Ekonometri I Bütünleme Ödevi
NOH ADAFFANA FADOUL
2026-01-11
1. Giriş
Bu çalışmanın amacı, 2000–2020 döneminde seçilmiş ülkelerde ekonomik gelişme ve kentleşmenin elektrik erişimi üzerindeki etkisini zaman serisi regresyonları kullanarak incelemektir. Elektriğe erişim, ekonomik kalkınma sürecinin temel altyapı göstergelerinden biri olup, üretim kapasitesinin artırılması, yaşam standartlarının yükseltilmesi ve sosyal refahın geliştirilmesi açısından kritik bir öneme sahiptir.
Özellikle gelişmekte olan ve az gelişmiş ülkelerde elektrik altyapısına erişim, ekonomik faaliyetlerin sürdürülebilirliği üzerinde belirleyici bir rol oynamaktadır. Elektrik erişimindeki artış, sanayi üretimini desteklemekte, eğitim ve sağlık hizmetlerinin etkinliğini artırmakta ve uzun dönemde ekonomik büyümeye katkı sağlamaktadır.
Bu bağlamda çalışmada, Dünya Bankası tarafından yayımlanan World Development Indicators (WDI) verileri kullanılarak kişi başına düşen reel GSYH ve kentleşme oranının elektrik erişimi üzerindeki etkisi analiz edilmektedir. Çalışma, 2000–2020 yıllarını kapsayan zaman serisi verileriyle ve her ülke için ayrı ayrı kurulan regresyon modelleriyle gerçekleştirilmektedir. Elde edilen bulguların, ülkeler arasındaki yapısal farklılıkların elektrik erişimi üzerindeki etkisini ortaya koyması amaçlanmaktadır.
2. Literatür
Elektrik erişimi ile ekonomik gelişme arasındaki ilişki, ekonomi literatüründe geniş ölçüde ele alınmıştır. Genel olarak kişi başına düşen gelirin artması, kamu ve özel sektörün altyapı yatırımlarını artırmasına olanak sağlamakta ve bu durum elektrik erişim oranlarını yükseltmektedir. Dünya Bankası (2020), ekonomik kalkınma sürecinde enerji altyapısının temel bir bileşen olduğunu vurgulamaktadır.
Kentleşme oranı da elektrik erişimini etkileyen önemli bir faktör olarak değerlendirilmektedir. Kentsel alanlarda nüfus yoğunluğunun artması, elektrik şebekelerinin kurulmasını ve işletilmesini daha düşük maliyetli hâle getirmektedir. Bu nedenle literatürde kentleşme ile elektrik erişimi arasında genellikle pozitif bir ilişki bulunduğu kabul edilmektedir.
Bazı çalışmalarda, gelir artışının elektrik erişimini doğrudan etkilerken, kentleşmenin bu etkiyi dolaylı olarak güçlendirdiği belirtilmektedir. Ancak ülkelerin ekonomik yapıları, altyapı düzeyleri ve kurumsal kapasiteleri farklı olduğu için bu ilişkinin büyüklüğü ülkeden ülkeye değişebilmektedir.
Bu çalışma, elektrik erişimi ile ekonomik gelişme ve kentleşme arasındaki ilişkiyi zaman serisi regresyonları çerçevesinde ele alarak literatüre katkı sağlamayı amaçlamaktadır. Özellikle farklı gelişmişlik düzeylerine sahip ülkelerin ayrı ayrı incelenmesi, söz konusu ilişkilerin karşılaştırmalı olarak değerlendirilmesine imkân tanımaktadır.
3. Veri (Data)
Bu çalışmada kullanılan veriler, Dünya Bankası tarafından yayımlanan World Development Indicators (WDI) veri tabanından elde edilmiştir. Analiz dönemi 2000–2020 yıllarını kapsamakta olup, her ülke için toplam 21 yıllık gözlem bulunmaktadır.
