KURESEL, BOLGESEL VE TURKIYE ODAKLI EKONOMIK GOSTERGELERIN ANALIZI: ISSIZLIK, ENFLASYON, TEKNOLOJI, TARIM
ABDULHAMID PEKER
2025-12-30
GIRIS
KÜRESEL, BÖLGESEL VE TÜRKİYE ODAKLI EKONOMİK GÖSTERGELERİN DEĞERLENDİRİLMESİ İşsizlik, Enflasyon, Teknoloji ve Tarım Üzerine Bir İnceleme
Günümüzde ülkelerin ekonomik durumlarını değerlendirmek için bazı temel göstergeler kullanılmaktadır. İşsizlik oranı, enflasyon seviyesi, teknolojiye yapılan yatırımlar ve tarımın ekonomi içindeki payı bu göstergelerin başında gelmektedir. Bu göstergeler hem ülkelerin refah düzeyini hem de gelecekteki ekonomik potansiyelini anlamamıza yardımcı olmaktadır.
Bu çalışmada küresel ölçekte, belirli bölgelerde ve özellikle Türkiye’de işsizlik, enflasyon, teknoloji ve tarım göstergeleri ele alınmıştır. Amaç, Türkiye’nin dünya ve bölge ortalamalarına göre nerede durduğunu basit ve anlaşılır bir şekilde ortaya koymaktır.
KULLANILAN VERILER VE EKONOMIK GOSTERGELER
1- ISSIZLIK ORANI % OLARAK. 2- ENFLASYON ORANI % OLARAK. 3- TEKNOLOJI ICIN YAPILAN AR-GE HARCAMALARI VE INTERNET VE TEKNOLOJI KULLANIM ORANLARI (HARCAMA MIKTARI VE SAAT OLARAK GÖSTERICEM). 4- TARIMIN VERIMLILIĞI VE EKONOMI ICINDEKI YERI.
BU VERILERI GENEL OLARAK HER KITADAN ULKE ICIN KIYASLAMA YAPILACAKTIR.
BAZ ALINACAK YILLAR VE VERİLER
Odevımde kullanacağım tum ekonomık gostergeler ve verılerı ıcın baz alacağım tarıhler 2003-2021yılları arasıdır cunku TURKIYE; GSYH VE GSMH gıbı onemlı makro ekonomık gostergelerını hesaplarken 2003 yılını baz almaktadır.
Odevde sırasıyla TURKIYEYI once AVRUPA ulkelerı ıle sonra ASYA ulkelerı en son olarak ıse AMERIKA kıtasında yer alan ulkeler ıle kıyaslaması yapılacaktır.
ISSIZLIK
Bu asamada Dunya bankasından ındırdığım ıssızlık verısını yorumlama yapıcaz/ “Analizde kullanilan issizlik verileri, veri erisilebilirligi nedeniyle 2003–2021 donemi ile sinirli tutulmustur.”
library(readxl)
issizlik_raw <- read.csv(
"issizlik.csv",
skip = 4,
sep = ",",
check.names = FALSE
)head(issizlik_raw)## Country Name Country Code
## 1 Aruba ABW
## 2 Africa Eastern and Southern AFE
## 3 Afghanistan AFG
## 4 Africa Western and Central AFW
## 5 Angola AGO
## 6 Albania ALB
## Indicator Name
## 1 Unemployment, total (% of total labor force) (modeled ILO estimate)
## 2 Unemployment, total (% of total labor force) (modeled ILO estimate)
## 3 Unemployment, total (% of total labor force) (modeled ILO estimate)
## 4 Unemployment, total (% of total labor force) (modeled ILO estimate)
## 5 Unemployment, total (% of total labor force) (modeled ILO estimate)
## 6 Unemployment, total (% of total labor force) (modeled ILO estimate)
## Indicator Code 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971
## 1 SL.UEM.TOTL.ZS NA NA NA NA NA NA NA NA NA NA NA NA
## 2 SL.UEM.TOTL.ZS NA NA NA NA NA NA NA NA NA NA NA NA
## 3 SL.UEM.TOTL.ZS NA NA NA NA NA NA NA NA NA NA NA NA
## 4 SL.UEM.TOTL.ZS NA NA NA NA NA NA NA NA NA NA NA NA
## 5 SL.UEM.TOTL.ZS NA NA NA NA NA NA NA NA NA NA NA NA
## 6 SL.UEM.TOTL.ZS NA NA NA NA NA NA NA NA NA NA NA NA
## 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 1987 1988 1989 1990 1991 1992 1993 1994 1995
## 1 NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA 8.179629 8.270724 8.266327 8.138291 7.908446
## 3 NA NA NA NA 8.070000 8.011000 7.888000 7.822000 7.817000
## 4 NA NA NA NA 4.158680 4.251102 4.369805 4.393781 4.399749
## 5 NA NA NA NA 16.855000 16.978000 17.399000 17.400000 16.987000
## 6 NA NA NA NA 10.304000 30.007000 25.251000 20.835000 14.607000
## 1996 1997 1998 1999 2000 2001 2002
## 1 NA NA NA NA NA NA NA
## 2 7.823908 7.783654 7.812734 7.849878 7.788317 7.676955 7.632330
## 3 7.867000 7.863000 7.890000 7.903000 7.935000 7.953000 7.930000
## 4 4.340691 4.313735 4.324049 4.512158 4.551119 4.479977 4.285854
## 5 16.275000 16.172000 16.371000 16.593000 16.682000 16.700000 16.488000
## 6 13.928000 16.872000 20.042000 20.835000 19.023000 18.570000 17.891000
## 2003 2004 2005 2006 2007 2008 2009
## 1 NA NA NA NA NA NA NA
## 2 7.586883 7.395648 7.218793 7.158958 7.102231 7.076710 7.155881
## 3 7.880000 7.899000 7.885000 7.914000 7.817000 7.878000 7.754000
## 4 4.180111 4.094738 4.100700 3.974095 3.950643 3.968542 4.000387
## 5 16.498000 16.378000 16.360000 16.206000 16.153000 16.228000 16.431000
## 6 16.985000 16.306000 15.966000 15.626000 15.966000 13.060000 13.674000
## 2010 2011 2012 2013 2014 2015 2016
## 1 NA NA NA NA NA NA NA
## 2 7.403061 7.427940 7.181608 6.986733 6.947011 7.036357 7.194666
## 3 7.753000 7.784000 7.856000 7.930000 7.915000 9.052000 10.133000
## 4 3.991595 3.969027 3.982163 3.703853 3.881396 4.164467 4.157574
## 5 16.618000 16.770000 16.562000 16.492000 16.406000 16.490000 16.575000
## 6 14.086000 13.481000 13.376000 15.866000 18.055000 17.193000 15.418000
## 2017 2018 2019 2020 2021 2022 2023
## 1 NA NA NA NA NA NA NA
## 2 7.346331 7.360513 7.584419 8.191395 8.577385 7.985202 7.806411
## 3 11.184000 11.196000 11.185000 11.710000 11.994000 14.100000 13.991000
## 4 4.274196 4.323631 4.395271 4.852393 4.736732 3.658573 3.277245
## 5 16.610000 16.594000 16.497000 16.690000 15.799000 14.602000 14.537000
## 6 13.616000 12.304000 11.466000 11.690000 11.474000 10.137000 10.108000
## 2024
## 1 NA NA
## 2 7.772705 NA
## 3 13.295000 NA
## 4 3.218313 NA
## 5 14.464000 NA
## 6 10.250000 NATUM ULKELER ICIN AYNI ZAMAN ARALIĞININ BELIRLENMESI
Dunya bankasından elde ettıgım ıssızlık verısının daha dogru bir sekilde analiz etmek icin Dunya uzerindeki tum ulkeler icin ortak bir zaman araligi belirlenmesi gerekiyor. Issizlik verilerinin erisilebilirligi dikkate alinarak analizler 2003–2021 donemi ile sinirlandirilmistir.
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, unionissizlik_2003_2021 <- issizlik_raw %>%
select(
`Country Name`,
`Country Code`,
`2003`:`2021`
)
head(issizlik_2003_2021)## Country Name Country Code 2003 2004 2005
## 1 Aruba ABW NA NA NA
## 2 Africa Eastern and Southern AFE 7.586883 7.395648 7.218793
## 3 Afghanistan AFG 7.880000 7.899000 7.885000
## 4 Africa Western and Central AFW 4.180111 4.094738 4.100700
## 5 Angola AGO 16.498000 16.378000 16.360000
## 6 Albania ALB 16.985000 16.306000 15.966000
## 2006 2007 2008 2009 2010 2011 2012
## 1 NA NA NA NA NA NA NA
## 2 7.158958 7.102231 7.076710 7.155881 7.403061 7.427940 7.181608
## 3 7.914000 7.817000 7.878000 7.754000 7.753000 7.784000 7.856000
## 4 3.974095 3.950643 3.968542 4.000387 3.991595 3.969027 3.982163
## 5 16.206000 16.153000 16.228000 16.431000 16.618000 16.770000 16.562000
## 6 15.626000 15.966000 13.060000 13.674000 14.086000 13.481000 13.376000
## 2013 2014 2015 2016 2017 2018 2019
## 1 NA NA NA NA NA NA NA
## 2 6.986733 6.947011 7.036357 7.194666 7.346331 7.360513 7.584419
## 3 7.930000 7.915000 9.052000 10.133000 11.184000 11.196000 11.185000
## 4 3.703853 3.881396 4.164467 4.157574 4.274196 4.323631 4.395271
## 5 16.492000 16.406000 16.490000 16.575000 16.610000 16.594000 16.497000
## 6 15.866000 18.055000 17.193000 15.418000 13.616000 12.304000 11.466000
## 2020 2021
## 1 NA NA
## 2 8.191395 8.577385
## 3 11.710000 11.994000
## 4 4.852393 4.736732
## 5 16.690000 15.799000
## 6 11.690000 11.474000TURKIYENIN ISSIZLIK VERISINI BU TABLODAN AYIRIYORUZ
Bu adimda, 2003–2021 donemi icin olusturulan veri seti icerisinden Turkiye’ye ait issizlik verilerini ayirmamiz lazim cunku TURKIYENIN issizlik oraninin zaman icerisindeki degisimini ele almak istiyorum.
turkiye_issizlik <- issizlik_2003_2021 %>%
filter(`Country Name` == "Turkiye")head(turkiye_issizlik)## Country Name Country Code 2003 2004 2005 2006 2007 2008 2009
## 1 Turkiye TUR 10.542 10.838 10.636 10.227 10.285 10.965 14.026
## 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
## 1 11.879 9.789 9.21 9.713 9.901 10.304 10.899 10.919 10.956 13.73 13.148 11.969AVRUPA ULKELERI ILE KARSILASTIRMA
Bu adimda TURKIYENIN issizlik oranini Avrupa ulkelerinin issizlik oranlari ile karsilastirilmasi yapilacaktir. Karsilastirmadan sonra TURKIYENIN Avrupa ulkelerinden ne gibi farkliliklari var daha iyi anlamis olucaz.
Bu amacla, Avrupa bolgesinde yer alan ulkeler secilmis ve bu ulkelerin issizlik oranlarinin yillik ortalamalari hesaplanmistir.
avrupa_issizlik <- issizlik_2003_2021 %>%
filter(`Country Code` %in% c(
"EUU", # European Union
"FRA", "DEU", "ITA", "ESP", "NLD",
"BEL", "AUT", "PRT", "GRC",
"SWE", "NOR", "FIN", "DNK",
"CHE", "GBR"
))nrow(avrupa_issizlik)## [1] 16Simdi Avrupa ulkelerinin issizlik oranlari kullanilarak yillar icindeki issizlik orani hesaplandi. Bu ortalamalari TURKIYE ile karsilastirmak icin kullanicam.
avrupa_ortalama <- avrupa_issizlik %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))avrupa_ortalama## 2003 2004 2005 2006 2007 2008 2009 2010
## 1 7.158159 7.424921 7.507968 6.928345 6.229925 6.126525 7.892061 8.567733
## 2011 2012 2013 2014 2015 2016 2017 2018
## 1 8.838037 9.962452 10.57712 10.22754 9.701337 9.083541 8.258317 7.368308
## 2019 2020 2021
## 1 6.835661 7.269094 7.280574Siradaki adimda hem TURKIYENIN hem de Avrupa ulkelerinin issizlik oranlarini ayni tablo icinde gostericem cunku karsilastirma icin daha iyi olucaktir.
turkiye_seri <- turkiye_issizlik %>%
select(`2003`:`2021`)avrupa_seri <- avrupa_ortalamaturkiye_seri## 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
## 1 10.542 10.838 10.636 10.227 10.285 10.965 14.026 11.879 9.789 9.21 9.713
## 2014 2015 2016 2017 2018 2019 2020 2021
## 1 9.901 10.304 10.899 10.919 10.956 13.73 13.148 11.969avrupa_seri## 2003 2004 2005 2006 2007 2008 2009 2010
## 1 7.158159 7.424921 7.507968 6.928345 6.229925 6.126525 7.892061 8.567733
## 2011 2012 2013 2014 2015 2016 2017 2018
## 1 8.838037 9.962452 10.57712 10.22754 9.701337 9.083541 8.258317 7.368308
## 2019 2020 2021
## 1 6.835661 7.269094 7.280574AYNI TABLO ICINDE GOSTERDIGIMIZ ISSIZLIK ORANLARINI KARSILASTIRALIM
Bu asamada TURKIYE ile Avrupa ulkelerini arasindaki ortalama issizlik oranlarinin karsilastirilmasi yapilacaktir amac ise iki seri arasindaki farkliliklarin daha iyi gorulebilmesidir. Grafiksel olarak gosterilicektir.
library(tidyr)
turkiye_long <- turkiye_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Issizlik"
) %>%
mutate(Bolge = "Turkiye")
avrupa_long <- avrupa_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Issizlik"
) %>%
mutate(Bolge = "Avrupa")head(turkiye_long)## # A tibble: 6 × 3
## Yil Issizlik Bolge
## <chr> <dbl> <chr>
## 1 2003 10.5 Turkiye
## 2 2004 10.8 Turkiye
## 3 2005 10.6 Turkiye
## 4 2006 10.2 Turkiye
## 5 2007 10.3 Turkiye
## 6 2008 11.0 Turkiyehead(avrupa_long)## # A tibble: 6 × 3
## Yil Issizlik Bolge
## <chr> <dbl> <chr>
## 1 2003 7.16 Avrupa
## 2 2004 7.42 Avrupa
## 3 2005 7.51 Avrupa
## 4 2006 6.93 Avrupa
## 5 2007 6.23 Avrupa
## 6 2008 6.13 AvrupaSiradaki asama TURKIYE VE Avrupa ulkelerine ait issizlik oranlarinin tek bir bicimde birlestirilmis zaman icerisindeki degisimlerinin grafik yardimiyla aciklamak.
issizlik_karsilastirma <- bind_rows(
turkiye_long,
avrupa_long
)head(issizlik_karsilastirma)## # A tibble: 6 × 3
## Yil Issizlik Bolge
## <chr> <dbl> <chr>
## 1 2003 10.5 Turkiye
## 2 2004 10.8 Turkiye
## 3 2005 10.6 Turkiye
## 4 2006 10.2 Turkiye
## 5 2007 10.3 Turkiye
## 6 2008 11.0 Turkiyeissizlik_karsilastirma$Yil <- as.numeric(issizlik_karsilastirma$Yil)library(ggplot2)
ggplot(issizlik_karsilastirma,
aes(x = Yil, y = Issizlik, color = Bolge, group = Bolge)) +
geom_line(size = 1.2) +
geom_point(size = 2) +
labs(
title = "Issizlik Oranlari: Turkiye ve Avrupa (2003-2021)",
x = "Yil",
y = "Issizlik Orani (%)",
color = "Bolge"
) +
theme_minimal()## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
GRAFIGIN YORUMLANMASI: Turkiye ve Avrupa Issizlik Oranlari
Bu grafik 2003=2021 donemleri arasinda TURKIYE ve Avrupa ulkeleri arasindaki ortalama issizlik oranlarinin zaman icindeki degisimini gostermektedir. Genel olarak TURKIYE issizlik orani tum donem boyunca Avrupa ulkelerinin ortalamasinin uzerinde seyretmektedir. 2003=2007 yillari arasinda issizlik orani benzer olsada, 2008=2009 yillari arasinda gerceklesen kuresel finans krizinin etkisiyle TURKIYEDE daha fazla olmak uzere issizlik oranlari artmistir. 2013 ve sonraki donemlerde Avrupanin issizlik orani kademeli olarak duserken TURKIYEDE issizlik oranlari dalgali olarak seyretmis ama genel manada artamaya devam etmistir. 2018 d,nemlerinden sonra ise issizlik orani TURKIYEDE tekrar artisa gecmis ve bu artis sonucu olarak TURKIYE issizlik ortalamasi Avrupa ulkelerinden belirgin olcude ayrismistir/ Bu grafik genel olarak TURKIYENIN ekonomisinin krizlere karsi daha krilgan oldugunu ve kriz durumlarinda Avrupa ulkelerine kiyasla daha fazla isci kaybettigini gostermektedir.
