x;e girmiĹ&#x;, seçili Ăźlkeler arasÄąnda 1999’da ortak para birimi (Euro)2 kullanÄąmÄą baĹ&#x;lamÄąĹ&#x;tÄąr. 1995 yÄąlÄąna kadar 12 Ăźlke ile gelen AB, bu 2

GĂźnĂźmĂźzde ortak para birliÄ&#x;ine (Eurozone) dahil 19 Ăźlke bulunmaktadÄąr (Ela, 2018).

75


tarihte Avusturya, Finlandiya ve İsveç’in de katılımıyla 15 ülkeye ulaşmıştır3. 2004 yılında Macaristan, Polonya, Çek Cumhuriyeti, Slovakya, Slovenya, Letonya, Litvanya, Estonya, Malta, Güney Kıbrıs Rum Yönetimi’nin, 2007’de Romanya ve Bulgaristan’ın ve son olarak 2013’te Hırvatistan’ın katılımıyla 28 üyeye ulaşmıştır (AB Bakanlığı, 2013). Türkiye 31 Temmuz 1959’da Avrupa Ekonomik Topluluğu’na (AET) ortaklık için başvuruda bulunmuş, 12 Eylül 1963’te AET ile Ankara Anlaşmasını imzalamıştır. Aralık 1964’te yürürlüğe giren bu antlaşma, bir üyelik anlaşması değil, ortaklık antlaşmasıdır. Yani Türkiye ile AET arasında tam üyelik için gerekli hazırlık çalışmalarının yürütülmesi ve ileride bir gümrük birliği kurulmasını öngören bir antlaşmadır. Bu antlaşma ile Türkiye AET’ye “ortak üye” olmuştur. Yine bu antlaşmaya göre Türkiye’nin AET’ye tam üyeliği; hazırlık aşaması, geçiş aşaması ve gümrük birliği aşaması şeklinde üç kademeye ayrılmıştır. AET ile Türkiye arasında kurulması planlanan gümrük birliğine ilişkin katma protokol 23 Kasım 1970’te imzalanmış, 1 Ocak 1973’te yürürlüğe girmiştir. AET’ye tam üyelik yolunda 1978 yılına kadar belirli mesafeler alınmış olsa da Türkiye yaşamakta olduğu ekonomik sıkıntılar nedeniyle, 9 Ekim 1978'de Katma Protokolden kaynaklanan yükümlülüklerini süresiz olarak askıya aldığını duyurmuştur. 12 Eylül 1980 askeri darbesi sonrası ülkede yaşanan insan hakları ihlalleri nedeniyle AET, 22 Ocak 1982’de Türkiye’ye yapılan mali yardımları durdurmuştur (Tezcan ve Aras, 2016). 16 Eylül 1986’da tekrar hızlandırılan AET’ye üyelik işlemleri, Mart 1995’te imzalanıp, 1 Ocak 1996’da yürürlüğe giren Gümrük Birliği Antlaşması ile yeni bir boyut kazanmıştır. Aralık 2004’te Brüksel’de düzenlenen AB zirvesinde Türkiye'nin AB’ye girebilmek için gerekli siyasi kriterleri büyük ölçüde yerine getirdiği teyit edilmiş ve Birliğe katılım müzakerelerinin 3 Ekim 2005 tarihinde başlanmasına karar verilmiştir. Günümüzde hala Türkiye’nin AB’ye tam üyelik müzakereleri devam etmektedir (AB Bakanlığı, 2018). AB ülkeleri ve Türkiye’nin 2017 yılsonu itibariyle temel makroekonomik verileri Tablo 1’de yer almaktadır.

3

Bu ülkeler aynı zamanda AB’nin en köklü ve büyük ülkeleri de olup, literatürde AB15 şeklinde ifade edilmektedirler (Tezcan ve Aras, 2016; Yıldız, 2018; Çakmak ve Yıldız, 2018).

76


Tablo 1: AB Ülkeleri ve Türkiye’nin Temel Makroekonomik Verileri (2017) Ülke

Nüfus

GSYH (Milyar Dolar)

KBGSYH (Dolar)

Büyüme Patent Patent Toplam Ar&Ge / (%) (Yerli) (Yabancı) Patent GSYH (%)

Avusturya 8.8 417 47291 3.0 2178 238 Belçika 11.4 493 43324 1.7 1104 129 Bulgaristan 7.1 57 8032 3.6 250 11 Hırvatistan 4.1 55 13295 2.8 181 15 Kıbrıs 1.2 22 25234 3.9 5 1 Çek Cumh. 10.6 216 20368 4.3 892 37 Danimarka 5.8 325 56308 2.2 1642 326 Estonya 1.3 26 19705 4.9 28 1 Finlandiya 5.5 252 45703 2.6 1231 89 Fransa 67.1 2583 38477 1.8 14106 2112 Almanya 82.7 3677 44470 2.2 49576 19329 Yunanistan 10.8 200 18613 1.4 662 57 Macaristan 9.8 139 14225 4.0 663 34 İrlanda 4.8 334 69331 7.8 252 115 İtalya 60.6 1935 31953 1.5 8995 1002 Letonya 1.9 30 15594 4.5 125 22 Litvanya 2.8 47 16681 3.8 115 48 Lüksemburg 0.6 62 104103 2.3 158 311 Malta 0.5 13 26946 6.4 8 1 Hollanda 17.1 826 48223 3.2 2373 341 Polonya 38.0 525 13812 4.6 4361 131 Portekiz 10.3 218 21136 2.7 824 34 Romanya 19.6 212 10814 6.9 1035 38 Slovakya 5.4 96 17605 3.4 212 2 Slovenya 2.1 49 23597 5.0 500 5 İspanya 46.6 1311 28157 3.1 2691 133 İsveç 10.1 538 53442 2.3 2026 314 İngiltere 66.0 2622 39720 1.8 12885 8432 Türkiye 80.7 851 10541 7.4 6330 747 Kaynak: World Bank (2018a, 2018b, 2018d, 2018e, 2018g, 2018h, 2018i).

2416 1233 261 196 6 929 1968 29 1320 16218 68905 719 697 367 9997 147 163 469 9 2714 4492 858 1073 214 505 2824 2340 21317 7077

3.1 2.4 1.0 0.9 0.5 2.0 3.0 1.5 2.9 2.2 2.9 0.9 1.4 1.5 1.4 0.6 1.1 1.3 0.8 2.0 1.0 1.3 0.5 1.3 2.6 1.3 3.5 1.7 1.1

Tablo 1’deki verilere göre AB ülkeleri arasında nüfusu en fazla olan ülkeler; Almanya, Fransa, İngiltere ve İtalya’dır. Türkiye, AB’ye girdiğinde, nüfusu en kalabalık ikinci ülke olacaktır. 2017 yılı milli gelirlerine bakıldığında; Almanya 3.67 trilyon Dolar ile ilk sırada yer almakta, onu 2.62 tirlyon Dolar ile İngiltere, 2.58 trilyon Dolar ile Fransa ve 1.93 trilyon Dolar ile İtalya takip etmektedir. Türkiye’nin 2017 yılı GSYH’si 851 milyar Dolardır. Kişi başına düşen milli gelir noktasında; Lüksemburg 104 bin Dolar ile ilk sırada yer almakta, onu 69 bin Dolar ile İrlanda, 56 bin Dolar ile Danimarka ve 53 bin Dolar ile İsveç takip etmektedir. 2017 yılında ekonomik büyümesi en yüksek olan ülkeler; 77


İrlanda (%7.8), Türkiye (%7.4) ve Romanya’dır (%6.9). Bu çalışmada inovasyon, patent başvuru sayısıyla ölçülmüş olup, Almanya yaklaşık 69 bin ile ilk sırada yer almakta, onu 21 bin ile İngiltere, 16 bin ile Fransa ve 10 bin ile İtalya takip etmektedir. Milli gelirden Ar&Ge harcamalarına ayrılan paylara bakıldığında; İsveç’in %3.5 ile ilk sırada yer aldığı, onu %3.1 ile Avusturya, %3 ile Danimarka ve %2.9 ile Finlandiya ve Almanya’nın takip ettiği görülmektedir. Bu oran Türkiye’de sadece %1.1’dir. 3. Literatür Özeti Ar&Ge ve inovasyonun ekonomik büyümeye etkilerinin incelendiği çalışmalara, tarih sırasına göre bakıldığında; Bilbao-Osorio ve RodriguezPose (2004), Ar&Ge ve inovasyonun ekonomik büyüme üzerindeki etkilerini AB ülkelerinin 1990-2000 dönemi verilerini kullanarak Panel EKK yöntemiyle analiz etmiş ve inovasyondaki artışların ekonomik büyüme üzerindeki etkilerinin, beklenilenin aksine negatif veya istatistiksel olarak anlamsız olduğunu, milli gelirdeki ve özel sektör Ar&Ge harcamalarındaki artışların AB ülkelerinde inovasyonu pozitif etkilediğini, ancak kamu tarafından yapılan Ar&Ge harcamalarının inovasyonu negatif etkilediğini belirlemiştir. Güloğlu ve Tekin (2012), yüksek gelirli OECD ülkelerinde Ar&Ge harcamaları, inovasyon ve ekonomik büyüme arasındaki ilişkileri, 19912007 verileriyle GMM ve Panel VAR yöntemleriyle incelediği çalışmada; Ar&Ge harcamalarının, inovasyonun nedenseli olduğunu, inovasyonun da ekonomik büyümeyi arttırdığını tespit etmiştir. Göçer (2013) gelişmekte olan 11 Asya ülkesinin 1996-2012 dönemi verilerini kullanarak, yeni nesil panel veri analizi yöntemleriyle yaptığı analizde; Ar&Ge harcamalarındaki artışın, yüksek teknolojili ürün ihracatını ve ekonomik büyümeyi pozitif etkilediğini belirlemiştir. Blanco ve Prieger (2013), Ar&Ge harcamalarının ekonomik büyüme ve verimlilik artışına olan etkilerini, ABD’nin eyaletlerine ait 1963-2007 dönemi verilerini kullanarak Panel ARDL yöntemiyle analiz etmiş ve Ar&Ge harcamalarındaki artışların ekonomik büyümeyi ve verimlilik artışını pozitif ve istatistiksel olarak anlamlı büyüklükte etkilediğini tespit etmiştir. Petrariu, Bumbac ve Ciobanu (2013), inovasyonun, ülkelere dış ticarette rekabet gücü ve ekonomik büyüme sağlayıp sağlayamadığını, gelişmekte olan Doğu Avrupa Ülkeleri’nin 1996-2010 dönemi verilerini kullanarak, korelasyon matrisi yöntemiyle araştırmış ve inovasyondaki

78


artışların, bu ülkelerin ekonomik büyümelerini azaltıcı yönde etkisinin olduğunu tespit etmiştir4. Gülmez ve Akpolat (2014), Ar&Ge harcamaları ve inovasyonun ekonomik büyümeye etkilerini, AB15 ülkeleri ve Türkiye’nin 2000-2010 dönemi verilerini kullanarak, GMM yöntemiyle analiz etmiş ve kişi başına düşen milli geliri; Ar&Ge harcamalarındaki %1’lik artışın %0.327, inovasyondaki %1’lik artışın ise %0.077 artırdığını belirlemiştir. Bozkurt (2015), Ar&Ge harcamaları ile ekonomik büyüme arasındaki ilişkileri, Türkiye'nin 1996-2012 dönemi verilerini kullanarak, Johansen (1988) eşbütünleşme testi ve VEC yöntemiyle analiz etmiş, Ar&Ge harcamalarındaki artışların ekonomik büyümeyi, ekonomik büyümedeki artışların da Ar&Ge harcamalarını olumlu yönde etkilediğini tespit etmiştir. Dam ve Yıldız (2016) BRICS-TM ülkelerinde 2000-2012 dönemi için iki yönlü rassal etkiler modeliyle yaptığı panel veri analizinde, Ar&Ge ve inovasyonun, ekonomik büyümeyi pozitif etkilediğini belirlemiştir. Sungur, Aydın ve Eren (2016), Ar&Ge, inovasyon, ihracat ve ekonomik büyüme arasındaki asimetrik ilişkileri, Türkiye’nin 1990-2013 dönemi verilerini kullanarak, Hatemi-J yöntemiyle analiz etmiş ve inovasyondan büyümeye, ihracattan Ar&Ge çalışmalarına, inovasyondan ihracata ve Ar&Ge alanında çalışan sayısından ihracata doğru nedensellik ilişkileri tespit etmiştir. Çakmak ve Yıldız (2018), inovasyonun ihracat üzerindeki etkilerini, Türkiye ve AB15 ülkelerinin 1998-2013 dönemi verilerini kullanarak, Panel ARDL yöntemiyle araştırmış ve inovasyonun, genel ihracatı değil, sadece yüksek teknolojili ürün ihracatını anlamlı düzeyde etkilediğini belirlemiştir. Yıldız (2018), inovasyonun ekonomik büyüme üzerindeki etkilerini, Türkiye ve AB15 ülkelerinin 1998-2013 dönemi verilerini kullanarak, Panel ARDL yöntemiyle araştırmış, inovasyon ve yatırımların ekonomik büyümeyi pozitif ve istatistiksel olarak anlamlı düzeyde etkilediğini tespit etmiştir. Polat (2018), gelişmekte olan Asya ülkelerinde Ar&Ge ve inovasyonun ihracata olan etkilerini, 1996-2016 dönemi için yeni nesil panel veri analizi ile incelemiş ve Ar&Ge harcamalarındaki %1’lik artışın, ihracatı %0.20 oranında artırdığını ortaya koymuştur. Sesay, Yulin ve Wang (2018), BRICS ülkelerinde inovasyonun ekonomik büyüme üzerindeki etkilerini, 2000:Q1-2013:Q4 dönemi için 4

Aslında bu sonuçlar, inovasyonun sadece patent sayısı ile temsil edilmesinden de kaynaklanmış olabilir. Bunun yerine daha gerçekçi göstergelere ihtiyaç duyulmaktadır.

79


sabit etkiler model yardımıyla araştırmış ve patent sayısındaki %10’luk artışın bu ülkelerde ekonomik büyümeyi %0.15 artırdığını tespit etmiştir. Literatürde yer alan çalışmaların genellikle Ar&Ge ve inovasyondan ekonomik büyümeye doğru olan etkileri incelemeye odaklandığı görülmüş olup, bu çalışmada Ar&Ge, inovasyon ve ekonomik büyüme arasındaki ilişkiler eşanlı olarak incelenerek, literatürdeki bir boşluk doldurulmaya çalışılmıştır. 4. Ekonometrik Analiz 4.1. Veri Seti Bu çalışmada ekonomik büyüme, Ar&Ge ve inovasyon arasındaki ilişkileri tespit edebilmek üzere; 28 AB ülkesi ve Türkiye’nin 1996-2017 dönemi verileri kullanılmıştır. Ar&Ge verileri (ARGE) World Bank (2018a)’dan GSYH’ye oran olarak alınmış, World Bank (2018b)’den alınan cari GSYH verileriyle çarpılarak düzey değerleri haline getirilmiş, World Bank (2018c)’den alınan Tüketici Fiyat Endeksi (2010=100) verileri kullanılarak reel hale getirilmiştir. İnovasyon verisi (INV) olarak, literatürdeki Güloğlu, Tekin ve Sarıdoğan (2012); Güloğlu ve Tekin (2012); Göçer (2013); Dam ve Yıldız (2016) çalışmaları temel alınarak, ülkelerde yapılan patent başvuru sayısı verileri kullanılmıştır. Bu veri; World Bank (2018d)’den alınan yerli patent başvuru sayısı ile World Bank (2018e)’den alınan yabancı patent başvuru sayısının toplamıyla elde edilmiştir. Ekonomik büyüme (GSYH); Reel GSYH (2010 yılı sabit fiyatlarıyla) ile temsil edilmiş olup, bu veriler World Bank (2018f)’den alınmıştır. Bütün verilerin doğal logaritmaları alınarak analizlerde kullanılmıştır5. Ayrıca bütün ekonomileri önemli ölçüde etkilemiş olan 2008 küresel ekonomik krizinin etkileri de kukla değişken (K 2008) ile analizlere dâhil edilmiştir. Kukla değişken oluşturulurken; krizin başladığı 2008 yılına ve etkilerinin en yoğun yaşandığı 2009 yılına 1, diğer yıllara 0 değerleri verilmiştir6. 4.1.1. Tanımlayıcı İstatistikler Veri setine ait tanımlayıcı istatistikler Tablo 2’de yer almaktadır.

Verilerin logaritmalarının alınması; analiz sonucunda değişen varyans sorunu ile karşılaşılma riskini azaltır ve bulguları % olarak yorumlama imkânı sağlar (Göçer, 2016: 92; 142). Bu nedenle tercih edilmiştir. 6 Örneğin; 2008 küresel ekonomik krizi nedeniyle Türkiye ekonomisi 2008 yılının son çeyreğinden başlayarak, 2009 yılının üçüncü çeyreği dâhil küçülmüş, 2009 yılı son çeyreğinde tekrar büyümeye başlamıştır. Dolayısıyla kriz Türkiye ekonomisini en yoğun olarak 2008 ve 2009 yıllarında etkilemiştir. Benzer durum AB ülkeleri için de geçerlidir. AB ülkelerinde 2011 yılında yaşanan sorunlar ise 2008 krizinden çok, bu ülkelerin kendi borçluluk düzeylerindeki artışla ilgilidir. 2011’de Yunanistan’ın dış borçlarının milli gelirine oranı %177’yi aşmış, borçlar çevrilemez hale gelmiş, pek çok ekonomik kısıntılar yapılmış ve Yunan ekonomisi 2011’de %9.1 küçülmüştür (World Bank, 2018h). 5

80


Tablo 2: Veri Setine Ait Tanımlayıcı İstatistikler LnGSYH 26.00 26.15 28.98 22.48 1.61 -0.03 2.16 18.94 0.00 16585.4 1643.98 638

Ortalama Ortanca En Çok En Az Standart Sapma Çarpıklık Basıklık Jarque-Bera Olasılık Toplam Standart Sapmaların Kareleri Toplamı Gözlem Sayısı

LnARGE 21.28 21.30 25.45 15.67 2.15 -0.22 2.32 17.40 0.00 13575.41 2947.04 638

LnINV 6.96 6.94 11.14 1.10 1.88 -0.14 3.15 2.62 0.27 4437.913 2253.63 638

Tablo 2’deki verilere göre; paneli oluşturan ülkelere ait veriler arasında çok büyük farklılıklar bulunmamaktadır7. Bu durum, yapılacak analizler sonucunda değişen varyans sorunu ile karşılaşılma riskini azaltacaktır. Analiz için kullanılacak gözlem sayısının (638)’da yeterli olduğu görülmektedir. 4.1.2. Korelasyon Analizi Korelasyon, serilerin birlikte hareket etme eğilimlerinin bir göstergesi olup, korelasyon katsayısı (-1, +1) aralığında değerler almaktadır. Korelasyon katsayısının -1 veya +1’e yaklaşması, değişkenler arasındaki ilişkinin güçlü olduğunu gösterir. Korelasyon katsayısının işareti ise değişkenler arasındaki ilişkinin yönü hakkında bilgiler sunmaktadır. İşaret pozitif çıktığında; değişkenlerden biri artarken, diğerinin de arttığı, negatif çıktığında ise değişkenlerden biri artarken, diğerinin azaldığı anlaşılır (Köse, 2011). Bu çalışmada değişkenler arasındaki korelasyon matrisi oluşturulmuş ve Tablo 3’te sunulmuştur.

Tablo 3: Korelasyon Matrisi LnGSYH LnARGE LnINV

LnGSYH 1 0.95 0.86

LnARGE 0.95 1 0.79

LnINV 0.86 0.79 1

Bunu sağlayan önemli bir faktör de serilere logaritmik dönüşümlerin uygulanmış olmasıdır. 7

81


Tablo 3’teki bulgulara gĂśre; AB Ăźlkeleri ve TĂźrkiye’de Ar&Ge (0.95) ve inovasyon (0.86) ile ekonomik bĂźyĂźme arasÄąnda pozitif yĂśnlĂź ve gßçlĂź bir iliĹ&#x;ki bulunmaktadÄąr. Artan Ar&Ge ve inovasyon, ekonomik bĂźyĂźmeyi de artÄąrmaktadÄąr. 4.2. Model Bu çalÄąĹ&#x;mada ekonomik bĂźyĂźme, Ar&Ge ve inovasyon arasÄąndaki iliĹ&#x;kileri araĹ&#x;tÄąrabilmek için ßç farklÄą ekonometrik model kurulmuĹ&#x;tur: đ?‘€đ?‘œđ?‘‘đ?‘’đ?‘™ 1: đ??żđ?‘›đ??şđ?‘†đ?‘Œđ??ťđ?‘–đ?‘Ą = đ?›˝0 + đ?›˝1 đ??żđ?‘›đ??´đ?‘…đ??şđ??¸đ?‘–đ?‘Ą + đ?›˝2 đ??żđ?‘›đ??źđ?‘ đ?‘‰đ?‘–đ?‘Ą + đ?›˝3 đ??ž2008 + đ?‘’đ?‘–đ?‘Ą (4) đ?‘€đ?‘œđ?‘‘đ?‘’đ?‘™ 2: đ??żđ?‘›đ??´đ?‘…đ??şđ??¸đ?‘–đ?‘Ą = đ?›ź0 + đ?›ź1 đ??żđ?‘›đ??şđ?‘†đ?‘Œđ??ťđ?‘–đ?‘Ą + đ?›ź2 đ??ž2008 + đ?‘˘đ?‘–đ?‘Ą

(5)

đ?‘€đ?‘œđ?‘‘đ?‘’đ?‘™ 3: đ??żđ?‘›đ??źđ?‘ đ?‘‰đ?‘–đ?‘Ą = đ?›ž0 + đ?›ž1 đ??żđ?‘›đ??şđ?‘†đ?‘Œđ??ťđ?‘–đ?‘Ą + đ?›ž2 đ??żđ?‘›đ??´đ?‘…đ??şđ??¸đ?‘–đ?‘Ą + đ?›ž3 đ??ž2008 + đ?‘Łđ?‘–đ?‘Ą (6)

Burada đ?&#x2018;&#x2013;; Ăźlkeleri, đ?&#x2018;Ą; zamanÄą, đ?&#x2018;&#x2019;đ?&#x2018;&#x2013;đ?&#x2018;Ą , đ?&#x2018;˘đ?&#x2018;&#x2013;đ?&#x2018;Ą , đ?&#x2018;Łđ?&#x2018;&#x2013;đ?&#x2018;Ą ; hata terimi serilerini gĂśstermektedir. Model 1â&#x20AC;&#x2122;de artan Ar&Ge ve inovasyonun ekonomik bĂźyĂźmeyi artÄąrmasÄą beklendiÄ&#x;i için analiz sonucunda đ?&#x203A;˝1 > 0 ve đ?&#x203A;˝2 > 0 çĹkacaÄ&#x;Äą ĂśngĂśrĂźlmektedir. Ekonomik krizin Ăźlke ekonomilerini olumsuz etkilediÄ&#x;i bilindiÄ&#x;i için analiz sonunda đ?&#x203A;˝3 < 0 çĹkmasÄą beklenmektedir. Model 2â&#x20AC;&#x2122;de artan GSYHâ&#x20AC;&#x2122;nin Ar&Geâ&#x20AC;&#x2122;ye daha fazla kaynak ayÄąrma imkânÄą sunacaÄ&#x;Äą deÄ&#x;erlendirildiÄ&#x;i için đ?&#x203A;ź1 > 0 çĹkmasÄą beklenmektedir. Ekonomik krizin Ăźlke ekonomilerini olumsuz etkilediÄ&#x;i bilindiÄ&#x;i için analiz sonunda đ?&#x203A;ź2 < 0 çĹkmasÄą beklenmektedir. Model 3â&#x20AC;&#x2122;te artan milli gelir ve Ar&Ge harcamalarÄąnÄąn, inovasyon çalÄąĹ&#x;malarÄąnÄą olumlu yĂśnde etkilemesi beklendiÄ&#x;i için đ?&#x203A;ž1 > 0 ve đ?&#x203A;ž2 > 0 çĹkacaÄ&#x;Äą ĂśngĂśrĂźlmektedir. 2008 kĂźresel ekonomik krizinin Ăźlkelerdeki inovasyon çalÄąĹ&#x;malarÄąnÄą da kesintiye uÄ&#x;ratmÄąĹ&#x; olabileceÄ&#x;i için analiz sonunda đ?&#x203A;ž3 < 0 çĹkmasÄą beklenmektedir. 4.3. YĂśntem Ă&#x2021;alÄąĹ&#x;mada Ăśncelikle AB Ăźlkeleri ve TĂźrkiye arasÄąnda yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;ÄąnÄąn olup olmadÄąÄ&#x;ÄąnÄą tespit edebilmek için Breusch ve Pagan (1980) LM, Pesaran (2004) Ăślçekli (scaled) LM (LMS), Pesaran (2004) CD, Baltagi, Feng ve Kao (2012) sapmasÄą dĂźzeltilmiĹ&#x; (Bias Corrected) LM (LMBC) testleri uygulanmÄąĹ&#x;tÄąr. Serilerde duraÄ&#x;anlÄąk sÄąnamasÄą için Pesaran (2007) CADF panel birim kĂśk testi uygulanmÄąĹ&#x;tÄąr. EĹ&#x;bĂźtĂźnleĹ&#x;menin varlÄąÄ&#x;ÄąnÄą sÄąnamak için Westerlund (2007) ECM panel eĹ&#x;bĂźtĂźnleĹ&#x;me testi uygulanmÄąĹ&#x;tÄąr. Regresyon analizi; Pesaran (2006) CCE yĂśntemiyle gerçekleĹ&#x;tirilmiĹ&#x;tir. Seriler arasÄąnda nedensellik iliĹ&#x;kilerinin varlÄąÄ&#x;Äą; Dumitrescu ve Hurlin (2012) panel nedensellik testiyle sÄąnanmÄąĹ&#x;tÄąr. 4.4. Yatay Kesit BaÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą Testi AB Ăźlkeleri, kendi aralarÄąnda birçok konuda ortak politikalar uyguladÄąklarÄą için, bu Ăźlkelerden birine gelen bir ekonomik Ĺ&#x;okun, 82


diÄ&#x;erlerini de etkilemesi gßçlĂź olasÄąlÄąktÄąr. TĂźrkiye ise hem AB adayÄą olmasÄą nedeniyle bu Ăźlkelerle benzer politikalar izlemeye çalÄąĹ&#x;makta, hem de dÄąĹ&#x; ticaretinin ortalama %50â&#x20AC;&#x2122;den fazlasÄąnÄą AB Ăźlkeleriyle gerçekleĹ&#x;tirmektedir (Ä°TKÄ°B, 2017). Bu nedenle AB Ăźlkelerine gelen bir ekonomik veya siyasi Ĺ&#x;okun TĂźrkiyeâ&#x20AC;&#x2122;yi, TĂźrkiyeâ&#x20AC;&#x2122;ye gelen bir ekonomik veya siyasal Ĺ&#x;okun da AB Ăźlkelerini etkilemesi muhtemeldir. BĂśylece paneli oluĹ&#x;turan Ăźlkeler arasÄąnda yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą çĹkmasÄą muhtemeldir. Bu nedenle çalÄąĹ&#x;mada, paneli oluĹ&#x;turan Ăźlkeler arasÄąnda yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;ÄąnÄąn varlÄąÄ&#x;ÄąnÄąn test edilmesi gerekmektedir. Ă&#x2021;ĂźnkĂź paneli oluĹ&#x;turan yatay kesitler (Ăźlkeler) arasÄąnda bir yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą tespit edildiÄ&#x;inde; yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą altÄąnda çalÄąĹ&#x;an yeni nesil panel veri analizi yĂśntemlerinin kullanÄąlmasÄą gerekmektedir. Yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą testleri Breusch ve Pagan (1980) LM testi ile baĹ&#x;lamÄąĹ&#x;, bunu Pesaran (2004) Ăślçekli (scaled) LM (LMS) testi, Pesaran (2004) CD testi ve Baltagi, Feng ve Kao (2012) tarafÄąndan geliĹ&#x;tirilen sapmasÄą dĂźzeltilmiĹ&#x; (Bias Corrected) LM (LMBC) testi takip etmiĹ&#x;tir. Bu testlerin hipotezleri: đ??ť0 : Panelde Yatay Kesit BaÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą Yoktur đ??ť1 : Panelde Yatay Kesit BaÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą VardÄąr biçimindedir. Bu çalÄąĹ&#x;mada, Ăźlkeler arasÄąnda yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;ÄąnÄąn varlÄąÄ&#x;Äą; LM, LMS, CD ve LMBC testleriyle sÄąnanmÄąĹ&#x;tÄąr. Bu iĹ&#x;lemler için Eviews 9.0 programÄą kullanÄąlmÄąĹ&#x;tÄąr. Testler sonucunda elde edilen kanÄątlar Tablo 4â&#x20AC;&#x2122;te sunulmuĹ&#x;tur. Tablo 4: Yatay Kesit BaÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą Testi SonuçlarÄą DeÄ&#x;iĹ&#x;kenler

LM LMS LMBC CD 7190.088*** 237.05*** 236.36*** 83.27*** LnGSYH (0.00) (0.00) (0.00) (0.00) 5864.89*** 190.55*** 189.86*** 68.23*** LnARGE (0.00) (0.00) (0.00) (0.00) 2744.21*** 81.34*** 80.34*** 5.81*** LnINV (0.00) (0.00) (0.00) (0.00) Not: ***; istatistiksel olarak %99 gĂźven dĂźzeyinde yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;ÄąnÄąn varlÄąÄ&#x;ÄąnÄą ifade etmektedir. Parantez içindekiler olasÄąlÄąk deÄ&#x;erleridir.

Tablo 4â&#x20AC;&#x2122;teki sonuçlara bakÄąldÄąÄ&#x;Äąnda; bĂźtĂźn seriler için paneli oluĹ&#x;turan Ăźlkeler arasÄąnda yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;ÄąnÄąn var olduÄ&#x;u gĂśrĂźlmektedir. Bu 83


nedenle çalÄąĹ&#x;manÄąn ilerleyen bĂślĂźmlerinde; yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;ÄąnÄąn varlÄąÄ&#x;Äą altÄąnda çalÄąĹ&#x;an yeni nesil panel veri analizi yĂśntemlerinin kullanÄąlmasÄą gerekmektedir. 4.5. Panel Birim KĂśk Testi YapÄąlan ekonometrik analizlerin gĂźvenilirliÄ&#x;i, analizlerde serilerin duraÄ&#x;anlÄąk derecelerinin gĂśz ĂśnĂźnde bulundurulmuĹ&#x; olmasÄąyla yakÄąndan iliĹ&#x;kilidir. Bu nedenle çalÄąĹ&#x;mada regresyon ve nedensellik analizlerine geçmeden Ăśnce serilere panel birim kĂśk testi uygulanmÄąĹ&#x;tÄąr. Bu çalÄąĹ&#x;mada panel birim kĂśk testleri arasÄąndan, Pesaran (2007) tarafÄąndan geliĹ&#x;tirilmiĹ&#x; olan cross-sectionally augmented ADF (CADF) testi kullanÄąlmÄąĹ&#x;tÄąr. CADF; yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą altÄąnda çalÄąĹ&#x;an, paneli oluĹ&#x;turan her Ăźlke için ayrÄą ayrÄą ve panelin geneli için sonuçlar Ăźretebilen gßçlĂź bir yeni nesil panel birim kĂśk testidir. Bu testte, panelin geneline ait test istatistiÄ&#x;i (CIPS), bireysel test istatistiklerinin ortalamasÄą alÄąnarak hesaplanmaktadÄąr. Testin hipotezleri; đ??ť0 : Seri DuraÄ&#x;an DeÄ&#x;ildir đ??ť1 : Seri DuraÄ&#x;andÄąr biçimindedir. Bu hipotezleri sÄąnayabilmek için gerekli olan kritik deÄ&#x;erler, Pesaran (2007) çalÄąĹ&#x;masÄąnda verilmiĹ&#x;tir. Bu çalÄąĹ&#x;mada Pesaran (2007) CADF ve CIPS panel birim kĂśk testleri, Gauss 10 programÄą ve bu program için yazÄąlmÄąĹ&#x; kodlar kullanÄąlarak yapÄąlmÄąĹ&#x; ve elde edilen bulgular Tablo 5â&#x20AC;&#x2122;te sunulmuĹ&#x;tur Tablo 5: Panel Birim KĂśk Testi SonuçlarÄą Ă&#x153;lke Avusturya Belçika Bulgaristan HÄąrvatistan KÄąbrÄąs Ă&#x2021;ek Cumh. Danimarka Estonya Finlandiya Fransa Almanya

DĂźzey DeÄ&#x;erleri đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;şđ?&#x2019;&#x20AC;đ?&#x2018;Ż LnARGE LnINV -3.341** -2.877 -1.156 -2.348 -2.136 -1.569 -10.143** -0.245 -2.837 0.449 -3.385** -3.123 -1.283 -1.156 -2.839 -2.075 -1.128 -3.935** -3.005 -2.727 -2.988 -1.427 -1.864 -4.841** -0.923 -1.066 -0.057 -5.305** -1.233 -4.539** -1.971 -2.848 -1.465

84

Birinci FarklarÄą â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;şđ?&#x2019;&#x20AC;đ?&#x2018;Ż â&#x2C6;&#x2020;LnARGE -3.077 -2.771 -1.972 -1.666 -1.481 -2.253 -3.740** -3.286 -2.503 -2.025 -3.616** -3.675 -2.051 -2.957 -3.358 -2.638 -2.135 -2.111 -2.723 -3.180 -1.926 -3.078

â&#x2C6;&#x2020;LnINV -4.118** -3.004 -3.556 -3.396 -4.578** -5.165** -4.032** -4.658** -3.040 -4.422** -2.044


Yunanistan -1.530 -3.404 -1.621 -3.683** -2.825 -2.898 Macaristan -1.763 -2.536 -3.396 -1.303 -3.236 -5.773** Ä°rlanda -0.888 -0.599 -0.425 -1.806 -2.606 -2.735 Ä°talya -1.520 -1.739 -1.778 -3.318 -3.959** -3.689** Letonya -2.657 -2.903 -1.961 -3.285 -2.998 -3.951** ** Litvanya -3.976 -0.759 -1.415 -2.796 -3.246 -2.970 LĂźksemburg -1.728 -2.066 -1.468 -2.022 -2.329 -3.883** Malta 0.277 -1.243 -2.858 -1.310 -3.023 -1.644 Hollanda -4.975** -2.728 -2.994 -2.191 -3.341 -4.002** Polonya -1.957 -2.207 -2.364 -1.691 -1.603 -3.944** ** Portekiz -2.506 -3.206 -2.915 -3.567 -2.209 -2.803 Romanya -4.134** -2.503 -3.506 -3.228 -2.073 -2.915 Slovakya -3.085 -1.257 -4.325** -0.939 -1.730 -5.871** Slovenya -0.173 -2.610 -2.023 -2.515 -2.039 -2.890 Ä°spanya -1.324 -1.172 -0.259 -2.745 -1.940 -1.467 Ä°sveç -0.992 -3.016 0.070 -3.070 -3.003 -2.396 Ä°ngiltere -0.400 -2.594 -3.373 -0.407 -2.615 -2.966 TĂźrkiye -1.441 0.157 -2.376 -2.399 -0.805 -1.155 CIPS -2.275 -1.967 -2.356 -2.440** -2.594** -3.447** Not: Tablodaki deÄ&#x;erleri đ?&#x153;?-istatistiÄ&#x;i deÄ&#x;erleridir. **; Ä°lgili serinin, istatistiksel olarak %95 gĂźvenilirlik dĂźzeyinde duraÄ&#x;an olduÄ&#x;unu, â&#x2C6;&#x2020;; ilgili serinin birinci dereceden farkÄąnÄąn alÄąndÄąÄ&#x;ÄąnÄą gĂśstermektedir. Parantez içindekiler olasÄąlÄąk deÄ&#x;erleridir. Pesaran (2007: 276)â&#x20AC;&#x2122;da CADF testi için verilen %5 anlamlÄąlÄąk dĂźzeyindeki kritik deÄ&#x;er; (đ?&#x2018;&#x2021;, đ?&#x2018; ) = (20,30) = â&#x2C6;&#x2019;3.43â&#x20AC;&#x2122;tir. Yine Pesaran (2007: 280)â&#x20AC;&#x2122;de CIPS testi için verilen %5 anlamlÄąlÄąk dĂźzeyindeki kritik deÄ&#x;er; (đ?&#x2018;&#x2021;, đ?&#x2018; ) = (20,30) = â&#x2C6;&#x2019;2.15â&#x20AC;&#x2122;dir.

