Giriş

Gelir eşitsizliği, günümüzün en önemli sosyo-ekonomik sorunlarından biridir ve ekonomik büyümeyle olan karmaşık ilişkisi uzun zamandır tartışılmaktadır. Bu makalede, gelir eşitsizliğinin ekonomik büyüme üzerindeki potansiyel etkilerini inceleyeceğiz.

Gelir Eşitsizliği ve Ekonomik Büyüme Arasındaki İlişkinin Karmaşıklığı

Gelir eşitsizliği ve ekonomik büyüme arasındaki ilişki, tek bir basit kuralla tanımlanamayacak kadar karmaşıktır. Bazı teoriler, artan gelir eşitsizliğinin daha yüksek tasarruf oranlarına ve yatırımlara yol açarak ekonomik büyümeyi teşvik edebileceğini öne sürmektedir. Diğer teoriler ise, artan eşitsizliğin, fakirlerin ve orta sınıfın tüketim taleplerini azaltarak ve sosyal huzursuzluğu artırarak ekonomik büyümeyi engelleyebileceğini savunmaktadır.

Tartışılacak Konular

Bu makalede, aşağıdakiler de dahil olmak üzere çeşitli konuları inceleyeceğiz:

Literatürdeki Farklı Bakış Açıları

Gelir eşitsizliği ve ekonomik büyüme arasındaki ilişkiye dair literatürde farklı bakış açıları mevcuttur. Bunlardan bazıları şunlardır:

Bulgular

Gelir eşitsizliği ve ekonomik büyüme arasındaki ilişkiye dair ampirik bulgular karmaşıktır ve farklı çalışmalarda çelişkili sonuçlar ortaya çıkmaktadır.

Olumlu İlişki: Bazı çalışmalar, gelir eşitsizliği ile ekonomik büyüme arasında pozitif bir ilişki olduğunu göstermiştir. Bu çalışmalar, artan gelir eşitsizliğinin tasarruf ve yatırımı artırarak büyümeyi teşvik edebileceğini öne sürmektedir. Örneğin, Alesina ve Perotti (1996) [geçersiz URL kaldırıldı], siyasi istikrarın yüksek olduğu ülkelerde gelir eşitsizliği ile ekonomik büyüme arasında pozitif bir ilişki olduğunu bulmuştur.

Olumsuz İlişki: Diğer çalışmalar ise, gelir eşitsizliği ile ekonomik büyüme arasında negatif bir ilişki olduğunu göstermiştir. Bu çalışmalar, artan eşitsizliğin fakirlerin ve orta sınıfın tüketim taleplerini azaltarak ve sosyal huzursuzluğu artırarak büyümeyi engelleyebileceğini savunmaktadır. Örneğin, Persson ve Tabellini (1994) [geçersiz URL kaldırıldı], siyasi istikrarın düşük olduğu ülkelerde gelir eşitsizliği ile ekonomik büyüme arasında negatif bir ilişki olduğunu bulmuştur.

Karmaşık İlişki: Bazı çalışmalar ise, gelir eşitsizliği ve ekonomik büyüme arasındaki ilişkinin karmaşık olduğunu ve çeşitli faktörlere bağlı olarak değişebileceğini göstermiştir. Örneğin, Milanovic (2005) [geçersiz URL kaldırıldı], gelir eşitsizliğinin kalkınmanın erken aşamalarında artabileceğini, ancak kalkınma ilerledikçe azalabileceğini göstermiştir.

Eleştiriler

Gelir eşitsizliği ve ekonomik büyüme arasındaki ilişkiye dair literatürde bazı eleştiriler de mevcuttur. Bu eleştirilerden bazıları şunlardır:

Ampirik çalışma

Bu çalışmada, Brezilye’de 2000 ve 2020 yılları arasındaki gelir eşitsizliği ve ekonomik büyüme arasındaki ilişkiyi inceleyeceğiz. Gini katsayısını gelir eşitsizliğinin bir ölçüsü olarak kullanacağız ve kişi başına GSYİH’yi ekonomik büyümenin bir ölçüsü olarak kullanacağız.