TABLO ILE DESTEKLENMIS KARSILASTIRMA
Grafikte gorulen farklari daha net gosterebilmek amaciyla, Turkiye ve Avrupa ulkelerinin 2003–2021 donemine ait ortalama issizlik oranlari tablo halinde sunulmaktadir.
# Turkiye icin donem ortalamasi
turkiye_ortalama_issizlik <- turkiye_long %>%
summarise(Ortalama_Issizlik = mean(Issizlik, na.rm = TRUE)) %>%
mutate(Bolge = "Turkiye")
# Avrupa icin donem ortalamasi
avrupa_ortalama_issizlik <- avrupa_long %>%
summarise(Ortalama_Issizlik = mean(Issizlik, na.rm = TRUE)) %>%
mutate(Bolge = "Avrupa")
# Iki bolgeyi tek tabloda birlestirme
issizlik_ozet_tablo <- bind_rows(
turkiye_ortalama_issizlik,
avrupa_ortalama_issizlik
)
issizlik_ozet_tablo## # A tibble: 2 × 2
## Ortalama_Issizlik Bolge
## <dbl> <chr>
## 1 11.0 Turkiye
## 2 8.07 AvrupaASYA ULKELERI ILE ISSIZLIK KARSILASITMASI
Bu bolumde TURKIYE ISSIZLIK ORANLARININ ASYA ULKELERI ILE KIYASLAMASI YAPILACAKTIR.
asya_issizlik <- issizlik_2003_2021 %>%
filter(`Country Code` %in% c(
"CHN", "IND", "JPN", "KOR",
"IDN", "THA", "MYS"
))nrow(asya_issizlik)## [1] 7ASYA ULKELERI ICIN AYNI ZAMAN ARALIGINI BELIRLIYORUZ
asya_issizlik <- issizlik_2003_2021 %>%
filter(`Country Code` %in% c(
"CHN", "IND", "JPN", "KOR",
"IDN", "THA", "MYS"
))asya_ortalama <- asya_issizlik %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))turkiye_seri <- turkiye_issizlik %>%
select(`2003`:`2021`)
asya_seri <- asya_ortalamaAsya ulkelerinin ortalama issizlik oranlarinin ortalamalarini aliyorum.
turkiye_long <- turkiye_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Issizlik"
) %>%
mutate(Bolge = "Turkiye")asya_long <- asya_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Issizlik"
) %>%
mutate(Bolge = "Asya")head(turkiye_long)## # A tibble: 6 × 3
## Yil Issizlik Bolge
## <chr> <dbl> <chr>
## 1 2003 10.5 Turkiye
## 2 2004 10.8 Turkiye
## 3 2005 10.6 Turkiye
## 4 2006 10.2 Turkiye
## 5 2007 10.3 Turkiye
## 6 2008 11.0 Turkiyehead(asya_long)## # A tibble: 6 × 3
## Yil Issizlik Bolge
## <chr> <dbl> <chr>
## 1 2003 4.67 Asya
## 2 2004 4.66 Asya
## 3 2005 4.69 Asya
## 4 2006 4.50 Asya
## 5 2007 4.47 Asya
## 6 2008 4.42 AsyaASYA ULKELERI ILE TURKIYENIN ISSIZLIK ORANLARININ KARSILASTIRMASI
issizlik_asya_karsilastirma <- bind_rows(
turkiye_long,
asya_long
)ggplot(issizlik_asya_karsilastirma,
aes(x = Yil, y = Issizlik, color = Bolge, group = Bolge)) +
geom_line(size = 1.2) +
geom_point() +
labs(
title = "Issizlik Oranlari: Turkiye ve Asya (2003-2021)",
x = "Yil",
y = "Issizlik Orani (%)"
) +
theme_minimal()
TURKIYE ASYA ISSIZLIK ORANLARININ YORUMLANMASI
Bu grafik 2003=2021 donemi boyunca TURKIYE ve Asya bolgesinin ortalama issizlik oranlarinin zaman icerisindeki degisimini gostermektedir. TURKIYENIN issizlik oranlarinin tum donem boyunca Asya bolgesinden daha fazla oldugu gozlemlenmektedir. 2003–2007 doneminde Turkiye’de issizlik oranlari gorece yatay bir seyir izlerken, Asya bolgesinde issizlik oranlari daha dusuk ve istikrarlidir. 2008=2009 yillari kuresel finans krizininde etkisiyle TURKIYENIN issizlik oranlari hizli bir bicimde artmistir, Asya bolgesi ise bu durumdan cok etkilenmemisitir. Bu durum TURKIYE ekonomisinin krizlere karsi daha hassas oldugunu gostermektedir. Genel olarak grafik, Turkiye ile Asya bolgesi arasinda issizlik oranlari acisindan yapisal bir fark oldugunu ortaya koymaktadir. Turkiye’de issizlik oranlarinin hem seviye hem de oynaklik acisindan Asya ortalamasindan daha yuksek oldugu, buna karsilik Asya ulkelerinde daha guclu bir ekonomik yapi oldugu gozlemlenmektedir.
TABLO OLARAK ISSIZLIK ORANLARI
Ayni yorumlarin tablo olarak gosterimi.
# Turkiye icin donem ortalamasi
turkiye_ortalama_issizlik_asya <- turkiye_long %>%
summarise(Ortalama_Issizlik = mean(Issizlik, na.rm = TRUE)) %>%
mutate(Bolge = "Turkiye")
# Asya icin donem ortalamasi
asya_ortalama_issizlik <- asya_long %>%
summarise(Ortalama_Issizlik = mean(Issizlik, na.rm = TRUE)) %>%
mutate(Bolge = "Asya")
# Tek tabloda birlestirme
issizlik_asya_ozet_tablo <- bind_rows(
turkiye_ortalama_issizlik_asya,
asya_ortalama_issizlik
)
issizlik_asya_ozet_tablo## # A tibble: 2 × 2
## Ortalama_Issizlik Bolge
## <dbl> <chr>
## 1 11.0 Turkiye
## 2 4.16 AsyaTablo sonuclari, grafiksel analizle uyumlu sekilde Turkiye’nin ortalama issizlik oraninin Asya bolgesi ortalamasindan belirgin sekilde daha yuksek oldugunu gostermektedir.
AMERIKA KITASI ILE TURKIYENIN ORTALAMA ISSIZLIK KIYASLAMASI
Bu bolumde Turkiye’nin issizlik oranlari, Amerika kitasinda yer alan ulkelerin issizlik oranlari ile kiyaslamasi yapilacaktir.
amerika_issizlik <- issizlik_2003_2021 %>%
filter(`Country Code` %in% c(
"USA", "CAN", "MEX",
"BRA", "ARG", "CHL"
))nrow(amerika_issizlik)## [1] 6AMERIKA KITASINDA YER ALAN ULKELER ICIN AYNI ZAMANIN BELIRLENMESI
amerika_ortalama <- amerika_issizlik %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))turkiye_seri <- turkiye_issizlik %>%
select(`2003`:`2021`)
amerika_seri <- amerika_ortalamaAmerika kitasinda yer alan ulkelerin ortalama issizlik oranlarini cikartiyoruz.
turkiye_long <- turkiye_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Issizlik"
) %>%
mutate(Bolge = "Turkiye")amerika_long <- amerika_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Issizlik"
) %>%
mutate(Bolge = "Amerika")head(amerika_long)## # A tibble: 6 × 3
## Yil Issizlik Bolge
## <chr> <dbl> <chr>
## 1 2003 8.89 Amerika
## 2 2004 8.40 Amerika
## 3 2005 7.80 Amerika
## 4 2006 7.24 Amerika
## 5 2007 6.76 Amerika
## 6 2008 6.89 Amerikaissizlik_amerika_karsilastirma <- bind_rows(
turkiye_long,
amerika_long
)head(issizlik_amerika_karsilastirma)## # A tibble: 6 × 3
## Yil Issizlik Bolge
## <chr> <dbl> <chr>
## 1 2003 10.5 Turkiye
## 2 2004 10.8 Turkiye
## 3 2005 10.6 Turkiye
## 4 2006 10.2 Turkiye
## 5 2007 10.3 Turkiye
## 6 2008 11.0 TurkiyeAMERIKA KITASI ILE TURKIYENIN AYNI TABLODA GOSTERIMI
ggplot(issizlik_amerika_karsilastirma,
aes(x = Yil, y = Issizlik, color = Bolge, group = Bolge)) +
geom_line(size = 1.2) +
geom_point() +
labs(
title = "Issizlik Oranlari: Turkiye ve Amerika (2003-2021)",
x = "Yil",
y = "Issizlik Orani (%)"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
Bu grafik, Turkiye ile Amerika kitasinin ortalama issizlik oranlarini 2003–2021 donemi icin karsilastirmali olarak sunmaktadir. Turkiye’de issizlik oranlarinin genel olarak Amerika ortalamasinin uzerinde seyrettiği gorulmektedir. 2008–2009 kuresel kriz doneminde her iki bolgede de issizlik artisi yasansa da, bu artis Turkiye’de daha belirgin olmustur. Bu grafikten cikarilmasi gereken sonuclardan biri ayni Avrupa ve Asyada oldugu gibi TURKIYE ekonomisinin Amerika kitasindaki devletlerden daha duyarli ve hassas olmasidir.
TABLO ILE DESTEKLENMESI
Tablo ile desteklenmis yorum.
# Turkiye icin donem ortalamasi
turkiye_ortalama_issizlik_amerika <- turkiye_long %>%
summarise(Ortalama_Issizlik = mean(Issizlik, na.rm = TRUE)) %>%
mutate(Bolge = "Turkiye")
# Amerika icin donem ortalamasi
amerika_ortalama_issizlik <- amerika_long %>%
summarise(Ortalama_Issizlik = mean(Issizlik, na.rm = TRUE)) %>%
mutate(Bolge = "Amerika")
# Tek tabloda birlestirme
issizlik_amerika_ozet_tablo <- bind_rows(
turkiye_ortalama_issizlik_amerika,
amerika_ortalama_issizlik
)
issizlik_amerika_ozet_tablo## # A tibble: 2 × 2
## Ortalama_Issizlik Bolge
## <dbl> <chr>
## 1 11.0 Turkiye
## 2 7.49 AmerikaTablo sonuclari, Turkiye’nin 2003–2021 donemi boyunca ortalama issizlik oraninin Amerika kitasina kiyasla daha yuksek oldugunu gostermektedir.
ISSIZLIK ORANLARININ GENEL DEGERLENDIRMESI
Bu calismada Turkiye’nin issizlik oranlari, Avrupa, Asya ve Amerika kitalarinin ortalama issizlik oranlari ile 2003–2021 donemi icin karsilastirilmistir. Turkiye’nin issizlik oranlarinin tum kitalar icin hesaplanan ortalamalarin genel olarak uzerinde seyrettiğini gostermektedir. Ozellikle 2008–2009 kuresel finans krizi ve 2018 sonrasi donemde Turkiye’de issizlik oranlarinda belirgin artislar yasandigi gorulmektedir. Bu durum, Turkiye isgucu piyasasinin dis ekonomik soklara karsi daha hassas ve kirilgan bir yapiya sahip oldugunu gostermektedir.
