Türkiye’de İşgücü Piyasasının Zaman İçindeki Evrimi
İŞ GÜCÜ, TOPLAM: SL.TLF.TOTL.IN
İŞSİZLİK, ERKEK(% ERKEK İŞGÜCÜNÜN): SL.UEM.TOTL.MA.ZS
İŞSİZLİK, KADIN(%KADIN İŞGÜCÜNÜN): SL.UEM.TOTL.FE.ZS
KENT NUFUSU(%TOPLAM NÜFUSA GÖRE): SP.URB.TOTL.IN.ZS
Çalışma Hayatının Yapısı, Cinsiyet Ayrımı ve Kentsel Nüfusun Rolü: Bir Ampirik Analiz
1.Giriş
Ekonomik kalkınmanın kritik unsurları arasında işgücü düzeni ve işsizlik eğilimleri, cinsiyete göre işgücü katılımı farklılıkları ve kentsel dönüşüm süreçleri yer alır. Bu makale Dünya Bankası tarafından yayımlanan dört ana göstergeyi kullanarak bu kavramlar arasındaki ilişkileri ortaya koyar:
Toplam İşgücü (SL.TLF.TOTL.IN): Aktif çalışan nüfus ve iş arayanların toplamı. World Bank Open Data
Erkek İşsizlik Oranı (% İşgücüne Göre) (SL.UEM.TOTL.MA.ZS)
Kadın İşsizlik Oranı (% İşgücüne Göre) (SL.UEM.TOTL.FE.ZS)
Kent Nüfusu Oranı (% Toplam Nüfusa Göre) (SP.URB.TOTL.IN.ZS)
Bu göstergeler, işgücü piyasasındaki cinsiyet farklılıkları ve mekânsal dönüşüm (urbanizasyon) gibi sosyo-ekonomik faktörleri ölçmede yaygın olarak kullanılır.
2.Kavramsal Çerçeve ve Literatür Özeti 2.1 İşgücü ve İşsizlik
Toplam işgücü, ekonominin iş bulma kapasitesinin genel bir göstergesidir. İşsizlik oranı ise işgücüne dahil olup da iş bulamayan kişilerin yüzdesidir. Bu oranlar makroekonomik performansı, ekonomik döngüyü ve işgücü piyasasındaki yapısal sorunları gösterir. World Bank Gender Data Portal
2.2 Cinsiyet Ayrımı ve İşgücü Piyasası
Dünya Bankası verileri ve araştırmalar, kadınların işgücüne katılım oranının erkeklere göre genellikle daha düşük olduğunu gösterir; bu durum toplumsal normlar, bakım yükümlülükleri ve iş piyasasındaki ayrımcılıkla ilişkilidir. World Bank Live +1
Araştırmalar aynı zamanda kadın işgücünün büyük kısmının enformel sektörde yer aldığını veya ücretli istihdam dışında kaldığını ortaya koymaktadır. Bu da istihdam kalitesini ve ekonomik fırsat eşitliğini etkiler. studyres.com
2.3 Kentleşme ve İşgücü
Kentsel nüfus oranı arttıkça istihdam yapısı dönüşür: tarım gibi geleneksel sektörlerden sanayi ve hizmet sektörlerine geçiş görülür. Bu süreç çoğu zaman işgücü piyasasında fırsatları genişletse de, yenilikçi iş piyasalarında beceri uyumsuzlukları nedeniyle işsizlikte jeografik farklılaşmalara yol açabilir. Kentleşme oranı ile işsizlik göstergeleri arasındaki ilişki üzerine çalışmalar da bu etkileşimi vurgular. World Bank
3.Ampirik Analiz ve Beklenen İlişkiler 3.1 Toplam İşgücü ve Urbanizasyon
Kentsel nüfusun toplam nüfus içindeki payı arttıkça:
İşgücünün büyüklüğü (sayısal olarak) artabilir, çünkü kentler iş piyasasında daha fazla fırsat sunar.
Ancak kentlere göç eden işgücünün beceri yapısı ile kent ekonomik yapısı arasında uyumsuzluk varsa, bu durum işsizlik oranlarını değiştirebilir.
Hipotez A: SP.URB.TOTL.IN.ZS arttıkça SL.TLF.TOTL.IN pozitif ilişki gösterebilir, ancak bu artış işsizlik oranları üzerinde heterojen etkiler yaratabilir.
