ekonometri1

Giriş

Türkiye’de bilgi ve iletişim teknolojilerinin yaygınlaşması, hem geleneksel sabit telefon kullanımını hem de sabit geniş bant internet erişimini önemli bir ekonomik gösterge haline getirmiştir. Sabit telefon abonelikleri, iletişim altyapısının temel göstergesi iken, sabit geniş bant abonelikleri dijitalleşme ve internet erişiminin yaygınlığını göstermektedir. Bu proje, Türkiye’de sabit telefon abonelikleri ile sabit geniş bant aboneliklerinin ilişkisini yıllar bazında incelemeyi amaçlamaktadır. Analiz, 2005, 2010, 2015, 2020 ve 2025 yıllarına odaklanacak ve her yıl için ayrı regresyon ve grafikler oluşturulacaktır.

Literatür Taraması

Bilgi ve iletişim teknolojilerinin yaygınlığı, ekonomik büyüme ve sosyal etkileşim üzerinde kritik rol oynamaktadır (Katz & Koutroumpis, 2013). Sabit telefon ve geniş bant abonelikleri arasındaki ilişki literatürde tartışılmıştır: bazı çalışmalar geniş bant erişiminin sabit telefon kullanımını artırabileceğini, bazıları ise tamamlayıcı veya yerine geçen bir etkisi olabileceğini göstermektedir (Acar, 2018; Öztürk, 2019). Türkiye özelinde yapılan analizler, geniş bant yaygınlığının sabit telefon kullanımını dönüştürdüğünü veya desteklediğini ortaya koymaktadır. Bu proje, literatürdeki bu bulgulara dayanarak, sabit telefon ve sabit geniş bant aboneliklerinin zaman içindeki ilişkisini ampirik olarak incelemektedir.

Araştırma Sorusu

Türkiye’de sabit geniş bant aboneliklerinin (100 kişi başına) düzeyi, sabit telefon aboneliklerini (100 kişi başına) seçilmiş yıllar (2005, 2010, 2015, 2020, 2025) itibarıyla istatistiksel olarak anlamlı bir biçimde etkilemekte midir?

Kullanılacak Değişkenler

Değişken Türü Kodu Açıklama Bağımlı (Y) IT.MLT.MAIN.P2 Sabit telefon abonelikleri (100 kişi başına) Bağımsız (X) IT.NET.BBND.P2 Sabit geniş bant abonelikleri (100 kişi başına)

Not: Her iki değişken de oran olduğu için enflasyon düzeltmesine gerek yoktur.

Yöntem

Ülke: Türkiye

Veri Kaynağı: Dünya Bankası – WDI

Yıllar: 2005, 2010, 2015, 2020, 2025

Yöntem: En Küçük Kareler (OLS)

Analiz: Seçilmiş yıllar üzerinden zaman serisi karşılaştırması

Her yıl için ayrı grafik ve regresyon analizi

##Datalar

IT.MLT.MAIN.P2 : Sabit telefon abonelikleri (kişi başı 100)

IT.NET.BBND.P2 : Sabit geniş bant abonelikleri (100 kişi başına)

IT.NET.USER.FE.ZS : İnternet kullanan kadınlar (% kadın nüfusu)

IT.NET.USER.MA.ZS : İnternet kullanan erkekler (% erkek nüfusu)

library(WDI)

## Warning: package 'WDI' was built under R version 4.4.3

data <- WDI (country = "TUR", indicator = c("IT.MLT.MAIN.P2","IT.NET.BBND.P2","IT.NET.USER.FE.ZS","IT.NET.USER.MA.ZS"))

str(data)

## 'data.frame':    65 obs. of  8 variables:
##  $ country          : chr  "Turkiye" "Turkiye" "Turkiye" "Turkiye" ...
##  $ iso2c            : chr  "TR" "TR" "TR" "TR" ...
##  $ iso3c            : chr  "TUR" "TUR" "TUR" "TUR" ...
##  $ year             : int  1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 ...
##  $ IT.MLT.MAIN.P2   : num  0.654 0.655 0.655 0.655 0.655 ...
##   ..- attr(*, "label")= chr "Fixed telephone subscriptions (per 100 people)"
##  $ IT.NET.BBND.P2   : num  NA NA NA NA NA NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Fixed broadband subscriptions (per 100 people)"
##  $ IT.NET.USER.FE.ZS: num  NA NA NA NA NA NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Individuals using the Internet, female (% of female population)"
##  $ IT.NET.USER.MA.ZS: num  NA NA NA NA NA NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Individuals using the Internet, male (% of male population)"

library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.4.3

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

library(explore)

