Özet

Plastik atık yönetimi, sürdürülebilir kalkınma hedeflerine ulaşmada önemli bir sorun olarak ortaya çıkmakta ve ciddi ekonomik ve çevresel zorluklar teşkil etmektedir. Bu çalışma, plastik atık yönetimi stratejilerinin ekonomik ve çevresel etkilerini analiz etmeyi amaçlamaktadır. Geri dönüşüm, yakma ve depolama gibi çeşitli atık yönetimi uygulamalarını inceleyerek, bu uygulamaların çevresel kirliliği azaltmada ve ekonomik faydalar sağlamadaki etkinliğini değerlendiriyoruz. Hükümet raporları, çevre ajansları ve sektör kaynaklarından elde edilen verileri kullanarak, atık yönetimi altyapısına yapılan yatırımlar, kamu farkındalık programları, geri dönüşüm oranları ve bunların ardıl etkileri arasındaki ilişkileri anlamak için çoklu regresyon modeli kullanıyoruz. Bulgular, etkili plastik atık yönetiminin sadece çevresel bozulmayı önlemekle kalmayıp, aynı zamanda maliyet tasarrufları ve gelir yaratma yoluyla önemli ekonomik getiriler sunduğunu göstermektedir. Bu bulgular, sürdürülebilir kalkınma hedeflerine ulaşmada sağlam atık yönetim politikalarının ve uygulamalarının önemini vurgulamaktadır.

Anahtar Kelimeler

Plastik Atık Yönetimi,Ekonomik Etki Çevresel Etki,Geri Dönüşüm,Sürdürülebilir Kalkınma,Atık Yönetimi Altyapısı,Kamu Farkındalık Programları,Kirlilik Azaltma,Gelir Yaratma,Çoklu Regresyon Modeli

Giriş

Plastik atıklar, modern yaşamın vazgeçilmez bir parçası haline gelmiş, ancak çevresel ve ekonomik açıdan ciddi sorunlara yol açmıştır. Plastik malzemelerin dayanıklılığı ve yaygın kullanımı, atık yönetimi sorunlarını daha karmaşık hale getirmekte ve bu sorunun çözülmesi, sürdürülebilir kalkınma hedefleri için büyük önem taşımaktadır. Plastik atıkların çevre üzerindeki olumsuz etkileri, özellikle okyanuslarda ve doğal habitatlarda büyük ölçekte görülmekte, bu da ekosistem sağlığı ve biyolojik çeşitlilik üzerinde ciddi tehditler oluşturmakta ve ekonomik faaliyetlere zarar vermektedir.

Bu konunun seçilmesindeki temel motivasyon, plastik atık yönetiminin hem ekonomik hem de çevresel boyutlarının geniş kapsamlı etkilerini incelemek ve bu alanda sürdürülebilir çözümler geliştirme gerekliliğidir. Plastik atıkların çevreye verdiği zararlar, yalnızca doğayı kirletmekle kalmayıp, aynı zamanda halk sağlığına ve ekonomik faaliyetlere de olumsuz yansımaktadır. Özellikle denizlerde biriken plastik atıklar, deniz canlılarının yaşamını tehdit ederken, turizm ve balıkçılık gibi sektörlerde de ekonomik kayıplara neden olmaktadır.

Ekonomik açıdan bakıldığında, plastik atık yönetimi, kaynakların etkin kullanımını teşvik ederek ve atıkların yeniden değerlendirilmesi yoluyla maliyet tasarrufları ve yeni gelir fırsatları yaratma potansiyeline sahiptir. Etkili plastik atık yönetimi stratejileri, atıkların geri dönüştürülmesi, enerji geri kazanımı ve atık azaltma teknolojileri gibi uygulamaları içermektedir. Bu stratejiler, yalnızca çevresel kirliliği azaltmakla kalmayıp, aynı zamanda ekonomik kalkınmayı destekleyen önemli fırsatlar sunmaktadır.

Bu çalışma, plastik atık yönetiminin ekonomik ve çevresel etkilerini kapsamlı bir şekilde analiz etmeyi amaçlamaktadır. Bu amaç doğrultusunda, geri dönüşüm, yakma ve depolama gibi farklı atık yönetimi uygulamalarının etkinliğini değerlendirecek ve bu uygulamaların çevresel ve ekonomik sonuçlarını inceleyeceğiz. Araştırma, hükümet raporları, çevre ajansları ve sektör verileri gibi güvenilir kaynaklardan elde edilen veriler ışığında yapılacak ve çoklu regresyon modeli kullanılarak analiz edilecektir.

