#EKONOMİK BÜYÜMENİN TEMEL BİLEŞENLERİ: TÜRKİYE’NİN GSYİH VE SOSYAL GÖSTERGELERİ ÜZERİNE BİR ANALİZ(2000-2024)

#Türkiye’de 2000 yılından bu yanaGSYİH artışı ile eğitim harcamaları,işsizlik oranı ve ihracat hacmi arasında nasıl bir ilişki vardır?

Dünya ekonomisinin son çeyrek asırdaki dinanizmi, gelişmekte olan ülkelerin makroekonomik verilerini analiz etmeyi zorunlu kılmaktadır. Türkiye, 2000’li yılların başından beri ekonomik bir dönüşüm süreci içerisine girmiştir. Bu çalışma, GSYİH değerini merkeze alarak; beşeri sermaye, iş gücü piyasası ve dış ticaret göstergelerinin ekonomik büyüme üzerindeki etkilerini Dünya Bankası verileri ışığında incelemektedir.

  1. Ekonomik Büyüme(GDP/GSYİH): Ülkenin toplam üretimdeki gücü.

  2. Eğitim Harcamaları(Eğitim Verisi): Devletin eğitime ayırdığı payın GSYİH içindeki oranı.(Beşeri sermayeyi analiz etmek için)

  3. İşsizlik Oranı(İşgücü): Toplam iş gücü içinde işsiz olanların yüzdesi.

  4. Mal ve Hizmet İhracatı: Dış ticaret performansının büyüme ile korelasyonu.

Kütüphaneleri yükleyelim.

library(WDI)
## Warning: package 'WDI' was built under R version 4.4.3
library(tidyverse)
## Warning: package 'tidyverse' was built under R version 4.4.3
## Warning: package 'ggplot2' was built under R version 4.4.3
## Warning: package 'tibble' was built under R version 4.4.3
## Warning: package 'tidyr' was built under R version 4.4.3
## Warning: package 'readr' was built under R version 4.4.3
## Warning: package 'purrr' was built under R version 4.4.3
## Warning: package 'dplyr' was built under R version 4.4.3
## Warning: package 'forcats' was built under R version 4.4.3
## Warning: package 'lubridate' was built under R version 4.4.3
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.1     ✔ stringr   1.5.1
## ✔ ggplot2   4.0.0     ✔ tibble    3.3.0
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.1.0     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
#NY.GDP.MKTP.CD: GSYİH
#SL.UEM.TOTL.ZS: İşsizlik
#FP.CPI.TOTL.ZG: Enflasyon
#DT.DOD.DECT.GN.ZS: Dış Borç Stoku (GNI%)
indicators <- c("NY.GDP.MKPT.CD", "SL.UEM.TOTL.ZS", "FP.CPI.TOTL.ZG",
                "DT.DOD.DECT.GN.ZS")
raw_data <- WDI(country = "TR", indicator = indicators, start = 2000, end = 2023)
## Warning in WDI(country = "TR", indicator = indicators, start = 2000, end = 2023): The following indicators could not be downloaded: NY.GDP.MKPT.CD.
## 
## Please make sure that you are running the latest version of the `WDI` package, and that the arguments you are using in the `WDI()` function are valid.
## 
## Sometimes, downloads will suddenly stop working, even if nothing has changed in the R code of the WDI package. ("The same WDI package version worked yesterday!") In those cases, the problem is almost certainly related to the World Bank servers or to your internet connection.
## 
## You can check if the World Bank web API is currently serving the indicator(s) of interest by typing a URL of this form in your web browser:
## 
## https://api.worldbank.org/v2/en/country/all/indicator/NY.GDP.MKPT.CD?format=json&date=:&per_page=32500&page=1
write.csv(raw_data, "dunya_bankası_verileri.csv")
df <- read_csv("dunya_bankası_verileri.csv")
## New names:
## Rows: 24 Columns: 8
## ── Column specification
## ──────────────────────────────────────────────────────── Delimiter: "," chr
## (3): country, iso2c, iso3c dbl (5): ...1, year, SL.UEM.TOTL.ZS, FP.CPI.TOTL.ZG,
## DT.DOD.DECT.GN.ZS
## ℹ Use `spec()` to retrieve the full column specification for this data. ℹ
## Specify the column types or set `show_col_types = FALSE` to quiet this message.
## • `` -> `...1`
library(WDI)
library(tidyverse)


df <- WDI(country = "TR", 
          indicator = c("gdp" = "NY.GDP.MKTP.CD", 
                        "issizlik" = "SL.UEM.TOTL.ZS", 
                        "enflasyon" = "FP.CPI.TOTL.ZG", 
                        "borc" = "DT.DOD.DECT.GN.ZS"), 
          start = 2000, end = 2023)

# CSV olarak kaydediyoruz.
write_csv(df, "gdp_ve_borc.csv")
# GDP verisi boş olan yılları listeden çıkarıyoruz
df_temiz <- df %>% 
  filter(!is.na(gdp)) 

# Belirli yılları filtreleme 
analiz_yillari <- c(2000, 2005, 2010, 2015, 2020, 2023)
df_final <- df_temiz %>% filter(year %in% analiz_yillari)

Yılları filtreleyelim.

analiz_yillari <- c(2000, 2005, 2010, 2015, 2020, 2023)

df_final <- df_temiz %>% 
  filter(year %in% analiz_yillari)

Regresyon analizimizi yapalım.

