Özet (Abstract)

Bu çalışma, enerji tüketimi ve sanayileşmenin ekonomik büyüme üzerindeki etkisini zaman serisi perspektifinden incelemeyi amaçlamaktadır. Analiz, 2000-2020 dönemine ait yıllık veriler kullanılarak Almanya, Meksika ve Endonezya için ayrı ayrı yürütülen regresyon modellerine dayanmaktadır. Literatürde enerji tüketimi ile ekonomik büyüme arasındaki ilişki çoğunlukla panel veri veya yatay kesit yöntemleriyle ele alınırken, bu çalışma ülke bazlı zaman serisi yaklaşımı benimseyerek değişkenler arasındaki dinamik ilişkiye odaklanmaktadır.

Her ülke için bir basit ve bir çoklu regresyon modeli tahmin edilmiş ve böylece toplam altı zaman serisi regresyonu elde edilmiştir. Kişi başına gayrisafi yurt içi hasıla ekonomik büyümenin göstergesi olarak kullanılırken, kişi başına enerji tüketimi temel açıklayıcı değişken olarak modele dahil edilmiştir. Çoklu regresyon modellerinde ise sanayi katma değerinin GSYH içindeki payı kontrol değişkeni olarak kullanılmıştır.

Elde edilen bulgular, enerji tüketimi ile ekonomik büyüme arasındaki ilişkinin ülkeler arasında hem yön hem de büyüklük açısından önemli farklılıklar gösterdiğini ortaya koymaktadır. Almanya’da enerji tüketimi ile büyüme arasında pozitif ve istatistiksel olarak anlamlı bir ilişki gözlemlenirken, Meksika ve Endonezya’da bu ilişki ya çok zayıf ya da istatistiksel olarak anlamlı değildir. Sonuçlar, ülkelerin kalkınma düzeyleri, üretim yapıları ve enerji kullanım verimlilikleri çerçevesinde tartışılmaktadır.

1. Giriş

Enerji, modern ekonomilerin temel üretim girdilerinden biri olarak ekonomik büyüme sürecinde merkezi bir rol oynamaktadır. Sanayi üretimi, ulaşım, teknoloji ve hizmetler sektörlerinin neredeyse tamamı enerji kullanımına doğrudan veya dolaylı biçimde bağlıdır. Bu nedenle enerji tüketimi ile ekonomik büyüme arasındaki ilişki, iktisat literatüründe uzun süredir tartışılan temel konulardan biridir.

Teorik açıdan bakıldığında, enerji tüketimindeki artışın üretim kapasitesini genişleterek ekonomik büyümeyi desteklemesi beklenmektedir. Özellikle sanayileşme sürecindeki ülkelerde enerji, fiziksel sermaye ile tamamlayıcı bir unsur olarak üretkenliği artırmaktadır. Buna karşılık, enerjiye aşırı bağımlılık, dışa bağımlılık, maliyet baskıları ve çevresel sorunlar yoluyla ekonomik performansı olumsuz etkileyebilmektedir. Bu durum, enerji tüketimi ile büyüme arasındaki ilişkinin doğrusal ve tek yönlü olmayabileceğine işaret etmektedir.

Ampirik literatürde enerji-büyüme ilişkisi çoğunlukla çok sayıda ülkeyi kapsayan panel veri analizleriyle ele alınmıştır. Bu çalışmalar genel eğilimleri ortaya koymak açısından önemli olmakla birlikte, tek tek ülkelerin zaman içerisindeki özgün dinamiklerini yeterince yansıtamayabilmektedir. Oysa enerji politikaları, sanayi yapısı ve teknolojik dönüşüm gibi faktörler ülkeden ülkeye önemli ölçüde farklılık göstermektedir.

Bu bağlamda zaman serisi analizleri, belirli bir ülke için enerji tüketimi, sanayileşme ve ekonomik büyüme arasındaki ilişkinin zaman içerisindeki seyrini inceleme imkanı sunmaktadır. Bu yaklaşım, ülkelerin kendi iç dinamiklerini daha net biçimde analiz etmeye olanak tanımaktadır. Ancak kısa zaman serileri ve durağanlık gibi varsayımlar nedeniyle bu yöntemin de belirli sınırlılıkları bulunmaktadır.

Bu çalışma, enerji tüketimi ve sanayileşmenin ekonomik büyüme üzerindeki etkisini ülke bazlı zaman serisi regresyonları kullanarak incelemeyi amaçlamaktadır. Analizde farklı kalkınma düzeylerini temsil eden üç ülke seçilmiştir: gelişmiş bir sanayi ekonomisi olan Almanya, orta gelirli bir yükselen piyasa ekonomisi olan Meksika ve hızlı sanayileşme sürecindeki gelişmekte olan bir ülke olan Endonezya. Bu seçim, enerji-büyüme ilişkisinin farklı ekonomik yapılarda nasıl şekillendiğini karşılaştırmalı olarak inceleme imkanı sunmaktadır.

2. Literatür Taraması

Enerji tüketimi ile ekonomik büyüme arasındaki ilişki, iktisat literatüründe “enerji-büyüme hipotezi” çerçevesinde ele alınmaktadır. Bu literatürde dört temel yaklaşım öne çıkmaktadır: büyüme hipotezi (enerji → büyüme), korunma hipotezi (büyüme → enerji), geri besleme hipotezi (iki yönlü ilişki) ve tarafsızlık hipotezi (ilişki yok).