Tablo 5â&#x20AC;&#x2122;teki sonuçlara gĂśre; panelin geneli için bĂźtĂźn seriler dĂźzeyde duraÄ&#x;an olmayÄąp, birinci farklarÄą alÄąndÄąÄ&#x;Äąnda duraÄ&#x;an hale gelmektedirler. BĂśyle serilere literatĂźrde I(1) seri adÄą verilmektedir (McCauley, Bassler ve Gunaratne, 2008). Bireysel olarak dĂźzey deÄ&#x;erinde duraÄ&#x;an olan ya da birinci farkÄą alÄąndÄąÄ&#x;Äą halde duraÄ&#x;anlaĹ&#x;mayan serilerin varlÄąÄ&#x;Äą da dikkati çekmekle birlikte, çalÄąĹ&#x;mada panelin geneli için olan sonuçlar temel alÄąnmÄąĹ&#x;tÄąr. Seriler dĂźzey deÄ&#x;erlerinde duraÄ&#x;an olmadÄąÄ&#x;Äą için Granger ve Newbold (1974)â&#x20AC;&#x2122;e gĂśre bu serilerle yapÄąlacak regresyon analizlerinde sahte regresyon sorunuyla karĹ&#x;ÄąlaĹ&#x;ÄąlmasÄą muhtemeldir. Engle ve Granger (1987), bĂśyle durumlarda modellerde yer alan deÄ&#x;iĹ&#x;kenler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisinin varlÄąÄ&#x;ÄąnÄąn test edilmesini, seriler eĹ&#x;bĂźtĂźnleĹ&#x;ik çĹkarsa, endiĹ&#x;eye gerek olmadÄąÄ&#x;ÄąnÄą ve bu serilerin dĂźzey deÄ&#x;erleri kullanÄąlarak yapÄąlacak regresyon analizlerinde sahte regresyon problemiyle karĹ&#x;ÄąlaĹ&#x;ÄąlmayacaÄ&#x;ÄąnÄą ifade etmiĹ&#x;tir. Bu nedenle bu çalÄąĹ&#x;mada da eĹ&#x;bĂźtĂźnleĹ&#x;me testi yapÄąlmasÄą gerektiÄ&#x;ine karar verilmiĹ&#x;tir. 4.6. Panel EĹ&#x;bĂźtĂźnleĹ&#x;me Testi Ă&#x2021;alÄąĹ&#x;mada modellerde yer verilen seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisinin olup olmadÄąÄ&#x;Äą, yeni nesil panel eĹ&#x;bĂźtĂźnleĹ&#x;me testlerinden Westerlund (2007) ECM (Error Corrction Model: Hata DĂźzeltme Modeli) panel eĹ&#x;bĂźtĂźnleĹ&#x;me testi ile analiz edilmiĹ&#x;tir. Bu testte; dĂśrt farklÄą test 85


istatistiÄ&#x;i hesaplanmakta olup, paneli oluĹ&#x;turan yatay kesitlerde eĹ&#x;bĂźtĂźnleĹ&#x;me katsayÄąsÄąnÄąn homojenliÄ&#x;i varsayÄąmÄą altÄąnda; đ?&#x2018;&#x192;đ?&#x153;? ve đ?&#x2018;&#x192;đ?&#x203A;ź , heterojenliÄ&#x;i varsayÄąmÄą altÄąnda; đ??şđ?&#x153;? ve đ??şđ?&#x203A;ź istatistikleri Ăźretilmektedir. BĂśylece olasÄą bĂźtĂźn durumlar gĂśz ĂśnĂźne alÄąnmaktadÄąr. Testin hipotezleri: đ??ť0 : Seriler ArasÄąnda EĹ&#x;bĂźtĂźnleĹ&#x;me Yoktur đ??ť1 : Seriler ArasÄąnda EĹ&#x;bĂźtĂźnleĹ&#x;me VardÄąr Ĺ&#x;eklindedir. Bu çalÄąĹ&#x;mada Westerlund (2007) ECM panel eĹ&#x;bĂźtĂźnleĹ&#x;me testi Gauss 10 programÄą ve bu program için yazÄąlmÄąĹ&#x; kodlar kullanÄąlarak yapÄąlmÄąĹ&#x; ve elde edilen bulgular Tablo 6â&#x20AC;&#x2122;da sunulmuĹ&#x;tur. Tablo 6: Panel EĹ&#x;bĂźtĂźnleĹ&#x;me Testi SonuçlarÄą đ?&#x2018;ˇđ??&#x2030; đ?&#x2018;ˇđ?&#x153;ś đ?&#x2018;Žđ??&#x2030; đ?&#x2018;Žđ?&#x153;ś -9.791*** 1.421 -119.326*** 2.812 Model 1 (0.00) (0.92) (0.00) (0.84) 38.300 5.660* 4.720 6.932* Model 2 (0.908) (0.086) (0.848) (0.077) -41.125*** 0.810 -63.828*** 3.924 Model 3 (0.00) (0.79) (0.00) (1.00) Not: Test istatistikleri ve olasÄąlÄąk deÄ&#x;erleri, bootstrapâ&#x20AC;&#x2122;ta 1000 tekrar ile ĂźretilmiĹ&#x;tir. * ve ***; modellerde yer alan deÄ&#x;iĹ&#x;kenler arasÄąnda sÄąrasÄąyla %90 ve %99 gĂźvenilirlik dĂźzeyinde eĹ&#x;bĂźtĂźnleĹ&#x;menin var olduÄ&#x;unu gĂśstermektedir.

Tablo 6â&#x20AC;&#x2122;daki sonuçlara gĂśre; her bir modelde yer alan deÄ&#x;iĹ&#x;kenler arasÄąnda, en az bir kritere gĂśre eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisi bulunmaktadÄąr. Bu durumda, bu deÄ&#x;iĹ&#x;kenler kullanÄąlarak yapÄąlacak model tahminleri sonucunda sahte regresyon sorunu ile karĹ&#x;ÄąlaĹ&#x;ÄąlmayacaktÄąr. 4.7. Panel Regresyon Analizi Bu çalÄąĹ&#x;mada panel regresyon analizi; Pesaran (2006) tarafÄąndan geliĹ&#x;tirilen CCE (Common Correlated Effect: Ortak Ä°liĹ&#x;kili Etkiler) yĂśntemiyle gerçekleĹ&#x;tirilmiĹ&#x;tir. Bu yĂśntem; yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;ÄąnÄą gĂśz ĂśnĂźnde bulunduran, Ăźlkeler için ve panelin geneli için sonuçlar Ăźretebilen, deÄ&#x;iĹ&#x;en varyans ve otokorelasyon sorunlarÄąna karĹ&#x;Äą dirençli bir tahmin yĂśntemidir. Pesaran (2006), bu yĂśnteminde bireysel katsayÄąlarÄą CCE yĂśntemiyle Ăźrettikten sonra, panele ait katsayÄąlarÄą Ăźretebilmek için bireysel katsayÄąlarÄąn ortalamasÄąnÄą almÄąĹ&#x; ve bu yaptÄąÄ&#x;Äą iĹ&#x;leme de CCMGE (Common Correlated Mean Group Effect: Ortak Ä°liĹ&#x;kili Grup OrtalamasÄą Etkileri) adÄąnÄą vermiĹ&#x;tir. Ă&#x2021;alÄąĹ&#x;mada panel regresyon analizi CCE ve CCMGE yĂśntemleriyle, Stata 13 MP programÄą ve bu program için yazÄąlmÄąĹ&#x; kodlar

86


kullanılarak gerçekleştirilmiş ve elde dilen sonucalar Tablo 7’de sunulmuştur. Tablo 7: Panel Regresyon Analizi Sonuçları (Model 1; Bağımlı Değişken: LnGSYH) Ülke Avusturya Belçika Bulgaristan Hırvatistan Kıbrıs Çek Cumh. Danimarka Estonya Finlandiya Fransa Almanya Yunanistan Macaristan İrlanda İtalya Letonya Litvanya Lüksemburg Malta Hollanda Polonya Portekiz

LnARGE 0.06 (0.15) 0.16*** (0.00) 0.01 (0.17) 0.18* (0.05) 0.23*** (0.00) -0.11 (0.19) -0.05 (0.11) 0.06 (0.35) 0.11*** (0.00) 0.07 (0.20) -0.12 (0.26) 1.12*** (0.00) 0.12*** (0.00) 0.38*** (0.00) 0.34*** (0.00) 0.23*** (0.00) 0.20*** (0.00) 0.04 (0.41) 0.11 (0.18) -0.02 (0.71) 0.26*** (0.00) 0.13*** (0.00)

LnINV -0.089* (0.07) 0.003 (0.69) 0.056 (0.16) 0.02 (0.37) 0.009 (0.41) 0.04* (0.04) -0.001 (0.96) -0.02 (0.34) 0.18*** (0.00) 0.06 (0.55) 0.55*** (0.00) 0.29* (0.08) 0.01 (0.38) -0.089*** (0.00) 0.20* (0.06) -0.02 (0.49) 0.03 (0.11) 0.02** (0.04) -0.04*** (0.00) 0.04 (0.48) 0.05 (0.11) -0.05*** (0.00)

87

K2008 -0.01 (0.10) -0.009 (0.18) 0.01 (0.50) 0.02 (0.39) 0.02 (0.34) -0.007 (0.68) -0.001 (0.87) 0.006 (0.86) -0.01*** (0.002) -0.015* (0.07) -0.47*** (0.00) -0.08 (0.32) 0.01 (0.44) -0.002 (0.94) 0.002 (0.91) 0.07** (0.01) 0.003 (0.82) -0.03* (0.06) -0.01 (0.70) 0.005 (0.59) -0.008 (0.76) -0.009 (0.34)

Sabit Terim 7.73*** (0.00) 7.01*** (0.00) -1.58 (0.60) 7.43** (0.01) 5.53 (0.23) -0.21 (0.96) 11.6*** (0.00) -7.05 (0.39) -4.04** (0.013) 7.60*** (0.00) 12.72*** (0.00) 32.65*** (0.00) 5.60** (0.03) -14.73*** (0.00) 17.85*** (0.00) 1.82 (0.72) 0.81 (0.84) -13.53*** (0.00) -4.59 (0.59) 4.08** (0.02) -11.84*** (0.00) 10.56*** (0.00)


-12.15** (0.01) -11.46*** Slovakya (0.00) -3.88** Slovenya (0.03) 6.19*** İspanya (0.00) -3.41 İsveç (0.26) 6.95*** İngiltere (0.00) -31.38 Türkiye (0.12) 0.90 CCMGE (0.68) 13.06*** Wald Ki-Kare(3) (0.00) Köklerin Ortalama Hatalarının Karesi8 0.02 Not: *, ** ve ***; Elde edilen bulguların, istatistiksel olarak sırasıyla %90, %95 ve %99 oranında düzeyinde güvenilir olduğunu göstermektedir. Romanya

0.05*** (0.00) 0.11*** (0.00) -0.01 (0.65) 0.20*** (0.00) -0.14* (0.05) -0.10*** (0.00) 0.14* (0.05) 0.13*** (0.00)

0.05 (0.24) 0.01 (0.50) -0.01*** (0.00) 0.02 (0.63) 0.06 (0.23) 0.23*** (0.00) 0.06* (0.09) 0.05** (0.02)

0.01 (0.55) 0.01 (0.43) 0.008 (0.55) 0.006 (0.46) -0.06*** (0.00) -0.005 (0.47) -0.14*** (0.00) -0.009 (0.19)

Model 1 için yapılan tahmin sonuçlarına göre, AB ülkeleri ve Türkiye’de 1996-2017 döneminde reel milli geliri; reel Ar&Ge harcamalarındaki %1’lik artış ortalama %0.14, inovasyondaki %1’lik artış ortalama %0.05 oranında artırmıştır. 2008 küresel ekonomik krizi bu ülkelerin reel milli gelirini negatif ancak istatistiksel olarak anlamsız ölçüde etkilemiştir. Bu tabloda Avusturya, İrlanda, Malta, Portekiz ve Slovenya için elde edilen sonuçlar literatürde yer alan Petrariu, Bumbac ve Ciobanu (2013) çalışmasıyla uyumludur. Ülkeler bazında bakıldığında Ar&Ge’nin milli gelir üzerindeki etkisinin en yüksek olduğu ülkelerin; Yunanistan, İrlanda ve Polonya gibi görece küçük ülkeler olduğu görülmekte olup, bu durum; gelişmiş ülkelerde ekonomik büyümenin imalat sanayinden çıkıp, hizmetler sektörüne kaydığını düşündürmektedir. Ayrıca gelişmiş ülkelerin Ar&Ge ve üretim tesislerini, Çin ve Hindistan gibi ülkelere taşımış olmalarının da bu sonuçlar üzerinde etkili olmuş olması muhtemeldir. Model 2’ye ait tahmin sonuçları Tablo 8’de yer almaktadır.

Bu kavramın İngilizcesi: Root Mean Squared Error şeklinde olup, yazar tarafından yaklaşık olarak bu şekilde çevrilebilmiştir. 8

88


Tablo 8: Panel Regresyon Analizi Sonuçları (Model 2; Bağımlı Değişken: LnARGE) Ülke Austria Belgium Bulgaria Croatia Cyprus Czech Rep. Denmark Estonia Finland France Germany Greece Hungary Ireland Italy Latvia Lithuania Luxembourg Malta Netherlands Poland Portugal Romania Slovakia

LnGSYH 1.18 (0.21) 3.37*** (0.00) 7.21* (0.06) 2.60*** (0.00) 2.63*** (0.00) -0.28 (0.71) -3.19* (0.06) 0.35 (0.70) 4.32*** (0.00) 1.84** (0.03) 0.22 (0.52) 0.54*** (0.00) 2.79*** (0.00) 0.92*** (0.00) 1.09*** (0.00) 2.07*** (0.00) 2.51*** (0.00) -1.55 (0.26) 0.18 (0.67) 0.18 (0.79) 2.59*** (0.00) 3.48*** (0.00) 7.42*** (0.00) 5.65***

K2008 0.03 (0.45) -0.003 (0.91) -0.46 (0.16) 0.09 (0.15) -0.04 (0.52) -0.11 (0.34) 0.09* (0.05) -0.07 (0.61) 0.08* (0.06) 0.06** (0.04) 0.007 (0.80) 0.13*** (0.00) 0.01 (0.81) 0.07 (0.10) 0.04 (0.18 -0.12 (0.18) 0.04 (0.48) 0.18 (0.14) -0.25** (0.01) -0.021 (0.56) -0.03 (0.70) 0.18* (0.05) -0.08 (0.72) -0.28**

89

Sabit Terim -23.13*** (0.00) -26.03*** (0.00) 77.19*** (0.00) -11.19** (0.01) -47.04*** (0.00) -30.67*** (0.00) 31.52 (0.12) -56.90*** (0.00) -17.85*** (0.00) -2.44 (0.81) 9.61* (0.08) -14.92*** (0.00) -12.85*** (0.00) -21.45 (0.97) -12.008 (0.10) -6.34 (0.58) -32.60*** (0.00) -49.74*** (0.00) -79.81*** (0.00) 12.68** (0.02) 20.006*** (0.00) -64.28*** (0.00) 158.65*** (0.00) 60.98***


(0.00) -3.03*** (0.00) 4.33*** (0.00) -0.89 (0.21) -0.03 (0.98) 2.42*** (0.00) 1.75*** (0.00)

(0.03) 0.05 (0.61) -0.01 (0.68) -0.06 (0.19) 0.06 (0.48) 0.18 (0.37) -0.006 (0.80)

(0.00) -1.98 Slovenia (0.74) -29.44*** Spain (0.00) 5.03* Sweden (0.06) 5.61 UK (0.74) 180.45*** Turkey (0.00) 1.45 CCMGE (0.89) 15.48*** Wald Ki-Kare(2) (0.00) 0.11 Köklerin Ortalama Hatalarının Karesi Not: *, ** ve ***; Elde edilen bulguların, istatistiksel olarak sırasıyla %90, %95 ve %99 oranında düzeyinde güvenilir olduğunu göstermektedir.

Model 2 için yapılan tahmin sonuçlarına göre AB ülkeleri ve Türkiye’de 1996-2017 döneminde reel GSYH’deki %1’lik artışlar, reel Ar&Ge harcamalarını %1.75 oranında artırmıştır. Bu sonuç, önsel beklentilerimizle uyumludur. Demek ki ülkeler, gelirleri arttıkça, Ar&Ge çalışmalarına daha fazla kaynak ayırmaktadırlar. Elde edilen bu sonuç, literatürde yer alan Bozkurt (2015) çalışmasıyla uyumludur. Milli gelirin, Ar&Ge harcamaları üzerindeki etkisinin en fazla olduğu ülkeler; Romanya, Bulgaristan, Slovakya, İspanya, Finlandiya, Portekiz, Belçika, Hırvatistan, Macaristan, Polonya, Litvanya, Letonya, Türkiye, Kıbrıs, İtalya, İrlanda ve Yunanistan’dır. Model 3’e ait tahmin sonuçları Tablo 9’da yer almaktadır. Tablo 9: Panel Regresyon Analizi Sonuçları (Model 3; Bağımlı Değişken: LnINV) Ülke Austria Belgium Bulgaria Croatia Cyprus Czech Rep. Denmark

LnGSYH -1.96* (0.07) 2.85 (0.69) 2.005 (0.16) 1.95 (0.37) 4.32 (0.41) 4.67** (0.04) -0.09 (0.96)

LnARGE 0.28 (0.19) 1.03 (0.51) 0.03 (0.62) 2.41*** (0.00) 0.64 (0.69) 2.21*** (0.00) -0.01 (0.95)

90

K2008 0.01 (0.81) -0.009 (0.96) -0.08 (0.48) -0.58*** (0.00) 0.10 (0.83) 0.07 (0.70) 0.009 (0.86)

Sabit Terim 28.47*** (0.00) 1.19 (0.98) -5.29 (0.77) -3.98 (0.89) 149.26 (0.11) 72.69* (0.06) -17.02 (0.45)


0.34 -56.51 (0.39) (0.50) -0.08*** 28.08*** Finland (0.00) (0.00) -0.03* 2.66 France (0.07) (0.62) 0.05*** -15.77*** Germany (0.00) (0.00) 0.13 -56.61*** Greece (0.25) (0.00) -0.09 -83.36** Hungary (0.65) (0.01) 0.46** -40.32 Ireland (0.03) (0.30) -0.004 -21.64** Italy (0.92) (0.03) 0.26 47.80 Latvia (0.25) (0.13) -0.17 -17.12 Lithuania (0.31) (0.66) 0.42 -39.07 Luxembourg (0.29) (0.68) 0.14 -32.73 Malta (0.85) (0.83) 0.008 6.07 (0.43) Netherlands (0.84) -0.24 9.18 Poland (0.19) (0.79) -0.16 137.70*** Portugal (0.28) (0.00) -0.24* 3.79 Romania (0.06) (0.91) -0.03 56.47 Slovakia (0.89) (0.20) -0.09 -6.49 Slovenia (0.27) (0.58) 0.006 -3.68 Spain (0.88) (0.70) 0.17** 48.12*** Sweden (0.04) (0.00) -0.01 -11.19** UK (0.51) (0.04) 0.22 -260.52** Turkey (0.56) (0.02) 0.02 2.75 CCMGE (0.51) (0.83) 6.13 Wald Ki-Kare(3) (0.10) 0.22 Köklerin Ortalama Hatalarının Karesi Not: *, ** ve ***; Elde edilen bulguların, istatistiksel olarak sırasıyla %90, %95 ve %99 oranında düzeyinde güvenilir olduğunu göstermektedir. Estonia

-2.38 (0.34) 3.61*** (0.00) 0.34 (0.55) 1.20*** (0.00) -0.56* (0.08) 2.92 (0.38) -3.82*** (0.00) 0.90* (0.06) -1.11 (0.49) 3.61 (0.11) 8.45** (0.04) -14.39*** (0.00) 0.66 (0.48) 2.70 (0.11) -14.33*** (0.00) 1.62 (0.24) 1.77 (0.50) -3.51*** (0.00) 0.59 (0.63) 1.35 (0.23) 1.96*** (0.00) 2.37* (0.09) 0.30 (0.72)

0.25 (0.70) -0.26* (0.06) 0.21* (0.08) 0.24 (0.14) -0.85* (0.05) 0.32 (0.65) 0.75 (0.46) -0.27 (0.31) 0.29 (0.56) -1.35** (0.02) -3.48*** (0.00) 2.13 (0.17) 0.27 (0.34) -0.51 (0.34) 1.89*** (0.00) 0.11 (0.42) 0.11 (0.77) 0.51** (0.01) 0.36 (0.18) 0.45 (0.23) 0.43 (0.00) 0.88* (0.05) 0.31 (0.13)

91


Model 3 için yapÄąlan tahmin sonuçlarÄąna gĂśre AB Ăźlkeleri ve TĂźrkiyeâ&#x20AC;&#x2122;de 1996-2017 dĂśneminde inovasyon çalÄąĹ&#x;malarÄąnÄą; reel GSYHâ&#x20AC;&#x2122;deki ve reel Ar&Ge harcamalarÄąndaki artÄąĹ&#x;lar pozitif, ancak istatistiksel olarak anlamsÄąz dĂźzeyde etkilemiĹ&#x;lerdir. Elde edilen bu sonuç literatĂźrdeki Bilbao-Osorio ve Rodriguez-Pose (2004) çalÄąĹ&#x;masÄąyla uyumludur. Ă&#x153;lkeler için elde edilen sonuçlara bakÄąldÄąÄ&#x;Äąnda; Ă&#x2021;ek Cumhuriyeti, Finlandiya, Almanya, Ä°talya, LĂźksemburg, Ä°ngiltere ve TĂźrkiyeâ&#x20AC;&#x2122;de artan reel milli gelir, inovasyon çalÄąĹ&#x;malarÄąnÄą pozitif ve istatistiksel olarak anlamlÄą dĂźzeyde etkilemiĹ&#x;tir. Benzer Ĺ&#x;ekilde HÄąrvatistan, Ă&#x2021;ek Cumhuriyeti, Fransa, Portekiz, Slovenya ve TĂźrkiyeâ&#x20AC;&#x2122;de artan Ar&Ge harcamalarÄąnÄąn, inovasyonu artÄąrdÄąÄ&#x;Äą tespit edilmiĹ&#x;tir.

4.8. Panel Nedensellik Testi Bu çalÄąĹ&#x;mada deÄ&#x;iĹ&#x;kenler arasÄąnda nedensellik iliĹ&#x;kilerinin varlÄąÄ&#x;Äą ve yĂśnĂź Dumitrescu ve Hurlin (2012) panel nedensellik testi yardÄąmÄąyla incelenmiĹ&#x;tir. Dumitrescu ve Hurlin (2012) panel nedensellik testi; yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą altÄąnda çalÄąĹ&#x;abilmekte olup, X ve Y Ĺ&#x;eklindeki iki deÄ&#x;iĹ&#x;ken arasÄąndaki etkileĹ&#x;imi, aĹ&#x;aÄ&#x;Äądaki denklem sistemi yardÄąmÄąyla incelemektedir: đ?&#x2018;?

đ?&#x2018;?

đ?&#x2018;&#x152;đ?&#x2018;&#x2013;,đ?&#x2018;Ą = đ?&#x203A;ź0đ?&#x2018;&#x2013; + â&#x2C6;&#x2018; đ?&#x203A;ź1đ?&#x2018;&#x2013; đ?&#x2018;&#x152;đ?&#x2018;&#x2013;,đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2DC; + â&#x2C6;&#x2018; đ?&#x203A;ź2đ?&#x2018;&#x2013; đ?&#x2018;&#x2039;đ?&#x2018;&#x2013;,đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2DC; + đ?&#x153;&#x20AC;đ?&#x2018;&#x2013;,đ?&#x2018;Ą đ?&#x2018;&#x2DC;=1

đ?&#x2018;&#x2DC;=1

đ?&#x2018;?

đ?&#x2018;?

đ?&#x2018;&#x2039;đ?&#x2018;&#x2013;,đ?&#x2018;Ą = đ?&#x153;&#x192;0đ?&#x2018;&#x2013; + â&#x2C6;&#x2018; đ?&#x153;&#x192;1đ?&#x2018;&#x2013; đ?&#x2018;&#x2039;đ?&#x2018;&#x2013;,đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2DC; + â&#x2C6;&#x2018; đ?&#x153;&#x192;2đ?&#x2018;&#x2013; đ?&#x2018;&#x152;đ?&#x2018;&#x2013;,đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2DC; + đ?&#x153;&#x2013;đ?&#x2018;&#x2013;,đ?&#x2018;Ą đ?&#x2018;&#x2DC;=1

(7)

(8)

đ?&#x2018;&#x2DC;=1

Burada p; optimum gecikme uzunluÄ&#x;udur. Denklem (7), Xâ&#x20AC;&#x2122;ten Yâ&#x20AC;&#x2122;ye; Denklem (8) ise Yâ&#x20AC;&#x2122;den Xâ&#x20AC;&#x2122;e doÄ&#x;ru bir nedensellik iliĹ&#x;kisinin varlÄąÄ&#x;ÄąnÄą test edilmektedir. Dumitrescu ve Hurlin (2012) nedensellik testinin hipotezleri; đ??ť0 : đ?&#x203A;ź2đ?&#x2018;&#x2013; = 0 đ??ľĂźđ?&#x2018;ĄĂźđ?&#x2018;&#x203A; đ?&#x2018;&#x2013; â&#x20AC;˛ đ?&#x2018;&#x2122;đ?&#x2018;&#x2019;đ?&#x2018;&#x; đ?&#x2018;&#x2013;çđ?&#x2018;&#x2013;đ?&#x2018;&#x203A;. Hiçbir Ăźlkede Xâ&#x20AC;&#x2122;ten Yâ&#x20AC;&#x2122;ye doÄ&#x;ru bir nedensellik iliĹ&#x;kisi yoktur. đ??ť1 : đ?&#x203A;ź2đ?&#x2018;&#x2013; â&#x2030; 0 đ??ľđ?&#x2018;&#x17D;đ?&#x2018;§đ?&#x161;¤ đ?&#x2018;&#x2013; â&#x20AC;˛ đ?&#x2018;&#x2122;đ?&#x2018;&#x2019;đ?&#x2018;&#x; đ?&#x2018;&#x2013;çđ?&#x2018;&#x2013;đ?&#x2018;&#x203A;.

BazÄą Ăźlkede Xâ&#x20AC;&#x2122;ten Yâ&#x20AC;&#x2122;ye doÄ&#x;ru bir nedensellik iliĹ&#x;kisi vardÄąr.

Bu çalÄąĹ&#x;mada Dumitrescu ve Hurlin (2012) panel nedensellik testleri yapÄąlmÄąĹ&#x; ve elde edilen sonuçlar Tablo 10â&#x20AC;&#x2122;da sunulmuĹ&#x;tur. Bu testlere ait optimum gecikme uzunluÄ&#x;u belirleme tablolarÄą Ek 1â&#x20AC;&#x2122;de, ters karakteristik kĂśk grafiÄ&#x;i Ek 2â&#x20AC;&#x2122;de, optimum gecikme uzunluÄ&#x;una sahip VAR modeline ait otokorelasyon testi sonuçlarÄą Ek 3â&#x20AC;&#x2122;te, deÄ&#x;iĹ&#x;en varyans testi sonuçlarÄą Ek 4â&#x20AC;&#x2122;te sunulmuĹ&#x;tur. 92


Tablo 10: Panel Nedensellik Testi H0 Hipotezi LnARGE â&#x2020;&#x203A; LnGSYH LnGSYH â&#x2020;&#x203A; LnARGE LnINV â&#x2020;&#x203A; LnGSYH LnGSYH â&#x2020;&#x203A; LnINV LnINV â&#x2020;&#x203A; LnARGE LnARGE â&#x2020;&#x203A; LnINV

đ?&#x2018;ž Ä°statistiÄ&#x;i 4.59 9.52 5.29 7.02 5.27 12.94

đ?&#x2019; Ä°statistiÄ&#x;i -0.54 4.37 0.15 1.87 0.12 7.79

OlasÄąlÄąk 0.58 DeÄ&#x;eri 0.00*** 0.87 0.06* 0.89 0.00***

Not: * ve *** sÄąrasÄąyla %10 ve %1 anlamlÄąlÄąk dĂźzeyinde birinci deÄ&#x;iĹ&#x;kenden ikinci deÄ&#x;iĹ&#x;kene doÄ&#x;ru nedensellik iliĹ&#x;kisinin varlÄąÄ&#x;ÄąnÄą gĂśstermektedir.