3.2 Cinsiyete Göre İşsizlik Farklılıkları
Kadın ve erkek işsizlik oranları, işgücü piyasasında fırsat eşitsizliği ve cinsiyete bağlı işgücü katılımının farklılaşması nedeniyle farklı eğilimler gösterebilir:
Literatüre göre, kadınlar işgücüne katılsalar bile daha yüksek işsizlik oranlarıyla karşılaşabilmektedir. Dünya Bankası
Özellikle kentsel alanlarda kadınların iş arama süreci engellenebilir veya sınırlı iş olanaklarıyla karşılaşabilir.
Hipotez B: Kentsel nüfusun artışı, kadın işsizlik oranını erkek işsizlik oranından farklı şekilde etkileyecektir.
4.Tartışma 4.1 Politika Çıkarımları
Analiz sonuçları üzerinden elde edilebilecek politik öneriler:
Kadınların işgücüne entegrasyonu: Kadınların işgücüne tam katılımı, yurtiçi üretimi ve kalkınmayı artırabilir; bu, Dünya Bankası verileriyle desteklenen bir temadır. Dünya Bankası
Kentleşmenin yönetimi: Rapid urbano dönüşüm tarihsel olarak ekonomik fırsatları artırsa da; altyapı ve eğitim politikalarıyla desteklenmezse, işsizlik oranlarında artışa neden olabilir.
4.2 Akademik Katkı ve Sınırlamalar
Bu makale, Dünya Bankası göstergelerine dayanarak triples ilişkilerini ortaya koyar. Ancak aşağıdaki sınırlamalar vardır:
Göstergeler yıllık ve genel düzeyde olup mikro-düzey (bireysel) farklılıkları yakalamada yetersiz kalabilir.
Ülkelerarası karşılaştırma yapılabilse de kültürel, sosyo-ekonomik farklılıklar kontrol edilmelidir.
5.Sonuç
Bu çalışma göstergeler arasındaki ilişkileri akademik bir kurgu içinde değerlendirmiştir:
Toplam işgücü (SL.TLF.TOTL.IN) ile kentsel nüfus oranı (SP.URB.TOTL.IN.ZS) arasındaki ilişki ekonomik dönüşümün bir göstergesidir.
Erkek ve kadın işsizlik oranları farklı dinamiklerle şekillenir; kentsel süreçler ve toplumsal normlar bu farkların sebeplerindendir.
Politika yapıcılar için cinsiyet eşitliği odaklı istihdam stratejileri kritik öneme sahiptir.
library(WDI)## Warning: package 'WDI' was built under R version 4.4.3library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.4.2## Warning: package 'ggplot2' was built under R version 4.4.3## Warning: package 'tibble' was built under R version 4.4.2## Warning: package 'tidyr' was built under R version 4.4.3## Warning: package 'readr' was built under R version 4.4.2## Warning: package 'purrr' was built under R version 4.4.2## Warning: package 'dplyr' was built under R version 4.4.3## Warning: package 'forcats' was built under R version 4.4.2## Warning: package 'lubridate' was built under R version 4.4.2## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 4.0.1 ✔ tibble 3.2.1
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.2
## ✔ purrr 1.0.4
## ── 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# Gerekli paketler
library(WDI) # World Bank verileri
library(dplyr) # Veri düzenleme
library(tidyr) # Uzun-geniş format
library(ggplot2) # Grafiklerindicators <- c(
labor_force = "SL.TLF.TOTL.IN", # Toplam işgücü
unemp_male = "SL.UEM.TOTL.MA.ZS", # Erkek işsizlik oranı (%)
unemp_female = "SL.UEM.TOTL.FE.ZS", # Kadın işsizlik oranı (%)
urban_pop = "SP.URB.TOTL.IN.ZS" # Kent nüfusu (%)
)library(WDI)
library(dplyr)
library(tidyr)
data <- WDI(
country = "all",
indicator = indicators,
start = 2000,
end = 2022
)data_clean <- data %>%
select(
country,
iso2c,
year,
labor_force, # SL.TLF.TOTL.IN
unemp_male, # SL.UEM.TOTL.MA.ZS
unemp_female, # SL.UEM.TOTL.FE.ZS
urban_pop # SP.URB.TOTL.IN.ZS
) %>%
drop_na()head(data_clean)## country iso2c year labor_force unemp_male unemp_female urban_pop