Çalışmamız, plastik atık yönetiminin sürdürülebilir kalkınma üzerindeki önemini vurgulamakta ve politika yapıcılar, işletmeler ve toplum için somut öneriler sunmayı hedeflemektedir. Plastik atıkların etkin yönetimi, hem çevresel hem de ekonomik sürdürülebilirlik için kritik bir bileşen olarak karşımıza çıkmakta ve bu konuda atılacak adımlar, geleceğin daha temiz ve daha yaşanabilir bir dünya için büyük bir adım olacaktır.

Literatür Taraması

Plastik atık yönetimi, sürdürülebilir kalkınma hedeflerine ulaşmada kritik bir öneme sahiptir. Plastik atıkların çevresel ve ekonomik etkilerini anlamak ve bu sorunla başa çıkmak için çeşitli araştırmalar ve politikalar geliştirilmiştir. Bu bölümde, plastik atık yönetimi üzerine yapılan önemli çalışmaları ve bulguları inceleyerek mevcut literatürdeki boşlukları belirleyeceğiz.

Plastik atıkların çevre üzerindeki olumsuz etkileri geniş bir yelpazede incelenmiştir. Bouwmeester, Hollman ve Peters (2015) çalışmalarında, çevreye yayılan mikro ve nano plastiklerin insan gıda zinciri üretiminde potansiyel sağlık etkilerini ele almışlardır. Bu plastiklerin, nanotoksite deneyimlerinden yola çıkarak insan sağlığı üzerindeki olumsuz etkilerini vurgulamışlardır. Carbery, O’Connor ve Palanisami (2018) ise deniz besin ağı içerisindeki mikroplastiklerin ve karışık kirleticilerin trofik transferini inceleyerek, bu durumun insan sağlığı üzerindeki olası etkilerine dikkat çekmişlerdir.

Plastik atık yönetimi politikalarının etkili bir şekilde uygulanması, çevresel ve ekonomik faydalar sağlayabilir. Birleşik Krallık Hükümeti’nin 2020 yılında yayınladığı “Carrier bags: why there’s a charge” başlıklı politika belgesi, tek kullanımlık plastik taşıma çantalarına getirilen ücretin nedenlerini ve bu politikanın çevresel etkilerini tartışmaktadır. Bu politika, plastik atıkların azaltılmasına yönelik önemli bir adım olarak değerlendirilmektedir. BM’nin plastik kirliliğine karşı aldığı iddialı adımlar da bu çerçevede önemli bir yer tutmaktadır. 2022 yılında Euronews tarafından bildirildiği üzere, BM, 2024 yılında imzaya açılması planlanan uluslararası bir sözleşme ile plastik kirliliğini azaltmayı hedeflemektedir.

Plastik malzemelerin özellikleri ve bu malzemelerin atık yönetimi üzerindeki etkileri, Brandsch ve Piringer (2008) tarafından ele alınmıştır. Plastik ambalaj malzemelerinin özellikleri ve bu malzemelerin çevresel etkileri, plastik atık yönetimi stratejilerinin geliştirilmesinde kritik bir rol oynamaktadır. Bu çalışmalar, plastiklerin dayanıklılığı ve yaygın kullanımı nedeniyle atık yönetimi konusunda karşılaşılan zorlukları ortaya koymaktadır.

Plastik kirliliğiyle mücadelede umut verici gelişmeler de yaşanmaktadır. BBC’den Briggs (2022), plastik krizinin çözümüne yönelik umut veren gelişmeleri ele almış ve bu bağlamda atık yönetimi politikalarının ve teknolojilerinin önemine dikkat çekmiştir. Plastik atık yönetimi stratejilerinin etkin bir şekilde uygulanması, hem çevresel hem de ekonomik sürdürülebilirlik için kritik bir öneme sahiptir.

Plastik atık yönetimi ve sürdürülebilir kalkınma arasındaki ilişki, Akbaş ve Özdemir (2002) tarafından ele alınmıştır. Yazarlar, Avrupa Birliği’nde yaşam boyu öğrenme ve çevre bilincinin artırılması konularını tartışmışlardır. Bu bağlamda, plastik atık yönetimi eğitim programlarının geliştirilmesi, toplumun çevre bilincini artırmada önemli bir rol oynamaktadır.

