Altyapı Gelişiminin Ekonomik Büyüme Üzerindeki Etkisi: Küresel Bir Perspektif

AWAB ADIL HASSAN ABDALLA

2024-06-09

Özet

Bu çalışma, altyapı gelişiminin ekonomik büyüme üzerindeki etkisini küresel bir perspektiften incelemektedir. 2000-2020 yılları arasındaki çeşitli ülkeleri kapsayan panel veri seti kullanılarak, ulaşım altyapısı, telekomünikasyon ve enerji arzı gibi kilit altyapı göstergeleri ile ekonomik büyüme (GSYİH büyümesi ile ölçülen) arasındaki ilişki gelişmiş ekonometrik tekniklerle değerlendirilmiştir. Sonuçlar, altyapı gelişiminin ekonomik büyüme üzerinde önemli ve olumlu bir etkisi olduğunu göstermekte, altyapı yatırımlarının ekonomik ilerlemeyi teşvik etmek için önemini vurgulamaktadır. Bu araştırma, altyapı iyileştirmeleri yoluyla ekonomik performansı artırmayı hedefleyen politika yapıcılar için değerli içgörüler sunmaktadır.

Anahtar Kelimeler

Altyapı Gelişimi, Ekonomik Büyüme, Panel Veri Analizi, Ulaşım Altyapısı, Telekomünikasyon, Enerji Arzı, Küresel Perspektif, GSYİH Büyümesi

Giriş

  • Çalışmanın Arka Planı ve Önemi

Altyapı gelişimi, ekonomik büyümenin kritik bir itici gücüdür ve işleyen bir ekonomi için gerekli çerçeveyi sağlar. Ulaşım, telekomünikasyon ve enerji gibi çeşitli sektörleri kapsar ve bu sektörler topluca mal ve insanların hareketini, iletişimi ve güvenilir bir enerji arzını mümkün kılar. Etkili altyapı, sadece ekonomik faaliyetleri desteklemekle kalmaz, aynı zamanda verimliliği, rekabetçiliği ve yaşam kalitesini artırır.

  • Neden Bu Konuyu Seçtik?

Son yıllarda, altyapının ekonomik kalkınmadaki hayati rolü giderek daha fazla kabul görmektedir. İyi gelişmiş altyapı sistemlerine sahip ülkeler genellikle daha yüksek düzeyde ekonomik büyüme ve refah sergilemektedir. Buna karşılık, yetersiz altyapı ekonomik performans için önemli bir engel olabilir. Önemine rağmen, altyapı gelişimi ile ekonomik büyüme arasındaki ilişki karmaşık ve çok boyutludur, bu da kapsamlı bir analiz gerektirir.

Bu konuyu, altyapı yatırımlarının ekonomik büyümeyi nasıl etkilediğine dair küresel bir perspektif sunmak için seçtik. Farklı ülkelerden iki on yılı kapsayan verileri inceleyerek, politika kararlarını bilgilendirecek desenler ve içgörüler ortaya çıkarmayı amaçlıyoruz. Bu ilişkinin anlaşılması, altyapı gelişimini ekonomik büyümeyi teşvik etmek için kullanma stratejilerinin geliştirilmesi açısından özellikle altyapı eksikliklerinin daha belirgin olduğu gelişmekte olan ekonomilerde hayati önem taşımaktadır.

  • Çalışmanın Amaçları

Bu çalışmanın birincil amacı, farklı ülkeler ve bölgeler arasında altyapı gelişiminin ekonomik büyüme üzerindeki etkisini ampirik olarak değerlendirmektir. Özellikle:

  1. Ekonomik büyümeyi önemli ölçüde etkileyen temel altyapı göstergelerini belirlemek.
  2. Bu göstergelerdeki iyileştirmelerin GSYİH büyümesine katkı düzeyini analiz etmek.
  3. Bulgulara dayalı olarak altyapı yatırımlarına yönelik sürdürülebilir ekonomik kalkınma için politika önerileri sunmak.
  • Çalışmanın Kapsamı

Çalışma, 2000-2020 yılları arasındaki dönemi kapsamakta ve ekonomik gelişim düzeyleri farklı olan geniş bir ülke yelpazesini içermektedir. Panel veri analizi kullanarak, hem zamanla değişmeyen ülke spesifik faktörleri hem de zaman spesifik etkileri kontrol edebiliriz, böylece altyapı-büyüme ilişkisinin sağlam bir anlayışını sunabiliriz.

Sonraki bölümlerde, ayrıntılı bir literatür taraması yapacak, veri toplama yöntemlerimizi açıklayacak, kullanılan ekonometrik modelleri tanımlayacak, bulgularımızı sunacak ve bu bulguların politika ve gelecek araştırmalar üzerindeki etkilerini tartışacağız.

