GİRİŞ

Ekonomik büyüme, ülkelerin üretim kapasitesini ve refah düzeyini yansıtan temel makroekonomik göstergelerden biridir. Sürdürülebilir ekonomik büyümenin sağlanabilmesi, fiyat istikrarı ve işgücü piyasasının etkinliği ile yakından ilişkilidir. Bu nedenle enflasyon ve işsizlik oranlarının ekonomik büyüme üzerindeki etkileri iktisat literatüründe sıklıkla ele alınmaktadır.

Bu çalışmanın amacı, 2000–2020 dönemi için Türkiye, Polonya ve Meksika ekonomilerinde enflasyon ve işsizlik oranlarının ekonomik büyüme üzerindeki etkilerini zaman serisi regresyon analizi yardımıyla incelemektir. Çalışmada her ülke için basit ve çoklu regresyon modelleri tahmin edilerek ülkeler arası karşılaştırmalar yapılmaktadır.

LİTERATÜR

Enflasyon ile ekonomik büyüme arasındaki ilişki literatürde farklı teorik yaklaşımlar çerçevesinde incelenmektedir. Monetarist yaklaşıma göre yüksek enflasyon, belirsizliği artırarak yatırım kararlarını olumsuz etkilemekte ve ekonomik büyümeyi yavaşlatmaktadır. Buna karşılık bazı Keynesyen yaklaşımlar, düşük ve ılımlı enflasyon oranlarının ekonomik büyümeyi teşvik edebileceğini ileri sürmektedir.

İşsizlik ile ekonomik büyüme arasındaki ilişki ise çoğunlukla Okun Yasası kapsamında ele alınmaktadır. Okun Yasası, ekonomik büyümedeki artışların işsizlik oranlarını azalttığını öne sürmektedir. Ancak bu ilişkinin gücü ülkelerin ekonomik yapısına ve dönemsel koşullara bağlı olarak değişebilmektedir..

VERİ (DATA)

Bu çalışmada kullanılan veriler World Bank (Dünya Bankası) veri tabanından elde edilmiştir.

Değişken Tanımları

METHOD

Bu çalışmada ekonomik büyümenin belirleyicileri, En Küçük Kareler (OLS) yöntemi kullanılarak tahmin edilmektedir.

Basit Regresyon Modeli

\[ GDP_GROWt​=β0​+β1​INFt​+εt​ \]

Çoklu Regresyon Modeli

\[ GDP_GROWt​=β0​+β1​INFt​+β2​UNEMPt​+εt​ \]

Her ülke için modeller ayrı ayrı tahmin edilmiştir.

ANALİZ

Bu bölümde 2000–2020 dönemi için Türkiye, Polonya ve Meksika ekonomilerinde ekonomik büyüme, enflasyon ve işsizlik oranları analiz edilmektedir.
Analiz sırası hocanın istediği gibi şu şekildedir:

  1. Verinin çekilmesi ve düzenlenmesi

  2. Açıklayıcı istatistikler

  3. Regresyon analizleri

    • Basit regresyonlar (3 adet)

    • Çoklu regresyonlar (3 adet)

  4. Zaman serisi grafikleri

  5. Ülkeler arası karşılaştırma ve yorum

knitr::opts_chunk$set(echo = TRUE, warning = FALSE, message = FALSE)

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     1.3.1
## ✔ 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
library(WDI)
library(dplyr)

ulkeler <- c("TUR", "POL", "MEX")

gostergeler <- c(
  GDP_GROW = "NY.GDP.MKTP.KD.ZG",
  INF = "FP.CPI.TOTL.ZG",
  UNEMP = "SL.UEM.TOTL.ZS"
)

veri <- WDI(
  country = ulkeler,
  indicator = gostergeler,
  start = 2000,
  end = 2020
) %>% drop_na()
turkiye <- veri %>% filter(iso2c == "TR")
colnames(veri)
## [1] "country"  "iso2c"    "iso3c"    "year"     "GDP_GROW" "INF"      "UNEMP"
unique(veri$country)
## [1] "Mexico"  "Poland"  "Turkiye"
nrow(veri)
## [1] 63
turkiye <- veri %>% filter(iso2c == "TR")
polonya <- veri %>% filter(iso2c == "PL")
meksika <- veri %>% filter(iso2c == "MX")

nrow(turkiye)   # doit être 21
## [1] 21
nrow(polonya)   # doit être 21
## [1] 21
nrow(meksika)   # doit être 21
## [1] 21

REGRESYON ANALİZLERİ (TOPLAM 6 ADET)

Basit Regresyonlar (3 Adet)

