Teknolojik Yeniliklerin Ekonomik Büyüme Üzerindeki Etkisi

1-Giriş 2-Literatür İncelemesi 3. Araştırma Tasarımı 3.1 . Pazar Dinamiklerinin Değişmesi 3.2 II. Veri Kaynağı 3.3 III. Değişkenler 3.4 IV. Ekonomik Model 3.5 5. Ar-Ge ve Yatırım Artışı 4. İşgücü ve İnsan Sermayesinin Gelişimi 4 4-Sonuç 5 Referanslar

##Özet

Teknolojik yeniliklerin ekonomik büyüme üzerindeki etkisi, birçok araştırmada incelenmiştir. Özellikle Türkiye örneğinde, teknoloji yoğunluklarına göre ihracat ve ithalat performanslarının ekonomik büyüme üzerine etkisi araştırılmıştır. Bu çalışmalardan biri, 2002-2018 dönemine ait verileri kullanarak düşük, düşük-orta, orta-ileri ve ileri teknolojili ürünlerin ihracat ve ithalatlarının ekonomik büyüme ile eşbütünleşik olduğunu tespit etmiştir

##Anahtar Kelimeler:

Teknolojik yenilikler, ekonomik büyüme, inovasyon, AR-GE harcamaları, bilişim teknolojileri

1-Giriş

Teknolojik yenilikler, ekonomik büyümenin ana itici güçlerinden biri olarak kabul edilir. Yenilikler, üretkenliği artırarak, yeni ürünler ve hizmetler sunarak ve piyasaları dönüştürerek ekonominin genel performansını iyileştirir. Bu incelemede, teknolojik yeniliklerin ekonomik büyüme üzerindeki etkileri, temel teorik yaklaşımlar ve ampirik bulgular ışığında ele alınacaktır.Günümüzde teknolojik yeniliklerin ekonomik büyüme üzerindeki etkisi giderek artan bir öneme sahiptir. Teknolojik gelişmeler, endüstrileri dönüştürerek üretkenliği artırabilir, rekabeti teşvik edebilir ve ekonomik büyümeyi tetikleyebilir. Bu literatür taraması, teknolojik yeniliklerin ekonomik büyüme üzerindeki etkisini anlamak için önceki çalışmalara odaklanmaktadır. Ayrıca, bu alandaki önemli bulguları ve tartışmaları ele alarak, gelecekteki araştırmalara ışık tutmayı amaçlamaktadır.

2-Literatür İncelemesi

Literatür incelemesi, belirli bir konu veya araştırma sorusu hakkında mevcut akademik çalışmaların, makalelerin, kitapların ve diğer kaynakların sistematik bir şekilde gözden geçirilmesi ve özetlenmesi sürecidir. Bu süreç, araştırmacıların mevcut bilgi düzeyini anlamalarına, boşlukları belirlemelerine ve kendi çalışmalarını bu bilgi temeli üzerine inşa etmelerine yardımcı olur.

Literatür İncelemesinin Amacı Mevcut Bilgiyi Özetleme: Araştırma alanındaki mevcut bilgiyi özetler ve ilgili teorileri, kavramları, yöntemleri ve bulguları sunar. Boşlukları Belirleme: Mevcut çalışmalarda eksik veya yetersiz alanları belirleyerek yeni araştırma soruları oluşturur. Metodolojik Yönlendirme: Araştırmacıya, hangi metodolojik yaklaşımların kullanıldığını ve hangi yaklaşımların daha etkili olabileceğini gösterir. Teorik Çerçeve Oluşturma: Araştırmanın teorik temellerini oluşturur ve araştırmanın hangi teorik bağlamda ele alınacağını belirler. Kapsamlı Anlayış Geliştirme: Araştırmacının konuyu derinlemesine anlamasına ve önceki çalışmaları kritik bir bakış açısıyla değerlendirmesine yardımcı olur. Literatür İncelemesi Türleri Anlatı Literatür İncelemesi:

Geniş bir konu hakkında genel bir bakış sağlar. Araştırmalar arasında bağlar kurar ve genel eğilimleri belirtir. Örnek: Teknolojik yeniliklerin genel ekonomik etkilerini değerlendiren bir inceleme. Sistematik Literatür İncelemesi:

Belirli kriterlere göre seçilmiş çalışmaları sistematik ve kapsamlı bir şekilde inceler. Çalışmaların seçim süreci, analizi ve sentezi açıkça tanımlanır. Örnek: Teknolojik yeniliklerin ekonomik büyüme üzerindeki etkisi üzerine yapılmış tüm ampirik çalışmaları inceleyen bir araştırma.

  1. Araştırma Tasarımı

Araştırma Tasarımı bir araştırma çalışmasının yapısal ve metodolojik planını belirleyen bir süreçtir. Araştırma tasarımı, araştırma sorusunu ele almak için kullanılacak yöntemleri ve stratejileri belirler. Bir araştırma tasarımı, araştırmacının veri toplama, analiz ve yorumlama süreçlerini nasıl gerçekleştireceğini belirler. Bu, araştırmanın güvenilirliği, geçerliliği ve genel olarak kalitesi üzerinde büyük etkiye sahiptir.

Araştırma tasarımı oluşturulurken, araştırmacıların dikkate alması gereken bazı önemli unsurlar vardır:

  1. Araştırma Sorusu: İncelenen konuyla ilgili net bir araştırma sorusu veya hipotez belirlenmelidir. Araştırma tasarımı, bu sorunun veya hipotezin cevabını bulmak için nasıl bir yaklaşım benimseneceğini belirler.

  2. Araştırma Türü: Araştırma tasarımı, kullanılacak araştırma türüne (nicel, nitel veya karma) göre belirlenir. Nicel araştırmalar genellikle hipotez testi ve sayısal veri analizi odaklıdır, nitel araştırmalar ise derinlemesine anlayış elde etmek için odaklanır.

  3. Veri Toplama Yöntemleri: Araştırma tasarımı, araştırmacının hangi veri toplama yöntemlerini kullanacağını belirler. Anketler, görüşmeler, odak grupları, gözlem ve arşiv araştırmaları gibi çeşitli yöntemler arasından seçim yapılabilir.

