Avrupa ve Asyada Özel Sektöre Sağlanan Yurtiçi Krediler ile Ekonomik Gelişmişlik Arasındaki İlişki: Diğer Değişkenler Dikkate Alındığında Yıllara Göre Analizi
Merve Uğur
2025-12-12
Giriş
özel sektöre sağlanan yurtiçi krediler ile kişi başına düşen gelir arasındaki ilişki, diğer ekonomik göstergeler kontrol edildiğinde nasıl değişiyor? Bu ilişki diğer etmenler dikkate alınmadan açıklanabilir mi?
Bu çalışmamda Dünya bankasının verilerini (WDI) kullanarak Avrupa ve Asyada Özel Sektöre Sağlanan Yurtiçi Krediler ile Ekonomik Gelişmişlik Arasındaki İlişki: Diğer Değişkenler Dikkate Alındığında Yıllara Göre Analizini inceledim.
Literatür
özel sektöre sağlanan yurtiçi krediler ile ekonomik gelir düzeyi arasındaki ilişki çok sayıda ülkelerarası çalışmada ele alınmıştır. King ve Levine (1993), özel sektöre verilen kredilerin ekonomik faaliyetlerle yakından ilişkili olduğunu ve kredi hacmi yüksek olan ülkelerde gelir seviyelerinin de daha yüksek olduğunu göstermektedir. Ancak yazarlar, bu ilişkinin doğrudan bir nedensellik olarak yorumlanmaması gerektiğini vurgulamaktadır. Daha sonraki çalışmalar, kredi ve gelir arasındaki ilişkinin, enflasyon, ticaret hacmi, teknolojik gelişmişlik gibi diğer makroekonomik değişkenler modele dâhil edildiğinde değişebileceğini ortaya koymuştur (Levine, Loayza ve Beck, 2000; Beck, Levine ve Loayza, 2000). Bu bulgular, özel sektöre sağlanan yurtiçi krediler ile gelir düzeyi arasındaki ilişkinin tek başına değerlendirilmesinin sınırlı kalabileceğine işaret etmektedir.
veriler
Datamız
WDI_data <- WDI(
country = "all", indicator = c(gdp = "NY.GDP.MKTP.CD", credit_private = "FS.AST.PRVT.GD.ZS", technology_export = "TX.VAL.TECH.CD", transport_private = "IE.PPI.TRAN.CD"),
start = 2008, end = 2024, extra = FALSE)write_csv(WDI_data, "gdp_ve_kredi.csv")df <- read_csv("gdp_ve_kredi.csv", show_col_types = FALSE)araştırmamdaki ilgilendiğim bölgelerin seçimi
df_ulkeler <- df %>% filter(!country %in% c("Europe", "Central Asia"))bölgelerin içindeki boş kısımları silme (temize çekme işlemi)
df_ulkeler_temiz <- df_ulkeler %>% filter(!is.na(gdp), !is.na(credit_private), !is.na(technology_export), !is.na(transport_private))2010 yılı verilerini seçme
df_2010 <- df_ulkeler_temiz %>% filter(year == 2010)2012 yılı verilerini seçme
df_2012 <- df_ulkeler_temiz %>% filter(year == 2012)2015 yılı verilerini seçme
df_2015 <- df_ulkeler_temiz %>% filter(year == 2015)2018 yılı verilerini seçme
df_2018 <- df_ulkeler_temiz %>% filter(year == 2018)2020 yılı verilerini seçme
df_2020 <- df_ulkeler_temiz %>% filter(year == 2020)2023 yılı verilerini seçme
df_2023 <- df_ulkeler_temiz %>% filter(year == 2023)2010 yılı grafiğimiz
ggplot(df_2010, aes(x = gdp, y = credit_private)) + geom_point() + geom_smooth(method = "lm")## `geom_smooth()` using formula = 'y ~ x'
2010 yılı için bu Grafikte gdp(GSYH) ile özel sektör arasındaki ilişkiyi görüyoruz.çizginin aşağıya doğru hafif eğilimli olması bu ikisi arasında bir azalma eğilimi olduğunu söyleyebiliriz. Noktaların dağınık halde olması bu ilişkinin zayıf olduğunu gösteriyor. GSYH nin avrupa ve asyadaki ülkeler arası özel kredi farklılıklarını tek başına açıklamakta yetersiz kaldığını ortaya koymaktadır.