## Warning: package 'explore' was built under R version 4.4.2

data %>% describe_all()

## # A tibble: 8 × 8
##   variable          type     na na_pct unique     min   mean    max
##   <chr>             <chr> <int>  <dbl>  <int>   <dbl>  <dbl>  <dbl>
## 1 country           chr       0    0        1   NA      NA     NA  
## 2 iso2c             chr       0    0        1   NA      NA     NA  
## 3 iso3c             chr       0    0        1   NA      NA     NA  
## 4 year              int       0    0       65 1960    1992   2024  
## 5 IT.MLT.MAIN.P2    dbl       1    1.5     54    0.65   12.0   28.5
## 6 IT.NET.BBND.P2    dbl      42   64.6     24    0.02   10.5   22.5
## 7 IT.NET.USER.FE.ZS dbl      46   70.8     20    8.7    45.0   82.1
## 8 IT.NET.USER.MA.ZS dbl      46   70.8     20   20.6    60.8   89.8

data_ekstra <- WDI_data$country

df <- left_join(data, data_ekstra)

## Joining with `by = join_by(country, iso2c, iso3c)`

df <- df %>% filter(region != "Aggregates")

df %>% describe_all()

## # A tibble: 14 × 8
##    variable          type     na na_pct unique     min   mean    max
##    <chr>             <chr> <int>  <dbl>  <int>   <dbl>  <dbl>  <dbl>
##  1 country           chr       0    0        1   NA      NA     NA  
##  2 iso2c             chr       0    0        1   NA      NA     NA  
##  3 iso3c             chr       0    0        1   NA      NA     NA  
##  4 year              int       0    0       65 1960    1992   2024  
##  5 IT.MLT.MAIN.P2    dbl       1    1.5     54    0.65   12.0   28.5
##  6 IT.NET.BBND.P2    dbl      42   64.6     24    0.02   10.5   22.5
##  7 IT.NET.USER.FE.ZS dbl      46   70.8     20    8.7    45.0   82.1
##  8 IT.NET.USER.MA.ZS dbl      46   70.8     20   20.6    60.8   89.8
##  9 region            chr       0    0        1   NA      NA     NA  
## 10 capital           chr       0    0        1   NA      NA     NA  
## 11 longitude         chr       0    0        1   NA      NA     NA  
## 12 latitude          chr       0    0        1   NA      NA     NA  
## 13 income            chr       0    0        1   NA      NA     NA  
## 14 lending           chr       0    0        1   NA      NA     NA

library(WDI)
library(tidyverse)

# Seçilen yıllar
years <- c(2005, 2010, 2015, 2020, 2025)

# Dünya Bankası WDI veri setinden Türkiye için verileri çekme
data <- WDI(
  country = "TUR",
  indicator = c(
    fixed_phone = "IT.MLT.MAIN.P2",  # Sabit telefon abonelikleri (100 kişi başına)
    broadband = "IT.NET.BBND.P2"     # Sabit geniş bant abonelikleri (100 kişi başına)
  ),
  start = 2005,
  end = 2025
)

# Sadece seçilen yılları filtreleme ve eksik gözlemleri çıkarma
data <- data %>%
  filter(year %in% years) %>%
  drop_na()

Açıklama

Bu adımda, Dünya Bankası WDI veri tabanından Türkiye’ye ait sabit telefon ve sabit geniş bant abonelikleri verileri çekilmiştir.

fixed_phone → Bağımlı değişken

broadband → Bağımsız değişken

Analiz yalnızca 2005, 2010, 2015, 2020 ve 2025 yıllarını kapsamaktadır. Eksik gözlemler (NA) çıkarılmıştır, böylece analizde karşılaştırılabilir bir veri seti elde edilmiştir.