Hipotez:

Veri ve Metodoloji

Bu çalışmada, Dünya Bankası’ndan elde edilen verileri kullanacağız. Gini katsayısı ve kişi başına GSYİH verileri yıllık bazda toplanmıştır. Verileri analiz etmek için regresyon analizi kullanacağız.

Kullanılan Regresyon modeli

Y = α + βX + ε

Ön hazırlama

Veri <- WDI(country = "BR",indicator = c("SI.POV.GINI", "NY.GDP.PCAP.CD"),start=2000,end = 2020)
describe_all(Veri)
Veri$SI.POV.GINI[is.na(Veri$SI.POV.GINI)] <- mean(Veri$SI.POV.GINI, na.rm = TRUE)
describe_all(Veri)

Lineer Model

model <- lm(log(NY.GDP.PCAP.CD)~log(SI.POV.GINI), data=Veri)
summary(model)
## 
## Call:
## lm(formula = log(NY.GDP.PCAP.CD) ~ log(SI.POV.GINI), data = Veri)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -0.9303 -0.1663  0.1091  0.1883  0.4747 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)        44.146      7.699   5.734 1.59e-05 ***
## log(SI.POV.GINI)   -8.837      1.928  -4.584 0.000203 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.359 on 19 degrees of freedom
## Multiple R-squared:  0.5251, Adjusted R-squared:  0.5001 
## F-statistic: 21.01 on 1 and 19 DF,  p-value: 0.0002029

Son Regresyon model şü şekildedir: Kşgsyh = 44.146 - 8.837Gini + ε

Bulgular

Regresyon analizi sonucunda, gelir eşitsizliği ile ekonomik büyüme arasında istatiki olarak anlamlı bir negatif ilişki olduğu tespit edilmiştir. Bu, hipotezimizi desteklemektedir. Gini katsayısındaki bir puanlık artış, kişi başına GSYİH’de yaklaşık %8./’lik bir azalmaya yol açmaktadır.

Tartışma

Bu çalışmanın bulguları, Brezilye’de gelir eşitsizliğinin ekonomik büyüme üzerinde olumsuz bir etkisi olduğunu göstermektedir. Bu bulgular, gelir eşitsizliğini azaltmaya yönelik politikaların önemini vurgulamaktadır. Gelir eşitsizliğini azaltmak için hükümetler, eğitim ve sağlık hizmetlerine erişimi artırmak, asgari ücretleri yükseltmek ve vergi sistemini daha adil hale getirmek gibi politikalar uygulayabilir.

Sonuç

Gelir eşitsizliği ve ekonomik büyüme arasındaki ilişki karmaşıktır ve birçok faktöre bağlıdır. Bu çalışmada, Türkiye’de bu ilişkiye dair bazı kanıtlar sunulmuştur. Bulgularımız, gelir eşitsizliğinin azaltılmasının ekonomik büyümeyi teşvik edebileceğini göstermektedir. Daha fazla araştırmaya ihtiyaç duyulmasına rağmen, gelir eşitsizliğinin adil ve müreffeh bir toplum inşa etmek için önemli bir sorun olduğu açıktır.

Kaynakça

# Mini ödev Başlangıç olarak, Yahoo Finance, Google Finance ve Federal Reserve Bank of St. Louis’in Federal Rezerv Ekonomik Verileri (FRED) dahil olmak üzere bazı açık kaynaklardan doğrudan mali verileri indirmek için Quantmod paketini indireceğiz. Paket, Jeffry A. Ryan tarafından oluşturulmuştur.

