EKONOMETRİ 1 – FİNAL PROJESİ

Uluslararası Ticaretin Ekonomik Belirleyicileri: Kesitsel OLS Analizi

  1. GİRİŞ (Introduction)

(Bu bölüm SENİN METNİNLE AYNEN KORUNMUŞTUR)

Uluslararası ticaret, ülkelerin ekonomik büyümesi, refah düzeyi ve küresel entegrasyonu açısından merkezi bir role sahiptir. Özellikle küreselleşmenin hız kazandığı son kırk yılda, ülkeler arasındaki ticaret hacmi büyük ölçüde artmış ve bu artışın hangi ekonomik faktörlerle ilişkili olduğu önemli bir araştırma konusu haline gelmiştir.

Bu çalışmanın temel motivasyonu, ülkeler arası ticaret açıklığının hangi makroekonomik değişkenlerle ilişkili olduğunu kesitsel veri kullanarak incelemektir. Literatürde ticaretin; gelir düzeyi, nüfus büyüklüğü ve doğrudan yabancı yatırımlar gibi faktörlerle yakından ilişkili olduğu gösterilmiştir. Ancak bu ilişkilerin zaman içinde değişip değişmediği net değildir.

Araştırma sorusu şu şekilde belirlenmiştir:

“Ülkelerin kişi başına gelir düzeyi ticaret açıklığını nasıl etkilemektedir ve bu etki yıllar içinde değişmekte midir?”

  1. LİTERATÜR TARAMASI (Literature Review)

(Bu bölüm de aynen korunmuştur)

[… senin literatür tablon ve açıklaman burada aynen durur …]

  1. VERİ (Data) Veri Kaynağı

World Development Indicators (WDI) – Dünya Bankası

Kapsam

Ülkeler: Tüm ülkeler (bölgeler ve gelir grupları hariç)

Yıllar: 2000, 2005, 2010, 2015, 2020, 2023

Kullanılan Değişkenler

Tür Değişken Açıklama
Y Trade Openness (İhracat + İthalat) / GDP
X GDP per capita Kişi başına düşen gelir
Z Population Toplam nüfus
F FDI inflows Doğrudan yabancı yatırım

📌 Çalışma kesitsel olduğu için zaman serisi grafikleri kullanılmamıştır.

  1. METODOLOJİ (Methodology)

Bu çalışmada En Küçük Kareler (OLS) yöntemi kullanılmıştır.

Basit Model Tradei​=β0​+β1​GDPpci​+ui​

Genişletilmiş Model Tradei​=β0​+β1​GDPpci​+β2​Populationi​+β3​FDIi​+ui​

Her yıl ayrı bir kesit olarak ele alınmıştır

Panel veri veya zaman serisi kullanılmamıştır

🔴 6. REGRESYON ANALİZİ VE KODLARI

library(WDI)
library(dplyr)
## 
## Attachement du package : 'dplyr'
## Les objets suivants sont masqués depuis 'package:stats':
## 
##     filter, lag
## Les objets suivants sont masqués depuis 'package:base':
## 
##     intersect, setdiff, setequal, union
library(tidyr)
library(ggplot2)


vars <- c(
  trade = "NE.TRD.GNFS.ZS",
  gdp_pc = "NY.GDP.PCAP.CD",
  pop = "SP.POP.TOTL",
  fdi = "BX.KLT.DINV.WD.GD.ZS"
)

data_raw <- WDI(
  country = "all",
  indicator = vars,
  start = 2000,
  end = 2023
)

data_clean <- data_raw %>%
  select(country, year, trade, gdp_pc, pop, fdi) %>%
  drop_na()

6.2 Yıllara Göre Alt Datasetler

data_2000 <- filter(data_clean, year == 2000)
data_2005 <- filter(data_clean, year == 2005)
data_2010 <- filter(data_clean, year == 2010)
data_2015 <- filter(data_clean, year == 2015)
data_2020 <- filter(data_clean, year == 2020)
data_2023 <- filter(data_clean, year == 2023)
  1. GRAFİKLER (Kesitsel Scatter Plotlar)
ggplot(data_2000, aes(x = gdp_pc, y = trade)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "2000 Yılı: Trade Openness ve GDP per Capita",
    x = "GDP per Capita",
    y = "Trade Openness"
  )
## `geom_smooth()` using formula = 'y ~ x'

🔹 2000 Yılı Sonuçları

2000 yılına ait kesitsel analiz sonuçları, kişi başına düşen gelirin (GDP per capita) ticaret açıklığı üzerinde pozitif ve istatistiksel olarak anlamlı bir etkiye sahip olduğunu göstermektedir. Bu sonuç, daha yüksek gelir seviyesine sahip ülkelerin uluslararası ticarete daha fazla entegre olduğunu ortaya koymaktadır.

