Giriş

Ekonomik büyüme, bir ülkenin refah düzeyini artıran önemli bir faktördür. Bu bağlamda, kişi başına düşen gayri safi yurt içi hasıla (GSYH) ve nüfus artış hızı ekonomik kalkınma açısından dikkate alınması gereken unsurlardır. Bu makalede, Türkiye’deki kişi başına GSYH ile nüfus artışı arasındaki ilişki incelenmiştir.

Gelişme

Türkiye’nin kişi başına GSYH ve nüfus artış verilerini elde etmek için World Development Indicators (WDI) veritabanından faydalanılmıştır. Elde edilen zaman serisi verileri analiz edilerek bu iki değişken arasındaki ilişki tespit edilmeye çalışılmıştır.

İlk olarak, kişi başına GSYH ve nüfus artış hızının zaman serisi grafiği çizdirilmiştir. Grafik incelendiğinde, her iki değişkenin zaman içinde nasıl değiştiği gözlemlenmiştir. Ardından, bu iki değişken arasındaki ilişkinin korelasyon analizi yapılmıştır. regresyon analizi gerçekleştirildiğinde bu modelde, kişi başına GSYH değişkeni bağımlı değişken olarak kullanılırken, nüfus artış hızı değişkeni bağımsız değişken olarak kullanılır. Otokorelasyon Sonucu kodların iletilen bölümünde ACF fonksiyonu kullanılarak otokorelasyon grafiği çizdirilir. Bu grafik, nüfus artış hızının kendisiyle olan ilişkisini gösterir.Testin anlamlılık ölçüsü olan p-value, hipotez testlerinde kullanılır ve verilerin istatistiksel olarak anlamlı olup olmadığını belirlemek için kullanılır. Burada p-value değeri .281 olarak hesaplanmıştır. Bu değer, nüfus artış hızının kişi başına GSYH ile ilişkisi arasında bir ilişki olduğunu göstermek için yeterli kanıt sağlamadığını ifade etmektedir.

Ayrıca, R-kare ve düzeltilmiş R-kare değerleri de modelin açıklama gücünü (fit) ölçen istatistiklerdir. R-kare değeri -1 arasında değişir ve 1’e ne kadar yakınsa modelin bağımsız değişkenlerdeki varyasyonu bağımlı değişkenle açıklama yeteneğinin o kadar yüksek olduğunu gösterir. Bu durumda elde edilen R-kare değeri çok düşük (.02368) olduğundan, modelin bağımsız değişkeni olan nüfus artış hızının kişi başına GSYH’deki varyasyonun sadece çok küçük bir kısmını açıklayabildiğini söyleyebiliriz.

Çizgi grafiğinde her yılın bir önceki yılı etkilediği görülmektedir. Aynı şekilde PACF fonksiyonunu kullanarak parçalı otokorelasyon grafiği çizdirilir. Parçalı otokorelasyonda ise ilgilenilen zaman arasıdaki koinarılmanın varlığı incelenmektedir. PACF grafiğindeki değerler üzerinden belirlenen eşiğe göre hangi gecikmenin anlamlılık taşıdığına karar verilebilir.

Düzeltilmiş R-kare değeri -.02077 olarak hesaplanmıştır ve bu da modelin bağımlı değişkenin varyasyonunun çok küçük bir kısmını açıklayabildiğini göstermektedir.

Sonuç

GSYİH nın nüfus artışındaki etkisininin, regresyon analizinin istatistiksel olarak anlamlı olmadığını göstermektedir. Sonuç olarak, regresyon analizine dayanarak nüfus artış hızının kişi başına GSYH ile doğrudan bir ilişkisinin olmadığı sonucuna varabiliriz.

Introduction

telatar(2010) Bu çalışmada, ekonomik büyüme, nüfus ve eğitim arasındaki ilişkiler Granger nedensellik testi ve VAR analizi yardımıyla 1968-2006 dönemi Türkiye ekonomisi için incelenmiştir.