Kraft ve Kraft (1978), ABD için yaptıkları öncü çalışmada enerji tüketimi ile ekonomik büyüme arasında nedensel bir ilişki olduğunu ortaya koymuş ve bu alandaki ampirik literatürün temelini atmıştır. Sonraki çalışmalarda, enerji tüketiminin üretim sürecindeki rolü daha ayrıntılı biçimde incelenmiştir. Stern (2000), enerji tüketiminin üretim fonksiyonunda önemli bir girdi olduğunu ve ekonomik büyümenin yalnızca sermaye ve emekle açıklanamayacağını savunmuştur.

Gelişmekte olan ülkeler üzerine yapılan çalışmalar, enerji tüketiminin büyüme üzerindeki etkisinin daha belirgin olabileceğini göstermektedir. Lee (2005), Asya ülkeleri için yaptığı panel analizinde enerji tüketiminin ekonomik büyümeyi pozitif yönde etkilediğini bulmuştur. Benzer şekilde, Apergis ve Payne (2009), enerji tüketimi ile ekonomik büyüme arasında uzun dönemli bir ilişki olduğunu ortaya koymuştur.

Sanayileşme faktörünü dikkate alan çalışmalar ise enerji-büyüme ilişkisinin üretim yapısına bağlı olarak değiştiğini vurgulamaktadır. Sanayi katma değerinin yüksek olduğu ekonomilerde enerji tüketimi, büyüme sürecinin ayrılmaz bir parçası olarak ortaya çıkmaktadır. Ancak enerji verimliliğinin düşük olduğu ülkelerde artan enerji tüketimi, ekonomik büyüme üzerinde sınırlı veya olumsuz etkilere yol açabilmektedir.

Zaman serisi yöntemlerini kullanan çalışmalar, enerji tüketimi ile büyüme arasındaki ilişkinin ülkeden ülkeye farklılaştığını göstermektedir. Narayan ve Smyth (2008), bazı ülkelerde enerji tüketiminin büyümeyi desteklediğini, bazılarında ise ilişkinin zayıf veya anlamsız olduğunu bulmuştur. Bu bulgular, enerji-büyüme ilişkisinin evrensel değil, ülkeye özgü bir yapıya sahip olduğunu göstermektedir.

Bu çalışma, mevcut literatürden farklı olarak enerji tüketimi, sanayileşme ve ekonomik büyüme arasındaki ilişkiyi ülke bazlı zaman serisi regresyonları ile ele almakta ve ülkeler arası karşılaştırmalı bir perspektif sunmaktadır.

3. Veri ve Değişkenler

Bu çalışmada kullanılan veri, 2000-2020 yıllarını kapsayan yıllık ülke düzeyinde makroekonomik göstergeleri içermektedir. Analiz için seçilen üç ülke: Almanya, Meksika ve Endonezya’dır. Bu ülkeler farklı ekonomik yapıları temsil etmektedir: Almanya gelişmiş bir sanayi ekonomisi, Meksika orta gelirli bir yükselen piyasa ve Endonezya hızlı sanayileşen bir gelişmekte olan ülke.

3.1 Kullanılan Değişkenler

Değişken	Kısa Açıklama	Birim	Dünya Bankası Göstergesi
GDP_pc	Kişi başına gayrisafi yurt içi hasıla (cari ABD doları)	USD	NY.GDP.PCAP.CD
Energy_pc	Kişi başına enerji tüketimi (kilogram petrol eşdeğeri)	kg oil equivalent	EG.USE.PCAP.KG.OE
Industry_share	Sanayi katma değerinin GSYH içindeki payı	%	NV.IND.TOTL.ZS

Not: Çoklu regresyon modellerinde GDP_pc bağımlı değişken, Energy_pc temel açıklayıcı değişken, Industry_share ise kontrol değişkeni olarak kullanılmıştır.

3.2 Veri Kaynağı

Dünya Bankası: World Development Indicators (WDI)
Enerji istatistikleri: Dünya Bankası aracılığıyla (IEA verileri)

library(WDI)
library(dplyr)

# Dünya Bankası'ndan veri çek
gdp_pc <- WDI(indicator = "NY.GDP.PCAP.CD", start = 2000, end = 2020)
energy_pc <- WDI(indicator = "EG.USE.PCAP.KG.OE", start = 2000, end = 2020)
industry_share <- WDI(indicator = "NV.IND.TOTL.ZS", start = 2000, end = 2020)

# ISO3 kodları
countries <- c("DEU","MEX","IDN")

veri <- gdp_pc %>%
  filter(iso3c %in% countries) %>%
  select(country, iso3c, year, GDP_pc = NY.GDP.PCAP.CD) %>%
  left_join(
    energy_pc %>% filter(iso3c %in% countries) %>%
      select(iso3c, year, Energy_pc = EG.USE.PCAP.KG.OE),
    by = c("iso3c", "year")
  ) %>%
  left_join(
    industry_share %>% filter(iso3c %in% countries) %>%
      select(iso3c, year, Industry_share = NV.IND.TOTL.ZS),
    by = c("iso3c", "year")
  ) %>%
  mutate(
    Country = case_when(
      iso3c == "DEU" ~ "Almanya",
      iso3c == "MEX" ~ "Meksika",
      iso3c == "IDN" ~ "Endonezya",
      TRUE ~ country
    )
  ) %>%
  select(Country, year, GDP_pc, Energy_pc, Industry_share) %>%
  arrange(Country, year)

head(veri)

3.3 Zaman Serisi Grafikleri

Aşağıda her ülke için değişkenlerin zaman serisi grafikleri yer almaktadır. Bu grafikler değişkenlerin 2000-2020 dönemindeki seyrini görselleştirmek ve trendleri karşılaştırmak amacıyla oluşturulmuştur.