2010 yılı için basit regresyon ve yorumumuz
regresyon_2010 <- lm(gdp ~ credit_private, data = df_2010)
summary(regresyon_2010)##
## Call:
## lm(formula = gdp ~ credit_private, data = df_2010)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.578e+12 -1.125e+12 -5.298e+11 4.368e+11 3.704e+12
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.803e+12 9.277e+11 1.944 0.0739 .
## credit_private -7.530e+09 1.799e+10 -0.419 0.6823
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.626e+12 on 13 degrees of freedom
## Multiple R-squared: 0.0133, Adjusted R-squared: -0.0626
## F-statistic: 0.1752 on 1 and 13 DF, p-value: 0.6823Regresyon sonuçlarına göre, özel sektöre sağlanan yurtiçi kredilerin katsayısı negatif olmakla birlikte, bu katsayı istatistiksel olarak anlamlı değildir. Bu durum, 2010 yılında özel sektöre sağlanan krediler ile kişi başına düşen gelir arasında istatistiksel olarak anlamlı bir ilişki bulunmadığını göstermektedir. Ayrıca F-istatistiği sonucuna göre model genel olarak da anlamlı değildir çünkü p-değeri = 0.6823 Bu bulgular ışığında, özel sektöre sağlanan yurtiçi krediler ile kişi başına düşen gelir arasındaki ilişkinin, diğer etmenler dikkate alınmadan açıklanması mümkün değildir.
2010 yılı için çoklu regresyon ve yorumumuz
regresyon_2_2010 <- lm(gdp ~ credit_private + technology_export + transport_private, data = df_2010)
summary(regresyon_2_2010)##
## Call:
## lm(formula = gdp ~ credit_private + technology_export + transport_private,
## data = df_2010)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.511e+12 -4.928e+11 -3.223e+11 6.663e+11 1.543e+12
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 9.232e+11 6.469e+11 1.427 0.18136
## credit_private -1.904e+10 1.205e+10 -1.580 0.14241
## technology_export 4.036e+01 1.129e+01 3.576 0.00435 **
## transport_private 1.202e+02 4.618e+01 2.602 0.02459 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.049e+12 on 11 degrees of freedom
## Multiple R-squared: 0.652, Adjusted R-squared: 0.5571
## F-statistic: 6.871 on 3 and 11 DF, p-value: 0.0071292010 yılı çoklu regresyon sonuçlarımıza göre ise model istatistiksel olarak anlamlıdır. Ulaştırma sektöründe özel sektör yatırımları gelir üzerinde pozitif ve anlamlı etkiye sahipken, özel sektöre sağlanan krediler ve teknoloji ihracatı tek başına anlamlı bulunmamıştır.
2012 yılı grafiğimiz
ggplot(df_2012, aes(x = gdp, y = credit_private)) + geom_point() + geom_smooth(method = "lm")## `geom_smooth()` using formula = 'y ~ x'
2012 grafiğimiz ise pozitif eğilimlidir ve pozitif yönlü ilişki vardır. ülkelerin çizginin üzerinde tam yoğunlaşmaması ilişkinin orta düzeyde sınırlayıcılığa sahip olduğunu söyleyebiliriz. yani sonuç olarak bu grafikte pozitif ama güçlü olmayan ilişkinin olduğu görülüyor.
2012 yılı için basit regresyon ve yorumumuz
regresyon_2012 <- lm(gdp ~ credit_private, data = df_2012)
summary(regresyon_2012)##
## Call:
## lm(formula = gdp ~ credit_private, data = df_2012)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.239e+13 -3.319e+12 -7.387e+11 1.874e+12 1.447e+13
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -4.663e+12 2.694e+12 -1.731 0.098812 .