Literatür Taraması

Altyapı gelişimi ve ekonomik büyüme arasındaki ilişki üzerine yapılan araştırmalar, bu iki değişkenin karşılıklı etkileşimlerini ve ekonomilerin sürdürülebilir kalkınma süreçlerine katkılarını anlamak açısından önemli bulgular sunmaktadır. Bu bölümde, altyapı ve ekonomik büyüme arasındaki ilişkiyi inceleyen önemli çalışmaları özetleyerek, mevcut literatürdeki anahtar bulguları ve teorik çerçeveleri değerlendireceğiz.

Aghion ve Howitt (1992) tarafından geliştirilen “Yaratıcı Yıkım Modeli”, yeniliklerin ve teknolojik ilerlemelerin ekonomik büyümeyi nasıl teşvik ettiğini açıklamaktadır. Bu model, altyapı yatırımlarının yenilikçi faaliyetleri destekleyerek ekonomik büyümeyi hızlandırabileceğini öne sürmektedir. Bu bağlamda, altyapı gelişiminin, ekonomik büyüme için kritik olan yenilik ve verimlilik artışlarına zemin hazırladığı söylenebilir.

Altın ve Kaya (2009), Türkiye’deki Ar-Ge harcamalarının ekonomik büyüme üzerindeki etkilerini incelemişlerdir. Çalışmaları, altyapı yatırımlarının ve Ar-Ge harcamalarının ekonomik büyümeyi destekleyen temel unsurlar olduğunu vurgulamaktadır. Ar-Ge harcamalarının artışı, yenilikçi faaliyetlerin ve dolayısıyla ekonomik büyümenin ivme kazanmasına katkıda bulunur.

Altıntaş ve Mercan (2015), OECD ülkelerinde altyapı harcamaları ile ekonomik büyüme arasındaki ilişkiyi panel veri analizleri kullanarak incelemişlerdir. Sonuçlar, altyapı yatırımlarının uzun vadede ekonomik büyümeyi desteklediğini göstermektedir. Bu bulgular, gelişmiş altyapı sistemlerinin ekonomik faaliyetlerin verimliliğini artırarak büyümeyi teşvik ettiğini göstermektedir.

Arrow (1962), “Öğrenme Yoluyla Ekonomik Etkiler” çalışmasında, altyapı yatırımlarının ekonomik büyüme üzerindeki dolaylı etkilerini vurgulamıştır. İyi gelişmiş altyapı, öğrenme ve yenilik süreçlerini hızlandırarak, uzun vadede ekonomik performansı artırabilir. Bu çalışma, altyapının ekonomik büyüme üzerindeki dolaylı etkilerinin anlaşılmasında önemli bir temel teşkil etmektedir.

Arun ve Yıldırım (2017), doğrudan yabancı yatırımların (FDI) fikri mülkiyet hakları, patentler ve Ar-Ge faaliyetleri üzerindeki etkilerini incelemişlerdir. Bu çalışmada, altyapı yatırımlarının çekiciliği artırarak doğrudan yabancı yatırımları teşvik ettiği ve bunun da ekonomik büyümeye olumlu katkı sağladığı belirtilmiştir.

Erdoğan ve Canbay (2016), Ar-Ge harcamaları ile ekonomik büyüme arasındaki ilişkiyi teorik olarak incelemişlerdir. Altyapı yatırımlarının, Ar-Ge faaliyetlerini ve yenilikçiliği destekleyerek ekonomik büyümeyi nasıl teşvik edebileceğini tartışmışlardır. Bu bağlamda, altyapının gelişimi, ekonomik büyümenin sürdürülebilirliği için kritik bir unsur olarak ortaya çıkmaktadır.

Falk (2007), yüksek teknoloji sektöründe Ar-Ge harcamaları ve ekonomik büyüme arasındaki ilişkiyi araştırmıştır. Sonuçlar, yüksek teknoloji sektöründe yapılan altyapı yatırımlarının, ekonomik büyümeyi önemli ölçüde artırdığını göstermektedir. Bu, altyapının ekonomik büyüme üzerindeki doğrudan ve dolaylı etkilerinin önemini vurgulamaktadır.

Feki ve Mnif (2016), girişimcilik, teknolojik yenilik ve ekonomik büyüme arasındaki ilişkileri panel veri analizi kullanarak incelemişlerdir. Bu çalışmada, altyapı yatırımlarının girişimcilik faaliyetlerini ve teknolojik yenilikleri teşvik ederek ekonomik büyümeye katkıda bulunduğu bulunmuştur. Altyapı, yenilikçi ve girişimci faaliyetler için gerekli olan temel şartları sağlamaktadır.