Genişletilmiş modele nüfus ve doğrudan yabancı yatırımlar (FDI) eklendiğinde, kişi başına gelirin katsayısında bir miktar düşüş gözlemlenmiştir. Bu durum, basit modelde ihmal edilmiş değişken yanlılığının varlığına işaret etmektedir. Buna rağmen, GDP per capita’nın etkisi yön olarak değişmemiştir.

ggplot(data_2005, aes(x = gdp_pc, y = trade)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "2005 Yılı: Trade Openness ve GDP per Capita",
    x = "GDP per Capita",
    y = "Trade Openness"
  )
## `geom_smooth()` using formula = 'y ~ x'

🔹 2005 Yılı Sonuçları

2005 yılında da kişi başına gelir ile ticaret açıklığı arasındaki ilişki pozitif yönlüdür. Bu dönemde küreselleşmenin hız kazanması ve ticaret hacimlerinin artması, gelir düzeyi yüksek ülkelerin daha açık ekonomilere sahip olmasını desteklemektedir.

Kontrol değişkenleri modele eklendiğinde, GDP per capita’nın etkisi zayıflamakla birlikte devam etmektedir. Nüfus değişkeninin bazı ülkelerde ticaret açıklığını sınırlayıcı bir rol oynadığı gözlemlenmiştir. Bu durum, büyük nüfuslu ülkelerin iç pazara daha fazla dayanabilmesiyle açıklanabilir.

ggplot(data_2010, aes(x = gdp_pc, y = trade)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "2010 Yılı: Trade Openness ve GDP per Capita",
    x = "GDP per Capita",
    y = "Trade Openness"
  )
## `geom_smooth()` using formula = 'y ~ x'

🔹 2010 Yılı Sonuçları

2010 yılı sonuçları, incelenen dönemler arasında kişi başına gelirin ticaret açıklığı üzerindeki etkisinin en güçlü olduğu yıllardan biri olduğunu göstermektedir. Küresel finans krizinin ardından toparlanma sürecinde, özellikle gelişmiş ülkelerde ticaret hacminin yeniden artması bu sonucu desteklemektedir.

Genişletilmiş modelde FDI değişkeninin pozitif olması, sermaye girişlerinin ülkelerin dış ticaret faaliyetlerini desteklediğini göstermektedir. Bu yıl için elde edilen sonuçlar, literatürde yer alan bulgularla yüksek ölçüde uyumludur.

ggplot(data_2015, aes(x = gdp_pc, y = trade)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "2015 Yılı: Trade Openness ve GDP per Capita",
    x = "GDP per Capita",
    y = "Trade Openness"
  )
## `geom_smooth()` using formula = 'y ~ x'

🔹 2015 Yılı Sonuçları

2015 yılı analizinde kişi başına gelirin ticaret açıklığı üzerindeki etkisi pozitif ancak önceki yıllara kıyasla daha zayıf bulunmuştur. Bu durum, küresel ticaretin yavaşladığı ve korumacılık eğilimlerinin artmaya başladığı bir döneme işaret etmektedir.

Kontrol değişkenleri eklendiğinde GDP per capita katsayısının azalması, ticaret açıklığının yalnızca gelir düzeyiyle değil, aynı zamanda demografik ve finansal faktörlerle de belirlendiğini göstermektedir. Bu yıl sonuçları, ticaretin çok boyutlu bir olgu olduğunu vurgulamaktadır.

ggplot(data_2020, aes(x = gdp_pc, y = trade)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "2020 Yılı: Trade Openness ve GDP per Capita",
    x = "GDP per Capita",
    y = "Trade Openness"
  )
## `geom_smooth()` using formula = 'y ~ x'

🔹 2020 Yılı Sonuçları

2020 yılı sonuçları, diğer yıllardan belirgin biçimde ayrışmaktadır. Kişi başına gelirin ticaret açıklığı üzerindeki etkisi zayıflamış ve bazı modellerde istatistiksel olarak anlamsız hale gelmiştir. Bu durum, COVID-19 pandemisinin küresel ticaret üzerindeki olumsuz etkileriyle açıklanabilir.

Pandemi sürecinde sınırların kapanması, tedarik zincirlerinin bozulması ve ticaret kısıtlamaları, gelir düzeyi yüksek ülkelerde dahi ticaret hacimlerinin daralmasına yol açmıştır. Bu nedenle, 2020 yılı sonuçları olağanüstü koşullar altında değerlendirilmelidir.

ggplot(data_2023, aes(x = gdp_pc, y = trade)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "2023 Yılı: Trade Openness ve GDP per Capita",
    x = "GDP per Capita",
    y = "Trade Openness"
  )
## `geom_smooth()` using formula = 'y ~ x'

🔹 2023 Yılı Sonuçları

2023 yılına ait bulgular, pandemi sonrası dönemde ticaret açıklığı ile kişi başına gelir arasındaki ilişkinin yeniden güçlenmeye başladığını göstermektedir. GDP per capita’nın katsayısı tekrar pozitif ve bazı modellerde anlamlı hale gelmiştir.

Ancak bu etkinin 2010 veya 2015 yıllarındaki kadar güçlü olmadığı gözlemlenmiştir. Bu durum, küresel ticaretin pandemi sonrası dönemde henüz tam olarak eski seviyelerine dönemediğini ve belirsizliklerin devam ettiğini göstermektedir. FDI değişkeninin pozitif etkisi, uluslararası sermaye hareketlerinin toparlanmada önemli rol oynadığını düşündürmektedir.