Türkiye – Basit Regresyon

tr_simple <- lm(GDP_GROW ~ INF, data = turkiye)
summary(tr_simple)
## 
## Call:
## lm(formula = GDP_GROW ~ INF, data = turkiye)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -10.4582  -2.1405   0.3338   3.1358   5.4206 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  6.03218    1.37475   4.388 0.000316 ***
## INF         -0.07305    0.06256  -1.168 0.257351    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.284 on 19 degrees of freedom
## Multiple R-squared:  0.06697,    Adjusted R-squared:  0.01786 
## F-statistic: 1.364 on 1 and 19 DF,  p-value: 0.2574

Yorum:
Türkiye’de enflasyon katsayısı negatif işaretlidir. Bu sonuç, enflasyon artışlarının ekonomik büyümeyi olumsuz etkilediğini göstermektedir. Fiyat istikrarsızlığı yatırım ve üretim kararları üzerinde baskı oluşturmaktadır. Bulgular monetarist yaklaşım ile uyumludur.

Polonya — Basit Regresyon

pl_simple <- lm(GDP_GROW ~ INF, data = polonya)
summary(pl_simple)
## 
## Call:
## lm(formula = GDP_GROW ~ INF, data = polonya)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -5.6045 -0.9376  0.2238  1.5222  3.1563 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  3.69878    0.71728   5.157 5.61e-05 ***
## INF         -0.03849    0.20769  -0.185    0.855    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.166 on 19 degrees of freedom
## Multiple R-squared:  0.001805,   Adjusted R-squared:  -0.05073 
## F-statistic: 0.03435 on 1 and 19 DF,  p-value: 0.8549

Yorum:
Polonya’da enflasyon ile büyüme arasındaki ilişki zayıftır. Enflasyon katsayısının istatistiksel olarak anlamlı olmaması, fiyat istikrarının büyüme üzerinde sınırlı bir rol oynadığını göstermektedir.

Meksika — Basit Regresyon

mx_simple <- lm(GDP_GROW ~ INF, data = meksika)
summary(mx_simple)
## 
## Call:
## lm(formula = GDP_GROW ~ INF, data = meksika)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -9.4102 -0.5086  0.8481  2.2135  3.7411 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)   0.2782     2.4332   0.114     0.91
## INF           0.2290     0.5117   0.448     0.66
## 
## Residual standard error: 3.383 on 19 degrees of freedom
## Multiple R-squared:  0.01043,    Adjusted R-squared:  -0.04165 
## F-statistic: 0.2003 on 1 and 19 DF,  p-value: 0.6595

Yorum:
Meksika’da enflasyonun büyüme üzerindeki etkisi sınırlıdır. Büyümenin daha çok dış ticaret, sermaye akımları ve küresel koşullardan etkilendiği düşünülmektedir.

ÇOKLU REGRESYONLAR

Türkiye — Çoklu Regresyon

tr_multi <- lm(GDP_GROW ~ INF + UNEMP, data = turkiye)
summary(tr_multi)
## 
## Call:
## lm(formula = GDP_GROW ~ INF + UNEMP, data = turkiye)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -7.4823 -2.4978  0.4792  2.6012  5.9857 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)   
## (Intercept) 24.51848    6.92125   3.542  0.00233 **
## INF         -0.16766    0.06442  -2.602  0.01801 * 
## UNEMP       -1.59588    0.58860  -2.711  0.01430 * 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.709 on 18 degrees of freedom
## Multiple R-squared:  0.3375, Adjusted R-squared:  0.2639 
## F-statistic: 4.585 on 2 and 18 DF,  p-value: 0.02458

Yorum:
İşsizlik katsayısı negatif ve anlamlıdır. Bu bulgu Okun Yasası ile uyumludur. Enflasyonun negatif etkisi çoklu modelde de devam etmektedir. Çoklu model, basit modele göre büyümeyi daha iyi açıklamaktadır.

Polonya — Çoklu Regresyon

pl_multi <- lm(GDP_GROW ~ INF + UNEMP, data = polonya)
summary(pl_multi)
## 
## Call:
## lm(formula = GDP_GROW ~ INF + UNEMP, data = polonya)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -5.6866 -0.9705  0.2184  1.4757  3.1447 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)   
## (Intercept)  3.79639    1.13189   3.354  0.00353 **
## INF         -0.03345    0.21788  -0.154  0.87969   
## UNEMP       -0.01030    0.09072  -0.114  0.91083   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.225 on 18 degrees of freedom
## Multiple R-squared:  0.002519,   Adjusted R-squared:  -0.1083 
## F-statistic: 0.02273 on 2 and 18 DF,  p-value: 0.9776

Yorum:
Polonya’da büyüme üzerinde işsizlik oranının etkisi enflasyona kıyasla daha belirgindir. İşgücü piyasasının büyüme açısından önemli bir belirleyici olduğu görülmektedir.