Freeman ve Soete (2004), “Yenilik İktisadı” adlı çalışmalarında, yeniliklerin ve teknolojik ilerlemelerin ekonomik büyüme üzerindeki etkilerini kapsamlı bir şekilde ele almışlardır. İyi gelişmiş altyapı sistemlerinin, yenilikçi faaliyetleri destekleyerek ekonomik büyümeyi hızlandırdığı belirtilmiştir.

Freimane ve Bāliņa (2016), AB ülkelerinde Ar-Ge harcamaları ve ekonomik büyüme arasındaki ilişkiyi panel veri analizi kullanarak incelemişlerdir. Sonuçlar, altyapı yatırımlarının ekonomik büyümeye olan olumlu etkilerini göstermektedir. Bu, altyapının ekonomik performansı artırmadaki rolünü vurgulamaktadır.

Grossman ve Helpman (1990), ticaret, yenilik ve büyüme arasındaki ilişkileri incelemişlerdir. Bu çalışma, altyapının ekonomik büyüme üzerindeki etkilerini anlamak için önemli bir teorik çerçeve sunmaktadır. İyi gelişmiş altyapı, ticaret ve yenilikçi faaliyetleri teşvik ederek ekonomik büyümeyi destekler.

Gürak (2006), “Ekonomik Büyüme ve Küresel Ekonomi” adlı çalışmasında, küresel ekonomik entegrasyonun ve altyapı yatırımlarının ekonomik büyüme üzerindeki etkilerini tartışmıştır. İyi gelişmiş altyapı sistemleri, küresel ticaretin ve ekonomik büyümenin temel taşıdır.

Hall (2004), yenilik ve yayılma süreçlerini incelemiş ve altyapının bu süreçlerdeki rolünü vurgulamıştır. İyi gelişmiş altyapı, yeniliklerin hızlı ve etkili bir şekilde yayılmasını sağlar, bu da ekonomik büyümeyi hızlandırır.

Inekwe (2015), gelişmekte olan ekonomilerde Ar-Ge harcamalarının ekonomik büyümeye katkısını araştırmıştır. Bu çalışmada, altyapı yatırımlarının ekonomik büyümeyi destekleyen kritik faktörlerden biri olduğu belirtilmiştir. Altyapı, Ar-Ge faaliyetlerinin etkinliğini artırarak ekonomik performansı iyileştirir.

Literatür taraması sonucunda, altyapı gelişimi ile ekonomik büyüme arasında güçlü ve olumlu bir ilişki olduğu görülmektedir. Altyapı yatırımları, ekonomik faaliyetlerin verimliliğini artırarak, yenilikçi ve girişimci faaliyetleri destekleyerek ve küresel ticareti kolaylaştırarak ekonomik büyümeyi teşvik eder. Bu bulgular, altyapı yatırımlarının ekonomik büyümeyi desteklemek için kritik olduğunu ve sürdürülebilir kalkınma stratejilerinde önemli bir rol oynadığını göstermektedir.

Araştırma Tasarımı

  • Araştırmanın Amacı

Bu çalışmanın amacı, altyapı yatırımlarının ekonomik büyüme üzerindeki etkilerini küresel bir perspektifle incelemektir. Araştırma, farklı ülkeler ve dönemler arasındaki verileri kullanarak altyapı gelişiminin ekonomik büyümeye katkılarını belirlemeyi hedeflemektedir.

  • Araştırma Soruları
  1. Altyapı yatırımları ekonomik büyümeyi nasıl etkiler?
  2. Farklı ülkeler arasındaki altyapı yatırımları ve ekonomik büyüme arasındaki ilişki nasıl değişiklik gösterir?
  3. Altyapı yatırımlarının ekonomik büyüme üzerindeki etkisi zaman içinde nasıl değişmiştir?
  • Hipotezler
  1. Altyapı yatırımlarının artması, ekonomik büyümeyi olumlu yönde etkiler.
  2. Altyapı yatırımlarının ekonomik büyüme üzerindeki etkisi, ülkelerin gelişmişlik düzeyine göre farklılık gösterir.
  3. Zaman içinde altyapı yatırımlarının ekonomik büyüme üzerindeki etkisi artmıştır.
  • Veri Seti ve Kaynaklar

Araştırma, Dünya Bankası ve IMF gibi uluslararası kuruluşlardan elde edilen panel veri setleri kullanılarak gerçekleştirilecektir. Veri seti, çeşitli ülkeler için altyapı yatırımları ve ekonomik büyüme göstergelerini içermektedir.

