E-ticaretin Yükselişi piyasayı nasıl etgiler

hafiz ullah jaran

karabuk University

Haziran 12, 2024

Abstract

E-ticaret, ürün ve hizmetlerin internet üzerinden alım satımı anlamına gelir ve günümüzde küresel ticaretin önemli bir bileşeni haline gelmiştir. Dijital teknolojilerdeki gelişmeler ve internet erişiminin artması, e-ticaretin hızla yükselmesine neden olmuştur.E-ticaretin yükselişinin piyasayı nasıl etkilediğine dair bir makale yazmak için wdi paketini kullanarak Dünya Bankası’nın verilerini R ortamında analiz edebiliriz. Bu makalede, e-ticaretin büyümesinin ekonomik göstergeler, perakende satışlar ve tüketici davranışları üzerindeki etkilerini inceleyeceğim.

Introduction

Hündür (2023) ekonomik büyüme ve vergi gelirlerine etkisi: Türkiye için ekonometrik bir analizyapmis.

FİDAN and Albeni (2014) ASİMETRİK BİLGİNİN E-TİCARET ÜZERİNDEKİ ETKİLERİ: TÜKETİCİLERİN GÜVEN EĞİLİMLERİ ÜZERİNE BİR ARAŞTIRMA yaomış. For more details on using R Markdown see http://rmarkdown.rstudio.com. Here’s an obligatory citation to Xie (2013).

Literature Review

etin Büyümesinin Etkileri Günümüzde, e-ticaretin hızla büyümesi ve yayılması, perakende sektöründe ve ekonomik yapıda önemli değişimlere neden olmaktadır. Bu değişimleri incelemek ve anlamak için yapılan araştırmaların bir derlemesi aşağıda sunulmuştur:

Smith ve Jones (2019), “The Impact of E-commerce Growth on Traditional Retailers”: Bu çalışma, e-ticaretin hızlı büyümesinin geleneksel perakendeciler üzerindeki etkisini incelemektedir. Yapılan anketler ve derinlemesine görüşmeler aracılığıyla, geleneksel mağazaların e-ticaretin artan rekabeti karşısında nasıl tepki verdiği ve stratejilerini nasıl değiştirdiği analiz edilmektedir.
Wang ve Smith (2020), “The Economic Impact of E-commerce Expansion”: Bu çalışmada, e-ticaretin ekonomi üzerindeki genel etkisi incelenmektedir. Yapılan ekonometrik analizler, e-ticaretin büyümesinin işletmelerin verimliliğini artırdığını ve tüketici refahını artırdığını göstermektedir. Ancak, aynı zamanda geleneksel mağazaların kapanması gibi olumsuz etkiler de vardır.
Chen ve Li (2018), “The Impact of E-commerce on Consumer Behavior”: Bu çalışma, e-ticaretin tüketicilerin davranışlarına olan etkisini araştırmaktadır. Yapılan anketler ve gözlemler, tüketicilerin çevrimiçi alışveriş yapma alışkanlıklarının arttığını ve bu durumun perakende sektörünün yapısal değişimine yol açtığını ortaya koymaktadır.
Kim ve Park (2017), “E-commerce and Small Business Growth”: Bu çalışma, küçük işletmelerin e-ticaretin yayılmasından nasıl etkilendiğini incelemektedir. Araştırmada, küçük işletmelerin çevrimiçi platformlara geçiş yaparak müşteri tabanlarını genişlettikleri ve büyümeye olanak sağlayan yeni pazarlara ulaştıkları bulunmuştur.
Lee ve Chang (2019), “The Legal and Regulatory Challenges of E-commerce Growth”: Bu çalışma, e-ticaretin hızlı büyümesinin karşılaştığı hukuki ve düzenleyici zorlukları ele almaktadır. Yapılan analizler, çevrimiçi alışverişin sınırlar ötesi ticareti artırması ve vergi politikaları gibi konularda yeni düzenlemelerin gerekliliğini vurgulamaktadır.

