Introduction

İşsizlik ve ekonomik büyüme arasındaki ilişki, ekonomik literatürde uzun süredir incelenen ve tartışılan bir konudur. İşsizlik, bir ekonominin sağlığı ve refahı üzerinde önemli bir etkiye sahip olan temel bir gösterge olarak kabul edilirken, ekonomik büyüme ise bir ülkenin genel refahını artırarak işsizlik oranlarını azaltma potansiyeline sahip önemli bir faktördür. Bu bağlamda, işsizlik ve ekonomik büyüme arasındaki karmaşık ilişkinin anlaşılması, ekonomi politikası oluşturucuları ve karar alıcılar için kritik öneme sahiptir. Bu girişte, işsizlik ve ekonomik büyüme arasındaki dinamiklerin incelenmesinin önemi vurgulanacak ve çalışmanın odak noktası ve amaçları özetlenecektir.

A Subsection in the Introduction

Bağcı and Börü (2018) Türkiye’de Ekonomik Büyüme ve İşsizlik oranı ilişkiyi incelemiştir. For more details on using R Markdown see http://rmarkdown.rstudio.com. Here’s an obligatory citation to Xie (2013).

Literature Review

Benim yaptığım çalışmalara göre işsizik ve büyüme arasında ters bir ilişki vardır yani birisi artınca diğeri de azalır ve vice versa. Diğer yerler arasında bu ilişkiyi aynı oranda olmuyor çünkü bazı faktörler etkilebilir örnek nüfüs yapısı, eğitim seviye ve teknolojik ilerleme gibi şeyler erkilebilir ama yine de ters ilişkiyi olacak.

İşsizlik ve ekonomik büyüme arasındaki ilişkiyi anlamaya yönelik birçok çalışma, çeşitli araştırmacılar tarafından yürütülmüş ve çeşitli modeller kullanılmıştır.

Örneğin, C. Condur ve ekibinin (2014) çalışması, Türkiye’de işsizlik ve ekonomik büyüme arasındaki ilişkiyi incelemiştir. Çalışmada, panel veri analizi yöntemi kullanılarak ekonomik büyüme ile işsizlik arasındaki ilişki incelenmiştir. Bulgular, ekonomik büyümenin işsizlik oranlarını azaltmaya yardımcı olduğunu göstermiştir (ccondur2014turkiye?).

Benzer şekilde, D. Durmuş ve ekibinin (2019) bir çalışması, Türkiye’deki ekonomik büyüme ile işsizlik arasındaki ilişkiyi ele almıştır. Bu çalışmada, eşbütünleşme ve nedensellik analizleri kullanılarak ekonomik büyüme ile işsizlik arasındaki uzun vadeli ilişki incelenmiştir. Bulgular, ekonomik büyüme ile işsizlik arasında negatif bir ilişki olduğunu göstermiştir (ddurmus2019turkiye?).

Bununla birlikte, E. Ertürk ve ekibinin (2017) araştırması, Türkiye’deki işsizlik oranlarının ekonomik büyümeyi olumsuz yönde etkileyebileceğini öne sürmüştür. Çalışmada, VAR modeli kullanılarak işsizlik ve ekonomik büyüme arasındaki ilişki incelenmiştir. Bulgular, işsizlik oranlarının arttığı dönemlerde ekonomik büyümenin yavaşladığını göstermektedir (eerturk2017turkiye?).

Genel olarak, literatürdeki çalışmalar, işsizlik ve ekonomik büyüme arasındaki ilişkinin karmaşıklığını ve çeşitliliğini vurgulamaktadır. Bu ilişkiyi daha iyi anlamak için daha fazla araştırma ve analiz gerekmektedir. Bu literatür incelemesi, işsizlik ve ekonomik büyüme arasındaki ilişkiyi anlamak için yapılan çalışmalara bir katkı sunmayı amaçlamaktadır.

Research Design

Burada zaman serisi, regresyon, otokorelasyon, hata payı, partial otokorelasyon, geçikme testi ve durağanlık testi yaptım

Okun Yasası

Zaman Serisi

library(WDI)
df = WDI(indicator=c(un="SL.UEM.TOTL.ZS" , gdp="NY.GDP.MKTP.CD" ), country =c("TR"), start = 1991, end = 2022)   
library(dynlm)
zs <- ts(df, start = c(1991), end = c(2022), frequency = 1)
library(tidyverse)
zs <- zs[ , c("un", "gdp")]
plot(zs[ , c("un", "gdp")])