Tablo 10â&#x20AC;&#x2122;daki sonuçlar Ĺ&#x17E;ekil 1 yardÄąmÄąyla daha kolay takip edilebilecektir. Ĺ&#x17E;ekil 1. Nedensellik Ä°liĹ&#x;kileri

GSYH

Ar&Ge

Ä°novasyon Tablo 10 ve Ĺ&#x17E;ekil 1â&#x20AC;&#x2122;deki sonuçlara gĂśre; AB Ăźlkeleri ve TĂźrkiyeâ&#x20AC;&#x2122;de Ar&Ge ve inovasyondan ekonomik bĂźyĂźmeye doÄ&#x;ru bir nedensellik iliĹ&#x;kisi tespit edilemezken, ekonomik bĂźyĂźmeden (reel GSYHâ&#x20AC;&#x2122;den) Ar&Ge ve inovasyona ve Ar&Geâ&#x20AC;&#x2122;den inovasyona doÄ&#x;ru tek yĂśnlĂź nedensellik iliĹ&#x;kileri tespit edilmiĹ&#x;tir. Sonuç ve Ă&#x2013;neriler Bu çalÄąĹ&#x;mada ekonomik bĂźyĂźme, Ar&Ge ve inovasyon arasÄąndaki iliĹ&#x;kiler, 28 AB Ăźlkesi ve TĂźrkiye için 1996-2017 dĂśnemi verileri kullanÄąlarak, yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;Äą altÄąnda çalÄąĹ&#x;abilen yeni nesil panel veri analizi yĂśntemleriyle incelenmiĹ&#x;tir. Korelasyon analizinde Ar&Ge ile GSYH arasÄąndaki iliĹ&#x;kinin %95, inovasyon ile GSYH arasÄąndaki iliĹ&#x;kinin %86, AR&Ge ile inovasyon arasÄąndaki iliĹ&#x;kinin ise %79 dĂźzeyinde olduÄ&#x;u gĂśrĂźlmĂźĹ&#x;tĂźr. Ă&#x2021;alÄąĹ&#x;ma kapsamÄąnda bir tanesi kukla deÄ&#x;iĹ&#x;ken olmak Ăźzere 4 deÄ&#x;iĹ&#x;ken ve 3 ekonometrik modelden yararlanÄąlmÄąĹ&#x;tÄąr. Ă&#x2021;alÄąĹ&#x;mada paneli oluĹ&#x;turan Ăźlkeler arasÄąnda yatay kesit baÄ&#x;ÄąmlÄąlÄąÄ&#x;ÄąnÄąn varlÄąÄ&#x;Äą; Breusch ve Pagan (1980) LM, Pesaran (2004) Ăślçekli (scaled) LM (LMS), Pesaran (2004) CD, 93


Baltagi, Feng ve Kao (2012) sapması düzeltilmiş (Bias Corrected) LM (LMBC) testleriyle sınanmıştır. Test sonucunda; AB ülkeleri ve Türkiye arasında yatay kesit bağımlılığının olduğu, yani bu ülkelerden biri üzerine gelen bir siyasi veya ekonomik şokun, diğer ülkeleri de etkilediği tespit edilmiştir. Bu etkileşimden dolayı, çalışmanın ilerleyen aşamalarında yeni nesil panel veri analizi yöntemlerinin kullanılması gerekmiştir. Analizlerde kullanılacak serilerin durağanlığı; Pesaran (2007) CADF ve CIPS panel birim kök testiyle sınanmış ve serilerin düzey değerlerinde durağan olmayıp, birinci dereceden farkları alındığında durağan hale gelen seriler oldukları görülmüştür. Bu durumda doğrudan regresyon analizine geçilmesi sorunlu hale gelmiş, öncelikle eşbütünleşme testi yapılması gereği doğmuştur. Kurulan ekonometrik modellerde yer alan seriler arasında eşbütünleşme ilişkisinin varlığı; Westerlund (2007) ECM panel eşbütünleşme testi ile incelenmiş ve her üç modelde de yer alan seriler arasında eşbütünleşme ilişkisinin var olduğu, yani bu serilerin uzun dönemde birlikte hareket ettikleri ve bu seriler kullanılarak yapılacak regresyon analizlerinde sahte regresyon problemiyle karşılaşılmayacağı tespit edilmiştir. Kurulan ekonometrik modellerde yer alan katsayıları belirleyebilmek için gerekli olan regresyon analizi; Pesaran (2006) CCE ve CCMGE yöntemleriyle gerçekleştirilmiştir. Model 1 için yapılan panel regresyon analizi sonucunda; AB ülkeleri ve Türkiye’de 1996-2017 döneminde reel milli geliri; reel Ar&Ge harcamalarındaki %1’lik artış ortalama %0.14, inovasyondaki %1’lik artış ortalama %0.05 oranında artırmış olduğu, 2008 küresel ekonomik krizi bu ülkelerin reel milli gelirini negatif ancak istatistiksel olarak anlamsız ölçüde etkilediği tespit edilmiştir. Ülkeler bazında bakıldığında Ar&Ge’nin milli gelir üzerindeki etkisinin en yüksek olduğu ülkelerin; Yunanistan, İrlanda ve Polonya gibi görece küçük ülkeler olduğu görülmüştür. Bu durumun nedeninin; gelişmiş ülkelerde ekonomik büyümenin, imalat sanayinden çıkıp, hizmetler sektörüne kayması olabileceği değerlendirilmiştir. Ayrıca gelişmiş ülkelerin Ar&Ge ve üretim tesislerini, Çin ve Hindistan gibi ülkelere taşımış olmaları da bu sonuçlar üzerinde etkili olabilir. Model 2 için yapılan tahmin sonuçlarına göre AB ülkeleri ve Türkiye’de 1996-2017 döneminde reel GSYH’deki %1’lik artışlar, reel Ar&Ge harcamalarını %1.75 oranında artırmıştır. Bu sonuç, önsel beklentilerimizle uyumludur. Demek ki ülkeler, gelirleri arttıkça, Ar&Ge çalışmalarına daha fazla kaynak ayırmaktadırlar. Milli gelirin, Ar&Ge harcamaları üzerindeki etkisinin en fazla olduğu ülkeler; Romanya, Bulgaristan, Slovakya, İspanya, Finlandiya, Portekiz, Belçika, Hırvatistan, Macaristan, Polonya, Litvanya, Letonya, Türkiye, Kıbrıs, İtalya, İrlanda ve Yunanistan’dır. 94


Model 3 için yapılan tahmin sonuçlarına göre AB ülkeleri ve Türkiye’de 1996-2017 döneminde inovasyon çalışmalarını; reel GSYH’deki ve reel Ar&Ge harcamalarındaki artışlar pozitif, ancak istatistiksel olarak anlamsız düzeyde etkilemişlerdir. Ülkeler için elde edilen sonuçlara bakıldığında; Çek Cumhuriyeti, Finlandiya, Almanya, İtalya, Lüksemburg, İngiltere ve Türkiye’de artan reel milli gelir, inovasyon çalışmalarını pozitif ve istatistiksel olarak anlamlı düzeyde etkilemiştir. Benzer şekilde Hırvatistan, Çek Cumhuriyeti, Fransa, Portekiz, Slovenya ve Türkiye’de artan Ar&Ge harcamalarının, inovasyonu artırdığı belirlenmiştir. Seriler arasında nedensellik ilişkilerinin varlığı; Dumitrescu ve Hurlin (2012) panel nedensellik testiyle sınanmış, AB ülkeleri ve Türkiye’de Ar&Ge ve inovasyondan ekonomik büyümeye doğru bir nedensellik ilişkisi tespit edilemezken, ekonomik büyümeden Ar&Ge ve inovasyona ve Ar&Ge’den inovasyona doğru tek yönlü nedensellik ilişkileri tespit edilmiştir. Bu çalışmadan elde edilen bulgulara dayanarak; Ar&Ge ve inovasyonun hala ülkeler için en önemli ekonomik büyüme kaynağı olmaya devam ettiği söylenebilir. Ancak çalışmada inovasyon değişkeninin, ekonomik büyüme ile olan etkileşimini daha net ortaya çıkartabilmek için, inovasyonu ölçmeye yönelik olarak, patent sayısı yerinde daha başka değişkenlerin kullanılmasının gerektiği ifade edilebilir. Çünkü her alınan patent, üretime dönüşememekte, çoğunlukla raflarda kalmaktadır. Bu noktada TÜBİTAK’ın yapmakta olduğu; üretime yönelik projelerin teşvik edilmesi uygulamasının yerinde bir uygulama olduğu düşünülmektedir. TUİK ve EUROSTAT gibi istatistik ofislerinin, ülkelerin inovasyon düzeylerini daha net biçimde ölçebilecek yeni değişkenler oluşturup yayınlamaları, bu alanda daha nitelikli yayınlar üretilebilmesine olanak sağlayacaktır. Benzer biçimde; Ar&Ge çalışmalarının da sadece bu alanda harcanan para miktarıyla ölçülmesi yeterli değildir. Bunun yerine; yapılan Ar&Ge çalışmaları ile üretimde meydana gelen teknolojik artışı ölçmeye yönelik yeni ölçeklerin geliştirilmesi ve bu ölçeklere göre oluşturulmuş veri setlerinin araştırmacıların hizmetine sunulması da yerli ve uluslararası istatistiksek ofislerinin hedefi olmalıdır.

95


Kaynakça AB BAKANLIĞI (2013). Avrupa Birliğinin Tarihçesi. https://www.ab.gov.tr/_105.html, (Erişim Tarihi: 14.12.2018). AB BAKANLIĞI (2018). Türkiye Avrupa Birliği İlişkilerinde Önemli Tarihler (1959 - 2017). https://www.ab.gov.tr/_105.html, (Erişim Tarihi: 14.12.2018). BALTAGİ, B. H, FENG, Q., KAO, C. (2012), “A Lagrange Multiplier test for Cross-sectional Dependence in a Fixed Effects Panel Data Model,” Journal of the Econometrics, Issue: 170. BİLBAO-OSORİO, B., RODRİGUEZ - POSE, A. (2004), “From R&D to Innovation and Economic Growth in the EU”, Growth and Change, Vol. 35, No.4. BLANCO, L., PRİEGER, J. (2013), “The Impact of Research and Development on Economic Growth and Productivity in the US States”, Pepperdine University, Pepperdine Digital Commons, No: 11-2013. BOZKURT, C. (2015), “R&D Expenditures and Economic Growth Relationship in Turkey”, International Journal of Economics and Financial Issues, Vol:5, No:1. BREUSCH, T.S, PAGAN, A.R. (1980), “The Lagrange Multiplier Test and Its Applications to Model Specification Tests in Econometrics”, Review of Economic Studies, Issue: 47. ÇAKMAK, E., YILDIZ, G. (2018), “Teknolojik İnovasyonun İhracat Üzerindeki Etkisi: Türkiye-AB (15) Ülkeleri Örneği”, Doğuş Üniversitesi Dergisi, Cilt: 19, Sayı: 2. DAM, M., YILDIZ, B. (2016), “BRICS-TM ülkelerinde AR-GE ve İnovasyonun Ekonomik Büyüme Üzerine Etkisi: Ekonometrik Bir Analiz”, Akdeniz İ.İ.B.F. Dergisi, Sayı: 33. DEMİR, M. A. (2013), “Kalkınma Teorileri Kapsamında Türkiye’de Ekonominin Planlı Dönemde Analizi”, Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı İktisat Programı, Yayımlanmamış Yüksek Lisans Tezi. DUMİTRESCU, E. I., HURLİN, C. (2012), “Testing for Granger NonCausality in Heterogeneous Panels”, Economic Modelling, Vol: 29, Issue: 4. DURUSU-ÇİFTÇİ, D. (2015), “Finansal Gelişme ve Ekonomik Büyüme İlişkisi: Bir Genişletilmiş Solow Büyüme Modeli Denemesi ve Ampirik Uygulama”, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü, İktisat Anabilim Dalı İktisat Bilim Dalı, Yayımlanmamış Doktora Tezi. 96


ELA, M. (2018), “Ekonomik ve Parasal Birlik’te Büyük Ülkeler Neden Mali Kurallara Uymamaktadır?” Adıyaman Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 10, Sayı: 29. ENGLE, R.F., GRANGER, C.W. J. (1987), “Cointegration and ErrorCorrection: Representation, Estimation and Testing”, Econometrica, Issue: 66. GÖÇER, İ. (2013) Ar-Ge Harcamalarının Yüksek Teknolojili Ürün İhracatı, Dış Ticaret Dengesi ve Ekonomik Büyüme Üzerindeki Etkileri, Maliye Dergisi, Sayı: 165. GÖÇER, İ. (2016). Ekonometri. Lider Yayınları, İzmir. GRANGER, C. W. J., NEWBOLD, P. (1974), “Spurious Regressions in Econometrics. Journal of Econometrics, Issue: 2. GÜLMEZ, A., AKPOLAT, A. G. (2014), “Ar-Ge & İnovasyon ve Ekonomik Büyüme: Türkiye ve AB Örneği İçin Dinamik Panel Veri Analizi”, AİBÜ Sosyal Bilimler Enstitüsü Dergisi, Cilt: 14, Sayı: 2. GÜLOĞLU, B., TEKİN, R.B. (2012), “A Panel Causality Analysis of the Relationship among Research and Development, Innovation and Economic Growt in High-Income OECD Countries”, Eurasian Economic Review, Volume: 2, Issue:1. GÜLOĞLU, B., TEKİN, R.B., SARDOGAN, E. (2012), “Economic Determinant of Technological Progress in G7 Countries: A ReExamination”, Economics Letters, Volume: 116, Issue: 3. GÜVEL, E. A. (2011), Ekonomik Büyüme Kuramları, Ulusların Zenginliklerinin Dinamikleri. Karahan Kitabevi, Adana. İTKİB (2017), “Avrupa Birliği Dış Ticaret Raporu”, http://www.ithib.org.tr/ download/files/downloads/raporlar/arastimaraporlari/AB_ITHALAT_RAPORU. pdf, (Erişim Tarihi: 16.12.2018). KARLUK, R., TONUS, Ö. (1998), “Avrupa Para Birliği, Euro ve Geleceği”, http://debis.deu.edu.tr/userweb//dilek.seymen/dosyalar/AB%20Parasal %20Birlik-Ridvan%20Karluk.pdf, (Erişim Tarihi: 14.12.2018). KÖSE, S. K. (2011), “Korelasyon ve Regresyon Analizi”, http://file.toraks.org.tr/TORAKSFD23NJKL4NJ4H3BG3JH/mse-pptpdf/Kenan_KOSE3.pdf, (Erişim Tarihi: 16.12.2018). KUTLU, S., HORVATH, L. (2017), “Post Keynesyen Makro İktisadın Metodolojik Temelleri Üzerine Bir İnceleme”, Dokuz Eylül Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt:32, Sayı:1. 97


LUCAS, R.E. (1988), “On the Mechanics of Economic Development”, Journal of Monetary Economics, Issue: 22. MCCAULEY, J. L., BASSLER, K. E., GUNARATNE, G. H. (2008), “Integration I(d) of Nonstationary Time Series Stationary and Nonstationary Increments”, https://arxiv.org/ftp/arxiv/papers/0803/0803.3959.pdf, (Erişim Tarihi: 16.12.2018). PESARAN, M. H. (2004). General Diagnostic Tests for Cross Section Dependence in Panels, Cambridge Working Papers in Economics, Issue: 435. PESARAN, M.H. (2006). Estimation and Inference in Large Heterogeneous Panels with a Multifactor Error Structure. Econometrica, Vol:74, Issue:4. PESARAN, M. H. (2007). A Simple Panel Unit Root Test in The Presence of Cross-Section Dependence. Journal of Applied Econometrics, Issue: 22. PETRARİU, I. R., BUMBAC, R., CİOBANU, R. (2013), “Innovation: A Path to Competitiveness and Economic Growth. The Case of CEE Countries”, Theoretical and Applied Economics, Volume XX, No. 5(582). POLAT, A. M. (2018), “Ar&Ge ve İnovasyonun Ülkelerin İhracat Performansına Etkileri: Gelişmekte Olan Asya Ülkeleri İçin Yeni Nesil Bir Panel Veri Analizi”, Gaziantep University Journal of Social Sciences, Cilt: 17, Sayı: 3. ROMER, P.M. (1986), “Increasing Returns and Long-Run Growth”, Journal of Political Economy, Issue: 94. SOLOW, R.M. (1956), “A Contribution to the Theory of Economic Growth”, The Quarterly Journal of Economics, Issue: 70. SUNGUR, O., AYDIN, H. İ., EREN, M. V. (2016), “Türkiye’de Ar-Ge, İnovasyon, İhracat ve Ekonomik Büyüme Arasındaki İlişki: Asimetrik Nedensellik Analizi”, Süleyman Demirel Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 21, Sayı: 1. SWAN, T.W (1956), “Economic Growth and Capital Accumulation”, Economic Record, Issue: 32. TEZCAN, E., ARAS, İ. (2016), Avrupa Birliği ve Üye Devletler AB15 Üzerine Bir İnceleme. Detay Yayıncılık, Ankara. TUNALI, H., ERBELET, E. (2017), “Ekonomik Büyüme ve Sanayileşme İlişkisinde Kaldor Yasasının Türkiye’deki Geçerliliğinin Analizi”, 98


Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 6, Sayı: 1. USLU, H. (2018a), “Türkiye’de Doğrudan Yabancı Sermaye Yatırımları ve Ekonomik Büyüme İlişkisi: Yapısal Kırılmalı Bir Analiz”, Akademik Sosyal Araştırmalar Dergisi, Cilt: 6, Sayı: 69. USLU, H. (2018b), “Sağlık Harcamalarının Ekonomik Büyüme Üzerindeki Etkileri: Seçilmiş OECD Ülkeleri İçin Dinamik Panel Veri Analizi”, Uluslararası Ekonomik Araştırmalar Dergisi, Cilt:4, Sayı:2, (Haziran 2018), p-ISSN: 2528-9942 WESTERLUND, J. (2007), “Testing for Error Correction in Panel Data”. Oxford Bulletin of Economics and Statistics, Vol: 69, Issue: 6. WORLD BANK (2018a). Research and Development Expenditure (% of GDP). https://data.worldbank.org/indicator/GB.XPD.RSDV.GD.ZS?view=ch art, (Erişim Tarihi: 13.12.2018). WORLD BANK (2018b). GDP (current US$). https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?view=chart, (Erişim Tarihi: 13.12.2018). WORLD BANK (2018c). Consumer Price Index (2010 = 100). https://data.worldbank.org/indicator/FP.CPI.TOTL?view=chart, (Erişim Tarihi: 13.12.2018). WORLD BANK (2018d). Patent Applications, Residents. https://data.worldbank.org/indicator/IP.PAT.RESD?view=chart, (Erişim Tarihi: 13.12.2018). WORLD BANK (2018e). Patent Applications, Nonresidents. https://data.worldbank.org/indicator/GB.XPD.RSDV.GD.ZS?view=ch art, (Erişim Tarihi: 13.12.2018). WORLD BANK (2018f). GDP (constant 2010 US$). https://data.worldbank.org/indicator/NY.GDP.MKTP.KD?view=chart, (Erişim Tarihi: 13.12.2018). WORLD BANK (2018g). GDP per capita (current US$). https://data.worldbank.org/indicator/NY.GDP.PCAP.CD?view=chart, (Erişim Tarihi: 14.12.2018). WORLD BANK (2018h). GDP growth (annual %). https://data.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG?view=c hart, (Erişim Tarihi: 14.12.2018). WORLD BANK (2018i). Population, total. https://data.worldbank.org/indicator/SP.POP.TOTL?view=chart, (Erişim Tarihi: 14.12.2018). 99


YARDIMCI, P. (2006), “İçsel Büyüme Ve Türkiye’de İçsel Büyümeyi Etkileyen Faktörlerin Ampirik Analizi”, Selçuk Üniversitesi, Sosyal Bilimler Enstitüsü, İktisat Ana Bilim Dalı, Yayımlanmamış Doktora Tezi. YILDIZ, G. (2018), “Teknolojik İnovasyonun Ekonomik Büyüme Üzerindeki Etkisi: Türkiye- AB (15) Ülkeleri Örneği”, UİİİD-IJEAS, Prof. Dr. Harun Terzi Özel Sayısı.

Ekler Ek 1: Optimum Gecikme Uzunluğu Belirleme Kriterleri Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4 5

-1997.110 1272.821 1345.276 1352.371 1375.265 1383.339

NA 6486.800 142.8535 13.90179 44.57947* 15.62441

0.670592 1.21e-06 9.32e-07 9.39e-07 8.88e-07* 8.91e-07

8.114036 -5.114892 -5.372318 -5.364589 -5.420952* -5.417196

8.139597 -5.012648 -5.193392* -5.108980 -5.088660 -5.008222

8.124073 -5.074747 -5.302065* -5.264228 -5.290483 -5.256619

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

Bu tabloya göre en fazla * bulunan 4, optimum gecikme uzunluğu olarak alınmıştır.

100


Ek 2: Ters Karakteristik Kökler Grafiği Inverse Roots of AR Characteristic Polynomial 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

Ters karakteristik köklerin birim çember içinde kalması, ilgili gecikme uzunluğuna sahip modelin istikrarlı olduğunun ve yapılan nedensellik testi sonuçlarının güvenilir olduğunun bir kanıtıdır. Ek 3: Otokorelasyon Testi Sonuçları Gecikme Uzunluğu

LM-İstatistiği

Olasılık Değeri

4

9.138654

0.4246

LM testine ait olasılık değerinin 0.05’ten büyük olması, nedensellik testinde kullanılan 4 gecikmeli VAR modelinde otokorelasyon sorununun olmadığını göstermektedir. Ek 4: Değişen Varyans Testi Sonuçları Joint test: Ki-Kare Test İstatistiği

Serbestlik Derecesi

Olasılık Değeri

1247.513

516

0.1270

Ki-kare testine ait olasılık değerinin 0.05’ten büyük olması, nedensellik testinde kullanılan ‘‘4’’ gecikmeli VAR modelinde değişen varyans sorununun olmadığını göstermektedir.

101


102


OECD ÜLKELERİNDE BEŞERİ SERMAYE VE EKONOMİK BÜYÜME İLİŞKİSİ: DİNAMİK PANEL VERİ ANALİZİ Relationship between Human Capital and Economic Growth in OECD Countrıes: Dynamic Panel Data Analysis Hüseyin USLU1 Giriş Bir ülke sınırları içinde üretilen bütün mal ve hizmetlerin, sabit bir yılın fiyatlarıyla hesaplanmasından oluşan reel Gayrı Safi Yurtiçi Hasılanın (GSYH) artmasını ifade eden (Çepni, 2014: 53) ekonomik büyüme; ülkedeki mal ve hizmet üretiminin ve dolayısıyla tüketimin ve refahın arttığını göstermekte olup, ülkelerin ekonomik performanslarının en önemli göstergelerinden biri kabul edilmektedir (Parasız, 2008: 3). Ekonomik büyüme ile elde edilen refah artışının geniş halk kitlelerine yayılması, ülkedeki altyapı, eğitim, sağlık, ulaşım, hukuk ve güvenlik sistemlerinin gelişmesine ise ekonomik kalkınma adı verilmektedir (Taban ve Kar, 2016: 47-48). Ekonomik kalkınmayı ölçmek, ekonomik büyümeyi ölçmek kadar kolay olmamakla birlikte, ekonomik kalkınmanın eğitim, sağlık ve teknolojik altyapı gibi alanlara olan yansımalarını ölçmek ve ülkeleri bu kriterlere göre değerlendirmek, sıralamak mümkün olabilmektedir. Ekonomik kalkınmayı oluşturan faktörler, aynı zamanda ülkelerin beşeri sermayelerini ve insani gelişmişlik düzeylerini de göstermektedir. Günümüzde ülkelerin refah düzeylerinin ölçülmesinde en az ekonomik büyüme kadar önemli bir yere sahip olan beşeri sermaye ve insani gelişmişlik düzeyi (Ali, Egbetokun ve Memon, 2018, 2-3), ülkelerde elde edilen milli gelirin adil bölüşümü ve toplum yararına etkin kullanımının gerçekleşip gerçekleşmediğinin de en önemli göstergeleridir (Larionova ve Varlamova, 2015: 252-253). Beşeri sermaye ve insani gelişmişlik düzeyi, bir yönüyle ülkelerin ekonomik büyümelerinin hem nedenini (kaynağını), hem de sonucunu oluşturmaktadır. Bu nedenle ülkelerin ekonomik büyümeleriyle ilgili çalışmalar yapılırken, beşeri sermaye ve insani gelişmişlik düzeyi verilerinin de mutlaka göz önünde bulundurulmasında yarar vardır. Ulusal ve uluslararası politika yapıcıların da uygulayacakları politikaları belirlerken, sadece sermaye stoku ve işgücü sayısı gibi mekanik büyüklüklere odaklanmakla yetinmeyip, mutlaka beşeri sermaye ve insani 1

Erciyes Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İktisat Bölümü. e-mail: h.uslu80@hotmail.com. ORCİD ID: 0000-0002-2642-1175

103


gelişmişlik düzeyi verilerini de göz önünde bulundurmalarında yarar vardır. Bu kapsamda çalışmada; 36 OECD ülkesinde beşeri sermaye ve ekonomik büyüme arasındaki ilişkiler, 1995-2017 dönemi verileri kullanılarak, dinamik panel veri analizi yöntemiyle incelenmiştir. Çalışmanın birinci bölümünde; ekonomik büyüme ve beşeri sermayenin ekonomik büyüme içindeki yerine ilişkin teorik çerçeve sunulmuş, ikinci bölümünde; OECD ülkelerinde beşeri sermaye ve ekonomik büyüme verileri tablolar yardımıyla incelenmiştir. Konuyla ilgili daha önceden yapılmış çalışmaların özeti üçüncü bölümde sunulmuş, dördüncü bölümde; ekonometrik analiz gerçekleştirilmiştir. Bu çerçevede dinamik panel veri analizi yönteminden yararlanılmıştır. Yapılan bu çalışmanın; seçilen ülke sepeti, analiz dönemi, kullanılan veriler ve verilere uygulanan dönüşümler, yararlanılan analiz yöntemleri ve ulaşılan bulgular itibariyle literatüre bir katkı sağlayacağı düşünülmektedir. Ayrıca çalışmadan elde edilen bulguların, gelişmekte olan ülke politika yapıcıları için yol gösterici olması umulmaktadır. 1. Teorik Çerçeve Tarih boyunca ülkelerinin ekonomik büyümelerini hızlandırmak, bütün yöneticilerin, bilim insanlarının ve yurttaşların en önemli ödevi olmuştur. Bunun için ekonomistler kitaplar/makaleler yazmış, teoriler ortaya koymuşlardır. David Hume tarafından 1752’de yazılan Ticaret Dengesi Üzerine kitabı, modern makroekonominin başlangıcı kabul edilmektedir. Bu döneme kadar özellikle Avrupa’da yaygın olan Merkantalist (tüccar) görüş; ekonomik büyümenin kaynağının bulyonizm (değerli maden biriktirme) olduğunu, bunun için devletlerin devreye girerek, ithalatı kısıtlayıcı, ihracatı artırıcı önlemler almalarının gerektiğini savunmuştur (Aydemir ve Güneş, 2006: 144-146). 1752-1776 döneminde etkili olan Fizyokrasi düşüncesinin savunucuları ise ekonomide asıl olanın üretim olduğunu, bunun kaynağının da tarım olduğunu savunmuşlar, politikacıları ve zanaatkârları, çiftçilerin emeğinde beslenen asalaklar olarak nitelemişlerdir (Demircan, 2016: 9). 1776’da Adam Smith’in Ulusların Zenginliğinin Kaynakları adlı eserini yayınlamasıyla başlayan Klasik İktisat akımı ise ekonomik büyüme ve zenginleşmenin yolunun; işbölümü ve uzmanlaşmadan geçtiğini öne sürmüştür. Klasik İktisat teorisyenleri, devletlerin ekonomiye müdahale etmemelerinin gerektiğini, devletlerin güvenlik, adalet ve piyasaların etkin çalışabilmesi için gerekli koşulları sağlamasının (tekelciliği ve kartelleşmeyi önlemesinin) yeterli olduğunu öne sürmüşlerdir (Güvel, 2011: 23-25). Klasik İktisatçılardan Jean Baptiste Say (1767-1832), ekonomide önemli olanın arz olduğunu, her arzın kendi talebini yaratacağını ifade ederek, bir anlamda Fizyokratları tasdik etmiştir (Dinler, 104


2012: 489). Klasik Ä°ktisatçĹlar genel olarak arz ve serbest ticarete odaklanmÄąĹ&#x;lar, ekonomide meydana gelebilecek Ĺ&#x;oklar sonrasÄąnda piyasalarÄąn, devlet mĂźdahalesine gerek kalmadan, kendi kendine dengeye gelebileceÄ&#x;ini savunmuĹ&#x;lardÄąr. Klasik Ä°ktisatçĹlar, devletlerin denk bĂźtçeyi esas almalarÄąnÄąn gerektiÄ&#x;ini de salÄąk vermiĹ&#x;lerdir (Dileyici ve Ă&#x2013;zkÄąvrak, 2010: 42). Ancak sadece arza odaklanmanÄąn yeterli olmadÄąÄ&#x;Äą 1929-1933 dĂśneminde etkili olan BĂźyĂźk BunalÄąm ile ortaya çĹkmÄąĹ&#x;, piyasalar bir tĂźrlĂź kendiliÄ&#x;inden dengeye gelememiĹ&#x;tir. Bu dĂśnemde ABDâ&#x20AC;&#x2122;de iĹ&#x;sizlik %25â&#x20AC;&#x2122;e yĂźkselmiĹ&#x;, endĂźstriyel Ăźretim ABDâ&#x20AC;&#x2122;de %50, Almanyaâ&#x20AC;&#x2122;da %40, Fransaâ&#x20AC;&#x2122;da %30 azalmÄąĹ&#x;tÄąr (YÄąldÄąrÄąm, Karaman ve TaĹ&#x;demir, 2009: 13). Bunun Ăźzerine John Mynard Keynes (1883-1946) tarafÄąndan 1936â&#x20AC;&#x2122;da yayÄąnlanan Ä°stihdam, Faiz ve ParanÄąn Genel Teorisi kitabÄąyla Keynesyen Ekonomi Teorisiâ&#x20AC;&#x2122;nin etkileri yaĹ&#x;anmaya baĹ&#x;lanmÄąĹ&#x;tÄąr. Bu teoriye gĂśre ekonomilerde Ăśnemli olan arz deÄ&#x;il, talep ve iĹ&#x; insanlarÄąnÄą yatÄąrÄąmlara teĹ&#x;vik edici/cesaretlendirici olumlu ekonomik koĹ&#x;ullardÄąr. Keynes, yaĹ&#x;anan Ĺ&#x;oklar sonrasÄąnda ekonomilerin kendiliÄ&#x;inden dengeye gelemediÄ&#x;inin BĂźyĂźk Buhran vesilesiyle net biçimde gĂśrĂźldĂźÄ&#x;ĂźnĂź, bu nedenle ekonomik dengeden Ăśnemli Ăślçßde sapmalarÄąn olduÄ&#x;u dĂśnemlerde hĂźkĂźmetlerin, gerekirse bĂźtçe açĹÄ&#x;Äą verme pahasÄąna uygulayacaklarÄą geniĹ&#x;letici para ve maliye politikalarÄąyla ekonomiye mĂźdahale etmelerinin yararlÄą olacaÄ&#x;ÄąnÄą Ăśne sĂźrmĂźĹ&#x;tĂźr (Mankiw, 2010: 84-85). Keynesyen Ekonomi Teorisinde milli gelir (GSYH), harcama yĂśntemine gĂśre Ĺ&#x;Ăśyle hesaplanabilmektedir (YÄąldÄąrÄąm, Karaman ve TaĹ&#x;demir, 2009: 35): đ?&#x2018;&#x152; =đ??ś +đ??ź+đ??ş+đ?&#x2018;&#x2039;â&#x2C6;&#x2019; đ?&#x2018;&#x20AC;

(1)

Burada; đ?&#x2018;&#x152;: GayrÄą Safi Yurtiçi HâsÄąlayÄą, đ??ś: Ă&#x2013;zel (hanehalkÄą ve firmalarÄąn) tĂźketim harcamalarÄąnÄą, đ??ź: Ă&#x2013;zel yatÄąrÄąm harcamalarÄąnÄą (firmalarÄąn yaptÄąklarÄą yatÄąrÄąmlar ve hanehalkÄąnÄąn konut alÄąmÄą), đ??ş: Kamunun yatÄąrÄąm ve tĂźketim harcamalarÄą toplamÄąnÄą, đ?&#x2018;&#x2039;: Ä°hracatÄą ve đ?&#x2018;&#x20AC;: Ä°thalatÄą ifade etmektedir. Burada đ??ś, đ??ź, đ??ş ve đ?&#x2018;&#x2039; ekonomiye olumlu katkÄą saÄ&#x;larken (enjeksiyon), đ?&#x2018;&#x20AC; ekonomik akÄąmlardan bir sÄązÄąntÄą oluĹ&#x;turarak, milli geliri olumsuz etkilemektedir (Mankiw, 2010: 29). Ekonomik BĂźyĂźmenin belirleyicilerini denklem ve formĂźllerle ifade etme; Solow (1956) ve Swan (1956) çalÄąĹ&#x;malarÄąyla baĹ&#x;lamÄąĹ&#x;tÄąr. Neoklasik BĂźyĂźme Modeli adÄąnÄą alan ve literatĂźrde kÄąsaca Solow-Swan (1956) modeli Ĺ&#x;eklinde gĂśsterilen bu modelde ekonomik bĂźyĂźme; iĹ&#x;gĂźcĂź ve sermayenin (Ăźretimde kullanÄąlan makine ve teçhizatlarÄąn) bir fonksiyonu olarak ifade edilmektedir. Solow-Swan (1956) ekonomik bĂźyĂźmeyi etkileyen faktĂśrleri inceleyebilmek için Cobb-Douglass tĂźrĂź bir Ăźretim fonksiyonunu temel almÄąĹ&#x;lardÄąr (Jones, 2007: 23 - 50):

105


đ?&#x2018;&#x152;= đ??´đ??ž đ?&#x203A;ź đ??żđ?&#x203A;˝

(2)

Burada; đ?&#x2018;&#x152;: Reel GSYHâ&#x20AC;&#x2122;yi (Ăźretim), đ??´: BĂźyĂźmeyi etkileyen teknoloji dâhil, dÄąĹ&#x;sal faktĂśrleri, đ??ž: Sermaye stokunu (makine-teçhizat miktarÄąnÄą, alt yapÄą, Ăźst yapÄą, vb.), đ??ż: Ä°Ĺ&#x;gĂźcĂźnĂź, đ?&#x203A;ź: Ă&#x153;retimin, sermaye stokuna olan esnekliÄ&#x;ini (duyarlÄąlÄąÄ&#x;ÄąnÄą) ve đ?&#x203A;˝: Ă&#x153;retimin, iĹ&#x;gĂźcĂźne olan esnekliÄ&#x;ini (duyarlÄąlÄąÄ&#x;ÄąnÄą) ifade etmektedir. Solow (1956), bu modelde teknolojiyi tamamen dÄąĹ&#x;sal kabul etmiĹ&#x; ve gĂśkten dĂźĹ&#x;en elmaya benzetmiĹ&#x;tir (ErdoÄ&#x;an ve Canbay, 2016: 32). Bu modele gĂśre iĹ&#x;gĂźcĂźndeki ve sermaye stokundaki artÄąĹ&#x;lar, Ăźretimi ve ekonomik bĂźyĂźmeyi artÄąracaktÄąr. Ancak bu faktĂśrlerden biri sabit tutulurken, sadece diÄ&#x;eri (ĂśrneÄ&#x;in iĹ&#x;gĂźcĂź) sĂźrekli artÄąrÄąlÄąrsa, ekonomi belirli bir seviyeye kadar bĂźyĂźyecek, sonra duraÄ&#x;an durum dengesine gelecek2 ve bĂźyĂźme duracaktÄąr. Romer (1986) ve Lucas (1988), Solow-Swan (1956) modelindeki teknolojiyi dÄąĹ&#x;sal kabul etme ve sÄąnÄąrlÄą ekonomik bĂźyĂźme sorunlarÄąnÄąn Ăźstesinden gelebilmek için geliĹ&#x;tirdikleri İçsel BĂźyĂźme Modelinde teknolojik ilerleme, beĹ&#x;eri sermaye yoluyla Ăźretim fonksiyonuna dâhil edilmiĹ&#x; ve beĹ&#x;eri sermaye geliĹ&#x;tikçe, ekonomik bĂźyĂźmenin sonsuza kadar sĂźreceÄ&#x;i ifade edilmiĹ&#x;tir. BeĹ&#x;eri sermaye (Human Capital: H) ise iĹ&#x;gĂźcĂźne yĂśnelik eÄ&#x;itim ve saÄ&#x;lÄąk harcamalarÄą, iĹ&#x;gĂźcĂźnĂźn sahip olduÄ&#x;u deneyim, Ăźlke içindeki gĂźvenlik ve hukuk seviyesi ile firmalar ve kamu tarafÄąndan gerçekleĹ&#x;tirile AraĹ&#x;tÄąrma - GeliĹ&#x;tirme (Ar&Ge) çalÄąĹ&#x;malarÄąna verilen Ăśnemin bir toplamÄą / ĂźrĂźnĂź / sonucu olarak kabul edilmiĹ&#x;tir (Attanasio, 2015: 1-2). İçsel BĂźyĂźme Modeli de bir Cobb-Douglass Ăźretim fonksiyonunu temel almaktadÄąr (GĂźvel, 2011: 106): đ?&#x2018;&#x152;= đ??ž đ??ťđ?&#x203A;˝ đ?&#x203A;ź

(3)

Burada H; bilgi (eÄ&#x;itim, tecrĂźbe), saÄ&#x;lÄąk ve teknoloji ile donatÄąlmÄąĹ&#x; beĹ&#x;eri sermayeyi ifade etmektedir. İçsel bĂźyĂźme modelinde, artan beĹ&#x;eri sermaye ve teknoloji dĂźzeyindeki iyileĹ&#x;melere baÄ&#x;lÄą olarak sÄąnÄąrsÄąz bĂźyĂźme mĂźmkĂźndĂźr (Dornbusch ve Fischer, 1998: 269-270). 2. OECD Ă&#x153;lkelerinde BeĹ&#x;eri Sermaye ve Ekonomik BĂźyĂźme Ekonomik Ä°Ĺ&#x;birliÄ&#x;i ve KalkÄąnma TeĹ&#x;kilatÄą (Organisation for Economic Co-operation and Development: OECD), 14 AralÄąk 1960 tarihinde imzalanan Paris AnlaĹ&#x;masÄąna dayanarak, 20 kurucu Ăźye Ăźlke tarafÄąndan 1961â&#x20AC;&#x2122;de kurulmuĹ&#x;tur. OECD temel olarak, ekonomik konularda uzmanlaĹ&#x;mÄąĹ&#x;, hĂźkĂźmetlerarasÄą bir istiĹ&#x;are kuruluĹ&#x;u gĂśrĂźnĂźmĂźndedir. Ă&#x153;ye Ăźlkeler tarafÄąndan gĂźndeme getirilen veya dĂźnya ekonomisindeki 2

EmeÄ&#x;in azalan marjinal verimleri yasasÄą gereÄ&#x;i.