Literature Review

Türkiye’nin 1970 ile 2020 arasında enflasyonun artmasında nüfus artış hızının etkisini içeren bir ödev hazırladım. telatar(2010) makalesini inceledim. Bu makalede ekonomik büyüme, nüfus ve eğitim arasındaki ilişkilerin Türkiye ekonomisi üzerindeki etkisi 1968-2006 dönemi için Granger nedensellik testi ve VAR analizi kullanılarak incelenmiştir. Bu tür bir çalışma, önemli bir konuyu ele aldığından dolayı değerlidir.Hazırladığım ödevde regresyon, otokorelasyon ve parçalı otokorelasyonlarını inceledim.Araştırma konumda bağımlı değişkenin bağımsız değişken ile yani nüfus artışının GSYİH ya etkisi analizinin istatistiksel olarak anlamlı olmadığını göstermektedir.

library(WDI)
## Warning: package 'WDI' was built under R version 4.2.3
df = WDI(indicator = c(nufus_artis='SP.POP.GROW', gsyh='NY.GDP.PCAP.CD' ),country = c('TR'),  start = 1970, end = 2020)
library(dynlm)
zaman_serisi <- ts(df, start = c(1980), end = c(2020), frequency = 1)
library(tidyverse)
zaman_serisi <- zaman_serisi[ , c("nufus_artis","gsyh")]
plot(zaman_serisi[ ,c("nufus_artis")])

plot(zaman_serisi[ ,c("nufus_artis","gsyh")])

nufus_artis_hizi <- data.frame(cbind(df$nufus_artis, lag(df$nufus_artis, 1)))
plot(zaman_serisi[ ,c("nufus_artis","gsyh")])

nufus_artis_hizi <- nufus_artis_hizi[2:51,]
cor(nufus_artis_hizi$X1, nufus_artis_hizi$X2, )
## [1] 0.939484
cor(nufus_artis_hizi)
##          X1       X2
## X1 1.000000 0.939484
## X2 0.939484 1.000000
acf(zaman_serisi[,"nufus_artis"])

pacf(zaman_serisi[,"nufus_artis"])

n<-51
u <- ts(rnorm(n))
v <- ts(rnorm(n))
y <- ts(rep(0,n))
for (t in 2:n){
  y[t]<- y[t-1]+u[t]
}
x <- ts(rep(0,n))
for (t in 2:n){
  x[t]<- x[t-1]+v[t]
}
plot(y,type='l', ylab="y[t-1]+u[t]")

plot(x,type='l', ylab="x[t-1]+v[t]")

Spurious <- lm(y~x)
summary(Spurious)
## 
## Call:
## lm(formula = y ~ x)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.6397 -1.2435  0.2081  0.8878  3.7949 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)   
## (Intercept) -1.40908    0.47376  -2.974  0.00455 **
## x            0.15844    0.08307   1.907  0.06233 . 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.651 on 49 degrees of freedom
## Multiple R-squared:  0.06912,    Adjusted R-squared:  0.05012 
## F-statistic: 3.638 on 1 and 49 DF,  p-value: 0.06233
duragan <- dynlm(d(y) ~ d(x))
summary(duragan)
## 
## Time series regression with "ts" data:
## Start = 2, End = 51
## 
## Call:
## dynlm(formula = d(y) ~ d(x))
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -2.31993 -0.78255 -0.04695  0.75536  3.07151 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.02862    0.14740  -0.194    0.847
## d(x)         0.04350    0.14636   0.297    0.768
## 
## Residual standard error: 1.034 on 48 degrees of freedom
## Multiple R-squared:  0.001837,   Adjusted R-squared:  -0.01896 
## F-statistic: 0.08834 on 1 and 48 DF,  p-value: 0.7676
library(tseries)
adf.test(x)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  x
## Dickey-Fuller = -1.5343, Lag order = 3, p-value = 0.7616
## alternative hypothesis: stationary
adf.test(y)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  y
## Dickey-Fuller = -2.4921, Lag order = 3, p-value = 0.3766
## alternative hypothesis: stationary
Deltax <- diff(x)
adf.test(Deltax)
## 
##  Augmented Dickey-Fuller Test
## 
## data:  Deltax
## Dickey-Fuller = -2.5368, Lag order = 3, p-value = 0.359
## alternative hypothesis: stationary