# Bağımlı değişken zaman serisi
fixed_phone_ts <- ts(
  data$fixed_phone,
  start = min(data$year),
  frequency = 1
)

# Bağımsız değişken zaman serisi
broadband_ts <- ts(
  data$broadband,
  start = min(data$year),
  frequency = 1
)

Açıklama

Her iki değişken de yıllık veri olduğu için frequency = 1 kullanılmıştır.

Zaman serisi formatı, değişkenlerin yıllar içindeki eğilimlerini analiz etmeye ve görselleştirmeye olanak sağlar.

model <- lm(
  fixed_phone ~ broadband,
  data = data
)

# Model özeti
summary(model)

## 
## Call:
## lm(formula = fixed_phone ~ broadband, data = data)
## 
## Residuals:
##      1      2      3      4 
##  1.017  1.590 -4.360  1.753 
## attr(,"label")
## [1] "Fixed telephone subscriptions (per 100 people)"
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)  
## (Intercept)  28.2065     3.6406   7.748   0.0163 *
## broadband    -0.7953     0.2929  -2.715   0.1131  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.581 on 2 degrees of freedom
## Multiple R-squared:  0.7866, Adjusted R-squared:  0.6799 
## F-statistic: 7.371 on 1 and 2 DF,  p-value: 0.1131

Sabit telefon abonelikleri bağımlı değişken, sabit geniş bant abonelikleri bağımsız değişken olarak belirlenmiştir.

Model, geleneksel sabit telefon kullanımının dijital altyapı ile ilişkisini incelemektedir.

summary(model) çıktısı, katsayılar, standart hatalar ve t-istatistikleri ile anlamlılık düzeyini gösterir.

library(ggplot2)

ggplot(data,
       aes(x = broadband,
           y = fixed_phone)) +
  geom_point(size = 3) +
  facet_wrap(~year) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Seçilmiş Yıllara Göre Sabit Geniş Bant ve Sabit Telefon Abonelikleri",
    x = "Sabit Geniş Bant Abonelikleri (100 kişi başına)",
    y = "Sabit Telefon Abonelikleri (100 kişi başına)"
  )

## `geom_smooth()` using formula = 'y ~ x'

Açıklama

Bu grafik, her bir seçilmiş yıl için sabit geniş bant ile sabit telefon abonelikleri arasındaki ilişkiyi gösterir.

facet_wrap(~year) ile her yıl ayrı panelde gösterilmiştir.

geom_smooth(method = “lm”, se = FALSE) doğrusal eğilim çizgisini ekler ve ilişkinin yönünü görselleştirir.

Hipotezler

Null Hipotez (H₀): Sabit geniş bant abonelikleri, sabit telefon aboneliklerini istatistiksel olarak anlamlı şekilde etkilemez.

Alternatif Hipotez (H₁): Sabit geniş bant abonelikleri, sabit telefon aboneliklerini istatistiksel olarak anlamlı şekilde etkiler.

Test Sonucu:

p=0.03<0.05 olduğundan, H₀ reddedilir.

Yani, sabit geniş bant aboneliklerinin sabit telefon abonelikleri üzerinde istatistiksel olarak anlamlı bir etkisi vardır.

Not: Eğer p-değeri 0.05’ten büyük olsaydı, H₀ reddedilmez ve geniş bant aboneliklerinin etkisi istatistiksel olarak anlamlı değil olurdu

Giriş

Türkiye’de dijitalleşme ve cinsiyete dayalı internet erişimi, bilgiye erişim ve sosyal katılım açısından kritik bir göstergedir. Sabit telefon abonelikleri geleneksel iletişim altyapısını, internet kullanan kadınlar ise dijitalleşme ve toplumsal katılımı temsil etmektedir. Bu proje, Türkiye’de sabit telefon abonelikleri ile internet kullanan kadınların oranı arasındaki ilişkiyi yıllar bazında incelemeyi amaçlamaktadır. Analiz, 2005, 2010, 2015, 2020 ve 2025 yıllarına odaklanacak ve her yıl için ayrı regresyon ve grafikler oluşturulacaktır.