106


gelişmeler nedeniyle güncel hale gelen konularda, ekonomik hayatın çeşitli boyutlarında, yaptığı analitik incelemelerin sonuçları doğrultusunda üye ülkelere tavsiyelerde bulunan OECD’nin Paris’teki merkezinde, bir sekretarya ve üye ülkelerin resmi temsilcileri görev yapmaktadır (MFA, 2018). Günümüzde 36 üyesi bulunan OECD’nin kurucu üyeleri ve diğer üyelerinin birliğe katılım tarihleri Tablo 1’de yer almaktadır. Tablo 1: OECD Üyesi Ülkeler ve Birliğe Katılım Tarihleri Sıra No 1 2 3 4 5 6 7

Avusturya Belçika Kanada Danimarka Fransa Almanya Yunanistan

Üyelik Tarihi Kurucu Kurucu Kurucu Kurucu Kurucu Kurucu Kurucu

Sıra No 19 20 21 22 23 24 25

8

İzlanda

Kurucu

26

9 10 11 12 13 14 15 16 17 18

İrlanda İtalya Lüksemburg Hollanda Norveç Portekiz İspanya İsveç İsviçre Türkiye

Kurucu Kurucu Kurucu Kurucu Kurucu Kurucu Kurucu Kurucu Kurucu Kurucu

27 28 29 30 31 32 33 34 35 36

Ülke

Ülke İngiltere ABD Japonya Finlandiya Avustralya Yeni Zelanda Meksika Çek Cumhuriyeti Macaristan Polonya Güney Kore Slovakya Şili Estonya İsrail Slovenya Letonya Litvanya

Üyelik Tarihi Kurucu Kurucu 1964 1969 1971 1973 1994 1995 1996 1996 1996 2000 2010 2010 2010 2010 2016 2018

Kaynak: MFA (2018).

OECD, dünyanın en büyük 20 ekonomisinden 13’ünü (World Bank, 2018e), 28 Avrupa Birliği üyesi ülkeden 23’ünü üçünde barındırmaktadır (Avrupa Birliği Bakanlığı, 2011). Beşeri sermayeyi en iyi temsil eden değişkenlerden biri İnsani Gelişmişlik Endeksi (İGE: Human Development Indicators: HDI) olup, literatürde yaygın biçimde kullanılmaktadır. İGE, başlıca okur-yazarlık oranı, yaşam uzunluğu, kişi başına düşen gelir, çocuk hakları, bireysel özgürlükler ve fikri mülkiyet haklarının korunma derecesi gibi endekslerinden yararlanılarak hesaplanmaktadır (Gallardo, 2009: 3-4). 2017 yılı sonu itibariyle OECD ülkelerindeki GSYH (Cari, Milyar Dolar3), kişi başına düşen GSYH (KBDGSYH, Cari, Dolar) ekonomik büyüme (EB, %), Eğitim Harcamaları/GSYH (EH, %), Sağlık 3

Bu çalışma boyunca Dolar ifadesi ile ABD Doları kastedilecektir.

107


Harcamaları/GSYH (SH, %), Doğumda Beklenen Ortalama Yaşam Süresi (YS, Yıl), Ar&Ge harcamaları/GSYH (Ar&Ge, %) ve İnsani Gelişmişlik Endeksi (İGE) verileri Tablo 2’de yer almaktadır. Tablo 2’de ülkeler 2017 yılı İGE verilerine göre, büyükten küçüğe doğru olacak şekilde sıralanmıştır. Tablo 2: OECD Ülkelerinin Beşeri Sermaye ve Ekonomik Büyüme Verileri (2017) Sıra Ülke İGE GSYH EB KBDGSYH EH SH YS Ar&Ge No 1 Norveç 0.953 399 1.9 75505 7.4 10 83 1.9 2 İsviçre 0.944 679 1.1 80190 5.1 12.1 83 3.1 3 Avustralya 0.939 1323 2 53800 5.2 9.4 83 2.2 4 İrlanda 0.938 334 7.8 69331 5.3 7.8 82 1.5 5 Almanya 0.936 3677 2.2 44470 4.9 11.2 81 2.8 6 İzlanda 0.935 24 3.6 70057 7.3 8.6 82 2.2 7 İsveç 0.933 538 2.3 53442 7.6 11 82 3.3 8 Hollanda 0.931 826 3.2 48223 5.7 10.7 82 2 9 Danimarka 0.929 307 2.2 56308 7.7 10.3 81 3 10 Kanada 0.926 1653 3 45032 5.4 10.4 82 1.6 11 ABD 0.924 19391 2.3 59532 5.1 16.8 79 2.9 12 İngiltere 0.922 2622 1.8 39720 5.5 9.9 81 1.7 13 Finlandiya 0.92 252 2.6 45703 7.1 9.4 82 3.2 14 Yeni Zelanda 0.917 206 3 42941 6.3 9.3 82 1.2 15 Belçika 0.916 493 1.7 43324 6.5 10.5 81 2.4 16 Japonya 0.909 4872 1.7 38428 3.6 10.9 84 3.3 17 Avusturya 0.908 417 3 47291 5.6 10.3 81 3.1 18 Lüksemburg 0.904 62 2.3 104103 4 6 82 1.3 19 İsrail 0.903 351 3.3 40270 5.4 7.4 83 4.2 20 Güney Kore 0.903 1531 3.1 29743 5.1 7.4 82 4.1 21 Fransa 0.901 2583 1.8 38477 5.6 11.1 82 2.2 22 Slovenya 0.896 49 5 23597 5.6 8.5 81 2.4 23 İspanya 0.891 1311 3.1 28157 4.3 9.2 83 1.2 24 Çek Cum. 0.888 216 4.3 20368 3.7 7.3 78 2 25 İtalya 0.88 1935 1.5 31953 4.4 9 83 1.4 26 Estonya 0.871 26 4.9 19705 4.9 6.5 78 1.5 27 Yunanistan 0.87 200 1.4 18613 3.7 8.4 81 1 28 Polonya 0.865 525 4.6 13812 5.1 6.3 77 1.1 29 Litvanya 0.858 47 3.8 16681 4.1 6.5 74 1.1 30 Slovakya 0.855 96 3.4 17605 4.8 6.9 77 1.1 31 Portekiz 0.847 218 2.7 21136 5.2 9 81 1.3 32 Letonya 0.847 30 4.5 15594 5.9 5.8 75 0.7 33 Şili 0.843 277 1.5 15346 5 8.1 80 0.4 34 Macaristan 0.838 139 4 14225 4.6 7.2 76 1.4

108


35 Türkiye 36 Meksika

0.791 0.774

851 1150

7.4 2

10541 8903

4.4 4.8

4.1 5.9

76 77

1.2 0.6

Kaynak: World Bank(2018) ve UNDP (2018).

Tablo 2’deki verilere göre İnsani Gelişmişlik Endeksine göre en iyi durumda olan ülkeler Norveç, İsveç ve Avusturalya’dır. Bu sıralamada en sonda yer alan ülkeler ise Macaristan, Türkiye ve Meksika’dır. Ülkeler 2017 yılı GSYH verilerine göre sıralandığında ABD 19 trilyon 391 Milyar Dolarlık GSYH’si ile ilk sırada yer almakta, onu 4 Trilyon 872 Milyar Dolarlık GSYH ile Japonya ve 3 Trilyon 677 Milyar Dolarlık GSYH ile Almanya takip etmektedir. GSYH yönünden en küçük ülkeler; Letonya, Estonya ve İzlanda’dır. OECD ülkeleri kişi başına düşen milli gelir yönünden kıyaslandığında Lüksemburg 104 Bin Dolar ile ilk sırada, İsviçre 80 Bin Dolar ile ikinci sırada, Norveç ise 75 Bin Dolar ile üçüncü sırada yer almaktadır. Bu sıralamada son üç ülke ise Polonya (13812 Dolar), Türkiye (10541 Dolar) ve Meksika’dır (8903 Dolar). Burada İGE ye göre son sırada olan Türkiye ve Meksika’nın, kişi başına düşen milli gelirde de en son sıralarda yer almaları, beşeri sermaye ile ekonomik büyüme arasındaki ilişkinin en net göstergelerindendir. Kamu tarafından gerçekleştirilen eğitim harcamalarının milli gelir içindeki payı en yüksek olan ülkeler; Danimarka (%7.7), İsveç (%7.6) ve Norveç (%7.4) olurken, en az pay ayıran ülkeler; Çek Cumhuriyeti (%3.7), Yunanistan (%3.7) ve Japonya (%3.6) olmuştur. Burada Japonya’nın en son sırada yer almasının nedeni, bu ülkede eğitim faaliyetlerinin büyük oranda özel sektör eliyle yürütülüyor olmasıdır. Milli gelirden sağlık harcamalarına ayrılan paylar noktasında ABD %16.8 ile ilk sırada, İsviçre %12.1 ile ikinci sırada ve Almanya %11.2 ile üçüncü sırada yer alırken, Meksika %5.9, Letonya %5.8 ve Türkiye %4.1 ile en son sıralarda yer almaktadırlar. Doğumda beklenen ortalama yaşam süresi noktasında ilk üç ülke; Japonya (84), İsviçre (83) ve Norveç (83) olurken, son üç ülke; Türkiye (76), Letonya (75) ve Litvanya (74) olmuştur. Milli gelirden Ar&Ge çalışmalarına ayrılan paylara bakıldığında ilk üç ülkenin; İsrail (%4.2), Kore (%4.1) ve Japonya (3.3) olduğu, son üç ülkenin ise Letonya (%0.7), Meksika (0.6) ve Şili (0.4) olduğu görülmektedir. Bu tablodan çıkan genel sonuç; Ar&Ge, eğitim ve sağlık harcamaları ve insani gelişmişliğe önem veren ülkelerin, ekonomik büyümelerinin de kişi başına düşen milli gelirlerinin de daha yüksek olduğudur. 3. Literatür Özeti Literatürde yer alan beşeri sermaye ile ekonomik büyüme arasındaki ilişkilerin araştırıldığı çalışmaların seçilmiş bir özeti buraya, tarih sırasına göre alınmıştır. Asterio ve Agiomirgianakis (2001), Yunanistan’da beşeri sermaye ile ekonomik büyüme arasındaki ilişkileri, 1960-1994 dönemi için zaman 109


serisi analizi yöntemlerinden Johansen eşbütünleşme testi, Granger nedensellik testi ve ECM yöntemleriyle araştırmıştır. Çalışmada ekonomik büyüme; kişi başına düşen reel GSYH ile beşeri sermaye; ilkokul ve ortaokul düzeyinde okullaşma oranı, 15-64 yaş arası (çalışma çağındaki) nüfus ve toplam kamu harcamaları içinde eğitim harcamalarının payı verileri kullanılmıştır. Serilerin eşbütünleşik olduklarının görüldüğü çalışmada, okullaşma düzeyinden ve kamu eğitim harcamalarından ekonomik büyümeye doğru tek yönlü nedensellik ilişkileri tespit edilmiştir. Chow ve Lin (2002), Çin ve Tayvan’da beşeri sermayenin ekonomik büyüme üzerindeki etkilerini, 1952-1998 dönemi için araştırmıştır. Çalışmada her bir ülke için ayrı ayrı zaman serisi ve faktör analizleri yapılmış ve söz konusu dönemde Çin’de ekonomik büyümenin ortalama %9, toplam faktör verimliliğinin %28, sabit sermaye stokunun %62 ve beşeri sermayenin %10 oranında arttığı tespit edilmiştir. Tayvan ekonomisinin ise 1952-1998 döneminde ortalama %8 büyüdüğü, aynı dönemde bu ülkedeki fiziki sermayenin %40, beşeri sermayenin %20 ve toplam faktör verimliliğinin de %40 artmış olduğu belirlenmiştir. Çalışmada ayrıca beşeri sermayenin ekonomik büyüme üzerindeki etkilerinin Çin’de daha düşük olduğu görülmüş ve araştırmacılar bu durumun nedeninin, Çin’deki işgücünün yeterince nitelikli olamamaları olduğunu belirtmişlerdir. Çakmak ve Gümüş (2005), Türkiye’de beşeri sermaye ve ekonomik büyüme arasındaki ilişkileri, 1960-2002 dönemi reel GSYH, fiziki sermaye stoku, beşeri sermaye ve işgücü verilerini kullanarak, EngleGranger eşbütünleşme testi, Johansen eşbütünleşme testi ve VEC yöntemleriyle analiz etmiştir. Analiz sonucunda ekonomik büyümeyi; fiziki sermaye stokundaki %1’lik artışların %1.61, beşeri sermayedeki %1’lik artışların %0.145 artırdığı, işgücündeki %1’lik artışların ise %1.43 azalttığı tespit edilmiştir. Middendorf (2005), 29 OECD ülkesinde beşeri sermayenin ekonomik büyüme üzerindeki etkilerini, 1965-2000 dönemi verilerini kullanarak, panel veri analizi yöntemiyle araştırmıştır. Çalışmada ekonomik büyüme; kişi başına düşen GSYH’deki yıllık yüzde değişim ile beşeri sermaye; ortalama eğitim yılı ve doğurganlık oranı ile temsil edilmiş, çalışma ayrıca yatırım oranı, kamu harcamaları ve enflasyon makroekonomik değişkenleriyle de desteklenmiştir. Çalışma sonucunda ekonomik büyümeyi; okullaşma oranındaki 1 birimlik artışın 0.005 birim, yatırımlardaki 1 birimlik artışın 0.203 birim, dış ticaretteki 1 birimlik artışın 0.075 birim artırdığı, doğurganlık oranındaki 1 birimlik artışın 0.006, enflasyondaki 1 birimlik artışın 0.001 birim azalttığı tespit edilmiştir.

110


Leeuwen (2006), beşeri sermayenin ekonomik büyüme üzerindeki etkilerini Endonezya, Hindistan ve Japonya’nın 1890-2000 dönemi verilerini kullanarak, zaman serisi yöntemleriyle analiz etmiştir. Çalışma sonucunda beşeri sermayedeki %1’lik artışların ekonomik büyümeyi Japonya’da %2, Endonezya’da %1.1 ve Hindistan’da %1 artırdığını tespit etmiştir. Yazar bu etkinin Endonezya ve Hindistan’da az olmasının nedeninin, söz konusu ülkelerde eğitim düzeyi ve işgücü niteliğinin düşüklüğü olarak açıklamıştır. Taban ve Kar (2006), beşeri sermaye ile ekonomik büyüme arasındaki nedensellik ilişkilerini, 1969-2001 dönemi verilerini kullanarak, Johansen eşbütünleşme testi ve Granger nedensellik testi ile analiz etmiştir. Ekonomik büyümenin reel GSYH ile ölçüldüğü çalışmada, beşeri sermaye; UNDP’den alınan İnsani Gelişme Endeksi ile temsil edilmiştir. Ayrıca beşeri sermayenin göstergelerinden okullaşma oranı, eğitim endeksi ve yaşam süresi beklentisi endeksi verileri de çalışmaya dâhil edilmiştir. Çalışma sonucunda; ekonomik büyüme ile İnsani Gelişme Endeksi ve ekonomik büyüme ile eğitim endeksi arasında iki yönlü, okullaşma oranından ekonomik büyümeye ve ekonomik büyümeden ortalama yaşam süresi beklentisine doğru tek yönlü nedensellik ilişkileri tespit edilmiştir. Daşdemir (2008), 27 Avrupa Birliği üyesi ülkede beşeri sermaye ile ekonomik büyüme arasındaki ilişkileri, 1990-2005 dönemi için panel veri analiz yöntemiyle incelemiştir. Oldukça geniş bir veri seti kullanılan çalışmada ekonomik büyüme; kişi başına düşen reel GSYH ile temsil edilirken, beşeri sermaye; İnsani Gelişmişlik Endeksi, kişi başına düşen bilgisayar sayısı, nüfus artış oranı, kamunun eğitime yaptığı harcamaların GSYH’ye oranı, öğretmen başına düşen öğrenci sayısı ve ortalama eğitim yılı verileri kullanılmıştır. Çalışma ayrıca enflasyon oranı, ihracat, ithalat, yatırım ve ticari dışa açıklık gibi makroekonomik verilerle de genişletilmiştir. Yapılan analizler sonucunda ekonomik büyümeyi; beşeri sermayedeki (insani gelişmişlik endeksindeki) %1’lik artışın %0.24, ticari dışa açıklıktaki %1’lik artışın %0.05, yatırımlardaki %1’lik artışın %0.02 oranında artırdığı, enflasyondaki %1’lik artışın ise %0.004 oranında azalttığı tespit edilmiştir. Varsak ve Bakırtaş (2009), Türkiye’de beşeri sermaye ile ekonomik büyüme arasındaki ilişkileri, 1970-2008 dönemi için Johansen eşbütünleşme testi, VEC yöntemi ve varyans ayrıştırma tekniğiyle araştırmıştır. Çalışmada ekonomik büyüme; kişi başına düşen reel gayri safi yurtiçi hâsıla ile temsil edilirken, beşeri sermaye; okullaşma oranı ve öğrenci başına düşen eğitim harcamaları ile temsil edilmiştir. Analizler sonucunda; eğitim göstergelerinde meydana gelen değişimlerin, kişi başına düşen reel gayrisafi yurtiçi hasılayı önemli ölçüde etkilediği, ancak kişi başına düşen reel gayri safi yurtiçi hasılada meydana gelen değişimlerin,

111


eğitim göstergelerinde önemli bir değişime neden olmadığı tespit edilmiştir. Yardımcıoğlu (2012), 25 OECD ülkesinde beşeri sermayenin ekonomik büyüme üzerindeki etkilerini, 1975-2008 dönemi verilerini kullanarak, Pedroni eşbütünleşme testi, FMOLS yöntemi ve Canning-Pedroni panel nedensellik testiyle analiz etmiştir. Çalışmada beşeri sermaye göstergesi olarak; doğumda beklenen ortalama yaşam süresi verisi kullanılmıştır. Analiz sonucunda; beşeri sermayedeki %1’lik artışın ekonomik büyümeyi %0.18, ekonomik büyümedeki %1’lik artışın ise beşeri sermayeyi %0.17 oranında artırdığı ve beşeri sermaye ile ekonomik büyüme arasında karşılıklı nedensellik ilişkilerinin var olduğu tespit edilmiştir. Bal, Algan, Manga ve Kandır (2014), BRICS4 ülkeleri ve Türkiye’de beşeri sermaye ile ekonomik büyüme arasındaki ilişkileri, 1995-2011 dönemi için panel veri analizi yöntemleriyle araştırmıştır. Çalışmada ekonomik büyüme; 2005 yılı sabit fiyatıyla reel GSYH ile ölçülürken, beşeri sermaye; beşeri sermaye endeksi5 ile temsil edilmiştir. Çalışmada serilerin durağanlıkları LLC ve IPS panel birim kök testleriyle, seriler arasında eşbütünleşme ilişkisinin varlığı Pedroni ve Kao testleriyle sınanmış, regresyon analizi FMOLS yöntemiyle gerçekleştirilmiştir. Analiz sonucunda; beşeri sermaye ile ekonomik büyüme arasında pozitif ve yüksek bir korelasyon belirlenmiş, GSYH’yi beşeri sermayedeki %1’lik artışın %2.81, sabit sermaye stokundaki % 1’lik artışın ise %0.62 artırdığı tespit edilmiştir. Elde edilen bulgulara ülkeler bazında bakıldığında; beşeri sermayenin ekonomik büyüme üzerindeki etkisinin en yüksek olduğu ülkelerin sırasıyla Rusya, Hindistan, Çin ve Türkiye olduğu görülmüş olup, bu durumun söz konusu ülkelerin emek yoğun üretim stratejileri izliyor olmalarından kaynaklandığı değerlendirilmiştir. Sabit sermaye stokunun ekonomik büyüme üzerindeki etkisinin en yüksek olduğu ülke ise Brezilya çıkmıştır. Ener, Karanfil ve Yıldırım (2015), Türkiye’de ekonomik büyüme, beşeri sermaye ve ihracat arasındaki ilişkileri, 1980-2013 dönemi verilerini kullanarak, Engle-Granger eşbütünleşme testi ve Granger nedensellik testi yardımıyla araştırmıştır. Çalışmada ekonomik büyüme; kişi başına düşen milli gelir ile beşeri sermaye ise yükseköğretim okullaşma oranı ile temsil edilmiştir. Çalışmanın sonucunda beşeri sermaye ile ekonomik büyüme ve beşeri sermaye ile ihracat arasında iki yönlü nedensellik ilişkileri tespit edilirken, ihracat ile ekonomik büyüme arasında herhangi bir nedensellik ilişkisi tespit edilememiştir. BRICS; Brasail, Russia, India, China, South Africa kelimelerinin baş harflerinden oluşmaktadır. 5 Yazarlar bu endeksin; okullaşma yılı, eğitimin geri dönüşünü (eğitimin getirisi, eğitimin özel- sosyal faydalarını ve işgücünün verimliliğini) ifade ettiğini belirtmişlerdir. 4

112


Topallı (2017), Türkiye’de beşeri sermaye ile ekonomik büyüme arasındaki ilişkileri, 1960-2012 dönemi için VECM ve Toda-Yamamoto yöntemleriyle araştırmıştır. Çalışmada ekonomik büyüme; kişi başına düşen reel milli gelir ile temsil edilirken, beşeri sermaye göstergeleri olarak; yükseköğretim kurumlarından mezun olanların sayısı ile mesleki ve teknik okullardan mezun olanların sayısı değişkenleri kullanılmıştır. Analiz sonucunda ile mesleki ve teknik okullardan mezun olanların sayısından, kişi başına düşen reel milli gelire ve kişi başına düşen reel milli gelirden yükseköğretim kurumlarından mezun olanların sayısına doğru tek yönlü nedensellik ilişkileri belirlenmiştir. Kılıç ve Özbek (2018), OECD ülkelerinde eğitim ve sağlık harcamalarının ekonomik büyüme üzerindeki etkilerini, 1995-2013 dönemi için LLC, IPS panel birim kök testleri, Pedroni ve Kao panel eşbütünleşme testlerini, DOLS ve FMOLS panel regresyon tahmincilerini ve Dumitrescu-Hurlin panel nedensellik testini kullanarak analiz etmiştir. Analiz sonucunda; eğitim harcamaları, sağlık harcamaları ve ekonomik büyüme arasında karşılıklı nedensellik ilişkileri tespit edilirken, sağlık harcamalarındaki %1’lik değişimlerin bu ülkelerde ekonomik büyümeyi ortalama %0.45, eğitim harcamalarındaki %1’lik değişimin ise bu ülkelerde ekonomik büyümeyi ortalama %0.37 oranında etkilediği tespit edilmiştir. Bu çalışmalarda genel olarak; eğitim, sağlık ve Ar&Ge harcamalarının, toplam olarak kullanıldığı görülmekte olup, bu çalışmada, söz konusu bu değişkenler kişi başına haline getirilerek kullanılmıştır. Bu yönüyle çalışmanın literatüre bir katkı sağlanması beklenmektedir. 4. Ekonometrik Analiz 4.1. Veri Seti Bu çalışmada 36 OECD ülkesinde6 1995-20177 döneminde beşeri sermayenin ekonomik büyüme üzerindeki etkilerini tespit edebilmek için bağımlı değişken olarak; World Development Indicators (2018)’dan alınan, 2011 yılı sabit fiyatlarıyla hesaplanmış, satın alma gücü paritesine göre, kişi başına düşen milli gelir (GDPPC, Dolar) kullanılmıştır. Bağımsız değişkenler olarak ise; World Bank (2018a)’dan alınan, 2010 yılı sabit fiyatlarıyla hesaplanmış sabit sermaye oluşumu verilerinin, World Bank (2018b)’den alınan nüfusa bölünmesiyle elde edilen kişi başına düşen sabit sermaye stoku (KPC, Dolar), World Bank (2018c)’den alınan ve OECD ülkeleri yakın zamana kadar 34 tane idi. 2016 yılında Letonya, Mayıs 2018’de Litvanya OECD’ye girmiştir. Bu ülkelerin de eklenmesiyle oluşan 36 ülkeli yeni OECD’nin tamamı analize dâhil edilmiştir. Çalışma bu yönüyle de literatürdeki benzerlerinden farklılaşmaktadır. 7 Dönem seçilirken, ülkelerin ortak verilerine ulaşılabilen en geniş dönemin alınmasına öze gösterilmiştir. 6

113


Uluslararası İşgücü Örgütü (International Labour Organisation: ILO) sistematiğine göre hesaplanmış işgücü (L), UNDP (2018)’den alınan İnsani Gelişmişlik Göstergesi (Human Development Indicators: HDI8), World Bank (2018d)’den alınan milli gelir içinde Ar&Ge harcamalarının payı verilerinin, World Bank (2018e)’den alınan cari GSYH değerleriyle çarpılıp, World Bank (2018h)’den alınan tüketici fiyat endeksine (Consumer Price Index, 2010=100) bölünerek reel hale getirilmesi ve bu değerlerin World Bank (2018b)’den alınan nüfusa bölünmesiyle elde edilen kişi başına düşen Ar&Ge harcaması (Research and Development Per Capita: RDPC, Dolar), World Bank (2018g)’den alınan, kamu tarafından gerçekleştirilen eğitim harcamalarının milli gelir içindeki payı verisinin, World Bank (2018e)’den alınan cari GSYH değerleriyle çarpılıp, World Bank (2018h)’den alınan Tüketici Fiyat Endeksi (Consumer Price Index, 2010=100) kullanılarak reel hale getirilmesi ve bu değerlerin World Bank (2018b)’den alınan nüfusa bölünmesiyle elde edilen kişi başına düşen kamu eğitim harcaması (Education Expenditure Per Capita: EEPC, Dolar), World Development Indicators (2018)’den alınan, satın alma gücü paritesine göre hesaplanmış kişi başına düşen sağlık harcaması (Health Expenditure Per Capita: HEPC, Dolar) ve World Bank (2018f)’den alınan doğumda beklenen ortalama yaşam süresi (Life Expectancy: LE) kullanılmıştır9. Çalışmada, kullanılan bütün verilerin doğal logaritmaları alınarak, analiz sonucunda değişen varyans sorunu ortaya çıkması önlenmeye çalışılmıştır. Veri seçiminde; Çakmak ve Gümüş (2005); Middendorf (2005); Taban ve Kar (2006); Daşdemir (2008); Varsak ve Bakırtaş (2009); Bal, Algan, Manga ve Kandır (2014), Topallı (2017) ve Kılıç ve Özbek (2018) çalışmaları temel alınmıştır. Veri setine ait tanımlayıcı istatistikler Ek 1’de yer almaktadır. 4.2. Model Bu çalışmada beşeri sermayenin ekonomik büyüme üzerindeki etkilerini tespit edebilmek için Solow-Swan (1956) izlenip, Romer (1986) ve Lucas (1988)’in beşeri sermayeyle ilgili katkıları da göz önünde bulundurularak, ayrıca Çakmak ve Gümüş (2005), Middendorf (2005) ve

Bu endeks verileri 0-1 aralığında değerler almakta olup, tarafımızdan 100 ile çarpılmış, sonra doğal logaritmaları alınmıştır. 9 Literatürde bu tür analizlerde genellikle Ar&Ge, eğitim ve sağlık harcamalarının milli gelire oranı verileri kullanılırken, bu çalışmada bu seriler GSYH verileriyle çarpılıp, nüfusa bölünerek, kişi başına haline getirilmiştir. Benzer işlem K serisi içinde yapılmış olup, böylece çalışmadaki bütün veriler kişi başına düşen veriler haline getirilmeye çalışılmıştır. Bu işleme literatürde yer alan diğer çalışmalarda rastlanmamış olup, çalışmanın bu yönüyle de literatüre bir katkı sağlaması ve sonraki araştırmacılar için ufuk açıcı olması beklenmektedir. 8

114


KÄąlĹç ve Ă&#x2013;zbek (2018) çalÄąĹ&#x;malarÄą izlenerek oluĹ&#x;turulan ekonometrik modeller: đ?&#x2018;&#x20AC;đ?&#x2018;&#x153;đ?&#x2018;&#x2018;đ?&#x2018;&#x2019;đ?&#x2018;&#x2122; 1: đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą = đ?&#x203A;˝0 + đ?&#x203A;˝1 đ??żđ?&#x2018;&#x203A;đ??žđ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝2 đ??żđ?&#x2018;&#x203A;đ??żđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝3 đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??źđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x2018;&#x2019;đ?&#x2018;&#x2013;đ?&#x2018;Ą (4) đ?&#x2018;&#x20AC;đ?&#x2018;&#x153;đ?&#x2018;&#x2018;đ?&#x2018;&#x2019;đ?&#x2018;&#x2122; 2: đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą = đ?&#x203A;˝0 + đ?&#x203A;˝1 đ??żđ?&#x2018;&#x203A;đ??žđ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝2 đ??żđ?&#x2018;&#x203A;đ??żđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝3 đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??źđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝4 đ??żđ?&#x2018;&#x203A;đ?&#x2018;&#x2026;đ??ˇđ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x2018;&#x2019;đ?&#x2018;&#x2013;đ?&#x2018;Ą (5) đ?&#x2018;&#x20AC;đ?&#x2018;&#x153;đ?&#x2018;&#x2018;đ?&#x2018;&#x2019;đ?&#x2018;&#x2122; 3: đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą = đ?&#x203A;˝0 + đ?&#x203A;˝1 đ??żđ?&#x2018;&#x203A;đ??žđ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝2 đ??żđ?&#x2018;&#x203A;đ??żđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝3 đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??źđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝4 đ??żđ?&#x2018;&#x203A;đ??żđ??¸đ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x2018;&#x2019;đ?&#x2018;&#x2013;đ?&#x2018;Ą (6) đ?&#x2018;&#x20AC;đ?&#x2018;&#x153;đ?&#x2018;&#x2018;đ?&#x2018;&#x2019;đ?&#x2018;&#x2122; 4: đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą = đ?&#x203A;˝0 + đ?&#x203A;˝1 đ??żđ?&#x2018;&#x203A;đ??žđ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝2 đ??żđ?&#x2018;&#x203A;đ??żđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝3 đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??źđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝4 đ??żđ?&#x2018;&#x203A;đ??¸đ??¸đ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x2018;&#x2019;đ?&#x2018;&#x2013;đ?&#x2018;Ą (7) đ?&#x2018;&#x20AC;đ?&#x2018;&#x153;đ?&#x2018;&#x2018;đ?&#x2018;&#x2019;đ?&#x2018;&#x2122; 5: đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą = đ?&#x203A;˝0 + đ?&#x203A;˝1 đ??żđ?&#x2018;&#x203A;đ??žđ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝2 đ??żđ?&#x2018;&#x203A;đ??żđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝3 đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??źđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x203A;˝4 đ??żđ?&#x2018;&#x203A;đ??ťđ??¸đ?&#x2018;&#x192;đ??śđ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x2018;&#x2019;đ?&#x2018;&#x2013;đ?&#x2018;Ą (8)

