Final Projesi
Fatih
2025-12-05
Final Projesi
“Ülkelerde orman alanının büyüklüğü, ekonomik faaliyetler ve doğal kaynak kullanımı tarafından nasıl etkilenmektedir?”
2000–2020 döneminde ülkelerde kişi başına düşen gelir,karbon emisyonu,tarım alanlarının genişliğive su kaynaklarının kullanımı orman alanı üzerinde nasıl bir etki oluşturmaktadır?
Bu çalışmada, ülkelerin çevresel sürdürülebilirliğini etkileyen ekonomik ve çevresel faktörler incelenmektedir. Özellikle orman alanlarının, ekonomik faaliyetler ve doğal kaynak kullanımıyla nasıl ilişkilendiği analiz edilmektedir. Bu kapsamda Dünya Bankası veri tabanından elde edilen beş farklı gösterge kullanılarak ampirik bir analiz gerçekleştirilmiştir.
Çalışmada bağımlı değişken olarak orman alanı (%), bağımsız değişkenler olarak ise kişi başına düşen karbon emisyonu, tarım alanı oranı, kişi başına düşen gayrisafi yurt içi hasıla ve tatlı su kullanımı ele alınmıştır. Bu değişkenler, çevresel baskı, ekonomik gelişmişlik ve doğal kaynak kullanımı gibi temel unsurları temsil etmektedir.
Analizde 2000, 2005, 2010, 2015 ve 2020 yıllarına ait veriler kullanılmıştır. Dünya Bankası verilerinde yer alan eksik gözlemler temizlenmiş, yalnızca analizde kullanılan değişkenlerde eksik değeri bulunmayan gözlemler çalışmaya dahil edilmiştir. Böylece tutarlı bir panel veri seti oluşturulmuştur.
Elde edilen veri seti kullanılarak öncelikle basit regresyon analizleri yapılmış, ardından çoklu regresyon modeli kurulmuştur. Bu sayede her bir bağımsız değişkenin orman alanı üzerindeki etkisi hem ayrı ayrı hem de diğer değişkenler kontrol edilerek incelenmiştir. Ayrıca değişkenler arasındaki ilişkileri daha iyi gözlemleyebilmek amacıyla grafiksel analizlere de yer verilmiştir.
Bu çalışma, ekonomik faaliyetler ile çevresel sürdürülebilirlik arasındaki ilişkiyi nicel olarak ortaya koymayı amaçlamaktadır.
Literatür Taraması
Orman alanlarının azalması ve çevresel bozulma, ekonomik kalkınma süreçleriyle yakından ilişkili olup iktisat literatüründe uzun süredir tartışılan bir konudur. Özellikle tarımsal genişleme, ekonomik büyüme ve doğal kaynak kullanımı, ormansızlaşmanın temel belirleyicileri arasında yer almaktadır.
Tarım alanlarının genişlemesi ile orman alanlarının daralması arasındaki ilişki, çevresel iktisat literatüründe sıkça vurgulanmaktadır. FAO (2020), tarımsal üretimi artırma amacıyla orman alanlarının tarım arazisine dönüştürülmesinin, özellikle gelişmekte olan ülkelerde ormansızlaşmanın temel nedeni olduğunu belirtmektedir. Benzer şekilde Geist ve Lambin (2002), tarımsal genişlemenin küresel ölçekte ormansızlaşmanın en önemli itici gücü olduğunu ortaya koymuştur.
Ekonomik büyüme ile çevresel bozulma arasındaki ilişki ise Çevresel Kuznets Eğrisi (Environmental Kuznets Curve – EKC) hipotezi çerçevesinde ele alınmaktadır. Grossman ve Krueger (1995), ekonomik büyümenin erken aşamalarında çevresel bozulmanın arttığını, ancak belirli bir gelir düzeyinden sonra çevresel kaliteye olan talebin yükselmesiyle birlikte çevresel baskının azaldığını ileri sürmüştür. Buna karşın, birçok ampirik çalışma bu ilişkinin her ülke için geçerli olmadığını ve özellikle doğal kaynaklara dayalı ekonomilerde büyümenin çevresel tahribatı artırabildiğini göstermektedir (Stern, 2004).
Doğal kaynak kullanımı ve su kaynakları da orman alanları üzerinde dolaylı fakat önemli etkilere sahiptir. Tarımsal sulama faaliyetlerinin artması, arazi kullanım biçimlerini değiştirmekte ve orman ekosistemleri üzerinde baskı oluşturmaktadır (Foley et al., 2005). Bu durum özellikle suya erişimin yüksek olduğu bölgelerde tarımsal genişlemeyi teşvik ederek ormansızlaşmayı hızlandırabilmektedir.
Bu çalışmada kullanılan değişkenler, literatürde yaygın olarak kullanılan göstergelere dayanmaktadır. Orman alanı oranı çevresel sürdürülebilirliğin bir göstergesi olarak ele alınırken; tarım alanı oranı, kişi başına düşen gelir ve tatlı su kullanımı, ekonomik faaliyetlerin ve doğal kaynak kullanımının temel temsilcileri olarak modele dahil edilmiştir. Böylece, ormansızlaşma sürecinin hem ekonomik hem de çevresel belirleyicileri bütüncül bir çerçevede analiz edilmiştir.
