rpojeodev
sevilaykarakus
2025-12-24
Giriş:
Yoksulluk, ekonomik ve sosyal politikaların merkezinde yer alan temel bir kalkınma sorunudur. Geleneksel yaklaşımlar yoksulluğu gelir eksikliği üzerinden tanımlarken, modern literatür yoksulluğun çok boyutlu bir olgu olduğunu vurgulamaktadır (Sen, 1999). Bu bağlamda, yoksulluğun doğru biçimde analiz edilebilmesi için farklı göstergelerin birlikte değerlendirilmesi gerekmektedir.
Bu çalışmanın amacı, Türkiye’de yoksulluğun zaman içindeki seyrini incelemek ve yoksulluk ile gelir düzeyi, nüfus ve gelir dağılımı arasındaki ilişkileri ampirik olarak analiz etmektir.
Veri ve yöntem:
Çalışmada Dünya Bankası Dünya Kalkınma Göstergeleri (World Development Indicators – WDI) veri tabanından elde edilen yıllık veriler kullanılmıştır. Analiz dönemi 2005–2022 yıllarını kapsamaktadır. Kullanılan başlıca değişkenler şunlardır:
SI.POV.NAHC: Ulusal yoksulluk sınırlarına göre yoksulluk oranı(%nüfus)
SI.POV.MPWB: Çok boyutlu yoksulluk oranı (Dünya bankası)(% nüfus)
SI.POV.SOPO: Yoksulluk sınırındaki kişi sayısı oranı(% nüfus)
SI.POV.GINI: Gini endeksi
library(WDI)data <- WDI(country = "all", indicator = c("SI.POV.NAHC","SI.POV.MPWB","SI.POV.SOPO","SI.POV.GINI"))poverty_data <- WDI(
country = "TUR",
indicator = c(
"SI.POV.NAHC",
"SI.POV.MPWB",
"SI.POV.SOPO",
"SI.POV.GINI"
),
start = 2000,
end = 2023
)Açıklama:
Dünya Bankası veri tabanından Türkiye için 2000–2023 dönemine ait yoksulluk ve gelir dağılımı göstergeleri çekilmiştir.
library(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, unionpoverty_data <- poverty_data %>%
rename(
gini = any_of("SI.POV.GINI"),
yoksulluk_sinirinda_nufus = any_of("SI.POV.SOPO"),
ulusal_yoksulluk = any_of("SI.POV.NAHC"),
cok_boyutlu_yoksulluk = any_of("SI.POV.MPWB")
) %>%
arrange(year)colnames(poverty_data)## [1] "country" "iso2c"
## [3] "iso3c" "year"
## [5] "ulusal_yoksulluk" "cok_boyutlu_yoksulluk"
## [7] "yoksulluk_sinirinda_nufus" "gini"head(poverty_data)## country iso2c iso3c year ulusal_yoksulluk cok_boyutlu_yoksulluk
## 1 Turkiye TR TUR 2000 NA NA
## 2 Turkiye TR TUR 2001 25.0 NA
## 3 Turkiye TR TUR 2002 NA NA
## 4 Turkiye TR TUR 2003 NA NA
## 5 Turkiye TR TUR 2004 NA NA
## 6 Turkiye TR TUR 2005 18.5 NA
## yoksulluk_sinirinda_nufus gini
## 1 NA NA
## 2 NA NA
## 3 28.3 41.4
## 4 28.6 42.2
## 5 27.9 41.3
## 6 26.6 42.6df_2000 <- poverty_data %>% filter(year == 2000)
df_2005 <- poverty_data %>% filter(year == 2005)
df_2010 <- poverty_data %>% filter(year == 2010)
df_2015 <- poverty_data %>% filter(year == 2015)
df_2018 <- poverty_data %>% filter(year == 2018)
df_2023 <- poverty_data %>% filter(year == 2023)poverty_data %>%
select(year, ulusal_yoksulluk, cok_boyutlu_yoksulluk, gini)## year ulusal_yoksulluk cok_boyutlu_yoksulluk gini