  4. Örnekleme Stratejisi: Araştırma tasarımı, örneklemin nasıl seçileceğini ve büyüklüğünün ne olacağını belirler. Tesadüfi örnekleme, katmanlı örnekleme, oransal örnekleme gibi çeşitli örnekleme stratejileri kullanılabilir.

  5. Veri Analizi Yöntemleri: Araştırma tasarımı, araştırmacının topladığı verileri analiz etmek için hangi istatistiksel veya nitel analiz tekniklerini kullanacağını belirler.

  6. Zaman Çizelgesi: Araştırma tasarımı, araştırmanın hangi aşamalarının ne zaman gerçekleştirileceğini planlar. Bu, araştırmanın zamanlaması ve kaynak yönetimi için kritiktir.

Araştırma tasarımı, araştırmacının bilimsel sorulara sistematik ve yapıcı bir şekilde yanıt vermesini sağlar. Doğru bir araştırma tasarımı seçmek, araştırmanın kalitesi ve güvenilirliği açısından önemlidir.

3.1 . Pazar Dinamiklerinin Değişmesi

Pazar dinamiklerinin değişmesi, bir pazarın yapısal, rekabetçi ve davranışsal özelliklerinde meydana gelen değişikliklerdir. Pazar dinamikleri, tüketici davranışları, rekabet koşulları, teknolojik ilerlemeler, hükümet politikaları ve diğer çeşitli faktörler tarafından etkilenir. Bu değişiklikler, bir pazarın nasıl işlediği, kimin rekabet avantajı elde ettiği ve tüketicilerin talep ve tercihlerinde nasıl bir değişiklik olduğu gibi konularda önemli etkiler yapabilir.

Pazar dinamiklerinin değişmesi, çeşitli şekillerde ortaya çıkabilir:

  1. Tüketici Tercihlerinde Değişim: Tüketicilerin ihtiyaçları, tercihleri ve alışveriş alışkanlıkları zamanla değişebilir. Yeni trendler, yaşam tarzı değişiklikleri veya demografik değişiklikler, tüketici talebinde ve pazar paylarında değişimlere neden olabilir.

  2. Rekabetin Artması veya Azalması: Yeni şirketlerin pazar girişi, mevcut şirketlerin stratejik değişiklikleri veya birleşme ve satın almalar gibi faktörler, pazarın rekabet yapısını değiştirebilir. Rekabetin artması, fiyatlar üzerinde baskı oluşturabilirken, azalması ise fiyatları artırabilir.

  3. Teknolojik İlerlemeler: Yeni teknolojilerin gelişmesi veya mevcut teknolojilerin iyileştirilmesi, üretim süreçlerini, dağıtım kanallarını ve tüketici iletişimini etkileyebilir. Bu da pazar dinamiklerinde önemli değişikliklere neden olabilir.

  4. Hükümet Politikaları: Vergi düzenlemeleri, ticaret politikaları, rekabet kuralları ve tüketici koruma yasaları gibi hükümet politikaları, pazar dinamiklerini etkileyebilir. Örneğin, yeni bir vergi düzenlemesi, tüketicilerin satın alma davranışlarını değiştirebilir veya şirketlerin fiyatlandırma stratejilerini etkileyebilir.

  5. Küresel ve Bölgesel Ekonomik Koşullar: Ekonomik büyüme, durgunluk, enflasyon, döviz kurları ve faiz oranları gibi faktörler, pazar dinamiklerini etkileyebilir. Ekonomik koşulların iyileşmesi, tüketicilerin harcama gücünü artırabilir ve pazar büyümesine yol açabilir.

Pazar dinamiklerinin değişmesi, şirketlerin stratejilerini yeniden düşünmelerini, rekabet avantajlarını korumak veya geliştirmek için yeni yaklaşımlar benimsemelerini gerektirebilir. Aynı zamanda, tüketicilere daha iyi ürünler ve hizmetler sunmak için fırsatlar da yaratabilir. Bu nedenle, pazar dinamiklerinin dikkatle izlenmesi ve anlaşılması, şirketlerin rekabetçi kalabilmeleri için önemlidir.

3.2 II. Veri Kaynağı

“Veri kaynağı” terimi, bir araştırma veya çalışma için kullanılan verilerin geldiği kaynağı ifade eder. Araştırmacılar, bilgi toplamak ve analiz etmek için çeşitli kaynaklardan veri kullanırlar. Bu veri kaynakları, araştırmanın konusuyla ilgili bilgileri sağlar ve araştırmacının çalışmasının temelini oluşturur.

Veri kaynakları, genellikle iki ana kategoride incelenir:

  1. Birincil Veri Kaynakları: Araştırmacılar tarafından doğrudan toplanan ve orijinal veri olarak adlandırılan verilerdir. Birincil veri, araştırma sorusuna yanıt oluşturmak için belirli bir araştırma planı veya metodoloji uyarınca toplanır. Örnekler arasında anketler, görüşmeler, odak grupları, gözlem ve deneysel çalışmalar bulunur.

  2. İkincil Veri Kaynakları: Daha önce başka bir amaçla toplanmış olan ve araştırmacı tarafından ikincil analiz için kullanılan verilerdir. İkincil veri, genellikle kamu kuruluşları, akademik kurumlar, araştırma kurumları ve özel şirketler gibi çeşitli kaynaklardan elde edilir. Örnekler arasında kamu istatistikleri, akademik araştırma makaleleri, veritabanları, ticari raporlar ve sosyal medya verileri bulunur.

İkincil veri, bir araştırmacının kendi veri toplama işlemi için kaynak bulmakta zorluk çektiği durumlarda çok değerlidir. Bu tür veriler, genellikle büyük ölçekte, geniş kapsamlı ve uzun bir zaman aralığını kapsayabilir. Bununla birlikte, ikincil veri, birincil veriye kıyasla daha sınırlı kontrol ve esneklik sunabilir ve bazı durumlarda orijinal araştırma sorusuna tam olarak uygun olmayabilir.