ENFLASYON
Bu bolumde Dunya Bankasindan elde edilen enflasyon verileri kullanilarak, Turkiye’nin enflasyon oranlari Avrupa, Asya ve Amerika kitalari ile karsilastirmasi yapilacaktir.
library(readxl)
enflasyon_raw <- read.csv(
"enflasyon.csv",
skip = 4,
sep = ",",
check.names = FALSE
)
head(enflasyon_raw)## Country Name Country Code
## 1 Aruba ABW
## 2 Africa Eastern and Southern AFE
## 3 Afghanistan AFG
## 4 Africa Western and Central AFW
## 5 Angola AGO
## 6 Albania ALB
## Indicator Name Indicator Code 1960 1961 1962 1963 1964
## 1 Inflation, consumer prices (annual %) FP.CPI.TOTL.ZG NA NA NA NA NA
## 2 Inflation, consumer prices (annual %) FP.CPI.TOTL.ZG NA NA NA NA NA
## 3 Inflation, consumer prices (annual %) FP.CPI.TOTL.ZG NA NA NA NA NA
## 4 Inflation, consumer prices (annual %) FP.CPI.TOTL.ZG NA NA NA NA NA
## 5 Inflation, consumer prices (annual %) FP.CPI.TOTL.ZG NA NA NA NA NA
## 6 Inflation, consumer prices (annual %) FP.CPI.TOTL.ZG NA NA NA NA NA
## 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976
## 1 NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA 19.59839 15.2241 11.21648
## 3 NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA
## 1977 1978 1979 1980 1981 1982 1983 1984
## 1 NA NA NA NA NA NA NA NA
## 2 14.23806 12.52689 15.06985 15.06651 14.461591 12.13992 11.56752 10.98386
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA 8.799211 12.05977 10.67194 11.25000
## 5 NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA
## 1985 1986 1987 1988 1989 1990 1991
## 1 4.032258 1.073966 3.6430455 3.121868 3.991628 5.836688 5.555556
## 2 13.006566 13.891972 12.5634432 12.522258 12.558202 12.457914 17.678100
## 3 NA NA NA NA NA NA NA
## 4 7.354926 5.950965 0.2487886 2.523659 0.869287 1.057361 1.741888
## 5 NA NA NA NA NA NA 83.783784
## 6 NA NA NA NA NA NA NA
## 1992 1993 1994 1995 1996 1997
## 1 3.87337537 5.2155600 6.31108 3.361391 3.225288 2.999948
## 2 16.16761240 13.1356608 14.85281 12.288591 9.706586 10.249599
## 3 NA NA NA NA NA NA
## 4 -0.06299901 0.5534557 31.84102 10.563289 4.914240 3.997142
## 5 299.50980392 1378.5276074 949.79253 2666.450593 4145.105982 219.176721
## 6 226.00542125 85.0047512 22.56505 7.793219 12.725478 33.180274
## 1998 1999 2000 2001 2002 2003
## 1 1.869489 2.2803720 4.04402131 2.883604 3.315247 3.6563651
## 2 7.495255 7.8198648 8.60148515 5.840354 8.763755 7.4497001
## 3 NA NA NA NA NA NA
## 4 4.471125 0.3722662 2.53077517 4.361529 3.188693 1.7609041
## 5 107.284822 248.1959024 324.99687160 152.561022 108.897436 98.2241437
## 6 20.642859 0.3894377 0.05001814 3.107588 7.770526 0.4840026
## 2004 2005 2006 2007 2008 2009 2010
## 1 2.5291295 3.397787 3.608024 5.392568 8.955987 -2.135429 2.078141
## 2 5.0234207 8.558038 8.898164 8.450775 12.566645 8.954218 5.537538
## 3 NA 12.686269 6.784597 8.680571 26.418664 -6.811161 2.178538
## 4 0.6943363 5.631634 4.415900 3.607368 8.452976 3.282440 1.784844
## 5 43.5421068 22.953514 13.305210 12.251497 12.475829 13.730284 14.469656
## 6 2.2800192 2.366582 2.370728 2.932682 3.320871 2.266922 3.627101
## 2011 2012 2013 2014 2015 2016 2017
## 1 4.316297 0.627472 -2.372065 0.4214409 0.4747636 -0.931196 -1.028282
## 2 8.971206 9.158708 5.748831 5.5258192 5.0985616 6.446877 6.221375
## 3 11.804186 6.441213 7.385772 4.6739960 -0.6617092 4.383892 4.975952
## 4 4.018699 4.578375 2.439201 1.7684358 2.1308174 1.487416 1.725486
## 5 13.482468 10.277905 8.777814 7.2803873 9.3559722 30.694415 29.844480
## 6 3.428071 2.031593 1.937621 1.6258650 1.8961740 1.275432 1.986661
## 2018 2019 2020 2021 2022 2023 2024
## 1 3.6260414 4.257462 NA NA NA NA NA NA
## 2 4.6898065 4.102851 5.191629 6.824727 10.883478 7.399186 4.489789 NA
## 3 0.6261491 2.302373 5.601888 5.133203 13.712102 -4.644709 -6.601186 NA
## 4 1.7840499 1.983092 2.490378 3.745568 7.949251 5.221168 3.608044 NA
## 5 19.6289380 17.080954 22.271539 25.754295 21.355290 13.644102 28.240495 NA
## 6 2.0280596 1.411091 1.620887 2.041472 6.725203 4.758346 2.215874 NABAZ ALINACAK YILLAR VE VERILER
Analizimin dogru cikmasi icin 2003=2021 yillarini baz alicam.
library(dplyr)
enflasyon_2003_2021 <- enflasyon_raw %>%
select(
`Country Name`,
`Country Code`,
`2003`:`2021`
)
head(enflasyon_2003_2021)## Country Name Country Code 2003 2004 2005
## 1 Aruba ABW 3.6563651 2.5291295 3.397787
## 2 Africa Eastern and Southern AFE 7.4497001 5.0234207 8.558038
## 3 Afghanistan AFG NA NA 12.686269
## 4 Africa Western and Central AFW 1.7609041 0.6943363 5.631634
## 5 Angola AGO 98.2241437 43.5421068 22.953514
## 6 Albania ALB 0.4840026 2.2800192 2.366582
## 2006 2007 2008 2009 2010 2011 2012
## 1 3.608024 5.392568 8.955987 -2.135429 2.078141 4.316297 0.627472
## 2 8.898164 8.450775 12.566645 8.954218 5.537538 8.971206 9.158708
## 3 6.784597 8.680571 26.418664 -6.811161 2.178538 11.804186 6.441213
## 4 4.415900 3.607368 8.452976 3.282440 1.784844 4.018699 4.578375
## 5 13.305210 12.251497 12.475829 13.730284 14.469656 13.482468 10.277905
## 6 2.370728 2.932682 3.320871 2.266922 3.627101 3.428071 2.031593
## 2013 2014 2015 2016 2017 2018 2019
## 1 -2.372065 0.4214409 0.4747636 -0.931196 -1.028282 3.6260414 4.257462
## 2 5.748831 5.5258192 5.0985616 6.446877 6.221375 4.6898065 4.102851
## 3 7.385772 4.6739960 -0.6617092 4.383892 4.975952 0.6261491 2.302373
## 4 2.439201 1.7684358 2.1308174 1.487416 1.725486 1.7840499 1.983092
## 5 8.777814 7.2803873 9.3559722 30.694415 29.844480 19.6289380 17.080954
## 6 1.937621 1.6258650 1.8961740 1.275432 1.986661 2.0280596 1.411091
## 2020 2021
## 1 NA NA
## 2 5.191629 6.824727
## 3 5.601888 5.133203
## 4 2.490378 3.745568
## 5 22.271539 25.754295
## 6 1.620887 2.041472TURKIYENIN ENFLASYON VERISINI AYIRMAK
Bu adim 2003=2021 donemi icin hazirlanan enflasyon veri seti icerisinden TURKIYEYE ait veriler ayristirilmasini kapsar.
turkiye_enflasyon <- enflasyon_2003_2021 %>%
filter(`Country Name` == "Turkiye")
head(turkiye_enflasyon)## Country Name Country Code 2003 2004 2005 2006 2007
## 1 Turkiye TUR 21.60244 8.598262 8.17916 9.597242 8.756181
## 2008 2009 2010 2011 2012 2013 2014 2015 2016
## 1 10.44413 6.250977 8.566444 6.47188 8.89157 7.49309 8.854573 7.670854 7.775134
## 2017 2018 2019 2020 2021
## 1 11.14431 16.33246 15.17682 12.27896 19.59649AVRUPA ULKELERI ILE ENFLASYON KARSILASTIRMASI
Bu adimda Turkiye’nin enflasyon oranlari, Avrupa bolgesinde yer alan ulkelerin enflasyon oranlari ile karsilastirilacaktir.
avrupa_enflasyon <- enflasyon_2003_2021 %>%
filter(`Country Code` %in% c(
"EUU",
"FRA", "DEU", "ITA", "ESP", "NLD",
"BEL", "AUT", "PRT", "GRC",
"SWE", "NOR", "FIN", "DNK",
"CHE", "GBR"
))
nrow(avrupa_enflasyon)## [1] 16AVRUPALI ULKELERIN ENFLASYON ORTALAMASINI ALIYORUZ
avrupa_enflasyon_ortalama <- avrupa_enflasyon %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))avrupa_enflasyon_ortalama## 2003 2004 2005 2006 2007 2008 2009 2010
## 1 2.006442 1.649332 1.96335 2.053673 2.007224 3.411453 0.514559 1.821124
## 2011 2012 2013 2014 2015 2016 2017 2018
## 1 2.756538 2.052559 1.100512 0.496279 0.1519754 0.5775255 1.493397 1.584588
## 2019 2020 2021
## 1 1.220181 0.3456867 2.212339turkiye_enflasyon_seri <- turkiye_enflasyon %>%
select(`2003`:`2021`)
avrupa_enflasyon_seri <- avrupa_enflasyon_ortalamaturkiye_enflasyon_long <- turkiye_enflasyon_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Enflasyon"
) %>%
mutate(Bolge = "Turkiye")avrupa_enflasyon_long <- avrupa_enflasyon_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Enflasyon"
) %>%
mutate(Bolge = "Avrupa")enflasyon_avrupa_karsilastirma <- bind_rows(
turkiye_enflasyon_long,
avrupa_enflasyon_long
)head(enflasyon_avrupa_karsilastirma)## # A tibble: 6 × 3
## Yil Enflasyon Bolge
## <chr> <dbl> <chr>
## 1 2003 21.6 Turkiye
## 2 2004 8.60 Turkiye
## 3 2005 8.18 Turkiye
## 4 2006 9.60 Turkiye
## 5 2007 8.76 Turkiye
## 6 2008 10.4 TurkiyeAVRUPA ILE TURKIYENIN ENFLASYON KARSILASTIRMASI GRAFIGI
ggplot(enflasyon_avrupa_karsilastirma,
aes(x = Yil, y = Enflasyon, color = Bolge, group = Bolge)) +
geom_line(size = 1.2) +
geom_point() +
labs(
title = "Enflasyon Oranlari: Turkiye ve Avrupa (2003-2021)",
x = "Yil",
y = "Enflasyon Orani (%)"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
Grafik incelendiginde, 2003–2021 donemi boyunca Turkiye’nin enflasyon oranlarinin Avrupa ulkelerine gore belirgin sekilde daha yuksek oldugu gorulmektedir. Avrupa bolgesinde enflasyon oranlari genel olarak dusuk ve istikrarlı bir seyir izlerken, Turkiye’de enflasyon oranlari donemsel olarak artıslar gostermistir. Ozellikle 2003 yilinda Turkiye’de yuksek enflasyon dikkat cekerken, 2009 kuresel finansal kriz doneminde her iki bolgede de dusus gozlemlenmistir. Avrupa’da enflasyon dusuk seviyelerde kalirken, Turkiye’de 2017 sonrasi donemde enflasyonun hizla arttigi ve Avrupa’dan belirgin sekilde ayristigi gorulmektedir.
ASYA ULKELERI ILE ENFLASYON KARSILASTIRMASI
Bu bolumde Turkiye’nin enflasyon oranlari, secilmis Asya ulkelerinin enflasyon oranlari ile karsilastirilmistir.
asya_enflasyon <- enflasyon_2003_2021 %>%
filter(`Country Code` %in% c(
"CHN", # China
"IND", # India
"JPN", # Japan
"KOR", # South Korea
"IDN", # Indonesia
"THA", # Thailand
"MYS" # Malaysia
))nrow(asya_enflasyon)## [1] 7ASYA ULKELERININ ORTALAMALARINI ALIYORUZ
asya_enflasyon_ortalama <- asya_enflasyon %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))asya_enflasyon_ortalama## 2003 2004 2005 2006 2007 2008 2009 2010
## 1 2.549019 3.05978 3.780321 4.470433 3.494245 5.92349 2.240265 3.911486
## 2011 2012 2013 2014 2015 2016 2017 2018
## 1 4.365502 3.314216 3.568244 3.436337 2.201813 1.942452 2.24221 1.946501
## 2019 2020 2021
## 1 1.697246 1.355764 1.949283TURKIYE ILE ASYA ISSIZLIK ORTALAMALARINI AYNI TABLO UZERINDE GOSTERIMI
turkiye_enflasyon_seri <- turkiye_enflasyon %>%
select(`2003`:`2021`)
asya_enflasyon_seri <- asya_enflasyon_ortalamaturkiye_enflasyon_long <- turkiye_enflasyon_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Enflasyon"
) %>%
mutate(Bolge = "Turkiye")asya_enflasyon_long <- asya_enflasyon_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Enflasyon"
) %>%
mutate(Bolge = "Asya")enflasyon_asya_karsilastirma <- bind_rows(
turkiye_enflasyon_long,
asya_enflasyon_long
)head(enflasyon_asya_karsilastirma)## # A tibble: 6 × 3
## Yil Enflasyon Bolge
## <chr> <dbl> <chr>
## 1 2003 21.6 Turkiye
## 2 2004 8.60 Turkiye
## 3 2005 8.18 Turkiye
## 4 2006 9.60 Turkiye
## 5 2007 8.76 Turkiye
## 6 2008 10.4 TurkiyeTURKIYE ILE ASYA ISSIZLK ORTALAMALARININ AYNI GRAFIK UZERINDE KARSILASTIRMASI
ggplot(enflasyon_asya_karsilastirma,
aes(x = Yil, y = Enflasyon, color = Bolge, group = Bolge)) +
geom_line(size = 1.2) +
geom_point() +
labs(
title = "Enflasyon Oranlari: Turkiye ve Asya (2003-2021)",
x = "Yil",
y = "Enflasyon Orani (%)"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
Grafik incelendiginde, 2003–2021 donemi boyunca Turkiye’nin enflasyon oranlarinin Asya ulkeleri ortalamasinin uzerinde seyir izledigi gorulmektedir. Asya bolgesinde enflasyon oranlari genel olarak daha dusuk ve daha istikrarlidir. 2009 kuresel kriz doneminde her iki bolgede de enflasyon oranlarinda dusus yasandigi gorulurken, kriz sonrasi donemde Asya ulkelerinde fiyat artislari yikici derecede artmamistir. Turkiye’de 2017 sonrasinda enflasyon oranlari hizli bir artıs gostermis ve Asya bolgesinden belirgin sekilde ayrismistir. Bu durum, Turkiye ekonomisinde fiyat istikrarinin Asya ulkelerine kiyasla daha zayif oldugunu ortaya koymaktadir.
AMERIKA KITASI ILE ENFLASYON KARSILASTIRMASI
Bu bolumde Turkiye enflasyon oranlari, Amerika kitasinda yer alan secilmis ulkelerin ortalama enflasyon oranlari ile karsilastirilmaktadir.
amerika_enflasyon <- enflasyon_2003_2021 %>%
filter(`Country Code` %in% c(
"USA", "CAN", "MEX",
"BRA", "ARG", "CHL"
))nrow(amerika_enflasyon)## [1] 6AMERIKA KITASINDA YER ALAN ULKELERIN ENFLASYON ORTALAMALARI
amerika_ortalama <- amerika_enflasyon %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))amerika_ortalama## 2003 2004 2005 2006 2007 2008 2009 2010
## 1 5.420131 3.374966 3.903294 3.286605 3.401396 5.145843 2.096471 2.804616
## 2011 2012 2013 2014 2015 2016 2017 2018
## 1 3.890804 3.221495 2.840676 3.719038 3.468637 3.607478 3.079509 8.331187
## 2019 2020 2021
## 1 11.20604 8.936629 12.50298TURKIYE ILE AMERIKA KITASINDAKI ULKELERIN ENFLASYON TABLOSU
turkiye_seri <- turkiye_enflasyon %>%
select(`2003`:`2021`)library(tidyr)turkiye_long <- turkiye_seri %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Enflasyon"
) %>%
mutate(Bolge = "Turkiye")amerika_long <- amerika_ortalama %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Enflasyon"
) %>%
mutate(Bolge = "Amerika")enflasyon_karsilastirma <- bind_rows(
turkiye_long,
amerika_long
)head(enflasyon_karsilastirma)## # A tibble: 6 × 3
## Yil Enflasyon Bolge
## <chr> <dbl> <chr>
## 1 2003 21.6 Turkiye
## 2 2004 8.60 Turkiye
## 3 2005 8.18 Turkiye
## 4 2006 9.60 Turkiye
## 5 2007 8.76 Turkiye
## 6 2008 10.4 TurkiyeTURKIYE ILE AMERIKA ULKELERININ ENFLASYON GRAFIGI
library(ggplot2)
ggplot(enflasyon_karsilastirma,
aes(x = Yil, y = Enflasyon, color = Bolge, group = Bolge)) +
geom_line(size = 1.2) +
geom_point() +
labs(
title = "Enflasyon Oranlari: Turkiye ve Amerika (2003-2021)",
x = "Yil",
y = "Enflasyon Orani (%)"
) +
theme_minimal()
GRAFIK YORUMU
Grafik, 2003–2021 doneminde Turkiye enflasyon oranlarinin Amerika bolgesine gore daha yuksek ve daha dalgali oldugunu gostermektedir.