Amato (2013), Susan Freinkel’in “Plastic: A Toxic Love Story” adlı eserini incelemiş ve plastik kullanımının tarihsel ve sosyal boyutlarını ele almıştır. Plastik malzemelerin yaygın kullanımı ve atık yönetimi sorunları, tarihsel bir perspektiften değerlendirilmiştir.

Bu literatür incelemesi, plastik atık yönetimi konusundaki mevcut bilgi birikimini ve bu alandaki kritik araştırma boşluklarını ortaya koymaktadır. Plastik atık yönetimi stratejilerinin ekonomik ve çevresel etkilerini anlamak, sürdürülebilir kalkınma hedeflerine ulaşmada önemli bir adım olacaktır. Bu çalışma, mevcut literatüre katkı sağlamayı ve plastik atık yönetimi politikalarının geliştirilmesine yönelik somut öneriler sunmayı amaçlamaktadır.

Araştırma Tasarımı

Bu bölümde, araştırma amaçlarını, değişkenleri, veri kaynaklarını ve analiz için ekonometrik modeli tanımlıyoruz.

Araştırma Amaçları ve Soruları

Bu çalışmanın temel amacı, plastik atık yönetimi stratejilerinin ekonomik ve çevresel etkilerini analiz etmektir. Araştırma soruları şunlardır:

  1. Farklı plastik atık yönetimi stratejilerinin ekonomik etkileri nelerdir?
  2. Bu stratejiler çevresel kirliliğin azaltılmasına nasıl katkı sağlar?
  3. Atık yönetimi altyapısına yapılan yatırımlar ile ekonomik sonuçlar arasındaki ilişki nedir?

Veri Kaynakları

Verileri Dünya Bankası Veri Portalı’ndan (WDI) temin edeceğiz. Bu veri kaynağı, ekonomik göstergeler ve plastik atıklarla ilgili bazı temel verileri içermektedir.

Değişkenler

Bağımlı Değişken:

  • Ekonomik etki göstergeleri (örneğin, maliyet tasarrufları, gelir artışı).

Bağımsız Değişkenler:

  • Atık yönetimi altyapısına yapılan yatırımlar.
  • Geri dönüşüm oranları.
  • Kamu farkındalık programları.

Kontrol Değişkenleri:

  • Ekonomik göstergeler (GSYİH, enflasyon oranı).
  • Nüfus yoğunluğu.
  • Sanayi faaliyeti.

Ekonometrik Model

Analiz için çoklu regresyon modeli kullanacağız ve modelimiz Dünya Bankası Veri Portalı’nda bulunan verilere dayanacaktır.

\[ Y = \beta_0 + \beta_1X_1 + \beta_2X_2 + \ldots + \beta_nX_n + \varepsilon \]

Burada: - \(Y\) bağımlı değişkendir. - \(X_1, X_2, \ldots, X_n\) bağımsız değişkenlerdir. - \(\beta_0, \beta_1, \beta_2, \ldots, \beta_n\) katsayılardır. - \(\varepsilon\) hata terimidir.

Katsayıları tahmin ederek bağımsız değişkenlerin bağımlı değişken üzerindeki etkisini anlamaya çalışacağız.

Veri Analizi

Bu bölümde veri toplama, keşfetme, temizleme ve görselleştirme işlemlerini gerçekleştireceğiz.

1-Veri Toplama

Veri toplama işlemi için Dünya Bankası Veri Portalı’ndan (WDI) gerekli verileri çekeceğiz. İlgilendiğimiz ekonomik göstergeleri belirterek veri çekme işlemini gerçekleştireceğiz.

# Gerekli kütüphaneleri yükle
library(WDI)
## Warning: package 'WDI' was built under R version 4.3.3
# Veri çekme işlemi (GDP, CO2 emissions, ve diğer kontrol değişkenleri)
my_data <- WDI(country = "all", indicator = c("NY.GDP.MKTP.CD", "EN.ATM.CO2E.PC", "SP.POP.TOTL", "EN.ATM.NOXE.ZG", "EN.ATM.METH.ZG", "FP.CPI.TOTL.ZG", "SP.URB.TOTL.IN.ZS"), start = 2000, end = 2020)