“II. Veri kaynağı” ifadesi, araştırmanın veya raporun belirli bir bölümünü temsil edebilir. Bu bölüm, araştırmacının kullandığı veri kaynaklarını ve bu kaynaklardan toplanan verilerin nasıl kullanıldığını açıklayabilir. Örneğin, bir araştırmanın metodoloji bölümünde, araştırmacının kullandığı birincil ve ikincil veri kaynaklarına atıfta bulunulabilir ve bu verilerin nasıl toplandığı ve analiz edildiği açıklanabilir. Bu şekilde, okuyucular araştırmanın veriye dayalı temelini anlayabilir ve sonuçların nasıl çıkarıldığını görebilirler.

3.3 III. Değişkenler

“III. Değişkenler” ifadesi, bir araştırma veya çalışmanın metodoloji veya veri analizi bölümünde, araştırmacının incelediği değişkenlerin tanımlandığı bölümü temsil eder. Değişkenler, araştırmanın odaklandığı konuları ve araştırma sorusunu anlamak için kullanılan ölçümleri ifade eder.

Araştırmacılar, belirli bir araştırma sorusunu yanıtlamak veya belirli bir hipotezi test etmek için bir dizi değişkeni inceleyebilirler. Değişkenler, araştırma konusuna bağlı olarak, tüketici davranışları, ekonomik göstergeler, sosyal eğilimler, demografik özellikler, teknolojik faktörler veya başka herhangi bir özellik olabilir.

Değişkenler genellikle iki ana kategoriye ayrılır:

  1. Bağımlı Değişkenler: Bağımlı değişkenler, araştırmanın odaklandığı temel değişkenlerdir. Bu değişkenler, diğer değişkenlerin etkisi altında olan veya başka bir deyişle, başka bir değişken tarafından belirlenen değişkenlerdir. Araştırmacılar, bağımlı değişkenin nasıl etkilendiğini anlamak için diğer değişkenlerle ilişkisini analiz ederler.

  2. Bağımsız Değişkenler: Bağımsız değişkenler, diğer değişkenler üzerinde etkiye sahip olan ve bağımlı değişkeni belirleyen değişkenlerdir. Bu değişkenler, araştırmacının kontrol etmek veya manipüle etmek istediği değişkenlerdir.

Araştırmada kullanılan değişkenlerin belirlenmesi, araştırma sorusunun ve hipotezlerin doğru bir şekilde formüle edilmesi için kritiktir. Değişkenlerin tanımlanması, araştırmacının veri toplama sürecini yönlendirir ve analiz için kullanılacak istatistiksel teknikleri belirler.

Örneğin, bir pazar araştırması yapılıyorsa, bağımlı değişkenler arasında tüketicilerin ürün tercihleri veya satın alma davranışları olabilirken, bağımsız değişkenler arasında fiyat, marka bilinirliği veya reklam harcamaları gibi faktörler olabilir. Bu değişkenlerin analizi, pazarlama stratejilerinin etkililiğini değerlendirmeye ve tüketici davranışlarını anlamaya yardımcı olabilir.

3.4 IV. Ekonomik Model

“IV. Ekonomik Model” ifadesi, bir araştırma veya çalışmanın metodoloji bölümünde, araştırmacının kullanmayı planladığı ekonomik modelin tanımlandığı bölümü temsil eder. Ekonomik modeller, ekonomik fenomenleri, ilişkileri ve davranışları açıklamak veya tahmin etmek için kullanılan teorik yapılar veya çerçevelerdir.

Ekonomik modeller, ekonomi biliminde kullanılan çeşitli matematiksel ve istatistiksel tekniklerle oluşturulur. Bu modeller, ekonomik değişkenler arasındaki ilişkileri analiz etmek ve ekonomik olayları anlamak için kullanılır. Ekonomik modeller, genellikle belirli bir ekonomik sorunu veya fenomeni açıklamak için kullanılan genel bir çerçeve sağlar ve bu nedenle farklı alanlarda kullanılabilirler.

Bir ekonomik modelin oluşturulması genellikle aşağıdaki adımları içerir:

  1. Teorik Çerçevenin Belirlenmesi: İncelenen ekonomik sorun veya fenomenle ilgili temel teorik kavramların belirlenmesi ve açıklanması.

  2. Değişkenlerin Tanımlanması: İncelenen ekonomik fenomeni açıklamak için gerekli olan değişkenlerin belirlenmesi ve tanımlanması.

  3. Modelin Oluşturulması: Teorik çerçeve ve değişkenler kullanılarak, ekonomik modelin matematiksel veya istatistiksel formülasyonunun oluşturulması.

  4. Parametrelerin Tahmini: Modeldeki parametrelerin tahmin edilmesi için uygun istatistiksel tekniklerin kullanılması. Bu adım, genellikle gözlemlenen verilere dayalı istatistiksel tahmin yöntemleri kullanılarak gerçekleştirilir.

  5. Modelin Doğrulanması ve Test Edilmesi: Oluşturulan modelin doğrulanması ve test edilmesi için uygun testlerin veya karşılaştırmaların yapılması.

Ekonomik modeller, farklı analiz ve tahmin teknikleri kullanarak ekonomik olayları ve davranışları anlamak için yaygın olarak kullanılır. Örneğin, makroekonomik modeller, bir ülkenin ekonomik büyüme, enflasyon, işsizlik ve faiz oranları gibi genel ekonomik değişkenlerini tahmin etmek için kullanılabilir. Mikroekonomik modeller ise, bireylerin ve firmaların ekonomik kararlarını ve davranışlarını analiz etmek için kullanılır.

3.5 5. Ar-Ge ve Yatırım Artışı

“Ar-Ge ve Yatırım Artışı”, bir ekonomide Ar-Ge (Araştırma ve Geliştirme) faaliyetlerine ve genel olarak yatırımlara yönelik artışı ifade eder. Bu artışlar, ekonominin uzun vadeli büyüme potansiyelini ve rekabetçiliğini artırmaya yönelik önemli bir faktördür.

  1. Ar-Ge Artışı: Ar-Ge faaliyetlerine yapılan yatırımlar, yeni ürünlerin ve teknolojilerin geliştirilmesine ve mevcut ürünlerin ve süreçlerin iyileştirilmesine olanak tanır. Ar-Ge artışı, yenilikçilik ve teknolojik ilerleme için zemin oluşturarak ekonominin rekabet gücünü artırır. Bu da daha verimli üretim süreçleri, yeni pazarlar ve gelir artışı gibi etkileri beraberinde getirebilir.