# Veriyi uzun formata çevirme
veri_long <- veri %>%
  pivot_longer(
    cols = c(GDP_pc, Energy_pc, Industry_share),
    names_to = "Variable",
    values_to = "Value"
  ) %>%
  mutate(
    Variable = factor(Variable, 
                     levels = c("GDP_pc", "Energy_pc", "Industry_share"),
                     labels = c("Kişi Başına GSYH (USD)", 
                               "Kişi Başına Enerji Tüketimi (TOE)", 
                               "Sanayi Payı (%)"))
  )

# Zaman serisi grafikleri
ggplot(veri_long, aes(x = year, y = Value, color = Country, group = Country)) +
  geom_line(size = 1.2) +
  geom_point(size = 1.5) +
  facet_wrap(~ Variable, scales = "free_y", ncol = 1) +
  labs(
    title = "2000-2020 Döneminde Değişkenlerin Zaman Serisi Grafikleri",
    subtitle = "Almanya, Meksika ve Endonezya Karşılaştırması",
    x = "Yıl",
    y = "Değer",
    color = "Ülke"
  ) +
  scale_color_manual(values = c("Almanya" = "#1f78b4", 
                               "Meksika" = "#33a02c", 
                               "Endonezya" = "#e31a1c")) +
  scale_x_continuous(breaks = seq(2000, 2020, by = 5)) +
  theme_minimal(base_size = 14) +
  theme(
    legend.position = "bottom",
    strip.text = element_text(size = 12, face = "bold"),
    plot.title = element_text(size = 16, face = "bold"),
    plot.subtitle = element_text(size = 14)
  )

3.4 Tanımlayıcı İstatistikler

Bu bölümde analizde kullanılan değişkenlere ait tanımlayıcı istatistikler sunulmaktadır. Tablo, ülkeler bazında kişi başına GSYH, kişi başına enerji tüketimi ve sanayi katma değerinin GSYH içindeki payına ilişkin temel istatistikleri içermektedir.

# Tanımlayıcı istatistikler
library(kableExtra)

desc_stats <- veri %>%
  group_by(Country) %>%
  summarise(
    # Kişi başına GSYH
    GDP_pc_ort = mean(GDP_pc, na.rm = TRUE),
    GDP_pc_ss = sd(GDP_pc, na.rm = TRUE),
    GDP_pc_min = min(GDP_pc, na.rm = TRUE),
    GDP_pc_max = max(GDP_pc, na.rm = TRUE),
    
    # Kişi başına enerji tüketimi
    Energy_pc_ort = mean(Energy_pc, na.rm = TRUE),
    Energy_pc_ss = sd(Energy_pc, na.rm = TRUE),
    Energy_pc_min = min(Energy_pc, na.rm = TRUE),
    Energy_pc_max = max(Energy_pc, na.rm = TRUE),
    
    # Sanayi payı
    Industry_share_ort = mean(Industry_share, na.rm = TRUE),
    Industry_share_ss = sd(Industry_share, na.rm = TRUE),
    Industry_share_min = min(Industry_share, na.rm = TRUE),
    Industry_share_max = max(Industry_share, na.rm = TRUE),
    
    .groups = "drop"
  )

# Tabloyu görüntüleme
kable(desc_stats, 
      caption = "Tablo 1: Tanımlayıcı İstatistikler (2000-2020)",
      col.names = c("Ülke", "GSYH Ort.", "GSYH SS", "GSYH Min", "GSYH Max",
                    "Enerji Ort.", "Enerji SS", "Enerji Min", "Enerji Max",
                    "Sanayi Ort.", "Sanayi SS", "Sanayi Min", "Sanayi Max"),
      digits = c(0, 0, 0, 0, 0, 2, 2, 2, 2, 1, 1, 1, 1)) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
                font_size = 12)

Tablo 1: Tanımlayıcı İstatistikler (2000-2020)
Ülke	GSYH Ort.	GSYH SS	GSYH Min	GSYH Max	Enerji Ort.	Enerji SS	Enerji Min	Enerji Max	Sanayi Ort.	Sanayi SS	Sanayi Min	Sanayi Max
Almanya	40340	8314	23878	48960	3924.69	226.35	3349.20	4235.94	25.9	0.6	23.8	27.3
Endonezya	2535	1231	732	4107	682.83	78.93	585.79	848.44	43.5	3.3	38.2	48.1
Meksika	9420	1229	7434	11391	1587.77	90.89	1366.43	1723.72	32.7	1.2	30.6	34.8

Düzeltilmiş Özet Yorum:

Veriler üç ülke arasında belirgin farklılıklar gösteriyor:

Ekonomik Seviye: Almanya (40,340 USD) > Meksika (9,420 USD) > Endonezya (2,535 USD) şeklinde gelişmişlik sıralaması.
İstikrar: Almanya enerji tüketiminde (SS=226) ve sanayi payında (SS=0.6) en istikrarlı. Endonezya hem GSYH’de (CV=%48.6) hem sanayi payında (CV=%7.6) en yüksek volatiliteye sahip.
Sanayi Yapısı: Endonezya en yüksek sanayi payı (%43.5) ama en düşük istikrar. Almanya en düşük sanayi payı (%25.9) ama en yüksek istikrar.