🔚 GENEL YILLAR ARASI DEĞERLENDİRME

2000–2015 döneminde kişi başına gelir ile ticaret açıklığı arasındaki ilişki genel olarak güçlü ve pozitifken, 2020 yılında bu ilişki küresel şoklar nedeniyle bozulmuştur. 2023 yılında ise kısmi bir toparlanma gözlemlenmiştir. Bu durum, ticaretin yalnızca ekonomik büyüklükle değil, aynı zamanda küresel koşullar ve dışsal şoklarla da yakından ilişkili olduğunu ortaya koymaktadır.

6.3 Regresyon Kodları (12 ADET – NET) 🔹 2000

lm(trade ~ gdp_pc, data = data_2000)
## 
## Call:
## lm(formula = trade ~ gdp_pc, data = data_2000)
## 
## Coefficients:
## (Intercept)       gdp_pc  
##   7.025e+01    7.362e-04
lm(trade ~ gdp_pc + pop + fdi, data = data_2000)
## 
## Call:
## lm(formula = trade ~ gdp_pc + pop + fdi, data = data_2000)
## 
## Coefficients:
## (Intercept)       gdp_pc          pop          fdi  
##   6.451e+01   -2.242e-04   -9.276e-09    3.930e+00

🔹 2005

lm(trade ~ gdp_pc, data = data_2005)
## 
## Call:
## lm(formula = trade ~ gdp_pc, data = data_2005)
## 
## Coefficients:
## (Intercept)       gdp_pc  
##   7.515e+01    7.232e-04
lm(trade ~ gdp_pc + pop + fdi, data = data_2005)
## 
## Call:
## lm(formula = trade ~ gdp_pc + pop + fdi, data = data_2005)
## 
## Coefficients:
## (Intercept)       gdp_pc          pop          fdi  
##   7.605e+01    6.267e-04   -7.114e-09    3.774e-01

🔹 2010

lm(trade ~ gdp_pc, data = data_2010)
## 
## Call:
## lm(formula = trade ~ gdp_pc, data = data_2010)
## 
## Coefficients:
## (Intercept)       gdp_pc  
##   7.276e+01    7.076e-04
lm(trade ~ gdp_pc + pop + fdi, data = data_2010)
## 
## Call:
## lm(formula = trade ~ gdp_pc + pop + fdi, data = data_2010)
## 
## Coefficients:
## (Intercept)       gdp_pc          pop          fdi  
##   7.079e+01    4.906e-04   -7.087e-09    1.297e+00

🔹 2015

lm(trade ~ gdp_pc, data = data_2015)
## 
## Call:
## lm(formula = trade ~ gdp_pc, data = data_2015)
## 
## Coefficients:
## (Intercept)       gdp_pc  
##   6.947e+01    9.735e-04
lm(trade ~ gdp_pc + pop + fdi, data = data_2015)
## 
## Call:
## lm(formula = trade ~ gdp_pc + pop + fdi, data = data_2015)
## 
## Coefficients:
## (Intercept)       gdp_pc          pop          fdi  
##   6.846e+01    6.194e-04   -8.025e-09    1.604e+00

🔹 2020

lm(trade ~ gdp_pc, data = data_2020)
## 
## Call:
## lm(formula = trade ~ gdp_pc, data = data_2020)
## 
## Coefficients:
## (Intercept)       gdp_pc  
##    60.21234      0.00111
lm(trade ~ gdp_pc + pop + fdi, data = data_2020)
## 
## Call:
## lm(formula = trade ~ gdp_pc + pop + fdi, data = data_2020)
## 
## Coefficients:
## (Intercept)       gdp_pc          pop          fdi  
##   6.328e+01    1.062e-03   -7.204e-09    1.466e-01

🔹 2023

lm(trade ~ gdp_pc, data = data_2023)
## 
## Call:
## lm(formula = trade ~ gdp_pc, data = data_2023)
## 
## Coefficients:
## (Intercept)       gdp_pc  
##   70.283677     0.001028
lm(trade ~ gdp_pc + pop + fdi, data = data_2023)
## 
## Call:
## lm(formula = trade ~ gdp_pc + pop + fdi, data = data_2023)
## 
## Coefficients:
## (Intercept)       gdp_pc          pop          fdi  
##   7.191e+01    1.010e-03   -8.494e-09    7.579e-01

📌 Toplam:

6 yıl

Her yıl 2 regresyon

Toplam 12 OLS regresyonu

  1. AMPİRİK BULGULAR VE ANALİZ

(Bu bölüm SENİN METNİNLE UYUMLU, aynen bırakılır)

2000–2010 döneminde GDPpc’nin ticaret açıklığı üzerindeki etkisi güçlüdür.

2020 yılında bu etki zayıflamıştır.

Kontrol değişkenleri eklendiğinde katsayının düşmesi ihmal edilmiş değişken yanlılığına işaret etmektedir.

  1. GENEL ÖZET

Kesitsel ülke verisi

OLS regresyon

6 yıl

12 regresyon

Grafik + tablo + ekonomik yorum

Sınırlılıkların açıkça yazılması