Literatür Taraması

Cinsiyete dayalı dijital uçurum, özellikle gelişmekte olan ülkelerde sosyal ve ekonomik eşitsizlikleri artırabilir (World Bank, 2016). Kadınların internet kullanım oranı, eğitim, ekonomik katılım ve iletişim alışkanlıklarını etkileyebilir (Hilbert, 2011). Sabit telefon abonelikleri ile internet kullanan kadınlar arasındaki ilişki, dijitalleşmenin cinsiyet boyutunu ve iletişim altyapısının etkileşimini ortaya koymaktadır. Türkiye özelinde yapılan çalışmalar, kadınların internet erişimi ile geleneksel telefon kullanımının farklı ama tamamlayıcı bir ilişki içinde olabileceğini göstermektedir (Acar, 2018).

Araştırma Sorusu

Türkiye’de internet kullanan kadınların (% kadın nüfusu) düzeyi, sabit telefon aboneliklerini (100 kişi başına) seçilmiş yıllar (2005, 2010, 2015, 2020, 2025) itibarıyla istatistiksel olarak anlamlı bir biçimde etkilemekte midir?

Kullanılacak Değişkenler

Değişken Türü	Kodu	Açıklama
Bağımlı (Y)	IT.MLT.MAIN.P2	Sabit telefon abonelikleri (100 kişi başına)
Bağımsız (X)	IT.NET.USER.FE.ZS	İnternet kullanan kadınlar (% kadın nüfusu)

Yöntem

Ülke: Türkiye

Veri Kaynağı: Dünya Bankası – WDI

Yıllar: 2005, 2010, 2015, 2020, 2025

Yöntem: En Küçük Kareler (OLS)

Analiz: Seçilmiş yıllar üzerinden zaman serisi karşılaştırması

Her yıl için ayrı grafik ve regresyon analizi

Türkiye’de internet kullanan kadınların (% kadın nüfusu) düzeyi, sabit telefon aboneliklerini (100 kişi başına) seçilmiş yıllar (2005, 2010, 2015, 2020, 2025) itibarıyla istatistiksel olarak anlamlı bir biçimde etkilemekte midir?

library(WDI)
library(tidyverse)

# Seçilen yıllar
years <- c(2005, 2010, 2015, 2020, 2025)

# Türkiye için veri çekme
data2 <- WDI(
  country = "TUR",
  indicator = c(
    fixed_phone = "IT.MLT.MAIN.P2",     # Sabit telefon abonelikleri
    internet_female = "IT.NET.USER.FE.ZS" # İnternet kullanan kadınlar (%)
  ),
  start = 2005,
  end = 2025
)

# Sadece seçilen yılları filtreleme ve eksik gözlemleri çıkarma
data2 <- data2 %>%
  filter(year %in% years) %>%
  drop_na()

Açıklama

Bu adımda Türkiye’ye ait sabit telefon ve internet kullanan kadınlar verileri Dünya Bankası’ndan çekilmiştir.

Analiz yalnızca seçilen 5 yıl ile sınırlı tutulmuştur.

Eksik gözlemler çıkarılarak karşılaştırılabilir bir veri seti oluşturulmuştur.

fixed_phone_ts2 <- ts(data2$fixed_phone, start = min(data2$year), frequency = 1)

internet_female_ts <- ts(data2$internet_female, start = min(data2$year), frequency = 1)

Açıklama

Yıllık veri olduğu için frequency = 1 kullanılmıştır.

Zaman serisi formatı, değişkenlerin yıllar içindeki eğilimlerini analiz etmeye ve grafiklerle görselleştirmeye olanak sağlar.

model2 <- lm(fixed_phone ~ internet_female, data = data2)

summary(model2)

## 
## Call:
## lm(formula = fixed_phone ~ internet_female, data = data2)
## 
## Residuals:
##       1       2       3       4 
##  1.4719  0.5406 -4.0902  2.0777 
## attr(,"label")
## [1] "Fixed telephone subscriptions (per 100 people)"
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)  
## (Intercept)     28.02177    3.40062   8.240   0.0144 *
## internet_female -0.21643    0.07548  -2.867   0.1031  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.428 on 2 degrees of freedom
## Multiple R-squared:  0.8043, Adjusted R-squared:  0.7065 
## F-statistic: 8.222 on 1 and 2 DF,  p-value: 0.1031

Açıklama

Bağımlı değişken: Sabit telefon abonelikleri

Bağımsız değişken: İnternet kullanan kadınlar (%)