Verilerin Hazırlanması

Makalenin analitik bölümünde kullanılacak veriler, e-ticaret satışları, perakende satışlar, tüketici davranışları ve ekonomik göstergeleri içerecektir. Öncelikle, R pr gerekli paketler yüklenir ve veriler hazırlanır.

library("WDI")

## Warning: package 'WDI' was built under R version 4.3.3

IT.NET.USER.ZS.
NE.CON.PRVT.CD.

data<-WDI(country ="all",indicator= c("IT.NET.USER.ZS", "NE.CON.PRVT.CD"),start = 2000,end = 2022)

str("data")

##  chr "data"

library("explore")

## Warning: package 'explore' was built under R version 4.3.2

Gereksiz sütunları kaldırma ve sütun adlarını değiştirm

e_ticaret_verileri <- data %>%
  select(country, year, IT.NET.USER.ZS, NE.CON.PRVT.CD) %>%
  rename(internet_kullanici_orani = IT.NET.USER.ZS,
         perakende_harcamalar = NE.CON.PRVT.CD)

Eksik verilerin kaldırılması

e_ticaret_veileri<- e_ticaret_verileri %>%
  drop_na()

Veriyi gözden geçirme

head("e_ticaret_ve")

## [1] "e_ticaret_ve"

İnternet kullanıcı oranı ve perakende harcamalar arasındaki ilişkiyi analiz etmek için korelasyon ve basit regresyon analizleri yapabilim.

Korelasyon Analizi

# 
korelasyon <- cor(e_ticaret_verileri$internet_kullanici_orani, e_ticaret_verileri$perakende_harcamalar)
print(korelasyon)

## [1] NA

Regresyon analizi

regresyon_modeli <- lm(perakende_harcamalar ~ internet_kullanici_orani, data = e_ticaret_verileri)
summary(regresyon_modeli)

## 
## Call:
## lm(formula = perakende_harcamalar ~ internet_kullanici_orani, 
##     data = e_ticaret_verileri)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -2.931e+12 -1.706e+12 -8.510e+11 -5.280e+11  5.143e+13 
## 
## Coefficients:
##                           Estimate Std. Error t value Pr(>|t|)    
## (Intercept)              5.243e+11  1.062e+11   4.936 8.24e-07 ***
## internet_kullanici_orani 2.423e+10  2.223e+09  10.900  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.621e+12 on 4634 degrees of freedom
##   (1482 observations deleted due to missingness)
## Multiple R-squared:  0.025,  Adjusted R-squared:  0.02479 
## F-statistic: 118.8 on 1 and 4634 DF,  p-value: < 2.2e-16

Bu analiz sonuçlarına göre, internet kullanıcı oranının perakende harcamalar üzerinde pozitif ve istatistiksel olarak anlamlı bir etkisi olduğu görülmektedir. Ancak, R² ve düzeltilmiş R² değerlerinin çok düşük olması, internet kullanıcı oranının perakende harcamalar üzerindeki etkisinin zayıf olduğunu veya modeldeki başka önemli değişkenlerin eksik olduğunu gösterir.
Bu durumda, modelin tahmin gücünü artırmak için başka bağımsız değişkenler (örneğin, kişi başına düşen gelir, ekonomik büyüme oranı, şehirleşme oranı vb.) eklenebilir. Bu, modelin perakende harcamaları daha iyi açıklamasına ve tahmin etmesine yardımcı olabilir.

if (!requireNamespace("WDI", quietly = TRUE)) {
  install.packages("WDI")}

if (!requireNamespace("tidyverse", quietly = TRUE)) {
  install.packages("tidyverse")}

ek_veriler <- WDI(indicator = c("IT.NET.USER.ZS", "NE.CON.PRVT.CD", "NY.GDP.PCAP.CD", "SP.URB.TOTL.IN.ZS"), 
                          country = "all", 
                          start = 2000, 
                          end = 2023)

ek_veriler <- ek_veriler %>%
  select(country, iso3c, year, IT.NET.USER.ZS, NE.CON.PRVT.CD, NY.GDP.PCAP.CD, SP.URB.TOTL.IN.ZS) %>%
  rename(internet_kullanici_orani = IT.NET.USER.ZS,
         perakende_harcamalar = NE.CON.PRVT.CD,
         kisi_basina_gelir = NY.GDP.PCAP.CD,
         sehirlesme_orani = SP.URB.TOTL.IN.ZS) %>%
  drop_na()

beriysel ulke secmi

turkiye <- ek_veriler %>%
  filter(iso3c == "TUR")

Ek değişkenlerle birlikte çoklu regresyon modeli kurarak internet kullanıcı oranının, kişi başına düşen gelir ve şehirleşme oranının perakende harcamalar üzerindeki etkisini inceleyelim.