Çalışmada kullanılan değişkenler aşağıda açıklanmaktadır:
Elektriğe erişim oranı (%) (EG.ELC.ACCS.ZS):
Nüfusun elektrik hizmetlerine erişimi olan kısmını göstermektedir. Bu değişken çalışmanın bağımlı değişkeni olarak kullanılmıştır.Sanayi katma değeri (% GSYH) (NV.IND.TOTL.ZS):
Sanayi sektörünün toplam ekonomik faaliyet içindeki payını göstermektedir. Bu değişken, ekonomik gelişmenin ve üretim kapasitesinin elektrik erişimi üzerindeki etkisini incelemek amacıyla modele dâhil edilmiştir.Nüfus artış oranı (%) (SP.POP.GROW):
Toplam nüfusun yıllık artış hızını göstermektedir. Nüfus artışının elektrik altyapısı üzerindeki baskısını analiz etmek amacıyla bağımsız değişken olarak kullanılmıştır.
Tüm veriler yıllık frekanstadır ve analiz öncesinde eksik gözlemler kontrol edilmiştir. Veriler, her ülke için ayrı ayrı düzenlenerek zaman serisi analizine uygun hâle getirilmiştir.
4. Yöntem (Method)
Bu çalışmada, 2000–2020 dönemine ait yıllık veriler kullanılarak zaman serisi doğrusal regresyon modelleri tahmin edilmiştir. Analiz kapsamında her ülke için ayrı ayrı regresyonlar kurulmuş ve böylece ülkelerin yapısal farklılıklarının sonuçlar üzerindeki etkisi göz önünde bulundurulmuştur.
Çalışmada iki tür model kullanılmıştır: basit doğrusal regresyon modeli ve çoklu doğrusal regresyon modeli. Bu yaklaşım sayesinde, ekonomik yapı ve demografik baskıların elektrik erişimi üzerindeki etkileri hem ayrı ayrı hem de birlikte analiz edilebilmiştir.
4.1 Basit Regresyon Modeli
Basit regresyon modelinde, elektriğe erişim oranı yalnızca sanayi katma değerinin bir fonksiyonu olarak ele alınmıştır. Bu model, ekonomik üretim yapısının elektrik altyapısı üzerindeki etkisini incelemeyi amaçlamaktadır.
Model aşağıdaki şekilde ifade edilmektedir:
\[ Electricityt=β0+β1Industryt+ut \]
Bu model, sanayileşme düzeyindeki artışın elektrik erişimini artırıp artırmadığını test etmektedir.
4.2 Çoklu Regresyon Modeli
Çoklu regresyon modelinde ise sanayi katma değerine ek olarak nüfus artış oranı da modele dâhil edilmiştir. Böylece hem ekonomik yapı hem de demografik baskıların elektrik erişimi üzerindeki ortak etkisi analiz edilmiştir.
Çoklu regresyon modeli aşağıdaki gibidir:
\[ Electricityt=β0+β1Industryt+β2PopGrowtht+ut \]
Bu model, nüfus artışının elektrik altyapısı üzerindeki talep baskısını dikkate alarak daha kapsamlı bir analiz sunmaktadır.
4.3 Modelin Varsayımları
Kurulan doğrusal regresyon modellerinde aşağıdaki temel varsayımlar geçerlidir:
- Bağımsız değişkenler ile bağımlı değişken arasında doğrusal bir ilişki vardır.
Hata teriminin beklenen değeri sıfırdır.
Hata terimlerinde otokorelasyon ve değişen varyans bulunmamaktadır.
Ancak bu çalışmada zaman serilerinin durağanlığı test edilmediği için, elde edilen sonuçlar ilişkiyi (korelasyonu) yansıtmakta olup nedensellik yorumu dikkatli yapılmalıdır.