## 1 2000 NA NA NA
## 2 2001 25.0 NA NA
## 3 2002 NA NA 41.4
## 4 2003 NA NA 42.2
## 5 2004 NA NA 41.3
## 6 2005 18.5 NA 42.6
## 7 2006 16.3 NA 39.6
## 8 2007 16.7 NA 38.4
## 9 2008 17.1 NA 39.0
## 10 2009 16.9 NA 39.0
## 11 2010 16.1 NA 38.8
## 12 2011 16.3 2.3 40.0
## 13 2012 15.0 2.2 40.2
## 14 2013 15.0 1.8 40.2
## 15 2014 14.7 1.3 41.2
## 16 2015 14.3 1.7 42.9
## 17 2016 13.5 1.3 41.9
## 18 2017 13.9 1.2 43.5
## 19 2018 14.4 1.1 42.4
## 20 2019 15.0 1.4 43.8
## 21 2020 14.4 1.2 43.0
## 22 2021 14.4 1.0 44.4
## 23 2022 13.5 0.6 44.5
## 24 2023 13.6 NA NAlibrary(ggplot2)ggplot(poverty_data, aes(x = year)) +
geom_line(aes(y = ulusal_yoksulluk, color = "Ulusal Yoksulluk")) +
geom_line(aes(y = cok_boyutlu_yoksulluk, color = "Çok Boyutlu Yoksulluk")) +
geom_line(aes(y = gini, color = "Gini Endeksi")) +
labs(
title = "Türkiye'de Yoksulluk ve Gelir Dağılımı",
x = "Yıl",
y = "Oran",
color = "Göstergeler"
)## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_line()`).## Warning: Removed 12 rows containing missing values or values outside the scale range
## (`geom_line()`).## Warning: Removed 3 rows containing missing values or values outside the scale range
## (`geom_line()`).
Açıklama:
Bu çalışmada Türkiye’de yoksulluğun zaman içerisindeki seyrini gözlemleyebilmek amacıyla 2000, 2005, 2010, 2015, 2018 ve 2023 yılları seçilmiştir. Seçilen yıllar, hem uzun dönemli eğilimleri incelemeye olanak sağlamakta hem de ekonomik ve sosyal dönüşümlerin yoksulluk göstergeleri üzerindeki etkisini karşılaştırmalı olarak değerlendirmeye imkân tanımaktadır.
2000 yılı, Türkiye ekonomisinde 2001 krizi öncesi dönemi temsil etmesi açısından başlangıç noktası olarak ele alınmıştır. 2005 ve 2010 yılları, kriz sonrası toparlanma sürecini ve ekonomik büyümenin yoksulluk üzerindeki etkilerini gözlemlemek amacıyla seçilmiştir. 2015 ve 2018 yılları, küresel ve ulusal ekonomik dalgalanmaların yoksulluk ve gelir dağılımı üzerindeki yansımalarını değerlendirmek için analize dâhil edilmiştir. 2023 yılı ise en güncel durumu yansıtması açısından çalışmanın son gözlem yılı olarak belirlenmiştir.
Böylece farklı dönemlerdeki yoksulluk göstergeleri karşılaştırılarak Türkiye’de yoksulluğun yapısal değişimi daha kapsamlı bir biçimde analiz edilmiştir.
SORU1:
Ulusal yoksulluk sınırlarına göre yoksulluk oranı (% nüfus)” göstergesi neyi ifade eder ve neden ülkeler arasında karşılaştırma yaparken dikkatli olunmalıdır?
CEVAP:
Bu gösterge, bir ülkede kendi ulusal yoksulluk sınırının altında yaşayan nüfusun toplam nüfusa oranını (%) ifade eder. Ulusal yoksulluk sınırı, her ülkenin yaşam koşulları, gelir düzeyi ve tüketim alışkanlıklarına göre belirlenir.
Ülkeler arasında karşılaştırma yaparken dikkatli olunmalıdır çünkü ulusal yoksulluk sınırları ülkeden ülkeye farklılık gösterir. Bu nedenle bu gösterge, ülkelerin kendi içindeki yoksulluk durumunu izlemek için uygundur; ancak farklı ülkeler arasında doğrudan yoksulluk karşılaştırması yapmak için uluslararası yoksulluk sınırları (örneğin günde 2,15 ABD doları) daha sağlıklı sonuçlar verir.