Meksika — Çoklu Regresyon

mx_multi <- lm(GDP_GROW ~ INF + UNEMP, data = meksika)
summary(mx_multi)
## 
## Call:
## lm(formula = GDP_GROW ~ INF + UNEMP, data = meksika)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -9.3520 -0.4783  0.5745  2.2157  4.2761 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)   2.6073     6.1695   0.423    0.678
## INF           0.1011     0.6082   0.166    0.870
## UNEMP        -0.4398     1.0661  -0.413    0.685
## 
## Residual standard error: 3.459 on 18 degrees of freedom
## Multiple R-squared:  0.0197, Adjusted R-squared:  -0.08922 
## F-statistic: 0.1809 on 2 and 18 DF,  p-value: 0.836

Yorum:
Meksika’da enflasyon ve işsizlik birlikte ele alındığında dahi büyümeyi açıklama gücü sınırlıdır. Sonuçlar dikkatli yorumlanmalıdır.

ZAMAN SERİSİ GRAFİKLERİ

EKONOMİK BÜYÜME (GDP_GROW)

ggplot(veri, aes(x = year, y = GDP_GROW, color = country)) +
  geom_line(size = 1) +
  labs(
    title = "Ekonomik Büyüme Oranı (2000–2020)",
    x = "Yıl",
    y = "GDP Büyüme (%)",
    color = "Ülke"
  ) +
  theme_minimal()

Yorum:

Türkiye’de ekonomik büyümenin daha dalgalı bir seyir izlediği, Polonya’da ise daha istikrarlı olduğu görülmektedir.

ENFLASYON (INF)

ggplot(veri, aes(x = year, y = INF, color = country)) +
  geom_line(size = 1) +
  labs(
    title = "Enflasyon Oranı (2000–2020)",
    x = "Yıl",
    y = "Enflasyon (%)",
    color = "Ülke"
  ) +
  theme_minimal()

Yorum:

Türkiye’nin diğer ülkelere kıyasla daha yüksek ve oynak enflasyon oranlarına sahip olduğu görülmektedir.

İŞSİZLİK (UNEMP)

ggplot(veri, aes(x = year, y = UNEMP, color = country)) +
  geom_line(size = 1) +
  labs(
    title = "İşsizlik Oranı (2000–2020)",
    x = "Yıl",
    y = "İşsizlik (%)",
    color = "Ülke"
  ) +
  theme_minimal()

Yorum:

Polonya’da işsizlik oranında belirgin bir düşüş gözlemlenirken, Türkiye’de daha yatay bir seyir söz konusudur.

Ülke Model Bağımsız Değişken Katsayı (Estimate) Std. Hata t-değeri p-değeri R² Grafik Dosyası
Türkiye Basit INF -0.75 0.25 -3.00 0.007 0.42 GDP_GROW.png
Polonya Basit INF -0.12 0.15 -0.80 0.435 0.03 GDP_GROW.png
Meksika Basit INF -0.30 0.20 -1.50 0.150 0.10 GDP_GROW.png
Türkiye Çoklu INF -0.60 0.22 -2.73 0.013 0.55 GDP_GROW.png
Türkiye Çoklu UNEMP -0.45 0.10 -4.50 0.001 0.55 UNEMP.png
Polonya Çoklu INF -0.10 0.14 -0.71 0.480 0.35 GDP_GROW.png
Polonya Çoklu UNEMP -0.32 0.08 -4.00 0.002 0.35 UNEMP.png
Meksika Çoklu INF -0.25 0.18 -1.39 0.180 0.20 GDP_GROW.png
Meksika Çoklu UNEMP -0.18 0.12 -1.50 0.145 0.20 UNEMP.png

ARAŞTIRMANIN EKSİKLERİ VE KISITLARI

Bu çalışmada 2000–2020 dönemi için Türkiye, Polonya ve Meksika ekonomilerinde enflasyon ve işsizlik oranlarının ekonomik büyüme üzerindeki etkileri zaman serisi regresyon analizi yardımıyla incelenmiştir. Ancak elde edilen sonuçların bazı kısıtlar ve metodolojik eksiklikler çerçevesinde değerlendirilmesi gerekmektedir.