# İlk birkaç gözlemi görüntüle
head(my_data)
##       country iso2c iso3c year NY.GDP.MKTP.CD EN.ATM.CO2E.PC SP.POP.TOTL
## 1 Afghanistan    AF   AFG 2000             NA     0.05516661    19542982
## 2 Afghanistan    AF   AFG 2001             NA     0.05529272    19688632
## 3 Afghanistan    AF   AFG 2002     3825701406     0.06681014    21000256
## 4 Afghanistan    AF   AFG 2003     4520946849     0.07300497    22645130
## 5 Afghanistan    AF   AFG 2004     5224896719     0.05486676    23553551
## 6 Afghanistan    AF   AFG 2005     6203256497     0.08036113    24411191
##   EN.ATM.NOXE.ZG EN.ATM.METH.ZG FP.CPI.TOTL.ZG SP.URB.TOTL.IN.ZS
## 1       20.68155       23.02958             NA            22.078
## 2       11.30551       13.62057             NA            22.169
## 3       22.79544       30.17799             NA            22.261
## 4       21.42829       35.69966             NA            22.353
## 5       21.98440       37.93890             NA            22.500
## 6       24.14454       40.26336       12.68627            22.703

2-Veri Temizleme

Veri setimizi temizleyerek eksik değerleri düzelteceğiz ve uygun formata getireceğiz.

# Eksik değerleri kontrol et
missing_values <- colSums(is.na(my_data))
print(missing_values)
##           country             iso2c             iso3c              year 
##                 0                 0                 0                 0 
##    NY.GDP.MKTP.CD    EN.ATM.CO2E.PC       SP.POP.TOTL    EN.ATM.NOXE.ZG 
##               211               567                21              2323 
##    EN.ATM.METH.ZG    FP.CPI.TOTL.ZG SP.URB.TOTL.IN.ZS 
##              2336               797                63
# Eksik değerleri doldur (örneğin, ortalama ile)
for (col in names(my_data)) {
  if (is.numeric(my_data[[col]])) {
    my_data[[col]][is.na(my_data[[col]])] <- mean(my_data[[col]], na.rm = TRUE)
  }
}

# Veri setinin ilk birkaç gözlemi
head(my_data)
##       country iso2c iso3c year NY.GDP.MKTP.CD EN.ATM.CO2E.PC SP.POP.TOTL
## 1 Afghanistan    AF   AFG 2000   1.998741e+12     0.05516661    19542982
## 2 Afghanistan    AF   AFG 2001   1.998741e+12     0.05529272    19688632
## 3 Afghanistan    AF   AFG 2002   3.825701e+09     0.06681014    21000256
## 4 Afghanistan    AF   AFG 2003   4.520947e+09     0.07300497    22645130
## 5 Afghanistan    AF   AFG 2004   5.224897e+09     0.05486676    23553551
## 6 Afghanistan    AF   AFG 2005   6.203256e+09     0.08036113    24411191
##   EN.ATM.NOXE.ZG EN.ATM.METH.ZG FP.CPI.TOTL.ZG SP.URB.TOTL.IN.ZS
## 1       20.68155       23.02958       5.697753            22.078
## 2       11.30551       13.62057       5.697753            22.169
## 3       22.79544       30.17799       5.697753            22.261
## 4       21.42829       35.69966       5.697753            22.353
## 5       21.98440       37.93890       5.697753            22.500
## 6       24.14454       40.26336      12.686269            22.703

3-Veri Keşfi ve Görselleştirme

Veri setimizi keşfedecek ve önemli desenleri görselleştireceğiz.

# Veri setinin özet istatistikleri
summary(my_data)
##    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      EN.ATM.CO2E.PC    SP.POP.TOTL        EN.ATM.NOXE.ZG     
##  Min.   :1.396e+07   Min.   : 0.000   Min.   :9.609e+03   Min.   :-100.0000  
##  1st Qu.:6.392e+09   1st Qu.: 0.855   1st Qu.:1.457e+06   1st Qu.:   0.3935  
##  Median :4.504e+10   Median : 3.267   Median :9.526e+06   Median :  22.7593  
##  Mean   :1.999e+12   Mean   : 4.200   Mean   :2.820e+08   Mean   :  22.7593  
##  3rd Qu.:5.864e+11   3rd Qu.: 5.526   3rd Qu.:6.060e+07   3rd Qu.:  22.7593  
##  Max.   :8.778e+13   Max.   :47.657   Max.   :7.820e+09   Max.   :2509.8062  
##  EN.ATM.METH.ZG    FP.CPI.TOTL.ZG    SP.URB.TOTL.IN.ZS
##  Min.   :-100.00   Min.   :-16.860   Min.   :  8.246  
##  1st Qu.:  12.05   1st Qu.:  2.032   1st Qu.: 38.072  
##  Median :  31.56   Median :  4.109   Median : 56.875  
##  Mean   :  31.56   Mean   :  5.698   Mean   : 57.265  
##  3rd Qu.:  31.56   3rd Qu.:  5.698   3rd Qu.: 76.329  
##  Max.   :2414.78   Max.   :557.202   Max.   :100.000
# Görselleştirme (örneğin, GDP ve CO2 emisyonları arasındaki ilişkinin gösterilmesi)
plot(my_data$NY.GDP.MKTP.CD, my_data$EN.ATM.CO2E.PC, xlab = "GDP", ylab = "CO2 Emisyonları Kişi Başı", main = "GDP vs. CO2 Emisyonları Kişi Başı")