AG.LND.FRST.ZS -> Orman Alanı EN.ATM.CO2E.PC -> Kişi başına düşen karbon dioksit emisyonu AG.LND.AGRI.ZS -> Tarım alan NY.GDP.PCAP.KD -> Kişi başına düşen reel GSYH ER.H2O.FWTL.ZS -> Tatlı su çekimi
df <- read.csv(“orman.csv”) yenidata <- WDI_data$country df_ulkeler <- left_join(df, yenidata)
library(WDI)## Warning: package 'WDI' was built under R version 4.4.3library(tidyverse)df <- read.csv("orman.csv")
yenidata <- WDI_data$country
df_ulkeler <- left_join(df, yenidata)## Joining with `by = join_by(country, iso2c, iso3c)`data <- WDI(indicator = c(“AG.LND.FRST.ZS” , “EN.ATM.CO2E.PC” , “AG.LND.AGRI.ZS” , “NY.GDP.PCAP.KD” , “ER.H2O.FWTL.ZS”))
write.csv(data, “orman.csv”)
df <- read.csv("orman.csv")yenidata <- WDI_data$countryBurada iki ayrı veri setini birleştiriyoruz. df ana veri seti, yenidata ise ek değişkenleri içeriyor. left_join kullandığımız için df’deki tüm gözlemler korunuyoruz, eşleşen bilgileri yanına ekleniyoruz.
dfyeni <- left_join(df ,yenidata)## Joining with `by = join_by(country, iso2c, iso3c)`Analizi tek bir yıla indirmek için sadece 2000 yılına ait gözlemleri seçiyoruz. Böylece zaman etkisini dışlayıp yatay kesit analizi yapıyoruz.
2000 Yılı için
df_2000 <- df_ulkeler %>% filter(year == 2000)Orman alanı oranı (AG.LND.FRST.ZS) eksik olan ülkeler çıkarılıyor. Bağımlı değişkende eksik gözlem olması regresyonu bozar, bu yüzden temizleniyor.
df_2000_temiz <- df_2000 %>% filter(!is.na(AG.LND.FRST.ZS))Tarım alanı oranı (AG.LND.AGRI.ZS) eksik olan gözlemleri çıkarıyoruz. Bu değişken ana açıklayıcı değişken olduğu için mutlaka dolu olmalı.
df_2000_temiz <- df_2000_temiz %>% filter(!is.na(AG.LND.AGRI.ZS))df_2000_temiz <- df_2000_temiz %>% filter(!is.na(NY.GDP.PCAP.KD))Kişi başına düşen gelir değişkeninde eksik değeri olan ülkeleri temizlliyoruz. Bu değişken ekonomik gelişmişliği kontrol etmek için kullanacağız
df_2000_temiz <- df_2000_temiz %>% filter(!is.na(ER.H2O.FWTL.ZS))Tatlı su kaynaklarının payını gösteren değişkende eksik gözlemleri çıkarıyoruz Bu değişken doğal kaynak yapısını temsil eden bir kontrol değişkenidir.
reg_2000 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS , data = df_2000_temiz)İlk olarak basit doğrusal regresyon modeli kuruyoruz Bağımlı değişken: orman alanı oranı Bağımsız değişken: tarım alanı oranı
Amacımız tarım alanındaki artışın orman alanı üzerindeki doğrudan etkisini görmek.
summary(reg_2000)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS, data = df_2000_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -50.643 -11.432 2.862 12.817 43.773
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 52.41562 3.58135 14.636 < 2e-16 ***
## AG.LND.AGRI.ZS -0.51808 0.07651 -6.772 2.57e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 21.02 on 153 degrees of freedom
## Multiple R-squared: 0.2306, Adjusted R-squared: 0.2256
## F-statistic: 45.85 on 1 and 153 DF, p-value: 2.568e-10Regresyon sonuçlarına göre model genel olarak istatistiksel olarak anlamlıdır . Bu durum, modele dâhil edilen değişkenlerin birlikte orman alanı oranını açıklamada anlamlı bir güce sahip olduğunu göstermektedir. Modelin açıklama gücünü gösteren düzeltilmiş R² değeri yaklaşık %32’dir. Buna göre, orman alanındaki değişimin yaklaşık üçte biri modele dâhil edilen değişkenler tarafından açıklanabilmektedir.
Tarım alanı oranının katsayısı negatif ve istatistiksel olarak oldukça anlamlıdır . Bu sonuç, tarım alanı oranındaki %1’lik bir artışın, orman alanı oranında yaklaşık %0.59’luk bir azalışla ilişkili olduğunu göstermektedir. Bu bulgu, tarımsal genişlemenin ormansızlaşma ile ilişkili olduğu yönündeki teorik beklentileri desteklemektedir.
Çoklu regresyon yapıyoruz
reg_2000 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD + ER.H2O.FWTL.ZS,
data = df_2000_temiz)Sonucuna bakıyoruz
summary(reg_2000)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD +
## ER.H2O.FWTL.ZS, data = df_2000_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -52.055 -9.895 2.457 11.629 39.281
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.885e+01 3.794e+00 15.513 < 2e-16 ***
## AG.LND.AGRI.ZS -5.915e-01 7.364e-02 -8.032 2.53e-13 ***
## NY.GDP.PCAP.KD -1.856e-04 9.693e-05 -1.915 0.0574 .
## ER.H2O.FWTL.ZS -9.226e-03 2.116e-03 -4.361 2.38e-05 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19.69 on 151 degrees of freedom
## Multiple R-squared: 0.3337, Adjusted R-squared: 0.3204
## F-statistic: 25.2 on 3 and 151 DF, p-value: 2.82e-13Bu modelde orman alanı oranı, tarım alanı, kişi başına gelir ve tatlı su kaynaklarıyla açıklanmaktadır. Sonuçlara göre model genel olarak anlamlıdır ve değişkenler orman alanındaki değişimin yaklaşık %32’sini açıklamaktadır.