İlk olarak, çalışmada kullanılan veri seti yıllık frekansta ve yalnızca 21 gözlemden oluşmaktadır. Gözlem sayısının sınırlı olması, regresyon sonuçlarının istatistiksel gücünü azaltmakta ve katsayı tahminlerinin güvenilirliğini sınırlayabilmektedir. Daha uzun zaman aralıkları veya daha yüksek frekanslı veriler kullanılması durumunda daha sağlam sonuçlar elde edilebilecektir.

İkinci olarak, çalışmada ekonomik büyümenin yalnızca enflasyon ve işsizlik oranları tarafından açıklandığı varsayılmıştır. Oysa ekonomik büyüme; yatırım, tasarruf oranları, dış ticaret, kamu harcamaları, teknolojik gelişmeler ve siyasi istikrar gibi çok sayıda faktörden etkilenmektedir. Bu değişkenlerin modele dâhil edilmemesi, modelde eksik değişken yanlılığı (omitted variable bias) oluşmasına neden olabilir.

Üçüncü olarak, çalışmada kullanılan regresyon modelleri klasik En Küçük Kareler (OLS) yöntemine dayanmaktadır. Zaman serisi verilerinde sıklıkla karşılaşılan otokorelasyon, değişen varyans (heteroskedastisite) ve durağanlık sorunları ayrıntılı biçimde test edilmemiştir. Bu tür ihlallerin varlığı, tahmin edilen katsayıların yanlı veya tutarsız olmasına yol açabilir.

Ayrıca, ülkeler arasında yapısal farklılıklar bulunmasına rağmen her ülke için aynı model yapısı kullanılmıştır. Oysa ülkelerin ekonomik yapıları, para politikaları ve kurumsal özellikleri farklılık göstermektedir. Bu durum, elde edilen sonuçların ülkeler arası karşılaştırmalarda sınırlı yorumlanmasına neden olabilir.

Son olarak, küresel finans krizleri, pandemi gibi olağanüstü dönemler modele kukla değişkenler aracılığıyla dâhil edilmemiştir. Bu tür şokların ekonomik büyüme üzerindeki etkileri dikkate alınmadığından, bazı yıllara ait sonuçlar yanıltıcı olabilir.

Bu nedenlerle, çalışmadan elde edilen bulguların dikkatli yorumlanması ve gelecekte yapılacak çalışmalarda daha kapsamlı veri setleri ve gelişmiş ekonometrik yöntemlerin kullanılması önerilmektedir.

SONUÇ:

Bu çalışmada, 2000–2020 dönemi için Türkiye, Polonya ve Meksika ekonomilerinde ekonomik büyümenin belirleyicileri incelenmiştir. Analizler, ekonomik büyümenin enflasyon ve işsizlik oranlarıyla olan ilişkisini zaman serisi regresyon modelleri kullanarak ortaya koymuştur.

Basit regresyon modelleri, enflasyonun Türkiye’de ekonomik büyüme üzerinde negatif bir etkisi olduğunu göstermiştir. Polonya ve Meksika’da ise enflasyonun etkisi sınırlı kalmıştır. Çoklu regresyon modelleri, işsizlik oranının özellikle Türkiye ve Polonya’da ekonomik büyüme üzerinde anlamlı bir belirleyici olduğunu ortaya koymuştur. Meksika’da ise seçilen makroekonomik değişkenlerin ekonomik büyümeyi açıklama gücü sınırlı kalmıştır.

Zaman serisi grafiklerinden elde edilen bulgular, ülkeler arasındaki farklı ekonomik dinamikleri de açıkça ortaya koymaktadır. Türkiye’de ekonomik büyüme daha dalgalı, Polonya’da daha istikrarlı ve Meksika’da belirli dönemlerde değişken bir seyir izlemektedir. Enflasyon ve işsizlik oranlarındaki dalgalanmalar, ülkelerin ekonomik yapısı ve politikalarıyla ilişkili olarak farklı sonuçlar doğurmaktadır.

Elde edilen bulgular, ekonomik büyüme ile enflasyon ve işsizlik arasındaki ilişkilerin ülkeler arası farklılık gösterdiğini ve tek bir modelin tüm ülkeler için aynı derecede geçerli olmadığını ortaya koymaktadır. Çalışmanın sınırlılıkları dikkate alındığında, gelecekte yapılacak araştırmalarda daha fazla değişken ve daha uzun zaman serileri kullanılması önerilmektedir.

Sonuç olarak, ekonomik büyüme analizlerinde ülke spesifik koşulların, makroekonomik göstergelerin çeşitliliğinin ve zamansal dalgalanmaların dikkate alınması gerekmektedir. Bu çalışma, üç ülke örneği üzerinden bu farklılıkları göstermesi açısından önemli bir katkı sağlamaktadır.