  • Değişkenler

  • Bağımlı Değişken: Ekonomik büyüme (GSYİH büyüme oranı)

  • Bağımsız Değişkenler: Altyapı yatırımları (yol, köprü, enerji, telekomünikasyon vb.), Ar-Ge harcamaları, patent başvuruları, yükseköğrenim kayıt oranları

  • Kontrol Değişkenleri: Nüfus büyüme oranı, dış yatırım miktarı, eğitim seviyesi

  • Metodoloji

Araştırma kapsamında panel veri analizi kullanılacaktır. Bu yöntem, farklı zaman dilimlerinde ve farklı ülkelerdeki verilerin analiz edilmesine olanak tanır.

  • Veri Analizi

Veri analizi için R istatistiksel yazılımlar kullanılacaktır. Analiz sürecinde aşağıdaki adımlar izlenecektir:

  1. Veri Temizleme ve Hazırlama: Eksik verilerin kontrolü ve düzeltilmesi.
  2. Tanımlayıcı İstatistikler: Değişkenlerin özet istatistiklerinin çıkarılması.
  3. Panel Veri Analizi: Sabit ve rastgele etkiler modellerinin uygulanması.
  4. Sonuçların Yorumlanması: Analiz sonuçlarının ekonomik teori ve literatürle karşılaştırılması.
  • Beklenen Sonuçlar

Altyapı yatırımlarının ekonomik büyüme üzerinde pozitif ve anlamlı bir etkisi olduğu, ancak bu etkinin ülkelerin gelişmişlik düzeyine ve zaman dilimlerine göre farklılık gösterebileceği beklenmektedir. Ayrıca, Ar-Ge harcamaları ve patent başvurularının da ekonomik büyümeyi destekleyici yönde etkilerinin olduğu öngörülmektedir.

işte değişkenleri tanımlayıp modelin denklem formunu yazalım.

Değişkenler: - \(GDP\_Büyüme\): Ekonomik büyüme oranı (bağımlı değişken) - \(Altyapı\_Yatırımı\): Altyapı yatırımları - \(ARD\_Harcamaları\): Araştırma ve geliştirme harcamaları - \(Patent\_Başvuruları\): Patent başvuru sayısı - \(Yüksek\_Öğrenim\_Kayıt\): Yüksek öğrenim kayıt oranı

Model Denklemi: \[ GDP\_Büyüme = \beta_0 + \beta_1 \times Altyapı\_Yatırımı + \beta_2 \times ARD\_Harcamaları + \beta_3 \times Patent\_Başvuruları + \beta_4 \times Yüksek\_Öğrenim\_Kayıt + \epsilon \]

Burada: - \(\beta_0\): Sabit terim (intercept) - \(\beta_1, \beta_2, \beta_3, \beta_4\): Her bağımsız değişken için katsayılar - \(\epsilon\): Hata terimi

Bu denklem, altyapı yatırımları, araştırma ve geliştirme harcamaları, patent başvuruları ve yüksek öğrenim kayıt oranı temelinde ekonomik büyümeyi (\(GDP\_Büyüme\)) tahmin etmeye çalışan çoklu doğrusal regresyon modelini temsil eder.

Verileri World Development Indicators (WDI) kullanarak çekebilirim. Başlayalım.

Verileri çekmek için aşağıdaki adımları izleyebiliriz:

# Gerekli kütüphaneleri yükle
library(WDI)

# Veri çekme işlemi
veri <- WDI(country = "all", 
            indicator = c("NY.GDP.MKTP.CD", "GB.XPD.RSDV.GD.ZS", "IP.PAT.RESD", "SE.TER.ENRR"),
            start = 2000, end = 2020)

Bu kod, 2000 ile 2020 arasındaki belirli göstergeler için tüm ülkelerin verilerini çekecektir. Verileri çektikten sonra bir göz atalım.

Veri setini keşfetmek için bazı temel analizler yapalım. İlk olarak, veri setinin yapısını ve başlıca istatistiklerini görelim.