# Paket kurulumu ve yükleme
install.packages("WDI")## Warning: package 'WDI' is in use and will not be installedlibrary(WDI)
# Dünya Bankası verisini çek (Türkiye, 2005–2022)
veri <- WDI(
country = "TUR",
indicator = "SI.POV.NAHC",
start = 2005,
end = 2022
)
# Eksik verileri temizle
veri <- na.omit(veri)
# Grafik (base R)
plot(
veri$year,
veri$SI.POV.NAHC,
type = "o",
col = "blue",
pch = 16,
xlab = "Yıl",
ylab = "Yoksulluk Oranı (% nüfus)",
main = "Ulusal Yoksulluk Sınırına Göre Yoksulluk Oranı (Türkiye)"
)
Grafik yorumu:
Ulusal yoksulluk sınırına göre yoksulluk oranını gösteren grafik, Türkiye’de yoksulluğun 2005–2022 döneminde genel olarak azaldığını göstermektedir. Özellikle 2000’li yılların ikinci yarısından itibaren yoksulluk oranında belirgin bir düşüş eğilimi dikkat çekmektedir.
Ravallion (1998), ulusal yoksulluk sınırlarının ülkelerin gelir seviyelerine ve yaşam standartlarına bağlı olarak belirlendiğini ve bu nedenle ülkeler arası karşılaştırmalarda dikkatli olunması gerektiğini vurgulamaktadır. Bu bağlamda elde edilen bulgular, Türkiye’nin kendi iç dinamikleri açısından yoksullukla mücadelede ilerleme kaydettiğini göstermektedir.
SORU2:
Dünya Bankası’na göre çok boyutlu yoksulluk oranı (% nüfus) neyi ölçer?
CEVAP:
Çok boyutlu yoksulluk oranı, bireylerin yalnızca gelir açısından değil; eğitim, sağlık ve yaşam koşulları gibi birden fazla alanda yoksunluk yaşayıp yaşamadığını ölçer ve bu yoksunlukları yaşayan nüfusun toplam nüfusa oranını (%) gösterir.
# Paket kurulumu ve yükleme
install.packages("WDI")## Warning: package 'WDI' is in use and will not be installedlibrary(WDI)
# Dünya Bankası verisini çek (örnek: Türkiye, 2010–2022)
veri <- WDI(
country = "TUR",
indicator = "SI.POV.MDIM",
start = 2010,
end = 2022
)
# Eksik verileri temizle
veri <- na.omit(veri)
# Grafik (base R)
plot(
veri$year,
veri$SI.POV.MDIM,
type = "o",
col = "darkgreen",
pch = 16,
xlab = "Yıl",
ylab = "Çok Boyutlu Yoksulluk Oranı (% nüfus)",
main = "Çok Boyutlu Yoksulluk Oranı (Dünya Bankası)"
)
Grafik yorumu:
Çok boyutlu yoksulluk oranını gösteren grafik, Türkiye’de eğitim, sağlık ve yaşam koşulları gibi alanlarda yoksunluk yaşayan nüfus oranının görece düşük seviyelerde seyrettiğini ortaya koymaktadır. Bu durum, temel kamu hizmetlerine erişimde iyileşmeler olduğunu düşündürmektedir.
Sen’in (1999) yapabilirlikler yaklaşımına göre bireylerin refah düzeyi yalnızca gelirle değil, sahip oldukları fırsatlarla ölçülmelidir. Alkire ve Foster (2011), gelir yoksulluğundaki azalışın her zaman çok boyutlu yoksullukta aynı ölçüde bir düşüş yaratmadığını belirtmektedir. Bu nedenle çok boyutlu yoksulluk göstergesi, yoksulluğun daha kapsamlı bir resmini sunmaktadır.
SORU3:
Dünya Bankası’nın yoksulluk sınırı göstergesine göre, bir ülkede yoksulluk oranının zaman içinde azalması hangi sosyo-ekonomik gelişmelere işaret edebilir?
