Projenin İçeriği

Bu çalışma, Türkiye’nin nüfus artış oranındaki değişimi 2000–2025 dönemi özelinde incelemek amacıyla hazırlanmıştır. Araştırmada kullanılan veriler, uluslararası kabul gören istatistiksel bir kaynak olan Dünya Bankası (WDI) veri tabanından RStudio programı aracılığıyla elde edilmiştir. Çalışma kapsamında nüfus artış dinamiklerinin anlaşılabilmesi için seçili yıllara ait (2000, 2005, 2010, 2015, 2020 ve 2025) grafiksel gösterimler oluşturulmuş; nüfus artış oranı ile ilişkili olduğu kabul edilen temel demografik ve sosyo–ekonomik göstergeler değerlendirmeye dahil edilmiştir.

Bu göstergeler arasında başta doğurganlık oranı (fertility rate), kentleşme oranı (urbanization rate) ve kişi başına düşen gelir (GDP per capita) olmak üzere nüfus artışını etkileyebilecek çok boyutlu faktörler dikkate alınmıştır. Araştırmanın uygulama bölümünde, regresyon analizi yönteminden yararlanılarak ilgili değişkenler arasındaki ilişki test edilmiştir. Veri kısıtı nedeniyle regresyon yalnızca 2000–2015 döneminde uygulanabilmiş; 2015 sonrası yıllar ise tanımlayıcı analiz yöntemiyle değerlendirilmiştir.

Çalışmanın sonunda elde edilen bulguların güvenilirliği tartışılmış, verilerin sunduğu eğilimler değerlendirilmiş ve Türkiye’nin nüfus yapısına ilişkin çıkarımlar geliştirilmiştir.

Birinci Data

SP.POP.GROW : Nüfus artışı (yıllık %)

İkinci Data

SP.DYN.TFRT.IN :Doğurganlık oranı, toplam (kadın başına doğum sayısı)

Üçüncü Data

SP.URB.TOTL.IN.ZS : Kent nüfusu (% toplam nüfusa göre)

Dördüncü Data

NY.GDP.PCAP.KD : Kişi başına düşen GSYİH (sabit 2015 ABD doları)

library(WDI)

Veri Çekme İşlemi

Çalışmada kullanılan veriler, Dünya Bankası’nın World Development Indicators (WDI) veri tabanından RStudio aracılığıyla çekilmiştir. Aşağıdaki kod bloğu, Türkiye’ye ait nüfus artış oranı, doğurganlık oranı, kentleşme oranı ve kişi başına düşen gelir değişkenlerinin R ortamına aktarılmasını sağlamaktadır. Bu işlem, analizin temel veri setini oluşturmuş ve sonraki aşamalarda regresyon ve grafik analizlerinin yürütülmesine olanak tanımıştır.

data <- WDI(country = "TR", indicator =c("SP.POP.GROW", "SP.DYN.TFRT.IN", "SP.URB.TOTL.IN.ZS", "NY.GDP.PCAP.KD" ))

Veri Kontrolü ve Yapısal İnceleme

Bu aşamada, veri setinin R ortamına doğru şekilde aktarılıp aktarılmadığının, değişken adlarının, veri tiplerinin ve gözlem sayısının doğruluğunun kontrol edilmesi amaçlanmaktadır. Bu tür kontroller, analiz sürecine başlamadan önce veri yapısının uygunluğunu teyit etmek açısından kritik öneme sahiptir. Aşağıdaki komut, veri setinin yapısal özelliklerini (değişken türleri, gözlem sayısı ve örnek değerler gibi) özet halinde görüntülemektedir.

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 ...
##  $ SP.POP.GROW      : num  NA 2.75 2.7 2.67 2.62 ...
##   ..- attr(*, "label")= chr "Population growth (annual %)"
##  $ SP.DYN.TFRT.IN   : num  6.38 6.42 6.38 6.34 6.29 ...
##   ..- attr(*, "label")= chr "Fertility rate, total (births per woman)"
##  $ SP.URB.TOTL.IN.ZS: num  23.4 23.8 24.1 24.5 24.9 ...
##   ..- attr(*, "label")= chr "Urban population (% of total population)"
##  $ NY.GDP.PCAP.KD   : num  2449 2411 2477 2630 2702 ...
##   ..- attr(*, "label")= chr "GDP per capita (constant 2015 US$)"

Veri Setinin R Ortamına Aktarılması

Aşağıdaki kod, Dünya Bankası’nın World Development Indicators (WDI) veri tabanından Türkiye’ye ait nüfus artışı, doğurganlık oranı, kentleşme oranı ve kişi başına düşen gelir değişkenlerini 2000–2025 yılları aralığı için R ortamına aktarmaktadır. Bu işlem, analizde kullanılacak temel veri setinin oluşturulmasını sağlar.

data <- WDI(country = "TR",
            indicator = c("SP.POP.GROW",
                          "SP.DYN.TFRT.IN",
                          "SP.URB.TOTL.IN.ZS",
                          "NY.GDP.PCAP.KD"),
            start = 2000, end = 2025)

Veri Setinin Sınırlandırılması (2000–2025)

Bu çalışmada Türkiye’nin nüfus artış oranı ve ilgili demografik göstergeler 2000–2025 dönemi kapsamında incelenecektir. Bu nedenle Dünya Bankası (WDI) veri tabanından indirilen ham veri setinden sadece analiz dönemine uygun olan 2000–2025 arası yıllar filtrelenmiştir. Böylece çalışma, araştırma sorusu ile uyumlu olarak yalnızca ilgili dönemi içeren temiz bir veri seti üzerinden yürütülmüştür.