## credit_private 2.029e+11 4.652e+10 4.361 0.000303 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.852e+12 on 20 degrees of freedom
## Multiple R-squared: 0.4874, Adjusted R-squared: 0.4618
## F-statistic: 19.02 on 1 and 20 DF, p-value: 0.00030262012 yılı basit regresyon sonuçlarına göre özel sektöre sağlanan yurtiçi krediler ile kişi başına düşen gelir arasında pozitif ve istatistiksel olarak anlamlı bir ilişki bulunmaktadır.Elde edilen bulgular, özel sektöre sağlanan yurtiçi kredilerin kişi başına düşen gelir üzerinde etkili olabileceğini göstermektedir ancak diğer belirleyici faktörler dikkate alınmadan kesin bir açıklama yapılması mümkün değildir.
2012 yılı için çoklu regresyon ve yorumumuz
regresyon_2_2012 <- lm(gdp ~ credit_private + technology_export + transport_private, data = df_2012)
summary(regresyon_2_2012)##
## Call:
## lm(formula = gdp ~ credit_private + technology_export + transport_private,
## data = df_2012)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.266e+12 -4.860e+11 -1.398e+11 3.175e+11 1.756e+12
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.290e+12 5.116e+11 2.522 0.02132 *
## credit_private -3.673e+10 1.122e+10 -3.273 0.00422 **
## technology_export 2.011e+01 1.131e+00 17.785 7.23e-13 ***
## transport_private 1.557e+02 1.474e+01 10.559 3.84e-09 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 8.519e+11 on 18 degrees of freedom
## Multiple R-squared: 0.9902, Adjusted R-squared: 0.9886
## F-statistic: 607.7 on 3 and 18 DF, p-value: < 2.2e-162012 yılı çoklu regresyon sonuçlarına göre model oldukça güçlü ve anlamlıdır. Özel sektöre sağlanan krediler, teknoloji ihracatı ve ulaştırma yatırımları birlikte ele alındığında kişi başına düşen geliri anlamlı biçimde açıklamaktadır. Bu nedenle, diğer etmenler dikkate alındığında açıklama gücü belirgin şekilde artmaktadır.ama yine kesin bir şey söyleyemeyiz açıklama gücü yüksek olsada kesin bir dille açıklayamayız.Başka etmenler de eklendiğinde belki daha da açıklanabilir.
2015 yılı grafiğimiz
ggplot(df_2015, aes(x = gdp, y = credit_private)) + geom_point() + geom_smooth(method = "lm")## `geom_smooth()` using formula = 'y ~ x'
2015 grafiğimizde ise ülkelerimizin düzeyinde GSYH ile özel krediler arasında pozitif yönlü ilişki görülüyor. yine noktaların yani ülkelerin tam olarak çizmize göre yoğunlaşmaması orta düzeyde sınırlı açıklayıcılığa sahip olduğu görülüyor.
2015 yılı için basit regresyon ve yorumumuz
regresyon_2015 <- lm(gdp ~ credit_private, data = df_2015)
summary(regresyon_2015)##
## Call:
## lm(formula = gdp ~ credit_private, data = df_2015)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.852e+12 -3.469e+12 -6.121e+11 2.745e+12 1.458e+13
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -6.670e+12 2.697e+12 -2.473 0.023573 *
## credit_private 1.858e+11 3.818e+10 4.866 0.000124 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.168e+12 on 18 degrees of freedom
## Multiple R-squared: 0.5681, Adjusted R-squared: 0.5441
## F-statistic: 23.68 on 1 and 18 DF, p-value: 0.00012422015 yılı için yapılan basit regresyon analizine göre, özel sektöre sağlanan yurtiçi krediler ile kişi başına düşen gelir arasında yine p değerine bakarak pozitif ve istatistiksel olarak anlamlı bir ilişki bulunduğunu söyleyebiliriz. Ancak model tek değişkenli olduğu için, kişi başına düşen gelirin yalnızca kredi hacmiyle açıklandığını söylemek yeterli değildir diğer etmenlerin de dikkate alınması gerekiyor.
