Dunya bankasindan veri

SE.XPD.TOTL.GD.ZS

Bu gösterge, bir ülkenin gayri safi yurtiçi hasılasının (GSYH) yüzde kaçı kadar bir miktarın eğitim harcamalarına ayrıldığını gösterir. Eğitim harcamaları, genel devlet bütçesinden eğitim için ayrılan tüm harcamaları kapsar ve ilkokuldan yükseköğretime kadar olan tüm eğitim düzeylerine yapılan harcamaları içerir.

NY.GDP.MKTP.KD.ZG

Bu gösterge, bir ülkenin ekonomisinin yıl bazında büyüme oranını ifade eder ve sabit fiyatlarla (enflasyona göre düzeltilmiş) GSYH’deki yıllık yüzde değişimi gösterir. Sabit fiyatlar kullanılarak hesaplanması, enflasyon etkisini dışarıda bırakarak gerçek ekonomik büyümenin ne kadar olduğunu anlamaya yardımcı olur

if (!require(WDI)) install.packages("WDI")
## Loading required package: WDI
if (!require(ggplot2)) install.packages("ggplot2")
## Loading required package: ggplot2
if (!require(dplyr))install.packages("dplyr")
## Loading required package: dplyr
## 
## 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
library(WDI)
library(ggplot2)
library(dplyr)

Verilerin Alınması

data1 <- WDI(indicator = "SE.XPD.TOTL.GD.ZS", country = "all", start = 2000, end = 2020)
data2 <- WDI(indicator = "NY.GDP.MKTP.KD.ZG", country = "all", start = 2000, end = 2020)

df <- data.frame(Yıl = data1$year, EGTIM= data1$SE.XPD.TOTL.GD.ZS, GSYH= data2$NY.GDP.MKTP.KD.ZG)

head(df)
##    Yıl    EGTIM      GSYH
## 1 2020 4.352440 -2.780379
## 2 2019 4.944317  2.189259
## 3 2018 4.979931  2.681718
## 4 2017 4.878870  2.651400
## 5 2016 4.665563  2.183581
## 6 2015 4.758470  3.011572

Filter kullanımı

data1_us <- data1 %>% filter(iso2c == "AF")
data2_us <- data2 %>% filter(iso2c == "AF")

head(data1_us)
##       country iso2c iso3c year SE.XPD.TOTL.GD.ZS
## 1 Afghanistan    AF   AFG 2020                NA
## 2 Afghanistan    AF   AFG 2019                NA
## 3 Afghanistan    AF   AFG 2018                NA
## 4 Afghanistan    AF   AFG 2017           4.34319
## 5 Afghanistan    AF   AFG 2016           4.54397
## 6 Afghanistan    AF   AFG 2015           3.25580
head(data2_us)
##       country iso2c iso3c year NY.GDP.MKTP.KD.ZG
## 1 Afghanistan    AF   AFG 2020         -2.351101
## 2 Afghanistan    AF   AFG 2019          3.911603
## 3 Afghanistan    AF   AFG 2018          1.189228
## 4 Afghanistan    AF   AFG 2017          2.647003
## 5 Afghanistan    AF   AFG 2016          2.260314
## 6 Afghanistan    AF   AFG 2015          1.451315

Ortalama Hesaplama

Aşağıda, ilgili zaman dilimi boyunca EGTIM ve GSYİH ortalama değerleri hesaplanmıştır.

ort_EGTIM<- mean(df$EGTIM, na.rm = TRUE)
ort_GSYİH <- mean(df$GSYİH, na.rm = TRUE)
## Warning in mean.default(df$GSYİH, na.rm = TRUE): argument is not numeric or
## logical: returning NA
ort_GSYİH
## [1] NA
ort_EGTIM
## [1] 4.334356

Grafik: GSYİH ve EGTIM ile Ortalamalar

onuç olarak, bu kod, EGTIM ve GSYİH değişkenlerinin ortalamalarını hesaplar ve bu değerleri incelemek, analiz etmek için hazır hale getirir. ort_EGTIM ve ort_GSYİH değerlerini görüntülemek, bu iki değişkenin genel seviyeleri hakkında hızlı bir genel bakış sağlar.

Varyans Hesaplama

Varyans, verilerin ortalamadan ne kadar uzaklaştığını gösterir. Aşağıda EGTIM ve HSYH varyansları verilmiştir.

var_EGTIM <- var(df$EGTIM, na.rm = TRUE)
var_GSYH <- var(df$GSYH, na.rm = TRUE)

var_EGTIM
## [1] 2.984091
var_GSYH
## [1] 29.72668

Varyans Yorumu

var_EGTIM ve var_GSYH değerleri, EGTIM ve GSYH değişkenlerinin ne kadar değişkenlik gösterdiği hakkında bilgi verir. Bu varyansları karşılaştırarak, hangi değişkenin daha fazla değişkenliğe sahip olduğunu gözlemleyebilirsiniz.

Grafik:EGTIN VE GSYH Varyansı

ggplot(df, aes(x = Yıl)) +
  geom_line(aes(y =EGTIM), color = "blue") +
  geom_line(aes(y = GSYH), color = "red") +
  labs(title = "EGTIM ve GSYH Zaman İçinde (Varyans)",
       y = "Değer")
## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_line()`).