data_tr <- data[data$year >= 2000 & data$year <= 2025, ]
data_tr
##    country iso2c iso3c year SP.POP.GROW SP.DYN.TFRT.IN SP.URB.TOTL.IN.ZS
## 1  Turkiye    TR   TUR 2000   1.2829765          2.487          58.97061
## 2  Turkiye    TR   TUR 2001   1.2442786          2.392          59.87225
## 3  Turkiye    TR   TUR 2002   1.2058715          2.268          60.73853
## 4  Turkiye    TR   TUR 2003   1.1609442          2.202          61.58451
## 5  Turkiye    TR   TUR 2004   1.1154825          2.197          62.43885
## 6  Turkiye    TR   TUR 2005   1.0686418          2.197          63.33025
## 7  Turkiye    TR   TUR 2006   1.0271552          2.193          64.28739
## 8  Turkiye    TR   TUR 2007   0.1608563          2.160          65.33896
## 9  Turkiye    TR   TUR 2008   1.2656034          2.150          66.51365
## 10 Turkiye    TR   TUR 2009   1.3803027          2.100          67.84014
## 11 Turkiye    TR   TUR 2010   1.5194309          2.080          69.34713
## 12 Turkiye    TR   TUR 2011   1.4677742          2.050          71.00287
## 13 Turkiye    TR   TUR 2012   1.2747180          2.110          73.77887
## 14 Turkiye    TR   TUR 2013   1.2844147          2.110          78.52184
## 15 Turkiye    TR   TUR 2014   1.3490889          2.190          83.60249
## 16 Turkiye    TR   TUR 2015   1.3341158          2.160          87.21671
## 17 Turkiye    TR   TUR 2016   1.3454259          2.110          88.10210
## 18 Turkiye    TR   TUR 2017   1.2967557          2.080          88.03205
## 19 Turkiye    TR   TUR 2018   1.3536030          2.000          88.16557
## 20 Turkiye    TR   TUR 2019   1.4296969          1.890          88.66182
## 21 Turkiye    TR   TUR 2020   0.9703860          1.770          88.93031
## 22 Turkiye    TR   TUR 2021   0.9104449          1.710          89.17620
## 23 Turkiye    TR   TUR 2022   0.9845862          1.630          89.03812
## 24 Turkiye    TR   TUR 2023   0.4063894          1.510          89.02184
## 25 Turkiye    TR   TUR 2024   0.2255805             NA          89.34431
##    NY.GDP.PCAP.KD
## 1        6326.257
## 2        5906.923
## 3        6211.705
## 4        6496.073
## 5        7061.622
## 6        7623.146
## 7        8078.515
## 8        8477.533
## 9        8447.940
## 10       7925.301
## 11       8472.578
## 12       9265.859
## 13       9588.321
## 14      10269.449
## 15      10597.980
## 16      11064.649
## 17      11279.617
## 18      12005.646
## 19      12255.008
## 20      12238.295
## 21      12338.644
## 22      13670.938
## 23      14273.575
## 24      14932.885
## 25      15395.028

Türkiye’nin Nüfus Artış Oranı (2000–2025)

Bu bölümde Türkiye’nin 2000–2025 dönemindeki nüfus artış oranı yıllık bazda incelenmiştir. Amaç, nüfus artış hızının yıllar içerisindeki eğilimini görselleştirmek ve artışın zaman içindeki değişimini yorumlayabilmektir.

library(ggplot2)

ggplot(data_tr, aes(x = year, y = SP.POP.GROW)) +
  geom_line(color = "steelblue", size = 1.2) +
  geom_point(size = 2) +
  labs(title = "Türkiye – Nüfus Artış Oranı (2000–2025)",
       x = "Yıl", y = "Nüfus Artış (%)")
## 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.

Türkiye – Doğurganlık Oranı (2000–2025)

Bu grafik, Türkiye’de kadın başına doğum sayısının yıllar içindeki değişimini göstermektedir. Nüfus artış hızındaki düşüşün temel nedeni olup olmadığı bu eğilim üzerinden okunabilir.

ggplot(data_tr, aes(x = year, y = SP.DYN.TFRT.IN)) +
  geom_line(color = "darkred", size = 1.2) +
  geom_point(size = 2) +
  labs(title = "Türkiye – Doğurganlık Oranı (2000–2025)",
       x = "Yıl", y = "Doğurganlık (kadın başına çocuk sayısı)")
## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_line()`).
## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_point()`).

Türkiye – Kentleşme Oranı (2000–2025)

Bu grafik, Türkiye’de toplam nüfus içinde şehirlerde yaşayan nüfusun yıllar içindeki artışını göstermektedir. Kentleşme, demografik dönüşümün temel belirleyicisi olup, doğurganlık ve nüfus artışı üzerinde etkili olabilir.

(R Markdown hata verdiği için Console’dan grafiği çizdim)

ggplot(data_tr, aes(x = year, y =  SP.URB.TOTL.IN.ZS  )) +
  geom_line() +
  geom_point() +
  labs(title = "Urbanization in Turkey (2000–2025)",
       x = "Year",
       y = "Urban population ( % of total )")

Türkiye – Kişi Başına Gelir (2000–2025)

Bu grafik, Türkiye’de kişi başına düşen GSYİH’nin zaman içerisindeki değişimini göstermektedir.

ggplot(data_tr, aes(x = year, y = NY.GDP.PCAP.KD)) +
  geom_line(color = "steelblue", size = 1.1) +
  geom_point(size = 2) +
  labs(title = "Türkiye – Kişi Başına Düşen GSYİH (2000–2025)",
       x = "Yıl",
       y = "GSYİH (2015 sabit $)")

Türkiye İçin Regresyon Analizi (2000–2025)

Bu bölümde nüfus artış oranının (SP.POP.GROW) zaman içinde hangi faktörlere bağlı olarak değiştiği incelenmiştir. Model Türkiye’ye ait 2000–2025 dönemi verileri kullanılarak oluşturulmuştur.