2015 yılı için çoklu regresyon ve yorumumuz
regresyon_2_2015 <- lm(gdp ~ credit_private + technology_export + transport_private, data = df_2015)
summary(regresyon_2_2015)##
## Call:
## lm(formula = gdp ~ credit_private + technology_export + transport_private,
## data = df_2015)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.879e+12 -1.002e+12 -3.758e+11 1.185e+12 1.852e+12
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.030e+12 1.113e+12 2.723 0.0150 *
## credit_private -4.489e+10 2.041e+10 -2.200 0.0429 *
## technology_export 2.326e+01 2.228e+00 10.438 1.51e-08 ***
## transport_private 5.742e+01 2.210e+01 2.598 0.0194 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.379e+12 on 16 degrees of freedom
## Multiple R-squared: 0.9727, Adjusted R-squared: 0.9675
## F-statistic: 189.7 on 3 and 16 DF, p-value: 1.03e-122015 yılı çoklu regresyon sonuçlarına göre ise model anlamlıdır ve kişi başına düşen gelirin büyük bölümünü açıklamaktadır. Teknoloji ihracatı ve ulaştırma yatırımları pozitif etkili iken, özel sektöre sağlanan krediler negatif ve anlamlı bulunmuştur.yinede bence yeterli değildir.
2018 yılı için grafiğimiz
ggplot(df_2018, aes(x = gdp, y = credit_private)) + geom_point() + geom_smooth(method = "lm")## `geom_smooth()` using formula = 'y ~ x'
2018 yılında ülkeler düzeyinde GSYH ile özel kredi arasında belirgin ve pozitif yönlü bir ilişki gözlemlenmektedir. Regresyon doğrusunun önceki yıllara kıyasla daha dik bir eğime sahip olması, GSYH artışının özel kredi düzeyleriyle daha güçlü birlikte hareket ettiğini göstermektedir. Bununla birlikte bazı ülkelerin regresyon çizgisinden sapması, ilişkinin tam anlamıyla güçlü değil, orta düzeyde olduğunu göstermektedir.
2018 yılı için basit regresyonumuz
regresyon_2018 <- lm(gdp ~ credit_private, data = df_2018)
summary(regresyon_2018)##
## Call:
## lm(formula = gdp ~ credit_private, data = df_2018)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.136e+12 -2.214e+12 -3.012e+11 1.245e+12 1.718e+13
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -5.984e+12 2.170e+12 -2.758 0.0118 *
## credit_private 1.888e+11 2.764e+10 6.832 9.38e-07 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.212e+12 on 21 degrees of freedom
## Multiple R-squared: 0.6897, Adjusted R-squared: 0.6749
## F-statistic: 46.67 on 1 and 21 DF, p-value: 9.38e-072018 yılı basit regresyon sonuçlarına göre özel sektöre sağlanan yurtiçi krediler ile kişi başına düşen gelir arasında pozitif ve istatistiksel olarak anlamlı bir ilişki vardır.Ve yine önceki regresyon sonuçlarındada dediğimiz gibi tek değişkenli olduğu için tek başına yeterli değil.
2018 yılı için çoklu regresyonumuz
regresyon_2_2018 <- lm(gdp ~ credit_private + technology_export + transport_private, data = df_2018)
summary(regresyon_2_2018)##
## Call:
## lm(formula = gdp ~ credit_private + technology_export + transport_private,
## data = df_2018)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.569e+12 -1.028e+12 -3.941e+11 6.484e+11 2.865e+12
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.619e+12 9.642e+11 2.716 0.013707 *
## credit_private -4.842e+10 1.893e+10 -2.557 0.019267 *
## technology_export 1.081e+01 3.502e+00 3.087 0.006066 **
## transport_private 4.082e+02 8.369e+01 4.878 0.000105 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.465e+12 on 19 degrees of freedom
## Multiple R-squared: 0.9778, Adjusted R-squared: 0.9743
## F-statistic: 279.1 on 3 and 19 DF, p-value: 6.94e-162018 yılı çoklu regresyon sonuçlarımıza göre ise modelimiz anlamlıdır. Teknoloji ihracatı ve ulaştırma yatırımları pozitif ve güçlü etkiye sahipken, özel sektöre sağlanan krediler negatif ve anlamlı bulunmuştur. yinede r değerimize bakıcak olursak nerdeyse kesin güçlü bir açıklayıcılık var ama teorik olarak yinede bence bu değişkenlerde yeterli değil.