Burada đ?&#x2018;&#x2013; = 1, â&#x20AC;Ś ,36 çalÄąĹ&#x;manÄąn yatay kesit boyutunu (Ăźlke sayÄąsÄąnÄą), đ?&#x2018;Ą = 1, â&#x20AC;Ś ,23 çalÄąĹ&#x;manÄąn zaman boyutunu (yÄąl sayÄąsÄąnÄą), đ?&#x2018;&#x2019;đ?&#x2018;&#x2013;đ?&#x2018;Ą ; ekonometrik olarak sorunsuz hata terimleri serisini gĂśstermektedir. 4.3. YĂśntem Ă&#x2021;alÄąĹ&#x;mada serilerin duraÄ&#x;anlÄąklarÄą; Levin, Lin, Chu (2002) (LLC) ve Im, Pesaran ve Shin (2003) (IPS) panel birim kĂśk testleriyle, seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisinin varlÄąÄ&#x;Äą; Pedroni (2004) panel eĹ&#x;bĂźtĂźnleĹ&#x;me testiyle, panel regresyon analizi; PDOLS (Panel Dynamic Ordinary Least Squares: Panel Dinamik En Kßçßk Kareler) yĂśntemiyle gerçekleĹ&#x;tirilmiĹ&#x;, seriler arasÄąndaki nedensellik iliĹ&#x;kileri; Dumitrescu ve Hurlin (2012) panel nedensellik testiyle incelenmiĹ&#x;tir. 4.4. Panel Birim KĂśk Testi Ekonometrik analizler, serilerin duraÄ&#x;anlÄąk derecelerine duyarlÄą olup, sonraki aĹ&#x;amalarda kullanÄąlacak analiz yĂśntemlerine de serilerin duraÄ&#x;anlÄąk derecelerine gĂśre karar verilmesi gerekmektedir (Metin ve Akcan, 2017: 262). Bu nedenle çalÄąĹ&#x;mada serilerin duraÄ&#x;anlÄąÄ&#x;Äą LLC ve IPS panel birim kĂśk testleriyle sÄąnanmÄąĹ&#x;tÄąr. Bir Y serisine yapÄąlacak panel birim testi genel olarak aĹ&#x;aÄ&#x;Äądaki denklemi baz almaktadÄąr: đ?&#x2018;&#x161;đ?&#x2018;&#x2013;

â&#x2C6;&#x2020;đ?&#x2018;&#x152;đ?&#x2018;&#x2013;đ?&#x2018;Ą = đ?&#x153;&#x152;đ?&#x2018;&#x2013; đ?&#x2018;&#x152;đ?&#x2018;&#x2013;đ?&#x2018;Ąâ&#x2C6;&#x2019;1 + â&#x2C6;&#x2018; đ?&#x203A;˝đ?&#x2018;&#x2013;đ?&#x2018;&#x2014; â&#x2C6;&#x2020; đ?&#x2018;&#x152;đ?&#x2018;&#x2013;đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2014; + đ?&#x203A;żđ?&#x2018;&#x2039;đ?&#x2018;&#x2013;đ?&#x2018;Ą + đ?&#x2018;˘đ?&#x2018;&#x2013;đ?&#x2018;Ą đ?&#x2018;&#x2014;=1

115

(9)


Burada đ?&#x153;&#x152;đ?&#x2018;&#x2013; ; birim kĂśk parametresi olup, serinin cari dĂśnemdeki deÄ&#x;erinin (đ?&#x2018;&#x152;đ?&#x2018;&#x2013;đ?&#x2018;Ą ), bir Ăśnceki dĂśnemdeki deÄ&#x;erinden (đ?&#x2018;&#x152;đ?&#x2018;&#x2013;đ?&#x2018;Ąâ&#x2C6;&#x2019;1 ) ne derecede etkilendiÄ&#x;ini Ăślçmektedir. đ?&#x2018;&#x161;đ?&#x2018;&#x2013; ; optimum gecikme uzunluklarÄąnÄą ifade etmektedir. đ?&#x2018;&#x2039;đ?&#x2018;&#x2013;đ?&#x2018;Ą; Serinin duraÄ&#x;anlÄąÄ&#x;ÄąnÄą etkileyen trend ve sabit terim gibi diÄ&#x;er faktĂśrleri temsil etmektedir. LLC testi, paneli oluĹ&#x;turan yatay kesitler (Ăźlkeler) arasÄąnda birim kĂśk parametresinin (đ?&#x153;&#x152;đ?&#x2018;&#x2013; ) homojen olduÄ&#x;unu (đ?&#x153;&#x152;đ?&#x2018;&#x2013; = đ?&#x153;&#x152;) kabul etmekte olup, hipotezleri: đ??ť0 : |đ?&#x153;&#x152;| = 1 Seride birim kĂśk vardÄąr (Seri duraÄ&#x;an deÄ&#x;ildir) đ??ť1 : |đ?&#x153;&#x152;| < 1 Seride birim kĂśk yoktur (Seri duraÄ&#x;andÄąr) Ĺ&#x;eklindedir. IPS testi ise birim kĂśk parametresinin (đ?&#x153;&#x152;đ?&#x2018;&#x2013; ) yatay kesitler (Ăźlkeler) arasÄąnda farklÄąlaĹ&#x;abileceÄ&#x;ini gĂśz ĂśnĂźnde bulundurmaktadÄąr. Bu yĂśnĂźyle LLC testinden daha gßçlĂź kabul edilmektedir (Nell ve Zimmermann, 2011: 5). IPS testinin hipotezleri: đ??ť0 : |đ?&#x153;&#x152;đ?&#x2018;&#x2013; | = 1 Seride birim kĂśk vardÄąr (Seri duraÄ&#x;an deÄ&#x;ildir) đ??ť1 : |đ?&#x153;&#x152;đ?&#x2018;&#x2013; | < 1 Seride birim kĂśk yoktur (Seri duraÄ&#x;andÄąr) Ĺ&#x;eklindedir. DĂźzey deÄ&#x;erlerinde duraÄ&#x;an olan serilere I(0), dĂźzey deÄ&#x;erlerinde duraÄ&#x;an olmayÄąp birinci farkÄą alÄąndÄąÄ&#x;Äąnda duraÄ&#x;an hale gelen serilere I(1) seri adÄą verilmektedir (McCauley, Bassler ve Gunaratne, 2010). Ă&#x2021;alÄąĹ&#x;mada LLC ve IPS panel birim kĂśk testleri yapÄąlmÄąĹ&#x; ve elde edilen bulgular Tablo 3â&#x20AC;&#x2122;te sunulmuĹ&#x;tur. Tablo 3: Panel Birim KĂśk Testi SonuçlarÄą DĂźzey DeÄ&#x;erleri Birinci FarklarÄą LLC Testi IPS Testi LLC Testi IPS Testi DeÄ&#x;iĹ&#x;ken OlasÄąlÄąk OlasÄąlÄąk OlasÄąlÄąk OlasÄąlÄąk DeÄ&#x;eri DeÄ&#x;eri DeÄ&#x;eri DeÄ&#x;eri 0.37 0.78 0.00*** 0.00*** đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Ş 0.16 0.14 0.00*** 0.00*** đ?&#x2018;łđ?&#x2019;?đ?&#x2018;˛đ?&#x2018;ˇđ?&#x2018;Ş 0.40 0.99 0.00*** 0.00*** đ?&#x2018;łđ?&#x2019;?đ?&#x2018;ł 0.14 0.93 0.00*** 0.00*** đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Żđ?&#x2018;Ťđ?&#x2018;° 0.13 0.98 0.00*** 0.00*** đ?&#x2018;łđ?&#x2019;?đ?&#x2018;šđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;Ş 0.26 0.93 0.00*** 0.00*** đ?&#x2018;łđ?&#x2019;?đ?&#x2018;łđ?&#x2018;Ź 0.73 0.06* 0.00*** 0.00*** đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Źđ?&#x2018;Źđ?&#x2018;ˇđ?&#x2018;Ş 0.78 0.21 0.00*** 0.00*** đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Żđ?&#x2018;Źđ?&#x2018;ˇđ?&#x2018;Ş Not: *** ve * serinin sÄąrasÄąyla %1 ve %10 anlamlÄąlÄąk dĂźzeyinde duraÄ&#x;an olduÄ&#x;unu gĂśstermektedir. Optimum gecikme uzunluklarÄą Akaike Bilgi Kriterine gĂśre belirlenmiĹ&#x;tir.

Tablo 3â&#x20AC;&#x2122;teki sonuçlara gĂśre; bĂźtĂźn seriler dĂźzey deÄ&#x;erlerinde duraÄ&#x;an olmayÄąp, birinci farklarÄą alÄąnÄąnca duraÄ&#x;an hale gelmektedir. Yani seriler I(1)â&#x20AC;&#x2122;dir. Bu durumda, Engle ve Granger (1987)â&#x20AC;&#x2122;ye gĂśre; serilerin dĂźzey deÄ&#x;erleri kullanÄąlarak gerçekleĹ&#x;tirilecek analizlerde sahte regresyon 116


problemiyle karĹ&#x;ÄąlaĹ&#x;Äąlabilecektir. Bu yĂźzden Ăśncelikle seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisinin varlÄąÄ&#x;ÄąnÄąn araĹ&#x;tÄąrÄąlmasÄą gereklidir. 4.5. Panel EĹ&#x;bĂźtĂźnleĹ&#x;me Testi Bu çalÄąĹ&#x;mada seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;menin varlÄąÄ&#x;Äą, Perdroni (2004) panel eĹ&#x;bĂźtĂźnleĹ&#x;me testiyle incelenmiĹ&#x;tir. Pedroni (2004) panel eĹ&#x;bĂźtĂźnleĹ&#x;me testinin hipotezleri: H0: Seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me yoktur H1: Seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me vardÄąr biçimindedir. Pedroni (2004), panelde yer alan seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisinin varlÄąÄ&#x;ÄąnÄąn test edilebilmesi için, yedi farklÄą test istatistiÄ&#x;i geliĹ&#x;tirmiĹ&#x;tir. Bu test istatistiklerinde yatay kesitlerin homojen olma durumu da heterojen olma durumu da ayrÄą ayrÄą gĂśz ĂśnĂźnde bulundurulmaktadÄąr ve bu yĂśnĂźyle Pedroni testi, diÄ&#x;er panel eĹ&#x;bĂźtĂźnleĹ&#x;me testlerinden daha gßçlĂźdĂźr (Barbieri, 2006). Ă&#x2021;alÄąĹ&#x;mada her bir model için Pedroni (2004) panel eĹ&#x;bĂźtĂźnleĹ&#x;me testi ayrÄą ayrÄą yapÄąlmÄąĹ&#x; ve ulaĹ&#x;Äąlan sonuçlar Tablo 4â&#x20AC;&#x2122;te gĂśsterilmiĹ&#x;tir. Tablo 4: Panel EĹ&#x;bĂźtĂźnleĹ&#x;me Testi SonuçlarÄą Model 1 Model 2 Model 3 Model 4 Model 5 Panel đ??&#x2018; Ä°statistiÄ&#x;i

0.11

0.02**

0.33

0.14

0.12

Panel đ??&#x2020; Ä°statistiÄ&#x;i

0.40

0.68

0.87

0.92

0.81

Panel PP Ä°statistiÄ&#x;i

0.00***

0.00***

0.00***

0.02**

0.00***

Panel Ä°statistiÄ&#x;i

0.00***

0.00***

0.00***

0.00***

0.00***

Grup đ??&#x2020; Ä°statistiÄ&#x;i

0.95

0.99

0.99

0.99

0.99

Grup PP Ä°statistiÄ&#x;i

0.00***

0.00***

0.00***

0.00***

0.00***

Grup Ä°statistiÄ&#x;i

0.00***

0.00***

0.00***

0.00***

0.00***

ADF

ADF

Not: Tabloda yer alan deÄ&#x;erler, Pedroni (2004) testi olasÄąlÄąk deÄ&#x;erleridir. ** ve ***; sÄąrasÄąyla %5 ve %1 anlamlÄąlÄąk dĂźzeyinde eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisinin varlÄąÄ&#x;ÄąnÄą ifade etmektedir. Tabloda yer alan deÄ&#x;erler, Pedroni (2004) testi olasÄąlÄąk deÄ&#x;erleridir. Optimum gecikme uzunluklarÄą Schwarz Bilgi Kriterine gĂśre belirlenmiĹ&#x;tir.

Tablo 4â&#x20AC;&#x2122;te yer alan 7 test istatistiÄ&#x;inden en az 4 tanesinde eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisi tespit edildiÄ&#x;inde, ilgili modelde eĹ&#x;bĂźtĂźnleĹ&#x;menin var olduÄ&#x;una karar verilmiĹ&#x;tir. Buna gĂśre bĂźtĂźn modellerde yer alan seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisi vardÄąr. Yani bu seriler uzun dĂśnemde birlikte hareket etmektedirler ve bu serilerle yapÄąlacak regresyon analizlerinde sahte regresyon sorunuyla karĹ&#x;ÄąlaĹ&#x;ÄąlmayacaktÄąr. 117


4.6. Panel Regresyon Analizi Ă&#x2021;alÄąĹ&#x;mada kullanÄąlan seriler eĹ&#x;bĂźtĂźnleĹ&#x;ik çĹktÄąÄ&#x;Äą için seriler arasÄąndaki regresyona analizlerinin PDOLS yĂśntemiyle yapÄąlmasÄą uygun olacaktÄąr. PDOLS, parametre tahminlerinde baÄ&#x;ÄąmsÄąz deÄ&#x;iĹ&#x;kenlerin gecikme (lag) ve ĂśncĂźl (lead) deÄ&#x;erlerini bir arada kullanarak, deÄ&#x;iĹ&#x;en varyans ve otokorelasyon sorunlarÄąna karĹ&#x;Äą dirençli (robust) tahminler Ăźretmektedir (Bartlett, 2014). Bu çalÄąĹ&#x;mada her bir model için ayrÄą ayrÄą PDOLS tahminleri yapÄąlmÄąĹ&#x; ve elde edilen bulgular Tablo 5â&#x20AC;&#x2122;te sunulmuĹ&#x;tur. DeÄ&#x;iĹ&#x;ken đ?&#x2018;łđ?&#x2019;?đ?&#x2018;˛đ?&#x2018;ˇđ?&#x2018;Ş đ?&#x2018;łđ?&#x2019;?đ?&#x2018;ł đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Żđ?&#x2018;Ťđ?&#x2018;° đ?&#x2018;łđ?&#x2019;?đ?&#x2018;šđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;Ş đ?&#x2018;łđ?&#x2019;?đ?&#x2018;łđ?&#x2018;Ź đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Źđ?&#x2018;Źđ?&#x2018;ˇđ?&#x2018;Ş đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Żđ?&#x2018;Źđ?&#x2018;ˇđ?&#x2018;Ş R2 Ě&#x2026;đ?&#x;? đ?&#x2018;š Serbestlik Derecesi SSR

Tablo 5: Panel Regresyon Analizi SonuçlarĹ Model 1 Model 2 Model 3 Model 4 0.28*** 0.32*** 0.29*** 0.21*** (0.00) (0.00) (0.00) (0.00) -0.02 -0.06*** -0.02 0.05 (0.67) (0.00) (0.40) (0.27) 2.23*** 1.94*** 2.10*** 1.94*** (0.00) (0.00) (0.00) (0.00) 0.009* (0.07) 0.44** (0.03) 0.06*** (0.00)

Model 5 0.26*** (0.00) -0.05 (0.22) 1.13*** (0.00) -

-

-

-

-

0.99 0.99

0.99 0.99

0.99 0.99

0.99 0.99

0.13*** (0.00) 0.99 0.99

898

904

897

892

890

1.20

1.12

0.76

0.77

0.62

Not: Parantez içindekiler olasÄąlÄąk deÄ&#x;erleridir. *, ** ve ***; ilgili katsayÄąnÄąn sÄąrasÄąyla %10, %5 ve %1 anlamlÄąlÄąk dĂźzeyinde istatistiksel olarak anlamlÄą olduÄ&#x;unu ifade etmektedir. Optimum gecikme uzunluklarÄą Akaike Bilgi Kriterine gĂśre belirlenmiĹ&#x;tir. SSR: Hata Terimlerinin Kareleri ToplamÄą (Sum Squares of Residuals) olup, bu deÄ&#x;erin dĂźĹ&#x;Ăźk olmasÄą, model tahminin baĹ&#x;arÄąlÄą olduÄ&#x;unu gĂśstermektedir.

Tablo 5â&#x20AC;&#x2122;te bĂźtĂźn modellerin açĹklama gßçlerinin (R2) ve serbestlik derecelerinin oldukça yĂźksek olduÄ&#x;u, hata terimlerinin kareleri toplamÄąnÄąn ise oldukça dĂźĹ&#x;Ăźk olduÄ&#x;u gĂśrĂźlmekte olup, bĂźtĂźn bunlar, yapÄąlan analizlerin gĂźvenilir olduÄ&#x;unu gĂśstermektedir. Tahmin sonuçlarÄąnda genel olarak; kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en sermaye stokundaki artÄąĹ&#x;larÄąn, Solow-Swan (1956) modeline uygun olarak, iĹ&#x;gĂźcĂźnĂźn marjinal verimliliÄ&#x;ini artÄąrarak, ekonomik bĂźyĂźmeyi (bu çalÄąĹ&#x;mada kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en milli geliri) artÄąrdÄąÄ&#x;Äą tespit edilmiĹ&#x;tir.

118


Kişi başına düşen sermaye stokundaki %1’lik artışın kişi başına düşen milli geliri ortalama %0.27 oranında10 artırdığı görülmüştür. İşgücündeki artışların kişi başına düşen milli gelir üzerindeki etkilerinin genel olarak istatistiksel açıdan anlamsız olduğu görülmekte olup, sadece Model 2’de yorumlanabilir bir bulguya erişilmiştir. Buna göre işgücündeki %1’lik artışlar OECD ülkelerinde 1995-2017 döneminde kişi başına düşen milli geliri %0.06 oranında azaltmıştır. Bu durumun nedeninin; elde edilen milli gelirin daha fazla kişiye bölüştürülmek zorunda kalınması ve OECD ülkelerinde genel olarak emek yoğun olmayan üretim teknolojilerinin kullanılması olduğu değerlendirilmektedir. İnsani Gelişmişlik Endeksindeki ilerlemelerin ülkelerin ekonomik büyümelerini oldukça yüksek düzeylerde ve güvenilirlikte etkilemekte olduğu tespit edilmiştir. İnsani Gelişmişlik Endeksindeki %1’lik artışın OECD ülkelerinde 1995-2017 döneminde kişi başına düşen milli geliri ortalama %1.86 oranında11 artırdığı görülmüştür. Kişi başına düşen Ar&Ge harcamalarındaki %1’lik artışın OECD ülkelerindeki kişi başına düşen milli geliri ortalama %0.09 oranında artırdığı belirlenmiştir. Bu sonuç, Ar&Ge çalışmalarına verilmesi gereken önemi bir kez daha ortaya koyması yönüyle önemlidir. Doğumda beklenen ortalama yaşam süresi, beşeri sermayenin ve insani gelişmişlik düzeyinin önemli bir göstergesi olup, bu süredeki %1’lik artışın OECD ülkelerinde kişi başına düşen milli geliri ortalama %0.44 oranında artırdığı tespit edilmiştir. Yine beşeri sermayenin ve insani gelişmişlik düzeyinin önemli bir göstergesi olan kişi başına düşen kamu sektörü eğitim harcamalarındaki %1’lik artışın OECD ülkelerinde kişi başına düşen milli geliri ortalama %0.06 oranında artırdığı belirlenmiştir12. Beşeri sermayenin ve insani gelişmişlik düzeyinin bir diğer önemli göstergesi olan kişi başına düşen sağlık harcamalarındaki %1’lik artışın, 1995-2017 döneminde OECD ülkelerinde kişi başına düşen milli geliri ortalama %0.13 oranında artırdığı tespit edilmiştir. Sağlık harcamalarının katsayısının eğitim harcamalarından büyük olmasının iki önemli nedeni olduğu Bu değer, 5 modelde elde edilen katsayıların aritmetik ortalamasının alınmasıyla elde edilmiştir. 11 Bu değer de 5 modelde elde edilen katsayıların aritmetik ortalamasının alınmasıyla elde edilmiştir. 12 Bu çalışmada kullanmak üzere toplam eğitim harcamaları verilerine ulaşılmaya çalışılmış, ancak bütün ülkeleri kapsayıcı şeklide bu veriye ulaşılamamıştır. Burada yapılan analizde kullanılan eğitim harcamaları, sadece kamu sektörü tarafından gerçekleştirilen eğitim harcamalarıdır. Oysa Japonya gibi çoğu gelişmiş ülkede özel sektörün de eğitim alanında önemli yatırımları / harcamaları bulunmaktadır. Özel sektöre ait veriler de analizde kullanılabildiğinde, bu değişkenin katsayısının daha da büyüdüğü görülecektir. Sonraki çalışmalarda araştırmacıların bu veriyi bulmaya tekrar gayret etmelerinde yarar vardır. Dünya Bankası ve benzeri uluslararası kuruluşların da bu veriyi hazırlayıp, web sitelerinde paylaşmaları faydalı olacaktır. 10

119


dĂźĹ&#x;ĂźnĂźlmektedir. Birincisi; bu saÄ&#x;lÄąk harcamalarÄąnÄąn, kamu ve Ăśzel sektĂśr saÄ&#x;lÄąk harcamalarÄąnÄąn toplamÄąnÄą içeriyor olmasÄą, ikincisi de; OECD Ăźlkelerinde genel olarak artan yaĹ&#x;lÄą nĂźfus nedeniyle yĂźkselen saÄ&#x;lÄąk harcamalarÄądÄąr. 4.7. Panel Nedensellik Testi Ă&#x2021;alÄąĹ&#x;mada seriler arasÄąnda etkileĹ&#x;imin varlÄąÄ&#x;Äą ve varsa yĂśnĂź, Dumitrescu ve Hurlin (2012) panel nedensellik testiyle araĹ&#x;tÄąrÄąlmÄąĹ&#x;tÄąr. X ve Y Ĺ&#x;eklindeki iki deÄ&#x;iĹ&#x;ken arasÄąnda Dumitrescu ve Hurlin (2012) panel nedensellik testi, aĹ&#x;aÄ&#x;Äądaki denklem sistemi yardÄąmÄąyla gerçekleĹ&#x;tirilmektedir: đ?&#x2018;&#x161;

đ?&#x2018;&#x161;

đ?&#x2018;&#x152;đ?&#x2018;&#x2013;,đ?&#x2018;Ą = đ?&#x153;&#x17D;đ?&#x2018;&#x2013; + â&#x2C6;&#x2018; đ?&#x153;&#x192;đ?&#x2018;&#x2014; đ?&#x2018;&#x152;đ?&#x2018;&#x2013;đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2014; + â&#x2C6;&#x2018; đ?&#x203A;˝đ?&#x2018;&#x2014; đ?&#x2018;&#x2039;đ?&#x2018;&#x2013;đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2014; + đ?&#x2018;˘đ?&#x2018;&#x2013;đ?&#x2018;Ą đ?&#x2018;&#x2014;=1

đ?&#x2018;&#x2014;=1

đ?&#x2018;&#x161;

đ?&#x2018;&#x161;

(10)

đ?&#x2018;&#x2039;đ?&#x2018;&#x2013;,đ?&#x2018;Ą = đ?&#x153;&#x2021;đ?&#x2018;&#x2013; + â&#x2C6;&#x2018; đ?&#x203A;żđ?&#x2018;&#x2014; đ?&#x2018;&#x2039;đ?&#x2018;&#x2013;đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2014; + â&#x2C6;&#x2018; đ?&#x203A;źđ?&#x2018;&#x2014; đ?&#x2018;&#x152;đ?&#x2018;&#x2013;đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2014; + đ?&#x2018;Łđ?&#x2018;&#x2013;đ?&#x2018;Ą đ?&#x2018;&#x2014;=1

(11)

đ?&#x2018;&#x2014;=1

Burada đ?&#x2018;&#x161;; optimum gecikme uzunluÄ&#x;udur. Denklem (10), Xâ&#x20AC;&#x2122;ten Yâ&#x20AC;&#x2122;ye; Denklem (11) ise Yâ&#x20AC;&#x2122;den Xâ&#x20AC;&#x2122;e doÄ&#x;ru bir nedensellik iliĹ&#x;kisinin varlÄąÄ&#x;ÄąnÄą sÄąnamaktadÄąr. Dumitrescu ve Hurlin (2012) nedensellik testinin hipotezleri; đ??ť0 : đ?&#x203A;˝đ?&#x2018;&#x2013; = 0 BĂźtĂźn yatay kesitlerde Xâ&#x20AC;&#x2122;ten Yâ&#x20AC;&#x2122;ye doÄ&#x;ru nedensellik iliĹ&#x;kisi yoktur.

đ??ť1 : {

đ?&#x203A;˝đ?&#x2018;&#x2013; = 0, đ?&#x203A;˝đ?&#x2018;&#x2013; â&#x2030; 0,

BazÄą yatay kesitlerde Xâ&#x20AC;&#x2122;ten Yâ&#x20AC;&#x2122;ye đ?&#x2018;&#x2013; = 1, 2, â&#x20AC;ŚdoÄ&#x;ru , đ?&#x2018; 1 nedensellik iliĹ&#x;kisi vardÄąr. đ?&#x2018;&#x2013; = đ?&#x2018; 1 + 1, đ?&#x2018; 1 + 2, â&#x20AC;Ś , đ?&#x2018;

Dumitrescu ve Hurlin (2012) panel nedensellik testleri yapÄąlabilmesi için Ăśncelikle optimum gecikme uzunluÄ&#x;unun belirlenmesi gerekmektedir. Optimum gecikme uzunluÄ&#x;u belirleme kriterleri sonuçlarÄą Ek 2â&#x20AC;&#x2122;de, bu gecikme uzunluÄ&#x;una sahip VAR modelinin istikrarlÄą olduÄ&#x;una dair ters karakteristik kĂśkler grafiÄ&#x;i Ek 3â&#x20AC;&#x2122;te yer almaktadÄąr. Dumitrescu ve Hurlin panel nedensellik testi sonuçlarÄą Tablo 6â&#x20AC;&#x2122;da yer almaktadÄąr. Tablo 6: Dumitrescu ve Hurlin (2012) Panel Nedensellik Testi SonuçlarÄą BoĹ&#x; Hipotez đ??żđ?&#x2018;&#x203A;đ??žđ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??žđ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??ż â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś

đ?&#x2018;ž istatistiÄ&#x;i 3.72 8.73 2.97

120

Ě&#x2026; istatistiÄ&#x;i đ?&#x2019; 3.62 15.72 1.82

OlasÄąlÄąk DeÄ&#x;eri 0.00*** 0.00*** 0.06*


đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??ż đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź đ??żđ?&#x2018;&#x203A;đ?&#x2018;&#x2026;đ??ˇđ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ?&#x2018;&#x2026;đ??ˇđ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??żđ??¸ â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??żđ??¸ đ??żđ?&#x2018;&#x203A;đ??¸đ??¸đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??¸đ??¸đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??ťđ??¸đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??ťđ??¸đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ?&#x2018;&#x2026;đ??ˇđ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź â&#x2021;? đ??żđ?&#x2018;&#x203A;đ?&#x2018;&#x2026;đ??ˇđ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??żđ??¸ â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??żđ??¸ đ??żđ?&#x2018;&#x203A;đ??¸đ??¸đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??¸đ??¸đ?&#x2018;&#x192;đ??ś đ??żđ?&#x2018;&#x203A;đ??ťđ??¸đ?&#x2018;&#x192;đ??ś â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź đ??żđ?&#x2018;&#x203A;đ??ťđ??ˇđ??ź â&#x2021;? đ??żđ?&#x2018;&#x203A;đ??ťđ??¸đ?&#x2018;&#x192;đ??ś

9.44 5.32 3.74 1.97 5.92 3.37 6.56 2.32 6.26 4.74 6.75 7.64 4.20 4.80 9.55 2.93 5.35 4.96 5.07

17.46 7.49 3.68 -0.60 8.94 2.77 10.49 0.25 9.77 6.09 10.95 13.14 480 6.25 17.75 1.73 7.59 6.65 6.91

0.00*** 0.00*** 0.00*** 0.54 0.00*** 0.00*** 0.00*** 0.79 0.00*** 0.00*** 0.00*** 0.00*** 0.00*** 0.00*** 0.00*** 0.08* 0.00*** 0.00*** 0.00***

Not: * ve ***; sÄąrasÄąyla %10 ve %1 Ăśnem dĂźzeyinde birinci deÄ&#x;iĹ&#x;kenden ikinci deÄ&#x;iĹ&#x;kene doÄ&#x;ru bir nedensellik iliĹ&#x;kisinin var olduÄ&#x;unu gĂśstermektedir.