Haftalık Ödevler

8.Hafta Ödevi

FRED sayfasından iki ekonomik data oluşturma seçtiğim konular: Johnson & Johnson (JNJ) ve IBM

Johnson & Johnson (JNJ): Johnson & Johnson, sağlık sektöründe faaliyet gösteren çok uluslu bir şirkettir. İlaç, tıbbi cihazlar ve tüketici ambalajlı ürünlerin araştırma, geliştirme, üretim ve pazarlamasıyla ilgilenirler. Ürünleri reçeteli ilaçlardan satılan ilaçlara kadar cerrahi ekipman ve hijyen ürünleri içerir. Ölüm oranlarını araştırırken nüfusun yanında diğer faktörleri de göz önünde bulundurduğumuzda aklımıza ilk gelecek olan etkenlerden biri de sağlık sistemi, sağlık için yapılan harcama ve yatırımlar diyebiliriz. Johnson & Johnson’ da sağlıkta yeri olan önemli bir markadır. Johnson & Johnson, dünyanın en geniş ürün yelpazesine sahip üreticisidir. Dünyanın 60 ülkesinde, yaklaşık 125,000’den fazla çalışanı ile faaliyet göstermektedir.

IBM: Bilgi teknolojileri devi IBM, yapay zeka, bulut bilişim, veri analitiği ve siber güvenlik gibi alanlarda liderlik etmektedir. İnovasyon ve teknolojik ilerleme üzerine odaklanarak gelişmişlik düzeyini artırmaya katkıda bulunmaktadır. Bu ödevde gelişmişliğe de bağlı olarak nüfus oranında ne gibi değişmenin meydana geleceğini kontrol etmek için bu hisse senedini incelemeyi tercih ettim.

library(quantmod)
getSymbols("JNJ")
## [1] "JNJ"
dim(JNJ)
## [1] 4385    6
head(JNJ)
##            JNJ.Open JNJ.High JNJ.Low JNJ.Close JNJ.Volume JNJ.Adjusted
## 2007-01-03    66.13    67.10   66.11     66.40   12845300     39.82906
## 2007-01-04    65.90    67.62   65.90     67.23   11262000     40.32693
## 2007-01-05    66.80    67.25   66.50     66.62    8141100     39.96103
## 2007-01-08    66.51    66.75   66.05     66.51    6180400     39.89505
## 2007-01-09    66.60    66.85   66.13     66.26    7147100     39.74511
## 2007-01-10    66.56    66.56   66.07     66.15    6528700     39.67910
tail(JNJ)
##            JNJ.Open JNJ.High JNJ.Low JNJ.Close JNJ.Volume JNJ.Adjusted
## 2024-05-28   146.79   146.79  144.15    144.38   10499800       144.38
## 2024-05-29   143.82   145.42  143.71    144.44    8263800       144.44
## 2024-05-30   144.62   145.61  144.02    145.28    8491100       145.28
## 2024-05-31   145.57   147.48  145.19    146.67   14621200       146.67
## 2024-06-03   147.25   148.90  146.77    147.74    7329200       147.74
## 2024-06-04   147.48   148.31  146.19    147.80    8874400       147.80
chartSeries(JNJ, theme="white")

Johnson & Johnson:Open, hisse senedinin o günkü açılış fiyatı, Close, kapanış, High, en yüksek, Low, en düşük, Adjuste, Ayarlanmış fiyatlarını vermektedir.Volume, Kaç kişinin işlem yaptığını gösterir.