# 1. Regresyon: GSYİH ve İşsizlik
model1 <- lm(gdp ~ issizlik, data = df_temiz)
summary(model1)
## 
## Call:
## lm(formula = gdp ~ issizlik, data = df_temiz)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -4.513e+11 -1.787e+11  4.762e+10  1.737e+11  4.849e+11 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.098e+11  3.521e+11   0.880    0.388
## issizlik    3.690e+10  3.278e+10   1.126    0.272
## 
## Residual standard error: 2.53e+11 on 22 degrees of freedom
## Multiple R-squared:  0.05447,    Adjusted R-squared:  0.01149 
## F-statistic: 1.267 on 1 and 22 DF,  p-value: 0.2724
# 2. Regresyon: GSYİH ve Enflasyon
model2 <- lm(gdp ~ enflasyon, data = df_temiz)
summary(model2)
## 
## Call:
## lm(formula = gdp ~ enflasyon, data = df_temiz)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -3.931e+11 -1.892e+11  5.135e+10  1.344e+11  5.442e+11 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  7.649e+11  7.466e+10  10.244 7.77e-10 ***
## enflasyon   -3.116e+09  2.678e+09  -1.164    0.257    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.525e+11 on 22 degrees of freedom
## Multiple R-squared:  0.05799,    Adjusted R-squared:  0.01517 
## F-statistic: 1.354 on 1 and 22 DF,  p-value: 0.257

“Yapılan her iki regresyon analizinde de bağımsız değişkenlerin (işsizlik ve enflasyon) bağımlı değişken (GSYİH) üzerindeki etkisinin p-değerleri 0.05 anlamlılık düzeyinden büyük bulunmuştur (p_{issizlik} = 0.272 ve p_{enflasyon} = 0.257). Bu sonuçlara dayanarak, kurulan modellerin istatistiksel olarak anlamsız olduğu ve seçilen değişkenlerin GSYİH değişimlerini açıklamakta yeterli kanıt sunmadığı görülmüştür.”

hedef_yillar <- c(2000, 2005, 2010, 2015, 2020, 2023)

df_grafik <- df_temiz %>% 
  filter(year %in% hedef_yillar)
ggplot(df_grafik, aes(x = factor(year), y = gdp)) +
  geom_col(fill = "steelblue") +
  labs(title = "Yıllara Göre GSYİH (GDP) Değişimi",
       x = "Yıl",
       y = "GSYİH (Cari ABD $)") +
  theme_minimal()

ggplot(df_grafik, aes(x = factor(year), y = issizlik)) +
  geom_line(group = 1, color = "red", size = 1) +
  geom_point(size = 3) +
  labs(title = "Yıllara Göre İşsizlik Oranı",
       x = "Yıl",
       y = "İşsizlik (%)") +
  theme_light()
## 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.

Oluşturduğumuz grafikler incelendiğinde, Türkiye ekonomisinin 2000-2023 yılları arasındaki seyri belirgin yapısal farklılıklar ortaya koymaktadır. GSYİH (GDP) grafiğinde, 2000 yılından itibaren cari fiyatlarla genel bir yükseliş trendi gözlemlenirken, özellikle 2010 sonrası dönemde büyüme ivmesinin küresel ve yerel dinamiklere bağlı olarak dalgalı bir seyir izlediği görülmektedir. İşsizlik oranı grafiklerinde, ekonomik büyüme rakamlarına rağmen oranların belirli bir eşiğin altına düşmekte zorlandığı ve büyüme ile istihdam arasındaki bağın zayıf kaldığı (“istihdamsız büyüme”) dikkat çekmektedir. Enflasyon verileri, seçilen yıllar bazında 2000’li yılların başındaki yüksek seviyelerden bir düşüş sergilese de, son periyotta (2020 ve sonrası) yeniden yukarı yönlü sert bir ivme kazanarak ekonomik istikrar üzerinde baskı oluşturmuştur. Son olarak, Dış Borç Stoku grafiği, ekonomik büyümenin finansmanında dış kaynak kullanımının yıllar içinde artış gösterdiğini ve bu durumun GSYİH içindeki payının zamanla kritik seviyelere ulaştığını kanıtlamaktadır; tüm bu göstergeler birlikte değerlendirildiğinde, büyümenin sürdürülebilirliği noktasında enflasyon ve borç yükü gibi makroekonomik değişkenlerin belirleyici rol oynadığı anlaşılmaktadır.