  2. Yatırım Artışı: Yatırımlar, ekonomik büyümeyi destekleyen bir diğer önemli unsurdur. Yatırım artışı, altyapı projeleri, fabrika yatırımları, inşaat projeleri, makine ve ekipman alımları gibi alanlarda gerçekleşebilir. Bu tür yatırımlar, üretim kapasitesini artırır, istihdamı destekler, teknolojik ilerlemeyi teşvik eder ve dolayısıyla ekonomik büyümeyi hızlandırır.

Ar-Ge ve yatırım artışı, ekonomik kalkınmanın ve yenilikçiliğin anahtar unsurları olarak kabul edilir. Bir ekonomide Ar-Ge ve yatırım artışının olumlu etkileri şunları içerebilir:

Ar-Ge ve yatırım artışı, bir ekonominin rekabet gücünü artırmak, işletmelerin verimliliğini artırmak ve uzun vadeli büyümeyi teşvik etmek için önemli bir strateji olarak kabul edilir. Bu nedenle, birçok ülke, Ar-Ge ve yatırımları teşvik eden politikalar geliştirmekte ve bu alanlara yapılan yatırımları desteklemektedir.

library(WDI)   # Dünya Kalkınma Endeksi verilerini çekmek için

Bu R kodu, “countries” ve “years” adında iki değişken oluşturur.

countries (Ülkeler): Bu değişken, analizde kullanılacak ülkeleri belirtir. “all” değeri, tüm ülkelerin analize dahil edileceğini belirtir. Bu durumda, analizde veri setinde bulunan tüm ülkeler kullanılacaktır.

years (Yıllar): Bu değişken, analizde kullanılacak yılları belirtir. “2000:2020” ifadesi, 2000 ile 2020 arasındaki tüm yılları içeren bir dizi oluşturur. Bu durumda, analizde 2000 ile 2020 arasındaki tüm yıllar kullanılacaktır.

Bu değişkenler, belirli bir zaman dilimi ve ülke grubu için veri analizi yapmak için kullanılabilir. Örneğin, belirli bir ülke veya belirli bir zaman aralığı için veri filtrelemek veya analiz etmek için bu değişkenler kullanılabilir. Bu tür filtrelemeler, analizin daha odaklanmış ve spesifik olmasını sağlar ve belirli bir sorunu veya trendi incelemek için kullanılabilir.

Warning: package ‘WDI’ was built under R version 4.3.3

library(dplyr) # Veri işleme işlemleri için
## 
## Attachement du package : 'dplyr'
## Les objets suivants sont masqués depuis 'package:stats':
## 
##     filter, lag
## Les objets suivants sont masqués depuis 'package:base':
## 
##     intersect, setdiff, setequal, union

dplyr paketi, R’de veri manipülasyonu ve işleme işlemleri için kullanılan güçlü bir pakettir. dplyr veri çerçeveleri ile çalışmayı kolaylaştırır ve verileri hızlı ve etkin bir şekilde filtreleme, düzenleme, özetleme ve dönüştürme işlemleri yapmanızı sağlar.

Aşağıda dplyr paketini yüklemek ve temel veri işleme işlemleri için örnek bir kod verilmiştir:

Paketi Yüklemek: İlk olarak, dplyr paketini yüklemeniz ve kullanılabilir hale getirmeniz gerekmektedir.

Warning: package ‘dplyr’ was built under R version 4.3.3

Attaching package: ‘dplyr’

The following objects are masked from ‘package:stats’:

filter, lag

The following objects are masked from ‘package:base’:

intersect, setdiff, setequal, union

countries <- "all"
years <- 2000:2020

Bu R kodu, “countries” ve “years” adında iki değişken oluşturur.

  1. countries (Ülkeler): Bu değişken, analizde kullanılacak ülkeleri belirtir. “all” değeri, tüm ülkelerin analize dahil edileceğini belirtir. Bu durumda, analizde veri setinde bulunan tüm ülkeler kullanılacaktır.

  2. years (Yıllar): Bu değişken, analizde kullanılacak yılları belirtir. “2000:2020” ifadesi, 2000 ile 2020 arasındaki tüm yılları içeren bir dizi oluşturur. Bu durumda, analizde 2000 ile 2020 arasındaki tüm yıllar kullanılacaktır.

Bu değişkenler, belirli bir zaman dilimi ve ülke grubu için veri analizi yapmak için kullanılabilir. Örneğin, belirli bir ülke veya belirli bir zaman aralığı için veri filtrelemek veya analiz etmek için bu değişkenler kullanılabilir. Bu tür filtrelemeler, analizin daha odaklanmış ve spesifik olmasını sağlar ve belirli bir sorunu veya trendi incelemek için kullanılabilir.

economic_growth <- "NY.GDP.MKTP.KD.ZG"   # Ekonomik büyüme oranı
research_expenditure <- "GB.XPD.RSDV.GD.ZS"  # Ar-Ge harcamaları (% GSYİH)
population_growth <- "SP.POP.GROW"       # Nüfus büyüme oranı
investment_ratio <- "NE.GDI.FTOT.ZS"          # Gayri safi yatırım oranı (% GSYİH)
technological_development <- "IP.TMK.NRES"       # Marka başvuruları, toplam
real_interest_rate <- "FR.INR.RINR"        # Reel faiz oranı
education_level <- "SE.ADT.LITR.ZS"       # Yetişkin okuryazarlık oranı

Bu, ekonomik büyüme ve çeşitli ekonomik faktörler arasındaki ilişkileri incelemek için kullanılan bir veri seti oluşturma sürecinde kullanılan bazı değişkenlerin açıklamalarını içeren bir R kodu. Her değişken, veri setinde belirli bir ekonomik göstergeyi temsil eder.

  1. economic_growth (Ekonomik Büyüme Oranı): Bu değişken, ekonominin büyüme hızını temsil eder. Genellikle gayri safi yurt içi hasıla (GSYİH) büyüme oranı olarak ifade edilir.