Tablo 6â&#x20AC;&#x2122;daki bulgularÄąn daha kolay takip edilebilmesi için Ĺ&#x17E;ekil 1 oluĹ&#x;turulmuĹ&#x;tur. Sabit Sermaye Stoku

Ar&Ge HarcamalarÄą

Ä°Ĺ&#x;gĂźcĂź

Ekonomik BĂźyĂźme

Ortalama YaĹ&#x;am Beklentisi Ĺ&#x17E;ekil 1: DeÄ&#x;iĹ&#x;kenler ArasÄąndaki Nedensellik Ä°liĹ&#x;kileri

Ä°nsani GeliĹ&#x;miĹ&#x;lik Endeksi

EÄ&#x;itim HarcamalarÄą SaÄ&#x;lÄąk HarcamalarÄą

Tablo 6 ve Ĺ&#x17E;ekil 1â&#x20AC;&#x2122;deki bulgulara gĂśre OECD Ăźlkelerinde ekonomik bĂźyĂźme ile sabit sermaye stoku, iĹ&#x;gĂźcĂź, insani geliĹ&#x;miĹ&#x;lik dĂźzeyi, ortalama 121


yaşam süresi beklentisi ve sağlık harcamaları arasında iki yönlü, ekonomik büyümeden Ar&Ge harcamalarına ve eğitim harcamalarına doğru tek yönlü nedensellik ilişkileri vardır. Bu sonuçlar; artan beşeri sermayenin ekonomik büyümeyi, artan ekonomik büyümenin de beşeri sermayeyi etkilediğini göstermektedir. Bu nedenle ekonomik büyümelerini istikrarlı ve yüksek düzeyde artırmak isteyen ülkelerin, öncelikle ülkelerindeki beşeri sermayeyi iyileştirici önlemleri almalarının gerekli olduğu söylenebilir. İnsani gelişmişlik düzeyi endeksi ile diğer değişkenler arasındaki nedensellik ilişkilerine bakıldığında; insani gelişmişlik düzeyi endeksi ile Ar&Ge harcamaları, ortalama yaşam süresi beklentisi, eğitim harcamaları ve sağlık harcamaları arasında karşılıklı nedensellik ilişkilerinin olduğu görülmektedir. Bu da ülkelerindeki insani gelişmişlik düzeyini artırmak isteyen yöneticilerin, Ar&Ge çalışmaları, eğitim ve sağlık harcamalarına özel bir önem vermelerinin gerektiğini ortaya koymaktadır. 5. Sonuç ve Öneriler Bu çalışmada, 36 OECD ülkesinde, 1995-2017 döneminde beşeri sermaye ile ekonomik büyüme arasındaki ilişkiler, 8 değişken ve 5 ekonometrik model kullanılarak, dinamik panel veri analizi ile incelenmiştir. Serilerin durağanlığı LLC ve IPS panel birim kök testleriyle sınanmış ve bütün serilerin I(1) oldukları görülmüştür. Seriler arasında eşbütünleşme ilişkisinin varlığı Pedroni (2004) panel eşbütünleşme testiyle incelenmiş ve modellerde yer alan serilerin, kendi aralarında eşbütünleşik oldukları, yani uzun dönemde birlikte hareket ettikleri ve bu serilerle yapılacak analizlerde sahte regresyon sorunuyla karşılaşılmayacağı tespit edilmiştir. Modellerde yer alan katsayıları bulabilmek için gerekli olan panel regresyon analizleri, PDOLS yöntemiyle gerçekleştirilmiş ve kişi başına düşen sermaye stokundaki artışların, işgücünün marjinal verimliliğini artırarak, ekonomik büyümeyi artırdığı tespit edilmiştir. Kişi başına düşen sermaye stokundaki %1’lik artışın, kişi başına düşen milli geliri ortalama %0.27 oranında artırdığı görülmüştür. İşgücündeki artışların kişi başına düşen milli gelir üzerindeki etkilerinin genel olarak istatistiksel açıdan anlamsız olduğu görülmüş olup, sadece bir modelde yorumlanabilir bulgulara rastlanmıştır. Buna göre; işgücündeki %1’lik artışlar OECD ülkelerinde 1995-2017 döneminde kişi başına düşen milli geliri %0.06 oranında azaltmıştır. Bu durumun nedeninin; elde edilen milli gelirin daha fazla kişiye bölüştürülmek zorunda kalınması ve OECD ülkelerinde genel olarak emek yoğun olmayan üretim teknolojilerinin kullanılması olduğu değerlendirilmektedir. İnsani Gelişmişlik Endeksindeki ilerlemelerin ülkelerin ekonomik büyümelerini oldukça yüksek düzeylerde ve güvenilirlikte etkilemekte olduğu tespit edilmiştir. İnsani Gelişmişlik 122


Endeksindeki %1’lik artışın OECD ülkelerinde 1995-2017 döneminde kişi başına düşen milli geliri ortalama %1.86 oranında artırdığı görülmüştür. Kişi başına düşen Ar&Ge harcamalarındaki %1’lik artışın OECD ülkelerindeki kişi başına düşen milli geliri ortalama %0.09 oranında artırdığı görülmüştür. Bu sonuç, Ar&Ge çalışmalarına verilmesi gereken önemi bir kez daha ortaya koyması yönüyle önemlidir. Doğumda beklenen ortalama yaşam süresi, beşeri sermayenin ve insani gelişmişlik düzeyinin önemli bir göstergesi olup, bu süredeki %1’lik artışın OECD ülkelerinde kişi başına düşen milli geliri ortalama %0.44 oranında artırdığı tespit edilmiştir. Yine beşeri sermayenin ve insani gelişmişlik düzeyinin önemli bir göstergesi olan, kişi başına düşen kamu sektörü eğitim harcamalarındaki %1’lik artışın, OECD ülkelerinde kişi başına düşen milli geliri ortalama %0.06 oranında artırdığı belirlenmiştir. Beşeri sermayenin ve insani gelişmişlik düzeyinin bir diğer önemli göstergesi olan kişi başına düşen sağlık harcamalarındaki %1’lik artışın, 1995-2017 döneminde OECD ülkelerinde kişi başına düşen milli geliri ortalama %0.13 oranında artırdığı tespit edilmiştir. Sağlık harcamalarının katsayısının eğitim harcamalarından daha büyük olmasının nedenlerinin; sağlık harcamalarının, kamu ve özel sektör sağlık harcamalarının toplamını içeriyor olması ve OECD ülkelerinde genel olarak artan yaşlı nüfus nedeniyle yükselen sağlık harcamaları olduğu değerlendirilmiştir. Çalışmanın bu bölümünde elde edilen bulgular literatürde yer alan Çakmak ve Gümüş (2005); Middendorf (2005); Daşdemir (2008); Varsak ve Bakırtaş (2009); Bal, Algan, Manga ve Kandır (2014) ve Kılıç ve Özbek (2018) çalışmalarıyla uyumludur. Çalışmada seriler arasında etkileşimin varlığı ve yönü, Dumitrescu ve Hurlin (2012) panel nedensellik testiyle incelenmiş ve OECD ülkelerinde ekonomik büyüme ile sabit sermaye stoku, işgücü, insani gelişmişlik düzeyi, ortalama yaşam süresi beklentisi ve sağlık harcamaları arasında iki yönlü, ekonomik büyümeden Ar&Ge harcamalarına ve eğitim harcamalarına doğru tek yönlü nedensellik ilişkileri belirlenmiştir. Bu sonuçlar; artan beşeri sermayenin ekonomik büyümeyi, artan ekonomik büyümenin de beşeri sermayeyi etkilediğini göstermektedir. Bu nedenle ekonomik büyümelerini istikrarlı ve yüksek düzeyde artırmak isteyen ülkelerin, öncelikle ülkelerindeki beşeri sermayeyi iyileştirici önlemler almalarının gerekli olduğu söylenebilir. Çalışmanın bu bölümünde elde edilen bulgular literatürde yer alan Asterio ve Agiomirgianakis (2001); Taban ve Kar (2006) ve Kılıç ve Özbek (2018) çalışmalarıyla uyumludur. İnsani gelişmişlik endeksi ile diğer değişkenler arasındaki nedensellik ilişkilerine bakıldığında; insani gelişmişlik endeksi ile Ar&Ge harcamaları, ortalama yaşam süresi beklentisi, eğitim harcamaları ve sağlık harcamaları arasında iki yönlü nedensellik ilişkilerinin var olduğu görülmüştür. Bu da ülkelerindeki insani gelişmişlik düzeyini artırmak 123


isteyen yöneticilerin, Ar&Ge çalışmaları, eğitim ve sağlık harcamalarına özel bir önem vermelerinin gerektiğini ortaya koymaktadır. Bu çalışmadan elde edilen bulgulara dayanılarak; gerek gelişmiş, gerekse gelişmekte olan ülkelerde ekonomik büyümenin en önemli belirleyicilerinin, beşeri sermaye ve beşeri sermayeyi artıran Ar&Ge, eğitim ve sağlık harcamaları gibi faktörler olduğu, bu nedenle ekonomik büyümelerini sürekli ve yüksek düzeyde artırmak isteyen ülkelerin, beşeri sermayeyi artırıcı çalışmalara özel bir önem vermelerinin gerektiği söylenebilir. Kaynakça ALİ, M., EGBETOKUN, A., MEMON, M. H. (2018), Human Capital, Social Capabilities and Economic Growth, MDPI Economies, Vlume: 6, Issue: 2. ASTERİO, D., AGİOMİRGİANAKİS, G. M. (2001), “Human capital and economic growth Time series evidence from Greece”, Journal of Policy Modeling, Issue: 23. ATTANASİO, O. P. (2015), “The Determinants of Human Capital Formation During the Early Years of Life: Theory, Measurement and Policies”, http://www.homepages.ucl.ac.uk/~uctpjrt/Files/Presidentialaddress-rev1.pdf, (Erişim tarihi: 24. 11. 2018). AVRUPA BİRLİĞİ BAKANLIĞI (2011), Üye Devletler, https://www.ab.gov.tr/_233.html, (Erişim tarihi: 28. 11. 2018). AYDEMİR, C., GÜNEŞ, H. H. (2006), “Merkantilizmin Ortaya Çıkışı”, Elektronik Sosyal Bilimler Dergisi, Cilt:5, Sayı: 15. BARBİERİ, L. (2006), “Panel Cointegration Tests: A Review”, Serie Rossa: Economia – Quaderno No: 44. BARTLETT, P. (2014), "Reforming the Deprivation of Liberty Safeguards (DOLS): What Is It Exactly that We Want?", JCLI, Volume: 20, Issue: 3. CHOW, G., LİN, A. (2002), “Accounting for Economic Growth in Taiwan and Mainland China: A Comparative Analysis”, http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.463.9999&r ep=rep1&type=pdf, (Erişim tarihi: 02.12.2018). ÇAKMAK, E., GÜMÜŞ, S. (2005), “Türkiye’de Beşeri Sermaye ve Ekonomik Büyüme: Ekonometrik Bir Analiz (1960-2002)”, Ankara Üniversitesi SBF Dergisi, Cilt: 60, Sayı: 1. ÇEPNİ, E. (2014), Ekonomik Göstergeler ve İstatistikler Rehberi, (6. Baskı), Seçkin Yayınevi, Ankara. 124


DAŞDEMİR, A. M. (2008), “AB Üyesi Ülkelerde Beşeri Sermaye ve Ekonomik Büyüme İlişkisi: Panel Veri Analizi”, Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı, Yayımlanmamış Yüksek Lisans Tezi, İzmir. DEMİRCAN, N. (2016), Fransız Devrimi ve Ulus Devlet Oluşumunda Kapitalizmin Rolü, https://doi.org/10.13140/rg.2.2.17070.56640, (Erişim tarihi: 22. 11. 2018). DİLEYİCİ, D., ÖZKIVRAK, Ö. (2010), “Bütçe Anlayışındaki Değişim Süreci: Denk Bütçe İlkesinin Erozyonu ve Açık Bütçe Politikası”, Hukuk ve İktisat Araştırmaları Dergisi, Cilt: 2, Sayı: 1. DİNLER, Z. (2012), İktisada Giriş, (18. Basım), Ekin Yayınevi, Bursa. DORNBUSCH, R., Fischer, S. (1998). Makroekonomi, (Çevirenler: Salih Ak, Mahir Fisunoğlu, Erhan Yıldırım ve Refia Yıldırım), Akademi Yayınları, İstanbul. DUMİTRESCU, E. I., HURLİN, C. (2012), “Testing for Granger NonCausality in Heterogeneous Panels”, Economic Modelling, Volume: 29, Issue: 4. ENER, M., KARANFİL, M., YILDIRIM, E. (2015), “Ekonomik Büyüme, Beşeri Sermaye ve İhracat Arasındaki İlişki: Türkiye Örneği”, JED / GKD Girişimcilik ve Kalkınma Dergisi, Sayı: 10. ENGLE, R.F., GRANGER, C.W. J. (1987), “Cointegration and ErrorCorrection: Representation, Estimation and Testing”, Econometrica, Issue: 66. GLENDA, G. (2009), “The Human Development Index as an Effort to Measure Well-Being in Honduras”, The 3rd OECD World Forum on “Statistics, Knowledge and Policy” Charting Progress, Building Visions, Improving Life Busan, Korea - 27-30 October 2009. GÜVEL, E. A. (2011), Ekonomik Büyüme Kuramları, Ulusların Zenginliklerinin Dinamikleri. Karahan Kitabevi, Adana. IM, K., PESARAN, H., SHİN, Y. (2003), “Testing for Unit Roots in Heterogeneous Panels”, Journal of Econometrics, Issue: 115. JONES, C.I. (2007), İktisadi Büyümeye Giriş, Çevirenler: Sanlı Ateş ve İsmail Tuncer, Literatür Yayıncılık, İstanbul. KILIÇ, R., ÖZBEK, R. İ. (2018), “Sağlık ve Eğitim Hizmetleri ile Ekonomik Büyüme İlişkisi: OECD Ülkeleri Uygulaması”, Ordu Üniversitesi Sosyal Bilimler Araştırmaları Dergisi, Cilt: 8, Sayı: 2.

125


LARİONOVA, N. I., VARLAMOVA, J. A. (2015), Analysis of Human Capital Level and Inequality Interrelation, Mediterranean Journal of Social Sciences, Volume: 6, Issue: 1. LEEUWEN, B. V, (2006), “The Role of Human Capital in Endogenous Growth in India, Indonesia and Japan, 1890-2000”, XIV. International Economic History Congress, Helsinki. LEVİN, A., LİN, C., CHU, C. (2002), “Unit Root Tests in Panel Data: Asymtotic and Finite-Sample Properties”, Journal of Econometrics, Issue: 108. LUCAS, R.E. (1988), “On the Mechanics of Economic Development”, Journal of Monetary Economics, Issue: 22. MANKİW, N.G. (2010), Makroekonomi, (6. Baskı), Çeviri Editörü: Ö. Faruk Çolak, Efil Yayınevi, Ankara. MCCAULEY, J. L., BASSLER, K. E., GUNARATNE, G. H. (2010), “Integration I(d) of Nonstationary Time Series Stationary and Nonstationary Increments, https://arxiv.org/ftp/arxiv/papers/0803/0803.3959.pdf, (Erişim tarihi: 01.12.2018). METİN, İ., AKCAN, A. T. (2017), “The Effect of Globalization on Foreign Trade: Turkey Case”, Journal of Current Researches on Business and Economics, Volume: 7, Issue: 2. MFA (2018), İktisadi İşbirliği ve Gelişme Teşkilatı (OECD), http://www.mfa.gov.tr/iktisadi-isbirligi_ve-gelisme-teskilati_oecd_.tr.mfa, (Erişim tarihi: 29.11.2018). MİDDENDORF, T. (2005), “Human Capital and Economic Growth in OECD Countries”, RWI Discussion Papers No.30. NELL, C., ZİMMERMANN, S. (2011), Summary based on Chapter 12 of Baltagi: Panel Unit Root Tests, https://homepage.univie.ac.at/robert.kunst/pan2011_pres_nell.pdf, (Erişim tarihi: 01.12.2018) PARASIZ, İ. (2008), Modern Makro Ekonominin Temelleri, Ezgi Kitabevi, Bursa. ROMER, P. M. (1986), “Increasing Returns and Long-Run Growth”, Journal of Political Economy, Issue: 94. SOLOW, R. M. (1956), “A Contribution to the Theory of Economic Growth”, The Quarterly Journal of Economics, Issue: 70. SWAN, R. (1956), “Economic Growth and Capital Acumulation”, Economic Record, Volume: 32, Issue: 3. 126


TABAN, S., KAR, M. (2006), “Beşeri Sermaye ve Ekonomik Büyüme: Nedensellik Analizi, 1969-2001”, Sosyal Bilimler Dergisi, Sayı: 1. TABAN, S., KAR, M. (2016). Kalkınma Ekonomisi, (3. Baskı), Ekin Kitabevi, Bursa. TARI, R. (2015), Ekonometri. (10. Baskı). Umuttepe Yayınları, Kocaeli. TOPALLI, N. (2017), “Beşeri Sermaye ve Ekonomik Büyüme Arasındaki İlişki: Türkiye Örneği”, Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 10, Sayı: 2. UNDP (2018). United Nations Development Programme, Human Development Reports, Human Development Index (HDI), http://hdr.undp.org/en/data#, (Erişim tarihi: 30.11.2018). VARSAK, S., BAKIRTAŞ, İ. (2009), “Ekonomik Büyüme Üzerinde Beşeri Sermayenin Etkisi: Türkiye Örneği”, Dumlupınar Üniversitesi, Sosyal Bilimler Dergisi, Sayı: 25. WORLD BANK (2018a), Gross fixed capital formation (constant 2010 US$), https://data.worldbank.org/indicator/NE.GDI.FTOT.KD?view=chart, (Erişim tarihi: 29.11.2018). WORLD BANK (2018b), https://data.worldbank.org/indicator/ (Erişim tarihi: 29.11.2018). WORLD BANK (2018c), https://data.worldbank.org/indicator/ (Erişim tarihi: 29.11.2018).

Population, total, SP.POP.TOTL?view=chart, Labor force, total, SL.TLF.TOTL.IN?view=chart,

WORLD BANK (2018d), Research and development expenditure (% of GDP), https://data.worldbank.org/indicator/GB.XPD.RSDV.GD.ZS, (Erişim tarihi: 29.11.2018). WORLD BANK (2018e), https://data.worldbank.org/indicator tarihi: 29.11.2018).

GDP (current /NY.GDP.MKTP.CD,

US$), (Erişim

WORLD BANK (2018f), Life expectancy at birth, total (years), https://data.worldbank.org/indicator/SP.DYN.LE00.IN?view=chart, (Erişim tarihi: 29.11.2018). WORLD BANK (2018g), Government expenditure on education, total (% of GDP), https://data.worldbank.org/indicator/SE.XPD.TOTL.GD.ZS?view=cha rt, (Erişim tarihi: 29.11.2018).

127


WORLD BANK (2018h), Consumer price index (2010 = 100), https://data.worldbank.org/indicator/SE.XPD.TOTL.GD.ZS?view=cha rt, (Erişim tarihi: 28.11.2018). WORLD DEVELOPMENT INDİCATOR (2018), http://databank.worldbank.org/data/ source/world-developmentindicators#, (Erişim tarihi: 29.11.2018). YARDIMCIOĞLU, F. (2012). OECD Ülkelerinde Sağlık ve Ekonomik Büyüme İlişkisinin Ekonometrik Bir İncelemesi, Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, Cilt: 13, Sayı: 2. YILDIRIM, K., KARAMAN, D., TAŞDEMİR, S. (2009), Makroekonomi, (8. Baskı), Seçkin Yayınevi, Ankara.

128


Ekler

Ek 1: Veri Setine İlişkin Tanımlayıcı İstatistikler Ortalama Ortanca En Büyük En Küçük Standart Sapma Çarpıklık Basıklık Jarque-Bera Testi Olasılık Değeri Toplam Standart Sapmaların Kareleri Toplamı Gözlem Sayısı

LnGDPP LnKP LnHD LnRDP LnL LnEEP LnHEP C C LnL I C E C C 10.30 8.68 15.58 4.43 5.71 4.35 6.94 7.53 10.36 8.83 15.40 4.45 6.13 4.36 7.09 7.61 11.49 10.02 18.91 4.56 7.86 4.43 8.95 9.27 9.02 6.28 11.86 4.06 1.94 4.16 4.03 5.17 0.44 0.72 1.49 0.08 1.37 0.05 0.96 0.74 -0.30 -0.67 -0.23 -1.22 -0.72 -0.90 -0.67 -0.43 3.08 2.94 2.96 4.93 2.53 3.76 3.01 2.71 154.9 14.50 74.55 8.39 395.45 94.76 72.61 33.65 4 0.001 0 0.02 0 0 0 0 0 15281. 4269. 10105.6 8516.4 4345.3 5602.2 6810.8 7389.5 8 1 2180.9 193.31 513.16 6.59 1852.65 2.01 904.81 541.02 2 981 981 981 981 981 981 981 981

Ek 2: Optimum Gecikme Uzunluğu Belirleme Kriterleri Lag 0 1 2 3 4 5

LogL 1242.964 14881.66 15151.47 15269.86 15357.18 15410.74

LR NA 26970.90 528.1605 229.3988 167.4433 101.6359*

FPE 6.32e-12 1.20e-26 7.21e-27 6.29e-27 5.94e-27* 6.10e-27

AIC -3.083557 -36.97793 -37.49180 -37.62762 -37.68584* -37.65977

SC -3.036756 -36.55672 -36.69620* -36.45761 -36.14144 -35.74097

HQ -3.065579 -36.81613 -37.18618* -37.17818 -37.09259 -36.92270

* indicates lag order selected by the criterion, LR: sequential modified LR test statistic (each test at 5% level), FPE: Final prediction error, AIC: Akaike information criterion, SC: Schwarz information criterion, HQ: Hannan-Quinn information criterion

Not: SC ve HQ kriterleri baz alınarak optimum gecikme uzunluğu 2 olarak belirlenmiştir.

129


Ek 3: Ters Karakteristik Kök Kökler Grafiği Inverse Roots of AR Characteristic Polynomial 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

NOT: Ters karakteristik kök kökler birim çember içinde kaldığı için nedensellik testinde kullanılan yardımcı VAR modelinin istikrarlı olduğu ve dolayısıyla yapılan nedensellik testi sonuçlarının güvenilir olduğu görülmektedir.

130


TÜRKİYE’DE ÇEVRESEL KUZNETS EĞRİSİ HİPOTEZİNİN GEÇERLİLİĞİNİN TEST EDİLMESİ: YAPISAL KIRILMALI BİR ANALİZ Testıng The Validity of Environmental Kuznets Curve Hypothesis in Turkey: An Analysis With Structural Break Hüseyin USLU 1. Giriş Atmosferdeki ortalama sıcaklık tarihte ortalama 500 yılda 1oC artarken, bu süre günümüzde 50 yıla kadar düşmüş, 1900-1950 döneminde 1oC ve 1950-2000 döneminde 1oC artmıştır (IPCC, 2007: 117). Çünkü karbondioksit (CO2) ve diğer zararlı gazların1 salınımı son yüz yılda inanılmaz ölçülerde artmıştır. Bu durum Şekil 1’den de görülebilmektedir. Şekil 1: Atmosfere Zararlı Gaz Salınımı

Kaynak: IPCC (2007: 100).

Şekil 1’den de görüldüğü üzere 19. yüzyıla kadar oldukça düşüş seviyelerde olan zararlı gaz salınımı Sanayi Devrimi ile artmaya başlamış, 20. yüzyılda ise %100 artmıştır. Bu durumun başlıca nedenleri arasında; sanayi üretimi, ulaşım ve ısınmada kullanılan fosil yakıt (özellikle kömür ve petrol) miktarının artması ve yaşanan savaşlar, orman yangınları, 

Erciyes Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İktisat Bölümü. E-mail: h.uslu80@hotmail.com. ORCİD ID: 0000-0002-2642-1175 1 Artan küresel zararlı gazlar, atmosferin üst tabakalarında birikerek, dünya yüzeyinden yansıyan güneş ışınlarının atmosferin dışına çıkmasını engellemekte, böylece atmosferin ve dünyanın daha fazla ısınmasına neden olarak adeta sera görevi görmektedir. Bu nedenle bu gazlara sera gazı adı da verilmektedir (Özmen, 2009: 1).

131


yanardağ patlamaları yer almaktadır (Mercan, 2013: 1). Ayrıca artan nüfus da enerji kullanımında ve küresel ısınmada önemli bir rol oynamaktadır. Dünya ve Türkiye nüfusu ve nüfus artış oranları Tablo 1’den izlenebilir. Tablo 1: Nüfus Verileri Nüfus Artış (%) 1960 2017 3 Milyar 7.5 Milyar 148.3 Dünya 27.4 Milyon 80 Milyon 193.9 Türkiye Kaynak: Veriler World Bank (2018a)’dan alınıp, artış oranları yazar tarafından hesaplanmıştır. Dünya/Türkiye

Tablo 1’den de görüldüğü üzere son 57 yılda dünya nüfusu %148.3, Türkiye’nin nüfusu %193.9 oranında artmıştır. Bütün bu artışlar, enerji tüketimini ve küresel ısınmayı da beraberinde getirmektedir. Enerji tüketimindeki artışın, çevre kirlenmesinin ve küresel ısınmanın önemli bir nedeni de kırsal kesimlerden kent merkezlerine doğru yaşanan göçlerdir. Kentli nüfusun toplam nüfusa oranında, dünyada ve Türkiye’deki yaşanan değişimler Şekil 2 aracılığıyla izlenebilir. Şekil 2: Kentli Nüfusun Toplam Nüfusa Oranında Yaşanan Değişimler (%) 80

Dünya

Türkiye

70 60 50 40

2017

2014

2011

2008

2005

2002

1999

1996

1993

1990

1987

1984

1981

1978

1975

1972

1969

1966

1963

1960

30 Kaynak: World Bank (2018b)’den alınan veriler kullanılarak yazar tarafından çizilmiştir.

Şekil 2’den de görüldüğü gibi 1960-2017 döneminde dünyada kentli nüfus oranı %34’ten %55’e yükselirken, Türkiye’de %32’den %75’e çıkmıştır. Bu da otomatik olarak ulaşım, ısınma, aydınlatma ve üretim için daha fazla enerji kullanılmasına ve çevrenin daha fazla kirlenmesine neden olmaktadır. Dünya genelinde ve Türkiye’de 1990’ların başından itibaren dünyada sera gazı salınımını azaltıcı tedbirler alınmaya başlanmaya başlanmıştır. Bu kapsamda, her 1000 Dolarlık Gayrı Safi Yurtiçi Hâsıla (GSYH) üretimi için kullanılan petrol eşdeğeri (Kg) enerji miktarındaki değişimler Şekil 3 yardımıyla incelenebilir. 132


Şekli 3: 1000 Dolarlık GSYH Üretimi İçin Kullanılan Enerji Miktarı (Petrol Eşdeğeri, Kg) 190

Dünya

170

Türkiye

150 130 110 90 70

2016

2014

2012

2010

2008

2006

2004

2002

2000

1998

1996

1994

1992

1990

50

Kaynak: World Bank (2018c)’den alınan veriler kullanılarak yazar tarafından çizilmiştir.

Şekil 3’ten de görüldüğü üzere; dünyada ve Türkiye’de her 1000 Dolarlık GSYH üretimi için kullanılan enerji miktarında önemli azalmalar olmuştur. Bu azalma Türkiye’de, dünya ortalamasının altındadır. Bu veri, dünya genelinde ve Türkiye’de çevre bilincinin arttığı, çevreyi koruyucu yasaların daha etkin uygulanmaya başlandığı, çevreyi dostu teknolojilerin geliştiği ve yinelenebilir enerji kaynaklarının (güneş, rüzgâr, dalga, vb. enerjisi) kullanımının arttığı konusunda ümit vermektedir. Türkiye’nin tükettiği enerji türlerinin, toplam enerji tüketimi içindeki payları Şekil 4’ten incelenebilir. Şekil 4: Türkiye’nin Enerji Tüketiminin kaynak Bazında Dağılımı (%)

Kaynak: ETKB YEGM (2018: 6).

Şekil 4’e bakıldığında 2000-2016 yılları arasında Türkiye’nin petrol tüketiminin payının azaldığı, buna karşılık doğal gaz ve yenilenebilir enerji çeşitlerinin kullanımının arttığı görülmektedir. Bu durum, çevrenin daha az kirlenmesi anlamında büyük önem taşımaktadır. 133


Bu noktada dünyada ve Türkiye’de çevreye duyarlı üretim stratejilerinin geliştirilmesine, artan üretim ve milli gelirle birlikte, çevre kirlenme derecesindeki değişimlerin yakından izlenmesi ve gerekli politika önerilerinin geliştirilmesi büyük önem taşımaktadır. Bu kapsamda çalışmada; Türkiye’de kişi başına düşen mili gelir artışı ile atmosfere salınan karbondioksit miktarı arasındaki ilişkiler, 1960-2017 dönemi verileri kullanılarak2, Çevresel Kuznets Eğrisi Hipotezi çerçevesinde, yapısal kırılmalı zaman serisi analizi yöntemleriyle incelenmiştir. Çalışmanın ikinci bölümünde; Çevresel Kuznets Eğrisi Hipotezi ’ne ait teorik çerçeve sunulacak, üçüncü bölümde konuyla ilgili literatür özeti sunulacak, dördüncü bölümde; ekonometrik analiz gerçekleştirilecek, beşinci bölümdeki sonuç ve önerilerle çalışma tamamlanacaktır. Bu çalışmanın, incelenen konu, kullanılan değişkenler ve analiz yöntemleriyle ülke ekonomisine ve literatüre bir katkı sağlaması beklenmektedir. 2. Teorik Çerçeve Kuznets (1955) tarafından yapılan çalışmada; gelir dağılımı ile ekonomik büyüme arasındaki ilişki incelenmiş ve bu değişkenler arasında ters U şeklinde bir ilişkinin var olduğu ortaya konulmuştur. Literatüre Kuznets Eğrisi olarak giren bu yaklaşım, küresel ısınma ve hava kirliliğinin arttığı 1990’lı yıllarda çevre kirliliği ve ekonomik büyüme (milli gelir) arasındaki ilişkiye uyarlanmış ve böylece Çevresel Kuznets Eğrisi literatüre girmiştir (Koçak, 2014: 62). Çevresel Kuznets Eğrisi Hipotezine (ÇKEH) göre ülkeler, kişi başına düşen milli gelirleri belirli bir seviyeye gelinceye kadar çevre kirlenmesini göz ardı etmekte, ancak zamanla artan sağlık sorunları ve temiz su ve havanın yetersiz gelmeye başlaması üzerine3, çevreyi koruyucu önlemler almaya başlamaktadırlar.

Veri seti olarak, 2018 yılsonu itibariyle erişilebilen en geniş veri dönemi kullanılmıştır. Bu durum günümüzde en net şekliyle Çin’de yaşanmaktadır. Çin, ekonomik ve siyasal olarak dünyaya açılmaya başladığı 1978’den sonra ülkesine yabancı yatırımcıları davet etmiş, onlara geniş özgürlükler/ayrıcalıklar tanımıştır. Üstüne 1997’de imzalanan ve 2005’te yürürlüğe giren Kyoto Protokolünün de etkisiyle ABD ve Avrupa’da çevreyi kirleterek ceza almak istemeyen firmalar üretimlerini Çin’e kaydırmışlardır. Ancak günümüzde Çin korkunç bir şekilde su ve hava kirliliğine maruz kalmıştır. Bu konuda daha fazla bilgi için bakınız:[https://www.sabah.com.tr/galeri/dunya/cinde-su-kirliligi-midebulandiriyor/2] [https://www.trthaber.com/haber/dunya/cinde-su-kirliligi-kritik-seviyede244377.html;][https://onedio.com/haber/cin-deki-cevre-kirliligi-sorununu-butun gercekligiyle-ortaya-koyan-20-fotograf-441792][https://www.aa.com.tr/tr/dunya/cin-dehava-kirliligi-tehlikeli-boyuta-ulasti-uyarisi/1101339] [https://popsci.com.tr/cindeki-havakirliligi-kadar-kotu/] Şu anda Çinli yetkililer çevreyi koruyucu tedbirleri hızla hayata geçirmeye çalışmaktadırlar Bu konuda daha fazla bilgi için bakınız: [https://www.haberturk.com/dunya/haber/1345727-cinden-hava-kirliligine-361-milyardolarlik-onlem#] [http://turkish.china.com/home/comment/1441/20160219/576743.html] 2 3

134


Artan karbon salÄąnÄąmÄą ve buna baÄ&#x;lÄą olarak meydana gelen kĂźresel ÄąsÄąnmayÄą azaltma alanÄąnda atÄąlan en Ăśnemli adÄąm; 1997 yÄąlÄąnda Japonyaâ&#x20AC;&#x2122;nÄąn Kyoto kentinde imzalanan ve 2005â&#x20AC;&#x2122;te yĂźrĂźrlĂźÄ&#x;e giren Kyoto ProtokolĂźâ&#x20AC;&#x2122;dĂźr. Bu Protokole gĂśre; sanayileĹ&#x;miĹ&#x; Ăźlkeler, 1990'daki karbon salÄąnÄąm miktarlarÄąnÄą 2008-2012 yÄąllarÄą arasÄąnda %5 oranÄąnda azaltmayÄą taahhĂźt etmiĹ&#x;lerdir. Protokole imza atan Ăźlkeler, kendilerine ĂśzgĂź hedefler de belirleyebilmiĹ&#x;ler ve bu kapsamda Avrupa BirliÄ&#x;i Ăźlkeleri, mevcut karbondioksit salÄąnÄąmlarÄąnÄą %8, Japonya ise %5 oranÄąnda azaltmayÄą taahhĂźt etmiĹ&#x;tir (Korkut, 2018). TĂźrkiye de 2009 yÄąlÄąnda bu ProtokolĂź imzalamÄąĹ&#x; bulunmaktadÄąr. GĂźnĂźmĂźzde 191 Ăźlke tarafÄąndan imzalanmÄąĹ&#x; durumdadÄąr. 2012 yÄąlÄąnda Katarâ&#x20AC;&#x2122;Äąn baĹ&#x;kenti Dohaâ&#x20AC;&#x2122;da varÄąlan uzlaĹ&#x;Äąya gĂśre Kyoto ProtokolĂźnĂźn 2020 yÄąlÄąna kadar yĂźrĂźrlĂźkte kalmasÄą ve bu protokolĂź imzalayan Ăźlkelerin, 1990 yÄąlÄąndaki karbon emisyonlarÄąnÄą, 2013-2020 dĂśneminde %18 azaltmasÄą karara baÄ&#x;lanmÄąĹ&#x;tÄąr. Ancak ABD, Japonya, Rusya ve Yeni Zelanda ikinci taahhĂźdĂź imzalamamÄąĹ&#x;lardÄąr (MFA, 2018). Ă&#x2021;evresel Kuznets EÄ&#x;risi Ĺ&#x17E;ekil 1 yardÄąmÄąyla gĂśrselleĹ&#x;tirilebilir. Ĺ&#x17E;ekil 5: Milli Gelir ile Ă&#x2021;evre Kirlenmesi ArasÄąnda Ters U Ĺ&#x17E;eklinde Ä°liĹ&#x;ki Ă&#x2021;evre KirliliÄ&#x;i (CO2)

EĹ&#x;ik DeÄ&#x;er

Reel Milli Gelir (Y)

Ă&#x2021;evresel Kuznets EÄ&#x;risi Hipotezine gĂśre; Ăźlkeler belirli bir gelir seviyesine (eĹ&#x;ik deÄ&#x;ere) ulaĹ&#x;Äąncaya kadar çevreyi bilinçsizce tahrip edecekler, sonrasÄąnda geliĹ&#x;en teknoloji, verilen çevre bilinci eÄ&#x;itimleri ve çĹkarÄąlan çevreyi koruma yasalarÄą, bu yasalara uymayan kiĹ&#x;i, firma ya da Ăźlkelere uygulanan aÄ&#x;Äąr cezalar sayesinde çevre kirliliÄ&#x;ini azaltacaklardÄąr. Ă&#x2021;KEH denklem formunda ifade edilecek olursa; đ??śđ?&#x2018;&#x201A;2 = đ?&#x203A;ź0 + đ?&#x203A;ź1 đ?&#x2018;&#x152; + đ?&#x203A;ź2 đ?&#x2018;&#x152; 2

(1)