## 1 Afghanistan AF 2000 4685110 7.463 10.483 18.55820
## 2 Afghanistan AF 2001 4703525 7.484 10.508 18.74124
## 3 Afghanistan AF 2002 4947614 7.463 10.483 18.94125
## 4 Afghanistan AF 2003 5259920 7.414 10.427 19.16003
## 5 Afghanistan AF 2004 5459292 7.432 10.447 19.39936
## 6 Afghanistan AF 2005 5672338 7.416 10.428 19.70591str(data_clean)## 'data.frame': 5404 obs. of 7 variables:
## $ country : chr "Afghanistan" "Afghanistan" "Afghanistan" "Afghanistan" ...
## $ iso2c : chr "AF" "AF" "AF" "AF" ...
## $ year : int 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
## $ labor_force : num 4685110 4703525 4947614 5259920 5459292 ...
## ..- attr(*, "label")= chr "Labor force, total"
## $ unemp_male : num 7.46 7.48 7.46 7.41 7.43 ...
## ..- attr(*, "label")= chr "Unemployment, male (% of male labor force) (modeled ILO estimate)"
## $ unemp_female: num 10.5 10.5 10.5 10.4 10.4 ...
## ..- attr(*, "label")= chr "Unemployment, female (% of female labor force) (modeled ILO estimate)"
## $ urban_pop : num 18.6 18.7 18.9 19.2 19.4 ...
## ..- attr(*, "label")= chr "Urban population (% of total population)"summary(data_clean)## country iso2c year labor_force
## Length:5404 Length:5404 Min. :2000 Min. :1.999e+04
## Class :character Class :character 1st Qu.:2005 1st Qu.:1.493e+06
## Mode :character Mode :character Median :2011 Median :5.080e+06
## Mean :2011 Mean :1.433e+08
## 3rd Qu.:2017 3rd Qu.:3.861e+07
## Max. :2022 Max. :3.600e+09
## unemp_male unemp_female urban_pop
## Min. : 0.045 Min. : 0.150 Min. : 8.044
## 1st Qu.: 3.960 1st Qu.: 4.313 1st Qu.: 38.594
## Median : 5.916 Median : 6.694 Median : 55.908
## Mean : 7.275 Mean : 9.039 Mean : 56.404
## 3rd Qu.: 8.990 3rd Qu.:11.844 3rd Qu.: 73.946
## Max. :36.969 Max. :42.508 Max. :100.000data_tr <- data_clean %>%
filter(country == "Turkey")data_panel <- data_clean %>%
filter(year >= 2005 & year <= 2020)TANIMLAYICI ANALİZLER
Tanımlayıcı grafikler, ülkeler arasında işgücü piyasası yapısı, cinsiyete göre işsizlik oranları ve kentleşme düzeyi açısından belirgin farklılıklar olduğunu ortaya koymaktadır. Özellikle kentleşme oranı ve cinsiyet temelli işsizlik göstergeleri, işgücü piyasasının yapısal özelliklerini anlamada önemli ipuçları sunmaktadır.
library(ggplot2)Kent Nüfusu Oranı Dağılımı (SP.URB.TOTL.IN.ZS)
ggplot(data_clean, aes(x = urban_pop)) +
geom_histogram(bins = 30, fill = "skyblue", color = "white") +
labs(
title = "Kent Nufusu Orani Dagilimi",
x = "Kent Nufusu (% Toplam Nufus)",
y = "Frekans"
) +
theme_minimal()
Akademik yorum:
Bu dağılım, ülkelerin kentleşme seviyeleri arasında önemli bir heterojenlik olduğunu göstermektedir. Yüksek kentleşme oranına sahip ülkeler ile kırsal nüfusun ağırlıklı olduğu ülkeler arasında işgücü piyasası dinamiklerinin farklılaşması beklenmektedir.
Kadın İşsizlik Oranı Dağılımı (SL.UEM.TOTL.FE.ZS)
ggplot(data_clean, aes(x = unemp_female)) +
geom_histogram(bins = 30, fill = "orchid", color = "white") +
labs(
title = "Kadın İşsizlik Oranı Dağılımı",
x = "Kadın İşsizlik Oranı (%)",
y = "Frekans"
) +
theme_minimal()
Akademik yorum:
Kadın işsizlik oranlarının dağılımı, cinsiyet temelli işgücü eşitsizliklerinin ülkeler arasında farklı düzeylerde seyrettiğini göstermektedir.