ENFLASYON ORANLARI ICIN GENEL DEGERLENDIRME
2003–2021 dönemi incelendiğinde Türkiye’nin enflasyon oranlarının Avrupa, Asya ve Amerika bölgelerine kıyasla belirgin biçimde daha yüksek ve dalgalı bir seyir izlediği görülmektedir. Avrupa bölgesi genel olarak düşük ve istikrarlı enflasyon oranlarıyla öne çıkarken, Asya ve Amerika bölgelerinde orta düzeyde ancak görece kontrollü bir enflasyon yapısı gözlemlenmektedir. Türkiye’de özellikle 2008–2009 küresel kriz dönemi ile 2018 sonrası yıllarda enflasyon oranlarında keskin artışlar yaşanmıştır. Genel olarak sonuçlar, Türkiye ekonomisinde fiyat istikrarının gelişmiş ekonomilere kıyasla daha zayıf olduğu soylenebilir.
TEKNOLOJI
Bu bolumde teknolojiye iliskin iki temel gosterge kullanilmaktadir. Bunlar internet kullanim orani ve Ar-Ge harcamalaridir. Bu iki gosterge birlikte ele alinarak ulkelerin teknolojiye erisim ve yatirim duzeyleri analiz edilmektedir.
INTERNET KULLANIM ORANI
Internet kullanim orani, dijital altyapiya erisim ve teknoloji yayginligini gostermesi acisindan onemli bir gostergedir.
library(readxl)
internet_raw <- read.csv(
"internet.csv",
skip = 4,
sep = ",",
check.names = FALSE
)
head(internet_raw)## Country Name Country Code
## 1 Aruba ABW
## 2 Africa Eastern and Southern AFE
## 3 Afghanistan AFG
## 4 Africa Western and Central AFW
## 5 Angola AGO
## 6 Albania ALB
## Indicator Name Indicator Code 1960 1961
## 1 Individuals using the Internet (% of population) IT.NET.USER.ZS NA NA
## 2 Individuals using the Internet (% of population) IT.NET.USER.ZS NA NA
## 3 Individuals using the Internet (% of population) IT.NET.USER.ZS NA NA
## 4 Individuals using the Internet (% of population) IT.NET.USER.ZS NA NA
## 5 Individuals using the Internet (% of population) IT.NET.USER.ZS NA NA
## 6 Individuals using the Internet (% of population) IT.NET.USER.ZS NA NA
## 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA 0 NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA 0 NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA 0 NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA 0 NA
## 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
## 1 NA NA NA NA 2.770000 NA NA 4.5100 15.442800 17.10000000
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA 0.00472257
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA 0.000776 0.00567 0.0185 0.0720 0.105046 0.13601400
## 6 NA NA NA 0.0112 0.032200 0.04860 0.0650 0.0814 0.114097 0.32579800
## 2002 2003 2004 2005 2006 2007 2008 2009 2010
## 1 18.8000000 20.8000000 23.000000 25.40000 28.00000 30.9000 52.00 58.00 62.0
## 2 NA NA NA 1.80000 1.90000 2.7000 3.00 3.50 5.3
## 3 0.0045614 0.0878913 0.105809 1.22415 2.10712 1.9000 1.84 3.55 4.0
## 4 NA NA NA 2.30000 3.40000 4.3000 5.00 5.80 7.3
## 5 0.2703770 0.3706820 0.464815 1.14337 1.50000 1.7000 1.90 2.30 2.8
## 6 0.3900810 0.9719000 2.420390 6.04389 9.60999 15.0361 23.86 41.20 45.0
## 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
## 1 69.0 74.00000 78.9 83.7800 88.6612 93.5425 97.17 NA NA NA NA
## 2 6.8 8.40000 10.0 12.1000 14.3000 16.3000 17.30 19.6 21.6000 23.5000 25.0000
## 3 5.0 5.45455 5.9 7.0000 8.2600 11.0000 13.50 16.8 17.6000 17.0485 16.5143
## 4 8.7 10.30000 12.6 15.0000 18.6000 20.9000 23.80 25.7 28.5000 31.5000 34.7000
## 5 4.7 7.70000 13.0 21.3623 22.0000 23.2000 26.00 29.0 32.1294 36.6347 39.3876
## 6 47.0 49.40000 51.8 54.3000 56.9000 59.6000 62.40 65.4 68.5504 72.2377 79.3237
## 2022 2023 2024
## 1 NA NA NA NA
## 2 26.8000 27.8000 28.8 NA
## 3 17.1917 17.7089 NA NA
## 4 37.5000 38.5000 40.0 NA
## 5 42.0719 44.7581 NA NA
## 6 82.6137 83.1356 NA NADunya genelindeki ulkelerin internet kullanim oranlari.
BAZ ALACAGIM YILLAR VE VERILER
2003 ile 2021 yillari baz alinacaktir onceki basliklarda oldugu gibi.
internet_2003_2021 <- internet_raw %>%
select(`Country Name`, `Country Code`, `2003`:`2021`)head(internet_2003_2021)## Country Name Country Code 2003 2004 2005
## 1 Aruba ABW 20.8000000 23.000000 25.40000
## 2 Africa Eastern and Southern AFE NA NA 1.80000
## 3 Afghanistan AFG 0.0878913 0.105809 1.22415
## 4 Africa Western and Central AFW NA NA 2.30000
## 5 Angola AGO 0.3706820 0.464815 1.14337
## 6 Albania ALB 0.9719000 2.420390 6.04389
## 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
## 1 28.00000 30.9000 52.00 58.00 62.0 69.0 74.00000 78.9 83.7800 88.6612 93.5425
## 2 1.90000 2.7000 3.00 3.50 5.3 6.8 8.40000 10.0 12.1000 14.3000 16.3000
## 3 2.10712 1.9000 1.84 3.55 4.0 5.0 5.45455 5.9 7.0000 8.2600 11.0000
## 4 3.40000 4.3000 5.00 5.80 7.3 8.7 10.30000 12.6 15.0000 18.6000 20.9000
## 5 1.50000 1.7000 1.90 2.30 2.8 4.7 7.70000 13.0 21.3623 22.0000 23.2000
## 6 9.60999 15.0361 23.86 41.20 45.0 47.0 49.40000 51.8 54.3000 56.9000 59.6000
## 2017 2018 2019 2020 2021
## 1 97.17 NA NA NA NA
## 2 17.30 19.6 21.6000 23.5000 25.0000
## 3 13.50 16.8 17.6000 17.0485 16.5143
## 4 23.80 25.7 28.5000 31.5000 34.7000
## 5 26.00 29.0 32.1294 36.6347 39.3876
## 6 62.40 65.4 68.5504 72.2377 79.3237TURKIYENIN VERISINI AYIRIYORUZ
turkiye_internet <- internet_2003_2021 %>%
filter(`Country Name` == "Turkiye")turkiye_internet## Country Name Country Code 2003 2004 2005 2006 2007 2008 2009 2010
## 1 Turkiye TUR 12.33 14.58 15.46 18.24 28.63 34.37 36.4 39.82
## 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
## 1 43.0657 45.13 46.25 51.0374 53.745 58.3477 64.6846 71.0428 73.9767 77.6696
## 2021
## 1 81.4084AVRUPA ULKELERININ INTERNET KULLANIM ORANLARI
avrupa_internet <- internet_2003_2021 %>%
filter(`Country Code` %in% c(
"DEU", "FRA", "ITA", "ESP", "NLD",
"BEL", "AUT", "PRT", "GRC",
"SWE", "FIN", "DNK",
"CHE", "GBR"
))nrow(avrupa_internet)## [1] 14AVRUPA ULKELERININ INTERNET KULLANIM ORANLARININ ORTALAMASI
avrupa_internet_ort <- avrupa_internet %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))avrupa_internet_ort## 2003 2004 2005 2006 2007 2008 2009 2010
## 1 51.43071 55.82929 59.31571 63.25156 66.94146 70.04052 72.52101 75.32141
## 2011 2012 2013 2014 2015 2016 2017 2018
## 1 77.22164 79.03214 80.85737 81.25082 82.24674 83.16544 84.48274 85.88861
## 2019 2020 2021
## 1 87.15624 88.38584 90.18359AVRUPALI ULKELERIN INTERNET KULLANIM ORANLARININ TABLO UZERINDE GOSTERIMI
library(tidyr)
avrupa_internet_long <- avrupa_internet_ort %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Internet"
)head(avrupa_internet_long)## # A tibble: 6 × 2
## Yil Internet
## <chr> <dbl>
## 1 2003 51.4
## 2 2004 55.8
## 3 2005 59.3
## 4 2006 63.3
## 5 2007 66.9
## 6 2008 70.0AVRUPA ULKELERININ INTERNET KULLANIM ORANLARININ GRAFIK UZERINDE GOSTERIMI
library(ggplot2)
ggplot(avrupa_internet_long, aes(x = Yil, y = Internet, group = 1)) +
geom_line(color = "steelblue", linewidth = 1) +
geom_point(color = "steelblue") +
labs(
title = "Avrupa'da İnternet Kullanım Oranı (2003–2021)",
x = "Yıl",
y = "İnternet Kullanım Oranı (%)"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
Avrupa’da internet kullanım oranı 2003–2021 döneminde sürekli artış göstermiştir. Bu durum, dijital altyapının güçlü olması ve teknolojiye erken uyum sağlanmasıyla açıklanabilir.
AVRUPA INTERNET KULLANIMININ TURKIYE ILE KIYASLANMASI
library(tidyr)
turkiye_internet_long <- turkiye_internet %>%
select(`2003`:`2021`) %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Internet"
) %>%
mutate(Bolge = "Turkiye")head(turkiye_internet_long)## # A tibble: 6 × 3
## Yil Internet Bolge
## <chr> <dbl> <chr>
## 1 2003 12.3 Turkiye
## 2 2004 14.6 Turkiye
## 3 2005 15.5 Turkiye
## 4 2006 18.2 Turkiye
## 5 2007 28.6 Turkiye
## 6 2008 34.4 Turkiyeavrupa_internet_long <- avrupa_internet_ort %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Internet"
) %>%
mutate(Bolge = "Avrupa")head(avrupa_internet_long)## # A tibble: 6 × 3
## Yil Internet Bolge
## <chr> <dbl> <chr>
## 1 2003 51.4 Avrupa
## 2 2004 55.8 Avrupa
## 3 2005 59.3 Avrupa
## 4 2006 63.3 Avrupa
## 5 2007 66.9 Avrupa
## 6 2008 70.0 Avrupainternet_karsilastirma <- bind_rows(
turkiye_internet_long,
avrupa_internet_long
)head(internet_karsilastirma)## # A tibble: 6 × 3
## Yil Internet Bolge
## <chr> <dbl> <chr>
## 1 2003 12.3 Turkiye
## 2 2004 14.6 Turkiye
## 3 2005 15.5 Turkiye
## 4 2006 18.2 Turkiye
## 5 2007 28.6 Turkiye
## 6 2008 34.4 TurkiyeAVRUPA ILE TURKIYE INTERNET KULLANIMININ AYNI GRAFIK UZERINDE KARSILASTIRMASI
ggplot(internet_karsilastirma,
aes(x = Yil, y = Internet, color = Bolge, group = Bolge)) +
geom_line(linewidth = 1) +
geom_point() +
labs(
title = "Internet Kullanim Orani: Turkiye ve Avrupa (2003-2021)",
x = "Yil",
y = "Internet Kullanim Orani (%)",
color = "Bolge"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
2003–2021 döneminde Türkiye’de internet kullanım oranı sürekli ve hızlı bir artış göstermiştir. Avrupa ülkeleri başlangıçta daha yüksek bir seviyede olsa da, Türkiye özellikle 2010 sonrası dönemde aradaki farkı önemli ölçüde azaltmıştır. Buna rağmen, 2021 itibarıyla Avrupa hâlâ daha yüksek bir internet kullanım oranına sahiptir.
ASYA ULKELERININ INTERNET KULLANIM ORANLARI
Bu bolmde Asya ulkelerinin internet kullanim oranlari ile TURKIYENIN INTERNET KULLANIM ORANI KARSILASTIRILACAKTIR.
asya_internet <- internet_2003_2021 %>%
filter(`Country Code` %in% c(
"CHN", # China
"IND", # India
"JPN", # Japan
"KOR", # South Korea
"IDN", # Indonesia
"THA", # Thailand
"MYS" # Malaysia
))nrow(asya_internet)## [1] 7ASYA ULKELERININ INTERNET KULLANIM ORANLARININ ORTALAMALARI
asya_ortalama <- asya_internet %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))asya_ortalama## 2003 2004 2005 2006 2007 2008 2009 2010
## 1 24.06843 28.55713 31.22709 33.3825 36.36661 37.89964 39.50571 41.90429
## 2011 2012 2013 2014 2015 2016 2017 2018 2019
## 1 44.01901 46.2495 47.43241 50.5369 54.08531 58.20949 60.6663 63.1391 68.7175
## 2020 2021
## 1 74.47257 82.94402ASYA ULKELERININ INTERNET KULLANIM ORANLARININ AYNI TABLO UZERINDE GOSTERIMI
asya_internet_long <- asya_ortalama %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Internet"
) %>%
mutate(Bolge = "Asya")head(asya_internet_long)## # A tibble: 6 × 3
## Yil Internet Bolge
## <chr> <dbl> <chr>
## 1 2003 24.1 Asya
## 2 2004 28.6 Asya
## 3 2005 31.2 Asya
## 4 2006 33.4 Asya
## 5 2007 36.4 Asya
## 6 2008 37.9 Asyaturkiye_internet_long <- turkiye_internet %>%
select(`2003`:`2021`) %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Internet"
) %>%
mutate(Bolge = "Turkiye")head(turkiye_internet_long)## # A tibble: 6 × 3
## Yil Internet Bolge
## <chr> <dbl> <chr>
## 1 2003 12.3 Turkiye
## 2 2004 14.6 Turkiye
## 3 2005 15.5 Turkiye
## 4 2006 18.2 Turkiye
## 5 2007 28.6 Turkiye
## 6 2008 34.4 TurkiyeTURKIYE ILE ASYA ULKELERININ INTERNET KULLANIM ORTALAMALARININ AYNI GRAFIK UZERINDE GOSTERIMI
ggplot(
data = bind_rows(turkiye_internet_long, asya_internet_long),
aes(x = Yil, y = Internet, color = Bolge, group = Bolge)
) +
geom_line(size = 1.2) +
geom_point() +
labs(
title = "Internet Kullanım Oranı: Turkiye ve Asya (2003–2021)",
x = "Yıl",
y = "Internet Kullanım Oranı (%)",
color = "Bolge"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
2003–2021 döneminde hem Türkiye’de hem de Asya’da internet kullanım oranı düzenli biçimde artmıştır. Türkiye, özellikle 2007 sonrasında daha hızlı bir artış yakalayarak 2010’lu yılların ortalarından itibaren Asya ortalamasını yakalamış ve son yıllarda benzer seviyelere ulaşmıştır.