Ĺ&#x;eklinde parabolik bir fonksiyon ortaya çĹkmaktadÄąr. Bu denklemden eĹ&#x;ik deÄ&#x;eri bulabilmek için birinci mertebeden tĂźrevi alÄąnÄąp, sÄąfÄąra eĹ&#x;itlenir: đ?&#x203A;ź1 + 2đ?&#x203A;ź2 đ?&#x2018;&#x152; = 0

(2)

Buradan Y yalnÄąz bÄąrakÄąldÄąÄ&#x;Äąnda; đ?&#x203A;ź

đ?&#x2018;&#x152; = â&#x2C6;&#x2019; 2đ?&#x203A;ź1

(3)

2

135


şekline gelir. Elde edilen bu Y değeri, çevre bilincinin uyandığı milli gelir seviyesini göstermekte olup, buna eşik değer ya da dönüm noktası (turn point) adı verilmektedir. Literatürde Çevresel Kuznets Eğrisinin bu şekilden farklı olarak; U (Özkoç, Yıldırım ve Kudubeş, 2017; Sinha ve Bhatt, 2017), N (Şahinöz ve Fotourehchi, 2013; Allard, Takman, Uddin ve Ahmed, 2018) veya ters N (Mert ve Bozdağ, 2013) şeklinde çıkabileceğini gösteren çalışmalar da mevcuttur. 3. Literatür Özeti Çevresel Kuznets Eğrisi Hipotezinin geçerliliğinin test edilmesine yönelik yapılan çalışmalar, tarih sırasına göre incelendiğinde; Song, Zheng ve Tong (2008), ÇKEH’nin geçerliliğini Çin’in farklı bölgelerinde milli gelir ile hava, su ve toprak kirliliğine ait 1985-2005 dönemi verilerini kullanarak panel veri analizi yöntemiyle analiz etmiş ve her üç faktör için de ters U şeklinde bir Çevresel Kuznets Eğrisinin var olduğunu, sudaki kirlenmenin, diğer faktörlerden daha önce gerçekleştiğini tespit etmiştir. Tevie, Grimsrud ve Berrens (2011), ÇKEH’nin geçerliliğini ABD’nin 48 eyaletine ait 2007 yılı verileri kullanarak, mekânsal panel veri ekonometrisi ile araştırmış ve bu hipotezin geçerli olmadığını tespit etmiştir. Sayed ve Sek (2013), gelişmiş ve gelişmekte olan 40 ülkede ters U şeklindeki ÇKEH’nin geçerliliğini 1961-2009 dönemi verilerini kullanarak, panel veri analizi yöntemiyle araştırdığı çalışmada; bu durumun her iki ülke gurubunda da geçerli olmadığını belirlemiştir. Araştırmacılar U şeklinde bir Çevresel Kuznets Eğrisi Hipotezinin geçerliliğini sınadıklarında ise; bu yaklaşımın her iki ülke gurubu için de geçerli olduğunu, dönüm noktasının gelişmekte olan ülkelerde, gelişmiş ülkelerden daha yüksek olduğunu belirlemişlerdir. Şahinöz ve Fotourehci (2013), 26 OECD ülkesinin 1994-2010 dönemi verilerini kullanarak panel veri analizi ile yaptığı çalışmada bu ülkelerde milli gelir ile çevre kirliliği arasında N tipi bir ilişkinin var olduğunu tespit etmiştir. Mert ve Bozdağ (2013), Bosna-Hersek’in 1992-2009 dönemi verileriyle, OLS (Ordinary Least Squares: En Küçük Kareler: EKK) yöntemiyle yaptığı analizde, bu ülkede kişi başına düşen milli gelir ile CO2 emisyonu (salınımı, doğaya bırakılması) arasında ters N tipi bir ilişkinin var olduğunu ortaya koymuştur. Erataş ve Uysal (2014), BRICT ülkelerinin 1992-2010 dönemi verilerini kullanarak, panel veri analizi yöntemiyle yaptığı çalışmada, bu 136


ülkelerde milli gelir ile çevre kirliliği arasında N şeklinde bir ilişkinin var olduğunu belirlemiştir. Koçak (2014) ise Türkiye’nin 1960-2010 dönemi verilerini kullanarak Sınır Testi ve ARDL yöntemleriyle yaptığı analizde, katsayıların istatistiksel olarak anlamsız çıkması nedeniyle, ÇKEH’nin geçerliliğine ilişkin herhangi bir kanıta ulaşamamıştır. Erdoğan, Türköz ve Görüş (2015), Türkiye’nin 1975-2010 dönemi verilerini kullanarak, ARDL yöntemi ve Toda-Yamamoto nedensellik testi ile yaptığı analizde; Türkiye’de ÇKEH’nin geçerli olmadığını, gelir seviyesinden CO2 emisyonuna doğru tek yönlü bir nedensellik ilişkinin var olduğunu tespit etmiştir. Jula vd. (2015), Romanya’da ÇKEH’nin geçerliliğini 1960-2012 dönemi verilerini kullanarak Zivot Andrevs yapısal kırılmalı birim kök testi ve OLS yöntemleriyle analiz etmiş ve bu ülkede ters N şeklinde bir Çevresel Kuznets Eğrisinin var olduğunu belirlemiştir. Josic, Josic ve Janecic (2016), Hırvatistan’da doğrusal, parabolik ve kübik ÇKEH’nin geçerliğini, 1990-2013 dönemi verilerini kullanarak, ADF birim kök testi, Engle - Granger (1987) ve Johansen (1988) eşbütünleşme testleri yardımıyla analiz etmiş ve milli gelir artışı ile çevre kirliliği arasında zayıf formda doğrusal bir ilişkinin var olduğunu tespit etmiştir. Özkoç, Yıldırım ve Kudubeş (2017), farklı gelir düzeylerindeki 91 ülkeye ait 1964-2009 dönemi verileriyle yaptığı panel veri analizi sonucunda; düşük gelirli ülkelerde milli gelir ile çevre kirliliği arasında U şeklinde bir ilişkinin var olduğunu belirlemiştir. Allard vd. (2018). 74 ülkenin 1994-2012 dönemi kişi başına düşen milli gelir ve CO2 emisyonu verilerini kullanarak, panel veri analizi yöntemiyle yaptıkları çalışmada; bu ülkelerde N tipi bir Çevresel Kuznets Eğrisinin geçerli olduğunu tespit etmiştir. Literatürde yer alan çalışmaların genellikle yapısal kırılmaları dikkate almayan yöntemlerle yapıldığı görülmüş olup, bu çalışmanın, bu noktada da literatüre bir katkı sağlaması beklenmektedir. 4. Ekonometrik Analiz 4.1. Veri Seti Bu çalışmada Türkiye’de Çevresel Kuznets Eğrisi Hipotezinin geçerliliğini test edilmek için 1960-2017 dönemi kişi başına düşen karbondioksit salınımı (CO2, Metrik Ton), kişi başına düşen reel gayrı safi yurtiçi hâsıla (Gross Domestic Product Per Capita; GDPPC; 2010 yılı sabit fiyatlarıyla, Bin ABD Doları) ve kişi başına düşen enerji kullanımı (ENR, Kg, petrol eşdeğeri) verileri kullanılmıştır. Veriler sırasıyla World Bank 137


(2018d, 2018e ve 2018f)’den elde edilmiştir. Bütün verilerin doğal logaritmaları alınarak analizlerde kullanılmıştır. 4.1.1. Tanımlayıcı İstatistikler Veri setine ait tanımlayıcı istatistikler Tablo 2’de yer almaktadır. Tablo 2: Veri Setine Ait Tanımlayıcı İstatistikler LnCO2 LnGDPPC 1.199 1.872 Ortalama 1.277 1.855 Ortanca 1.703 2.704 En Çok 0.478 1.143 En Az 0.360 0.422 Standart Sapma -0.359 0.168 Çarpıklık 2.042 2.134 Basıklık 3.465 2.085 Jarque-Bera 0.177 0.352 Olasılık 69.568 108.553 Toplam 7.387 10.144 Standart Sapmaların Kareleri Toplamı 58 58 Gözlem Sayısı

LnENR 6.767 6.828 7.413 5.954 0.427 -0.284 2.008 3.159 0.206 392.511 10.374 58

Tablo 2’deki bilgilere göre; veriler arasında çok büyük farklar bulunmamaktadır. Bunu sağlayan; serilerin doğal logaritmalarının alınmış olmasıdır. Bu sayede yapılacak analizler sonucunda değişen varyans sorunu ile karşılaşılma riski de azalmış olacaktır. Analiz için kullanılacak gözlem sayısı 58 olup, güvenilir bir zaman serisi analizi için yeterli boyuttadır. 4.1.2. Korelasyon Analizi Korelasyon, serilerin birlikte hareket etme derecelerini göstermekte olup, korelasyon katsayısı [-1, +1] aralığında yer almaktadır (Helwig, 2017). Korelasyon katsayısının -1 veya +1’e yaklaşması, değişkenler arasındaki ilişkinin güçlü olduğunu gösterirken, korelasyon katsayısının işareti, değişkenler arasındaki ilişkinin yönü hakkında fikir vermektedir. Korelasyon katsayısının işareti pozitif çıktığında; değişkenlerden biri artarken, diğerinin de arttığı, negatif çıktığında ise değişkenlerden biri artarken, diğerinin azaldığı anlaşılmaktadır (Asuero, Sayago ve Gonz´alez, 2006). Bu çalışmada değişkenler arasındaki korelasyon matrisi oluşturulmuş ve Tablo 3’te sunulmuştur.

LnCO2 LnGDPPC LnENR

Tablo 3: Korelasyon Matrisi LnCO2 LnGDPPC 1 0.979745 0.980 1 0.998 0.985

138

LnENR 0.998 0.985 1


Tablo 3â&#x20AC;&#x2122;teki bulgulara gĂśre; TĂźrkiyeâ&#x20AC;&#x2122;de kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en milli gelir ile kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en karbondioksit emisyonu arasÄąnda %98, kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en enerji kullanÄąmÄą ile kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en karbondioksit emisyonu arasÄąnda %0.99 pozitif yĂśnlĂź ve gßçlĂź iliĹ&#x;kiler bulunmaktadÄąr. Yani TĂźrkiyeâ&#x20AC;&#x2122;de artan kiĹ&#x;i baĹ&#x;Äąna milli gelir ve enerji kullanÄąmÄą, çevre kirliliÄ&#x;ini de gßçlĂź biçimde artÄąrmÄąĹ&#x;tÄąr. 4.2. Model Bu çalÄąĹ&#x;mada TĂźrkiyeâ&#x20AC;&#x2122;de Ă&#x2021;evresel Kuznets EÄ&#x;risi Hipotezinin geçerliliÄ&#x;ini test edilmek için AkbostancÄą vd. (2009); Fodha ve Zaghdoud (2010); Koçak (2014) izlenerek aĹ&#x;aÄ&#x;Äądaki kĂźbik model kurulmuĹ&#x;tur: đ??żđ?&#x2018;&#x203A;đ??śđ?&#x2018;&#x201A;2đ?&#x2018;Ą = đ?&#x203A;ź0 + đ?&#x203A;ź1 đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??śđ?&#x2018;Ą + đ?&#x203A;ź2 đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??śđ?&#x2018;Ą2 + đ?&#x203A;ź3 đ??żđ?&#x2018;&#x203A;đ??şđ??ˇđ?&#x2018;&#x192;đ?&#x2018;&#x192;đ??śđ?&#x2018;Ą3 + đ?&#x203A;ź4 đ??żđ?&#x2018;&#x203A;đ??¸đ?&#x2018; đ?&#x2018;&#x2026;đ?&#x2018;Ą + đ?&#x153;&#x20AC;đ?&#x2018;Ą

(4)

Burada đ?&#x2018;Ą; çalÄąĹ&#x;manÄąn zaman boyutunu gĂśstermekte olup, burada đ?&#x2018;Ą = 1960, 1961, â&#x20AC;Ś â&#x20AC;Ś â&#x20AC;Ś , 2017 Ĺ&#x;eklindedir. YapÄąlacak analizler sonucunda ortaya çĹkmasÄą muhtemel durumlar: 1. đ?&#x203A;ź1 > 0 ve istatistiksel olarak anlamlÄą olmak Ĺ&#x;artÄąyla đ?&#x203A;ź2 = 0 đ?&#x2018;Łđ?&#x2018;&#x2019; đ?&#x203A;ź3 = 0 ya da bu katsayÄąlar istatistiksel olarak anlamsÄąz çĹktÄąÄ&#x;Äąnda; TĂźrkiyeâ&#x20AC;&#x2122;de milli gelir artÄąĹ&#x;Äą ile çevre kirlenmesi arasÄąnda, Ĺ&#x17E;ekil 5(a)â&#x20AC;&#x2122;da gĂśrĂźldĂźÄ&#x;Ăź gibi pozitif yĂśnlĂź doÄ&#x;rusal bir iliĹ&#x;kinin var olduÄ&#x;una karar verilecektir. Ĺ&#x17E;ekil 5: Milli Gelir ile Ă&#x2021;evre Kirlenmesi ArasÄąnda DoÄ&#x;rusal Ä°liĹ&#x;ki CO2 CO2

GDPPC

GDPP C (b)

(a)

BĂśyle bir iliĹ&#x;ki, daha çok ilkel / geri kalmÄąĹ&#x; / geliĹ&#x;memiĹ&#x; toplumlarda beklenir. Ă&#x2013;zellikle doÄ&#x;al kaynak yĂśnĂźnden zengin ve çevre bilinci yeterince geliĹ&#x;memiĹ&#x; toplumlar bu duruma daha yatkÄąndÄąr4. 1990â&#x20AC;&#x2122;da Sovyetler BirliÄ&#x;i daÄ&#x;ÄąldÄąÄ&#x;Äą dĂśnemde gerek Rusya Federasyonu, gerekse Orta Asya TĂźrk Cumhuriyetleri kÄąsmen bu koĹ&#x;ula uygun bir gĂśrĂźnĂźme sahipti. O Ăźlkelerde bolca bulunan doÄ&#x;al gaz halka bedava daÄ&#x;ÄątÄąldÄąÄ&#x;Äą için kontrolsĂźz bir tĂźketim sĂśz konusu idi. Bir de buna eskimiĹ&#x; daÄ&#x;ÄątÄąm sistemlerinden (borulardan) doÄ&#x;aya salÄąnan (kaçan) bol miktardaki 4

139


2. đ?&#x203A;ź1 < 0 ve istatistiksel olarak anlamlÄą olmak Ĺ&#x;artÄąyla đ?&#x203A;ź2 = 0 đ?&#x2018;Łđ?&#x2018;&#x2019; đ?&#x203A;ź3 = 0 ya da bu katsayÄąlar istatistiksel olarak anlamsÄąz çĹktÄąÄ&#x;Äąnda; TĂźrkiyeâ&#x20AC;&#x2122;de milli gelir artÄąĹ&#x;Äą ile çevre kirlenmesi arasÄąnda, Ĺ&#x17E;ekil 5(b)â&#x20AC;&#x2122;de gĂśrĂźldĂźÄ&#x;Ăź gibi negatif yĂśnlĂź doÄ&#x;rusal bir iliĹ&#x;kinin var olduÄ&#x;una karar verilecektir. Bu Ĺ&#x;ekilde bir iliĹ&#x;ki; ekonomik geliĹ&#x;mesini bĂźyĂźk oranda tamamlamÄąĹ&#x;, çevre bilinci geliĹ&#x;miĹ&#x; ve çevreyi korumaya yĂśnelik katÄą yasalarÄą olan Ăźlkelerde gĂśzlemlenebilir. 3. đ?&#x203A;ź2 < 0 ve istatistiksel olarak anlamlÄą olmak Ĺ&#x;artÄąyla, đ?&#x203A;ź3 = 0 ya da istatistiksel olarak anlamsÄąz çĹktÄąÄ&#x;Äąnda; TĂźrkiyeâ&#x20AC;&#x2122;de milli gelir artÄąĹ&#x;Äą ile çevre kirlenmesi arasÄąnda, Ĺ&#x17E;ekil 6(a)â&#x20AC;&#x2122;da gĂśrĂźldĂźÄ&#x;Ăź gibi â&#x2C6;Š Ĺ&#x;eklinde parabolik bir iliĹ&#x;kinin var olduÄ&#x;una karar verilecektir. Ĺ&#x17E;ekil 6: Milli Gelir ile Ă&#x2021;evre Kirlenmesi ArasÄąnda Parabolik Ä°liĹ&#x;ki CO2

CO2

GDPPC

(a)

GDPPC

(b)

Orijinal Kuznets EÄ&#x;risinin Ĺ&#x;ekli olan bu durum, dĂźnya genelinde en sÄąk karĹ&#x;ÄąlaĹ&#x;ÄąlmasÄą beklenen durumdur. Ă&#x153;lkeler belirli bir gelir seviyesine ulaĹ&#x;Äąncaya kadar çevreyi bilinçsizce tahrip edecekler, sonrasÄąnda geliĹ&#x;en teknoloji5, verilen çevre bilinci eÄ&#x;itimleri ve çĹkarÄąlan çevreyi koruma yasalarÄą, bu yasalara uymayan kiĹ&#x;i, firma ya da Ăźlkelere uygulanan aÄ&#x;Äąr cezalar sayesinde çevre kirliliÄ&#x;i azaltÄąlacaktÄąr. 4. đ?&#x203A;ź1 > 0, đ?&#x203A;ź2 > 0 ve istatistiksel olarak anlamlÄą olmak Ĺ&#x;artÄąyla đ?&#x203A;ź3 = 0 ya da istatistiksel olarak anlamsÄąz çĹktÄąÄ&#x;Äąnda; TĂźrkiyeâ&#x20AC;&#x2122;de milli gelir artÄąĹ&#x;Äą ile çevre kirlenmesi arasÄąnda, Ĺ&#x17E;ekil 6(b)â&#x20AC;&#x2122;de gĂśrĂźldĂźÄ&#x;Ăź gibi â&#x2C6;Ş Ĺ&#x;eklinde bir iliĹ&#x;kinin var olduÄ&#x;una karar verilecektir. Bu tĂźr bir iliĹ&#x;ki, yĂśnetim sisteminde veya dâhil olduÄ&#x;u uluslararasÄą iĹ&#x;birliÄ&#x;i ĂśrgĂźtlerinde Ăśnemli deÄ&#x;iĹ&#x;imler olan6, Ăśnemli anlaĹ&#x;malardan çekilen7 Ăźlkelerde beklenebilir. BĂśyle bir grafiÄ&#x;in oldukça nadir karĹ&#x;ÄąmÄąza çĹkmasÄą beklenir.

doÄ&#x;al gaz eklenince, Ĺ&#x;ehirler doÄ&#x;al gaz kokusundan geçilmez hale gelmiĹ&#x;ti. Zaman içinde bu Ăźlkeler kendilerini bĂźyĂźk oranda toparladÄąlar, altyapÄą tesislerini yenilediler ve bu sorunu bĂźyĂźk oranda aĹ&#x;tÄąlar (AltÄąkat, Yapar Torun ve Turan Bayram, 2011). 5 GĂźnĂźmĂźzde kamyon ve tÄąrlarda kullanÄąlan Selective Catalytic Reduction sistemine sahip motorlar, AdBlue eklenmiĹ&#x; yakÄąt sistemi sayesinde araçlarda zararlÄą gaz salÄąnÄąmÄą en aza indirilmekte ve çevre neredeyse hiç kirletilmemektedir (Otoshops, 2018). 6 Ă&#x2013;rneÄ&#x;in; Ä°ngiltereâ&#x20AC;&#x2122;nin Avrupa BirliÄ&#x;iâ&#x20AC;&#x2122;nden ayrÄąlmasÄą gibi. 7 Kyoto protokolĂź gibi Ăśnemli bir çevre koruma anlaĹ&#x;masÄąndan çĹkÄąlmasÄą gibi.

140


5. đ?&#x203A;ź1 > 0 , đ?&#x203A;ź2 < 0 đ?&#x2018;Łđ?&#x2018;&#x2019; đ?&#x203A;ź3 > 0 ve istatistiksel olarak anlamlÄą olduÄ&#x;unda; TĂźrkiyeâ&#x20AC;&#x2122;de milli gelir artÄąĹ&#x;Äą ile çevre kirlenmesi arasÄąnda, Ĺ&#x17E;ekil 7(a)â&#x20AC;&#x2122;da gĂśrĂźldĂźÄ&#x;Ăź gibi N Ĺ&#x;eklinde bir iliĹ&#x;kinin var olduÄ&#x;una karar verilecektir. Ĺ&#x17E;ekil 7: Milli Gelir ile Ă&#x2021;evre Kirlenmesi ArasÄąnda KĂźbik Ä°liĹ&#x;ki CO2

CO2

(a)

GDP PC

(b)

GDP PC

KiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en milli gelir ile çevre kirliliÄ&#x;i arasÄąnda bĂśyle bir iliĹ&#x;ki; Ăśnce çevreyi kirletme pahasÄąna ekonomik bĂźyĂźmesini hÄązlandÄąran, sonra geliĹ&#x;en çevre bilinci ile çevre kirliliÄ&#x;ini azaltan, ancak daha fazla milli gelir elde edebilmek adÄąna tekrar çevreye zarar vermekten çekinmeyen Ăźlkelerde beklenir8. 6. đ?&#x203A;ź1 < 0, đ?&#x203A;ź2 > 0 , đ?&#x203A;ź3 < 0 ve istatistiksel olarak anlamlÄą olduÄ&#x;unda; TĂźrkiyeâ&#x20AC;&#x2122;de milli gelir artÄąĹ&#x;Äą ile çevre kirlenmesi arasÄąnda, Ĺ&#x17E;ekil 7(b)â&#x20AC;&#x2122;de gĂśrĂźldĂźÄ&#x;Ăź gibi ters N Ĺ&#x;eklinde iliĹ&#x;kinin var olduÄ&#x;una karar verilecektir. BĂśyle bir iliĹ&#x;ki, gĂśrece çok daha az karĹ&#x;ÄąmÄąza çĹkacaktÄąr. Ă&#x2021;ĂźnkĂź burada Ăźlkenin Ăśnce çevreyi daha az kirletmeye çabalamasÄą sĂśz konusu iken belirli bir noktadan sonra daha fazla kazanabilmek adÄąna çevreyi kirletmeye baĹ&#x;lamasÄą, sonrasÄąnda artan teknoloji, yasal zorunluluklar ve çevre bilincinin etkisiyle çevreyi daha az kirletmeye baĹ&#x;lamasÄą sĂśz konusudur. BĂśyle bir iliĹ&#x;kiye belki; baĹ&#x;langĹçta odun ve kĂśmĂźrden elde edilen enerji kaynaklarÄąnÄą kullanan bir Ăźlkede, doÄ&#x;al gaz bulunmasÄąyla çevrenin daha az kirletilmesi, sonrasÄąnda doÄ&#x;al gaz kaynaklarÄąnÄąn tĂźkenmesiyle tekrar odunkĂśmĂźr ve petrol tĂźrĂź enerji kaynaklarÄąna dĂśnĂźlmesi ve sonrasÄąnda

BĂśyle bir iliĹ&#x;ki kÄąsmen Avrupa Ăźlkeleri için geçerlidir. 1800â&#x20AC;&#x2122;lerin baĹ&#x;Äąnda yaĹ&#x;anan Sanayi Devrimiyle birlikte doÄ&#x;asÄąnÄą hÄązla kirleten Avrupa, 1950â&#x20AC;&#x2122;lerden sonra çevreye daha duyarlÄą teknolojiler geliĹ&#x;tirmeye baĹ&#x;lamÄąĹ&#x;tÄąr. Ancak gĂźnĂźmĂźzde artan kĂźresel rekabet nedeniyle, Ăźlkeler baĹ&#x;ka Ăźlkelerden karbon emisyonu hakkÄą satÄąn almak pahasÄąna çevreyi daha fazla kirletmeye baĹ&#x;lamÄąĹ&#x;lardÄąr. Avrupa Ăźlkeleri Kyoto protokolĂźnĂź imzaladÄąklarÄą için yÄąllÄąk belli miktarda karbondioksit gazÄą salÄąnÄąmÄą haklarÄą bulunmaktadÄąr. Ancak sanayileĹ&#x;miĹ&#x; Ăźlkeler, Ăźretimlerini daha fazla artÄąrabilmek ve bu arada oluĹ&#x;an fazla zararlÄą gaz salÄąnÄąmÄą nedeniyle ceza Ăśdememek için, karbon emisyonu kotasÄąnÄą dolduramayan Ăźlkelerden bu haklarÄąnÄąn bir kÄąsmÄąnÄą satÄąn almaktadÄąrlar. Bu amaçla gĂźnĂźmĂźzde Avrupaâ&#x20AC;&#x2122;da bir Karbon Emisyon BorsasÄą da oluĹ&#x;muĹ&#x;tur (Karakaya, 2008). 8

141


yenilenebilir enerji kaynaklarÄąnÄąn geliĹ&#x;tirilmesiyle çevrenin daha az kirletilmeye baĹ&#x;lanmasÄą durumunda tanÄąk olunabilir. 4.3. YĂśntem Bu çalÄąĹ&#x;mada serilerin duraÄ&#x;anlÄąÄ&#x;Äą; ADF (Augmented Dickey Fuller: GeniĹ&#x;letilmiĹ&#x; Dickey Fuller), PP (Phillips ve Perron) ve Vogelsang ve Perron (1998) yapÄąsal kÄąrÄąlmalÄą ADF birim kĂśk testleriyle sÄąnanmÄąĹ&#x;tÄąr. Seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kilerinin varlÄąÄ&#x;Äą Maki (2012) çoklu yapÄąsal kÄąrÄąlmalÄą eĹ&#x;bĂźtĂźnleĹ&#x;me testi ile incelenmiĹ&#x;tir. Seriler arasÄąndaki uzun ve kÄąsa dĂśnem analizleri DOLS (Dynamic Ordinary Least Squares: Dinamik En Kßçßk Kareler) yĂśntemiyle gerçekleĹ&#x;tirilmiĹ&#x;tir. 4.4. Birim KĂśk Testi Ekonometrik analizlerde Ăśncelikle serilerin duraÄ&#x;anlÄąk derecelerinin belirlenmesi ve kullanÄąlacak yĂśntemlerin buna gĂśre belirlenmesi, yapÄąlan analizlerin gĂźvenilirliÄ&#x;i açĹsÄąndan bĂźyĂźk Ăśnem taĹ&#x;ÄąmaktadÄąr. Serilerin duraÄ&#x;anlÄąk dereceleri, birim kĂśk testleriyle belirlenmekte olup, bu testlerde serinin belirli bir đ?&#x2018;Ą dĂśnemindeki deÄ&#x;erinin, bir Ăśnceki (đ?&#x2018;Ą â&#x2C6;&#x2019; 1 dĂśnemindeki) deÄ&#x;erinden ne kadar etkilendiÄ&#x;i saptanmaya çalÄąĹ&#x;ÄąlmaktadÄąr. Bu amaçla kullanÄąlan genel bir model: đ?&#x2018;&#x161;

â&#x2C6;&#x2020;đ?&#x2018;&#x152;đ?&#x2018;Ą = đ?&#x153;&#x152;đ?&#x2018;&#x152;đ?&#x2018;Ąâ&#x2C6;&#x2019;1 + â&#x2C6;&#x2018; đ?&#x203A;˝đ?&#x2018;&#x2013; â&#x2C6;&#x2020;đ?&#x2018;&#x152;đ?&#x2018;Ąâ&#x2C6;&#x2019;đ?&#x2018;&#x2013; + đ?&#x203A;źđ?&#x2018;&#x2039;đ?&#x2018;Ą + đ?&#x153;&#x20AC;đ?&#x2018;Ą

(2)

đ?&#x2018;&#x2013;=1

Ĺ&#x;eklindedir. Burada đ?&#x153;&#x152;; birim kĂśk parametresi, đ?&#x2018;&#x161;; optimum gecikme uzunluÄ&#x;u, đ?&#x2018;&#x2039;; Y serisinin duraÄ&#x;anlÄąÄ&#x;ÄąnÄą etkileyen sabit terim ve zaman tirendi gibi faktĂśrleri temsil eden vektĂśrdĂźr. Birim kĂśk testleri; Dickey ve Fuller (1979) çalÄąĹ&#x;masÄąyla baĹ&#x;lanmÄąĹ&#x;, 1981â&#x20AC;&#x2122;de aynÄą yazarlar tarafÄąndan ADF birim kĂśk testi geliĹ&#x;tirilmiĹ&#x;tir. Bu testin H0 hipotezi; â&#x20AC;&#x153;Seri duraÄ&#x;an deÄ&#x;ildirâ&#x20AC;? Ĺ&#x;eklindedir. ADF testinin, trend içeren serilerde zayÄąf kaldÄąÄ&#x;ÄąnÄą Ăśne sĂźren Phillips ve Perron (1988) tarafÄąndan geliĹ&#x;tirilen PP birim kĂśk testi de aynÄą hipotezi, parametrik olmayan bir sĂźreçle test etmektedir. ADF ve PP testleri, serideki yapÄąsal kÄąrÄąlmalarÄą gĂśz ĂśnĂźnde bulundurmayan testlerdir. Vogelsang ve Perron (1998) bu eksiÄ&#x;i giderebilmek için yapÄąsal kÄąrÄąlmalÄą ADF birim kĂśk testini geliĹ&#x;tirmiĹ&#x;tir. Bu testin de hipotezleri ADF testi ile aynÄądÄąr. Bu çalÄąĹ&#x;mada ADF, PP ve yapÄąsal kÄąrÄąlmalÄą ADF birim kĂśk testleri yapÄąlmÄąĹ&#x; ve elde edilen sonuçlar Tablo 4â&#x20AC;&#x2122;te, yapÄąsal kÄąrÄąlma grafikleri Ek 1â&#x20AC;&#x2122;de sunulmuĹ&#x;tur. Tablo 4: Birim KĂśk Testi SonuçlarÄą

đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Şđ?&#x2018;śđ?&#x;? đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Ş

ADF

PP

0.47 0.60

0.52 0.50

142

YapÄąsal KÄąrÄąlmalÄą ADF 0.88 0.22

YapÄąsal KÄąrÄąlma Tarihi 2000 2010


đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Şđ?&#x;? đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Şđ?&#x;&#x2018; đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Źđ?&#x2018;ľđ?&#x2018;š â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Şđ?&#x2018;śđ?&#x;? â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Ş â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Şđ?&#x;? â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Şđ?&#x;&#x2018; â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Źđ?&#x2018;ľđ?&#x2018;š

0.97 0.99 0.44 0.00*** 0.00*** 0.00*** 0.00*** 0.00***

0.97 0.99 0.44 0.00*** 0.00*** 0.00*** 0.00 0.00***

0.90 0.98 0.17 0.00*** 0.00*** 0.00*** 0.00*** 0.00***

2010 2010 1971 1977 2009 2009 2009 1979

Not: Maksimum gecikme uzunluÄ&#x;u 3 alÄąnÄąp, optimum gecikme uzunluÄ&#x;u Akaike Bilgi Kriterine gĂśre belirlenmiĹ&#x;tir. Serilerin dĂźzey deÄ&#x;erleri için yapÄąlan testlerde sabitli ve trendli, birinci farklarÄą için yapÄąlan testlerde sabitli modeller kullanÄąlmÄąĹ&#x;tÄąr. Tabloda yer alanlar olasÄąlÄąk deÄ&#x;erleridir. Î&#x201D;; Serinin birinci dereceden farkÄąnÄąn alÄąnmÄąĹ&#x; olduÄ&#x;unu gĂśstermektedir. ***; serinin %1 Ăśnem dĂźzeyinde duraÄ&#x;an olduÄ&#x;unu ifade etmektedir.