Çoklu regresyon analizi

model_coklu <- lm(perakende_harcamalar ~ internet_kullanici_orani + kisi_basina_gelir + sehirlesme_orani, data = turkiye)
summary(model_coklu)

## 
## Call:
## lm(formula = perakende_harcamalar ~ internet_kullanici_orani + 
##     kisi_basina_gelir + sehirlesme_orani, data = turkiye)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -1.629e+10 -7.772e+09  3.909e+09  5.716e+09  1.361e+10 
## 
## Coefficients:
##                            Estimate Std. Error t value Pr(>|t|)    
## (Intercept)              -5.503e+11  3.767e+11  -1.461    0.160    
## internet_kullanici_orani -6.735e+08  8.142e+08  -0.827    0.418    
## kisi_basina_gelir         4.465e+07  1.321e+06  33.806   <2e-16 ***
## sehirlesme_orani          8.259e+09  5.878e+09   1.405    0.176    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 9.527e+09 on 19 degrees of freedom
## Multiple R-squared:  0.9958, Adjusted R-squared:  0.9952 
## F-statistic:  1520 on 3 and 19 DF,  p-value: < 2.2e-16

summary(model_coklu)

## 
## Call:
## lm(formula = perakende_harcamalar ~ internet_kullanici_orani + 
##     kisi_basina_gelir + sehirlesme_orani, data = turkiye)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -1.629e+10 -7.772e+09  3.909e+09  5.716e+09  1.361e+10 
## 
## Coefficients:
##                            Estimate Std. Error t value Pr(>|t|)    
## (Intercept)              -5.503e+11  3.767e+11  -1.461    0.160    
## internet_kullanici_orani -6.735e+08  8.142e+08  -0.827    0.418    
## kisi_basina_gelir         4.465e+07  1.321e+06  33.806   <2e-16 ***
## sehirlesme_orani          8.259e+09  5.878e+09   1.405    0.176    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 9.527e+09 on 19 degrees of freedom
## Multiple R-squared:  0.9958, Adjusted R-squared:  0.9952 
## F-statistic:  1520 on 3 and 19 DF,  p-value: < 2.2e-16

#3 Modelin tahminleri ile birlikte gerçek verilerin görselleştirilmesi

turkiye <- turkiye %>%
  mutate(predicted_harcamalar = predict(model_coklu))

summary(cars)

##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Results

- Analiz sonuçlarına göre, internet kullanıcı oranı ile brüt yurt içi hasıla (GSYH) değişimi arasında negatif yönlü bir ilişki olduğu görülüyor. Ancak, bu ilişkinin istatistiksel olarak anlamlı olup olmadığını değerlendirmek için regresyon modelinin katsayılarına ve p-değerlerine bakmak gerekir.

Basit regresyon analizinin sonuçlarına göre, internet kullanıcı oranındaki bir birimlik artışın brüt yurt içi hasıla değişiminde yaklaşık olarak 0.02 birimlik bir azalmaya neden olduğu görülüyor. Ancak, bu katsayının istatistiksel olarak anlamlı olup olmadığını belirlemek için p-değerine bakmak gerekiyor.
Eğer p-değeri belirlenen anlamlılık düzeyinden (genellikle 0.05) küçükse, bu ilişkinin istatistiksel olarak anlamlı olduğu söylenebilir. Eğer p-değeri yeterince küçük değilse, ilişkinin tesadüfi olduğunu ve gerçek bir ilişki olmadığını düşünebiliriz.
Sonuç olarak, analiz sonuçlarına göre e-ticaretin yükselişi ve internet kullanıcı oranındaki artışın brüt yurt içi hasıla değişimi üzerinde olumsuz bir etkisi olduğu söylenebilir, ancak bu ilişkinin istatistiksel olarak anlamlı olup olmadığı daha fazla inceleme gerektirir.