# Veri setinin yapısı
str(veri)
## 'data.frame':    5586 obs. of  8 variables:
##  $ country          : chr  "Afghanistan" "Afghanistan" "Afghanistan" "Afghanistan" ...
##  $ iso2c            : chr  "AF" "AF" "AF" "AF" ...
##  $ iso3c            : chr  "AFG" "AFG" "AFG" "AFG" ...
##  $ year             : int  2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
##  $ NY.GDP.MKTP.CD   : num  NA NA 3.83e+09 4.52e+09 5.22e+09 ...
##   ..- attr(*, "label")= chr "GDP (current US$)"
##  $ GB.XPD.RSDV.GD.ZS: num  NA NA NA NA NA NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Research and development expenditure (% of GDP)"
##  $ IP.PAT.RESD      : num  NA NA NA NA NA NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Patent applications, residents"
##  $ SE.TER.ENRR      : num  NA NA NA 1.38 1.39 ...
##   ..- attr(*, "label")= chr "School enrollment, tertiary (% gross)"
# İlk gözlemlere bir göz atalım
head(veri)
##       country iso2c iso3c year NY.GDP.MKTP.CD GB.XPD.RSDV.GD.ZS IP.PAT.RESD
## 1 Afghanistan    AF   AFG 2000             NA                NA          NA
## 2 Afghanistan    AF   AFG 2001             NA                NA          NA
## 3 Afghanistan    AF   AFG 2002     3825701406                NA          NA
## 4 Afghanistan    AF   AFG 2003     4520946849                NA          NA
## 5 Afghanistan    AF   AFG 2004     5224896719                NA          NA
## 6 Afghanistan    AF   AFG 2005     6203256497                NA          NA
##   SE.TER.ENRR
## 1          NA
## 2          NA
## 3          NA
## 4     1.38107
## 5     1.38966
## 6          NA
# Temel istatistikler
summary(veri)
##    country             iso2c              iso3c                year     
##  Length:5586        Length:5586        Length:5586        Min.   :2000  
##  Class :character   Class :character   Class :character   1st Qu.:2005  
##  Mode  :character   Mode  :character   Mode  :character   Median :2010  
##                                                           Mean   :2010  
##                                                           3rd Qu.:2015  
##                                                           Max.   :2020  
##                                                                         
##  NY.GDP.MKTP.CD      GB.XPD.RSDV.GD.ZS  IP.PAT.RESD         SE.TER.ENRR      
##  Min.   :1.396e+07   Min.   :0.0054    Min.   :      1.0   Min.   :  0.1174  
##  1st Qu.:6.017e+09   1st Qu.:0.3074    1st Qu.:     40.0   1st Qu.: 11.9979  
##  Median :3.722e+10   Median :0.7278    Median :    325.5   Median : 29.6019  
##  Mean   :1.999e+12   Mean   :1.0416    Mean   :  49925.2   Mean   : 35.5445  
##  3rd Qu.:4.299e+11   3rd Qu.:1.6065    3rd Qu.:   2187.0   3rd Qu.: 56.3118  
##  Max.   :8.778e+13   Max.   :5.7056    Max.   :2386300.0   Max.   :143.3107  
##  NA's   :211         NA's   :3097      NA's   :3130        NA's   :1802

Bu kodlarla veri setinin yapısını görebilir, ilk gözlemlere bakabilir ve temel istatistikleri inceleyebiliriz. Daha sonra istediğiniz özel analizleri yapmaya devam edebiliriz.

Veri temizleme adımlarına başlayalım. İlk olarak, eksik verileri kontrol edelim ve uygun işlemleri yapalım.

# Eksik verilerin kontrolü
colSums(is.na(veri))
##           country             iso2c             iso3c              year 
##                 0                 0                 0                 0 
##    NY.GDP.MKTP.CD GB.XPD.RSDV.GD.ZS       IP.PAT.RESD       SE.TER.ENRR 
##               211              3097              3130              1802
# Eksik verileri içeren gözlemleri kaldırma
veri_temiz <- na.omit(veri)

# Temizlenmiş veri setinin boyutunu kontrol etme
dim(veri_temiz)
## [1] 1526    8

Bu adımlarla eksik verileri kontrol ettik ve eksik veri içeren gözlemleri kaldırdık. Şimdi temizlenmiş veri setimizin boyutunu kontrol ettik. Daha fazla temizleme veya dönüşüm adımları yapmak isterseniz, devam edebiliriz.

farklı görselleştirme türlerini kullanarak veriyi keşfedelim. İşte her bir değişken için farklı görselleştirmeler:

  1. Gelir (NY.GDP.MKTP.CD) Histogramı
library(ggplot2)
# Gelir (NY.GDP.MKTP.CD) değişkeninin logaritmik histogramı
ggplot(veri_temiz, aes(x = log(NY.GDP.MKTP.CD))) +
  geom_histogram(binwidth = 0.5, fill = "skyblue", color = "black") +
  labs(title = "Gelir (NY.GDP.MKTP.CD) Logaritmik Histogram", x = "Log(Gelir)", y = "Frekans") +
  theme_minimal()