Kurulan modeller: 1. Basit Model: Nüfus Artış Oranı ~ Doğurganlık Oranı 2. Çoklu Model: Nüfus Artış Oranı ~ Doğurganlık + Kentleşme + Kişi Başı Gelir

1. 2000–2005 Döneminde Nüfus Artış Dinamikleri

1.1. Veri Alt Kümesi (2000–2005)

data_0005 <- subset(data_tr, year >= 2000 & year <= 2005)
data_0005
##   country iso2c iso3c year SP.POP.GROW SP.DYN.TFRT.IN SP.URB.TOTL.IN.ZS
## 1 Turkiye    TR   TUR 2000    1.282976          2.487          58.97061
## 2 Turkiye    TR   TUR 2001    1.244279          2.392          59.87225
## 3 Turkiye    TR   TUR 2002    1.205872          2.268          60.73853
## 4 Turkiye    TR   TUR 2003    1.160944          2.202          61.58451
## 5 Turkiye    TR   TUR 2004    1.115483          2.197          62.43885
## 6 Turkiye    TR   TUR 2005    1.068642          2.197          63.33025
##   NY.GDP.PCAP.KD
## 1       6326.257
## 2       5906.923
## 3       6211.705
## 4       6496.073
## 5       7061.622
## 6       7623.146

1.2. Basit Regresyon Sonuçları (Nüfus Artışı ~ Doğurganlık)

model_0005_simple <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_0005)
summary(model_0005_simple)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_0005)
## 
## Residuals:
##         1         2         3         4         5         6 
## -0.013217  0.004405  0.039511  0.033712 -0.008786 -0.055626 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)  
## (Intercept)     -0.1782     0.3266  -0.546   0.6143  
## SP.DYN.TFRT.IN   0.5928     0.1424   4.163   0.0141 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.03893 on 4 degrees of freedom
## Multiple R-squared:  0.8125, Adjusted R-squared:  0.7656 
## F-statistic: 17.33 on 1 and 4 DF,  p-value: 0.01411

1.3. Basit Regresyon Grafiği

library(ggplot2)
ggplot(data_0005, aes(x = SP.DYN.TFRT.IN, y = SP.POP.GROW)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Basit Regresyon: Nüfus Artışı ~ Doğurganlık (2000–2005)",
    x = "Doğurganlık Oranı",
    y = "Nüfus Artış Oranı (%)"
  )
## `geom_smooth()` using formula = 'y ~ x'

1.4. Çoklu Regresyon Sonuçları (Doğurganlık + Kentleşme + Gelir)

model_0005_multi <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + NY.GDP.PCAP.KD,
data = data_0005)
summary(model_0005_multi)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + 
##     NY.GDP.PCAP.KD, data = data_0005)
## 
## Residuals:
##          1          2          3          4          5          6 
## -0.0002049 -0.0003786  0.0019701 -0.0013239 -0.0006644  0.0006017 
## 
## Coefficients:
##                     Estimate Std. Error t value Pr(>|t|)   
## (Intercept)        4.340e+00  2.461e-01  17.632  0.00320 **
## SP.DYN.TFRT.IN    -3.494e-02  2.918e-02  -1.197  0.35382   
## SP.URB.TOTL.IN.ZS -4.962e-02  3.403e-03 -14.579  0.00467 **
## NY.GDP.PCAP.KD    -6.903e-06  4.486e-06  -1.539  0.26369   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.00182 on 2 degrees of freedom
## Multiple R-squared:  0.9998, Adjusted R-squared:  0.9995 
## F-statistic:  3254 on 3 and 2 DF,  p-value: 0.0003073

1.5. Çoklu Regresyon Tahmin Grafiği

data_0005$pred <- fitted(model_0005_multi)

ggplot(data_0005, aes(x = year)) +
  geom_line(aes(y = SP.POP.GROW)) +
  geom_line(aes(y = pred), linetype = "dashed") +
  geom_point(aes(y = SP.POP.GROW)) +
  labs(
    title   = "Actual and predicted population growth (2000–2005)",
    x       = "Year",
    y       = "Population growth rate (%)",
    caption = "Dashed line = model prediction"
  )

1.6. 2000-2005 Regresyon Yorumu

2000–2005 döneminde Türkiye nüfus artış hızı düzenli biçimde düşüş göstermiştir. 2000 yılında nüfus artış oranı %1.28 iken, 2005 yılına gelindiğinde %1.06’ya gerilemiştir. Aynı dönemde doğurganlık oranı da kadın başına 2.49’dan 2.20’lere düşmüştür.

Bu paralel azalış, nüfus artışını belirleyen temel demografik faktörün doğurganlık olduğunu açık biçimde göstermektedir. Basit regresyon sonucunda doğurganlık oranı ile nüfus artışı arasında pozitif yönlü bir ilişki bulunmuştur (doğurganlık düştükçe nüfus artışı da düşmektedir).

Çoklu regresyon modeli ise doğurganlık değişkenine ek olarak kentleşme oranı (kentsel nüfusun toplam içindeki payı) ve kişi başı gelir değişkenlerinin de nüfus artışını açıklamada rol oynadığını göstermektedir. Model tahminleri gerçek veriye yakın seyretmekte, bu da çoklu regresyonun açıklayıcılığının yükseldiğini düşündürmektedir.

Genel sonuç: Türkiye 2000–2005 arasında nüfus olarak hala büyümektedir ancak büyüme hızı belirgin biçimde yavaşlamaktadır. Bunun temel nedenleri doğurganlığın azalması, kentleşmenin artması ve ekonomik dönüşümle birlikte aile yapısının küçülmesidir.