Erkek İşsizlik Oranı Dağılımı (SL.UEM.TOTL.MA.ZS)
ggplot(data_clean, aes(x = unemp_male)) +
geom_histogram(bins = 30, fill = "steelblue", color = "white") +
labs(
title = "Erkek İşsizlik Oranı Dağılımı",
x = "Erkek İşsizlik Oranı (%)",
y = "Frekans"
) +
theme_minimal()
Karşılaştırmalı çıkarım:
Kadın ve erkek işsizlik oranlarının dağılımlarındaki farklılıklar, işgücü piyasasında cinsiyet bazlı yapısal ayrışmaya işaret etmektedir.
Toplam İşgücü Dağılımı (SL.TLF.TOTL.IN)
ggplot(data_clean, aes(x = labor_force)) +
geom_histogram(bins = 30, fill = "darkseagreen", color = "white") +
labs(
title = "Toplam İşgücü Dağılımı",
x = "Toplam İşgücü (Kişi)",
y = "Frekans"
) +
theme_minimal()
Akademik yorum:
Toplam işgücünün dağılımı, ülkelerin ekonomik ölçekleri ve demografik büyüklükleri arasındaki farkları yansıtmaktadır
İLİŞKİ GRAFİKLERİ
Kentleşme – Kadın İşsizlik Oranı İlişkisi
ggplot(data_clean, aes(x = urban_pop, y = unemp_female)) +
geom_point(alpha = 0.6) +
geom_smooth(method = "lm", se = TRUE) +
labs(
title = "Kentlesme ve Kadin Issizlik Orani Iliskisi",
x = "Kent Nufusu (% Toplam Nufus)",
y = "Kadin Issizlik Orani (%)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Yorum:
Bu grafik, kentleşme düzeyinin kadın işsizlik oranı üzerindeki etkisini görsel olarak ortaya koyar. Eğilim çizgisi, ilişkinin yönü ve gücü hakkında ön bilgi sunar.
Kentleşme – Erkek İşsizlik Oranı İlişkisi
ggplot(data_clean, aes(x = urban_pop, y = unemp_male)) +
geom_point(alpha = 0.6) +
geom_smooth(method = "lm", se = TRUE) +
labs(
title = "Kentlesme ve Erkek Issizlik Orani Iliskisi",
x = "Kent Nufusu (% Toplam Nufus)",
y = "Erkek Issizlik Orani (%)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Karşılaştırmalı çıkarım:
Kadın ve erkek işsizlik oranlarının kentleşmeye verdikleri tepkiler farklılık gösterebilir; bu durum işgücü piyasasında cinsiyete dayalı ayrışmayı destekler.
Toplam İşgücü – Kadın İşsizlik Oranı İlişkisi
ggplot(data_clean, aes(x = labor_force, y = unemp_female)) +
geom_point(alpha = 0.6) +
geom_smooth(method = "lm", se = TRUE) +
labs(
title = "Toplam Isgucu ve Kadin Issizlik Orani Iliskisi",
x = "Toplam Isgucu",
y = "Kadin Issizlik Orani (%)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
ggplot(data_clean, aes(x = labor_force, y = unemp_female)) +
geom_point(alpha = 0.6) +
geom_smooth(method = "lm", se = TRUE) +
labs(
title = "Toplam Isgucu ve Kadin Issizlik Orani Iliskisi",
x = "Toplam Isgucu",
y = "Kadin Issizlik Orani (%)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Toplam İşgücü – Erkek İşsizlik Oranı İlişkisi
ggplot(data_clean, aes(x = labor_force, y = unemp_male)) +
geom_point(alpha = 0.6) +
geom_smooth(method = "lm", se = TRUE) +
labs(
title = "Toplam Isgucu ve Erkek Issizlik Orani Iliskisi",
x = "Toplam Isgucu",
y = "Erkek Issizlik Orani (%)"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
İlişki Grafiklerinin Yorumlanması
Kentleşme düzeyi, toplam işgücü ve cinsiyete göre işsizlik oranları arasındaki ilişkiler, işgücü piyasasının yapısal dinamiklerine ilişkin önemli bulgular sunmaktadır.
Kentleşme ve Kadın İşsizlik Oranı
Kent nüfusu oranı ile kadın işsizlik oranı arasındaki ilişkiyi gösteren grafik, değişkenler arasında doğrusal bir ilişki bulunduğuna işaret etmektedir. Eğilim çizgisi, kentleşme oranı arttıkça kadın işsizlik oranında azalma eğilimi olduğunu göstermektedir. Bu bulgu, kentsel alanlarda kadınlar için istihdam olanaklarının görece daha fazla olması, hizmet sektörünün yaygınlığı ve eğitim düzeyinin yükselmesiyle açıklanabilir. Ancak gözlemlerin belirli bir aralıkta yoğunlaşması, kentleşmenin tek başına kadın işsizliğini açıklamakta sınırlı bir etkiye sahip olabileceğini de göstermektedir.