  1. AR-GE Harcamaları (GB.XPD.RSDV.GD.ZS) Kutu Grafiği
# AR-GE Harcamaları (GB.XPD.RSDV.GD.ZS) kutu grafiği
ggplot(veri_temiz, aes(y = GB.XPD.RSDV.GD.ZS)) +
  geom_boxplot(fill = "lightgreen", color = "black") +
  labs(title = "AR-GE Harcamaları (GB.XPD.RSDV.GD.ZS) Kutu Grafiği", y = "AR-GE Harcamaları") +
  theme_minimal()

  1. Patent Başvuruları (IP.PAT.RESD) Scatterplot
# Patent Başvuruları (IP.PAT.RESD) scatterplot
ggplot(veri_temiz, aes(x = IP.PAT.RESD, y = SE.TER.ENRR)) +
  geom_point(color = "blue") +
  labs(title = "Patent Başvuruları (IP.PAT.RESD) ve Tercihe Göre Okullaşma Oranı (SE.TER.ENRR)", x = "Patent Başvuruları", y = "Okullaşma Oranı") +
  theme_minimal()

PLM kütüphanesini kullanarak model oluşturma

# plm paketini yükle
library(plm)

# Panel veri modelini oluşturma
plm_model <- plm(log(NY.GDP.MKTP.CD) ~ GB.XPD.RSDV.GD.ZS + IP.PAT.RESD + SE.TER.ENRR, 
                 data = veri_temiz, model = "within")
## Warning in pdata.frame(data, index = index, ...): duplicate couples (id-time) in resulting pdata.frame
##  to find out which, use, e.g., table(index(your_pdataframe), useNA = "ifany")
# Model özetini görüntüleme
summary(plm_model)
## Oneway (individual) effect Within Model
## 
## Call:
## plm(formula = log(NY.GDP.MKTP.CD) ~ GB.XPD.RSDV.GD.ZS + IP.PAT.RESD + 
##     SE.TER.ENRR, data = veri_temiz, model = "within")
## 
## Unbalanced Panel: n = 122, T = 1-21, N = 1526
## 
## Residuals:
##      Min.   1st Qu.    Median   3rd Qu.      Max. 
## -1.595577 -0.152813  0.023177  0.214473  1.051944 
## 
## Coefficients:
##                     Estimate Std. Error t-value  Pr(>|t|)    
## GB.XPD.RSDV.GD.ZS 1.8968e-01 4.4438e-02  4.2683 2.102e-05 ***
## IP.PAT.RESD       3.9346e-07 8.2199e-08  4.7866 1.876e-06 ***
## SE.TER.ENRR       2.1992e-02 9.8375e-04 22.3553 < 2.2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Total Sum of Squares:    285.74
## Residual Sum of Squares: 181.41
## R-Squared:      0.36513
## Adj. R-Squared: 0.30893
## F-statistic: 268.579 on 3 and 1401 DF, p-value: < 2.22e-16

Bu modelde, ekonomik büyümeyi (GDP’yi) etkileyen faktörleri inceledik. Modelimiz aşağıdaki gibi:

\[ \log(\text{GDP}) = \beta_0 + \beta_1 \times \text{GB.XPD.RSDV.GD.ZS} + \beta_2 \times \text{IP.PAT.RESD} + \beta_3 \times \text{SE.TER.ENRR} + \epsilon \]

Modelimizin katsayıları şu şekildedir:

  • GB.XPD.RSDV.GD.ZS: Ar-Ge harcamalarının Gayri Safi Yurtiçi Hasıla (GDP) içindeki payı ile ekonomik büyüme arasındaki ilişkiyi temsil eder. Bu katsayı pozitif ve istatistiksel olarak anlamlıdır, bu da Ar-Ge harcamalarının artmasının GDP’yi artırdığını gösterir.

  • IP.PAT.RESD: Yerli patent başvuruları ile ekonomik büyüme arasındaki ilişkiyi temsil eder. Bu katsayı da pozitif ve istatistiksel olarak anlamlıdır, bu da yerli patent başvurularının artmasının GDP’yi artırdığını gösterir.

  • SE.TER.ENRR: Brüt Üniversite Kayıt Oranı ile ekonomik büyüme arasındaki ilişkiyi temsil eder. Bu katsayı da pozitif ve istatistiksel olarak anlamlıdır, yani üniversite kayıt oranındaki artışın GDP’yi artırdığını gösterir.

Modelin R-kare değeri 0.36513’tür, yani bağımsız değişkenlerin açıkladığı varyansın %36.51’ini açıklar. Bu modelde, Ar-Ge harcamaları, yerli patent başvuruları ve üniversite kayıt oranının ekonomik büyüme üzerinde önemli bir etkisi olduğunu gösteriyor.