AMERIKA KITASINDAKI ULKELERIN INTERNET KULLANIMI VE TURKIYE ILE KIYASLANMASI
amerika_internet <- internet_2003_2021 %>%
filter(`Country Code` %in% c(
"USA", "CAN", "MEX",
"BRA", "ARG", "CHL"
))nrow(amerika_internet)## [1] 6AMERIKA KITASINDA YER ALAN ULKELERIN INTERNET KULLANIM ORTALAMALARI
amerika_ortalama <- amerika_internet %>%
select(`2003`:`2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))amerika_long <- amerika_ortalama %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Internet"
) %>%
mutate(Bolge = "Amerika")head(amerika_long)## # A tibble: 6 × 3
## Yil Internet Bolge
## <chr> <dbl> <chr>
## 1 2003 31.6 Amerika
## 2 2004 34.7 Amerika
## 3 2005 37.8 Amerika
## 4 2006 40.7 Amerika
## 5 2007 43.6 Amerika
## 6 2008 45.3 Amerikainternet_tr_amerika <- bind_rows(
turkiye_internet_long,
amerika_long
)TURKIYE ILE AMERIKA KITASINDA YER ALAN ULKELERIN AYNI GRAFIK UZERINDE KARSILASTIRMASI
ggplot(internet_tr_amerika,
aes(x = Yil, y = Internet, color = Bolge, group = Bolge)) +
geom_line(size = 1.2) +
geom_point() +
labs(
title = "Internet Kullanim Orani: Turkiye ve Amerika (2003-2021)",
x = "Yil",
y = "Internet Kullanim Orani (%)"
) +
theme_minimal()
GRAFIGIN YORUMU
2003–2021 döneminde hem Türkiye hem Amerika’da internet kullanımı sürekli artmıştır. Amerika tüm dönemde daha yüksek seviyede seyrederken, Türkiye özellikle 2010 sonrası dönemde hızlı bir artışla aradaki farkı belirgin biçimde azaltmıştır.
AR=GE HARCAMALARI
Ulkelerin teknolojik olarak gelismis olduklarinin bir baska gostergesi yaplan AR=GE harcamalaridir.
arge_raw <- read.csv(
"arge.csv",
skip = 4,
header = TRUE,
sep = ","
)
head(arge_raw)## Country.Name Country.Code
## 1 Aruba ABW
## 2 Africa Eastern and Southern AFE
## 3 Afghanistan AFG
## 4 Africa Western and Central AFW
## 5 Angola AGO
## 6 Albania ALB
## Indicator.Name Indicator.Code X1960 X1961
## 1 Research and development expenditure (% of GDP) GB.XPD.RSDV.GD.ZS NA NA
## 2 Research and development expenditure (% of GDP) GB.XPD.RSDV.GD.ZS NA NA
## 3 Research and development expenditure (% of GDP) GB.XPD.RSDV.GD.ZS NA NA
## 4 Research and development expenditure (% of GDP) GB.XPD.RSDV.GD.ZS NA NA
## 5 Research and development expenditure (% of GDP) GB.XPD.RSDV.GD.ZS NA NA
## 6 Research and development expenditure (% of GDP) GB.XPD.RSDV.GD.ZS NA NA
## X1962 X1963 X1964 X1965 X1966 X1967 X1968 X1969 X1970 X1971 X1972 X1973 X1974
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA
## X1975 X1976 X1977 X1978 X1979 X1980 X1981 X1982 X1983 X1984 X1985 X1986 X1987
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA
## X1988 X1989 X1990 X1991 X1992 X1993 X1994 X1995 X1996 X1997 X1998 X1999 X2000
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA
## X2001 X2002 X2003 X2004 X2005 X2006 X2007 X2008 X2009
## 1 NA NA NA NA NA NA NA NA NA
## 2 NA NA 0.5945399 0.6261006 0.6265929 NA 0.6598647 NA NA
## 3 NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA 0.1520092 NA NA
## 5 NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA 0.0875700 0.15412 NA
## X2010 X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018 X2019 X2020
## 1 NA NA NA NA NA NA NA NA NA NA NA
## 2 0.5867791 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA 0.2782521 NA
## 5 NA NA NA NA NA NA 0.03229 NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA
## X2021 X2022 X2023 X2024 X
## 1 NA NA NA NA NA
## 2 NA NA NA NA NA
## 3 NA NA NA NA NA
## 4 NA NA NA NA NA
## 5 NA NA NA NA NA
## 6 NA NA NA NA NAturkey_arge <- arge_raw[arge_raw$Country.Name == "Turkiye", ]
turkey_arge## Country.Name Country.Code Indicator.Name
## 245 Turkiye TUR Research and development expenditure (% of GDP)
## Indicator.Code X1960 X1961 X1962 X1963 X1964 X1965 X1966 X1967 X1968
## 245 GB.XPD.RSDV.GD.ZS NA NA NA NA NA NA NA NA NA
## X1969 X1970 X1971 X1972 X1973 X1974 X1975 X1976 X1977 X1978 X1979 X1980
## 245 NA NA NA NA NA NA NA NA NA NA NA NA
## X1981 X1982 X1983 X1984 X1985 X1986 X1987 X1988 X1989 X1990 X1991 X1992
## 245 NA NA NA NA NA NA NA NA NA NA NA NA
## X1993 X1994 X1995 X1996 X1997 X1998 X1999 X2000 X2001 X2002
## 245 NA NA NA 0.45159 0.49168 0.36198 0.45557 0.46558 0.52247 0.50904
## X2003 X2004 X2005 X2006 X2007 X2008 X2009 X2010 X2011
## 245 0.46532 0.49713 0.56381 0.55292 0.68616 0.68741 0.80362 0.79369 0.79393
## X2012 X2013 X2014 X2015 X2016 X2017 X2018 X2019 X2020
## 245 0.82595 0.81206 0.8564 0.96732 1.11979 1.17632 1.27093 1.3196 1.36748
## X2021 X2022 X2023 X2024 X
## 245 1.40209 1.32343 NA NA NABAZ ALINACAK YILLAR
2003=2021 yillarini baz aliyoruz.
arge_2003_2021 <- arge_raw %>%
select(`Country.Name`, `Country.Code`, `X2003`:`X2021`)head(arge_2003_2021)## Country.Name Country.Code X2003 X2004 X2005 X2006
## 1 Aruba ABW NA NA NA NA
## 2 Africa Eastern and Southern AFE 0.5945399 0.6261006 0.6265929 NA
## 3 Afghanistan AFG NA NA NA NA
## 4 Africa Western and Central AFW NA NA NA NA
## 5 Angola AGO NA NA NA NA
## 6 Albania ALB NA NA NA NA
## X2007 X2008 X2009 X2010 X2011 X2012 X2013 X2014 X2015 X2016 X2017
## 1 NA NA NA NA NA NA NA NA NA NA NA
## 2 0.6598647 NA NA 0.5867791 NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA
## 4 0.1520092 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA 0.03229 NA
## 6 0.0875700 0.15412 NA NA NA NA NA NA NA NA NA
## X2018 X2019 X2020 X2021
## 1 NA NA NA NA
## 2 NA NA NA NA
## 3 NA NA NA NA
## 4 NA 0.2782521 NA NA
## 5 NA NA NA NA
## 6 NA NA NA NATURKIYENIN AR-GE VERISI
turkiye_arge <- arge_2003_2021 %>%
filter(`Country.Name` == "Turkiye")turkiye_arge## Country.Name Country.Code X2003 X2004 X2005 X2006 X2007 X2008
## 1 Turkiye TUR 0.46532 0.49713 0.56381 0.55292 0.68616 0.68741
## X2009 X2010 X2011 X2012 X2013 X2014 X2015 X2016 X2017
## 1 0.80362 0.79369 0.79393 0.82595 0.81206 0.8564 0.96732 1.11979 1.17632
## X2018 X2019 X2020 X2021
## 1 1.27093 1.3196 1.36748 1.40209AVRUPALI ULKELERIN AR-GE HARCAMALARI
avrupa_arge <- arge_2003_2021 %>%
filter(`Country.Code` %in% c(
"DEU", "FRA", "ITA", "ESP", "NLD",
"BEL", "AUT", "PRT", "GRC",
"SWE", "FIN", "DNK",
"CHE", "GBR"
))nrow(avrupa_arge)## [1] 14AVRUPALI ULKELERIN AR=GE HARCAMALARININ ORTALAMASI
avrupa_arge_ort <- avrupa_arge %>%
select(`X2003`:`X2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))avrupa_arge_ort## X2003 X2004 X2005 X2006 X2007 X2008 X2009 X2010
## 1 1.89933 1.920126 1.88756 1.923766 1.938348 2.102684 2.142862 2.118974
## X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018
## 1 2.137972 2.209338 2.181024 2.224583 2.289594 2.244689 2.330295 2.337122
## X2019 X2020 X2021
## 1 2.440464 2.513608 2.542389AVRUPALI ULKELERIN AR=GE GRAFIGI
library(tidyr)
avrupa_arge_long <- avrupa_arge_ort %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "ARGE"
)
avrupa_arge_long$Yil <- as.numeric(sub("X", "", avrupa_arge_long$Yil))head(avrupa_arge_long)## # A tibble: 6 × 2
## Yil ARGE
## <dbl> <dbl>
## 1 2003 1.90
## 2 2004 1.92
## 3 2005 1.89
## 4 2006 1.92
## 5 2007 1.94
## 6 2008 2.10library(ggplot2)
ggplot(avrupa_arge_long, aes(x = Yil, y = ARGE, group = 1)) +
geom_line(color = "darkred", linewidth = 1) +
geom_point(color = "darkred") +
labs(
title = "Avrupa'da AR-GE Harcamaları (GSYH %) (2003–2021)",
x = "Yıl",
y = "AR-GE Harcamaları (% GSYH)"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
Avrupa’da AR-GE harcamalarının GSYH içindeki payı genel olarak artış göstermiştir. 2008 sonrası dönemde belirgin bir yükseliş yaşanırken, bazı yıllarda kısa süreli dalgalanmalar görülse de uzun vadeli eğilim yukarı yönlüdür. Bu durum, Avrupa ülkelerinin teknoloji ve yenilik faaliyetlerine giderek daha fazla önem verdiğini göstermektedir.
TURKIYE ILE AVRUPA AR=GE HARCAMALARININ AYNI TABLO UZERINDE GOSTERIMI
Kiyaslama yapmak icin TURKIYE ile Avrupali ulkelerin ar=ge harcamalarii ayni grafik uzerinde gosterelim.
turkiye_arge_long <- turkiye_arge %>%
pivot_longer(
cols = `X2003`:`X2021`,
names_to = "Yil",
values_to = "ARGE"
)
turkiye_arge_long$Yil <- as.numeric(sub("X", "", turkiye_arge_long$Yil))
turkiye_arge_long$Ulke <- "Turkiye"head(turkiye_arge_long)## # A tibble: 6 × 5
## Country.Name Country.Code Yil ARGE Ulke
## <chr> <chr> <dbl> <dbl> <chr>
## 1 Turkiye TUR 2003 0.465 Turkiye
## 2 Turkiye TUR 2004 0.497 Turkiye
## 3 Turkiye TUR 2005 0.564 Turkiye
## 4 Turkiye TUR 2006 0.553 Turkiye
## 5 Turkiye TUR 2007 0.686 Turkiye
## 6 Turkiye TUR 2008 0.687 Turkiyeavrupa_arge_long$Ulke <- "Avrupa"arge_karsilastirma <- rbind(
turkiye_arge_long[, c("Yil", "ARGE", "Ulke")],
avrupa_arge_long[, c("Yil", "ARGE", "Ulke")]
)TURKIYE ILE AVRUPALI ULKELERIN AYNI TABLO UZERINDE KARSILASTRMASI
head(arge_karsilastirma)## # A tibble: 6 × 3
## Yil ARGE Ulke
## <dbl> <dbl> <chr>
## 1 2003 0.465 Turkiye
## 2 2004 0.497 Turkiye
## 3 2005 0.564 Turkiye
## 4 2006 0.553 Turkiye
## 5 2007 0.686 Turkiye
## 6 2008 0.687 TurkiyeTURKIYE ILE AVRUPALI ULKELERIN AR=GE HARCAMALARININ AYNI GRAFIK UZERINDE GOSTERIMI
ggplot(arge_karsilastirma, aes(x = Yil, y = ARGE, color = Ulke)) +
geom_line(linewidth = 1) +
geom_point() +
labs(
title = "Turkiye ve Avrupa'da AR-GE Harcamalari (2003-2021)",
x = "Yil",
y = "AR-GE Harcamalari (% GSYH)",
color = "Bolge"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
2003–2021 döneminde hem Türkiye’de hem de Avrupa’da AR-GE harcamalarının GSYH içindeki payı artış göstermiştir. Avrupa tüm dönem boyunca Türkiye’nin üzerinde seyretmiştir. Türkiye’de özellikle 2014 sonrası dönemde artış hızlanmış olsa da, Avrupa ile arasındaki farkın devam ettiği görülmektedir.
ASYA ULKELERININ AR-GE HARCAMALARI
Once asya ulkelerini datadan ayirmamiz lazim.
asya_arge <- arge_2003_2021 %>%
filter(`Country.Code` %in% c(
"CHN", # China
"JPN", # Japan
"KOR", # South Korea
"IND", # India
"IDN", # Indonesia
"THA", # Thailand
"MYS", # Malaysia
"SGP", # Singapore
"PHL" # Philippines
))nrow(asya_arge)## [1] 9ASYA ULKELERININ YAPTIGI AR-GE HARCAMALARININ ORTALAMALARI
asya_arge_ort <- asya_arge %>%
select(`X2003`:`X2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))asya_arge_ort## X2003 X2004 X2005 X2006 X2007 X2008 X2009 X2010
## 1 1.353926 1.473149 1.465674 1.582943 1.567079 1.739187 1.378369 1.981367
## X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018 X2019
## 1 1.613671 2.11521 1.564241 1.999239 1.77448 1.79693 1.911331 1.672014 2.006931
## X2020 X2021
## 1 1.978525 2.95683ASYA ULKELERININ YAPTIGI AR=GE HARCAMALARINI TABLO HALINE GETIRIYORUZ
library(tidyr)
asya_arge_long <- asya_arge_ort %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "ARGE"
)
asya_arge_long$Yil <- as.numeric(sub("X", "", asya_arge_long$Yil))
asya_arge_long$Ulke <- "Asya"head(asya_arge_long)## # A tibble: 6 × 3
## Yil ARGE Ulke
## <dbl> <dbl> <chr>
## 1 2003 1.35 Asya
## 2 2004 1.47 Asya
## 3 2005 1.47 Asya
## 4 2006 1.58 Asya
## 5 2007 1.57 Asya
## 6 2008 1.74 AsyaASYA ULKELERININ YAPMIS OLDUGU AR-GE HARCAMALARININ GRAFIGI
library(ggplot2)
ggplot(asya_arge_long, aes(x = Yil, y = ARGE, group = 1)) +
geom_line(color = "darkgreen", linewidth = 1) +
geom_point(color = "darkgreen") +
labs(
title = "Asya'da AR-GE Harcamalari (GSYH %) (2003-2021)",
x = "Yil",
y = "AR-GE Harcamalari (% GSYH)"
) +
theme_minimal()
GRAFIGIN YORUMU
2003–2021 döneminde Asya ülkelerinde AR-GE harcamalarının GSYH içindeki payı genel olarak artış göstermiştir. Zaman zaman dalgalanmalar olsada artan teknoloji ve yanilikler grafigin artmasina sebep olmustur.