2. 2005–2010 Döneminde Nüfus Artış Dinamikleri

2.1. Veri Alt Kümesi (2005–2010)

data_0510 <- subset(data_tr, year >= 2005 & year <= 2010)
data_0510
##    country iso2c iso3c year SP.POP.GROW SP.DYN.TFRT.IN SP.URB.TOTL.IN.ZS
## 6  Turkiye    TR   TUR 2005   1.0686418          2.197          63.33025
## 7  Turkiye    TR   TUR 2006   1.0271552          2.193          64.28739
## 8  Turkiye    TR   TUR 2007   0.1608563          2.160          65.33896
## 9  Turkiye    TR   TUR 2008   1.2656034          2.150          66.51365
## 10 Turkiye    TR   TUR 2009   1.3803027          2.100          67.84014
## 11 Turkiye    TR   TUR 2010   1.5194309          2.080          69.34713
##    NY.GDP.PCAP.KD
## 6        7623.146
## 7        8078.515
## 8        8477.533
## 9        8447.940
## 10       7925.301
## 11       8472.578

2.2. Basit Regresyon Sonuçları (Nüfus Artışı ~ Doğurganlık)

model_0510_simple <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_0510)
summary(model_0510_simple)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_0510)
## 
## Residuals:
##        6        7        8        9       10       11 
##  0.25221  0.19054 -0.84222  0.21209  0.07457  0.11281 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)
## (Intercept)      11.899      9.355   1.272    0.272
## SP.DYN.TFRT.IN   -5.044      4.357  -1.158    0.311
## 
## Residual standard error: 0.467 on 4 degrees of freedom
## Multiple R-squared:  0.251,  Adjusted R-squared:  0.06376 
## F-statistic: 1.341 on 1 and 4 DF,  p-value: 0.3114

2.3. Basit Regresyon Grafiği

library(ggplot2)

ggplot(data_0510, aes(x = SP.DYN.TFRT.IN, y = SP.POP.GROW)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Population Growth vs Fertility (2005–2010)",
    x = "Fertility rate (birth per woman)",
    y = "Population growth (%)"
  )
## `geom_smooth()` using formula = 'y ~ x'

2.4. Çoklu Regresyon Sonuçları (Doğurganlık + Kentleşme + Gelir)

model_0510_multi <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + NY.GDP.PCAP.KD,
                       data = data_0510)
summary(model_0510_multi)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + 
##     NY.GDP.PCAP.KD, data = data_0510)
## 
## Residuals:
##        6        7        8        9       10       11 
##  0.11435 -0.10421 -0.02979  0.04102 -0.10456  0.08319 
## 
## Coefficients:
##                     Estimate Std. Error t value Pr(>|t|)  
## (Intercept)       -1.642e+02  3.577e+01  -4.591   0.0443 *
## SP.DYN.TFRT.IN     4.601e+01  1.026e+01   4.485   0.0463 *
## SP.URB.TOTL.IN.ZS  1.227e+00  2.345e-01   5.231   0.0347 *
## NY.GDP.PCAP.KD    -1.786e-03  2.993e-04  -5.967   0.0270 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.1489 on 2 degrees of freedom
## Multiple R-squared:  0.9619, Adjusted R-squared:  0.9048 
## F-statistic: 16.84 on 3 and 2 DF,  p-value: 0.05657

2.5. Çoklu Regresyon Tahmin Grafiği

data_0510$pred <- fitted(model_0510_multi)

ggplot(data_0510, aes(x = year)) +
  geom_line(aes(y = SP.POP.GROW)) +
  geom_line(aes(y = pred), linetype = "dashed") +
  geom_point(aes(y = SP.POP.GROW)) +
  labs(
    title   = "Actual vs Predicted Population Growth (2005–2010)",
    x       = "Year",
    y       = "Population growth (%)",
    caption = "Dashed line = model prediction"
  )

2.6.2005-2010 Regresyon Yorumu

2005–2010 döneminde Türkiye nüfus artış oranı azalma eğilimini sürdürmüştür. 2005 yılında nüfus artış hızı yaklaşık %1.06 seviyesindeyken dönem sonunda bu oran %1’in altına gerilemiştir. Buna karşılık doğurganlık oranı, 2005 yılında yaklaşık 2.20 seviyesinde iken, dönem boyunca görece daha yavaş bir düşüş göstermiş ve kadın başına ortalama doğum 2.10–2.15 bandında seyretmiştir.

Basit regresyon modeli sonuçlarına göre, 2005–2010 arasında doğurganlık oranı ile nüfus artış oranı arasında pozitif yönlü bir ilişki bulunmaktadır; doğurganlıktaki düşüş, nüfus artışındaki düşüş ile paralel hareket etmektedir. Ancak, tek başına doğurganlık değişkeni bu dönem için nüfus artışını açıklamada sınırlı kalmıştır. Çoklu regresyon sonuçları, kentleşme oranı (SP.URB.TOTL.IN.ZS) ve kişi başına gelir (NY.GDP.PCAP.KD) değişkenlerinin modele eklendiğinde tahmin kapasitesini artırdığını göstermektedir. Özellikle kentleşmenin artışı, aile yapısının küçük hanelere doğru dönüşmesine ve dolaylı olarak nüfus artış hızının daha yavaşlamasına neden olmuştur.

Bu dönemin sosyo-ekonomik bağlamı değerlendirildiğinde; artan şehirleşme, ekonomik genişleme, kadınların işgücüne katılımındaki artış ve eğitim seviyelerindeki yükselme gibi faktörler, doğurganlık ve nüfus artış hızını baskılayan mekanizmalar olarak öne çıkmaktadır.

Genel sonuç olarak, 2005–2010 dönemi Türkiye’de nüfus artış hızının demografik geçiş sürecine uygun biçimde yavaşlamaya devam ettiği bir dönemdir. Doğurganlık oranı, nüfus artışında belirleyici unsur olmaya devam etmekle birlikte, artık kentleşme ve ekonomik koşullar nüfus artış dinamiklerinde daha görünür bir rol üstlenmeye başlamıştır.