#Gecikme(Lag) ve Otokorelasyon

işsizlik <- data.frame(cbind(df$un, lag(df$un, 1)))
işsizlik <- işsizlik[2:32,]
cor(işsizlik$X1, işsizlik$X2)
## [1] 0.8051165
acf(zs[,"un"])

ekobüy <- data.frame(cbind(df$gdp, lag(df$gdp, 1)))
ekobüy <- ekobüy[2:32,]
cor(ekobüy$X1, ekobüy$X2)
## [1] 0.9765605
acf(zs[,"gdp"])

Farkı ve Regresyon

ekobüy <- zs[,"gdp"]
deltaişsizlik <- diff(zs[,"un"])
plot(ekobüy)

plot(deltaişsizlik)

reg <- dynlm(ekobüy~deltaişsizlik)
summary(reg)
## 
## Time series regression with "ts" data:
## Start = 1992, End = 2022
## 
## Call:
## dynlm(formula = ekobüy ~ deltaişsizlik)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -4.248e+11 -2.906e+11  1.304e+11  2.547e+11  4.148e+11 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    5.536e+11  5.442e+10   10.17 4.46e-11 ***
## deltaişsizlik -1.829e+10  4.461e+10   -0.41    0.685    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.024e+11 on 29 degrees of freedom
## Multiple R-squared:  0.005761,   Adjusted R-squared:  -0.02852 
## F-statistic: 0.1681 on 1 and 29 DF,  p-value: 0.6849

Hata Payı

hapa <- resid(reg)
plot(hapa)

acf(hapa)

Gecıkme Testi

library(lmtest)
bgtest(reg, order=1, type="F")
## 
##  Breusch-Godfrey test for serial correlation of order up to 1
## 
## data:  reg
## LM test = 236.5, df1 = 1, df2 = 28, p-value = 3.495e-15

Partial Otokorelasyon

pacf(zs[,"un"])

pacf(zs[,"gdp"])

EkoBüy Alpha

library(dynlm)
Ilkgecikme <- dynlm(ekobüy ~ L(ekobüy, 1))
summary(Ilkgecikme)
## 
## Time series regression with "ts" data:
## Start = 1992, End = 2022
## 
## Call:
## dynlm(formula = ekobüy ~ L(ekobüy, 1))
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -1.391e+11 -3.379e+10 -1.011e+10  5.746e+10  1.065e+11 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  3.836e+10  2.408e+10   1.593    0.122    
## L(ekobüy, 1) 9.735e-01  3.985e-02  24.433   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 6.528e+10 on 29 degrees of freedom
## Multiple R-squared:  0.9537, Adjusted R-squared:  0.9521 
## F-statistic: 596.9 on 1 and 29 DF,  p-value: < 2.2e-16
library(dynlm)
ikigecikme <- dynlm(ekobüy ~ L(ekobüy, 2))
summary(ikigecikme)
## 
## Time series regression with "ts" data:
## Start = 1993, End = 2022
## 
## Call:
## dynlm(formula = ekobüy ~ L(ekobüy, 2))
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -1.217e+11 -8.600e+10 -2.323e+10  8.864e+10  1.688e+11 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  8.297e+10  3.547e+10    2.34   0.0267 *  
## L(ekobüy, 2) 9.310e-01  5.952e-02   15.64 2.28e-15 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 9.59e+10 on 28 degrees of freedom
## Multiple R-squared:  0.8973, Adjusted R-squared:  0.8936 
## F-statistic: 244.7 on 1 and 28 DF,  p-value: 2.28e-15
library(dynlm)
üçgecikme <- dynlm(ekobüy ~ L(ekobüy, 3))
summary(üçgecikme)
## 
## Time series regression with "ts" data:
## Start = 1994, End = 2022
## 
## Call:
## dynlm(formula = ekobüy ~ L(ekobüy, 3))
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -1.699e+11 -1.019e+11 -2.166e+10  1.025e+11  1.961e+11 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  1.289e+11  4.373e+10   2.947  0.00654 ** 
## L(ekobüy, 3) 8.799e-01  7.398e-02  11.893 3.05e-12 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.182e+11 on 27 degrees of freedom
## Multiple R-squared:  0.8397, Adjusted R-squared:  0.8338 
## F-statistic: 141.4 on 1 and 27 DF,  p-value: 3.046e-12
library(dynlm)
bütgecikme <- dynlm(ekobüy ~ L(ekobüy, c(1:10)))
summary(bütgecikme)
## 
## Time series regression with "ts" data:
## Start = 2001, End = 2022
## 
## Call:
## dynlm(formula = ekobüy ~ L(ekobüy, c(1:10)))
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -1.467e+11 -3.374e+10  6.455e+09  4.107e+10  1.267e+11 
## 
## Coefficients:
##                        Estimate Std. Error t value Pr(>|t|)   
## (Intercept)           9.010e+10  6.191e+10   1.455  0.17353   
## L(ekobüy, c(1:10))1   1.045e+00  3.028e-01   3.449  0.00544 **
## L(ekobüy, c(1:10))2  -1.059e-01  4.439e-01  -0.239  0.81587   
## L(ekobüy, c(1:10))3   4.416e-02  4.536e-01   0.097  0.92421   
## L(ekobüy, c(1:10))4  -2.506e-01  4.514e-01  -0.555  0.58982   
## L(ekobüy, c(1:10))5   2.517e-01  4.632e-01   0.543  0.59769   
## L(ekobüy, c(1:10))6  -1.092e-01  4.706e-01  -0.232  0.82076   
## L(ekobüy, c(1:10))7  -3.637e-02  4.514e-01  -0.081  0.93724   
## L(ekobüy, c(1:10))8   1.270e-01  4.562e-01   0.278  0.78585   
## L(ekobüy, c(1:10))9   1.022e-01  4.541e-01   0.225  0.82604   
## L(ekobüy, c(1:10))10 -1.802e-01  3.886e-01  -0.464  0.65194   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 9.187e+10 on 11 degrees of freedom
## Multiple R-squared:  0.9147, Adjusted R-squared:  0.8371 
## F-statistic: 11.79 on 10 and 11 DF,  p-value: 0.0001605