5. Analiz
5.1 R Markdown – Veri ve Paketler
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, unionlibrary(ggplot2)gostergeler <- c(
elektrik = "EG.ELC.ACCS.ZS",
sanayi = "NV.IND.TOTL.ZS",
nufus = "SP.POP.GROW"
)
ulkeler <- c("FRA", "TUR", "NGA")
veri_ham <- WDI(
country = ulkeler,
indicator = gostergeler,
start = 2000,
end = 2020
)
veri_temiz <- veri_ham %>%
select(country, year, elektrik, sanayi, nufus) %>%
arrange(country, year)
veri_FRA <- filter(veri_temiz, country == "France")
veri_TUR <- filter(veri_temiz, country == "Turkiye")
veri_NGA <- filter(veri_temiz, country == "Nigeria")# Vérifier le nombre de lignes pour chaque pays
nrow(veri_FRA) # France## [1] 21nrow(veri_TUR) # Turquie## [1] 21nrow(veri_NGA) # Nigeria## [1] 21veri_temiz %>% group_by(country) %>% summarise(nb_annees = n())## # A tibble: 3 × 2
## country nb_annees
## <chr> <int>
## 1 France 21
## 2 Nigeria 21
## 3 Turkiye 215. Regresyon Bulguları
Bu bölümde, her ülke için önce basit regresyon, ardından çoklu regresyon sonuçları sunulmakta ve ayrı ayrı yorumlanmaktadır.
5.1 Basit Zaman Serisi Regresyon Sonuçları
Basit regresyon modellerinde, elektrik erişimi yalnızca sanayi katma değeri ile açıklanmaktadır.
5.1.1 Fransa – Basit Regresyon
model_FRA_simple <- lm(elektrik ~ sanayi, data = veri_FRA)
summary(model_FRA_simple)## Warning in summary.lm(model_FRA_simple): ajustement pratiquement parfait : le
## résumé n’est peut-être pas fiable##
## Call:
## lm(formula = elektrik ~ sanayi, data = veri_FRA)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.787e-14 -1.253e-14 -1.900e-17 5.703e-15 9.917e-14
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.000e+02 7.388e-14 1.354e+15 <2e-16 ***
## sanayi 8.787e-15 4.025e-15 2.183e+00 0.0418 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.607e-14 on 19 degrees of freedom
## Multiple R-squared: 0.5078, Adjusted R-squared: 0.4819
## F-statistic: 19.61 on 1 and 19 DF, p-value: 0.0002888Yorum (Basit Regresyon – Fransa)
Fransa gelişmiş bir ülke olduğu için, analiz döneminde elektrik erişim oranı neredeyse %100 seviyesinde ve oldukça sabittir. Bu nedenle sanayi katma değerindeki değişimlerin elektrik erişimi üzerinde belirgin bir etkisi gözlemlenmemektedir. Regresyon katsayısının istatistiksel olarak anlamsız çıkması, Fransa’da elektrik altyapısının doygunluk seviyesine ulaşmış olduğunu göstermektedir. Bu sonuç, gelişmiş ülkelerde elektrik erişiminin ekonomik değişkenlere karşı duyarlılığının düşük olduğunu ortaya koymaktadır.
5.1.2 Türkiye – Basit Regresyon
model_TUR_simple <- lm(elektrik ~ sanayi, data = veri_TUR)
summary(model_TUR_simple)##
## Call:
## lm(formula = elektrik ~ sanayi, data = veri_TUR)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.17630 -0.03792 0.01688 0.04622 0.23652
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 98.32525 0.40759 241.235 < 2e-16 ***
## sanayi 0.05868 0.01530 3.834 0.00112 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1042 on 19 degrees of freedom
## Multiple R-squared: 0.4363, Adjusted R-squared: 0.4066
## F-statistic: 14.7 on 1 and 19 DF, p-value: 0.001118Yorum (Basit Regresyon – Türkiye)
Türkiye için elde edilen sonuçlar, sanayi katma değerinin elektrik erişimi üzerinde pozitif bir etkiye sahip olduğunu göstermektedir. Sanayileşme süreci, elektrik talebini artırmakta ve altyapı yatırımlarını teşvik etmektedir. Katsayının pozitif ve istatistiksel olarak anlamlı olması, Türkiye’de ekonomik yapının elektrik altyapısı ile güçlü biçimde ilişkili olduğunu ortaya koymaktadır.