Ana Çıkarım: Gelişmiş ülkelerde (Almanya) düşük volatilite ve dengeli yapı; gelişmekte olan ülkelerde (Endonezya) yüksek volatilite ve dinamik dönüşüm hakim.

4. Yöntem (Method)

Bu çalışmada, enerji tüketimi, sanayileşme ve ekonomik büyüme arasındaki ilişkinin zaman içindeki dinamiklerini incelemek amacıyla ülke bazlı zaman serisi regresyonları uygulanmıştır. Analiz süreci aşağıdaki adımlardan oluşmaktadır:

1. Veri Hazırlığı

Çalışmada kullanılan veri 2000-2020 yılları arasındaki yıllık gözlemleri kapsamaktadır.
Üç ülke seçilmiştir: Almanya, Meksika ve Endonezya, farklı ekonomik kalkınma düzeylerini temsil etmektedir.
Kullanılan değişkenler:
- Bağımlı değişken (Y): Kişi başına GSYH (GDP_pc)
- Bağımsız değişkenler (X):
  - Enerji tüketimi kişi başı (Energy_pc)
  - Sanayi katma değeri payı (Industry_share) — çoklu regresyonlarda kontrol değişkeni olarak kullanılmıştır

2. Regresyon Modelleri

Her ülke için iki regresyon modeli tahmin edilmiştir:
1. Basit regresyon: GDP_pc ~ Energy_pc
2. Çoklu regresyon: GDP_pc ~ Energy_pc + Industry_share
Böylece toplam 6 adet zaman serisi regresyonu elde edilmiştir.

3. Analiz Yöntemi

Regresyonlar lineer modeller (OLS) kullanılarak tahmin edilmiştir.
Model çıktıları, katsayılar, standart hata, t-değerleri ve p-değerleri ile değerlendirilmiştir.
Ülkeler arası karşılaştırma yapılabilmesi için regresyonlar aynı metodoloji ile yürütülmüştür.

4. Grafik ve Tanımlayıcı İstatistik

Her değişkenin zaman serisi grafikleri çizilmiştir.
Ülke bazlı tanımlayıcı istatistikler hesaplanmıştır: ortalama, standart sapma.
Bu adım, verinin dağılımını ve olası anomalileri görselleştirmek amacıyla yapılmıştır.

Bu yöntem, enerji tüketimi ve sanayileşmenin ekonomik büyüme üzerindeki etkilerini ülke bazlı zaman serisi perspektifi ile incelemeye imkan tanımaktadır. Ayrıca, basit ve çoklu regresyonlar sayesinde değişkenlerin etkileri daha doğru bir şekilde ayrıştırılabilmektedir.

5. Regresyon Analizleri

Bu bölümde, her ülke için basit ve çoklu regresyon modellerinin sonuçları sunulmakta ve yorumlanmaktadır.

# Regresyon modellerini oluşturma
regression_results <- list()

for (country in unique(veri$Country)) {
  country_data <- veri %>% filter(Country == country)
  
  # Basit regresyon: GDP_pc ~ Energy_pc
  model_simple <- lm(GDP_pc ~ Energy_pc, data = country_data)
  
  # Çoklu regresyon: GDP_pc ~ Energy_pc + Industry_share
  model_multiple <- lm(GDP_pc ~ Energy_pc + Industry_share, data = country_data)
  
  # Sonuçları saklama
  regression_results[[country]] <- list(
    simple = tidy(model_simple),
    multiple = tidy(model_multiple),
    simple_summary = glance(model_simple),
    multiple_summary = glance(model_multiple)
  )
}

# Tüm sonuçları birleştirme
all_results <- lapply(names(regression_results), function(country) {
  simple_df <- regression_results[[country]][["simple"]] %>% 
    mutate(Model = "Basit", Country = country)
  multiple_df <- regression_results[[country]][["multiple"]] %>% 
    mutate(Model = "Çoklu", Country = country)
  bind_rows(simple_df, multiple_df)
}) %>% bind_rows()

# Model özetlerini birleştirme
model_summaries <- lapply(names(regression_results), function(country) {
  simple_summ <- regression_results[[country]][["simple_summary"]] %>% 
    mutate(Model = "Basit", Country = country)
  multiple_summ <- regression_results[[country]][["multiple_summary"]] %>% 
    mutate(Model = "Çoklu", Country = country)
  bind_rows(simple_summ, multiple_summ)
}) %>% bind_rows()

# Regresyon sonuçlarını tablo olarak gösterme
kable(all_results, 
      caption = "Tablo 2: Regresyon Sonuçları (Katsayılar)",
      col.names = c("Terim", "Katsayı", "Standart Hata", "t Değeri", "p Değeri", 
                    "Model", "Ülke"),
      digits = c(0, 0, 0, 2, 3, 0, 0)) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
                font_size = 12) %>%
  scroll_box(width = "100%", height = "400px")