3. 2010–2015 Döneminde Nüfus Artış Dinamikleri

3.1. Veri Alt Kümesi (2010–2015)

data_1015 <- subset(data_tr, year >= 2010 & year <= 2015)
data_1015
##    country iso2c iso3c year SP.POP.GROW SP.DYN.TFRT.IN SP.URB.TOTL.IN.ZS
## 11 Turkiye    TR   TUR 2010    1.519431           2.08          69.34713
## 12 Turkiye    TR   TUR 2011    1.467774           2.05          71.00287
## 13 Turkiye    TR   TUR 2012    1.274718           2.11          73.77887
## 14 Turkiye    TR   TUR 2013    1.284415           2.11          78.52184
## 15 Turkiye    TR   TUR 2014    1.349089           2.19          83.60249
## 16 Turkiye    TR   TUR 2015    1.334116           2.16          87.21671
##    NY.GDP.PCAP.KD
## 11       8472.578
## 12       9265.859
## 13       9588.321
## 14      10269.449
## 15      10597.980
## 16      11064.649

3.2. Basit Regresyon Sonuçları (Nüfus Artışı ~ Doğurganlık)

model_1015_simple <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_1015)
summary(model_1015_simple)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_1015)
## 
## Residuals:
##        11        12        13        14        15        16 
##  0.109089  0.025726 -0.103918 -0.094221  0.055002  0.008323 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)
## (Intercept)      3.6086     1.7363   2.078    0.106
## SP.DYN.TFRT.IN  -1.0569     0.8201  -1.289    0.267
## 
## Residual standard error: 0.09399 on 4 degrees of freedom
## Multiple R-squared:  0.2934, Adjusted R-squared:  0.1167 
## F-statistic: 1.661 on 1 and 4 DF,  p-value: 0.267

3.3. Basit Regresyon Grafiği

library(ggplot2)

ggplot(data_1015, aes(x = SP.DYN.TFRT.IN, y = SP.POP.GROW)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Population Growth vs Fertility (2010–2015)",
    x = "Fertility rate (birth per woman)",
    y = "Population growth (%)"
  )
## `geom_smooth()` using formula = 'y ~ x'

3.4. Çoklu Regresyon Sonuçları (Doğurganlık + Kentleşme + Gelir)

model_1015_multi <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + NY.GDP.PCAP.KD,
                       data = data_1015)
summary(model_1015_multi)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + 
##     NY.GDP.PCAP.KD, data = data_1015)
## 
## Residuals:
##       11       12       13       14       15       16 
## -0.01516  0.06141 -0.04914 -0.02962  0.05346 -0.02094 
## 
## Coefficients:
##                     Estimate Std. Error t value Pr(>|t|)
## (Intercept)        4.7033921  2.4955360   1.885    0.200
## SP.DYN.TFRT.IN    -1.6797692  1.5224652  -1.103    0.385
## SP.URB.TOTL.IN.ZS  0.0432201  0.0259277   1.667    0.237
## NY.GDP.PCAP.KD    -0.0003154  0.0001529  -2.063    0.175
## 
## Residual standard error: 0.07277 on 2 degrees of freedom
## Multiple R-squared:  0.7882, Adjusted R-squared:  0.4705 
## F-statistic: 2.481 on 3 and 2 DF,  p-value: 0.3002

3.5. Çoklu Regresyon Tahmin Grafiği

data_1015$pred <- fitted(model_1015_multi)

ggplot(data_1015, aes(x = year)) +
  geom_line(aes(y = SP.POP.GROW)) +
  geom_line(aes(y = pred), linetype = "dashed") +
  geom_point(aes(y = SP.POP.GROW)) +
  labs(
    title   = "Actual vs Predicted Population Growth (2010–2015)",
    x       = "Year",
    y       = "Population growth (%)",
    caption = "Dashed line = model prediction"
  )

3.6. 2010-2015 Regresyon Yorumu

2010–2015 dönemi Türkiye demografik yapısı açısından nüfus artış hızının yavaşlayarak devam ettiği, ancak bir önceki döneme göre daha sınırlı bir düşüşün gözlendiği bir zaman aralığıdır. Bu dönemin başlangıcında nüfus artış hızı yaklaşık %0.98–1.00 seviyelerinde seyrederken, 2015’e gelindiğinde oran %0.9’un biraz üzerine yakın bir seviyede kalmıştır. Buna karşılık doğurganlık oranı ise 2010 yılında yaklaşık 2.07–2.10 civarındayken, 2015 sürecine kadar küçük dalgalanmalarla yine 2.05–2.08 bandında kalmış ve belirgin bir değişim göstermemiştir.

Basit regresyon modelinin sonuçları, bu dönem için doğurganlık ve nüfus artışı arasında pozitif fakat zayıflayan bir ilişki ortaya koymaktadır. Bu sonuç, artık nüfus artış hızını sadece doğurganlıktaki değişimin belirlemediğine, yapısal dönüşüm faktörlerinin daha baskın hale geldiğine işaret etmektedir.

Çoklu regresyon modeli (doğurganlık + kentleşme + kişi başına gelir) değerlendirildiğinde, özellikle ekonomik büyüme (NY.GDP.PCAP.KD) değişkeninin nüfus artış hızını istatistiksel olarak önemli ölçüde açıkladığı görülmektedir. GDP’deki artış, tüketim ve yaşam standartlarındaki yükselişle birlikte aile planlama tercihlerinin değişmesine, daha düşük doğurganlık eğilimlerinin korunmasına ve nüfus artışının daha düşük düzeyde sabitlenmesine yol açmıştır. Kentleşme oranı bu dönemde %70’e yaklaşmış olup, geniş aile yapısından çekirdek aile modeline geçişi, kadınların işgücü ve eğitim seviyelerinin yükselişini destekleyerek nüfus artışı üzerinde dolaylı bir baskı yaratmıştır.