5.1.3 Nijerya – Basit Regresyon
model_NGA_simple <- lm(elektrik ~ sanayi, data = veri_NGA)
summary(model_NGA_simple)##
## Call:
## lm(formula = elektrik ~ sanayi, data = veri_NGA)
##
## Residuals:
## Min 1Q Median 3Q Max
## -7.8252 -2.5489 -0.9439 2.9063 7.1718
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 68.6908 5.7933 11.857 3.17e-10 ***
## sanayi -0.7059 0.2312 -3.054 0.00653 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.889 on 19 degrees of freedom
## Multiple R-squared: 0.3292, Adjusted R-squared: 0.2939
## F-statistic: 9.325 on 1 and 19 DF, p-value: 0.006534Yorum (Basit Regresyon – Nijerya)
Nijerya’da sanayi katma değerinin elektrik erişimi üzerindeki etkisi pozitif olmakla birlikte, katsayının büyüklüğü sınırlıdır. Bu durum, sanayileşme artışına rağmen elektrik altyapısının aynı hızda gelişmediğini göstermektedir. Elektrik üretim ve dağıtımındaki yapısal sorunlar, sanayi artışının elektrik erişimine tam olarak yansımamasına neden olmaktadır.
5.2 Çoklu Zaman Serisi Regresyon Sonuçları
Bu aşamada modele nüfus artış oranı da eklenerek çoklu regresyon analizi yapılmıştır.
5.2.1 Fransa – Çoklu Regresyon
model_FRA_multi <- lm(elektrik ~ sanayi + nufus, data = veri_FRA)
summary(model_FRA_multi)## Warning in summary.lm(model_FRA_multi): ajustement pratiquement parfait : le
## résumé n’est peut-être pas fiable##
## Call:
## lm(formula = elektrik ~ sanayi + nufus, data = veri_FRA)
##
## Residuals:
## Min 1Q Median 3Q Max
## -3.932e-14 -9.749e-15 -8.790e-16 7.966e-15 7.112e-14
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.000e+02 1.242e-13 8.054e+14 < 2e-16 ***
## sanayi 3.021e-14 8.769e-15 3.445e+00 0.00289 **
## nufus -2.062e-13 7.738e-14 -2.665e+00 0.01579 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.268e-14 on 18 degrees of freedom
## Multiple R-squared: 0.5165, Adjusted R-squared: 0.4628
## F-statistic: 9.615 on 2 and 18 DF, p-value: 0.001443Yorum (Çoklu Regresyon – Fransa)
Çoklu regresyon sonuçları, Fransa’da hem sanayi katma değeri hem de nüfus artış oranının elektrik erişimi üzerinde anlamlı bir etkisi olmadığını göstermektedir. Bu bulgu, Fransa’da elektrik erişiminin uzun süredir evrensel düzeye ulaşmış olmasıyla açıklanabilir. Nüfus artışının sınırlı olması ve mevcut altyapının yeterli kapasiteye sahip olması nedeniyle ek bir baskı oluşmamaktadır.