Tablo 4â&#x20AC;&#x2122;teki sonuçlara gĂśre bĂźtĂźn seriler dĂźzey deÄ&#x;erlerinde duraÄ&#x;an deÄ&#x;ilken, birinci farklarÄą alÄąndÄąÄ&#x;Äąnda duraÄ&#x;an hale gelmektedir. Yani seriler birinci mertebeden entegredirler (I(1)). BĂśyle durumlarda doÄ&#x;rudan regresyon analizine geçilmeyip, Ăśnce seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisinin varlÄąÄ&#x;ÄąnÄąn incelenmesi gerekmektedir (Zivot, 2002: 430-434). 4.5. EĹ&#x;bĂźtĂźnleĹ&#x;me Testi

Serilerin tamamÄą birinci dereceden entegre olduÄ&#x;unda seriler arasÄąndaki eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kileri; Engle ve Granger (1987) veya Johansen (1988) eĹ&#x;bĂźtĂźnleĹ&#x;me testleriyle sÄąnanabilmektedir. Ancak bu testler eĹ&#x;bĂźtĂźnleĹ&#x;me vektĂśrĂźndeki yapÄąsal kÄąrÄąlmalarÄą gĂśz ĂśnĂźnde bulundurmamaktadÄąr. Oysa bu çalÄąĹ&#x;mada uzun bir analiz dĂśnemi sĂśz konusudur ve bu dĂśnemde Ăźlke ekonomisini Ăśnemli Ăślçßde etkileyen krizler9, askeri darbeler10, anlaĹ&#x;malar11 yer almaktadÄąr. Bu nedenle seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisinin varlÄąÄ&#x;Äą, Maki (2012) çoklu yapÄąsal kÄąrÄąlmalÄą eĹ&#x;bĂźtĂźnleĹ&#x;me testi ile sÄąnanmÄąĹ&#x;tÄąr. Bu testte 5 taneye kadar yapÄąsal kÄąrÄąlmaya izin verilmekte ve yapÄąsal kÄąrÄąlma tarihleri içsel olarak belirlenebilmektedir. Maki (2012) çoklu yapÄąsal kÄąrÄąlmalÄą eĹ&#x;bĂźtĂźnleĹ&#x;me testinin H0 hipotezi; â&#x20AC;&#x153;Seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me yokturâ&#x20AC;? Ĺ&#x;eklindedir. Maki (2012) çoklu yapÄąsal kÄąrÄąlmalÄą eĹ&#x;bĂźtĂźnleĹ&#x;me testinde 4 farklÄą test istatistiÄ&#x;i hesaplanmakta olup, bunlardan; Model 0; sabit terimde kÄąrÄąlmaya izin veren trendsiz modeli, Model 1; sabit terimde ve eÄ&#x;imde kÄąrÄąlmaya izin veren trendsiz modeli, Model 2; sabit terimde ve eÄ&#x;imde kÄąrÄąlmaya izin 1970â&#x20AC;&#x2122;lerde petrol krizi, 1994, 2001 ve 2008 ekonomik krizleri gibi. 27 MayÄąs 1960, 12 Mart 1971, 12 EylĂźl 1980 askeri darbeleri, 28 Ĺ&#x17E;ubat postmodern askeri darbesi, 15 Temmuz 2016 darbe giriĹ&#x;im gibi. 11 1 Ocak 1996â&#x20AC;&#x2122;dan itibaren yĂźrĂźrlĂźÄ&#x;e giren GĂźmrĂźk BirliÄ&#x;i anlaĹ&#x;masÄą, 2005 yÄąlÄąnda yĂźrĂźrlĂźÄ&#x;e giren Kyoto ProtokolĂź gibi. 9

10

143


veren trendli modeli ve Model 3; sabit terimde, eÄ&#x;imde ve trendde yapÄąsal kÄąrÄąlmaya izin veren modeli ifade etmektedir. Ă&#x2021;alÄąĹ&#x;mada Maki (2012) çoklu yapÄąsal kÄąrÄąlmalÄą eĹ&#x;bĂźtĂźnleĹ&#x;me testi yapÄąlmÄąĹ&#x; ve elde dilen bulgular Tablo 5â&#x20AC;&#x2122;te sunulmuĹ&#x;tur. Tablo 5: Maki (2012) Ă&#x2021;oklu YapÄąsal KÄąrÄąlmalÄą EĹ&#x;bĂźtĂźnleĹ&#x;me Testi SonuçlarÄą Test Kritik DeÄ&#x;er YapÄąsal istatistiÄ&#x;i KÄąrÄąlma Tarihi %1 %5 %10 -6.91*** -6.856 -6.306 -6.039 1981 Model 0 6.78** -7.053 -6.494 -6.220 1981 Model 1 -9.441 -8.869 -8.541 1970; 1981; Model 2 -10.18*** 1997 -7.71 -10.08 -9.482 -9.151 1980 Model 3 Not: Kritik DeÄ&#x;erler, Maki (2012: 3) Tablo 1â&#x20AC;&#x2122;den alÄąnmÄąĹ&#x;tÄąr. ** ve *** sÄąrasÄąyla %5 ve %1 anlamlÄąlÄąk dĂźzeyinde eĹ&#x;bĂźtĂźnleĹ&#x;menin varlÄąÄ&#x;ÄąnÄą ifade etmektedir.

Tablo 5â&#x20AC;&#x2122;teki sonuçlara gĂśre seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisi vardÄąr. Model 2â&#x20AC;&#x2122;de belirlenen yapÄąsal kÄąrÄąlma tarihleri, yapay deÄ&#x;iĹ&#x;kenler (K1970, K1981, K1997) Ăźzerinden analize dâhil edilecektir. Bu yapay deÄ&#x;iĹ&#x;kenler oluĹ&#x;turulurken, yapÄąsal kÄąrÄąlmanÄąn olduÄ&#x;u yÄąla 1, diÄ&#x;er yÄąllara 0 deÄ&#x;erleri verilmiĹ&#x;tir. 4.6. Uzun DĂśnem Analizi Ă&#x2021;alÄąĹ&#x;mada seriler arasÄąnda eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisi tespit edildiÄ&#x;i için uzun dĂśnem analizinin, bu eĹ&#x;bĂźtĂźnleĹ&#x;me vektĂśrĂźnĂź gĂśz ĂśnĂźnde bulunduran bir yĂśntemle yapÄąlmasÄą gerekmektedir. Bu alandaki en etkin yĂśntem ise DOLS yĂśntemidir. DOLS yĂśntemi, baÄ&#x;ÄąmsÄąz deÄ&#x;iĹ&#x;kenlerin gecikme ve ĂśncĂźl deÄ&#x;erlerini de kullanarak, deÄ&#x;iĹ&#x;en varyans ve otokorelasyon sorunlarÄąn karĹ&#x;Äą dirençli tahminler yapabilmektedir. Ă&#x2021;alÄąĹ&#x;mada uzun dĂśnem analizi DOLS yĂśntemiyle yapÄąlmÄąĹ&#x; ve bulgular Tablo 6â&#x20AC;&#x2122;da sunulmuĹ&#x;tur.

đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Ş đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Şđ?&#x;? đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Şđ?&#x;&#x2018; đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Źđ?&#x2018;ľđ?&#x2018;š đ?&#x2018;˛đ?&#x;?đ?&#x;&#x2014;đ?&#x;&#x2022;đ?&#x;&#x17D; đ?&#x2018;˛đ?&#x;?đ?&#x;&#x2014;đ?&#x;&#x2013;đ?&#x;? đ?&#x2018;˛đ?&#x;?đ?&#x;&#x2014;đ?&#x;&#x2014;đ?&#x;&#x2022; Sabit Terim đ?&#x2018;šđ?&#x;? = đ?&#x;&#x17D;. đ?&#x;&#x2014;đ?&#x;&#x2014;

Tablo 6: Uzun DĂśnem Analizi SonuçlarÄą KatsayÄą t - istatistiÄ&#x;i OlasÄąlÄąk DeÄ&#x;eri 5.97*** 4.15 0.00 -1.90*** -3.39 0.00 0.22** 2.40 0.02 -0.32 -1.03 0.31 -0.02 -1.21 0.24 -0.01 -0.69 0.49 0.04** 2.53 0.02 -2.53** -2.69 0.01 đ?&#x;? Ě&#x2026; đ?&#x2018;şđ?&#x2018;şđ?&#x2018;š = đ?&#x;&#x17D;. đ?&#x;&#x17D;đ?&#x;? đ?&#x2018;ąđ?&#x2018;Š = đ?&#x;&#x17D;. đ?&#x;&#x2014;đ?&#x;&#x2019; đ?&#x2018;š = đ?&#x;&#x17D;. đ?&#x;&#x2014;đ?&#x;&#x2014;

Not: ** ve *** katsayÄąlarn sÄąrasÄąyla %5 ve %1 Ăśnem dĂźzeyinde gĂźvenilir olduÄ&#x;unu gĂśstermektedir.

144


Tablo 6â&#x20AC;&#x2122;daki đ?&#x2018;&#x2026; 2 ; belirlilik katsayÄąsÄą, đ?&#x2018;&#x2026;Ě&#x2026; 2 ; dĂźzetilmiĹ&#x; belirlilik katsayÄąsÄą olup, bu deÄ&#x;erlerin yĂźksek olmasÄą, yapÄąlan tahminin baĹ&#x;arÄąlÄą olduÄ&#x;unu gĂśstermektedir. Buradaki deÄ&#x;erler; kurulan modelin, CO2 salÄąnÄąmÄąndaki deÄ&#x;iĹ&#x;imlerin %99â&#x20AC;&#x2122;unu açĹklamakta olduÄ&#x;unu ve bu yĂśnĂźyle modelin oldukça gßçlĂź olduÄ&#x;unu ortaya koymaktadÄąr12. SSR; Sum Squares of Residual: Hata terimlerinin kareleri toplamÄą olup, bu deÄ&#x;erin kßçßk olmasÄą, yapÄąlan tahminin baĹ&#x;arÄąlÄą olduÄ&#x;unu gĂśstermektedir. Burada elde edilen SSR deÄ&#x;eri, 0.02 gibi oldukça dĂźĹ&#x;Ăźk çĹkmÄąĹ&#x; olup, bu da modelin neredeyse sÄąfÄąr hataya sahip bir model olduÄ&#x;unu ortaya koymaktadÄąr. JB; Jarque-Bera normallik sÄąnamasÄą olasÄąlÄąk deÄ&#x;eri olup, bu deÄ&#x;erin 0.05â&#x20AC;&#x2122;ten bĂźyĂźk olmasÄą, tahminin hata terimleri serisinin normal daÄ&#x;ÄąlÄąma sahip olduÄ&#x;unu, bu nedenle yapÄąlan đ?&#x2018;Ą testlerinin gĂźvenilir olduÄ&#x;unu ortaya koymaktadÄąr. Bu tahminde de JB=0.94 çĹkmÄąĹ&#x; olup, yapÄąlan đ?&#x2018;Ą testleri gĂźvenilirdir. Bu tahmine ait korelagram grafikleri Ek 2â&#x20AC;&#x2122;de yer almaktadÄąr. Bu tablodaki sonuçlara TĂźrkiyeâ&#x20AC;&#x2122;de kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en reel milli gelir ile kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en karbondioksit salÄąnÄąmÄą arasÄąnda N tipi bir Kuznets EÄ&#x;risi sĂśz konusudur. Yani, ilk Ăśnce kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en milli gelir artarken, çevre kirliliÄ&#x;i de artmÄąĹ&#x;, bir noktadan sonra kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en milli gelir artmaya devam ederken, çevre kirliliÄ&#x;i azalmaya baĹ&#x;lamÄąĹ&#x;, ancak belirli bir gelir seviyesinin Ăźzerine çĹkÄąlabilmesi için tekrar çevre kirletilmeye baĹ&#x;lanmÄąĹ&#x;tÄąr. O halde yetkililerin hemen gerekli Ăśnlemleri alarak, çevre kirlenmesinin ĂśnĂźne geçmelerinde yarar vardÄąr. Elde edilen bu sonuç, literatĂźrde yer alan Ĺ&#x17E;ahinĂśz ve Fotourehci (2013); ErataĹ&#x; ve Uysal (2014); Allard vd. (2018) çalÄąĹ&#x;malarÄąyla uyumludur. Tablo 6â&#x20AC;&#x2122;da dikkat çeken bir nokta da kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en enerji tĂźketiminin artmasÄąnÄąn, çevre kirliliÄ&#x;i Ăźzerindeki etkisinin istatistiksel olarak anlamsÄąz olmasÄądÄąr. 4.7. KÄąsa DĂśnem Analizi Ă&#x2021;alÄąĹ&#x;mada kÄąsa dĂśnem analizi de DOLS yĂśntemiyle gerçekleĹ&#x;tirilmiĹ&#x;tir. KÄąsa dĂśnem analizinde serilerin birinci farkÄą alÄąnarak duraÄ&#x;anlaĹ&#x;tÄąrÄąlmÄąĹ&#x; hallerinin yanÄąnda, uzun dĂśnem analizinden elde edilen hata dĂźzeltme terimi (ECTt-1) de kullanÄąlmaktadÄąr. Bu terimin katsayÄąsÄą istatistiksel olarak anlamlÄą olduÄ&#x;unda; eĹ&#x;bĂźtĂźnleĹ&#x;me iliĹ&#x;kisine sahip seriler arasÄąnda meydana gelen kÄąsa dĂśnemli sapmalarÄąn da ortadan kalktÄąÄ&#x;Äą, yani modelin hata dĂźzeltme mekanizmasÄąnÄąn çalÄąĹ&#x;tÄąÄ&#x;Äą ve bĂśylece yapÄąlan analizlerin tamamen gĂźvenilir olduÄ&#x;u anlaĹ&#x;ÄąlmaktadÄąr (MĂźller, 2004). AyrÄąca bu deÄ&#x;iĹ&#x;kenin katsayÄąsÄą istatistiksel olarak anlamlÄą bulunduÄ&#x;unda; baÄ&#x;ÄąmsÄąz deÄ&#x;iĹ&#x;kenlerden, baÄ&#x;ÄąmlÄą deÄ&#x;iĹ&#x;kene doÄ&#x;ru uzun dĂśnemli bir OLS yĂśntemiyle yapÄąlan tahminlerde R2 deÄ&#x;erinin çok yĂźksek olmasÄą, çoklu doÄ&#x;rusal baÄ&#x;lantÄą sorununu akla getirse de burada kullanÄąlan DOLS yĂśnteminin yapÄąsÄą gereÄ&#x;i (baÄ&#x;ÄąmsÄąz deÄ&#x;iĹ&#x;kenlerin gecikmeli ve ĂśncĂźl deÄ&#x;erlerini de modele açĹklayÄącÄą deÄ&#x;iĹ&#x;ken olarak ekliyor olmasÄą nedeniyle) R2 deÄ&#x;erleri yĂźksek çĹkmaktadÄąr ve bu bir sorun teĹ&#x;kil etmemektedir. 12

145


nedensellik iliĹ&#x;kisinin var olduÄ&#x;una karar verilmektedir (Cottrell, 2004). Son olarak; 1/ECTâ&#x20AC;&#x2122;nin katsayÄąsÄą kadar dĂśnem sonra sapmalarÄąn ortadan kalktÄąÄ&#x;Äą ifade edilebilmektedir. Bu çalÄąĹ&#x;mada kÄąsa dĂśnem analizi DOLS yĂśntemiyle yapÄąlmÄąĹ&#x; ve elde edilen bulgular Tablo 7â&#x20AC;&#x2122;de sunulmuĹ&#x;tur. Tablo 7: KÄąsa DĂśnem Analizi SonuçlarÄą â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Ş â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Şđ?&#x;? â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Žđ?&#x2018;Ťđ?&#x2018;ˇđ?&#x2018;ˇđ?&#x2018;Şđ?&#x;&#x2018; â&#x2C6;&#x2020;đ?&#x2018;łđ?&#x2019;?đ?&#x2018;Źđ?&#x2018;ľđ?&#x2018;š Sabit Terim đ?&#x2018;Źđ?&#x2018;Şđ?&#x2018;ťđ?&#x2019;&#x2022;â&#x2C6;&#x2019;đ?&#x;? đ?&#x2018;šđ?&#x;? = đ?&#x;&#x17D;. đ?&#x;&#x2014;đ?&#x;&#x201C;

KatsayÄą 1.59 0.32 -0.15 0.006 -0.005 -1.23*** Ě&#x2026; đ?&#x;? = đ?&#x;&#x17D;. đ?&#x;&#x2013;đ?&#x;&#x201D; đ?&#x2018;š

t - istatistiÄ&#x;i 0.67 0.28 -0.70 0.01 -1.17 -5.06 đ?&#x2018;şđ?&#x2018;şđ?&#x2018;š = đ?&#x;&#x17D;. đ?&#x;&#x17D;đ?&#x;&#x17D;đ?&#x;?

OlasÄąlÄąk DeÄ&#x;eri 0.50 0.77 0.49 0.99 0.25 0.00 đ?&#x2018;ąđ?&#x2018;Š = đ?&#x;&#x17D;. đ?&#x;?đ?&#x;&#x17D;

Not: *** katsayÄąnÄąn %1 Ăśnem dĂźzeyinde gĂźvenilir olduÄ&#x;unu gĂśstermektedir.

Tablodaki đ?&#x2018;&#x2026; 2 , đ?&#x2018;&#x2026;Ě&#x2026; 2 , SSR ve JB deÄ&#x;erleri, yapÄąlan kÄąsa dĂśnem analizinin gĂźvenilir olduÄ&#x;unu gĂśstermektedir. Bu tahmine ait korelagram grafikleri â&#x20AC;˛ Ek 3â&#x20AC;&#x2122;te yer almaktadÄąr. KÄąsa dĂśnem analizinde đ??¸đ??śđ?&#x2018;&#x2021;đ?&#x2018;Ąâ&#x2C6;&#x2019;1 in katsayÄąsÄą istatistiksel olarak anlamlÄą bulunduÄ&#x;u için, modelin hata dĂźzeltme mekanizmasÄą çalÄąĹ&#x;maktadÄąr. Yani yapÄąlan uzun dĂśnem analizi sonuçlarÄą â&#x20AC;˛ gĂźvenilirdir. Yine đ??¸đ??śđ?&#x2018;&#x2021;đ?&#x2018;Ąâ&#x2C6;&#x2019;1 in katsayÄąsÄą istatistiksel olarak anlamlÄą olmasÄąna dayanarak, kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en milli gelirden ve kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en enerji kullanÄąmÄąndan karbondioksit salÄąnÄąmÄąna doÄ&#x;ru uzun dĂśnemli bir nedensellik iliĹ&#x;kisinin var olduÄ&#x;u sĂśylenebilir. Son olarak; seriler arasÄąnda kÄąsa dĂśnemde meydana gelen sapmalarÄąn 1/1.23 â&#x2030;&#x2026; 0.83 dĂśnem, yani bir yÄąldan daha kÄąsa sĂźrede ortadan kalktÄąÄ&#x;Äą ifade edilebilir. 5. Sonuç ve Ă&#x2013;neriler Bu çalÄąĹ&#x;mada TĂźrkiyeâ&#x20AC;&#x2122;de Ă&#x2021;evresel Kuznets EÄ&#x;risi Hipotezinin geçerliliÄ&#x;i, 1960-2017 dĂśnemi kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en karbondioksit salÄąnÄąmÄą, kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en reel gayrÄą safi yurtiçi hâsÄąla ve kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en enerji kullanÄąmÄą verileri kullanÄąlarak, yapÄąsal kÄąrÄąlmalÄą zaman serisi analizi yĂśntemleriyle araĹ&#x;tÄąrÄąlmÄąĹ&#x;tÄąr. Bu amaçla kĂźbik bir ekonometrik model kurulmuĹ&#x;tur. YapÄąlan korelasyon analizinde; TĂźrkiyeâ&#x20AC;&#x2122;de kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en milli gelir ile karbondioksit emisyonu arasÄąnda %0.98, TĂźrkiyeâ&#x20AC;&#x2122;de kiĹ&#x;i baĹ&#x;Äąna dĂźĹ&#x;en enerji kullanÄąmÄą ile karbondioksit emisyonu arasÄąnda %0.99 iliĹ&#x;ki olduÄ&#x;u tespit edilmiĹ&#x;tir. Korelasyon katsayÄąlarÄąnÄąn pozitif iĹ&#x;aretli olmasÄą; artan kiĹ&#x;i baĹ&#x;Äąna milli gelir ve enerji kullanÄąmÄąnÄąn, çevre kirliliÄ&#x;ini de artÄąrdÄąÄ&#x;ÄąnÄą gĂśstermektedir. Serilerin duraÄ&#x;anlÄąÄ&#x;Äą; ADF, PP ve yapÄąsal kÄąrÄąlmalÄą ADF birim kĂśk testleriyle sÄąnanmÄąĹ&#x; ve bĂźtĂźn serilerin dĂźzeyde duraÄ&#x;an olmayÄąp, birinci farkta duraÄ&#x;an, yani I(1) olduklarÄą tespit edilmiĹ&#x;tir. Seriler arasÄąnda 146


eşbütünleşme ilişkilerinin varlığı Maki (2012) çoklu yapısal kırılmalı eşbütünleşme testi ile incelenmiş ve serilerin eşbütünleşik oldukları görülmüştür. Bu işlemde tespit edilen yapısal kırılma tarihleri kukla değişkenlerle uzun dönem analizine dâhil edilmiştir. Uzun dönem analizi DOLS yöntemiyle gerçekleştirilmiş ve Türkiye’de kişi başına düşen reel milli gelir ile karbondioksit salınımı arasında N tipi bir Kuznets Eğrisinin söz konusu olduğu belirlenmiştir. Yani, önce kişi başına düşen milli gelir artarken, çevre kirliliği de artmış, sonra kişi başına düşen milli gelir artmaya devam ederken, çevre kirliliği azalmaya başlamış, ancak belirli bir gelir seviyesinin üzerine çıkılabilmesi için tekrar çevre kirletilmeye başlanmıştır. O halde yetkililerin hemen gerekli önlemleri alarak, çevre kirlenmesinin önüne geçmelerinde yarar vardır. Uzun dönem analizinde ayrıca kişi başına düşen enerji tüketiminin artmasının, çevre kirliliği üzerindeki etkisinin istatistiksel olarak anlamsız olduğu da görülmüştür. Kısa dönem analizi de DOLS yöntemiyle gerçekleştirilmiş ve modelin hata düzeltme mekanizmasının çalışmakta olduğu, yani yapılan uzun dönem analizi sonuçlarının güvenilir olduğu bulunmuştur. Kısa dönem analizinde ayrıca; kişi başına düşen milli gelir ve kişi başına düşen enerji kullanımından, kişi başına düşen karbondioksit salınımına doğru uzun dönemli bir nedensellik ilişkisinin var olduğu da belirlenmiştir. Bu analizde son olarak; uzun dönemde birlikte hareket eden seriler arasında kısa dönemde meydana gelen sapmaların 0.83 dönem, yani bir yıldan daha kısa bir sürede ortadan kalktığı da ortaya konulmuştur. Bu çalışmadan elde edilen bulgulara dayanarak; Türkiye’de milli geliri artırmaya yönelik çabaların, çevre kirliliğine de neden olduğu, buna bir an önce çözüm bulunmazsa ileride telafisi imkânsız kayıplara neden olabileceği söylenebilir. Bu nedenle bilim insanlarının çevreye duyarlı (zarar vermeyen) arabalar, üretim tesisleri, yakıt türleri geliştirmeye çabalamalarında, bu alanda dünyadaki iyi uygulamalarla işbirliğine gidilmesinde fayda olduğu, devlet yetkililerinin de gerekli önlemleri bir an önce almalarında, çevireyi kirleten kişi ve kurumlara caydırıcı cezalar getirmelerinde, yenilenebilir enerji kaynaklarına daha fazla teşvik sunmalarında yarar olduğu ifade edilebilir. Bu alanda özellikle büyük şehirlerdeki hava kirliliğini ve bunlara bağlı oluşan solunum sistemi hastalıklarını ve bunların devlete olan maliyetlerini azaltabilmek için elektrikli otomobil kullanımının kolaylaştırılması (ucuzlatılması, vergilerinin azaltılması, şarj istasyonu sayısının çoğaltılması), doğalgaz fiyatlarının düşürülerek konutlarda ve işyerlerinde doğalgaz kullanımının artırılması faydalı olabilecektir. Kaynakça

147


AKBOSTANCI, E., TÜRÜT-AŞIK, S., Tunç, G. İ. (2009). The Relationship Between Income and Environment in Turkey: Is There An Environmental Kuznets Curve? Energy Policy, 37(3): 861-867. ALLARD, A., TAKMAN, J., UDDIN, G. S., AHMED, A. (2018). The NShaped Environmental Kuznets Curve: An Empirical Evaluation Using A Panel Quantile Regression Approach. Environmental Science and Pollution Research, 25: 5848–5861. ALTIKAT, A., YAPAR TORUN, F., TURAN BAYRAM, T. (2011). Küresel Kirlilik: Dünya, Avrupa Birliği ve Türkiye’de Hava Kirliliği Örneği. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 27(2): 134-149. ASUERO, A. G., SAYAGO, A., GONZ´ALEZ, A. G. (2006). The Correlation Coefficient: An Overview. Critical Reviews in Analytical Chemistry, 36: 41–59. COTTREL, A. (2004). The Error Correction Model. http://ricardo.ecn.wfu.edu/~cottrell/ecn215/extra/error_corr_2004.pdf, [Erişim Tarihi: 31.12.2018]. 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). Distribution of The Estimators for Autoregressive Time Series with A Unit Root. Econometrica, 49: 1057-72. ENGLE, R. F., GRANGER, C. W. J. (1987). Co-integration and Error Correction: Representation, Estimation and Testing. Econometrica, 55: 251–276. ERATAŞ, F., UYSAL, D. (2014). Çevresel Kuznets Eğrisi Yaklaşımının “BRICT” Ülkeleri Kapsamında Değerlendirilmesi. İktisat Fakültesi Mecmuası, 64(1): 1-25. ERDOĞAN, İ., TÜRKÖZ, K., GÖRÜŞ, M. Ş. (2015). Çevresel Kuznets Eğrisi Hipotezinin Türkiye Ekonomisi İçin Geçerliliği. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 44: 113-123. ETKB YEGM (2018). 2010-2016 Türkiye Enerji Verimliliği Gelişim Raporu, Enerji Verimliliği Dairesi Başkanlığı Ölçme ve Değerlendirme Grubu, EV-2018-01 - V1 FODHA, M., ZAGHDOUD, O. (2010). Economic Growth and Pollutant Emissions in Tunisia: An Empirical Analysis of The Environmental Kuznets Curve. Energy Policy, 38(2): 1150-1156.

148


HELWIG, N. E. (2017). Data, Covariance, and Correlation Matrix. http://users.stat.umn.edu/~helwig/notes/datamat-Notes.pdf,[Erişim Tarihi: 29.12.2018]. IPCC (2007). Climate Change 2007: Mitigation. Contribution of Working group III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, New York, USA. JOHANSEN, S. (1988). Statistical Analysis of Cointegration Vectors. Journal of Economic Dynamics and Control, 12(2-3): 231- 254. JOSIC, H., JOSIC, M., JANECIC, M. (2016). Testing the Environmental Kuznets Curve in the Case of Croatia. Notitia - Journal for Sustainable Development, 2: 31-47. JULA, D., DUMITRESCU, C. I., LIE, I. R., DOBRESCU, R. M. (2013). Environmental Kuznets Curve. Evidence from Romania. Theoretical and Applied Economics, XXII (1): 85-96. KARAKAYA, E. (2008). Küresel Isınma ve Kyoto Protokolü İklim Değişikliğinin Bilimsel, Ekonomik ve Politik Analizi. Bağlam Yayıncılık, İstanbul. KOÇAK, E. (2014). Türkiye’de Çevresel Kuznets Eğrisi Hipotezinin Geçerliliği: ARDL Sınır Testi Yaklaşımı. İşletme ve İktisat Çalışmaları Dergisi, 2(3): 62-73. KORKUT, T. (2018). Kyoto Protokolü nedir? http://bianet.org/bianet/cevre-ekoloji/54452-kyoto-protokolu-nedir-nedegildir, [Erişim Tarihi: 30.12.2018]. KUZNETS, S. (1955). Economic Growth and Income Equality. American Economic Review, 45(1), 1- 28. MERCAN, M. (2013). Türkiye İçin Alternatif Mitigasyon Politikası Uygulamalarının Ekonomik Analizi: Genel Denge Analizi. Adnan Menderes Üniversitesi, Sosyal Bilimler Enstitüsü, İktisat Anabilim Dalı, Yayımlanmamış Doktora Tezi. MAKI, D. (2012). Tests for Cointegration Allowing for An Unknown Number of Breaks. Economic Modelling, 29(5): 2011-2015. MERT, M., BOZDAĞ, H. (2013). Environmental Kuznets Curve for Carbon Emissions in Bosnia & Herzegovina. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi EYİ 2013 Özel Sayısı, 79-84. MFA (2018). Kyoto Protokolü. http://www.mfa.gov.tr/kyotoprotokolu.tr.mfa, [Erişim Tarihi: 30.12.2018].

149


MÜLLER, C. (2004). A Note on the Interpretation of Error Correction Coefficients.https://pdfs.semanticscholar.org/ff1e/5a3face9284da505e b4cf876cb6243089e4c.pdf, [Erişim Tarihi: 31.12.2018]. OTOSHOPS (2018). Adblue Nedir? Ne İşe Yarar? https://www.otoshops.com/adblue-nedir-ne-ise-yarar-haber-289, [Erişim Tarihi: 30.12.2018]. ÖZKOÇ, H. H., YILDIRIM, A., KUDUBEŞ, E. (2017). Çevresel Kuznets Eğrisinin Geçerliliğinin Düşük ve Üst Orta Gelirli Ülkeler İçin Sınanması: 1964-2009 Dönemi. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(22): 327-340. ÖZMEN, M. T. (2009). Sera Gazı - Küresel Isınma ve Kyoto Protokolü. http://www.imo.org.tr/resimler/ekutuphane/pdf/16154_50_07.pdf, [Erişim Tarihi: 30.12.2018]. PHILLIPS, P. C. B., PERRON, P. (1988). Testing for a Unit Root in Time Series Regression. Biometrika, 75(2): 335 346. SAYED, A. R. M., SEK, S. K. (2013). Environmental Kuznets Curve: Evidences from Developed and Developing Economies. Applied Mathematical Sciences, 7(22): 1081-1092. SINHA, A., BHATT, M. Y. (2017). Environmental Kuznets Curve for CO2and NOx emissions: A Case Study of India. European Journal of Sustainable Development, 6(1): 267-276. SONG, T., ZHENG, T., TONG, L. (2008). An Empirical Test of The Environmental Kuznets curve in China: A Panel Cointegration Approach. China Economic Review, 19(3): 381-392. ŞAHİNÖZ, A., FOTOUREHCHI, Z. (2013). Çevresel Kuznets Eğrisi: İndirgenmiş ve Ayrıştırılmış Modellerle Ampirik Bir Analiz. H.Ü. İktisadi ve İdari Bilimler Fakültesi Dergisi, 31(1): 199-224. TEVIE, J., GRIMSRUD, K. M., BERRENS, R. P. (2011). Testing the Environmental Kuznets Curve Hypothesis for Biodiversity Risk in the US: A Spatial Econometric Approach. Sustainability, 3: 2182-2199; WORLD BANK (2018a). Population, total. https://data.worldbank.org/indicator/SP.POP.TOTL?view=chart, [Erişim Tarihi: 30.12.2018]. WORLD BANK (2018b). Urban population (% of total). https://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS?view=char t, [Erişim Tarihi: 30.12.2018]. WORLD BANK (2018c). Energy use (kg of oil equivalent) per $1,000 GDP(constant2011PPP).https://data.worldbank.org/indicator/EG.USE. COM .GD.PP.KD?view =chart, [Erişim Tarihi: 30.12.2018]. 150


WORLD BANK (2018d). CO2 emissions (metric tons per capita). https://data.worldbank.org/indicator/EN.ATM.CO2E.PC?view=chart, [Erişim Tarihi: 29.12.2018]. WORLD BANK (2018e). GDP per capita (constant 2010 US$). https://data.worldbank.org/indicator/NY.GDP.PCAP.KD?view=chart, [Erişim Tarihi: 29.12.2018]. WORLD BANK (2018f). Energy use (kg of oil equivalent per capita). https://data.worldbank.org/indicator/EG.USE.PCAP.KG.OE?view=ch art, [Erişim Tarihi: 29.12.2018]. ZIVOT,E.(2002).Cointegration.https://faculty.washington.edu/ezivot/eco n584/ notes/cointegration.pdf, [Erişim Tarihi: 30.12.2018].

Ekler Ek 1: Yapısal Kırılmalı Birim Kök Grafikleri ΔLnCO2

LnCO2

Dickey-Fuller t-statistics

Dickey-Fuller t-statistics

-1.2

-6.50 -6.75

-1.6 -7.00 -7.25

-2.0

-7.50 -2.4

-7.75 -8.00

-2.8 -8.25 -3.2

-8.50 1975

1980

1985

1990

1995

2000

2005

2010

2015

1970

1975

1980

1985

1990

1995

2000

2005

2010

2015

ΔLnGDPPC Dickey-Fuller t-statistics

LnGDPPC

Dickey-Fuller t-statistics -4.8

-1.5

-5.2 -2.0

-5.6 -6.0

-2.5

-6.4 -3.0

-6.8 -7.2

-3.5

-7.6 -4.0

-8.0 -8.4

-4.5 65

70

75

80

85

90

95

00

05

10

15

151

1970

1975

1980

1985

1990

1995

2000

2005

2010

2015


LnENR

ΔLnENR

Dickey-Fuller t-statistics

Dickey-Fuller t-statistics

-1.5

-5.5

-2.0

-6.0

-2.5

-6.5

-3.0

-7.0

-3.5

-7.5

-4.0

-8.0

-8.5

-4.5 65

70

75

80

85

90

95

00

05

10

15

1970

1975

1980

1985

1990

1995

2000

2005

2010

Ek 2: Uzun Dönem Analizine Ait Korelagram Grafiği

Not: Bu diyagramda otokorelasyon ve kısmi otokorelasyon katsayılarının güven aralıkları içinde kalması, yapılan tahmin sonuçlarında otokorelasyon sorunun olmadığını göstermektedir.

152

2015


Ek 3: Kısa Dönem Analizine Ait Korelagram Grafiği

Not: Bu diyagramda otokorelasyon ve kısmi otokorelasyon katsayılarının güven aralıkları içinde kalması, yapılan tahmin sonuçlarında otokorelasyon sorunun olmadığını göstermektedir.

153

Profile for Araştırmacı

SOSYAL, BEŞERİ VE İDARİ BİLİMLERDE AKADEMİK ÇALIŞMALAR-2019  

Türkiye ve Avrupa Birliği (AB) Ülkelerinde Ekonomik Büyüme, Ar-Ge ve İnovasyon İlişkisi: Yeni Nesil Panel Veri Analizi. OECD Ülkelerinde Be...

SOSYAL, BEŞERİ VE İDARİ BİLİMLERDE AKADEMİK ÇALIŞMALAR-2019  

Türkiye ve Avrupa Birliği (AB) Ülkelerinde Ekonomik Büyüme, Ar-Ge ve İnovasyon İlişkisi: Yeni Nesil Panel Veri Analizi. OECD Ülkelerinde Be...

Profile for h.uslu80
Advertisement