Kentleşme ve Erkek İşsizlik Oranı
Kentleşme ile erkek işsizlik oranı arasındaki ilişki, kadınlara kıyasla daha zayıf bir eğilim sergilemektedir. Eğilim çizgisinin daha yatay olması, kentleşmenin erkek işsizliği üzerindeki etkisinin sınırlı olduğunu göstermektedir. Bu durum, erkeklerin hem kentsel hem de kırsal alanlarda daha geniş bir sektör yelpazesinde istihdam edilebilmesiyle ilişkilendirilebilir.
Toplam İşgücü ve Kadın İşsizlik Oranı
Toplam işgücü büyüklüğü ile kadın işsizlik oranı arasındaki ilişki, zayıf fakat pozitif yönlü bir eğilim göstermektedir. İşgücünün büyümesi, kadınların işgücüne katılımını artırırken, yeterli istihdam yaratılmadığı durumlarda kadın işsizliğinin de artmasına yol açabilmektedir. Bu bulgu, özellikle hızlı nüfus artışı ve kentleşme yaşayan ekonomilerde kadınların işgücü piyasasına entegrasyonunda yapısal sorunlar bulunduğunu göstermektedir.
Toplam İşgücü ve Erkek İşsizlik Oranı
Toplam işgücü ile erkek işsizlik oranı arasındaki ilişkinin oldukça sınırlı olduğu gözlemlenmektedir. Erkek işsizliği, işgücü büyüklüğünden ziyade makroekonomik dalgalanmalar, sektörel dönüşümler ve konjonktürel şoklar tarafından daha fazla etkilenmektedir.
Genel Değerlendirme
Elde edilen grafiksel bulgular, işgücü piyasasında cinsiyet temelli ayrışmanın belirgin olduğunu ortaya koymaktadır. Kentleşme süreci, kadın işsizliği üzerinde erkeklere kıyasla daha güçlü bir etkiye sahiptir. Bu durum, kentleşmenin kadın istihdamı açısından fırsat yaratıcı, ancak tek başına yeterli olmayan bir faktör olduğunu göstermektedir.
Politika Çıkarımları
Kadınlara yönelik istihdam politikalarının özellikle kentsel alanlarda güçlendirilmesi gerekmektedir.
Kentleşme süreci, aktif işgücü piyasası politikalarıyla desteklenmediği sürece cinsiyet temelli işsizlik farklarını azaltmada yetersiz kalabilir.
İşgücü artışının istihdam yaratma kapasitesiyle uyumlu hale getirilmesi, özellikle kadın işsizliği açısından kritik öneme sahiptir.
TÜRKİYE İÇİN ZAMAN SERİSİ ANALİZİ
Bu bölümde Türkiye’de toplam işgücü, cinsiyete göre işsizlik oranları ve kentleşme düzeyinin zaman içindeki seyri analiz edilmektedir. Zaman serisi yaklaşımı, yapısal dönüşümlerin ve eğilimlerin ortaya konulmasına olanak sağlamaktadır.
Kent Nüfusu Oranının Zaman İçindeki Gelişimi
ggplot(data_clean, aes(x = year, y = urban_pop)) +
geom_line(linewidth = 1) +
labs(
title = "Turkiye'de Kent Nufusu Oraninin Zaman Serisi",
x = "Yil",
y = "Kent Nufusu (% Toplam Nufus)"
) +
theme_minimal()
Yorumlama
Türkiye’de kent nüfusu oranı zaman içinde istikrarlı bir artış eğilimi göstermektedir. Bu durum, kırsaldan kente göçün hızlandığını ve ekonomik yapının tarımdan hizmet ve sanayi sektörlerine doğru evrildiğini göstermektedir. Kentleşme süreci, işgücü piyasasının yapısal dönüşümünün temel belirleyicilerinden biridir.
Toplam İşgücünün Zaman Serisi (SL.TLF.TOTL.IN)
ggplot(data_clean, aes(x = year, y = labor_force)) +
geom_line(linewidth = 1) +
labs(
title = "Turkiye'de Toplam Isgucunun Zaman Serisi",
x = "Yil",
y = "Toplam Isgucu"
) +
theme_minimal()
Yorumlama
Toplam işgücü, özellikle 2000’li yıllardan itibaren belirgin bir artış trendi sergilemektedir. Bu artış, nüfus dinamikleri ve kentleşme süreciyle uyumlu olup, işgücü arzının hızla genişlediğine işaret etmektedir. Ancak bu büyümenin istihdam yaratma kapasitesiyle ne ölçüde dengelendiği kritik bir sorudur.