CEVAP:
Yoksulluk oranının azalması; gelir artışı, istihdam olanaklarının genişlemesi, sosyal yardım politikalarının güçlenmesi ve ekonomik büyümenin toplumun alt gelir gruplarına yansıması gibi olumlu sosyo-ekonomik gelişmelere işaret edebilir.
install.packages("WDI")## Warning: package 'WDI' is in use and will not be installedlibrary(WDI)
veri <- WDI(
country = "TUR",
indicator = "SI.POV.DDAY",
start = 2005,
end = 2022
)
veri <- na.omit(veri)
plot(
veri$year,
veri$SI.POV.DDAY,
type = "o",
col = "blue",
pch = 16,
xlab = "Yıl",
ylab = "Yoksulluk Sınırı Altındaki Nüfus (% )",
main = "Yoksulluk Oranının Zaman İçindeki Değişimi"
)
Grafik yorumu:
Dünya Bankası yoksulluk sınırına göre yoksulluk oranının zaman içinde düzenli biçimde azalması, Türkiye’de mutlak yoksulluğun önemli ölçüde gerilediğini göstermektedir. Bu düşüş, ekonomik büyüme, istihdam artışı ve sosyal transfer politikalarının etkisiyle açıklanabilir.
Dollar ve Kraay (2002), ekonomik büyümenin ortalama olarak yoksulların gelirini artırdığını ve bu nedenle yoksulluğu azalttığını göstermektedir. Bu çalışmada elde edilen grafiksel bulgular da söz konusu literatürle uyumludur.
SORU4:
Bir ülkede Dünya Bankası Gini endeksinin yüksek çıkması, ekonomik büyüme tek başına artarken neden toplumsal refahın yükseldiğini göstermeyebilir?
CEVAP:
Gini endeksinin yüksek olması, gelir dağılımının adaletsiz olduğunu gösterir. Bu durumda ekonomik büyüme gerçekleşse bile gelir artışı toplumun küçük bir kesiminde yoğunlaşabilir. Dolayısıyla büyüme, geniş nüfus kesimlerinin yaşam koşullarını iyileştirmediği için toplumsal refah artışı sınırlı kalabilir.
# Paket kurulumu ve yükleme
install.packages("WDI")## Warning: package 'WDI' is in use and will not be installedlibrary(WDI)
# Dünya Bankası verisini çek (örnek: Türkiye, 2005–2022)
veri <- WDI(
country = "TUR",
indicator = "SI.POV.GINI",
start = 2005,
end = 2022
)
# Eksik verileri temizle
veri <- na.omit(veri)
# Grafik çizimi
plot(
veri$year,
veri$SI.POV.GINI,
type = "o",
col = "darkred",
pch = 16,
xlab = "Yıl",
ylab = "Gini Endeksi",
main = "Gelir Dağılımı Eşitsizliği (Gini Endeksi)"
)
Grafik yorumu:
Gini endeksi grafiği, Türkiye’de gelir dağılımı eşitsizliğinin zaman içinde dalgalı bir seyir izlediğini göstermektedir. Yoksulluk oranlarında gözlenen düşüşe rağmen Gini endeksinin görece yüksek seyretmesi, ekonomik büyümenin gelir dağılımı açısından kapsayıcı olmadığını düşündürmektedir.
Stiglitz (2012), gelir eşitsizliğinin yüksek olduğu ekonomilerde büyümenin toplumsal refah üzerindeki etkisinin sınırlı kaldığını belirtmektedir. Bu bağlamda, Türkiye için elde edilen bulgular büyüme–refah ilişkisine dair önemli bir tartışma alanı sunmaktadır.
Yoksulluk regresyonu:
“Yıllar geçtikçe yoksulluk oranı artıyor mu azalıyor mu?” veya “Gelir dağılımı (Gini), büyüme vb. yoksulluğu nasıl etkiliyor?”
Burada en temel regresyon: Bağımlı değişken (Y): Yoksulluk oranı Bağımsız değişken (X): Zaman (yıl)
Türkiye İçin Yoksulluk Regresyonu (Zamana Göre):
install.packages("WDI")## Warning: package 'WDI' is in use and will not be installedlibrary(WDI)
# Türkiye verisi
tur <- WDI(
country = "TUR",
indicator = "SI.POV.DDAY",
start = 2005,
end = 2022
)
tur <- na.omit(tur)
# Regresyon modeli
model_tur <- lm(SI.POV.DDAY ~ year, data = tur)
# Sonuçlar
summary(model_tur)##
## Call:
## lm(formula = SI.POV.DDAY ~ year, data = tur)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.0172 -0.5525 -0.2000 0.6096 2.0930
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 536.79763 73.97805 7.256 1.92e-06 ***
## year -0.26553 0.03674 -7.227 2.02e-06 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.8087 on 16 degrees of freedom
## Multiple R-squared: 0.7655, Adjusted R-squared: 0.7508
## F-statistic: 52.23 on 1 and 16 DF, p-value: 2.019e-06Yorumlaması:
-year katsayısı negatifse → Türkiye’de yoksulluk zamanla azalıyor -p-value < 0.05 → Bu azalış istatistiksel olarak anlamlı -R² → Zaman, yoksulluğu ne kadar açıklıyor?