Tarım alanı oranının katsayısı negatif ve oldukça anlamlıdır Bu, tarım alanı arttıkça orman alanının belirgin biçimde azaldığını göstermektedir. Kişi başına düşen gelir de negatif ve sınırda anlamlıdır (p = 0.048); bu durum, gelir arttıkça orman alanlarının hafif bir azalma eğilimi gösterdiğini düşündürmektedir. Tatlı su kaynaklarının payı da negatif ve anlamlıdır; suya erişimin yüksek olduğu ülkelerde orman alanlarının daha düşük olduğu görülmektedir.
Grafik çizimi
library(ggplot2)ggplot(df_2000_temiz, aes(x = AG.LND.AGRI.ZS, y = AG.LND.FRST.ZS)) +
geom_point(color = "darkgreen", alpha = 0.6) +
geom_smooth(method = "lm", se = TRUE, color = "black") +
labs(
title = "Tarım Alanı ile Orman Alanı Arasındaki İlişki (2000)",
x = "Tarım Alanı (% of land area)",
y = "Orman Alanı (% of land area)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Şekil X, 2000 yılı itibarıyla ülkelerdeki tarım alanı oranı ile orman
alanı oranı arasındaki ilişkiyi göstermektedir. Grafikte her bir nokta
bir ülkeyi temsil etmekte; yatay eksende tarım alanlarının toplam
yüzölçümüne oranı, dikey eksende ise orman alanlarının toplam
yüzölçümüne oranı yer almaktadır.
Grafikte yer alan doğrusal regresyon çizgisi, tarım alanı ile orman alanı arasında negatif yönlü bir ilişki olduğunu ortaya koymaktadır. Buna göre, tarım alanlarının genişlediği ülkelerde orman alanlarının görece daha düşük olduğu görülmektedir. Bu durum, tarımsal faaliyetlerin artmasının orman alanlarının azalmasıyla ilişkili olabileceğine işaret etmektedir.
Elde edilen bulgular, tarımsal genişlemenin ormansızlaşmaya yol açabileceği yönündeki teorik beklentilerle de uyumludur. Özellikle tarım amacıyla açılan alanların, doğal orman örtüsünü daralttığı anlaşılmaktadır.
Öte yandan, grafikteki saçılma yapısı ülkeler arasında belirgin farklılıklar bulunduğunu göstermektedir. Bu farklılıklar; coğrafi koşullar, ekonomik yapı ve kurumsal düzenlemeler gibi unsurların orman alanları üzerindeki etkisini yansıtmaktadır.
2005 Yılı İçin
df_2005 <- df_ulkeler %>% filter(year == 2005)Analizde 2005 yılına ait gözlemler seçilerek, bu yıla özgü tarım–orman ilişkisini inceledik.
df_2005_temiz <- df_2005 %>% filter(!is.na(AG.LND.FRST.ZS))Bağımlı değişken olan orman alanı oranında eksik gözleme sahip ülkeler analiz dışı bıraktık.
df_2005_temiz <- df_2005 %>% filter(!is.na(AG.LND.AGRI.ZS))Tarım alanı oranı değişkeninde eksik veri bulunan gözlemler çıkarılarak regresyon için tutarlı bir veri seti oluşturduk.
df_2005_temiz <- df_2005 %>% filter(!is.na(NY.GDP.PCAP.KD))Kişi başına düşen gelir değişkeni modele dahil edileceği için eksik gözlemleri temizledik
df_2005_temiz <- df_2005 %>% filter(!is.na(ER.H2O.FWTL.ZS))Tatlı su kullanımı değişkeninde eksik değerler çıkarılarak çevresel faktörlerin analize sağlıklı biçimde dahil edilmesi sağlandı.
reg_2005 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS , data = df_2005_temiz)Bu modelde yalnızca tarım alanlarının orman alanları üzerindeki etkisi incelenmiştir. Basit doğrusal regresyon ile tarımsal genişlemenin ormansızlaşma üzerindeki yönü analiz edilmiştir.
summary(reg_2005)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS, data = df_2005_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -51.442 -10.808 3.923 13.210 42.875
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 53.43524 3.38104 15.804 < 2e-16 ***
## AG.LND.AGRI.ZS -0.54557 0.07419 -7.353 8.73e-12 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 20.68 on 164 degrees of freedom
## Multiple R-squared: 0.248, Adjusted R-squared: 0.2434
## F-statistic: 54.07 on 1 and 164 DF, p-value: 8.729e-12reg_2005 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD + ER.H2O.FWTL.ZS,
data = df_2005_temiz)Sonuç olarak, 2005 yılı için elde edilen bulgular tarımsal faaliyetlerin ve doğal kaynak kullanımının orman alanlarını azaltıcı yönde etkilediğini göstermektedir. Bu durum, ekonomik faaliyetlerin çevresel sürdürülebilirlik üzerinde baskı oluşturduğunu ortaya koymaktadır.