# ggplot2 paketini yükle
library(ggplot2)

# Katsayıları ve hata terimini al
coefficients <- coef(plm_model)
residuals <- resid(plm_model)

# Katsayıları veri çerçevesine dönüştür
coefficients_df <- data.frame(Variable = names(coefficients), Estimate = coefficients)

# Katsayıları görselleştirme
coefficients_plot <- ggplot(coefficients_df, aes(x = Variable, y = Estimate)) +
  geom_bar(stat = "identity", fill = "skyblue", color = "black") +
  labs(title = "Model Katsayıları",
       x = "Değişken",
       y = "Katsayı") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Model katsayılarını görüntüleme
print(coefficients_plot)

# Modelin tahminlerini al
predictions <- data.frame(Predicted = fitted(plm_model), Actual = veri_temiz$NY.GDP.MKTP.CD)

# Görselleştirme
predictions_plot <- ggplot(predictions, aes(x = Predicted, y = Actual)) +
  geom_point(color = "blue") +
  geom_abline(intercept = 0, slope = 1, color = "red", linetype = "dashed") +
  labs(title = "Model Tahminleri vs. Gerçek Değerler",
       x = "Tahmin Edilen GDP",
       y = "Gerçek GDP")

# Görselleştirmeyi görüntüle
print(predictions_plot)

# Doğrusal regresyon modelini oluşturma
linear_model <- lm(NY.GDP.MKTP.CD ~ GB.XPD.RSDV.GD.ZS + IP.PAT.RESD + SE.TER.ENRR, data = veri_temiz)

# Model özetini görüntüleme
summary(linear_model)
## 
## Call:
## lm(formula = NY.GDP.MKTP.CD ~ GB.XPD.RSDV.GD.ZS + IP.PAT.RESD + 
##     SE.TER.ENRR, data = veri_temiz)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -3.360e+13 -6.420e+11 -3.485e+11 -5.727e+10  2.902e+13 
## 
## Coefficients:
##                    Estimate Std. Error t value Pr(>|t|)    
## (Intercept)       1.644e+10  2.859e+11   0.058   0.9542    
## GB.XPD.RSDV.GD.ZS 3.315e+11  1.455e+11   2.278   0.0228 *  
## IP.PAT.RESD       3.227e+07  4.741e+05  68.079   <2e-16 ***
## SE.TER.ENRR       5.987e+09  5.638e+09   1.062   0.2885    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.69e+12 on 1522 degrees of freedom
## Multiple R-squared:  0.7811, Adjusted R-squared:  0.7807 
## F-statistic:  1811 on 3 and 1522 DF,  p-value: < 2.2e-16
# Modelin tahminlerini al
predictions_linear <- data.frame(Predicted = predict(linear_model), Actual = veri_temiz$NY.GDP.MKTP.CD)

# Görselleştirme
linear_plot <- ggplot(predictions_linear, aes(x = Predicted, y = Actual)) +
  geom_point(color = "blue") +
  geom_abline(intercept = 0, slope = 1, color = "red", linetype = "dashed") +
  labs(title = "Doğrusal Regresyon Modeli Tahminleri vs. Gerçek Değerler",
       x = "Tahmin Edilen GDP",
       y = "Gerçek GDP")

# Görselleştirmeyi görüntüle
print(linear_plot)

Bu doğrusal regresyon modelinin özeti şu şekildedir:

  • Açıklık (Intercept): Açıklık terimi (Intercept) 1.644e+10’dur. Bu, diğer bağımsız değişkenler sıfır olduğunda beklenen GDP’nin tahmini değeridir.

  • GB.XPD.RSDV.GD.ZS: GB.XPD.RSDV.GD.ZS (Ar-Ge harcamalarının GSYİH’ya oranı) değişkeni için katsayı 3.315e+11’dir. Bu, Ar-Ge harcamalarının GSYİH’ya oranındaki bir birimlik artışın, GDP’deki tahmini artışı gösterir.

  • IP.PAT.RESD: IP.PAT.RESD (Yurtdışına yapılan patent başvuruları) değişkeni için katsayı 3.227e+07’dir. Bu, yurtdışına yapılan patent başvurularındaki bir birimlik artışın, GDP’deki tahmini artışı gösterir.

  • SE.TER.ENRR: SE.TER.ENRR (Ortaöğretimde kayıtlı öğrenci oranı) değişkeni için katsayı 5.987e+09’dur. Bu değişkenin istatistiksel olarak anlamlı olmadığını gösterir.

  • R-kare ve Ayarlanmış R-kare: Modelin R-kare değeri 0.7811’dir, bu da modelin bağımsız değişkenler tarafından açıklanan varyansın yaklaşık %78’ini açıkladığını gösterir. Ayarlanmış R-kare değeri ise 0.7807’dir.