Türkiye İçin Regresyonu Grafik Üzerinde Gösterme:
plot(tur$year, tur$SI.POV.DDAY,
pch = 16, col = "blue",
xlab = "Yıl",
ylab = "Yoksulluk Oranı (%)",
main = "Türkiye'de Yoksulluk ve Regresyon")
abline(model_tur, col = "red", lwd = 2)
Dünya Geneli İçin Yoksulluk Regresyonu:
Yoksulluk, sadece tek bir ülke içinde değil, küresel ekonominin yapısı ve dinamikleriyle de ilişkilidir. 2000’li yıllardan itibaren özellikle küresel yoksulluk oranlarında belirgin düşüşler gözlemlenmiştir (World Bank, 2020). Bu düşüşlerin ekonomik büyüme, küresel ticaret, teknolojik gelişim ve kamu politikalarıyla ilişkisi, literatürde geniş bir şekilde incelenmektedir.
Dünya geneli yoksulluk regresyonu, yoksulluk oranlarının zamanla nasıl değiştiğini anlamak ve küresel eğilimleri ölçmek için kullanılan temel ampirik araçlardan biridir.
dunya <- WDI(
country = "WLD",
indicator = "SI.POV.DDAY",
start = 2005,
end = 2022
)
dunya <- na.omit(dunya)
model_world <- lm(SI.POV.DDAY ~ year, data = dunya)
summary(model_world)##
## Call:
## lm(formula = SI.POV.DDAY ~ year, data = dunya)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.16092 -1.41339 -0.09657 1.42226 3.04602
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2255.98034 164.35797 13.73 6.75e-10 ***
## year -1.11188 0.08164 -13.62 7.53e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.737 on 15 degrees of freedom
## Multiple R-squared: 0.9252, Adjusted R-squared: 0.9202
## F-statistic: 185.5 on 1 and 15 DF, p-value: 7.527e-10Temel bulgular:
Yıl katsayısı negatif ve yüksek düzeyde anlamlıdır (p < 0.001): Bu sonuç, dünya genelinde yoksulluk oranının zamanla azaldığını istatistiksel olarak güçlü bir şekilde desteklemektedir.
R² ≈ 0.93: Model, yoksulluk oranlarındaki değişimin %93’ünü açıklamaktadır; bu da küresel yoksulluk eğilimlerinin zaman trendiyle çok yakından ilişkili olduğunu gösterir.
Küresel yoksulluk eğilimi:
Dünya Bankası’nın gelişmiş tahminlerine göre, 1990’lardan itibaren küresel yoksullukta belirgin bir düşüş yaşanmıştır (World Bank, 2020). Bu eğilim, büyük ekonomilerde büyüme, Çin ve Hindistan gibi ülkelerde yoksullukla mücadelede elde edilen ilerleme ve küresel ticaretin genişlemesiyle ilişkilendirilmiştir (Milanovic, 2016).
Bu çalışma da regresyon çıktılarıyla aynı istikameti göstermektedir: yoksulluk zamanla düşmektedir. Bu bulgu, küresel ölçekte yoksulluğu azaltıcı ekonomik ve politik faktörlerin etkisini doğrulamaktadır.
Eşitlik ve bölgesel farklılıklar:
Yoksulluk analizlerinde yalnızca zaman trendine bakmak, bölgesel eşitsizlikleri göz ardı edebilir. Milanovic (2012), küresel gelir eşitsizliğinin bölgesel farklılıklar nedeniyle karmaşık bir tablo çizdiğini, bu yüzden küresel ortalamanın altına ve üstüne olan ülkelerin farklı dinamiklere sahip olduğunu vurgulamıştır. Bu çalışmada regresyon global ortalamayı yansıttığı için “küresel düşüş trendi”yi yakalamaktadır; fakat farklı ülkeler ve bölgeler arasında bu trendin tutarlılığı farklılaşabilir.