2020 yılı grafiğimiz
ggplot(df_2020, aes(x = gdp, y = credit_private)) + geom_point() + geom_smooth(method = "lm")## `geom_smooth()` using formula = 'y ~ x'
2020 yılında ülkeler düzeyinde GSYH ile özel kredi arasında pozitif yönlü ancak önceki yıllara kıyasla daha zayıf bir ilişki gözlemlenmektedir. Regresyon doğrusunun yukarı eğimli olması, GSYH arttıkça özel kredi düzeyinin artma eğiliminde olduğunu göstermektedir. Ancak gözlemlerin regresyon çizgisi etrafında daha geniş bir dağılım sergilemesi, ilişkinin istikrarsız olduğunu ve GSYH’nin özel kredi düzeyini sınırlı ölçüde açıkladığını ortaya koymaktadır.
2020 yılı için basit regresyon ve yorumumuz
regresyon_2020 <- lm(gdp ~ credit_private, data = df_2020)
summary(regresyon_2020)##
## Call:
## lm(formula = gdp ~ credit_private, data = df_2020)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.073e+13 -2.711e+12 6.718e+11 1.439e+12 1.505e+13
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -6.325e+12 2.111e+12 -2.996 0.00743 **
## credit_private 1.790e+11 2.689e+10 6.656 2.29e-06 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.055e+12 on 19 degrees of freedom
## Multiple R-squared: 0.6999, Adjusted R-squared: 0.6841
## F-statistic: 44.31 on 1 and 19 DF, p-value: 2.292e-062020 yılı için yapılan basit regresyon analizine göre, özel sektöre sağlanan yurtiçi krediler ile kişi başına düşen gelir arasında yine p değerine bakarak pozitif ve istatistiksel olarak anlamlı bir ilişki bulunduğunu söyleyebiliriz. Ancak yine model tek değişkenli olduğu için, kişi başına düşen gelirin yalnızca kredi hacmiyle açıklandığını söylemek yeterli değildir.
2020 yılı için çoklu regresyon ve yorumumuz
regresyon_2_2020 <- lm(gdp ~ credit_private + technology_export + transport_private, data = df_2020)
summary(regresyon_2_2020)##
## Call:
## lm(formula = gdp ~ credit_private + technology_export + transport_private,
## data = df_2020)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.773e+12 -4.893e+11 3.062e+10 7.181e+11 1.427e+12
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.486e+11 8.112e+11 -0.183 0.856867
## credit_private 8.693e+09 1.375e+10 0.632 0.535747
## technology_export 1.738e+01 1.954e+00 8.897 8.34e-08 ***
## transport_private 6.126e+02 1.437e+02 4.263 0.000525 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.067e+12 on 17 degrees of freedom
## Multiple R-squared: 0.988, Adjusted R-squared: 0.9859
## F-statistic: 467.8 on 3 and 17 DF, p-value: < 2.2e-162020 yılı çoklu regresyon sonuçlarına göre model anlamlıdır ve kişi başına düşen gelirin r değerine göre nerdeyse kesin olarak açıklamaktadır. Ayrıca Teknoloji ihracatı ve ulaştırma yatırımlarının etkisi anlamlı ve güçlü iken, özel sektöre sağlanan kredilerin etkisi istatistiksel olarak anlamlı değildir.
2023 yılı grafiğimiz
ggplot(df_2023, aes(x = gdp, y = credit_private)) + geom_point() + geom_smooth(method = "lm")## `geom_smooth()` using formula = 'y ~ x'
Bu son grafiğimizde ise GDP ile özel sektör kredileri arasında pozitif bir ilişki bulunmaktadır.GDP arttıkça özel sektör kredi hacmi de artmaktadır. Ancak yüksek GDP seviyelerinde kredi hacimleri ülkeler arasında daha değişken bir yapı göstermektedir.Sonuç olarak, 2023 yılında ekonomik büyüklük ile özel sektör kredileri arasında anlamlı ve pozitif bir ilişki olduğu söylenebilir.
2023 yılı için basit regresyon ve yorumumuz
regresyon_2023 <- lm(gdp ~ credit_private, data = df_2023)
summary(regresyon_2023)##
## Call:
## lm(formula = gdp ~ credit_private, data = df_2023)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.022e+13 -4.065e+12 -2.087e+12 2.528e+12 2.140e+13
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -5.469e+12 2.902e+12 -1.884 0.0804 .