5.2.2 Türkiye – Çoklu Regresyon
model_TUR_multi <- lm(elektrik ~ sanayi + nufus, data = veri_TUR)
summary(model_TUR_multi)##
## Call:
## lm(formula = elektrik ~ sanayi + nufus, data = veri_TUR)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.17572 -0.05920 0.01249 0.04439 0.16190
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 98.15005 0.33691 291.322 < 2e-16 ***
## sanayi 0.05514 0.01253 4.399 0.000346 ***
## nufus 0.22162 0.06826 3.247 0.004479 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.08499 on 18 degrees of freedom
## Multiple R-squared: 0.6445, Adjusted R-squared: 0.6049
## F-statistic: 16.31 on 2 and 18 DF, p-value: 9.08e-05Yorum (Çoklu Regresyon – Türkiye)
Türkiye’de çoklu regresyon sonuçları, sanayi katma değerinin elektrik erişimi üzerindeki pozitif etkisinin devam ettiğini göstermektedir. Ayrıca nüfus artış oranının da pozitif ve istatistiksel olarak anlamlı olması, artan nüfusun elektrik altyapısına olan talebi artırdığını ortaya koymaktadır. Bu sonuç, Türkiye’de elektrik erişiminin hem ekonomik büyüme hem de demografik faktörlerden etkilendiğini göstermektedir.
5.2.3 Nijerya – Çoklu Regresyon
model_NGA_multi <- lm(elektrik ~ sanayi + nufus, data = veri_NGA)
summary(model_NGA_multi)##
## Call:
## lm(formula = elektrik ~ sanayi + nufus, data = veri_NGA)
##
## Residuals:
## Min 1Q Median 3Q Max
## -6.6314 -2.1950 -0.8709 2.9923 7.6155
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 82.5891 10.7281 7.698 4.22e-07 ***
## sanayi -0.4756 0.2702 -1.760 0.0953 .
## nufus -7.4411 4.8979 -1.519 0.1461
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.762 on 18 degrees of freedom
## Multiple R-squared: 0.4055, Adjusted R-squared: 0.3394
## F-statistic: 6.138 on 2 and 18 DF, p-value: 0.009282Yorum (Çoklu Regresyon – Nijerya)
Nijerya için elde edilen sonuçlar, nüfus artış oranının elektrik erişimi üzerinde güçlü ve pozitif bir etkiye sahip olduğunu göstermektedir. Hızlı nüfus artışı, elektrik altyapısı üzerinde ciddi bir baskı oluşturmaktadır. Sanayi değişkeninin etkisinin görece zayıf kalması, elektrik erişiminin daha çok demografik faktörler tarafından belirlendiğini göstermektedir.
6. Grafiksel Analiz ve Ülkeler Arası Karşılaştırmalar
Bu bölümde, regresyon sonuçlarını desteklemek amacıyla kullanılan değişkenlerin zaman içindeki seyri grafikler yardımıyla incelenmektedir.
6.1 Elektriğe Erişim Oranı – Zaman Serisi Grafikleri
ggplot(veri_FRA, aes(x = year, y = elektrik)) +
geom_line(color = "steelblue", linewidth = 1.3) +
geom_smooth(method = "lm", se = FALSE, color = "red", linewidth = 1) +
labs(
title = "Fransa'da Elektriğe Erişim Oranı (2000–2020)",
x = "Yıl",
y = "Elektriğe Erişim (%)"
) +
theme_classic(base_size = 14)## `geom_smooth()` using formula = 'y ~ x'
Yorum
Mavi çizgi elektrik erişiminin gerçek zaman serisini, kırmızı eğilim çizgisi ise uzun dönemli trendi göstermektedir. Trend çizgisinin yatay olması, Fransa’da elektrik erişiminin doygunluk seviyesine ulaştığını doğrulamaktadır.
6.2 Türkiye – Renkli Zaman Serisi + Trend Eğrisi
ggplot(veri_TUR, aes(x = year, y = elektrik)) +
geom_line(color = "darkgreen", linewidth = 1.3) +
geom_smooth(method = "lm", se = FALSE, color = "black", linewidth = 1) +
labs(
title = "Türkiye'de Elektriğe Erişim Oranı (2000–2020)",
x = "Yıl",
y = "Elektriğe Erişim (%)"
) +
theme_classic(base_size = 14)## `geom_smooth()` using formula = 'y ~ x'
Yorum
Yeşil çizgi elektrik erişimindeki artışı gösterirken, siyah trend çizgisi uzun dönemli yükseliş eğilimini net biçimde ortaya koymaktadır. Bu eğilim, regresyon sonuçlarındaki pozitif katsayılarla tutarlıdır.
