GİRİŞ

Sağlık ve eğitim göstergeleri, ülkelerin ekonomik ve sosyal kalkınma düzeylerini yansıtan temel unsurlar arasında yer almaktadır. Özellikle beklenen yaşam süresi ve bebek ölüm oranı, nüfusun genel sağlık durumunu ölçmede yaygın olarak kullanılan göstergelerdir. Dünya Bankası tarafından yayımlanan veriler, ülkeler arası karşılaştırmalar yapılmasına olanak tanımakta ve kamu politikalarının etkilerinin değerlendirilmesini mümkün kılmaktadır.

Bu çalışmanın amacı, sağlık ve eğitim harcamalarının yaşam süresi ve bebek ölüm oranı üzerindeki etkilerini ampirik olarak incelemektir. Çalışmada 2000–2022 dönemine ait Dünya Bankası verileri kullanılarak tanımlayıcı analizler, grafiksel incelemeler ve ülke bazlı zaman serisi analizleri gerçekleştirilmiştir.

VERİ SETİ VE DEĞİŞKENLER

Çalışmada kullanılan veriler Dünya Bankası Açık Veri Tabanı’ndan temin edilmiştir. Analizde dört temel değişken kullanılmıştır:

Beklenen yaşam süresi

Sağlık harcamaları (% GSYİH)

Eğitim harcamaları (% GSYİH)

Bebek ölüm oran

library(WDI)
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.6
## ✔ forcats   1.0.1     ✔ stringr   1.6.0
## ✔ ggplot2   4.0.1     ✔ tibble    3.3.0
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.2
## ✔ purrr     1.2.0     
## ── 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
indicators <- c(
  life = "SP.DYN.LE00.IN", 
  health = "SH.XPD.CHEX.GD.ZS", 
  edu = "SE.XPD.TOTL.GD.ZS", 
  infant = "SP.DYN.IMRT.IN"
)

data <- WDI(country="all", indicator=indicators, start=2000, end=2022)

data_clean <- data %>% 
  select(country, year, life, health, edu, infant) %>% 
  drop_na()

head(data_clean)
##       country year   life    health     edu infant
## 1 Afghanistan 2010 60.702  8.569672 3.47945   76.9
## 2 Afghanistan 2011 61.250  8.561908 3.46201   74.0
## 3 Afghanistan 2012 61.735  7.897169 2.60420   71.3
## 4 Afghanistan 2013 62.188  8.805964 3.45446   68.7
## 5 Afghanistan 2014 62.260  9.528878 3.69522   66.4
## 6 Afghanistan 2015 62.270 10.105348 3.25580   64.2

TANIMLAYICI ANALİZLER

Tanımlayıcı grafikler, ülkeler arasında sağlık ve eğitim göstergeleri açısından önemli farklılıklar olduğunu ortaya koymaktadır.

library(ggplot2)

# 1. Yaşam Süresi Dağılımı
ggplot(data_clean, aes(x = life)) + 
  geom_histogram(bins = 30, fill = "skyblue", color = "white") + 
  labs(title = "Yaşam Süresi Dağılımı", x = "Beklenen Yaşam Süresi", y = "Frekans") + 
  theme_minimal()

# 2. Sağlık Harcamaları Dağılımı
ggplot(data_clean, aes(x = health)) + 
  geom_histogram(bins = 30, fill = "salmon", color = "white") + 
  labs(title = "Sağlık Harcamaları Dağılımı", x = "Sağlık Harcaması (% GSYH)", y = "Frekans") + 
  theme_minimal()

# 3. Eğitim Harcamaları Dağılımı
ggplot(data_clean, aes(x = edu)) + 
  geom_histogram(bins = 30, fill = "lightgreen", color = "white") + 
  labs(title = "Eğitim Harcamaları Dağılımı", x = "Eğitim Harcaması (% GSYH)", y = "Frekans") + 
  theme_minimal()