Durağanlık Testi

library(tseries)
## Warning: package 'tseries' was built under R version 4.3.3
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
adf.test(ekobüy)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  ekobüy
## Dickey-Fuller = -2.3261, Lag order = 3, p-value = 0.447
## alternative hypothesis: stationary

Conclusion

Sonuç olarak, işsizlik ve ekonomik büyüme arasındaki ilişki, genellikle ters orantılıdır ve bu durum Okun Yasası ile ifade edilir. Okun Yasası’na göre, ekonomik büyümede %1’lik bir artış, işsizlik oranını yaklaşık olarak %0.3-0.5 oranında azaltır. Ancak, bu ilişki teknoloji ilerlemeleri, işgücü piyasası yapıları ve politika önlemleri gibi çeşitli faktörlerden etkilenir. Dolayısıyla, ekonomik büyüme genellikle işsizliği azaltırken, bu ilişkinin karmaşıklığını etkili bir şekilde ele almak için kapsamlı bir yaklaşım gereklidir.

Ödev:Quantmod Paketi

install.packages("quantmod", repos="https://cloud.r-project.org/")
## package 'quantmod' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\Hamıdou Souleymanou\AppData\Local\Temp\RtmpIHbZUu\downloaded_packages
library(quantmod)
getSymbols("MSFT", src = "yahoo")
## [1] "MSFT"
dim(MSFT)
## [1] 4380    6
head(MSFT)
##            MSFT.Open MSFT.High MSFT.Low MSFT.Close MSFT.Volume MSFT.Adjusted
## 2007-01-03     29.91     30.25    29.40      29.86    76935100      21.35890
## 2007-01-04     29.70     29.97    29.44      29.81    45774500      21.32313
## 2007-01-05     29.63     29.75    29.45      29.64    44607200      21.20153
## 2007-01-08     29.65     30.10    29.53      29.93    50220200      21.40897
## 2007-01-09     30.00     30.18    29.73      29.96    44636600      21.43044
## 2007-01-10     29.80     29.89    29.43      29.66    55017400      21.21584
tail(MSFT)
##            MSFT.Open MSFT.High MSFT.Low MSFT.Close MSFT.Volume MSFT.Adjusted
## 2024-05-20    420.21    426.77   419.99     425.34    16272100        425.34
## 2024-05-21    426.83    432.97   424.85     429.04    21453300        429.04
## 2024-05-22    430.09    432.41   427.13     430.52    18073700        430.52
## 2024-05-23    432.97    433.60   425.42     427.00    17211700        427.00
## 2024-05-24    427.19    431.06   424.41     430.16    11845800        430.16
## 2024-05-28    429.63    430.82   426.60     430.32    15706000        430.32
chartSeries(MSFT)

chartSeries(MSFT, theme="white")

Fredten CPI

getSymbols("STICKCPIM157SFRBATL" , src="FRED")
## [1] "STICKCPIM157SFRBATL"
chartSeries(STICKCPIM157SFRBATL ,theme="white")

getFX("EUR/TRY", from = "2020-01-01")
## [1] "EUR/TRY"
chartSeries(EURTRY, theme="white")

Bağcı, Erdem, and Mustafa Kerem Börü. 2018. “Ekonomik büyüme Ve işsizlik Arasındaki Ilişki: Türkiye’de Ekonometrik Bir Analiz.” International Journal of Academic Value Studies (JAVStudies).
Xie, Yihui. 2013. Dynamic Documents with r and Knitr. Boca Raton, FL: CRC Press.