  2. research_expenditure (Ar-Ge Harcamaları): Bu değişken, Ar-Ge (Araştırma ve Geliştirme) harcamalarının gayri safi yurt içi hasılaya oranını temsil eder. Ar-Ge harcamaları, bir ekonominin yenilikçilik ve teknolojik gelişim kapasitesini yansıtır.

  3. population_growth (Nüfus Büyüme Oranı): Bu değişken, bir ekonominin nüfusunun ne kadar hızla arttığını temsil eder. Nüfus büyüme oranı, bir ekonominin işgücüne, tüketici talebine ve genel ekonomik büyümeye etki edebilir.

  4. investment_ratio (Gayri Safi Yatırım Oranı): Bu değişken, gayri safi yurt içi hasılanın bir kısmının yatırıma ayrılma oranını temsil eder. Yatırım oranı, bir ekonominin sermaye birikimini ve üretim kapasitesini artırma potansiyelini yansıtır.

  5. technological_development (Teknolojik Gelişim): Bu değişken, bir ekonominin teknolojik gelişim düzeyini temsil eder. Marka başvuruları veya teknolojik patentler gibi göstergeler kullanılarak ölçülebilir.

  6. real_interest_rate (Reel Faiz Oranı): Bu değişken, nominal faiz oranının enflasyon düzeyi ile düzeltilmiş hali olan reel faiz oranını temsil eder. Reel faiz oranı, bir ekonominin finansal koşullarını ve yatırım kararlarını etkileyebilir.

  7. education_level (Eğitim Düzeyi): Bu değişken, bir ekonominin yetişkin okuryazarlık oranını temsil eder. Eğitim düzeyi, bir ekonominin insan sermayesi potansiyelini yansıtır ve üretkenlik artışını etkileyebilir.

Bu değişkenler, ekonomik büyüme ve gelişim üzerindeki çeşitli faktörlerin etkisini incelemek için kullanılabilir. Veri setinde bu değişkenlerin zaman içindeki değişimlerini analiz ederek, ekonomik politikaların etkinliğini değerlendirmek ve gelecekteki büyüme potansiyelini tahmin etmek mümkündür.

# WDI'dan verilerin alınması
wdi_data <- WDI(country = countries, indicator = c(economic_growth, research_expenditure, 
                                                   population_growth, investment_ratio, 
                                                   technological_development, real_interest_rate,
                                                   education_level),
                start = min(years), end = max(years), extra = FALSE)
## Warning in WDI(country = countries, indicator = c(economic_growth, research_expenditure, : The following indicators could not be downloaded: IP.TMK.NRES.
## 
## Please make sure that you are running the latest version of the `WDI` package, and that the arguments you are using in the `WDI()` function are valid.
## 
## Sometimes, downloads will suddenly stop working, even if nothing has changed in the R code of the WDI package. ("The same WDI package version worked yesterday!") In those cases, the problem is almost certainly related to the World Bank servers or to your internet connection.
## 
## You can check if the World Bank web API is currently serving the indicator(s) of interest by typing a URL of this form in your web browser:
## 
## https://api.worldbank.org/v2/en/country/all/indicator/IP.TMK.NRES?format=json&date=:&per_page=32500&page=1

Warning in WDI(country = countries, indicator = c(economic_growth, research_expenditure, : The following indicators could not be downloaded: IP.TMK.NRES.

Please make sure that you are running the latest version of the WDI package, and that the arguments you are using in the WDI() function are valid.

You can check if the World Bank web API is currently serving the indicator(s) of interest by typing a URL of this form in your web browser:

https://api.worldbank.org/v2/en/country/all/indicator/IP.TMK.NRES?format=json&date=:&per_page=32500&page=1

# Veri Keşfi

# Veri setinin boyutunu kontrol etme
dim(wdi_data)
## [1] 5586   10
# Örnek gözlemleri gözlemleme
head(wdi_data)
##       country iso2c iso3c year NY.GDP.MKTP.KD.ZG GB.XPD.RSDV.GD.ZS SP.POP.GROW
## 1 Afghanistan    AF   AFG 2000                NA                NA   1.4438030
## 2 Afghanistan    AF   AFG 2001                NA                NA   0.7425168
## 3 Afghanistan    AF   AFG 2002                NA                NA   6.4493215
## 4 Afghanistan    AF   AFG 2003          8.832278                NA   7.5410190
## 5 Afghanistan    AF   AFG 2004          1.414118                NA   3.9331777
## 6 Afghanistan    AF   AFG 2005         11.229715                NA   3.5765080
##   NE.GDI.FTOT.ZS FR.INR.RINR SE.ADT.LITR.ZS
## 1             NA          NA             NA
## 2             NA          NA             NA
## 3             NA          NA             NA
## 4             NA          NA             NA
## 5             NA          NA             NA
## 6             NA          NA             NA
# Veri setinin yapısal özelliklerini inceleme
str(wdi_data)
## 'data.frame':    5586 obs. of  10 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.KD.ZG: num  NA NA NA 8.83 1.41 ...
##   ..- attr(*, "label")= chr "GDP growth (annual %)"
##  $ 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)"
##  $ SP.POP.GROW      : num  1.444 0.743 6.449 7.541 3.933 ...
##   ..- attr(*, "label")= chr "Population growth (annual %)"
##  $ NE.GDI.FTOT.ZS   : num  NA NA NA NA NA NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Gross fixed capital formation (% of GDP)"
##  $ FR.INR.RINR      : num  NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Real interest rate (%)"
##  $ SE.ADT.LITR.ZS   : num  NA NA NA NA NA NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Literacy rate, adult total (% of people ages 15 and above)"
# Özet istatistikleri görüntüleme
summary(wdi_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.KD.ZG GB.XPD.RSDV.GD.ZS  SP.POP.GROW      NE.GDI.FTOT.ZS  
##  Min.   :-54.336   Min.   :0.0054    Min.   :-6.8521   Min.   : 1.097  
##  1st Qu.:  1.359   1st Qu.:0.3074    1st Qu.: 0.4758   1st Qu.:19.080  
##  Median :  3.562   Median :0.7278    Median : 1.2469   Median :22.385  
##  Mean   :  3.284   Mean   :1.0416    Mean   : 1.3645   Mean   :23.138  
##  3rd Qu.:  5.793   3rd Qu.:1.6065    3rd Qu.: 2.2600   3rd Qu.:26.223  
##  Max.   : 86.827   Max.   :5.7056    Max.   :19.3604   Max.   :78.001  
##  NA's   :279       NA's   :3097      NA's   :21        NA's   :1253    
##   FR.INR.RINR      SE.ADT.LITR.ZS  
##  Min.   :-81.132   Min.   : 14.38  
##  1st Qu.:  2.251   1st Qu.: 65.57  
##  Median :  5.650   Median : 83.95  
##  Mean   :  6.303   Mean   : 79.41  
##  3rd Qu.:  9.812   3rd Qu.: 94.17  
##  Max.   : 93.915   Max.   :100.00  
##  NA's   :2898      NA's   :4042
# Veri Temizleme