summary(reg_2005)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD +
## ER.H2O.FWTL.ZS, data = df_2005_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -52.392 -9.773 3.325 11.688 38.523
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.952e+01 3.619e+00 16.448 < 2e-16 ***
## AG.LND.AGRI.ZS -6.121e-01 7.207e-02 -8.493 1.31e-14 ***
## NY.GDP.PCAP.KD -1.678e-04 8.784e-05 -1.911 0.0578 .
## ER.H2O.FWTL.ZS -1.022e-02 2.168e-03 -4.713 5.27e-06 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19.37 on 160 degrees of freedom
## (2 observations deleted due to missingness)
## Multiple R-squared: 0.3466, Adjusted R-squared: 0.3344
## F-statistic: 28.3 on 3 and 160 DF, p-value: 9.843e-152005 yılı sonuçları, modelin genel olarak anlamlı olduğunu göstermektedir. Tarım alanı oranı orman alanı üzerinde negatif ve güçlü bir etkiye sahiptir. Kişi başına gelir ve tatlı su kullanımı da istatistiksel olarak anlamlı olup orman alanlarını azaltıcı yönde etki göstermektedir. Model, orman alanındaki değişimin yaklaşık %33’ünü açıklamaktadır.
grafik
ggplot(df_2005_temiz, aes(x = AG.LND.AGRI.ZS, y = AG.LND.FRST.ZS)) +
geom_point(color = "steelblue", alpha = 0.7) +
geom_smooth(method = "lm", se = TRUE, color = "darkred") +
labs(
title = "2005 Yılında Tarım Alanı ve Orman Alanı İlişkisi",
x = "Tarım Alanı (% toplam alan)",
y = "Orman Alanı (% toplam alan)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Bu grafik, 2005 yılında ülkeler bazında tarım alanı oranı ile orman
alanı oranı arasındaki ilişkiyi göstermektedir. Noktalar ülkeleri temsil
ederken, kırmızı çizgi doğrusal regresyon eğilimini ifade etmektedir.
Eğimin negatif olması, tarım alanı arttıkça orman alanının azaldığını
göstermektedir. Bu bulgu, regresyon sonuçlarıyla da tutarlıdır.
2010 Yılı İçin
Analizde 2010 yılına ait gözlemler seçilerek bu yıl için ülkeler arası karşılaştırma yapılıyor.
df_2010 <- df_ulkeler %>% filter(year == 2010)Bağımlı değişken olan orman alanı oranında eksik değeri bulunan ülkeler analiz dışı bırakılmıştır.
df_2010_temiz <- df_2010 %>% filter(!is.na(AG.LND.FRST.ZS))Tarım alanı oranı değişkeninde eksik gözleme sahip ülkeler çıkarılarak modelin tutarlılığı sağlanmıştır.
df_2010_temiz <- df_2010 %>% filter(!is.na(AG.LND.AGRI.ZS))Kişi başına düşen gelir değişkeni ekonomik gelişmişliği temsil ettiği için eksik gözlemler temizlenmiştir.
df_2010_temiz <- df_2010 %>% filter(!is.na(NY.GDP.PCAP.KD))Tatlı su çekimi değişkeni çevresel baskıyı temsil etmektedir. Bu nedenle eksik veriler analizden çıkarılmıştır.
df_2010_temiz <- df_2010 %>% filter(!is.na(ER.H2O.FWTL.ZS))Bu modelde yalnızca tarım alanı oranının orman alanı üzerindeki etkisi incelenmiştir. Basit doğrusal regresyon ile tarımsal genişlemenin ormansızlaşma üzerindeki etkisi ölçülmektedir.
reg_2010 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS , data = df_2010_temiz)Regresyon çıktısı, tarım alanı ile orman alanı arasındaki ilişkinin yönünü ve istatistiksel anlamlılığını göstermektedir.
summary(reg_2010)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS, data = df_2010_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -51.292 -10.593 3.233 13.807 42.859
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 53.34030 3.26259 16.349 < 2e-16 ***
## AG.LND.AGRI.ZS -0.53753 0.07217 -7.448 4.31e-12 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 20.48 on 173 degrees of freedom
## Multiple R-squared: 0.2428, Adjusted R-squared: 0.2384
## F-statistic: 55.47 on 1 and 173 DF, p-value: 4.307e-12Burada ise modele kişi başına düşen gelir ve tatlı su kullanımı değişkenleri eklenerek çoklu regresyon analizi yapılmıştır. Böylece tarım alanının etkisi diğer faktörler kontrol edilerek incelenmiştir. 2010 yılı verileri kullanılarak yapılan basit doğrusal regresyon analizi, tarım alanlarının genişlemesinin orman alanları üzerinde istatistiksel olarak anlamlı ve negatif bir etkiye sahip olduğunu göstermektedir. Tarım arazilerindeki her bir birimlik artış, orman alanlarında yaklaşık 0.54 birimlik azalışa yol açmaktadır. Model, orman alanlarındaki değişimin yaklaşık %24’ünü açıklamakta olup, bu durum orman kaybının yalnızca tarımsal genişleme ile değil, aynı zamanda ekonomik ve çevresel diğer faktörlerle de ilişkili olduğunu göstermektedir.