Tablo 2: Regresyon Sonuçları (Katsayılar)
Terim	Katsayı	Standart Hata	t Değeri	p Değeri	Model	Ülke
(Intercept)	137381	24495	5.61	0.000	Basit	Almanya
Energy_pc	-25	6	-3.97	0.001	Basit	Almanya
(Intercept)	146148	58190	2.51	0.022	Çoklu	Almanya
Energy_pc	-24	7	-3.48	0.003	Çoklu	Almanya
Industry_share	-408	2441	-0.17	0.869	Çoklu	Almanya
(Intercept)	-6370	1349	-4.72	0.000	Basit	Endonezya
Energy_pc	13	2	6.64	0.000	Basit	Endonezya
(Intercept)	-1174	4925	-0.24	0.814	Çoklu	Endonezya
Energy_pc	10	3	3.42	0.003	Çoklu	Endonezya
Industry_share	-79	72	-1.10	0.287	Çoklu	Endonezya
(Intercept)	8009	4923	1.63	0.120	Basit	Meksika
Energy_pc	1	3	0.29	0.777	Basit	Meksika
(Intercept)	7966	7591	1.05	0.308	Çoklu	Meksika
Energy_pc	1	4	0.21	0.833	Çoklu	Meksika
Industry_share	2	295	0.01	0.994	Çoklu	Meksika

# Model özetleri tablosu
kable(model_summaries %>% select(Country, Model, r.squared, adj.r.squared, 
                                 sigma, statistic, p.value, df, df.residual),
      caption = "Tablo 3: Model Özet İstatistikleri",
      col.names = c("Ülke", "Model", "R²", "Düzeltilmiş R²", "Hata Terimi Std.", 
                    "F İstatistiği", "F p Değeri", "Serbestlik Derecesi", 
                    "Artık Serbestlik Derecesi"),
      digits = c(0, 0, 3, 3, 0, 2, 3, 0, 0)) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
                font_size = 12)

Tablo 3: Model Özet İstatistikleri
Ülke	Model	R²	Düzeltilmiş R²	Hata Terimi Std.	F İstatistiği	F p Değeri	Serbestlik Derecesi	Artık Serbestlik Derecesi
Almanya	Basit	0.453	0.424	6308	15.74	0.001	1	19
Almanya	Çoklu	0.454	0.393	6476	7.48	0.004	2	18
Endonezya	Basit	0.699	0.683	693	44.15	0.000	1	19
Endonezya	Çoklu	0.718	0.687	689	22.91	0.000	2	18
Meksika	Basit	0.004	-0.048	1258	0.08	0.777	1	19
Meksika	Çoklu	0.004	-0.106	1293	0.04	0.962	2	18

5.1 Basit Regresyon Grafikleri

Aşağıda her ülke için basit regresyon ilişkisini gösteren grafikler yer almaktadır. Bu grafikler, enerji tüketimi ile ekonomik büyüme arasındaki ilişkinin görsel olarak değerlendirilmesine olanak tanımaktadır.

# Basit regresyon grafikleri
plots_simple <- list()

for (country in unique(veri$Country)) {
  country_data <- veri %>% filter(Country == country)
  
  p <- ggplot(country_data, aes(x = Energy_pc, y = GDP_pc)) +
    geom_point(color = "#2c7fb8", size = 3, alpha = 0.7) +
    geom_smooth(method = "lm", se = TRUE, color = "#f03b20", 
                linetype = "solid", fill = "#feb24c", alpha = 0.2) +
    labs(
      title = paste0(country, " için Basit Regresyon: GSYH ~ Enerji Tüketimi"),
      subtitle = "Mavi noktalar: Gerçek gözlemler | Kırmızı çizgi: Regresyon doğrusu",
      x = "Kişi Başına Enerji Tüketimi (TOE)",
      y = "Kişi Başına GSYH (USD)"
    ) +
    theme_minimal(base_size = 14) +
    theme(
      plot.title = element_text(size = 14, face = "bold"),
      plot.subtitle = element_text(size = 10)
    )
  
  # Regresyon modelinden bilgileri ekleyelim
  model <- lm(GDP_pc ~ Energy_pc, data = country_data)
  coef_info <- tidy(model)
  r2 <- summary(model)$r.squared
  
  # Grafiğe regresyon bilgilerini ekleyelim
  p <- p + 
    annotate("text", x = min(country_data$Energy_pc, na.rm = TRUE), 
             y = max(country_data$GDP_pc, na.rm = TRUE) * 0.95,
             label = paste0("Katsayı: ", round(coef_info$estimate[2], 0), 
                           "\nR²: ", round(r2, 3)),
             hjust = 0, vjust = 1, size = 4)
  
  plots_simple[[country]] <- p
}

# Grafikleri düzenleme
grid.arrange(grobs = plots_simple, ncol = 1)

5.2 Çoklu Regresyon Görselleştirmesi

Aşağıda çoklu regresyon modellerinin görselleştirilmesi yer almaktadır. Bu grafikler, hem enerji tüketimi hem de sanayi payının ekonomik büyüme üzerindeki birleşik etkisini göstermektedir.