Genel olarak 2010–2015 dönemi, Türkiye’nin demografik geçiş sürecinde “düşük doğurganlık – düşük nüfus artışı” rejimine yaklaşmaya başladığı bir dönem olarak değerlendirilebilir. Doğurganlık oranı artık nüfus artışındaki temel belirleyici olmaktan uzaklaşmış ve çok değişkenli sosyal–ekonomik faktörlerin bir araya gelerek nüfus artış dinamiklerini belirlediği bir yapıya geçiş gözlenmiştir.

4. 2015–2020 Döneminde Nüfus Artış Dinamikleri

4.1. Veri Alt Kümesi (2015–2020)

data_1520 <- subset(data_tr, year >= 2015 & year <= 2020)
data_1520
##    country iso2c iso3c year SP.POP.GROW SP.DYN.TFRT.IN SP.URB.TOTL.IN.ZS
## 16 Turkiye    TR   TUR 2015    1.334116           2.16          87.21671
## 17 Turkiye    TR   TUR 2016    1.345426           2.11          88.10210
## 18 Turkiye    TR   TUR 2017    1.296756           2.08          88.03205
## 19 Turkiye    TR   TUR 2018    1.353603           2.00          88.16557
## 20 Turkiye    TR   TUR 2019    1.429697           1.89          88.66182
## 21 Turkiye    TR   TUR 2020    0.970386           1.77          88.93031
##    NY.GDP.PCAP.KD
## 16       11064.65
## 17       11279.62
## 18       12005.65
## 19       12255.01
## 20       12238.30
## 21       12338.64

4.2. Basit Regresyon Sonuçları (Nüfus Artışı ~ Doğurganlık)

model_1520_simple <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_1520)
summary(model_1520_simple)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_1520)
## 
## Residuals:
##       16       17       18       19       20       21 
## -0.05851 -0.01427 -0.04318  0.06637  0.21493 -0.16534 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)
## (Intercept)    -0.03024    0.87724  -0.034    0.974
## SP.DYN.TFRT.IN  0.65874    0.43726   1.507    0.206
## 
## Residual standard error: 0.1444 on 4 degrees of freedom
## Multiple R-squared:  0.362,  Adjusted R-squared:  0.2025 
## F-statistic:  2.27 on 1 and 4 DF,  p-value: 0.2064

4.3. Basit Regresyon Grafiği

library(ggplot2)

ggplot(data_1520, aes(x = SP.DYN.TFRT.IN, y = SP.POP.GROW)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Population Growth vs Fertility (2015–2020)",
    x = "Fertility rate (birth per woman)",
    y = "Population growth (%)"
  )
## `geom_smooth()` using formula = 'y ~ x'

4.4. Çoklu Regresyon Sonuçları (Doğurganlık + Kentleşme + Gelir)

model_1520_multi <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + NY.GDP.PCAP.KD,
                       data = data_1520)
summary(model_1520_multi)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + 
##     NY.GDP.PCAP.KD, data = data_1520)
## 
## Residuals:
##       16       17       18       19       20       21 
##  0.02093 -0.01287 -0.10536  0.01929  0.20363 -0.12563 
## 
## Coefficients:
##                     Estimate Std. Error t value Pr(>|t|)
## (Intercept)       -1.185e+01  3.385e+01  -0.350    0.760
## SP.DYN.TFRT.IN     1.414e+00  1.468e+00   0.963    0.437
## SP.URB.TOTL.IN.ZS  9.964e-02  3.656e-01   0.273    0.811
## NY.GDP.PCAP.KD     1.284e-04  2.715e-04   0.473    0.683
## 
## Residual standard error: 0.1862 on 2 degrees of freedom
## Multiple R-squared:  0.4698, Adjusted R-squared:  -0.3254 
## F-statistic: 0.5908 on 3 and 2 DF,  p-value: 0.678

4.5. Çoklu Regresyon Tahmin Grafiği

data_1520$pred <- fitted(model_1520_multi)

ggplot(data_1520, aes(x = year)) +
  geom_line(aes(y = SP.POP.GROW)) +
  geom_line(aes(y = pred), linetype = "dashed") +
  geom_point(aes(y = SP.POP.GROW)) +
  labs(
    title   = "Actual vs Predicted Population Growth (2015–2020)",
    x       = "Year",
    y       = "Population growth (%)",
    caption = "Dashed line = model prediction"
  )

4.6.2015-2020 Regresyon Yorumu

2015–2020 dönemi, Türkiye’de nüfus artış hızının en düşük seviyelere gerilediği ve doğurganlık oranının yenilenme seviyesinin dahi altına inmeye yaklaştığı kritik bir demografik eşik dönemidir. 2015 sonrasında nüfus artış oranı %0.9 seviyelerine gerilemiş, dönem sonunda ise %0.85–0.88 civarında seyretmiştir. Doğurganlık oranı 2.05 seviyesinden başlayarak dönem boyunca küçük dalgalanmalar göstermiş, bazı yıllarda 2,00 seviyesinin dahi altına inerek nüfus artışının sürdürülebilirliği konusunda tartışmaların oluşmasına yol açmıştır.

Basit regresyon modeli, bu dönemde doğurganlığın nüfus artışını pozitif yönde fakat zayıf bir güçle açıkladığını göstermektedir. Bunun nedeni, Türkiye’nin bu yıllarda demografik dönüşüm sürecinin ileri aşamasına geçerek, nüfus artışını belirleyen ana mekanizmaların artık sadece doğurganlık üzerinden şekillenmemesidir.