TURKIYE ILE ASYA AR=GE HARCAMALARININ KARSILASTIRMASI
tr_asya_karsilastirma <- rbind(
turkiye_arge_long[, c("Yil", "ARGE", "Ulke")],
asya_arge_long[, c("Yil", "ARGE", "Ulke")]
)head(tr_asya_karsilastirma)## # A tibble: 6 × 3
## Yil ARGE Ulke
## <dbl> <dbl> <chr>
## 1 2003 0.465 Turkiye
## 2 2004 0.497 Turkiye
## 3 2005 0.564 Turkiye
## 4 2006 0.553 Turkiye
## 5 2007 0.686 Turkiye
## 6 2008 0.687 TurkiyeAyni tablo uzerinde gosterdigimiz verileri birazdan grafik olarakta yorumluycaz.
TURKIYE ILE ASYA AR-GE HARCAMALARININ AYNI GRAFIK UZERINDE GOSTERIMI
library(ggplot2)
ggplot(tr_asya_karsilastirma, aes(x = Yil, y = ARGE, color = Ulke)) +
geom_line(linewidth = 1) +
geom_point() +
labs(
title = "Turkiye ve Asya'da AR-GE Harcamalari (2003-2021)",
x = "Yil",
y = "AR-GE Harcamalari (% GSYH)",
color = "Bolge"
) +
theme_minimal()
GRAFIGIN YORUMU
2003–2021 döneminde hem Türkiye’de hem de Asya’da AR-GE harcamalarının GSYH içindeki payı artış göstermiştir. Asya ülkeleri tüm dönem boyunca Türkiye’nin üzerinde seyretmiş, özellikle son yıllarda Asya’da belirgin bir sıçrama yaşanmıştır. Türkiye’de ise daha istikrarlı fakat daha düşük düzeyde bir artış gözlenmektedir.
AMERIKA KITASINDA YER ALAN ULKELERIN AR=GE HARCAMALARI
amerika_arge <- arge_2003_2021 %>%
filter(`Country.Code` %in% c(
"USA", # United States
"CAN", # Canada
"MEX", # Mexico
"BRA", # Brazil
"ARG", # Argentina
"CHL" # Chile
))nrow(amerika_arge)## [1] 6Once Amerika kitasinda yer alan ulkeleri ayiriyoruz.
AMERIKA KITASINDA YER ALAN ULKELERIN AR-GE ORTALAMALARI
amerika_arge_ort <- amerika_arge %>%
select(`X2003`:`X2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))amerika_arge_ort## X2003 X2004 X2005 X2006 X2007 X2008 X2009 X2010
## 1 1.260404 1.244384 1.255486 1.25634 1.125335 1.166543 1.203897 1.177603
## X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018
## 1 1.172727 1.162082 1.169113 1.180602 1.209692 1.192892 1.153457 1.17516
## X2019 X2020 X2021
## 1 1.201733 1.278748 1.300758TABLO HALINE GETIRELIM
library(tidyr)
amerika_arge_long <- amerika_arge_ort %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "ARGE"
)
amerika_arge_long$Yil <- as.numeric(sub("X", "", amerika_arge_long$Yil))
amerika_arge_long$Ulke <- "Amerika"head(amerika_arge_long)## # A tibble: 6 × 3
## Yil ARGE Ulke
## <dbl> <dbl> <chr>
## 1 2003 1.26 Amerika
## 2 2004 1.24 Amerika
## 3 2005 1.26 Amerika
## 4 2006 1.26 Amerika
## 5 2007 1.13 Amerika
## 6 2008 1.17 AmerikaTURKIYE ILE AMERIKA KITASINDA YER ALAN ULKELERI KARSILASTIRALIM
tr_amerika_karsilastirma <- rbind(
turkiye_arge_long[, c("Yil", "ARGE", "Ulke")],
amerika_arge_long[, c("Yil", "ARGE", "Ulke")]
)library(ggplot2)
ggplot(tr_amerika_karsilastirma, aes(x = Yil, y = ARGE, color = Ulke)) +
geom_line(linewidth = 1) +
geom_point() +
labs(
title = "Turkiye ve Amerika Kitasi'nda AR-GE Harcamalari (2003-2021)",
x = "Yil",
y = "AR-GE Harcamalari (% GSYH)",
color = "Bolge"
) +
theme_minimal()
GRAFIGIN YORUMU
Amerika Kıtası’nda AR-GE harcamaları görece daha istikrarlı seyretmiş, ancak Türkiye özellikle 2015 sonrası dönemde hızlı bir artışla Amerika Kıtası ortalamasını yakalamış ve bazı yıllarda üzerine çıkmıştır.
AR-GE HARCAMALARI ICIN GENEL DEGERLENDIRME
2003–2021 dönemine ait veriler incelendiğinde, AR-GE harcamalarının GSYH içindeki payının Türkiye, Avrupa, Asya ve Amerika Kıtası’nda genel olarak artış eğilimi gösterdiği görülmektedir. Avrupa ve Asya ülkeleri tüm dönem boyunca daha yüksek AR-GE harcama oranlarına sahipken, Türkiye’de özellikle 2015 sonrası dönemde belirgin bir artış yasamistir. Buna rağmen Türkiye’nin AR-GE harcamaları, genel olarak gelişmiş bölgelerin ortalamalarının altında seyretmektedir.
TARIM
Tarım sektörü, ülkelerin ekonomik yapısında onemli bir yere sahiptir cunku gida uretimini ve dolayisiyla istihdami dogrudan etkiler WORLD BANK yukledigimiz datada tarim sektorunun GSYH payi dikkate alinarak yorumlayacagiz.
tarim_raw <- read.csv("tarim.csv", skip = 4)
head(tarim_raw)## Country.Name Country.Code
## 1 Aruba ABW
## 2 Africa Eastern and Southern AFE
## 3 Afghanistan AFG
## 4 Africa Western and Central AFW
## 5 Angola AGO
## 6 Albania ALB
## Indicator.Name Indicator.Code
## 1 Agriculture, forestry, and fishing, value added (% of GDP) NV.AGR.TOTL.ZS
## 2 Agriculture, forestry, and fishing, value added (% of GDP) NV.AGR.TOTL.ZS
## 3 Agriculture, forestry, and fishing, value added (% of GDP) NV.AGR.TOTL.ZS
## 4 Agriculture, forestry, and fishing, value added (% of GDP) NV.AGR.TOTL.ZS
## 5 Agriculture, forestry, and fishing, value added (% of GDP) NV.AGR.TOTL.ZS
## 6 Agriculture, forestry, and fishing, value added (% of GDP) NV.AGR.TOTL.ZS
## X1960 X1961 X1962 X1963 X1964 X1965 X1966 X1967 X1968 X1969 X1970 X1971 X1972
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA
## X1973 X1974 X1975 X1976 X1977 X1978 X1979 X1980 X1981 X1982 X1983
## 1 NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA 15.59685 16.40716 17.19105
## 5 NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA
## X1984 X1985 X1986 X1987 X1988 X1989 X1990 X1991
## 1 NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA 18.02724 19.58453
## 3 NA NA NA NA NA NA NA NA
## 4 18.54159 18.14234 22.59648 24.64839 26.33443 25.56753 24.29892 24.40882
## 5 NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA
## X1992 X1993 X1994 X1995 X1996 X1997 X1998
## 1 NA NA NA 0.5059222 0.48583 0.4299781 0.4079168
## 2 12.86779 13.18811 12.64673 12.3265690 12.76479 13.3368856 13.5096545
## 3 NA NA NA NA NA NA NA
## 4 24.19273 24.13220 25.11414 25.4665329 25.50598 26.3186350 26.9805577
## 5 NA NA NA NA NA NA NA
## 6 NA NA NA 32.8374498 33.56166 28.9413145 26.2610428
## X1999 X2000 X2001 X2002 X2003 X2004
## 1 0.3832685 0.01860754 0.01861749 0.01805393 0.01801058 0.01756626
## 2 12.6881357 12.91604080 12.81188316 12.92377298 11.16103633 10.05175821
## 3 NA NA NA 38.62789186 37.41885544 29.72106714
## 4 23.5355771 20.70025154 22.81973873 29.69436116 27.51226389 23.85237875
## 5 NA NA NA 9.38679060 10.00007685 10.36359144
## 6 23.6225673 22.17901395 20.45240541 19.76391647 19.80762033 18.56307999
## X2005 X2006 X2007 X2008 X2009 X2010
## 1 0.01732778 0.0175077 0.0178386 0.0169974 0.01990685 0.02049209
## 2 9.96435509 10.2630767 11.1719463 12.3951575 12.66341824 11.50974335
## 3 31.11485491 28.6359686 30.1050114 24.8922700 29.29750105 26.21006854
## 4 23.37334345 22.3471365 22.0524207 22.6036428 23.70547516 22.13212592
## 5 8.56536732 8.4410090 8.6162404 7.8183180 10.36614746 10.09130686
## 6 17.12471790 16.0415750 15.5325494 15.4221004 15.27922173 16.35860819
## X2011 X2012 X2013 X2014 X2015 X2016
## 1 0.0203949 0.02146875 0.01781746 0.01481297 0.01251979 0.01861175
## 2 10.3947361 11.14282764 11.49024715 12.27657683 13.01509288 12.88646760
## 3 23.7436640 24.39087363 22.81066274 22.13704137 20.63432272 25.74031404
## 4 20.5195250 20.33878451 19.61969629 19.19330209 20.17858711 20.59646880
## 5 9.5563060 9.69697932 10.32955070 11.47821589 13.66377233 14.67114133
## 6 16.7202229 17.59136855 18.92481742 19.23775892 18.74716028 19.16719075
## X2017 X2018 X2019 X2020 X2021 X2022
## 1 0.02391858 0.02225301 0.01842432 0.0217006 0.02999855 0.03421443
## 2 12.46247450 11.99174754 12.95376344 14.7341526 13.72874111 14.18552265
## 3 26.42019908 22.04289675 25.77397074 29.9755825 33.59761887 33.70143232
## 4 20.35676898 20.54953600 23.46549546 25.3981778 25.62299366 25.37174651
## 5 14.92832600 13.33979057 12.39115857 15.0223674 16.56192370 18.98909298
## 6 18.07907821 17.91555582 18.16039737 18.8061379 17.79322498 16.98447545
## X2023 X2024 X
## 1 NA NA NA
## 2 15.33307 15.26526 NA
## 3 34.74325 NA NA
## 4 24.15289 22.55541 NA
## 5 20.68976 22.06933 NA
## 6 16.27424 15.45190 NAZAMAN ARALIGI ONCEKI CALISMALARDA OLDUGU GIBI 2003-2021 OLACAKTIR
tarim_2003_2021 <- tarim_raw %>%
select(`Country.Name`, `Country.Code`, `X2003`:`X2021`)head(tarim_2003_2021)## Country.Name Country.Code X2003 X2004 X2005
## 1 Aruba ABW 0.01801058 0.01756626 0.01732778
## 2 Africa Eastern and Southern AFE 11.16103633 10.05175821 9.96435509
## 3 Afghanistan AFG 37.41885544 29.72106714 31.11485491
## 4 Africa Western and Central AFW 27.51226389 23.85237875 23.37334345
## 5 Angola AGO 10.00007685 10.36359144 8.56536732
## 6 Albania ALB 19.80762033 18.56307999 17.12471790
## X2006 X2007 X2008 X2009 X2010 X2011
## 1 0.0175077 0.0178386 0.0169974 0.01990685 0.02049209 0.0203949
## 2 10.2630767 11.1719463 12.3951575 12.66341824 11.50974335 10.3947361
## 3 28.6359686 30.1050114 24.8922700 29.29750105 26.21006854 23.7436640
## 4 22.3471365 22.0524207 22.6036428 23.70547516 22.13212592 20.5195250
## 5 8.4410090 8.6162404 7.8183180 10.36614746 10.09130686 9.5563060
## 6 16.0415750 15.5325494 15.4221004 15.27922173 16.35860819 16.7202229
## X2012 X2013 X2014 X2015 X2016 X2017
## 1 0.02146875 0.01781746 0.01481297 0.01251979 0.01861175 0.02391858
## 2 11.14282764 11.49024715 12.27657683 13.01509288 12.88646760 12.46247450
## 3 24.39087363 22.81066274 22.13704137 20.63432272 25.74031404 26.42019908
## 4 20.33878451 19.61969629 19.19330209 20.17858711 20.59646880 20.35676898
## 5 9.69697932 10.32955070 11.47821589 13.66377233 14.67114133 14.92832600
## 6 17.59136855 18.92481742 19.23775892 18.74716028 19.16719075 18.07907821
## X2018 X2019 X2020 X2021
## 1 0.02225301 0.01842432 0.0217006 0.02999855
## 2 11.99174754 12.95376344 14.7341526 13.72874111
## 3 22.04289675 25.77397074 29.9755825 33.59761887
## 4 20.54953600 23.46549546 25.3981778 25.62299366
## 5 13.33979057 12.39115857 15.0223674 16.56192370
## 6 17.91555582 18.16039737 18.8061379 17.79322498TURKIYENIN TARIM VERISINI AYIRIYORUZ
Daha saglikli yorumlalamak icin TURKIYENIN tarim verisini datadan ayiklamak gerekiyor.
turkiye_tarim <- tarim_2003_2021 %>%
filter(`Country.Name` == "Turkiye")turkiye_tarim## Country.Name Country.Code X2003 X2004 X2005 X2006 X2007
## 1 Turkiye TUR 9.77426 9.303342 9.134975 8.061977 7.418251
## X2008 X2009 X2010 X2011 X2012 X2013 X2014 X2015
## 1 7.380224 8.019527 8.90738 8.126585 7.658345 6.649973 6.53828 6.876898
## X2016 X2017 X2018 X2019 X2020 X2021
## 1 6.265562 6.196423 6.004186 6.654154 6.891226 5.704882TURKIYENIN TARIM VERISINI TABLO HALINE CEVIRELIM
library(tidyr)
turkiye_tarim_long <- turkiye_tarim %>%
pivot_longer(
cols = `X2003`:`X2021`,
names_to = "Yil",
values_to = "Tarim"
)
turkiye_tarim_long$Yil <- as.numeric(sub("X", "", turkiye_tarim_long$Yil))
turkiye_tarim_long$Ulke <- "Turkiye"head(turkiye_tarim_long)## # A tibble: 6 × 5
## Country.Name Country.Code Yil Tarim Ulke
## <chr> <chr> <dbl> <dbl> <chr>
## 1 Turkiye TUR 2003 9.77 Turkiye
## 2 Turkiye TUR 2004 9.30 Turkiye
## 3 Turkiye TUR 2005 9.13 Turkiye
## 4 Turkiye TUR 2006 8.06 Turkiye
## 5 Turkiye TUR 2007 7.42 Turkiye
## 6 Turkiye TUR 2008 7.38 TurkiyeTURKIYEDE TARIMIN GSYH PAYI
library(ggplot2)
ggplot(turkiye_tarim_long, aes(x = Yil, y = Tarim)) +
geom_line(color = "darkgreen", linewidth = 1) +
geom_point(color = "darkgreen") +
labs(
title = "Turkiye'de Tarim Sektorunun GSYH Icindeki Payi (2003-2021)",
x = "Yil",
y = "Tarim (% GSYH)"
) +
theme_minimal()
GRAFIGIN YORUMU
2003–2021 döneminde Türkiye’de tarım sektörünün GSYH içindeki payı genel olarak azalmistir. Bazı yıllarda geçici artışlar görülse de, uzun vadede tarımın ekonomideki ağırlığının sanayi ve hizmetler sektörleri yuzunden azalmistir.