library(quantmod)
## Warning: package 'quantmod' was built under R version 4.3.3
## Zorunlu paket yükleniyor: xts
## Warning: package 'xts' was built under R version 4.3.2
## Zorunlu paket yükleniyor: zoo
## Warning: package 'zoo' was built under R version 4.3.2
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
## 
## ######################### Warning from 'xts' package ##########################
## #                                                                             #
## # The dplyr lag() function breaks how base R's lag() function is supposed to  #
## # work, which breaks lag(my_xts). Calls to lag(my_xts) that you type or       #
## # source() into this session won't work correctly.                            #
## #                                                                             #
## # Use stats::lag() to make sure you're not using dplyr::lag(), or you can add #
## # conflictRules('dplyr', exclude = 'lag') to your .Rprofile to stop           #
## # dplyr from breaking base R's lag() function.                                #
## #                                                                             #
## # Code in packages is not affected. It's protected by R's namespace mechanism #
## # Set `options(xts.warn_dplyr_breaks_lag = FALSE)` to suppress this warning.  #
## #                                                                             #
## ###############################################################################
## 
## Attaching package: 'xts'
## The following objects are masked from 'package:dplyr':
## 
##     first, last
## Zorunlu paket yükleniyor: TTR
## Warning: package 'TTR' was built under R version 4.3.3
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
getSymbols("AAPL", src = "yahoo")
## [1] "AAPL"

Artık Apple’nin 2 ocak 2007 sonrası günlük verilerine sahibiz. Dataya bir göz atalım. Datanın boyutuna dim() komutuyla bakalım, ve verinin ilk 6 ve son 6 gözlemine bir göz atalım

dim(AAPL)
## [1] 4390    6
head(AAPL)
##            AAPL.Open AAPL.High AAPL.Low AAPL.Close AAPL.Volume AAPL.Adjusted
## 2007-01-03  3.081786  3.092143 2.925000   2.992857  1238319600      2.530320
## 2007-01-04  3.001786  3.069643 2.993571   3.059286   847260400      2.586482
## 2007-01-05  3.063214  3.078571 3.014286   3.037500   834741600      2.568063
## 2007-01-08  3.070000  3.090357 3.045714   3.052500   797106800      2.580745
## 2007-01-09  3.087500  3.320714 3.041071   3.306071  3349298400      2.795126
## 2007-01-10  3.383929  3.492857 3.337500   3.464286  2952880000      2.928890
tail(AAPL)
##            AAPL.Open AAPL.High AAPL.Low AAPL.Close AAPL.Volume AAPL.Adjusted
## 2024-06-04    194.64    195.32   193.03     194.35    47471400        194.35
## 2024-06-05    195.40    196.90   194.87     195.87    54156800        195.87
## 2024-06-06    195.69    196.50   194.17     194.48    41181800        194.48
## 2024-06-07    194.65    196.94   194.14     196.89    53103900        196.89
## 2024-06-10    196.90    197.30   192.15     193.12    97262100        193.12
## 2024-06-11    193.66    207.16   193.64     207.15   168874733        207.15
chartSeries(AAPL)

chartSeries(AAPL, theme = 'white')

Mesela, Japonya için Reel Gayri Safi Yurtiçi Hasıla verisini indirmek istiyorsak. FRED, bu veri setinin sembolünü bize verir. Bu zaman serisi için sembol JPNRGDPEXP’dir.

getSymbols("JPNRGDPEXP", src = "FRED")
## [1] "JPNRGDPEXP"
chartSeries(JPNRGDPEXP)

chartSeries(JPNRGDPEXP, theme = 'white')

Farketiyseniz, src kaynağınızın neresi olacağını yazabilmenizi sağlıyor. Hiçbirşey yazmasak, sembolü Yahoo’da arayacaktır. Diyelim ki, son bir yıl için TL USD değerini istiyoruz. getFX(““) komutunu her döviz kuru için kullanabiliriz.

getFX("USD/TRY",from="2023-05-25")
## Warning in doTryCatch(return(expr), name, parentenv, handler): Oanda only
## provides historical data for the past 180 days. Symbol: USD/TRY
## [1] "USD/TRY"
chartSeries(USDTRY)

chartSeries(USDTRY, theme = 'white')