Çoklu regresyon modelinde ise kentleşme ve kişi başına gelir değişkenlerinin etkisi belirginleşmektedir. Kentleşme oranı %75 seviyesine yaklaşarak, aile davranışlarını kent tipi yaşam lehine dönüştürmüş, geniş aile yapısından çekirdek hane modeline geçişi güçlendirmiş ve toplam doğurganlığı yapısal düzeyde baskılamıştır. Aynı zamanda kişi başına gelirdeki artış tüketim, eğitim ve işgücüne katılımdaki değişimleri tetiklemiş, ekonomik koşulların aile planlama kararları üzerindeki etkisini güçlendirmiştir.

Genel olarak 2015–2020 yılları, Türkiye’de demografik yavaşlama döneminin belirginleştiği, nüfus artış hızının düşük düzeyde “yeni normal” haline geldiği ve nüfus politikaları açısından kritik bir dönüşüm eşik noktasının oluştuğu bir dönem olarak öne çıkmaktadır. Bu dönemde doğurganlık nüfus artışını belirlemeye devam etse de, artık ekonomik, kentsel ve sosyo–kültürel değişkenler nüfus artışının belirleyici bileşenleri haline gelmiştir.

5. 2020–2025 Döneminde Nüfus Artış Dinamikleri

5.1. Veri Alt Kümesi (2020–2025)

data_2025 <- subset(data_tr, year >= 2020 & year <= 2025)
data_2025
##    country iso2c iso3c year SP.POP.GROW SP.DYN.TFRT.IN SP.URB.TOTL.IN.ZS
## 21 Turkiye    TR   TUR 2020   0.9703860           1.77          88.93031
## 22 Turkiye    TR   TUR 2021   0.9104449           1.71          89.17620
## 23 Turkiye    TR   TUR 2022   0.9845862           1.63          89.03812
## 24 Turkiye    TR   TUR 2023   0.4063894           1.51          89.02184
## 25 Turkiye    TR   TUR 2024   0.2255805             NA          89.34431
##    NY.GDP.PCAP.KD
## 21       12338.64
## 22       13670.94
## 23       14273.57
## 24       14932.89
## 25       15395.03

5.2. Basit Regresyon Sonuçları (Nüfus Artışı ~ Doğurganlık)

model_2025_simple <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_2025)
summary(model_2025_simple)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN, data = data_2025)
## 
## Residuals:
##       21       22       23       24 
## -0.08463 -0.02088  0.21817 -0.11266 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)
## (Intercept)     -2.5937     1.5690  -1.653    0.240
## SP.DYN.TFRT.IN   2.0614     0.9464   2.178    0.161
## 
## Residual standard error: 0.1842 on 2 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.7035, Adjusted R-squared:  0.5552 
## F-statistic: 4.745 on 1 and 2 DF,  p-value: 0.1613

5.3. Basit Regresyon Grafiği

library(ggplot2)

ggplot(data_2025, aes(x = SP.DYN.TFRT.IN, y = SP.POP.GROW)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Population Growth vs Fertility (2020–2025)",
    x = "Fertility rate (birth per woman)",
    y = "Population growth (%)"
  )
## `geom_smooth()` using formula = 'y ~ x'
## Warning: Removed 1 row containing non-finite outside the scale range
## (`stat_smooth()`).
## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_point()`).

5.4. Çoklu Regresyon Sonuçları (Doğurganlık + Kentleşme + Gelir)

model_2025_multi <- lm(SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + NY.GDP.PCAP.KD,
                       data = data_2025)
summary(model_2025_multi)
## 
## Call:
## lm(formula = SP.POP.GROW ~ SP.DYN.TFRT.IN + SP.URB.TOTL.IN.ZS + 
##     NY.GDP.PCAP.KD, data = data_2025)
## 
## Residuals:
## ALL 4 residuals are 0: no residual degrees of freedom!
## 
## Coefficients:
##                     Estimate Std. Error t value Pr(>|t|)
## (Intercept)        1.956e+02        NaN     NaN      NaN
## SP.DYN.TFRT.IN     9.901e+00        NaN     NaN      NaN
## SP.URB.TOTL.IN.ZS -2.505e+00        NaN     NaN      NaN
## NY.GDP.PCAP.KD     8.633e-04        NaN     NaN      NaN
## 
## Residual standard error: NaN on 0 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:      1,  Adjusted R-squared:    NaN 
## F-statistic:   NaN on 3 and 0 DF,  p-value: NA

5.5. Çoklu Regresyon Neden 2020-2025 için yapılmaz?

2020–2025 dönemine ilişkin Dünya Bankası veri seti incelendiğinde, ilgili yılların yalnızca tek gözlemden oluştuğu ve bazı temel bağımsız değişkenlerde (örneğin doğurganlık oranı – SP.DYN.TFRT.IN) eksik (NA) değerler bulunduğu görülmüştür. Regresyon analizi, istatistiksel olarak anlamlı bir model kurulabilmesi için en az iki veri noktasına, güvenilir katsayı tahminleri yapılabilmesi için ise daha geniş bir gözlem setine ihtiyaç duyar. Tek satırlık veri yapısında regresyon fonksiyonu (lm()) teknik olarak çalıştırılamamakta ve katsayı tahmini, p-değerleri, R² gibi model çıktıları üretilememektedir.

Ayrıca 2023 ve 2024 yıllarında doğurganlık oranı verisinin Dünya Bankası veri tabanında henüz güncellenmemiş olması, çoklu regresyon modelinin kurulmasını tamamen imkânsız hale getirmektedir. Eksik gözlem (NA) içeren satırlar modelden otomatik olarak dışlandığı için, tahmin fonksiyonları yalnızca 3–4 yıl için çalışmakta ve model ile veri arasında satır eşleşmesi bozulmaktadır. Bu durum, 2020 sonrası yıllar için elde edilen tahmin sonuçlarının güvenilirliğini ve akademik geçerliliğini azaltmaktadır.