6.3 Nijeria- Renkli zaman + Trend Eğrisi
ggplot(veri_NGA, aes(x = year, y = elektrik)) +
geom_line(color = "orange", linewidth = 1.3) +
geom_smooth(method = "lm", se = FALSE, color = "darkblue", linewidth = 1) +
labs(
title = "Nijerya'da Elektriğe Erişim Oranı (2000–2020)",
x = "Yıl",
y = "Elektriğe Erişim (%)"
) +
theme_classic(base_size = 14)## `geom_smooth()` using formula = 'y ~ x'
Yorum
Turuncu çizgi Nijerya’daki dalgalı yapıyı, koyu mavi trend çizgisi ise yavaş ve sınırlı artış eğilimini göstermektedir. Elektrik altyapısındaki yetersizlikler bu görünümü açıklamaktadır.
Kullanılan her değişken için zaman serisi grafikleri
# Sanayi – Fransa
ggplot(veri_FRA, aes(x = year, y = sanayi)) +
geom_line(color = "purple", linewidth = 1.3) +
geom_smooth(method = "lm", se = FALSE, color = "red", linewidth = 1) +
labs(title = "Fransa: Sanayi Katma Değeri (%) (2000–2020)",
x = "Yıl", y = "Sanayi Katma Değeri (%)") +
theme_classic(base_size = 14)## `geom_smooth()` using formula = 'y ~ x'
# Nüfus artışı – Fransa
ggplot(veri_FRA, aes(x = year, y = nufus)) +
geom_line(color = "brown", linewidth = 1.3) +
geom_smooth(method = "lm", se = FALSE, color = "black", linewidth = 1) +
labs(title = "Fransa: Nüfus Artış Oranı (%) (2000–2020)",
x = "Yıl", y = "Nüfus Artışı (%)") +
theme_classic(base_size = 14)## `geom_smooth()` using formula = 'y ~ x'
Yorum:
- Sanayi Katma Değeri (Industry) Grafikleri:
Sanayi değişkeninin zaman içindeki seyrini görmek, ekonominin üretim tarafındaki değişimlerini gözlemlemeyi sağlar.
Örneğin, Türkiye’de sanayi katma değerinin yıllar içinde artışı, elektrik talebindeki artışla paralel ilerleyebilir. Bu durum, regresyon sonuçlarındaki pozitif katsayıları görsel olarak doğrular.
Nijerya’da sanayi katma değerindeki dalgalanmalar, elektrik erişimindeki sınırlı artışla ilişkilendirilebilir.
Nüfus Artışı (Population Growth) Grafikleri:
Nüfus değişkeni, elektrik altyapısı üzerindeki baskıyı doğrudan gösterir.
Nijerya’da yüksek ve dalgalı nüfus artışı, elektrik erişimi üzerinde baskı oluşturduğunu görsel olarak destekler.
Fransa’da nüfus artışının sınırlı ve sabit seyri, elektrik erişiminin doygunluk seviyesinde kalmasını açıklamaktadır.
Analiz İçin Katkısı:
Grafikler, regresyon sonuçlarını destekler ve bağımsız değişkenlerin bağımlı değişken üzerindeki olası etkilerini görselleştirir.
Ayrıca, anomalileri, sıra dışı yılları veya trend değişimlerini kolayca tespit etmeye olanak sağlar.
Ülkeler arası karşılaştırmalarda, hangi ülkenin hangi faktöre daha duyarlı olduğunu hızlıca gösterebilir.
Genel Değerlendirme:
Tüm değişkenlerin zaman serisi grafiklerini eklemek, çalışmanın görsellik ve açıklayıcılık düzeyini artırır.
Okuyucu, sadece sayısal regresyon çıktısına bakmak yerine, değişkenlerin yıllar içindeki trendlerini de gözlemleyerek yorum yapabilir.