# Eksik değerleri kontrol etme
anyNA(wdi_data)
## [1] TRUE
# Eksik değerleri içeren satırları kaldırma
wdi_data <- na.omit(wdi_data)

# Tekrar eksik değerleri kontrol etme
anyNA(wdi_data)
## [1] FALSE
library(ggplot2)

ggplot2 R’de görselleştirme (grafikleme) yapmak için kullanılan bir pakettir. Bu paket, veri görselleştirme işlemlerini gerçekleştirmek için güçlü ve esnek bir araç seti sağlar. Veri setlerini çeşitli grafik türlerine dönüştürmek için kullanılır ve görselleştirmeleri oluşturmak için katmanlar (layers) mantığına dayanır.

ggplot2 paketini kullanabilmek için öncelikle paketi yüklemeniz gerekir. Bunun için install.packages(“ggplot2”) komutunu kullanabilirsiniz. Daha sonra, paketi kullanılabilir hale getirmek için library(ggplot2) komutunu kullanabilirsiniz.

Warning: package ‘ggplot2’ was built under R version 4.3.3

# Ekonomik büyüme oranının zaman içindeki değişimi
ggplot(wdi_data, aes(x = year, y = `NY.GDP.MKTP.KD.ZG`)) +
  geom_line() +
  labs(x = "Yıl", y = "Ekonomik Büyüme Oranı", title = "Ekonomik Büyüme Oranının Zaman İçindeki Değişimi")

# AR-GE harcamalarının ekonomik büyüme üzerindeki etkisi
ggplot(wdi_data, aes(x = `GB.XPD.RSDV.GD.ZS`, y = `NY.GDP.MKTP.KD.ZG`)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "blue") +
  labs(x = "AR-GE Harcamaları (% GDP)", y = "Ekonomik Büyüme Oranı", title = "AR-GE Harcamalarının Ekonomik Büyüme Üzerindeki Etkisi")
## `geom_smooth()` using formula = 'y ~ x'

geom_smooth() using formula = ‘y ~ x’

# Nüfus büyüme oranının zaman içindeki değişimi
ggplot(wdi_data, aes(x = year, y = `SP.POP.GROW`)) +
  geom_line() +
  labs(x = "Yıl", y = "Nüfus Büyüme Oranı", title = "Nüfus Büyüme Oranının Zaman İçindeki Değişimi")

# Yatırım oranının ekonomik büyüme üzerindeki etkisi
ggplot(wdi_data, aes(x = `NE.GDI.FTOT.ZS`, y = `NY.GDP.MKTP.KD.ZG`)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "green") +
  labs(x = "Yatırım Oranı (% GDP)", y = "Ekonomik Büyüme Oranı", title = "Yatırım Oranının Ekonomik Büyüme Üzerindeki Etkisi")
## `geom_smooth()` using formula = 'y ~ x'

geom_smooth() using formula = ‘y ~ x’

# Reel faiz oranının zaman içindeki değişimi
ggplot(wdi_data, aes(x = year, y = `FR.INR.RINR`)) +
  geom_line() +
  labs(x = "Yıl", y = "Reel Faiz Oranı", title = "Reel Faiz Oranının Zaman İçindeki Değişimi")

# Eğitim seviyesinin zaman içindeki değişimi
ggplot(wdi_data, aes(x = year, y = `SE.ADT.LITR.ZS`)) +
  geom_line() +
  labs(x = "Yıl", y = "Eğitim Seviyesi (%)", title = "Eğitim Seviyesinin Zaman İçindeki Değişimi")

# Doğrusal regresyon modelini oluştur
lm_model <- lm(NY.GDP.MKTP.KD.ZG ~ GB.XPD.RSDV.GD.ZS + SP.POP.GROW + NE.GDI.FTOT.ZS +
                 FR.INR.RINR + SE.ADT.LITR.ZS, data = wdi_data)

# Model özetini görüntüle
summary(lm_model)
## 
## Call:
## lm(formula = NY.GDP.MKTP.KD.ZG ~ GB.XPD.RSDV.GD.ZS + SP.POP.GROW + 
##     NE.GDI.FTOT.ZS + FR.INR.RINR + SE.ADT.LITR.ZS, data = wdi_data)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -14.5783  -1.6583  -0.0409   1.6367  21.3751 
## 
## Coefficients:
##                    Estimate Std. Error t value Pr(>|t|)  
## (Intercept)        3.779109   2.093215   1.805   0.0722 .
## GB.XPD.RSDV.GD.ZS -0.112257   0.445040  -0.252   0.8011  
## SP.POP.GROW        0.485400   0.283683   1.711   0.0883 .
## NE.GDI.FTOT.ZS     0.037022   0.045000   0.823   0.4115  
## FR.INR.RINR       -0.008836   0.024186  -0.365   0.7152  
## SE.ADT.LITR.ZS    -0.014977   0.020724  -0.723   0.4706  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.818 on 247 degrees of freedom
## Multiple R-squared:  0.03042,    Adjusted R-squared:  0.0108 
## F-statistic:  1.55 on 5 and 247 DF,  p-value: 0.1749
# panel veri modelini oluştur
library(plm)
## 
## Attachement du package : 'plm'
## Les objets suivants sont masqués depuis 'package:dplyr':
## 
##     between, lag, lead

plm paketi, R’de panel veri analizi yapmak için kullanılan bir pakettir. Panel veri analizi, zaman serisi ve kesit verilerini içeren veri setlerinde analiz yapmak için yaygın olarak kullanılan bir yöntemdir. Bu yöntem, aynı zamanda farklı birimler (örneğin, ülkeler veya şirketler) üzerinde değişkenler arasındaki ilişkileri incelemek için kullanılır.

plm paketi, panel veri modellerini uygulamak ve sonuçlarını analiz etmek için bir dizi işlev sağlar. Öncelikle, bu paketi kullanabilmek için plm paketini yüklemeniz gerekir. Bunun için library(plm) komutunu kullanabilirsiniz. Bu komut, plm paketini yükleyecek ve pakette bulunan işlevleri kullanılabilir hale getirecektir.