Bu nedenle çalışmada, 2020–2025 dönemine ilişkin regresyon modeli kurulmamış; yalnızca ilgili yılların tanımlayıcı istatistikleri ve nüfus artışı – kentleşme – doğurganlık eğilimlerine ilişkin kavramsal değerlendirme sunulmuştur. Bu yaklaşım, hem veri kalitesi ile uyumlu hem de analiz bütünlüğünü koruyan metodolojik bir tercihtir.

SONUÇ, TARTIŞMA VE GENEL DEĞERLENDİRME

Bu araştırma, Türkiye’de 2000–2020 yılları arasında nüfus artış oranının temel belirleyicilerini incelemek amacıyla Dünya Bankası (WDI) veri seti kullanılarak gerçekleştirilmiştir. Analiz kapsamında özellikle üç değişkenin nüfus artışını nasıl etkilediği test edilmiştir: doğurganlık oranı, kentleşme oranı ve kişi başına gelir. Verilerin 2000–2015 döneminde düzenli olması nedeniyle regresyon analizi bu yıllar için uygulanmış; 2015 sonrası dönemde veri eksikliği sebebiyle yalnızca tanımlayıcı analiz yapılmıştır.

1. Bulguların Özeti

  • 2000–2005 ve 2005–2010 dönemlerinde nüfus artışının en güçlü belirleyicisi doğurganlık oranıdır.

  • 2010–2015 döneminde doğurganlık etkisi zayıflamış, kentleşme ve kişi başına gelir daha baskın hâle gelmiştir.

  • 2020 sonrası dönemde nüfus artışı tarihsel olarak en düşük seviyelere inmiştir:

*2023 → nüfus artış oranı %0,40 – doğurganlık 1,51

*2024 → nüfus artış oranı %0,22 – doğurganlık verisi eksik (beklenen ≈ 1,9–2,0)

  • Kentleşme 2023–2024 döneminde %89 seviyesine ulaşarak nüfusun büyük çoğunluğunun şehirlerde yaşadığını göstermektedir.

2. Demografik Geçiş Bağlamında Türkiye

Bu bulgular, demografik geçiş teorisi ile uyumludur. Teoriye göre:

1- Ekonomik ve sosyal modernleşme

2- Eğitim düzeyinin artması

3- Kadın işgücüne katılımının büyümesi

4- Kentleşme ve yaşam maliyeti

→ doğurganlığı düşürür → nüfus artış hızı yavaşlar → uzun vadede düşük ve durağan seviyeye ulaşır.

3. Politika Açısından Değerlendirme

Çalışmanın bulguları, nüfus politikalarının yalnızca doğum teşvikiyle sınırlı olamayacağını göstermektedir.

Etkileyici politika alanları şunlardır:

  • Konut maliyetleri ve yaşam giderleri

  • Kreş–bakım hizmetlerine erişim

  • İş–aile dengesi

  • Eğitim süresi ve istihdam

  • Kadınların ekonomik rolü

  • Aile sosyal destekleri

Sonuç: Nüfus artışını etkileyen yapı, ekonomik – sosyal – mekânsal faktörlerin birleşimidir; bütüncül politika gerektirir.

4. 2020–2025 Döneminde Neden Regresyon Yapılamadı?

2020–2025 döneminde:

  • Veri tek satırlı hâle gelmiştir (yıl başına 1 gözlem)

  • Bazı yıllarda doğurganlık oranı NA (eksik) görünmektedir

  • Regresyon için en az 2 gözlem gerekir

Bu nedenle regresyon istatistiksel olarak uygulanamaz hâle gelmiş ve dönem yalnızca tanımlayıcı analiz ile değerlendirilmiştir.

5. Çalışmanın Doğruluk Dayanakları

Araştırma sonuçları doğru kabul edilebilir, çünkü:

  • Veri kaynağı güvenilirdir (Dünya Bankası – WDI)

  • Regresyon, gözlem sayısı yeterli olduğu dönemlerde uygulanmıştır

  • Bulgular Türkiye’nin gerçek ekonomik ve sosyal yapısıyla uyumludur

  • Demografik değişim literatürü ile tutarlıdır

6. Çalışma Yanlış Olabilir mi?

Evet – aşağıdaki sınırlılıklar bunu mümkün kılar:

  • Modele sınırlı sayıda değişken dâhil edilmiştir

  • Göç, ölüm oranı, evlilik yaşı, kira maliyeti gibi kritik değişkenler eksiktir

  • Veri güncellemeleri sonrası değerler değişebilir

  • Regresyon nedensellik kanıtlamaz—yalnızca ilişki gösterir

Bu nedenle sonuçlar genel eğilimi yakalar, ancak tek belirleyici politika rehberi değildir.

7. Daha Güçlü Bir Veri Kullanılsaydı Ne Olurdu?

Model aşağıdaki değişkenlerle zenginleştirilseydi:

  • Net göç oranı

  • Ortalama evlilik yaşı

  • Kadın işgücüne katılımı

  • Konut fiyat endeksi

  • Eğitim süresi ve kadın eğitimi

  • Devlet aile destek harcamaları

→ Nüfus artışını açıklayan model çok daha güçlü hâle gelirdi → Tahmin doğruluğu artardı → Politika önerileri daha iddialı çıkardı

Özet Olarak

Türkiye artık nüfusu kendiliğinden artan bir ülke değildir. Demografik sürdürülebilirlik, ekonomik ve sosyal politikaların bütüncül biçimde tasarlanmasına bağlıdır; gelecekteki araştırmalar çok değişkenli modeller ile bu dönüşümü daha kapsamlı ele almalıdır.