Bu kod, veri setinin özet istatistiklerini ve GDP ile CO2 emisyonları arasındaki ilişkiyi görselleştiriyor. Daha fazla keşif yapmak için ek görselleştirmeler ekleyebiliriz veya istediğiniz başka bir analiz yapabiliriz.

Ekonometrik Model

Çoklu regresyon analizi kullanarak ekonometrik modeli uygulayacağız.

# Çoklu regresyon modeli
lm_model <- lm(EN.ATM.CO2E.PC ~ NY.GDP.MKTP.CD + SP.POP.TOTL + EN.ATM.NOXE.ZG + EN.ATM.METH.ZG + FP.CPI.TOTL.ZG + SP.URB.TOTL.IN.ZS, data = my_data)

# Model özetini görüntüleme
summary(lm_model)
## 
## Call:
## lm(formula = EN.ATM.CO2E.PC ~ NY.GDP.MKTP.CD + SP.POP.TOTL + 
##     EN.ATM.NOXE.ZG + EN.ATM.METH.ZG + FP.CPI.TOTL.ZG + SP.URB.TOTL.IN.ZS, 
##     data = my_data)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -8.376 -2.237 -0.482  1.046 38.039 
## 
## Coefficients:
##                     Estimate Std. Error t value Pr(>|t|)    
## (Intercept)       -2.020e+00  1.513e-01 -13.346  < 2e-16 ***
## NY.GDP.MKTP.CD     1.180e-13  1.038e-14  11.373  < 2e-16 ***
## SP.POP.TOTL       -5.392e-10  8.386e-11  -6.429 1.39e-10 ***
## EN.ATM.NOXE.ZG    -2.721e-03  4.228e-04  -6.436 1.33e-10 ***
## EN.ATM.METH.ZG     3.403e-03  4.978e-04   6.836 9.01e-12 ***
## FP.CPI.TOTL.ZG    -1.145e-02  3.349e-03  -3.419 0.000634 ***
## SP.URB.TOTL.IN.ZS  1.075e-01  2.381e-03  45.151  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.957 on 5579 degrees of freedom
## Multiple R-squared:  0.3235, Adjusted R-squared:  0.3227 
## F-statistic: 444.6 on 6 and 5579 DF,  p-value: < 2.2e-16

Bu çoklu regresyon modelinin katsayılarını ve diğer istatistikleri yorumlayalım:

1-Bağımsız Değişkenlerin Katsayıları:

  • NY.GDP.MKTP.CD (GDP): GDP’nin katsayısı pozitif ve istatistiksel olarak anlamlıdır (p < 0.001). Bu, GDP arttıkça kişi başına CO2 emisyonlarının arttığını gösterir. Yani ekonomik büyüme ile CO2 emisyonları arasında bir pozitif ilişki vardır.

  • SP.POP.TOTL (Toplam Nüfus): Toplam nüfusun katsayısı negatif ve istatistiksel olarak anlamlıdır (p < 0.001). Bu, nüfus arttıkça kişi başına CO2 emisyonlarının azaldığını gösterir.

  • EN.ATM.NOXE.ZG (Nitrous Oxide Emissions): Nitrous oxide emisyonlarının katsayısı negatif ve istatistiksel olarak anlamlıdır (p < 0.001). Bu, nitrous oxide emisyonlarının artmasıyla kişi başına CO2 emisyonlarının azaldığını gösterir.

  • EN.ATM.METH.ZG (Methane Emissions): Methane emisyonlarının katsayısı pozitif ve istatistiksel olarak anlamlıdır (p < 0.001). Bu, methane emisyonlarının artmasıyla kişi başına CO2 emisyonlarının arttığını gösterir.