Standart Sapma Hesaplama

Standart sapma, verilerin ne kadar yayıldığını gösterir. Aşağıda EGTIM ve GSYH için standart sapmalar verilmiştir.

sd_EGTIM <- sd(df\(EGTIM, na.rm = TRUE) sd_GSYH <- sd(df\)GSYH, na.rm = TRUE)

sd_EGTIM <- sd(df$EGTIM, na.rm = TRUE)
sd_GSYH <- sd(df$GSYH, na.rm = TRUE)

sd_EGTIM
## [1] 1.727452
sd_GSYH
## [1] 5.452218

Grafik: EGTIM ve GSYH ile Standart Sapmalar

ggplot(df, aes(x = Yıl)) +
  geom_line(aes(y =EGTIM), color = "blue") +
  geom_errorbar(aes(ymin = EGTIM- sd_EGTIM, ymax = EGTIM + sd_EGTIM), width = 0.5, color = "blue") +
  geom_line(aes(y = GSYH), color = "red") +
  geom_errorbar(aes(ymin =GSYH - sd_GSYH, ymax = GSYH + sd_GSYH), width = 0.5, color = "red") +
  labs(title = "EGTIM ve GSYH ile Standart Sapmalar",
       y = "Değer")
## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_line()`).

Standart Sapma Yorum

YYYYYY

Kovaryans Hesaplama

Kovaryans, GETIM ile GSYH arasındaki doğrusal ilişkinin yönünü gösterir.

kovaryans <- cov(df$EGTIM, df$GSYH, use = "complete.obs")
kovaryans
## [1] -1.137131

Grafik: EGTIM ve GSYH Dağılım Grafiği

ggplot(df, aes(x = EGTIM, y = GSYH)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "blue") +
  labs(title = "EGTIM ve GSYH Dağılım Grafiği (Kovaryans)",
       x = "EGTIM", y = "GSYH")
## `geom_smooth()` using formula = 'y ~ x'
## Warning: Removed 1720 rows containing non-finite outside the scale range
## (`stat_smooth()`).
## Warning: Removed 1720 rows containing missing values or values outside the scale range
## (`geom_point()`).

Kovaryans Yorum

Kısacası, eğitim ve GSYH arasındaki korelasyon, eğitim düzeyini artırmanın ekonomik kalkınmaya olan katkısını anlamak için oldukça önemli analizeder. bense : Eğitim ile ekonomik büyüme arasındaki ilişki, kalkınma hedeflerine ulaşmak için eğitim altyapısının geliştirilmesi gerektiğini gösterebilmek icin kulaniyorum.

Korelasyon Hesaplama

Korelasyon, EGTIM ile GSYH arasındaki ilişkinin gücünü ve yönünü gösterir

korelasyon <- cor(df$EGTIM, df$GSYH, use = "complete.obs")
korelasyon
## [1] -0.1460119

Grafik: Korelasyon Dağılım Grafiği

ggplot(df, aes(x = EGTIM, y =GSYH)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "blue") +
  labs(title = paste("EGTIM ve GSYH Korelasyonu (Korelasyon = ", round(korelasyon, 2), ")", sep=""),
       x = "EGTIM", y = "GSYH")
## `geom_smooth()` using formula = 'y ~ x'
## Warning: Removed 1720 rows containing non-finite outside the scale range
## (`stat_smooth()`).
## Warning: Removed 1720 rows containing missing values or values outside the scale range
## (`geom_point()`).

Korelasyon Yorum

Bu grafik, eğitim seviyesi ve ekonomik büyüme arasındaki ilişkiyi analiz etmek isteyen araştırmacılara, politika yapıcılara veya karar vericilere faydalı olabilir. Görselin amacı, veri üzerinde sadece sayısal analiz yerine, görsel bir analizle değişkenlerin birbiriyle ilişkisini daha iyi ifade etmektir

Doğrusal Regresyon

Son olarak, EGTIM’yi bağımsız değişken, GSYH ise bağımlı değişken olarak alarak doğrusal regresyon analizi yapıyoruz.

regresyon_modeli <- lm(EGTIM ~ GSYH, data = df)
summary(regresyon_modeli)
## 
## Call:
## lm(formula = EGTIM ~ GSYH, data = df)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -5.4988 -1.0907 -0.1863  0.8121 11.0489 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  4.518117   0.034190 132.148   <2e-16 ***
## GSYH        -0.055497   0.006049  -9.175   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.702 on 3864 degrees of freedom
##   (1720 observations deleted due to missingness)
## Multiple R-squared:  0.02132,    Adjusted R-squared:  0.02107 
## F-statistic: 84.17 on 1 and 3864 DF,  p-value: < 2.2e-16

Grafik: Doğrusal Regresyon

ggplot(df, aes(x = GSYH, y = EGTIM)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  labs(title = "Doğrusal Regresyon:EGTIM vs GSYH",
       x = "GSYH", y = "EGTIM")
## `geom_smooth()` using formula = 'y ~ x'
## Warning: Removed 1720 rows containing non-finite outside the scale range
## (`stat_smooth()`).
## Warning: Removed 1720 rows containing missing values or values outside the scale range
## (`geom_point()`).

Regresyon Yorum

ekonomik büyüme ile eğitim seviyesinin ilişkisinin yönünü ve gücünü anlamak için önemlidir. Örneğin, GSYH artışıyla eğitim seviyesinde bir artış gözleniyorsa, ekonomik kalkınmanın eğitimi destekleyici etkisi olduğu yorumlanabilir.

Sonuç olarak ne elde etik

2000 ile 2020 yılları arasında Afganistan’da eğitim ve GSYH arasındaki ilişki, genel olarak pozitif bir eğilim göstermektedir, ancak bu ilişki birçok dış faktörden etkilenmiştir. Eğitimdeki ilerlemelerin ekonomik büyüme üzerindeki etkisi, eğitimin kalitesi, altyapı, iş gücü piyasası ve siyasi durum gibi unsurlar göz önünde bulundurulduğunda daha net bir şekilde anlaşılabilir. Afganistan’daki eğitim sisteminin, ekonomik büyüme için sürdürülebilir ve etkili bir şekilde geliştirilmesi gerektiği sonucuna varılabilir.