## credit_private 1.791e+11 3.232e+10 5.543 7.25e-05 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 7.324e+12 on 14 degrees of freedom
## Multiple R-squared: 0.6869, Adjusted R-squared: 0.6646
## F-statistic: 30.72 on 1 and 14 DF, p-value: 7.251e-05ve son yılımızın basit regresyon sonuçlarına göre ise p değerinin 0.05’in altında olması nedeniyle istatistiksel olarak anlamlıdır. R kare değerinin görecesinin yüksek olması, modelin açıklama gücünün güçlü olduğunu göstermekte ancak bu sonuçlar sadece istatistiksel bir ilişkiyi ifade eder kesin bir nedensellik ortaya koymamaktadır.
2023 yılı için çoklu regresyon ve yorumumuz
regresyon_2_2023 <- lm(gdp ~ credit_private + technology_export + transport_private, data = df_2023)
summary(regresyon_2_2023)##
## Call:
## lm(formula = gdp ~ credit_private + technology_export + transport_private,
## data = df_2023)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.478e+12 -7.411e+11 2.917e+11 4.390e+11 2.513e+12
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -4.410e+11 7.772e+11 -0.567 0.580927
## credit_private -7.431e+08 1.470e+10 -0.051 0.960510
## technology_export 1.760e+01 2.225e+00 7.908 4.23e-06 ***
## transport_private 1.083e+03 2.120e+02 5.108 0.000258 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.394e+12 on 12 degrees of freedom
## Multiple R-squared: 0.9903, Adjusted R-squared: 0.9879
## F-statistic: 407.7 on 3 and 12 DF, p-value: 2.457e-12ve son olarak çoklu regresyon sonuçlarına göre modelin genel olarak anlamlı olduğunu p değerinin anlamlılık düzeyine göre oldukça altında olmasından anlaşılmaktadır. Yüksek R kare değeri modelin büyük bir kısmını açıkladığını göstermektedir ancak değişkenler bazında yalnızca teknoloji ihracatı ve özel taşımacılık değişkenleri p değerlerine göre istatistiksel olarak anlamlıdır, kredi özel değişkeni anlamlı bulunmamıştır. son olrak Bu sonuçlar istatistiksel ilişkiyi gösteriyor hala yeterli olmayıp kesin nedensellik ifade etmemektedir.
Bulgular
Çalışmamda Avrupa ve Asyada ki ülkeleri farklı yıllar için kurulan verilerimizi, grafiklerizi, basit ve çoklu regresyon modellerimizi inceledik. Basit regresyon sonuçları, özel sektör kredileri ile GSYH arasında istatistiksel olarak anlamlı bir ilişki olduğunu gösteriyor. Modellerin p değerlerinin genel anlamlılık düzeyine göre(0,05) altında olması, kurulan regresyonların genel olarak anlamlı olduğunu ortaya koymaktadır. R kare değerleri, özellikle çoklu regresyon modellerinde bağımlı değişkendeki değişimin büyük bir bölümünün açıklanabildiğini göstermektedir.Çoklu regresyon analizlerinde teknoloji ihracatı ve özel ulaştırma değişkenlerinin GSYH üzerinde istatistiksel olarak anlamlı etkiye sahip olduğu görülürken, bazı yıllarda özel sektör kredileri değişkeninin anlamlı olmadığı tespit edilmiştir. Elde edilen bulgulara göre, değişkenler arasında güçlü istatistiksel ilişkiler bulunduğunu söyleyebiliriz.
SONUÇ
çalışmamı yorumlayacak olursam Bu bulgular sadece istatistiksel olarak güçlüdür nerdeyse kesindir. Hala kesin bulmamamın sebebi teorik olarak Bu etmenlerin de yetersiz olduğudur.Sonuç olarak sorumuzu kısaca cevaplayacak olursak özel sektöre sağlanan yurtiçi krediler ile ekonomik gelişmişlik arasında istatistiksek olarak anlamlı ilişki vardır benim çalışmam için aldığım diğer etmenler eklendiğinde ise genel olarak anlamlı ilişki çıkmaktadır. Ama ne tek başına yeterli ne de bu etmenlerle yeterlidir başka faktörlerin de eklenmesi gerekir. Ayrıca 2010 öncesi ve 2024 te veri bulunamadığı için çalışmama ekliyemedim.
Çalışmam bu kadardı göz attığınız için teşekkür ederim…