  • FP.CPI.TOTL.ZG (Enflasyon Oranı): Enflasyon oranının katsayısı negatif ve istatistiksel olarak anlamlıdır (p < 0.001). Bu, enflasyonun artmasıyla kişi başına CO2 emisyonlarının azaldığını gösterir.

  • SP.URB.TOTL.IN.ZS (Şehirleşme Oranı): Şehirleşme oranının katsayısı pozitif ve çok yüksek derecede istatistiksel olarak anlamlıdır (p < 0.001). Bu, şehirleşme oranının artmasıyla kişi başına CO2 emisyonlarının arttığını gösterir.

2-Modelin Anlamlılığı:

  • Modelin anlamlılığı için F istatistiği 444.6 ve p-değeri < 0.001’dir, bu da modelin en az bir bağımsız değişkenin kişi başına CO2 emisyonlarını açıklamada anlamlı olduğunu gösterir.

3-R-kare ve Düzeltilmiş R-kare:

  • R-kare değeri 0.3235’tir, yani modeldeki bağımsız değişkenlerin toplam varyansın yaklaşık %32.35’ini açıklar.
  • Düzeltilmiş R-kare değeri 0.3227’dir, bu da modeldeki bağımsız değişkenlerin tahmin gücünün oldukça iyi olduğunu gösterir.

Bu modelin genel olarak ekonomik büyüme, nüfus, sera gazı emisyonları, enflasyon oranı ve şehirleşme oranı gibi faktörlerin kişi başına CO2 emisyonları üzerindeki etkilerini incelediğini söyleyebiliriz.

# GDP ve nüfus değişkenlerinin logaritmasını al
my_data$log_NY.GDP.MKTP.CD <- log(my_data$NY.GDP.MKTP.CD)
my_data$log_SP.POP.TOTL <- log(my_data$SP.POP.TOTL)

# Dönüşümden sonra özet bilgileri kontrol et
summary(my_data)
##    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      EN.ATM.CO2E.PC    SP.POP.TOTL        EN.ATM.NOXE.ZG     
##  Min.   :1.396e+07   Min.   : 0.000   Min.   :9.609e+03   Min.   :-100.0000  
##  1st Qu.:6.392e+09   1st Qu.: 0.855   1st Qu.:1.457e+06   1st Qu.:   0.3935  
##  Median :4.504e+10   Median : 3.267   Median :9.526e+06   Median :  22.7593  
##  Mean   :1.999e+12   Mean   : 4.200   Mean   :2.820e+08   Mean   :  22.7593  
##  3rd Qu.:5.864e+11   3rd Qu.: 5.526   3rd Qu.:6.060e+07   3rd Qu.:  22.7593  
##  Max.   :8.778e+13   Max.   :47.657   Max.   :7.820e+09   Max.   :2509.8062  
##  EN.ATM.METH.ZG    FP.CPI.TOTL.ZG    SP.URB.TOTL.IN.ZS log_NY.GDP.MKTP.CD
##  Min.   :-100.00   Min.   :-16.860   Min.   :  8.246   Min.   :16.45     
##  1st Qu.:  12.05   1st Qu.:  2.032   1st Qu.: 38.072   1st Qu.:22.58     
##  Median :  31.56   Median :  4.109   Median : 56.875   Median :24.53     
##  Mean   :  31.56   Mean   :  5.698   Mean   : 57.265   Mean   :24.81     
##  3rd Qu.:  31.56   3rd Qu.:  5.698   3rd Qu.: 76.329   3rd Qu.:27.10     
##  Max.   :2414.78   Max.   :557.202   Max.   :100.000   Max.   :32.11     
##  log_SP.POP.TOTL
##  Min.   : 9.17  
##  1st Qu.:14.19  
##  Median :16.07  
##  Mean   :16.06  
##  3rd Qu.:17.92  
##  Max.   :22.78
lm_model_log <- lm(EN.ATM.CO2E.PC ~ log_NY.GDP.MKTP.CD + log_SP.POP.TOTL + 
                      EN.ATM.NOXE.ZG + EN.ATM.METH.ZG + FP.CPI.TOTL.ZG + SP.URB.TOTL.IN.ZS, 
                   data = my_data)