# Çoklu regresyon grafikleri
plots_multiple <- list()

for (country in unique(veri$Country)) {
  country_data <- veri %>% filter(Country == country)
  
  # Çoklu regresyon modeli
  model_multi <- lm(GDP_pc ~ Energy_pc + Industry_share, data = country_data)
  
  # Tahmin edilen değerler
  country_data$GDP_hat <- predict(model_multi, newdata = country_data)
  
  p <- ggplot(country_data, aes(x = Energy_pc, y = GDP_pc)) +
    geom_point(aes(color = Industry_share, size = Industry_share), alpha = 0.7) +
    geom_line(aes(y = GDP_hat), color = "#f03b20", size = 1.2) +
    scale_color_gradient(low = "#2c7fb8", high = "#feb24c", 
                         name = "Sanayi Payı (%)") +
    scale_size_continuous(range = c(2, 6), guide = "none") +
    labs(
      title = paste0(country, " için Çoklu Regresyon: GSYH ~ Enerji + Sanayi Payı"),
      subtitle = "Nokta rengi ve büyüklüğü: Sanayi payı | Çizgi: Model tahmini",
      x = "Kişi Başına Enerji Tüketimi (TOE)",
      y = "Kişi Başına GSYH (USD)"
    ) +
    theme_minimal(base_size = 14) +
    theme(
      plot.title = element_text(size = 14, face = "bold"),
      plot.subtitle = element_text(size = 10),
      legend.position = "bottom"
    )
  
  # Model bilgilerini ekleyelim
  r2 <- summary(model_multi)$r.squared
  adj_r2 <- summary(model_multi)$adj.r.squared
  
  p <- p + 
    annotate("text", x = min(country_data$Energy_pc, na.rm = TRUE), 
             y = max(country_data$GDP_pc, na.rm = TRUE) * 0.95,
             label = paste0("R²: ", round(r2, 3), 
                           "\nDüz. R²: ", round(adj_r2, 3)),
             hjust = 0, vjust = 1, size = 4)
  
  plots_multiple[[country]] <- p
}

# Grafikleri düzenleme
grid.arrange(grobs = plots_multiple, ncol = 1)

Regresyon Analizi Sonuçlarının Kapsamlı Yorumu

. Almanya İçin Detaylı Analiz

Temel Bulgular:

Basit Regresyon (GSYH ~ Enerji):
- Enerji katsayısı: -24.8 (p=0.001, ***)
- Yorum: Enerji tüketimindeki her 1 kg petrol eşdeğeri artış, kişi başına GSYH’de ortalama 25 USD azalma ile ilişkili
- Model kalitesi: R²=%45.3, orta düzeyde açıklayıcı güç
Çoklu Regresyon (GSYH ~ Enerji + Sanayi):
- Enerji katsayısı: -24.2 (p=0.003, ***) - tutarlı ve istatistiksel olarak anlamlı
- Sanayi payı katsayısı: -408 (p=0.869) - istatistiksel olarak anlamsız
- Model kalitesi: R²=%45.4, sanayi payı eklenince model iyileşmiyor (Düz. R²: %42.4’ten %39.3’e düşüyor)

Ekonomik Yorum:

Almanya’da enerji tüketimi ile ekonomik büyüme arasında istatistiksel olarak anlamlı NEGATİF bir ilişki bulunmaktadır. Bu beklenmedik sonuç şu faktörlerle açıklanabilir:

Enerji Verimliliği Etkisi: 2000-2020 döneminde Almanya enerji verimliliğinde önemli ilerleme kaydetmiştir. Enerji tüketimi azalırken (önceden görülen tanımlayıcı istatistiklerde de düşüş trendi vardı) ekonomik çıktı artmaya devam etmiştir.
Yapısal Dönüşüm: Almanya ekonomisi sanayiden hizmetlere ve yüksek teknolojiye doğru kaymıştır. Bu sektörler enerji-yoğun olmayıp daha fazla katma değer yaratmaktadır.
Enerji Politikaları: Energiewende (enerji dönüşümü) politikaları ile yenilenebilir enerjiye geçiş ve enerji tasarrufu teşvikleri etkili olmuştur.
Teknolojik İlerleme: Enerji verimli teknolojilerin yaygınlaşması, aynı ekonomik çıktıyı daha az enerji ile üretmeyi mümkün kılmıştır.

Önemli Not: Bu negatif ilişki “enerji tüketimini azaltmak büyümeyi artırır” şeklinde nedensellik içermez. Daha ziyade, Almanya’nın ekonomik yapısının ve teknolojik kapasitesinin enerji verimliliğini artırması ile açıklanabilir.

. Endonezya İçin Detaylı Analiz

Temel Bulgular:

Basit Regresyon (GSYH ~ Enerji):
- Enerji katsayısı: +13.1 (p<0.001, ***)
- Yorum: Enerji tüketimindeki her 1 kg petrol eşdeğeri artış, kişi başına GSYH’de ortalama 13 USD artış ile ilişkili
- Model kalitesi: R²=%69.9, yüksek açıklayıcı güç
Çoklu Regresyon (GSYH ~ Enerji + Sanayi):
- Enerji katsayısı: +10.4 (p=0.003, ***) - hala anlamlı ama katsayı büyüklüğü azalıyor
- Sanayi payı katsayısı: -79 (p=0.287) - istatistiksel olarak anlamsız
- Model kalitesi: R²=%71.8, sanayi payı eklenince hafif iyileşme

Ekonomik Yorum:

Endonezya’da enerji tüketimi ile ekonomik büyüme arasında güçlü ve istatistiksel olarak anlamlı POZİTİF bir ilişki bulunmaktadır:

Sanayileşme Süreci: Endonezya hızlı sanayileşme aşamasında olan bir gelişmekte olan ülkedir. Sanayi sektörü enerji-yoğun olduğundan, enerji tüketimindeki artış doğrudan üretim kapasitesi ve ekonomik büyüme ile ilişkilidir.
Altyapı Gelişimi: Enerji altyapısının genişlemesi (elektrik şebekesi, ulaşım, imalat) ekonomik aktiviteyi doğrudan desteklemektedir.
Enerji-Üretim Tamamlayıcılığı: Gelişmekte olan ekonomilerde enerji, sermaye ve emek ile tamamlayıcı bir üretim faktörüdür.
Modelin Açıklayıcı Gücü: %70’in üzerinde R² değeri, Endonezya’daki ekonomik büyümenin önemli ölçüde enerji tüketimi ile açıklanabildiğini göstermektedir.