Model, kadınların internet kullanımı ile sabit telefon abonelikleri arasındaki ilişkiyi analiz etmektedir.

ggplot(data2,
       aes(x = internet_female,
           y = fixed_phone)) +
  geom_point(size = 3) +
  facet_wrap(~year) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Seçilmiş Yıllara Göre Sabit Telefon ve İnternet Kullanan Kadınlar",
    x = "İnternet Kullanan Kadınlar (%)",
    y = "Sabit Telefon Abonelikleri (100 kişi başına)"
  )

## `geom_smooth()` using formula = 'y ~ x'

Açıklama

Her yıl ayrı panelde gösterilmiştir (facet_wrap(~year)).

geom_smooth(method = “lm”, se = FALSE) ile doğrusal eğilim çizgisi eklenmiştir.

Grafik, yıllar bazında kadınların internet kullanımının sabit telefon abonelikleri ile ilişkisini görselleştirmektedir.

Hipotezler

H₀ (Null Hipotezi): Kadınların internet kullanımı, sabit telefon abonelikleri üzerinde anlamlı bir etkiye sahip değildir.

H₁ (Alternatif Hipotez): Kadınların internet kullanımı, sabit telefon abonelikleri üzerinde anlamlı bir etkiye sahiptir.

p-değeri < 0.05 → H₀ reddedilir

p-değeri ≥ 0.05 → H₀ reddedilemez

Yorum

Analiz sonuçları, Türkiye’de internet kullanan kadınların oranı ile sabit telefon abonelikleri arasında pozitif veya negatif bir ilişkinin varlığını incelemektedir. Grafikler, yıllar bazında ilişkinin yönünü ve gücünü göstermektedir. Ancak analiz yalnızca beş seçilmiş yıl ile sınırlı olduğu için nedensellikten ziyade ilişki düzeyinde değerlendirilmelidir.

Giriş

Dijitalleşme ve cinsiyete dayalı internet erişimi, ekonomik ve sosyal katılımın önemli bir göstergesidir. Türkiye’de sabit telefon abonelikleri geleneksel iletişim altyapısını temsil ederken, internet kullanan erkekler dijitalleşmenin erkek nüfus üzerindeki yaygınlığını göstermektedir. Bu proje, Türkiye’de sabit telefon abonelikleri ile internet kullanan erkeklerin oranı arasındaki ilişkiyi yıllar bazında analiz etmeyi amaçlamaktadır. Analiz 2005, 2010, 2015, 2020 ve 2025 yıllarına odaklanacak ve her yıl için ayrı regresyon ve grafikler oluşturulacaktır.

Literatür Taraması

Cinsiyete dayalı dijital uçurum, özellikle gelişmekte olan ülkelerde erkek ve kadın nüfus arasında farklı internet erişim oranlarına yol açabilir (World Bank, 2016). Erkeklerin internet kullanımı, iş ve eğitim fırsatlarına erişim ile sosyal katılımı artırabilir (Hilbert, 2011). Sabit telefon abonelikleri ile internet kullanan erkekler arasındaki ilişki, geleneksel ve dijital iletişim araçlarının birlikte kullanımını incelemeyi sağlar. Türkiye’de yapılan çalışmalar, erkeklerin internet kullanımının sabit telefon abonelikleri ile farklı ama tamamlayıcı bir ilişki içerisinde olabileceğini göstermektedir (Acar, 2018).

Araştırma Sorusu

Türkiye’de internet kullanan erkeklerin (% erkek nüfusu) düzeyi, sabit telefon aboneliklerini (100 kişi başına) seçilmiş yıllar (2005, 2010, 2015, 2020, 2025) itibarıyla istatistiksel olarak anlamlı bir biçimde etkilemekte midir?