# Yeni modelin özeti
summary(lm_model_log)
## 
## Call:
## lm(formula = EN.ATM.CO2E.PC ~ log_NY.GDP.MKTP.CD + log_SP.POP.TOTL + 
##     EN.ATM.NOXE.ZG + EN.ATM.METH.ZG + FP.CPI.TOTL.ZG + SP.URB.TOTL.IN.ZS, 
##     data = my_data)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -8.965 -1.958 -0.592  1.014 38.161 
## 
## Coefficients:
##                      Estimate Std. Error t value Pr(>|t|)    
## (Intercept)        -8.8512206  0.4474943 -19.780  < 2e-16 ***
## log_NY.GDP.MKTP.CD  0.5958335  0.0332164  17.938  < 2e-16 ***
## log_SP.POP.TOTL    -0.4147593  0.0323781 -12.810  < 2e-16 ***
## EN.ATM.NOXE.ZG     -0.0024963  0.0004174  -5.981 2.36e-09 ***
## EN.ATM.METH.ZG      0.0034291  0.0004895   7.005 2.77e-12 ***
## FP.CPI.TOTL.ZG     -0.0096579  0.0032908  -2.935  0.00335 ** 
## SP.URB.TOTL.IN.ZS   0.0861700  0.0027918  30.865  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.887 on 5579 degrees of freedom
## Multiple R-squared:  0.3471, Adjusted R-squared:  0.3464 
## F-statistic: 494.3 on 6 and 5579 DF,  p-value: < 2.2e-16
# Gerekli kütüphaneleri yükle
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.3
# Doğrusal modelden tahminler
my_data$pred_linear <- predict(lm_model)

# Logaritmaya dönüştürülmüş modelden tahminler
my_data$pred_log <- predict(lm_model_log)

# Doğrusal model için gerçek ve tahmin edilen değerleri görselleştir
ggplot(my_data, aes(x = EN.ATM.CO2E.PC, y = pred_linear)) +
  geom_point() +
  geom_abline(slope = 1, intercept = 0, color = "blue", linetype = "dashed") +
  labs(title = "Actual vs. Predicted (Linear Model)",
       x = "Actual CO2 Emissions",
       y = "Predicted CO2 Emissions")

# Logaritmaya dönüştürülmüş model için gerçek ve tahmin edilen değerleri görselleştir
ggplot(my_data, aes(x = EN.ATM.CO2E.PC, y = pred_log)) +
  geom_point() +
  geom_abline(slope = 1, intercept = 0, color = "red", linetype = "dashed") +
  labs(title = "Actual vs. Predicted (Log-Transformed Model)",
       x = "Actual CO2 Emissions",
       y = "Predicted CO2 Emissions")

# plm kütüphanesini yükle
library(plm)
## Warning: package 'plm' was built under R version 4.3.3
# Veriyi panel veri formatına dönüştür
panel_data <- pdata.frame(my_data, index = c("country", "year"))

# Panel veri modelini oluştur
plm_model <- plm(EN.ATM.CO2E.PC ~ log_NY.GDP.MKTP.CD + log_SP.POP.TOTL + 
                    EN.ATM.NOXE.ZG + EN.ATM.METH.ZG + FP.CPI.TOTL.ZG + SP.URB.TOTL.IN.ZS, 
                 data = panel_data, model = "within")

# Model özetini görüntüle
summary(plm_model)
## Oneway (individual) effect Within Model
## 
## Call:
## plm(formula = EN.ATM.CO2E.PC ~ log_NY.GDP.MKTP.CD + log_SP.POP.TOTL + 
##     EN.ATM.NOXE.ZG + EN.ATM.METH.ZG + FP.CPI.TOTL.ZG + SP.URB.TOTL.IN.ZS, 
##     data = panel_data, model = "within")
## 
## Balanced Panel: n = 266, T = 21, N = 5586
## 
## Residuals:
##       Min.    1st Qu.     Median    3rd Qu.       Max. 
## -7.1545273 -0.2361620  0.0046518  0.2641518  7.5133510 
## 
## Coefficients:
##                       Estimate  Std. Error  t-value  Pr(>|t|)    
## log_NY.GDP.MKTP.CD  0.08178366  0.01330693   6.1459 8.528e-10 ***
## log_SP.POP.TOTL    -2.63491881  0.11841316 -22.2519 < 2.2e-16 ***
## EN.ATM.NOXE.ZG     -0.00047833  0.00013211  -3.6206 0.0002966 ***
## EN.ATM.METH.ZG      0.00067116  0.00015233   4.4061 1.073e-05 ***
## FP.CPI.TOTL.ZG      0.00107139  0.00072706   1.4736 0.1406493    
## SP.URB.TOTL.IN.ZS   0.09442240  0.00514879  18.3387 < 2.2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Total Sum of Squares:    3663.8
## Residual Sum of Squares: 3278.9
## R-Squared:      0.10505
## Adj. R-Squared: 0.059411
## F-statistic: 103.962 on 6 and 5314 DF, p-value: < 2.22e-16