reg_2010 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD + ER.H2O.FWTL.ZS,
data = df_2010_temiz)summary(reg_2010)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD +
## ER.H2O.FWTL.ZS, data = df_2010_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -51.599 -9.830 3.602 12.091 38.335
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.959e+01 3.511e+00 16.973 < 2e-16 ***
## AG.LND.AGRI.ZS -6.063e-01 7.020e-02 -8.636 4.20e-15 ***
## NY.GDP.PCAP.KD -1.793e-04 8.478e-05 -2.115 0.0359 *
## ER.H2O.FWTL.ZS -1.003e-02 2.091e-03 -4.794 3.56e-06 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19.18 on 169 degrees of freedom
## (2 observations deleted due to missingness)
## Multiple R-squared: 0.3415, Adjusted R-squared: 0.3298
## F-statistic: 29.21 on 3 and 169 DF, p-value: 2.871e-152010 yılı verilerine göre, tarımsal alanların genişlemesi, kişi başına gelir artışı ve tatlı su kullanımı, ülkelerin orman alanlarını istatistiksel olarak anlamlı biçimde azaltmaktadır. Bulgular, ekonomik büyüme ve doğal kaynak kullanımının bu dönemde çevresel sürdürülebilirlikle uyumlu olmadığını göstermektedir. Özellikle tarımsal genişleme, ormansızlaşmanın temel belirleyicisi olarak öne çıkmaktadır.
Grafik
ggplot(df_2010_temiz, aes(x = AG.LND.AGRI.ZS, y = AG.LND.FRST.ZS)) +
geom_point(color = "steelblue", alpha = 0.7) +
geom_smooth(method = "lm", se = TRUE, color = "darkred") +
labs(
title = "2010 Yılında Tarım Alanı ve Orman Alanı İlişkisi",
x = "Tarım Alanı (% toplam alan)",
y = "Orman Alanı (% toplam alan)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
2010 yılına ait grafik, tarım alanı ile orman alanı arasında negatif
yönlü bir ilişki olduğunu göstermektedir. Tarım alanı oranı arttıkça
orman alanının azaldığı gözlemlenmektedir. Regresyon doğrusunun aşağı
yönlü eğimi, tarımsal faaliyetlerin orman alanları üzerinde baskı
oluşturduğunu göstermektedir. Bu bulgu, önceki yıllarla tutarlı bir
şekilde, arazi kullanımındaki dönüşümün ormansızlaşma ile ilişkili
olduğunu ortaya koymaktadır.
2015 Yılı İçin
Bu adımda veri seti 2015 yılına filtrelenmiştir. Böylece analiz yalnızca 2015 yılına ait ülkeleri kapsamaktadır.
df_2015 <- df_ulkeler %>% filter(year == 2015)Bağımlı değişken olan orman alanı oranında (AG.LND.FRST.ZS) eksik gözlemi bulunan ülkeler analiz dışı bırakılmıştır. Bu işlem, regresyon sonuçlarının tutarlı olması için gereklidir.
df_2015_temiz <- df_2015 %>% filter(!is.na(AG.LND.FRST.ZS))Tarım alanı oranı (AG.LND.AGRI.ZS) temel açıklayıcı değişken olduğu için, bu değişkende eksik değeri bulunan gözlemler veri setinden çıkarılmıştır.
df_2015_temiz <- df_2015 %>% filter(!is.na(AG.LND.AGRI.ZS))Kişi başına düşen reel GSYH değişkeni, ekonomik gelişmişlik düzeyini temsil etmektedir. Bu değişkende eksik gözlem bulunan ülkeler analizden çıkarılmıştır.
df_2015_temiz <- df_2015 %>% filter(!is.na(NY.GDP.PCAP.KD))Tatlı su çekimi oranı çevresel baskıyı temsil eden önemli bir değişkendir. Bu nedenle eksik değerlere sahip gözlemler temizlenmiştir.
df_2015_temiz <- df_2015 %>% filter(!is.na(ER.H2O.FWTL.ZS))Bu modelde yalnızca tarım alanı oranının orman alanı üzerindeki etkisi incelenmektedir. Basit doğrusal regresyon ile tarımsal genişlemenin ormansızlaşma üzerindeki doğrudan etkisi analiz edilmektedir.
reg_2015 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS , data = df_2015_temiz)Elde edilen sonuçlar, 2015 yılında tarım alanı oranı ile orman alanı arasında negatif yönlü bir ilişki olduğunu göstermektedir. Tarım alanı arttıkça orman alanının azaldığı görülmektedir.
summary(reg_2015)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS, data = df_2015_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -50.686 -9.039 1.878 12.193 43.259
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 52.77835 2.83556 18.613 < 2e-16 ***
## AG.LND.AGRI.ZS -0.53683 0.06388 -8.404 5.19e-15 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 18.95 on 222 degrees of freedom
## Multiple R-squared: 0.2414, Adjusted R-squared: 0.2379
## F-statistic: 70.63 on 1 and 222 DF, p-value: 5.193e-15Bu aşamada 2015 yılına ait veriler kullanılarak çoklu doğrusal regresyon modeli kurulmuştur. Modelde bağımlı değişken olarak orman alanı oranı (AG.LND.FRST.ZS) yer almakta; bağımsız değişkenler olarak ise tarım alanı oranı (AG.LND.AGRI.ZS), kişi başına düşen reel GSYH (NY.GDP.PCAP.KD) ve tatlı su çekimi oranı (ER.H2O.FWTL.ZS) kullanılmaktadır.