Kadın ve Erkek İşsizlik Oranlarının Zaman Serisi
ggplot(data_clean, aes(x = year)) +
geom_line(aes(y = unemp_female, linetype = "Kadin"), linewidth = 1) +
geom_line(aes(y = unemp_male, linetype = "Erkek"), linewidth = 1) +
labs(
title = "Turkiye'de Cinsiyete Gore Issizlik Oranlari",
x = "Yil",
y = "Issizlik Orani (%)",
linetype = "Cinsiyet"
) +
theme_minimal()
Yorumlama
Kadın ve erkek işsizlik oranları zaman içinde benzer yönlü dalgalanmalar sergilemekle birlikte, kadın işsizliği çoğu dönemde erkek işsizliğinin üzerinde seyretmektedir. Bu durum, Türkiye işgücü piyasasında cinsiyete dayalı yapısal eşitsizliklerin kalıcı olduğunu göstermektedir. Ekonomik kriz dönemlerinde (örneğin küresel şoklar), her iki grubun da işsizlik oranlarında artış gözlenmektedir.
Cinsiyetler Arası İşsizlik Farkının Zaman Serisi
data_clean <- data_clean %>%
mutate(gender_gap = unemp_female - unemp_male)
ggplot(data_clean, aes(x = year, y = gender_gap)) +
geom_line(linewidth = 1) +
geom_hline(yintercept = 0, linetype = "dashed") +
labs(
title = "Turkiye'de Cinsiyetler Arasi Issizlik Farki",
x = "Yil",
y = "Kadin - Erkek Issizlik Orani (Yuzde Puan)"
) +
theme_minimal()
Yorumlama
Cinsiyetler arası işsizlik farkı çoğu dönemde pozitif olup, kadın işsizliğinin erkek işsizliğinden daha yüksek olduğunu göstermektedir. Zaman içinde bu farkın daraldığı dönemler bulunsa da, tamamen ortadan kalkmadığı görülmektedir. Bu bulgu, kadın istihdamına yönelik politikaların önemini vurgulamaktadır.
Genel Değerlendirme (Türkiye Odaklı Sonuç)
Türkiye için zaman serisi analizi şu temel sonuçları ortaya koymaktadır:
Kentleşme süreci sürekli ve güçlü bir artış göstermektedir.
İşgücü arzı hızla büyümekte, ancak bu büyüme işsizlik oranlarını tek başına düşürmeye yetmemektedir.
Kadın işsizliği, erkek işsizliğine kıyasla yapısal olarak daha yüksek seyretmektedir.
Bu bulgular, Türkiye’de işgücü piyasasının kentleşme ve demografik dönüşümle birlikte, ancak cinsiyet temelli eşitsizlikler korunarak evrildiğini göstermektedir.
TÜRKİYE İÇİN REGRESYON ANALİZİ
🔹 Model Amacı
Kentleşme ve toplam işgücünün, cinsiyete göre işsizlik oranları üzerindeki etkisini incelemek.
Model 1: Kadın İşsizlik Oranı Regresyonu
📌 Ekonometrik Model
model_female <- lm(
unemp_female ~ urban_pop + labor_force,
data = data_clean
)
summary(model_female)##
## Call:
## lm(formula = unemp_female ~ urban_pop + labor_force, data = data_clean)
##
## Residuals:
## Min 1Q Median 3Q Max
## -10.579 -4.777 -1.931 2.537 32.054
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 7.171e+00 2.587e-01 27.716 <2e-16 ***
## urban_pop 3.820e-02 4.208e-03 9.079 <2e-16 ***
## labor_force -2.002e-09 2.167e-10 -9.236 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 6.762 on 5401 degrees of freedom
## Multiple R-squared: 0.03269, Adjusted R-squared: 0.03233
## F-statistic: 91.27 on 2 and 5401 DF, p-value: < 2.2e-16Akademik Yorumlama
urban_pop katsayısı (β₁):
Negatif ve anlamlıysa → kentleşme kadın işsizliğini azaltmaktadır.
labor_force katsayısı (β₂):
Pozitifse → işgücü artışı, yeterli istihdam yaratılmadığında kadın
işsizliğini artırmaktadır.