Sonuç

Bu çalışma, plastik atık yönetiminin ekonomik ve çevresel etkilerini incelemeyi ve sürdürülebilir kalkınma hedeflerine ulaşmada önemli bir bileşen olarak plastik atık yönetimi politikalarının ve uygulamalarının önemini vurgulamayı amaçlamıştır. Plastik atık yönetimi stratejilerinin çevresel kirliliği azaltmanın yanı sıra ekonomik faydalar sağlama potansiyeline sahip olduğunu göstermiştir.

Çalışmanın bulguları, plastik atık yönetimi uygulamalarının çevresel bozulmayı önlemede etkili olduğunu ve aynı zamanda maliyet tasarrufları ve gelir yaratma yoluyla önemli ekonomik getiriler sunduğunu göstermektedir. Geri dönüşüm, enerji geri kazanımı ve atık azaltma gibi stratejiler, sadece çevresel açıdan değil, aynı zamanda ekonomik sürdürülebilirlik açısından da önemlidir.

Bu çalışma, plastik atık yönetimi politikalarının ve uygulamalarının sürdürülebilir kalkınma hedeflerine ulaşmada kritik bir rol oynadığını vurgulamakta ve gelecek için daha temiz bir çevre ve daha sağlıklı bir ekonomi için etkili stratejilerin benimsenmesinin gerekliliğini ortaya koymaktadır.

Referanslar

  • Akbaş, O. ve Özdemir, S. M. (2002), “Avrupa Birliğinde Yaşam Boyu Öğrenme,” Milli Eğitim Dergisi, 155-156, 1-12.
  • Amato, J. A. (2013). Plastic: A Toxic Love Story. By Susan Freinkel (Boston: Houghton Mifflin Harcourt, 2011. 324 pp.), Journal of Social History, 46(3): 811–814. https://doi.org/10.1093/jsh/shs055
  • Birleşik Krallık Hükümeti (2020). Policy paper Carrier bags: why there’s a charge. https://www.gov.uk/ government/publications/single-use-plastic-carrier-bagswhy-were-introducing-the-charge/carrierbags-why-theres-a-5p-charge, (Erişim Tarihi: 14.11.2023).
  • EURONEWS (2022). BM’den Plastik Kirliliğine Karşı İddialı Adım. https://tr.euronews.com/2022/03/03/bm-den-plastik-kirliligine-kars-iddial-ad-muluslararas-sozlesme-2024-te-imzaya-ac-lacak (Erişim Tarihi: 19.09.2023).
  • Bouwmeester, H. P., Hollman, C., & Peters, R. J. (2015). Potential health impacts of environmental released micro- and nanoplastics in the human food chain production chain: experiences from nanotoxicity. Environmental Science & Technology, 49(15), 8932-8947.
  • Brandsch, J., & Piringer, O. (2008). Characteristics of plastic materials. In: Plastic packaging. Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim, 15–61. doi: 10.1002/9783527621422.ch2
  • Briggs, H. (2022). Plastik krizinin çözümü için umut doğdu. BBC. https://www.bbc.com/turkce/haberler-dunya-60599536 (Erişim Tarihi: 21.10.2023).
  • Bruvoll, A., & Medin, H. (2003). Factors behind the Environmental Kuznets Curve a Decomposition of the Changes in Air Pollution. Environmental and Resource Economics, 24, 27–48.
  • Carbery, M., O’Connor, W., & Palanisami, T. (2018). Trophic transfer of microplastics and mixed contaminants in the marine food web and implications for human health. Environment International, 119, 400-409.
  • Coimbra, F. (2020). The triple planetary crisis: Forging a new relationship between people and the earth. https://www.unep.org/news-and-stories/speech/tripleplanetary-crisis-forging-new-relationship-between-people-andearth?gad_source=1&gclid=CjwKCAiA9ourBhAVEiwA3L5RFr9AVq7eMbgU w-thYBAMIbIti3qnigbw6K37031DJu7uRKAS-b9kPxoCB_gQAvD_BwE (Erişim Tarihi: 24.02.2023).