reg_2015 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD + ER.H2O.FWTL.ZS,
data = df_2015_temiz)summary(reg_2015)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD +
## ER.H2O.FWTL.ZS, data = df_2015_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -51.278 -7.688 1.358 10.654 39.656
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.768e+01 3.067e+00 18.808 < 2e-16 ***
## AG.LND.AGRI.ZS -5.932e-01 6.230e-02 -9.522 < 2e-16 ***
## NY.GDP.PCAP.KD -1.168e-04 7.188e-05 -1.625 0.106
## ER.H2O.FWTL.ZS -1.236e-02 2.315e-03 -5.341 2.32e-07 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 17.87 on 218 degrees of freedom
## (2 observations deleted due to missingness)
## Multiple R-squared: 0.3321, Adjusted R-squared: 0.3229
## F-statistic: 36.14 on 3 and 218 DF, p-value: < 2.2e-162015 yılına ait çoklu regresyon sonuçları, tarım alanı oranının orman alanı üzerinde negatif ve anlamlı bir etkiye sahip olduğunu göstermektedir. Bu bulgu, tarımsal genişlemenin ormansızlaşmayı artırdığı yönündeki beklentilerle uyumludur. Kişi başına düşen gelir ve tatlı su kullanımı değişkenleri ise orman alanı üzerinde ikincil fakat tamamlayıcı etkilere sahiptir.
grafik
ggplot(df_2015_temiz, aes(x = AG.LND.AGRI.ZS, y = AG.LND.FRST.ZS)) +
geom_point(color = "steelblue", alpha = 0.7) +
geom_smooth(method = "lm", se = TRUE, color = "darkred") +
labs(
title = "2015 Yılında Tarım Alanı ve Orman Alanı İlişkisi",
x = "Tarım Alanı (% toplam alan)",
y = "Orman Alanı (% toplam alan)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
2015 yılına ait sonuçlar, tarım alanı ile orman alanı arasında negatif
yönlü bir ilişki olduğunu göstermektedir. Tarım alanının arttığı
ülkelerde orman alanlarının azaldığı gözlemlenmektedir. Regresyon
doğrusunun aşağı eğimli olması, tarımsal faaliyetlerin orman alanları
üzerindeki baskısının 2015 yılında da devam ettiğini ortaya koymaktadır.
Bu bulgu, önceki yıllarla tutarlı bir eğilime işaret etmektedir.
2020 Yılı İçin
Bu aşamada yalnızca 2020 yılına ait gözlemleri seçmiş bulunmaktayız.
df_2020 <- df_ulkeler %>% filter(year == 2020)Orman alanı oranı eksik olan ülkeler veri setinden çıkarılmıştır. Bağımlı değişkende eksiklik olması modelin tahmin gücünü bozacağından bu temizlik zorunludur.
df_2020_temiz <- df_2020 %>% filter(!is.na(AG.LND.FRST.ZS))Tarım alanı oranı ana açıklayıcı değişken olduğu için eksik gözlemleri devre dışı bıraktık.
df_2020_temiz <- df_2020 %>% filter(!is.na(AG.LND.AGRI.ZS))Kişi başına düşen gelir değişkeni ekonomik gelişmişliği temsil ettiğinden, eksik değer içeren gözlemleri çıkarttık
df_2020_temiz <- df_2020 %>% filter(!is.na(NY.GDP.PCAP.KD))Tatlı su kullanımı doğal kaynak baskısını yansıtan bir gösterge olduğu için veri bütünlüğünü sağladık.
df_2020_temiz <- df_2020 %>% filter(!is.na(ER.H2O.FWTL.ZS))Bu modelde yalnızca tarım alanı oranının, orman alanı üzerindeki etkisi incelenmiştir. Amaç, tarımsal faaliyetlerin ormansızlaşma üzerindeki doğrudan etkisini gözlemlemektir.
reg_2020 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS , data = df_2020_temiz)modele ekonomik ve çevresel kontrol değişkenleri eklenmiştir. Böylece tarım alanının orman alanı üzerindeki etkisi, gelir düzeyi ve su kullanımı sabit tutulduğunda incelenmiştir.
summary(reg_2020)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS, data = df_2020_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -49.885 -9.236 1.740 11.646 43.679
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 52.01987 2.79848 18.589 < 2e-16 ***
## AG.LND.AGRI.ZS -0.52389 0.06278 -8.345 7.61e-15 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 18.78 on 222 degrees of freedom
## Multiple R-squared: 0.2388, Adjusted R-squared: 0.2353
## F-statistic: 69.64 on 1 and 222 DF, p-value: 7.608e-15Tarım alanlarının genişlemesi, orman alanları üzerinde istatistiksel olarak anlamlı ve negatif bir etkiye sahiptir. Ancak modelin açıklayıcılığı sınırlı olduğundan, ekonomik kalkınma ve doğal kaynak kullanımı gibi ek değişkenlerin modele dahil edilmesi gerekmektedir
reg_2020 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD + ER.H2O.FWTL.ZS,
data = df_2020_temiz)2020 sonuçları, önceki yıllarla aynı yapının devam ettiğini gösteriyor.
Tarım alanı oranı (AG.LND.AGRI.ZS) yine güçlü ve negatif: Tarım alanı arttıkça orman alanı azalıyor. Etki hem büyük hem çok anlamlı (p < 0.001). Bu değişken modelin omurgası.
Kişi başı gelir (NY.GDP.PCAP.KD) bu yıl sınırda anlamlı (p ≈ 0.055). Yani ekonomik büyümenin orman kaybı üzerindeki etkisi zayıflamış, istatistiksel olarak net değil.