Örneğin, bir panel veri modeli oluşturmak için plm() işlevini kullanabilirsiniz. Bu işlev, panel veri modeli için bir çerçeve oluşturmanızı sağlar. Ardından, bu işlevle oluşturulan modeli analiz edebilir ve sonuçlarını inceleyebilirsiniz.

library(plm)

# Veri setiniz ve modeliniz hakkında daha fazla bilgiye göre aşağıdaki gibi bir model oluşturabilirsiniz
plm_model <- plm(NY.GDP.MKTP.KD.ZG ~ GB.XPD.RSDV.GD.ZS + SP.POP.GROW + NE.GDI.FTOT.ZS +
                    FR.INR.RINR + SE.ADT.LITR.ZS, data = wdi_data, model = "pooling")

# Oluşturulan modeli gözlemleyebilirsiniz
summary(plm_model)

Bu şekilde, plm paketini kullanarak panel veri modeli oluşturabilir ve sonuçlarını analiz edebilirsiniz.

Warning: package ‘plm’ was built under R version 4.3.3

Attaching package: ‘plm’

The following objects are masked from ‘package:dplyr’:

between, lag, lead

# Veri çerçevesini panel veri çerçevesine dönüştür
panel_data <- pdata.frame(wdi_data, index = c("country", "year"))

Bu R kodunda, wdi_data veri seti panel veri çerçevesine dönüştürülmüş.

pdata.frame() fonksiyonu, panel veri çerçevelerini oluşturmak için kullanılır. Bu fonksiyon, veri setini panel veri formatına dönüştürürken, hangi değişkenlerin cross-sectional (kesit) değişkenler ve hangilerinin zaman serisi (panel) değişkenler olduğunu belirtmenizi gerektirir.

Bu kodda, wdi_data veri seti country ve year değişkenleri tarafından endekslenmiş olarak panel veri çerçevesine dönüştürülmüş. country değişkeni kesit (cross-sectional) değişkeni olarak kabul edilirken, year değişkeni zaman serisi (time-series) değişkeni olarak kabul edilmiştir.

Panel veri çerçevesine dönüştürme işlemi, veri setinin panel veri analizi yapmak için uygun bir formata getirilmesini sağlar. Panel veri analizi, aynı anda farklı ülkeler veya bölgeler üzerindeki değişkenlerin zaman içindeki hareketlerini incelemek için kullanılır. Bu tür analizler, ekonometrik modellerin uygulanması, zaman serisi tahminleri ve panel veri ekonometrisi gibi çeşitli analiz teknikleri için kullanılabilir.

# Panel veri modelini oluştur
plm_model <- plm(NY.GDP.MKTP.KD.ZG ~ GB.XPD.RSDV.GD.ZS + SP.POP.GROW + NE.GDI.FTOT.ZS +
                    FR.INR.RINR + SE.ADT.LITR.ZS, data = panel_data, model = "pooling")

Bu R kodunda, plm() fonksiyonuyla bir panel veri modeli oluşturulmuş.

Panel veri analizinde, plm() fonksiyonu genellikle kullanılır. Bu fonksiyon, panel veri setleri üzerinde çeşitli modellerin uygulanmasını sağlar. Panel veri modelleri, aynı anda farklı ülkeler veya bölgeler üzerindeki değişkenlerin zaman içindeki hareketlerini incelemek için kullanılır.

Bu örnekte, oluşturulan panel veri modeli, ekonominin büyüme hızını (NY.GDP.MKTP.KD.ZG) diğer değişkenlerle ilişkilendirir. Modelde kullanılan bağımsız değişkenler şunlardır:

Modelin belirli bir panel veri model türü olarak “pooling” belirtilmiştir. “Pooling” seçeneği, veri setindeki tüm gözlemleri tek bir havuz olarak ele alarak sabit (fixed) veya rastgele (random) etkilerin dikkate alınmadığı bir modeli ifade eder. Bu tür bir model, panel veri setinin tüm gözlemleri için tek bir etki tahmini sağlar.

Sonuçlar, ekonominin büyüme hızını diğer değişkenlerle ilişkilendiren ve panel veri yapısını dikkate alan bir regresyon modelini gösterecektir. Bu modelin katsayıları, her bir bağımsız değişkenin ekonomik büyüme üzerindeki etkisini ve istatistiksel anlamlılığını değerlendirmek için kullanılır.

# Model özetini görüntüle
summary(plm_model)
## Pooling Model
## 
## Call:
## plm(formula = NY.GDP.MKTP.KD.ZG ~ GB.XPD.RSDV.GD.ZS + SP.POP.GROW + 
##     NE.GDI.FTOT.ZS + FR.INR.RINR + SE.ADT.LITR.ZS, data = panel_data, 
##     model = "pooling")
## 
## Unbalanced Panel: n = 66, T = 1-18, N = 253
## 
## Residuals:
##       Min.    1st Qu.     Median    3rd Qu.       Max. 
## -14.578290  -1.658317  -0.040919   1.636726  21.375133 
## 
## Coefficients:
##                     Estimate Std. Error t-value Pr(>|t|)  
## (Intercept)        3.7791091  2.0932154  1.8054  0.07223 .
## GB.XPD.RSDV.GD.ZS -0.1122575  0.4450404 -0.2522  0.80106  
## SP.POP.GROW        0.4853998  0.2836832  1.7111  0.08832 .
## NE.GDI.FTOT.ZS     0.0370219  0.0450004  0.8227  0.41147  
## FR.INR.RINR       -0.0088361  0.0241863 -0.3653  0.71517  
## SE.ADT.LITR.ZS    -0.0149773  0.0207242 -0.7227  0.47055  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Total Sum of Squares:    3713
## Residual Sum of Squares: 3600.1
## R-Squared:      0.030423
## Adj. R-Squared: 0.010796
## F-statistic: 1.55004 on 5 and 247 DF, p-value: 0.17495
# Etkileşim terimleri oluşturma
wdi_data$interaction_term1 <- wdi_data$GB.XPD.RSDV.GD.ZS * wdi_data$NE.GDI.FTOT.ZS
wdi_data$interaction_term2 <- wdi_data$SP.POP.GROW * wdi_data$SE.ADT.LITR.ZS