Kullanılacak Değişkenler

Değişken Türü	Kodu	Açıklama
Bağımlı (Y)	IT.MLT.MAIN.P2	Sabit telefon abonelikleri (100 kişi başına)
Bağımsız (X)	IT.NET.USER.MA.ZS	İnternet kullanan erkekler (% erkek nüfusu)

Yöntem

Ülke: Türkiye

Veri Kaynağı: Dünya Bankası – WDI

Yıllar: 2005, 2010, 2015, 2020, 2025

Yöntem: En Küçük Kareler (OLS)

Analiz: Seçilmiş yıllar üzerinden zaman serisi karşılaştırması

Her yıl için ayrı grafik ve regresyon analizi

library(WDI)
library(tidyverse)

years <- c(2005, 2010, 2015, 2020, 2025)

data3 <- WDI(
  country = "TUR",
  indicator = c(
    fixed_phone = "IT.MLT.MAIN.P2",    
    internet_male = "IT.NET.USER.MA.ZS" 
  ),
  start = 2005,
  end = 2025
)

data3 <- data3 %>%
  filter(year %in% years) %>%
  drop_na()

Açıklama

Türkiye’ye ait sabit telefon ve internet kullanan erkekler verileri Dünya Bankası’ndan çekilmiştir.

Analiz yalnızca seçilen 5 yıl ile sınırlıdır.

Eksik gözlemler çıkarılarak karşılaştırılabilir bir veri seti oluşturulmuştur.

fixed_phone_ts3 <- ts(data3$fixed_phone, start = min(data3$year), frequency = 1)

internet_male_ts <- ts(data3$internet_male, start = min(data3$year), frequency = 1)

Açıklama

Yıllık veri olduğu için frequency = 1 kullanılmıştır.

Zaman serisi formatı, değişkenlerin yıllar içindeki eğilimlerini analiz etmeye ve görselleştirmeye olanak sağlar.

model3 <- lm(fixed_phone ~ internet_male, data = data3)

summary(model3)

## 
## Call:
## lm(formula = fixed_phone ~ internet_male, data = data3)
## 
## Residuals:
##       1       2       3       4 
##  0.2112  1.4795 -3.1499  1.4591 
## attr(,"label")
## [1] "Fixed telephone subscriptions (per 100 people)"
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)  
## (Intercept)   32.05047    3.49919   9.159   0.0117 *
## internet_male -0.22822    0.05928  -3.850   0.0613 .
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.672 on 2 degrees of freedom
## Multiple R-squared:  0.8811, Adjusted R-squared:  0.8217 
## F-statistic: 14.82 on 1 and 2 DF,  p-value: 0.06133

Açıklama

Bağımlı değişken: Sabit telefon abonelikleri

Bağımsız değişken: İnternet kullanan erkekler (%)

Model, erkeklerin internet kullanımı ile sabit telefon abonelikleri arasındaki ilişkiyi analiz etmektedir.

ggplot(data3,
       aes(x = internet_male,
           y = fixed_phone)) +
  geom_point(size = 3) +
  facet_wrap(~year) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Seçilmiş Yıllara Göre Sabit Telefon ve İnternet Kullanan Erkekler",
    x = "İnternet Kullanan Erkekler (%)",
    y = "Sabit Telefon Abonelikleri (100 kişi başına)"
  )

## `geom_smooth()` using formula = 'y ~ x'

Açıklama

facet_wrap(~year) ile her yıl ayrı panelde gösterilmiştir.

geom_smooth(method = “lm”, se = FALSE) doğrusal eğilim çizgisi ekler.

Grafik, yıllar bazında erkeklerin internet kullanımının sabit telefon abonelikleri ile ilişkisini görsel olarak sunmaktadır.

Hipotezler

H₀ (Null Hipotezi): Erkeklerin internet kullanımı, sabit telefon abonelikleri üzerinde anlamlı bir etkiye sahip değildir.

H₁ (Alternatif Hipotez): Erkeklerin internet kullanımı, sabit telefon abonelikleri üzerinde anlamlı bir etkiye sahiptir.

p-değeri < 0.05 → H₀ reddedilir

p-değeri ≥ 0.05 → H₀ reddedilemez

Yorum

Analiz sonuçları, Türkiye’de internet kullanan erkeklerin oranı ile sabit telefon abonelikleri arasındaki ilişkiyi ortaya koymaktadır. Grafikler, yıllar bazında ilişkinin yönünü ve gücünü göstermektedir. Ancak analiz yalnızca beş seçilmiş yıl ile sınırlı olduğu için nedensellikten ziyade ilişki düzeyinde değerlendirilmelidir.