getSymbols("LNS13026637",src="FRED")
## [1] "LNS13026637"
chartSeries(LNS13026637,theme="white") 

getFX("USD/TRY",from="2020-01-01")
## Warning in doTryCatch(return(expr), name, parentenv, handler): Oanda only
## provides historical data for the past 180 days. Symbol: USD/TRY
## [1] "USD/TRY"
chartSeries(USDTRY,theme="white")

IBM: Bilgi teknolojileri devi IBM, yapay zeka, bulut bilişim, veri analitiği ve siber güvenlik gibi alanlarda liderlik etmektedir. İnovasyon ve teknolojik ilerleme üzerine odaklanarak gelişmişlik düzeyini artırmaya katkıda bulunmaktadır. Bu ödevde gelişmişliğe de bağlı olarak nüfus oranında ne gibi değişmenin meydana geleceğini kontrol etmek için bu hisse senedini incelemeyi tercih ettim.

getSymbols("IBM")
## [1] "IBM"
dim(IBM)
## [1] 4385    6
head(IBM)
##            IBM.Open IBM.High  IBM.Low IBM.Close IBM.Volume IBM.Adjusted
## 2007-01-03 92.90631 94.07265 92.02677  92.99236    9619853     53.04283
## 2007-01-04 92.97323 94.44550 92.61950  93.98662   11008627     53.60996
## 2007-01-05 93.30784 93.64245 92.64819  93.13576    7553480     53.12463
## 2007-01-08 94.16826 95.12428 94.02486  94.55067   10815640     53.93167
## 2007-01-09 94.72276 95.91779 94.71320  95.66921   11619177     54.56971
## 2007-01-10 94.16826 94.69408 93.62333  94.54111    9147061     53.92623
tail(IBM)
##            IBM.Open IBM.High IBM.Low IBM.Close IBM.Volume IBM.Adjusted
## 2024-05-28   170.44   171.09  168.65    169.66    2629500       169.66
## 2024-05-29   168.00   168.63  166.21    167.05    4206600       167.05
## 2024-05-30   165.56   166.73  164.23    165.63    3853000       165.63
## 2024-05-31   165.70   166.97  163.84    166.85    4905000       166.85
## 2024-06-03   166.54   166.78  163.53    165.28    2776100       165.28
## 2024-06-04   164.60   166.40  163.88    165.81    2593700       165.81
chartSeries(IBM, theme="white")

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

getFX("USD/TRY",from="2020-01-01")
## Warning in doTryCatch(return(expr), name, parentenv, handler): Oanda only
## provides historical data for the past 180 days. Symbol: USD/TRY
## [1] "USD/TRY"
chartSeries(VXIBMCLS,theme="white")

10. Hafta Ödevi

KOSKEB konferansı yapıldı. KOSKEB in amacı küçük ve orta ölçekli işletmelerin gelişimi için desteklemedir.Türkiye’deki genç girişimcilere iş kurma aşamasında mali destek sağlamayı amaçlayan bir hibe programıdır. Bu program kapsamında başvuru sahipleri, iş fikirlerini hayata geçirmek için maddi kaynak elde etme imkanına sahip olurlar. KODGEB desteğiyle girişimciler eğitimler alabilir, danışmanlık hizmetleri alabilir ve iş planlarını geliştirebilirler. Bu sayede yeni iş kurmak isteyen genç girişimcilerin başarı şanslarını artırmalarına katkı sağlanır.Tabi desteklerin öncelikleri bulunabilir.Örneğin sanayileşme tarıma oranla ülke ekonomisine daha fazla destek sağladığı için teknoloji ve mühendislik alanındaki girişimciler daha ön plandadır. Bu kurulun desteklediği birçok girişimcilik istatistiksel olarak gelişmiş ve ilerlemiştir.Sermayesini sonlandıran girişimci ortalaması oldukça düşüktür. Özellikle yeni mezun olan girişimci bireyler için önemli bir fırsattır. Bu programdan faydalana bilmek için işletme ve fikir sahibi olamak gerekmektedir.