AVRUPADA TARIMIN GSYH PAYI
Analize baslamak icin Avrupali ulkeleri datadan ayirmamiz lazim.
avrupa_tarim <- tarim_2003_2021 %>%
filter(Country.Code %in% c(
"DEU", "FRA", "ITA", "ESP", "NLD",
"BEL", "AUT", "PRT", "GRC",
"SWE", "FIN", "DNK",
"CHE", "GBR"
))nrow(avrupa_tarim)## [1] 14AVRUPALI ULKELERIN TARIM ORTALAMALARI
avrupa_tarim_ort <- avrupa_tarim %>%
select(`X2003`:`X2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))avrupa_tarim_ort## X2003 X2004 X2005 X2006 X2007 X2008 X2009 X2010
## 1 2.029329 1.92897 1.700522 1.56689 1.598431 1.489471 1.421117 1.528014
## X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018
## 1 1.549558 1.597158 1.588487 1.59894 1.568287 1.524865 1.606534 1.527008
## X2019 X2020 X2021
## 1 1.548315 1.617962 1.554483Avrupali ulkelerin tarim ortalamalarini aliyoruz.
AVRUPALI ULKELERIN TARIM ORTALAMALARINI TABLO HALINE CEVIRELIM
library(tidyr)
avrupa_tarim_long <- avrupa_tarim_ort %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Tarim"
)
avrupa_tarim_long$Yil <- as.numeric(sub("X", "", avrupa_tarim_long$Yil))
avrupa_tarim_long$Ulke <- "Avrupa"head(avrupa_tarim_long)## # A tibble: 6 × 3
## Yil Tarim Ulke
## <dbl> <dbl> <chr>
## 1 2003 2.03 Avrupa
## 2 2004 1.93 Avrupa
## 3 2005 1.70 Avrupa
## 4 2006 1.57 Avrupa
## 5 2007 1.60 Avrupa
## 6 2008 1.49 AvrupaAVRUPADAKI TARIM SEKTORUNUN GSYH ICINDEKI PAYINI GRAFIK SEKLINDE GOSTERELIM
library(ggplot2)
ggplot(avrupa_tarim_long, aes(x = Yil, y = Tarim, group = 1)) +
geom_line(color = "steelblue", linewidth = 1) +
geom_point(color = "steelblue") +
labs(
title = "Avrupa'da Tarim Sektorunun GSYH Icindeki Payi (2003-2021)",
x = "Yil",
y = "Tarim (% GSYH)"
) +
theme_minimal()
GRAFIGIN YORUMU
2003–2021 döneminde Avrupa’da tarım sektörünün GSYH içindeki payı genel olarak düşük seviyelerde seyretmiş ve zaman içinde azalma eğilimi göstermiştir. Avrupa ekonomilerinde tarım sektörünün oneminin sanayi ve hizmet sektorune gore daha az onemli oldugu anlasilmaktadir.
ASYA ULKELERI ICIN TARIMIN GSYH ICINDEKI PAYI
Asya ulkeleri icin tarimin GSYH icindeki payini inceleyecegiz.
ONCE VERIMIZDEN ASYA ULKELERINI AYIRARAK BASLIYORUZ
asya_tarim <- tarim_2003_2021 %>%
filter(Country.Code %in% c(
"CHN", # China
"JPN", # Japan
"KOR", # South Korea
"IND", # India
"IDN", # Indonesia
"THA", # Thailand
"MYS", # Malaysia
"SGP", # Singapore
"PHL" # Philippines
))nrow(asya_tarim)## [1] 9ASYA ULKELERI ICIN TARIMIN ORTALAMASINI ALIYORUZ
asya_tarim_ort <- asya_tarim %>%
select(`X2003`:`X2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))asya_tarim_ort## X2003 X2004 X2005 X2006 X2007 X2008 X2009 X2010
## 1 9.228558 9.060912 8.541828 8.350167 8.530728 8.775231 8.701646 8.630226
## X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018
## 1 8.900169 8.535149 8.36608 8.091983 7.668133 7.531653 7.456127 7.088331
## X2019 X2020 X2021
## 1 7.026965 7.737602 7.641834ASYA ULKELERI ICIN TARIM ORTALAMASINI TABLO HALINE GETIRELIM
library(tidyr)
asya_tarim_long <- asya_tarim_ort %>%
pivot_longer(
cols = everything(),
names_to = "Yil",
values_to = "Tarim"
)
asya_tarim_long$Yil <- as.numeric(sub("X", "", asya_tarim_long$Yil))
asya_tarim_long$Ulke <- "Asya"head(asya_tarim_long)## # A tibble: 6 × 3
## Yil Tarim Ulke
## <dbl> <dbl> <chr>
## 1 2003 9.23 Asya
## 2 2004 9.06 Asya
## 3 2005 8.54 Asya
## 4 2006 8.35 Asya
## 5 2007 8.53 Asya
## 6 2008 8.78 AsyaASYA ULKELERI ICIN TARIMIN GSYH ICINDEKI PAYININ GRAFIGI
library(ggplot2)
ggplot(asya_tarim_long, aes(x = Yil, y = Tarim, group = 1)) +
geom_line(color = "darkorange", linewidth = 1) +
geom_point(color = "darkorange") +
labs(
title = "Asya'da Tarim Sektorunun GSYH Icindeki Payi (2003-2021)",
x = "Yil",
y = "Tarim (% GSYH)"
) +
theme_minimal()
GRAFIGIN YORUMU
2003–2021 döneminde Asya’da tarım sektörünün GSYH içindeki payı genel olarak azalma eğilimi göstermiştir. Buna rağmen tarım sektörünün Asya ekonomilerinde Avrupa’ya kıyasla daha yüksek bir paya sahip olduğu anlaşılmaktadır.
TURKIYE-AVRUPA-ASYA ICIN TARIMIN GYSH ICINDEKI PAYLARINI KARSILASTIRLAIM
tarim_karsilastirma <- rbind(
turkiye_tarim_long[, c("Yil", "Tarim", "Ulke")],
avrupa_tarim_long[, c("Yil", "Tarim", "Ulke")],
asya_tarim_long[, c("Yil", "Tarim", "Ulke")]
)head(tarim_karsilastirma)## # A tibble: 6 × 3
## Yil Tarim Ulke
## <dbl> <dbl> <chr>
## 1 2003 9.77 Turkiye
## 2 2004 9.30 Turkiye
## 3 2005 9.13 Turkiye
## 4 2006 8.06 Turkiye
## 5 2007 7.42 Turkiye
## 6 2008 7.38 TurkiyeTURKIYE-AVRUPA-ASYA ICIN TARIMI AYNI GRAFIKTE GOSTERELIM
library(ggplot2)
ggplot(tarim_karsilastirma, aes(x = Yil, y = Tarim, color = Ulke)) +
geom_line(linewidth = 1) +
geom_point() +
labs(
title = "Turkiye, Avrupa ve Asya'da Tarim Sektorunun GSYH Icindeki Payi (2003-2021)",
x = "Yil",
y = "Tarim (% GSYH)",
color = "Bolge"
) +
theme_minimal()
GRAFIGIN YORUMU VE TARIM ICIN GENEL DEGERLENDIRME
2003–2021 döneminde Türkiye, Avrupa ve Asya’da tarım sektörünün GSYH içindeki payı genel olarak azalma eğilimi göstermiştir. Avrupa’da tarımın payı tüm dönem boyunca düşük ve istikrarlı seyrederken, Asya’da tarımın ekonomideki payı yüksek olmakla birlikte zaman içinde belirgin bir düşüş yaşamıştır. Türkiye’de ise tarım sektörünün payı dalgalı bir seyir izlemekle birlikte uzun vadede azalma eğilimi göstermiştir. Tarımın GSYH içindeki payı en düşük Avrupa’da, en yüksek Asya’da görülürken, Türkiye bu iki bölge arasında yer almaktadır.
TURKIYENIN NEDEN ISSIZLIK-ENFLASYON DUNYADAN FARKLIDIR
Bu adımda TURKIYENIN neden dunyadan farklı oldugu yorumlanacaktır.
TURKIYENIN ISSIZLIK ORANLARI NEDEN FARKLI
Turkiye icin yuksek issizligin en buyuk sebebi genc nufus ve genc issizlik oranlaridir. Dünya Bankası verileri kullanılarak 2003–2021 döneminde Türkiye’de genç işsizlik oranı Avrupa karşılaştırılmaktadır.
genc_issizlik_raw <- read.csv("genc_issizlik.csv", skip = 4)head(genc_issizlik_raw)## Country.Name Country.Code
## 1 Aruba ABW
## 2 Africa Eastern and Southern AFE
## 3 Afghanistan AFG
## 4 Africa Western and Central AFW
## 5 Angola AGO
## 6 Albania ALB
## Indicator.Name
## 1 Unemployment, youth total (% of total labor force ages 15-24) (modeled ILO estimate)
## 2 Unemployment, youth total (% of total labor force ages 15-24) (modeled ILO estimate)
## 3 Unemployment, youth total (% of total labor force ages 15-24) (modeled ILO estimate)
## 4 Unemployment, youth total (% of total labor force ages 15-24) (modeled ILO estimate)
## 5 Unemployment, youth total (% of total labor force ages 15-24) (modeled ILO estimate)
## 6 Unemployment, youth total (% of total labor force ages 15-24) (modeled ILO estimate)
## Indicator.Code X1960 X1961 X1962 X1963 X1964 X1965 X1966 X1967 X1968 X1969
## 1 SL.UEM.1524.ZS NA NA NA NA NA NA NA NA NA NA
## 2 SL.UEM.1524.ZS NA NA NA NA NA NA NA NA NA NA
## 3 SL.UEM.1524.ZS NA NA NA NA NA NA NA NA NA NA
## 4 SL.UEM.1524.ZS NA NA NA NA NA NA NA NA NA NA
## 5 SL.UEM.1524.ZS NA NA NA NA NA NA NA NA NA NA
## 6 SL.UEM.1524.ZS NA NA NA NA NA NA NA NA NA NA
## X1970 X1971 X1972 X1973 X1974 X1975 X1976 X1977 X1978 X1979 X1980 X1981 X1982
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA
## X1983 X1984 X1985 X1986 X1987 X1988 X1989 X1990 X1991 X1992 X1993
## 1 NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA 15.358171 15.455513 15.425801
## 3 NA NA NA NA NA NA NA NA 10.312000 10.259000 10.154000
## 4 NA NA NA NA NA NA NA NA 7.481249 7.617475 7.764093
## 5 NA NA NA NA NA NA NA NA 39.921000 40.157000 41.010000
## 6 NA NA NA NA NA NA NA NA 15.974000 46.599000 39.531000
## X1994 X1995 X1996 X1997 X1998 X1999 X2000
## 1 NA NA NA NA NA NA NA
## 2 15.233412 14.96226 14.881174 14.893523 14.935868 15.032250 14.997854
## 3 10.099000 10.09900 10.148000 10.151000 10.182000 10.201000 10.235000
## 4 7.764872 7.75118 7.671033 7.629745 7.640835 7.926953 7.994786
## 5 40.967000 40.05400 38.492000 38.212000 38.568000 38.967000 39.083000
## 6 32.955000 23.29400 22.291000 26.942000 32.055000 33.381000 30.555000
## X2001 X2002 X2003 X2004 X2005 X2006 X2007
## 1 NA NA NA NA NA NA NA
## 2 14.952970 14.947336 14.953785 14.693371 14.472356 14.325275 14.193099
## 3 10.254000 10.234000 10.189000 10.200000 10.181000 10.197000 10.098000
## 4 7.924302 7.691358 7.581783 7.487529 7.555013 7.402483 7.398354
## 5 39.051000 38.542000 38.511000 38.222000 38.154000 37.809000 37.696000
## 6 29.859000 28.769000 27.512000 26.600000 26.242000 25.877000 26.645000
## X2008 X2009 X2010 X2011 X2012 X2013 X2014
## 1 NA NA NA NA NA NA NA
## 2 14.091885 14.412271 15.325846 15.29742 14.876351 14.382402 13.973206
## 3 10.135000 10.008000 9.990000 10.00300 10.054000 10.112000 10.094000
## 4 7.456722 7.539995 7.564226 7.52184 7.533421 7.087742 7.447167
## 5 37.863000 38.315000 38.752000 39.00700 37.741000 36.781000 35.803000
## 6 26.605000 27.357000 30.867000 22.69700 28.871000 31.207000 39.554000
## X2015 X2016 X2017 X2018 X2019 X2020 X2021
## 1 NA NA NA NA NA NA NA
## 2 13.658404 13.700236 13.590406 13.575697 13.859316 14.997030 14.95518
## 3 12.550000 14.947000 17.310000 16.394000 15.496000 16.053000 16.39500
## 4 7.932111 7.823074 7.968127 7.968405 8.029787 8.734041 7.72256
## 5 35.151000 34.482000 33.710000 32.838000 31.832000 33.067000 30.17100
## 6 39.628000 35.918000 31.184000 28.109000 26.942000 28.117000 27.24400
## X2022 X2023 X2024 X
## 1 NA NA NA NA
## 2 13.620217 13.367764 13.282956 NA
## 3 17.365000 17.291000 16.691000 NA
## 4 5.976407 5.578122 5.493947 NA
## 5 28.288000 28.075000 27.943000 NA
## 6 24.735000 24.817000 25.061000 NADunya genelindeki genc nufusun yillara gore ortalamasi.
BAZ ALINACAK YILLAR
2003-2021 Yillari baz alinacaktir.