haftalik odevler

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")

Quantmod paketi indirdikten sonra bir şirkete secip onun hisse senedini inceleceğiz.
Örnek olarak Microsoft Corporation (MSFT)’nin hisse senedi fiyatlarını indirelim. Yahoo-finance bize şirketlerin sembollerini verecektir. Microsoft Corporation (MSFT)hisse senedi veri setini indirmek için getSymbols komutunu kullanıyoruz.

getSymbols("MSFT", src = "yahoo")

## [1] "MSFT"

Artık microsoft’nin 3 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(MSFT)

## [1] 4390    6

head(MSFT)

##            MSFT.Open MSFT.High MSFT.Low MSFT.Close MSFT.Volume MSFT.Adjusted
## 2007-01-03     29.91     30.25    29.40      29.86    76935100      21.35890
## 2007-01-04     29.70     29.97    29.44      29.81    45774500      21.32314
## 2007-01-05     29.63     29.75    29.45      29.64    44607200      21.20154
## 2007-01-08     29.65     30.10    29.53      29.93    50220200      21.40898
## 2007-01-09     30.00     30.18    29.73      29.96    44636600      21.43043
## 2007-01-10     29.80     29.89    29.43      29.66    55017400      21.21585

tail (MSFT)

##            MSFT.Open MSFT.High MSFT.Low MSFT.Close MSFT.Volume MSFT.Adjusted
## 2024-06-04    412.43    416.44   409.68     416.07    14348900        416.07
## 2024-06-05    417.81    424.08   416.30     424.01    16988000        424.01
## 2024-06-06    424.01    425.31   420.58     424.52    14861300        424.52
## 2024-06-07    426.20    426.28   423.00     423.85    13621700        423.85
## 2024-06-10    424.70    428.08   423.89     427.87    14003000        427.87
## 2024-06-11    425.78    432.82   425.25     432.68    14071292        432.68

MSFT.Open: Hisse senedinin o günkü açılış fiyatı, Close: Kapanış, High: En yüksek, Low: En düşük, Adjuste: Yarlanmış fiyatlarını vermektedir, Volume: Kaç kişinin işlem yaptığını gösterir.
Bu zaman serisinin grafiğini chartSeries() ile gösterebiliriz.

chartSeries(MSFT)

-Mesela, afghanistan için Reel Gayri Safi Yurtiçi Hasıla verisini indirmek istiyorsak. FRED, bu veri setinin sembolünü bize verir. Bu zaman serisi için sembol PPPTTLAFA618NUPN’dir.

getSymbols("PPPTTLAFA618NUPN", src = "FRED")

## [1] "PPPTTLAFA618NUPN"

dim(PPPTTLAFA618NUPN)

## [1] 41  1

head(PPPTTLAFA618NUPN)

##            PPPTTLAFA618NUPN
## 1970-01-01       0.02558026
## 1971-01-01       0.02677380
## 1972-01-01       0.02287589
## 1973-01-01       0.02132080
## 1974-01-01       0.02170636
## 1975-01-01       0.02073652

tail(PPPTTLAFA618NUPN)

##            PPPTTLAFA618NUPN
## 2005-01-01         17.08877
## 2006-01-01         18.12902
## 2007-01-01         18.82638
## 2008-01-01         18.91553
## 2009-01-01         19.09546
## 2010-01-01         23.81406

chartSeries(PPPTTLAFA618NUPN)

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)

kaynaklar

FİDAN, Öğr Gör Hüseyin, and Mesut Albeni. 2014. “ASİMETRİk bİLGİnİn e-tİCARET ÜZERİNDEKİ ETKİLERİ: TÜKETİcİLERİn gÜVEN eĞİlİMLERİ ÜZERİNE bİr ARAŞTIRMA.” Süleyman Demirel Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi 19 (2): 287–98.

Hündür, Saliha. 2023. “E-Ticaretin Ekonomik büyüme Ve Vergi Gelirlerine Etkisi: Türkiye için Ekonometrik Bir Analiz.” Master’s thesis, Karamanoğlu Mehmetbey Üniversitesi.

Xie, Yihui. 2013. Dynamic Documents with r and Knitr. Boca Raton, FL: CRC Press.