Bu R kodunda, wdi_data veri setindeki mevcut değişkenler kullanılarak iki etkileşim terimi oluşturulmuş.

interaction_term1, GB.XPD.RSDV.GD.ZS ve NE.GDI.FTOT.ZS değişkenlerinin çarpımıyla oluşturulmuş. Bu etkileşim terimi, Ar-Ge harcamalarının gayri safi yurt içi hasılaya oranı ile milli gelirin gayri safi yurt içi hasılaya oranı arasındaki etkileşimi temsil eder.

interaction_term2, SP.POP.GROW ve SE.ADT.LITR.ZS değişkenlerinin çarpımıyla oluşturulmuş. Bu etkileşim terimi, nüfus büyüme oranı ile yetişkinlerin okur-yazarlık oranı arasındaki etkileşimi temsil eder.

Bu etkileşim terimleri, veri setindeki değişkenler arasındaki ilişkileri daha ayrıntılı bir şekilde incelemek için kullanılabilir. Örneğin, ekonomik büyüme üzerinde Ar-Ge harcamaları ile milli gelir arasındaki etkileşimi ve nüfus büyümesi ile okur-yazarlık oranı arasındaki etkileşimi değerlendirmek için kullanılabilirler. Bu, ekonomik büyüme üzerindeki karmaşık ilişkileri anlamak için önemli bir analiz yöntemidir.

# Etkileşim terimlerini içeren güncellenmiş model
lm_model_interaction <- lm(NY.GDP.MKTP.KD.ZG ~ GB.XPD.RSDV.GD.ZS + SP.POP.GROW + 
                              NE.GDI.FTOT.ZS + FR.INR.RINR + SE.ADT.LITR.ZS + 
                              interaction_term1 + interaction_term2,
                            data = wdi_data)

Bu R kodunda, lm() fonksiyonuyla bir regresyon modeli oluşturulmuş. Model, düzeltilmiş reel gayri safi yurt içi hasıla büyüme hızını (NY.GDP.MKTP.KD.ZG) bağımsız değişkenlerle ilişkilendirir.

Bağımsız değişkenler şunlardır: - GB.XPD.RSDV.GD.ZS: Ar-Ge harcamalarının gayri safi yurt içi hasılaya oranı - SP.POP.GROW: Nüfus büyüme oranı - NE.GDI.FTOT.ZS: Milli gelirin gayri safi yurt içi hasılaya oranı - FR.INR.RINR: Enflasyon oranı - SE.ADT.LITR.ZS: Yetişkinlerin okur-yazarlık oranı - interaction_term1: İlk etkileşim terimi - interaction_term2: İkinci etkileşim terimi

Bu modelde, interaction_term1 ve interaction_term2 olarak adlandırılan iki etkileşim terimi eklenmiş. Bu etkileşim terimleri, modeldeki diğer bağımsız değişkenler arasındaki etkileşimleri temsil eder.

Sonuçlar modelin karmaşıklığını gösterecek ve etkileşim terimlerinin diğer bağımsız değişkenlerle olan ilişkisini değerlendirecektir. Etkileşim terimlerinin katsayıları ve p-değerleri, her bir terimin modeldeki öneminin ve etkisinin değerlendirilmesine yardımcı olacaktır. Ayrıca, modelin ayarlanmış R-kare değeri, modelin verileri ne kadar iyi açıkladığını ölçer.

Özetle, bu model, ekonomik büyümeyi etkileyen çeşitli faktörler arasındaki etkileşimleri incelemek için kullanılıyor ve bu etkileşimlerin büyüme üzerindeki etkisini değerlendiriyor.

# Modelin kontrolü
summary(lm_model_interaction)
## 
## Call:
## lm(formula = NY.GDP.MKTP.KD.ZG ~ GB.XPD.RSDV.GD.ZS + SP.POP.GROW + 
##     NE.GDI.FTOT.ZS + FR.INR.RINR + SE.ADT.LITR.ZS + interaction_term1 + 
##     interaction_term2, data = wdi_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -14.863  -1.648  -0.070   1.844  21.201 
## 
## Coefficients:
##                   Estimate Std. Error t value Pr(>|t|)  
## (Intercept)        3.17864    5.48161   0.580   0.5625  
## GB.XPD.RSDV.GD.ZS -4.34025    1.87824  -2.311   0.0217 *
## SP.POP.GROW        1.40731    1.94944   0.722   0.4710  
## NE.GDI.FTOT.ZS    -0.04765    0.05815  -0.819   0.4134  
## FR.INR.RINR        0.00406    0.02460   0.165   0.8691  
## SE.ADT.LITR.ZS     0.01401    0.05543   0.253   0.8007  
## interaction_term1  0.15727    0.06797   2.314   0.0215 *
## interaction_term2 -0.01044    0.02020  -0.517   0.6058  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.789 on 245 degrees of freedom
## Multiple R-squared:  0.05254,    Adjusted R-squared:  0.02547 
## F-statistic: 1.941 on 7 and 245 DF,  p-value: 0.06389
plot(lm_model)

Sonuç

Teknolojik yenilikler, ekonomik büyümenin itici gücü olarak kabul edilir. Bu yenilikler, üretkenlik artışından yeni pazarların oluşumuna, küresel rekabetten sosyal dönüşümlere kadar geniş bir yelpazede ekonomiyi olumlu yönde etkiler. Bu nedenle, ülkeler ve şirketler, teknolojik yenilikleri teşvik etmek ve benimsemek için stratejiler geliştirmektedir.

Kaynaklar

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).