# 4. Bebek Ölüm Oranı Dağılımı
ggplot(data_clean, aes(x = infant)) + 
  geom_histogram(bins = 30, fill = "orchid", color = "white") + 
  labs(title = "Bebek Ölüm Oranı Dağılımı", x = "Bebek Ölüm Oranı", y = "Frekans") + 
  theme_minimal()

## DEĞİŞKENLER ARASI İLİŞKİLER Elde edilen grafikler, sağlık ve eğitim harcamalarının yaşam süresi üzerinde pozitif, bebek ölüm oranı üzerinde ise negatif yönlü etkiler yarattığını göstermektedir.

library(ggplot2)

# 1. Yaşam Süresi Dağılımı
ggplot(data_clean, aes(x = life)) + 
  geom_histogram(bins = 30, fill = "skyblue", color = "white") + 
  labs(title = "Yasam Suresi Dagilimi", x = "Yasam Suresi", y = "Frekans") + 
  theme_minimal()

# 2. Sağlık Harcamaları Dağılımı
ggplot(data_clean, aes(x = health)) + 
  geom_histogram(bins = 30, fill = "salmon", color = "white") + 
  labs(title = "Saglik Harcamalari Dagilimi", x = "Saglik Harcamasi (% GSYH)", y = "Frekans") + 
  theme_minimal()

# 3. Eğitim Harcamaları Dağılımı
ggplot(data_clean, aes(x = edu)) + 
  geom_histogram(bins = 30, fill = "lightgreen", color = "white") + 
  labs(title = "Egitim Harcamalari Dagilimi", x = "Egitim Harcamasi (% GSYH)", y = "Frekans") + 
  theme_minimal()

# 4. Bebek Ölüm Oranı Dağılımı
ggplot(data_clean, aes(x = infant)) + 
  geom_histogram(bins = 30, fill = "orchid", color = "white") + 
  labs(title = "Bebek Olum Orani Dagilimi", x = "Bebek Olum Orani", y = "Frekans") + 
  theme_minimal()

# 5. İlişki Grafiği (Eğitim vs Yaşam)
ggplot(data_clean, aes(x = edu, y = life)) + 
  geom_point(alpha = 0.3, color = "darkgreen") + 
  geom_smooth(method = "lm", color = "red") + 
  labs(title = "Egitim Harcamalari ve Yasam Suresi Iliskisi", x = "Egitim Harcamasi", y = "Yasam Suresi") + 
  theme_light()

TÜRKİYE İÇİN ZAMAN SERİSİ ANALİZİ

 # 1. Turkiye verisini dogru sutun ismiyle filtrele
turkey_data <- data_clean %>% 
  filter(grepl("Turk", country, ignore.case = TRUE))

 # 2. Turkiye Yasam Suresi Grafigi
ggplot(turkey_data, aes(x = year, y = life)) + 
  geom_line(color = "darkred", linewidth = 1) + 
  geom_point(color = "black", size = 2) +
  labs(
    title = "Turkiye'de Beklenen Yasam Suresi (2000-2022)",
    x = "Yil", 
    y = "Yasam Suresi"
  ) + 
  theme_bw()

SONUÇ VE DEĞERLENDİRME

Bu çalışmada elde edilen bulgular, sağlık ve eğitim harcamalarının nüfus sağlığı üzerinde önemli bir role sahip olduğunu ortaya koymaktadır. Yaşam süresi üzerinde pozitif etkiler, bebek ölüm oranı üzerinde ise azaltıcı etkiler gözlemlenmiştir.

Politika yapıcılar açısından değerlendirildiğinde, sağlık ve eğitime ayrılan kaynakların artırılması uzun vadede toplumsal refahı yükseltecek bir unsur olarak öne çıkmaktadır.

KAYNAKÇA

World Bank Open Data

OECD (2020). Education at a Glance

Psacharopoulos & Patrinos (2018)