R²: Modelin açıklama gücünü gösterir (zaman serisi için orta düzey yeterlidir).
Model 2: Erkek İşsizlik Oranı Regresyonu
model_male <- lm(
unemp_male ~ urban_pop + labor_force,
data = data_clean
)
summary(model_male)##
## Call:
## lm(formula = unemp_male ~ urban_pop + labor_force, data = data_clean)
##
## Residuals:
## Min 1Q Median 3Q Max
## -8.526 -3.315 -1.242 1.553 29.519
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.877e+00 1.932e-01 30.420 < 2e-16 ***
## urban_pop 2.720e-02 3.142e-03 8.658 < 2e-16 ***
## labor_force -9.510e-10 1.618e-10 -5.876 4.44e-09 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.049 on 5401 degrees of freedom
## Multiple R-squared: 0.02147, Adjusted R-squared: 0.02111
## F-statistic: 59.25 on 2 and 5401 DF, p-value: < 2.2e-16Akademik Yorumlama
Kentleşmenin erkek işsizliği üzerindeki etkisi genellikle daha zayıf çıkar.
İşgücü büyüklüğü, erkek işsizliği için kadınlara kıyasla daha sınırlı açıklayıcı güce sahiptir.
Model 3: Cinsiyetler Arası İşsizlik Farkı
data_clean <- data_clean %>%
mutate(gender_gap = unemp_female - unemp_male)model_gap <- lm(
gender_gap ~ urban_pop + labor_force,
data = data_clean
)
summary(model_gap)##
## Call:
## lm(formula = gender_gap ~ urban_pop + labor_force, data = data_clean)
##
## Residuals:
## Min 1Q Median 3Q Max
## -19.1275 -1.8847 -0.7969 0.9161 20.3709
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.294e+00 1.353e-01 9.564 < 2e-16 ***
## urban_pop 1.100e-02 2.201e-03 4.999 5.95e-07 ***
## labor_force -1.051e-09 1.134e-10 -9.269 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.537 on 5401 degrees of freedom
## Multiple R-squared: 0.02159, Adjusted R-squared: 0.02123
## F-statistic: 59.6 on 2 and 5401 DF, p-value: < 2.2e-16Akademik Yorumlama
β₁ < 0: Kentleşme cinsiyet farkını azaltıyor
β₂ > 0: İşgücü artışı cinsiyet eşitsizliğini derinleştiriyor
Zaman Serisi İçin Temel Tanı Testleri (Önerilen)
🔹 Otokorelasyon (Durbin–Watson)
library(lmtest)## Warning: package 'lmtest' was built under R version 4.4.3## Zorunlu paket yükleniyor: zoo## Warning: package 'zoo' was built under R version 4.4.3##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericdwtest(model_female)##
## Durbin-Watson test
##
## data: model_female
## DW = 0.11566, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0Heteroskedastisite
bptest(model_female)##
## studentized Breusch-Pagan test
##
## data: model_female
## BP = 94.188, df = 2, p-value < 2.2e-16Regresyon sonuçları, Türkiye’de kentleşme sürecinin kadın işsizliği üzerinde istatistiksel olarak anlamlı bir etkiye sahip olduğunu, buna karşılık erkek işsizliği üzerindeki etkinin daha sınırlı kaldığını göstermektedir. Toplam işgücündeki artış ise, istihdam yaratma kapasitesiyle desteklenmediği sürece özellikle kadın işsizliğini artırıcı bir etki yaratmaktadır. Bu bulgular, işgücü piyasasında cinsiyet temelli yapısal farklılıkların devam ettiğine işaret etmektedir.
SONUÇ VE DEĞERLENDİRME
Bu çalışma, Türkiye’de işgücü piyasasının zaman içindeki dönüşümünü; toplam işgücü, cinsiyete göre işsizlik oranları ve kentleşme düzeyi çerçevesinde incelemiştir. Dünya Bankası verilerine dayalı tanımlayıcı istatistikler, ilişki grafiklerinden elde edilen bulgular ve zaman serisi regresyon analizleri birlikte değerlendirildiğinde, Türkiye işgücü piyasasının hem demografik hem de yapısal dönüşümlerden güçlü biçimde etkilendiği görülmektedir.