  • F-istatistik: Modelin F-istatistiği 1811 ve p-değeri çok düşüktür (< 2.2e-16), bu da modelin en az bir bağımsız değişkenin hedef değişkeni anlamlı şekilde açıkladığını gösterir.

Sonuç

Bu sonuçlara göre, Ar-Ge harcamalarının GSYİH’ya oranı ve yurtdışına yapılan patent başvurularının GDP üzerinde pozitif etkisi olduğu görülmektedir. Ancak, ortaöğretimde kayıtlı öğrenci oranının GDP üzerinde anlamlı bir etkisi olmadığı bulunmuştur.

Bu projenin sonucunda, altyapı yatırımlarının, Ar-Ge harcamalarının, yurtdışına yapılan patent başvurularının ve ortaöğretimde kayıtlı öğrenci oranının ekonomik büyüme üzerindeki etkisi incelendi. Yapılan analizlerden elde edilen bulgular şunlardır:

  • Ar-Ge harcamalarının GSYİH’ya oranı ve yurtdışına yapılan patent başvuruları, ekonomik büyüme üzerinde pozitif ve istatistiksel olarak anlamlı bir etkiye sahiptir.

  • Altyapı yatırımlarının ekonomik büyüme üzerindeki etkisi ise modelde değerlendirilmemiştir.

  • Ortaöğretimde kayıtlı öğrenci oranının ekonomik büyüme üzerinde anlamlı bir etkisi olmadığı bulunmuştur.

Bu sonuçlar, ekonomik büyümeyi desteklemek için Ar-Ge harcamalarının ve inovasyonun önemini vurgulamaktadır. Ancak, altyapı yatırımlarının etkisi daha fazla araştırma gerektirmektedir. Özellikle, ekonomik büyümeyi etkileyen diğer faktörlerin de dikkate alındığı daha kapsamlı analizler yapılabilir.

Kaynaklar

Aghion, P., & Howitt, P. (1992). A Model of Growth Through Creative Destruction. The Econometric Society, (60)2, 323-352.

Altın, O., & Kaya, A. (2009). Türkiye’de Ar-Ge Harcamaları ve Nedensel İlişkinin Analizi. Ege Akademik Bakış, (9)1, 251-259.

Altıntaş, H., & Mercan, M. (2015). Ar-Ge Harcamaları ve Ekonomik Büyüme İlişkisi: OECD Ülkeleri Üzerine Yatay Kesit Bağımlılığı Altında Panel Eş-bütünleşme Analizi. Ankara Üniversitesi SBF Dergisi, (70)2, 345-376.

Arrow, K. J. (1962). The Economic Implications of Learning by Doing. The Review of Economic Studies, 29(3), 155-173.

Arun, K., & Yıldırım, D. Ç. (2017). Effects of Foreign Direct Investment on Intellectual Property, Patents And R&D. Queen Mary Journal of Intellectual Property, 7(2), 226-241.

Barutçugil, İ. (2009). ARGE Yönetimi. 1. Baskı, Kariyer Yayınları, İstanbul.

Erdoğan, S., & Canbay, Ş. (2016). İktisadi Büyüme ve Araştırma & Geliştirme (Ar-Ge) Harcamaları İlişkisi Üzerine Teorik Bir İnceleme. Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, (4)2, 29-44.

Falk, M. (2007). R&D Spending in the High-Tech Sector and Economic Growth. Research in Economics, (61)3, 140-147.

Feki, C., & Mnif, S. (2016). Entrepreneurship, Technological Innovation, and Economic Growth: Empirical Analysis of Panel Data. Journal of the Knowledge Economy, (7)4, 984-999.

Freeman, C., & Soete, L. (2004). Yenilik İktisadı. (çev. Ergun Türkcan). 5. Baskı, Tübitak Yayınları, Ankara.

Freimane, R., & Bāliņa, S. (2016). Research and Development Expenditures and Economic Growth in the EU: A Panel Data Analysis. Economics and Business, (29)1, 5-11.

Grossman, G. M., & Helpman, E. (1990). Trade, Innovation, and Growth. American Economic Association, 80(2), 86-91.

Gürak, H. (2006). Ekonomik Büyüme ve Küresel Ekonomi. Ekin Kitabevi, Bursa.

Hall, B. H. (2004). Innovation and Diffusion. NBER Working Paper Series, WP No. w10212. (Erişim: 09.02.2017), http://www.nber.org/papers/w10212.pdf

Inekwe, J. N. (2015). The Contribution of R&D Expenditure to Economic Growth in Developing Economies. Social Indicators Research, (124)3, 727-745.