library(dplyr)genc_issizlik_2003_2021 <- genc_issizlik_raw %>%
select(`Country.Name`, `Country.Code`, `X2003`:`X2021`)head(genc_issizlik_2003_2021)## Country.Name Country.Code X2003 X2004 X2005
## 1 Aruba ABW NA NA NA
## 2 Africa Eastern and Southern AFE 14.953785 14.693371 14.472356
## 3 Afghanistan AFG 10.189000 10.200000 10.181000
## 4 Africa Western and Central AFW 7.581783 7.487529 7.555013
## 5 Angola AGO 38.511000 38.222000 38.154000
## 6 Albania ALB 27.512000 26.600000 26.242000
## X2006 X2007 X2008 X2009 X2010 X2011 X2012
## 1 NA NA NA NA NA NA NA
## 2 14.325275 14.193099 14.091885 14.412271 15.325846 15.29742 14.876351
## 3 10.197000 10.098000 10.135000 10.008000 9.990000 10.00300 10.054000
## 4 7.402483 7.398354 7.456722 7.539995 7.564226 7.52184 7.533421
## 5 37.809000 37.696000 37.863000 38.315000 38.752000 39.00700 37.741000
## 6 25.877000 26.645000 26.605000 27.357000 30.867000 22.69700 28.871000
## X2013 X2014 X2015 X2016 X2017 X2018 X2019
## 1 NA NA NA NA NA NA NA
## 2 14.382402 13.973206 13.658404 13.700236 13.590406 13.575697 13.859316
## 3 10.112000 10.094000 12.550000 14.947000 17.310000 16.394000 15.496000
## 4 7.087742 7.447167 7.932111 7.823074 7.968127 7.968405 8.029787
## 5 36.781000 35.803000 35.151000 34.482000 33.710000 32.838000 31.832000
## 6 31.207000 39.554000 39.628000 35.918000 31.184000 28.109000 26.942000
## X2020 X2021
## 1 NA NA
## 2 14.997030 14.95518
## 3 16.053000 16.39500
## 4 8.734041 7.72256
## 5 33.067000 30.17100
## 6 28.117000 27.244002003 2021 yillari icin ayristirilmis tablo.
TURKIYEYI TABLODAN AYIRIYORUZ
Analizin dogru cikmasi icin tablodan TURKIYEYI cikarmamiz lazim.
turkiye_genc_issizlik <- genc_issizlik_2003_2021 %>%
filter(`Country.Name` == "Turkiye")turkiye_genc_issizlik## Country.Name Country.Code X2003 X2004 X2005 X2006 X2007 X2008 X2009
## 1 Turkiye TUR 20.253 20.333 19.685 18.89 19.807 20.304 25.093
## X2010 X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018 X2019 X2020
## 1 21.578 18.208 17.342 18.442 17.698 18.299 19.369 20.469 20.011 25.039 24.919
## X2021
## 1 22.36Turkiyenin 2003 2021 yillari arasindaki genc nufus ortalamasi.
AVRUPALI ULKELERI AYIRIYORUZ SIMDIDE
avrupa_genc_issizlik <- genc_issizlik_2003_2021 %>%
filter(`Country.Code` %in% c(
"DEU", "FRA", "ITA", "ESP", "NLD",
"BEL", "AUT", "PRT", "GRC",
"SWE", "FIN", "DNK",
"CHE", "GBR"
))head(avrupa_genc_issizlik)## Country.Name Country.Code X2003 X2004 X2005 X2006 X2007 X2008 X2009
## 1 Austria AUT 7.429 10.991 11.178 10.046 9.596 8.720 10.896
## 2 Belgium BEL 18.982 17.505 21.482 20.511 18.841 17.970 21.940
## 3 Switzerland CHE 8.494 7.707 8.760 7.700 7.083 7.018 8.446
## 4 Germany DEU 11.024 12.984 15.463 13.402 11.824 10.929 11.309
## 5 Denmark DNK 9.804 7.776 8.603 7.686 7.495 9.471 13.441
## 6 Spain ESP 22.328 22.480 19.642 17.886 18.087 24.443 37.710
## X2010 X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018 X2019 X2020
## 1 9.673 9.173 9.561 9.767 10.508 10.910 11.424 9.971 9.572 8.767 10.325
## 2 22.391 18.724 19.738 23.689 23.225 22.125 20.108 19.236 15.748 14.236 15.326
## 3 8.216 7.727 8.327 8.743 8.597 8.815 8.579 8.059 7.937 7.993 8.603
## 4 10.416 8.927 8.119 7.825 7.612 7.328 7.079 6.770 6.220 5.859 7.862
## 5 15.554 16.306 15.775 14.774 14.196 12.152 12.147 12.384 10.520 10.041 11.588
## 6 41.453 46.158 52.829 55.444 53.169 48.353 44.445 38.594 34.362 32.555 38.312
## X2021
## 1 12.023
## 2 18.206
## 3 8.319
## 4 6.665
## 5 10.808
## 6 34.844AVRUPANIN GENC ISSIZLIK ORTALAMASI
avrupa_genc_issizlik_ort <- avrupa_genc_issizlik %>%
select(`X2003`:`X2021`) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))avrupa_genc_issizlik_ort## X2003 X2004 X2005 X2006 X2007 X2008 X2009 X2010
## 1 15.88536 16.32936 17.61279 16.69229 15.12014 15.52764 19.60736 20.85629
## X2011 X2012 X2013 X2014 X2015 X2016 X2017 X2018
## 1 22.03821 24.58179 25.59321 24.67279 23.26836 21.734 19.89571 17.91093
## X2019 X2020 X2021
## 1 16.85143 18.95514 18.74143Avrupali ulkelerin genc issizlik ortalamalarini tablo haline getirdir.
AVRUPA VE TURKIYENIN GENC ISSIZLIK GRAFIGI
library(tidyr)
# Avrupa long
avrupa_long <- avrupa_genc_issizlik_ort %>%
pivot_longer(everything(),
names_to = "Yil",
values_to = "Issizlik")
avrupa_long$Yil <- as.numeric(sub("X", "", avrupa_long$Yil))
avrupa_long$Bolge <- "Avrupa"
# Türkiye long
turkiye_long <- turkiye_genc_issizlik %>%
pivot_longer(`X2003`:`X2021`,
names_to = "Yil",
values_to = "Issizlik")
turkiye_long$Yil <- as.numeric(sub("X", "", turkiye_long$Yil))
turkiye_long$Bolge <- "Turkiye"
# Birleştir
karsilastirma <- rbind(
turkiye_long[, c("Yil", "Issizlik", "Bolge")],
avrupa_long[, c("Yil", "Issizlik", "Bolge")]
)
library(ggplot2)
ggplot(karsilastirma,
aes(x = Yil, y = Issizlik, color = Bolge)) +
geom_line(linewidth = 1) +
geom_point() +
labs(
title = "Turkiye ve Avrupa'da Genc Issizlik Oranlari (2003–2021)",
x = "Yil",
y = "Genc Issizlik Orani (%)",
color = "Bolge"
) +
theme_minimal()
GRAFIGIN YORUMU
2003–2021 döneminde Türkiye’de genç işsizlik oranı, genel olarak Avrupa ortalamasının üzerinde seyretmiştir. Avrupa’da genç işsizlik oranı özellikle 2008 küresel krizinden sonra yükselmiş, sonraki yıllarda kademeli olarak düşüş göstermiştir. Türkiye’de ise genç işsizlik oranı daha dalgalı bir yapı sergilemiş ve özellikle 2009 sonrası ile 2018 sonrasında belirgin artışlar yaşanmıştır.
TURKIYENIN ENFLASYON ORANLARI NEDEN FARKLI
Türkiye’de üretim ve tüketimde ithalata bağımlılık yüksektir bu sebeple döviz kurundaki artışlar, hızlı biçimde fiyatlara yansımaktadır.
Bu adimda TURKIYENIN enflasyonu neden asyali ulkelerden farkli onu yorumluycaz.
ithalat_raw <- read.csv("ithalat.csv", skip = 4)head(ithalat_raw)## Country.Name Country.Code
## 1 Aruba ABW
## 2 Africa Eastern and Southern AFE
## 3 Afghanistan AFG
## 4 Africa Western and Central AFW
## 5 Angola AGO
## 6 Albania ALB
## Indicator.Name Indicator.Code X1960 X1961 X1962
## 1 Imports of goods and services (% of GDP) NE.IMP.GNFS.ZS NA NA NA
## 2 Imports of goods and services (% of GDP) NE.IMP.GNFS.ZS NA NA NA
## 3 Imports of goods and services (% of GDP) NE.IMP.GNFS.ZS NA NA NA
## 4 Imports of goods and services (% of GDP) NE.IMP.GNFS.ZS NA NA NA
## 5 Imports of goods and services (% of GDP) NE.IMP.GNFS.ZS NA NA NA
## 6 Imports of goods and services (% of GDP) NE.IMP.GNFS.ZS NA NA NA
## X1963 X1964 X1965 X1966 X1967 X1968 X1969 X1970 X1971 X1972 X1973 X1974 X1975
## 1 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA NA NA
## X1976 X1977 X1978 X1979 X1980 X1981 X1982 X1983 X1984 X1985
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA 23.5366 22.28996 24.73764 21.55859 20.07535 19.11445
## X1986 X1987 X1988 X1989 X1990 X1991 X1992 X1993
## 1 NA NA NA NA NA NA NA NA
## 2 NA NA NA NA 19.61616 19.44266 21.02671 21.16604
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA
## 6 16.03112 16.12964 19.91848 21.47273 24.03190 28.58570 96.28588 64.53950
## X1994 X1995 X1996 X1997 X1998 X1999 X2000 X2001
## 1 NA 86.46362 88.70445 86.25091 83.62965 84.63035 70.68687 69.39432
## 2 23.99329 25.85677 26.39471 26.02805 27.16025 25.65064 25.81061 26.51917
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA
## 6 41.11889 27.86905 32.91664 34.68853 35.90332 33.42198 42.07879 43.63388
## X2002 X2003 X2004 X2005 X2006 X2007 X2008 X2009
## 1 68.66646 70.06308 67.76537 76.97498 76.44847 74.91105 73.58085 74.63801
## 2 27.39141 25.98867 26.69016 27.78302 29.03545 31.29360 35.31002 30.69107
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 41.07328 43.11626 39.34186 36.61819 27.77127 36.01512 43.64988 51.36380
## 6 45.82028 44.65933 43.48619 46.67351 47.69332 52.78108 50.66589 48.67673
## X2010 X2011 X2012 X2013 X2014 X2015 X2016 X2017
## 1 75.24647 84.68677 83.54165 82.15547 81.03643 70.17128 67.92060 69.07968
## 2 29.40519 31.66626 32.62712 33.70552 32.96608 30.70595 28.69935 27.43242
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 37.10155 34.91641 31.91242 32.11748 32.56582 28.83045 22.35640 20.20711
## 6 47.92260 51.64452 47.85759 46.88122 46.95286 44.21013 45.34466 45.78559
## X2018 X2019 X2020 X2021 X2022 X2023 X2024 X
## 1 70.41611 71.24014 69.14679 72.39789 79.82767 76.61852 76.37279 NA
## 2 28.50377 27.47802 24.49610 26.34060 29.59871 29.38813 28.47937 NA
## 3 NA NA 36.28908 37.06956 54.50543 50.73188 NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 22.67058 23.55449 22.76840 22.07673 20.05872 20.70718 19.35871 NA
## 6 44.58006 44.44601 36.97994 44.45735 47.50097 43.93367 43.16977 NABAZ ALINACAK YILLAR
ithalat_2003_2021 <- ithalat_raw %>%
select(Country.Name, Country.Code, X2003:X2021)TURKIYEYI AYIRIYORUZ
turkiye_ithalat <- ithalat_2003_2021 %>%
filter(Country.Name == "Turkiye")ASYA ULKELERINI DATADAN AYIRIYORUZ
asya_ithalat <- ithalat_2003_2021 %>%
filter(Country.Code %in% c(
"CHN", # Çin
"JPN", # Japonya
"KOR", # Güney Kore
"IND", # Hindistan
"IDN", # Endonezya
"THA", # Tayland
"MYS" # Malezya
))ASYA ULKELERININ ORTALAMALARINI ALIYORUZ
asya_ithalat_ort <- asya_ithalat %>%
select(X2003:X2021) %>%
summarise(across(everything(), ~ mean(.x, na.rm = TRUE)))TURKIYE VE AVRUPA ULKELERINI GRAFIK HALINE CEVIRELIM
turkiye_long <- turkiye_ithalat %>%
pivot_longer(
cols = X2003:X2021,
names_to = "Yil",
values_to = "Ithalat"
)
turkiye_long$Yil <- as.numeric(sub("X", "", turkiye_long$Yil))
turkiye_long$Bolge <- "Turkiye"asya_long <- asya_ithalat_ort %>%
pivot_longer(
cols = X2003:X2021,
names_to = "Yil",
values_to = "Ithalat"
)
asya_long$Yil <- as.numeric(sub("X", "", asya_long$Yil))
asya_long$Bolge <- "Asya"ithalat_karsilastirma <- bind_rows(turkiye_long, asya_long)ggplot(ithalat_karsilastirma, aes(x = Yil, y = Ithalat, color = Bolge)) +
geom_line(linewidth = 1) +
geom_point() +
labs(
title = "Turkiye ve Asya'da Ithalatin GSYH Icindeki Payi (2003–2021)",
x = "Yil",
y = "Ithalat (% GSYH)",
color = "Bolge"
) +
theme_minimal()
GRAFIGIN YORUMLANMASI
Grafik, 2003–2021 döneminde Türkiye’de ithalatın GSYH içindeki payının, Asya ülkeleri ortalamasına kıyasla daha yüksek ve dalgalı seyrettiğini göstermektedir. 2003–2021 döneminde Türkiye’de ithalatın GSYH içindeki payı genel olarak artış eğilimi göstermiş ve özellikle 2010 sonrası dönemde yüksek seviyelerde seyretmiştir. Asya ülkeleri ortalamasında ise ithalat oranı Türkiye’ye kıyasla daha yüksek başlamakla birlikte, zaman içinde daha dalgalı ve görece düşüş eğilimli bir yapı sergilemiştir.
KAPANIS KISMI
Bu çalışmada işsizlik, enflasyon, teknoloji ve tarım gibi temel ekonomik göstergeler üzerinden Türkiye’nin küresel ve bölgesel konumu incelenmiştir. Yapılan değerlendirmeler sonucunda Türkiye’nin bazı alanlarda dünya ortalamasına yaklaşabildiği, ancak özellikle enflasyon, işsizlik ve teknoloji konularında önemli sorunlar yaşadığı görülmüştür.
Genel olarak değerlendirildiğinde, ekonomik istikrarın sağlanabilmesi için teknoloji ve Ar-Ge yatırımlarının artırılması, istihdamı destekleyen politikaların güçlendirilmesi ve tarım sektöründe verimliliğin artırılması gerektiği söylenebilir. Bu göstergeler, Türkiye ekonomisinin mevcut durumunu anlamak ve geleceğe yönelik adımlar atmak açısından önemli bilgiler sunmaktadır.
YAPAN
AD: ABDÜLHAMİD PEKER
SOYAD: PEKER
NO: 2310504051
EKONOMETRI ODEVI FINAL PROJESI