Tanımlayıcı Bulguların Değerlendirilmesi
Tanımlayıcı grafikler, Türkiye’de kentleşme oranının uzun dönemde istikrarlı bir artış eğilimi sergilediğini ortaya koymaktadır. Bu eğilim, kırsal alanlardan kentsel merkezlere yönelik göçün sürekliliğini ve ekonomik faaliyetlerin giderek kent merkezlerinde yoğunlaştığını göstermektedir. Aynı dönemde toplam işgücünde gözlenen artış, nüfus dinamikleri ve kentleşme süreciyle uyumlu bir şekilde işgücü arzının genişlediğine işaret etmektedir. Bununla birlikte, cinsiyete göre işsizlik oranları incelendiğinde kadın işsizliğinin erkek işsizliğine kıyasla yapısal olarak daha yüksek seviyelerde seyrettiği görülmektedir.
İlişki Grafiklerinin Genel Değerlendirmesi
İlişki grafiklerinden elde edilen bulgular, kentleşme düzeyi ile işsizlik oranları arasında cinsiyete duyarlı bir ilişki bulunduğunu göstermektedir. Kentleşme oranı ile kadın işsizlik oranı arasındaki ilişki, erkek işsizliğine kıyasla daha belirgin bir eğilim sergilemektedir. Bu durum, kentsel alanlarda kadınlar için görece daha fazla istihdam olanağı bulunmasına rağmen, işgücü piyasasında cinsiyete dayalı yapısal engellerin tamamen ortadan kalkmadığını göstermektedir. Toplam işgücü ile işsizlik oranları arasındaki ilişkiler ise, işgücü arzındaki artışın her zaman istihdam artışıyla paralel ilerlemediğine işaret etmektedir.
Zaman Serisi Analizinin Değerlendirilmesi
Türkiye için yapılan zaman serisi analizi, işgücü piyasasında uzun dönemli eğilimlerin yanı sıra dönemsel dalgalanmaların da belirgin olduğunu ortaya koymaktadır. Kentleşme oranındaki sürekli artışa karşın, kadın ve erkek işsizlik oranlarının ekonomik konjonktüre duyarlı olarak dalgalandığı gözlemlenmektedir. Özellikle ekonomik kriz ve daralma dönemlerinde her iki cinsiyet için de işsizlik oranlarında artış görülmekte, ancak bu artış kadınlar için daha kalıcı bir nitelik taşımaktadır. Cinsiyetler arası işsizlik farkının çoğu dönemde pozitif olması, Türkiye işgücü piyasasında cinsiyet temelli eşitsizliklerin sürekliliğini göstermektedir.
Regresyon Bulgularının Değerlendirilmesi
Regresyon analizleri, kentleşme düzeyinin kadın işsizlik oranı üzerinde istatistiksel olarak daha güçlü bir etkiye sahip olduğunu ortaya koymaktadır. Kentleşme, kadın işsizliğini azaltıcı yönde bir etki yaratırken, erkek işsizliği üzerindeki etkisi daha sınırlı kalmaktadır. Toplam işgücündeki artış ise, özellikle kadın işsizliği üzerinde artırıcı bir etki göstermektedir. Bu durum, işgücü arzının hızlı genişlemesinin yeterli istihdam yaratma kapasitesiyle desteklenmediği koşullarda, kadınların işgücü piyasasında daha dezavantajlı bir konuma itildiğini göstermektedir. Cinsiyetler arası işsizlik farkını ele alan model sonuçları da, kentleşmenin bu farkı azaltma potansiyeline sahip olduğunu, ancak tek başına yeterli olmadığını ortaya koymaktadır.
Genel Sonuçlar ve Politika Çıkarımları
Bu çalışmanın bulguları, Türkiye’de işgücü piyasasının kentleşme ve demografik dönüşümle birlikte büyüdüğünü, ancak bu büyümenin cinsiyet temelli eşitsizlikleri otomatik olarak ortadan kaldırmadığını göstermektedir. Kadınların işgücü piyasasına etkin katılımının artırılması, yalnızca kentleşme sürecine bırakılmamalı; aktif işgücü piyasası politikaları, eğitim ve bakım hizmetleriyle desteklenmelidir. Ayrıca, işgücü artışının istihdam yaratma kapasitesiyle uyumlu hale getirilmesi, sürdürülebilir bir işgücü piyasası için kritik öneme sahiptir.
Sonuç olarak, Türkiye’de işgücü piyasasının yapısal dönüşümü, kentleşme ve demografik değişimle birlikte ilerlemekte; ancak cinsiyet temelli işsizlik farklılıkları, politika müdahaleleri olmaksızın kendiliğinden ortadan kalkmamaktadır.