Tatlı su kullanımı (ER.H2O.FWTL.ZS) yine negatif ve güçlü biçimde anlamlı. Doğal kaynak baskısı orman kaybını artırıyor.
Model genel olarak anlamlı (F-test çok güçlü) ve açıklama gücü orta seviyede
summary(reg_2020)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD +
## ER.H2O.FWTL.ZS, data = df_2020_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -50.788 -7.781 1.297 10.554 40.267
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.652e+01 3.030e+00 18.652 < 2e-16 ***
## AG.LND.AGRI.ZS -5.720e-01 6.140e-02 -9.317 < 2e-16 ***
## NY.GDP.PCAP.KD -1.049e-04 7.038e-05 -1.490 0.138
## ER.H2O.FWTL.ZS -9.998e-03 1.986e-03 -5.035 1.01e-06 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 17.79 on 216 degrees of freedom
## (4 observations deleted due to missingness)
## Multiple R-squared: 0.3208, Adjusted R-squared: 0.3114
## F-statistic: 34.01 on 3 and 216 DF, p-value: < 2.2e-16Sonuçlar, 2020 yılında da tarım alanı oranının orman alanı üzerinde istatistiksel olarak anlamlı ve negatif bir etkiye sahip olduğunu göstermektedir. Bu durum, tarımsal faaliyetlerin orman alanlarını daraltıcı etkisinin yapısal bir özellik taşıdığını ortaya koymaktadır.
grafik
ggplot(df_2020_temiz, aes(x = AG.LND.AGRI.ZS, y = AG.LND.FRST.ZS)) +
geom_point(color = "steelblue", alpha = 0.7) +
geom_smooth(method = "lm", se = TRUE, color = "darkred") +
labs(
title = "2020 Yılında Tarım Alanı ve Orman Alanı İlişkisi",
x = "Tarım Alanı (% toplam alan)",
y = "Orman Alanı (% toplam alan)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
2020 yılına ait sonuçlar, tarım alanı ile orman alanı arasında negatif
yönlü ilişkinin devam ettiğini göstermektedir. Tarım alanlarının
genişlemesi, orman alanlarının azalmasıyla ilişkilidir. Regresyon
doğrusunun aşağı yönlü olması, önceki yıllarda gözlenen eğilimin 2020
yılında da sürdüğünü ortaya koymaktadır. Bu durum, tarımsal
faaliyetlerin uzun dönemde orman alanları üzerinde kalıcı bir baskı
oluşturduğunu düşündürmektedir.
Son yıl 2022 Yılı İçin
Analizde yalnızca 2022 yılına ait gözlemleri kullanmak için veri seti yıl bazında filtreledik.
df_2022 <- df_ulkeler %>% filter(year == 2022)Bağımlı değişken olan orman alanı oranı (AG.LND.FRST.ZS) için eksik gözlemler veri setinden çıkardık.
df_2022_temiz <- df_2022 %>% filter(!is.na(AG.LND.FRST.ZS))Tarımsal alan oranı değişkeninde eksik gözlemler temizlenmiştir. Böylece regresyonda kullanılacak gözlemler tutarlı hale getirdik
df_2022_temiz <- df_2022 %>% filter(!is.na(AG.LND.AGRI.ZS))Kişi başına düşen GSYH değişkeni için eksik veriler çıkarılarak ekonomik büyüklük göstergesinin modele sağlıklı biçimde dahil edilmesi sağladık
df_2022_temiz <- df_2022 %>% filter(!is.na(NY.GDP.PCAP.KD))Tatlı su çekimi değişkenindeki eksik gözlemler temizlenmiş, böylece doğal kaynak kullanımı değişkeni analiz için hazır hale getirdik
df_2022_temiz <- df_2022 %>% filter(!is.na(ER.H2O.FWTL.ZS))Bu modelde yalnızca tarım alanlarının orman alanları üzerindeki etkisi incelenmiştir. Basit doğrusal regresyon kullanılarak tarımsal genişlemenin ormansızlaşma ile ilişkisi analiz ettik.
reg_2022 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS , data = df_2022_temiz)Modelin katsayıları, anlamlılık düzeyleri ve açıklayıcılık gücü (R²) incelenerek tarım alanlarının orman alanı üzerindeki etkisini değerlendirdik
summary(reg_2022)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS, data = df_2022_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -49.797 -10.487 2.517 12.658 43.566
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 51.91817 3.13986 16.54 < 2e-16 ***
## AG.LND.AGRI.ZS -0.50920 0.06891 -7.39 6.01e-12 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19.96 on 173 degrees of freedom
## Multiple R-squared: 0.2399, Adjusted R-squared: 0.2355
## F-statistic: 54.61 on 1 and 173 DF, p-value: 6.013e-12Elde edilen sonuçlar, tarım alanlarının genişlemesinin orman alanlarını istatistiksel olarak anlamlı ve negatif yönde etkilediğini göstermektedir. Tarım alanındaki %1’lik artış, orman alanında yaklaşık %0.51’lik bir azalışa yol açmaktadır. Model, orman alanındaki değişimin yaklaşık %24’ünü açıklamaktadır. Bu bulgular, arazi kullanımındaki rekabetin ormansızlaşma üzerinde belirleyici bir rol oynadığını ortaya koymaktadır
reg_2022 <- lm( AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD + ER.H2O.FWTL.ZS,
data = df_2022_temiz)Bu aşamada modele kişi başına gelir ve tatlı su kullanımı değişkenleri eklenerek çoklu regresyon kurulmuştur. Amaç, orman alanları üzerindeki etkinin yalnızca tarımdan mı yoksa ekonomik ve çevresel faktörlerden mi kaynaklandığını test etmektir.