Büyüme ve yoksulluk ilişkisi:
Büyük literatür, ekonomik büyüme ile yoksulluk arasındaki negatif ilişkiyi kapsamlı olarak tartışmaktadır. Dollar & Kraay (2002), küresel düzeyde ekonomik büyümenin ortalama olarak yoksulların gelirini artırdığını ve yoksulluğu azalttığını ortaya koymuştur. Benzer biçimde Ravallion (2001), büyümenin yoksulluğu azaltmada önemli bir itici güç olduğunu, fakat bunun dağılım faktörlerine de bağlı olduğunu vurgulamıştır:
Büyüme tek başına yoksulluğu azaltabilir;
Ancak büyümenin kapsayıcı olması, eşitsizlik koşullarını iyileştirmesi de gerekir.
Bu bağlamda regresyon bulgusu, küresel büyüme süreçlerinin yoksulluk üzerinde genel olarak olumlu etkiler yarattığını desteklemektedir.
Sonuç:
Dünya geneli için yapılan regresyon analizi, yoksulluk oranının zaman içinde anlamlı biçimde azaldığını güçlü bir şekilde göstermektedir. Bu sonuç, hem Dünya Bankası verilerinin genel eğilimiyle hem de literatürdeki yoksulluk–büyüme ilişkisinin temel bulgularıyla uyumludur.
Ancak bu analiz, global ortalamaya dayandığı için bireysel ülke dinamiklerini ayrıştırmamaktadır. Bu da sonraki çalışmalar için bölgesel ve gelir grubu temelli analiz gereksinimini doğurmaktadır.
Türkiye – Dünya Karşılaştırmalı Regresyon Mantığı:
plot(dunya$year, dunya$SI.POV.DDAY,
type = "l", col = "black", lwd = 2,
xlab = "Yıl", ylab = "Yoksulluk Oranı (%)",
main = "Türkiye ve Dünya Yoksulluk Eğilimleri")
lines(tur$year, tur$SI.POV.DDAY, col = "blue", lwd = 2)
legend("topright",
legend = c("Dünya", "Türkiye"),
col = c("black", "blue"),
lwd = 2)
Regresyon yorumu:
Bu çalışmada gerçekleştirilen regresyon analizleri, hem Türkiye’de hem de dünya genelinde yoksulluk oranlarının zaman içinde istatistiksel olarak anlamlı bir biçimde azaldığını ortaya koymaktadır. Zamana bağlı regresyon modellerinde yıl değişkeninin katsayısının negatif ve anlamlı olması, yoksulluk oranlarında uzun dönemli bir düşüş eğiliminin varlığına işaret etmektedir. Bu bulgu, literatürde ekonomik büyümenin yoksulluğu azaltıcı etkisini vurgulayan çalışmalarla (Ravallion, 2001; Dollar ve Kraay, 2002) uyumludur. Ancak regresyon modellerinin açıklayıcılık gücü yüksek olmakla birlikte, analizler nedensellik değil yalnızca ilişki ortaya koymaktadır. Yoksulluğun yalnızca zaman veya gelir artışıyla açıklanamayacağı; gelir dağılımı, sosyal politikalar ve yapısal faktörlerin de belirleyici olduğu literatürde sıklıkla vurgulanmaktadır. Bu nedenle elde edilen sonuçlar, ekonomik büyümenin yoksulluğu azaltmada önemli bir rol oynadığını ancak kapsayıcı politikalarla desteklenmediği sürece toplumsal refah artışının sınırlı kalabileceğini göstermektedir.