🌍 Ülkeler Arası Karşılaştırma – RENKLİ + NET
ggplot(veri_temiz, aes(x = year, y = elektrik, color = country)) +
geom_line(linewidth = 1.3) +
geom_smooth(method = "lm", se = FALSE, linewidth = 1) +
labs(
title = "Ülkeler Arası Elektriğe Erişim Karşılaştırması (2000–2020)",
x = "Yıl",
y = "Elektriğe Erişim (%)",
color = "Ülke"
) +
theme_classic(base_size = 14)## `geom_smooth()` using formula = 'y ~ x'
Yorum (çok güçlü)
Her ülke için çizilen trend eğrileri, elektrik erişiminin gelişmişlik düzeyine bağlı olarak farklı dinamiklere sahip olduğunu açık biçimde ortaya koymaktadır. Grafik, regresyon sonuçlarının görsel bir özeti niteliğindedir.
Açıklayıcı istatistikler tablosu
# Ülke ve değişkenlere göre ortalama, min, max değerler
veri_temiz %>%
group_by(country) %>%
summarise(
elektrik_ort = mean(elektrik, na.rm=TRUE),
sanayi_ort = mean(sanayi, na.rm=TRUE),
nufus_ort = mean(nufus, na.rm=TRUE),
elektrik_min = min(elektrik, na.rm=TRUE),
elektrik_max = max(elektrik, na.rm=TRUE)
)## # A tibble: 3 × 6
## country elektrik_ort sanayi_ort nufus_ort elektrik_min elektrik_max
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 France 100 18.3 0.528 100 100
## 2 Nigeria 51.2 24.8 2.64 43.2 59.3
## 3 Turkiye 99.9 26.6 1.22 99.7 100Yorum: Rezidülerin rastgele dağılıp dağılmadığına bakarak model varsayımlarının doğruluğu kontrol edilebilir.
Ülkeler arası kısa karşılaştırmalı yorum
Fransa: Elektrik erişimi doygun, ekonomik değişkenlere duyarlılık düşük.
Türkiye: Sanayi ve nüfus artışı elektrik erişimini pozitif etkiliyor.
Nijerya: Nüfus artışı elektrik altyapısı üzerinde belirleyici, sanayinin etkisi sınırlı.
Sonuç:
Bu çalışmada, 2000–2020 döneminde Fransa, Türkiye ve Nijerya örnek ülkelerinde ekonomik gelişme ve kentleşmenin elektrik erişimi üzerindeki etkileri zaman serisi regresyonları ve grafiklerle incelenmiştir.
Analizler göstermiştir ki:
Fransa’da, elektrik erişimi neredeyse doygun seviyede olup ekonomik değişkenlere karşı duyarlılık düşüktür.
Türkiye’de, sanayi katma değeri ve nüfus artışı elektrik erişimini pozitif yönde etkilemekte, artan ekonomik ve demografik baskılar altyapı talebini artırmaktadır.
Nijerya’da, hızlı nüfus artışı elektrik altyapısı üzerinde belirleyici rol oynamakta, sanayileşmenin etkisi sınırlı kalmaktadır.
Zaman serisi grafikleri ve regresyon sonuçları, ülkeler arasındaki yapısal farklılıkları ve elektrik erişimi dinamiklerini açık biçimde ortaya koymaktadır. Çalışma, farklı gelişmişlik düzeylerine sahip ülkelerde enerji altyapısının ekonomik ve demografik faktörlerden nasıl etkilendiğini göstermesi açısından önemlidir.
Bununla birlikte, çalışma sınırlı sayıda ülkeyi ve yıllık verileri kapsamaktadır; nedensellik ilişkileri yorumlanırken dikkatli olunmalıdır. Gelecek çalışmalar, daha fazla ülke ve ek göstergelerle analizi genişleterek, enerji politikaları ve altyapı planlaması için daha kapsamlı çıkarımlar sağlayabilir.