summary(reg_2022)##
## Call:
## lm(formula = AG.LND.FRST.ZS ~ AG.LND.AGRI.ZS + NY.GDP.PCAP.KD +
## ER.H2O.FWTL.ZS, data = df_2022_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -51.154 -8.639 2.266 12.331 39.356
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.742e+01 3.399e+00 16.890 < 2e-16 ***
## AG.LND.AGRI.ZS -5.615e-01 6.685e-02 -8.399 1.86e-14 ***
## NY.GDP.PCAP.KD -1.304e-04 7.331e-05 -1.779 0.0771 .
## ER.H2O.FWTL.ZS -9.802e-03 2.108e-03 -4.649 6.75e-06 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 18.79 on 167 degrees of freedom
## (4 observations deleted due to missingness)
## Multiple R-squared: 0.3333, Adjusted R-squared: 0.3213
## F-statistic: 27.83 on 3 and 167 DF, p-value: 1.199e-14Çoklu regresyon sonuçları incelenerek her bir bağımsız değişkenin orman alanları üzerindeki marjinal etkisi ve modelin genel açıklayıcılığını değerlendirdik Tarım genişledikçe orman alanı daralıyor. Bu, arazi kullanımında ikame etkisini net biçimde doğruluyor. En güçlü ve en net değişken bu.
grafik
ggplot(df_2022_temiz, aes(x = AG.LND.AGRI.ZS, y = AG.LND.FRST.ZS)) +
geom_point(color = "steelblue", alpha = 0.7) +
geom_smooth(method = "lm", se = TRUE, color = "darkred") +
labs(
title = "2022 Yılında Tarım Alanı ve Orman Alanı İlişkisi",
x = "Tarım Alanı (% toplam alan)",
y = "Orman Alanı (% toplam alan)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
2022 yılına ait sonuçlar, tarım alanı ile orman alanı arasındaki negatif ilişkinin devam ettiğini göstermektedir. Tarım alanlarının genişlemesi, orman alanlarının daralmasıyla birlikte ilerlemektedir. Regresyon doğrusunun aşağı yönlü eğimi, önceki yıllarda gözlenen eğilimin 2022 yılında da sürdüğünü ortaya koymaktadır. Bu bulgu, tarımsal faaliyetlerin uzun vadede orman alanları üzerinde kalıcı baskı yarattığını desteklemektedir.
Sonuç
Bu çalışmada, ülkelerin çevresel sürdürülebilirliğini etkileyen temel faktörler incelenmiş; özellikle tarım alanları, ekonomik gelişmişlik ve doğal kaynak kullanımı ile orman alanları arasındaki ilişki analiz edilmiştir. Dünya Bankası verileri kullanılarak 2000, 2005, 2010, 2015, 2020 ve 2022 yıllarını kapsayan kesitsel analizler gerçekleştirilmiş; eksik gözlemler temizlenerek tutarlı bir veri seti oluştururduk
Elde edilen bulgular, tüm dönemler boyunca tarım alanı oranı ile orman alanı oranı arasında istikrarlı ve negatif yönlü bir ilişki bulunduğunu göstermektedir. Başka bir ifadeyle, tarımsal faaliyetlerin genişlediği ülkelerde orman alanlarının daraldığı görülmektedir. Bu sonuç, tarımsal genişlemenin ormansızlaşmaya yol açtığı yönündeki teorik beklentilerle uyumludur.
Çoklu regresyon analizleri, tarım alanı değişkeninin yanı sıra kişi başına düşen gelir ve tatlı su kullanımı gibi faktörlerin de orman alanları üzerinde anlamlı etkilere sahip olduğunu ortaya koymuştur. Özellikle kişi başına gelir arttıkça orman alanlarında sınırlı da olsa bir azalma eğilimi gözlenmesi, ekonomik büyümenin her zaman çevresel sürdürülebilirlikle paralel ilerlemediğine işaret etmektedir. Benzer şekilde, tatlı su kaynaklarının yoğun olduğu ülkelerde orman alanlarının görece daha düşük olması, doğal kaynakların kullanımı ile arazi dönüşümü arasındaki ilişkiyi ortaya koymaktadır.
Grafiksel analizler de regresyon sonuçlarını desteklemekte; tüm yıllarda tarım alanı ile orman alanı arasında aşağı yönlü bir ilişki gözlemlenmektedir. Bu durum, söz konusu ilişkinin dönemsel değil, yapısal bir özellik taşıdığını düşündürmektedir.
Sonuç olarak, bu çalışma tarımsal faaliyetlerin ve ekonomik yapıların orman alanları üzerinde kalıcı bir baskı oluşturduğunu ortaya koymaktadır. Bulgular, sürdürülebilir kalkınma politikalarının oluşturulmasında arazi kullanım planlamasının ve doğal kaynakların korunmasına yönelik politikaların önemini vurgulamaktadır. Özellikle tarımsal üretim artışı ile çevresel sürdürülebilirlik arasındaki dengenin gözetilmesi, uzun vadeli çevre politikaları açısından kritik bir gereklilik olarak öne çıkmaktadır.