Yoksulluk verileriyle birlikte kişi başı gelir (ve nüfus/popülasyon) verilerini bulma:
Dünya Bankası’nda: -Yoksulluk oranı → yüzde (%) olarak verilir -Kişi başı gelir (GDP per capita) → dolar cinsinden verilir -Nüfus (Population) → toplam kişi sayısıdır
Verileri çekme:
install.packages("WDI")## Warning: package 'WDI' is in use and will not be installedlibrary(WDI)
veri <- WDI(
country = "TUR", # Türkiye (WLD = Dünya)
indicator = c(
"SI.POV.DDAY", # Yoksulluk oranı
"NY.GDP.PCAP.CD", # Kişi başı gelir
"SP.POP.TOTL" # Nüfus
),
start = 2005,
end = 2022
)
veri <- na.omit(veri)
head(veri)## country iso2c iso3c year SI.POV.DDAY NY.GDP.PCAP.CD SP.POP.TOTL
## 1 Turkiye TR TUR 2005 6.5 7331.854 69329557
## 2 Turkiye TR TUR 2006 4.8 7990.083 70045349
## 3 Turkiye TR TUR 2007 4.0 9766.917 70158112
## 4 Turkiye TR TUR 2008 3.3 10913.408 71051678
## 5 Turkiye TR TUR 2009 3.0 9076.925 72039206
## 6 Turkiye TR TUR 2010 2.8 10698.970 73142150Yoksul Kişi Sayısını Hesaplama:
veri$yoksul_kisi_sayisi <-
(veri$SI.POV.DDAY / 100) * veri$SP.POP.TOTLKişi Başı Gelir – Yoksulluk İlişkisi (Grafik):
plot(
veri$NY.GDP.PCAP.CD,
veri$SI.POV.DDAY,
pch = 16,
col = "blue",
xlab = "Kişi Başı Gelir (USD)",
ylab = "Yoksulluk Oranı (%)",
main = "Kişi Başı Gelir ve Yoksulluk İlişkisi"
)
Yorum:
📉 Genelde:
Gelir ↑ → Yoksulluk ↓ (negatif ilişki)
Regresyon:
model <- lm(SI.POV.DDAY ~ NY.GDP.PCAP.CD, data = veri)
summary(model)##
## Call:
## lm(formula = SI.POV.DDAY ~ NY.GDP.PCAP.CD, data = veri)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.11221 -1.10832 0.09579 0.99004 2.24831
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 9.4494549 2.3333546 4.050 0.00093 ***
## NY.GDP.PCAP.CD -0.0007089 0.0002246 -3.156 0.00612 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.311 on 16 degrees of freedom
## Multiple R-squared: 0.3837, Adjusted R-squared: 0.3452
## F-statistic: 9.961 on 1 and 16 DF, p-value: 0.006116Yorum:
-Katsayı negatifse → Gelir arttıkça yoksulluk azalır -p-value < 0.05 → ilişki anlamlıdır.
Genel değerlendirme ve sonuç:
Bu çalışmada Dünya Bankası verileri kullanılarak Türkiye’de ve dünya genelinde yoksulluğun zaman içindeki seyri grafikler ve regresyon analizleri aracılığıyla incelenmiştir. Elde edilen bulgular, hem Türkiye’de hem de küresel ölçekte yoksulluk oranlarının uzun dönemde azalma eğiliminde olduğunu göstermektedir. Zamana bağlı regresyon sonuçlarında yıl değişkeninin negatif ve istatistiksel olarak anlamlı olması, yoksulluktaki bu düşüşün tesadüfi olmadığını ortaya koymaktadır. Bu sonuçlar, ekonomik büyümenin ortalama olarak yoksulluğu azaltıcı bir etkiye sahip olduğunu savunan literatürle uyumludur (Ravallion, 2001; Dollar & Kraay, 2002). Bununla birlikte Gini endeksi ve kişi başı gelir analizleri, yoksulluğun yalnızca gelir artışıyla açıklanamayacağını; gelir dağılımı eşitsizliği ve kapsayıcı olmayan büyüme süreçlerinin toplumsal refah üzerindeki etkisinin devam ettiğini göstermektedir. Sen’in (1999) çok boyutlu yoksulluk yaklaşımı ve Bourguignon’un (2004) büyüme–eşitsizlik–yoksulluk ilişkisine dair çalışmaları da bu bulguları desteklemektedir. Sonuç olarak, analizler ekonomik büyümenin yoksulluğu azaltmada önemli bir rol oynadığını ortaya koymakla birlikte, sürdürülebilir ve kalıcı bir refah artışı için adil gelir dağılımını ve sosyal politikaları önceleyen kapsayıcı kalkınma stratejilerinin gerekliliğine işaret etmektedir.