İlginç Bulgu: Sanayi payı kontrol değişkeni olarak eklendiğinde enerji katsayısı 13.1’den 10.4’e düşmektedir. Bu, sanayi sektörünün enerji-büyüme ilişkisinde aracı bir rol oynadığını düşündürmektedir.

. Meksika İçin Detaylı Analiz

Temel Bulgular:

Basit Regresyon (GSYH ~ Enerji):
- Enerji katsayısı: +0.89 (p=0.777) - istatistiksel olarak anlamsız
- Model kalitesi: R²=%0.4, neredeyse sıfır açıklayıcı güç
- Negatif düzeltilmiş R² (-%4.8): Modelin açıklama gücü sıfırdan daha kötü
Çoklu Regresyon (GSYH ~ Enerji + Sanayi):
- Enerji katsayısı: +0.84 (p=0.833) - anlamsız
- Sanayi payı katsayısı: +2.3 (p=0.994) - anlamsız
- Model kalitesi: R²=%0.4, Düz. R²=-%10.6 (daha da kötüleşiyor)

Ekonomik Yorum:

Meksika’da enerji tüketimi ve sanayi payının ekonomik büyüme üzerinde istatistiksel olarak anlamlı bir etkisi YOKTUR:

Orta Gelir Tuzağı Dinamikleri: Meksika orta gelirli bir ülke olarak, büyümesi enerji tüketimi gibi temel girdilerden çok teknoloji, inovasyon, kurumsal kalite ve beşeri sermaye gibi faktörlere bağlı olabilir.
Hizmet Ekonomisine Geçiş: Meksika ekonomisinde hizmet sektörünün payı artmaktadır. Hizmet sektörü imalata göre daha az enerji-yoğundur.
Verimsiz Enerji Kullanımı: Enerji tüketimi olabilir ancak verimli kullanılmıyor olabilir (kayıp-kaçak oranları, eski teknoloji).
Diğer Büyüme Motorları: Meksika’nın büyümesi ABD ekonomisi ile entegrasyon, turizm, remittances (dışardan gelen döviz) ve doğal kaynak gelirleri gibi diğer faktörlere daha bağımlı olabilir.

Çarpıcı Bulgu: Modelin negatif düzeltilmiş R² değerleri, bu model spesifikasyonunun Meksika verileri için tamamen uygun olmadığını göstermektedir. Başka faktörler veya farklı fonksiyonel formlar gerekli olabilir.

. Ülkeler Arası Karşılaştırmalı Analiz

Tablo: Ülke Bazında Karşılaştırma

Kriter	Almanya	Endonezya	Meksika
Enerji-Büyüme İlişkisi	Negatif (-)	Pozitif (+++)	İlişki Yok
İstatistiksel Anlamlılık	Yüksek (p<0.01)	Yüksek (p<0.01)	Anlamsız (p>0.77)
Model Açıklama Gücü (R²)	Orta (%45)	Yüksek (%70)	Çok Düşük (<%1)
Sanayi Payı Etkisi	Anlamsız	Anlamsız	Anlamsız
Ekonomik Aşama	Gelişmiş	Gelişmekte Olan	Orta Gelirli
Ana Bulgu	Enerji verimliliği	Enerji bağımlı büyüme	Diğer faktörler önemli

Teorik Çerçeve ve Bulguların Uyumu:

Çevresel Kuznets Eğrisi Hipotezi: Almanya’nın negatif ilişkisi, gelişmiş ekonomilerde enerji verimliliğinin artması ve yeşil teknolojilere geçiş ile tutarlıdır.
Kalkınma Aşamaları Kuramı:
- Endonezya (erken sanayileşme): Enerji tüketimi büyüme için kritik
- Meksika (orta gelir): Enerjiden teknolojiye geçiş aşaması
- Almanya (ileri ekonomi): Enerji verimliliği ve yenilenebilir enerji önemli
Enerji-Büyüme Hipotezleri:
- Almanya: “Korunma hipotezi”ne uygun (büyüme → enerji verimliliği)
- Endonezya: “Büyüme hipotezi”ne uygun (enerji → büyüme)
- Meksika: “Tarafsızlık hipotezi”ne uygun (ilişki yok)

. Politika Çıkarımları

Almanya İçin:

Enerji verimliliği politikaları başarılı olmuştur, devam edilmeli
Yenilenebilir enerji geçişi ekonomik büyümeyi olumsuz etkilememiştir
Yeşil büyüme stratejileri sürdürülebilir

Endonezya İçin:

Enerji altyapısı yatırımları büyüme için kritik önemde
Enerji verimliliği iyileştirmeleri ile büyüme potansiyeli artırılabilir
Sanayileşme sürecinde enerji planlaması stratejik öneme sahip

Meksika İçin:

Enerji politikaları ekonomik büyüme için yeterli değil
Teknoloji, inovasyon ve beşeri sermaye yatırımlarına odaklanılmalı
Enerji verimliliği programları geliştirilmeli

. Metodolojik Sınırlılıklar ve İleri Araştırmalar

Mevcut Çalışmanın Sınırlılıkları:

Zaman Serisi Kısalığı: 21 gözlem istatistiksel gücü sınırlamaktadır
Nedensellik Sorunu: Korelasyon nedensellik değildir
Eksik Değişkenler: Teknoloji, beşeri sermaye, kurumsal kalite gibi faktörler modele dahil edilmemiştir
Doğrusallık Varsayımı: İlişkiler doğrusal olmayabilir

Önerilen İleri Araştırmalar:

Panel Veri Analizi: Daha fazla ülke ve zaman periyodu ile
Nedensellik Testleri: Granger nedensellik testleri
Dinamik Modeller: Gecikmeli etkileri içeren modeller
Yapısal Kırılma Analizleri: Politik değişimlerin etkisi
Enerji Kaynağı Ayrıştırması: Fosil vs. yenilenebilir enerji etkileri

6. Araştırmanın Eksikleri ve Kısıtları

Bu çalışmanın bazı sınırlılıkları ve eksiklikleri bulunmaktadır:

6.1 Yapılan Regresyonların Eleştirisi

Kısa zaman serisi: 2000-2020 dönemi sadece 21 yıllık gözlem sunmaktadır. Kısa zaman serileri, özellikle istatistiksel anlamlılık testlerinde güç sorunlarına yol açabilir ve bazı ilişkilerin gözlemlenmesini sınırlayabilir. 21 gözlem, zaman serisi analizleri için minimum sınırda kabul edilebilir bir sayıdır.
Durağanlık ve otokorelasyon sorunları: Zaman serisi regresyonlarında değişkenlerin durağan olmaması (birim kök sorunu) ve hata terimlerinde otokorelasyon olması, OLS tahminlerinin yanlı ve tutarsız olmasına neden olabilir. Bu çalışmada bu testler yapılmamıştır.
Yanlış model belirleme: Basit lineer modeller kullanılmış olup, değişkenler arasındaki ilişkinin doğrusal olmayabileceği göz ardı edilmiştir. Örneğin, enerji tüketimi ile büyüme arasındaki ilişki ters-U şeklinde (çevresel Kuznets eğrisi) olabilir.

6.2 Sonuçların Neden Yanlış veya Yanıltıcı Olabileceği

Nedensellik sorunu: Regresyon analizleri korelasyonu gösterse de, nedenselliği kanıtlamaz. Enerji tüketimi ekonomik büyümeyi artırıyor olabileceği gibi, ekonomik büyüme de enerji talebini artırıyor olabilir. Bu çalışmada nedensellik yönü test edilmemiştir.
Eksik değişken yanlılığı: Modelde enerji tüketimi ve sanayi payı dışında ekonomik büyümeyi etkileyebilecek diğer önemli değişkenler (beşeri sermaye, teknolojik ilerleme, yatırım oranı, kurumsal kalite, dış ticaret vb.) dahil edilmemiştir. Bu durum, tahmin edilen katsayılarda yanlılığa neden olabilir.
Ölçüm hataları: GSYH ve enerji tüketimi verilerinde ölçüm hataları olabilir. Özellikle gelişmekte olan ülkelerde resmi istatistikler gerçek ekonomik aktiviteyi tam olarak yansıtmayabilir.

6.3 Çalışmanın Sınırlılıkları

Sadece üç ülke: Almanya, Meksika ve Endonezya seçilmiştir. Bu ülkeler farklı kalkınma düzeylerini temsil etse de, bulgular tüm ülkeler için genellenemez.
Zaman periyodu sınırlaması: 2000-2020 dönemi, küresel ekonomik krizler (2008 finansal krizi, COVID-19 pandemisi) gibi şokları içermektedir. Bu şoklar, değişkenler arasındaki uzun dönemli ilişkiyi bozabilir.
Enerji kalitesi ve verimliliği: Enerji tüketimi sadece miktarsal olarak değerlendirilmiş, enerji verimliliği veya enerji kaynaklarının çeşitliliği (yenilenebilir vs. fosil yakıtlar) hesaba katılmamıştır. Bu durum, enerji-büyüme ilişkisinin tam olarak yakalanmasını engelleyebilir.
Yapısal kırılmalar: İncelenen dönemde ülkelerde yapısal değişimler (enerji politikalarında değişiklikler, sanayi politikaları, teknolojik devrimler) olmuş olabilir. Bu kırılmalar dikkate alınmamıştır.
Panel veri analizi eksikliği: Ülke bazlı zaman serisi analizleri, ülkeler arası karşılaştırmalı analizler için yetersiz kalabilir. Panel veri yöntemleri kullanılsaydı, hem zaman hem de kesit boyutundaki varyasyon daha etkin bir şekilde kullanılabilirdi.

Bu sınırlılıklar göz önünde bulundurulduğunda, çalışmanın bulguları temkinli bir şekilde yorumlanmalı ve gelecekteki araştırmalarda bu eksikliklerin giderilmesi önerilmelidir.

7. Sonuç

Bu çalışma, enerji tüketimi ve sanayileşmenin ekonomik büyüme üzerindeki etkisini 2000-2020 dönemi için Almanya, Meksika ve Endonezya özelinde zaman serisi regresyonları ile incelemiştir. Elde edilen bulgular, enerji-büyüme ilişkisinin ekonomik gelişmişlik düzeyine bağlı olarak kökten farklılaştığını ortaya koymaktadır:

Almanya (Gelişmiş Ekonomi): Enerji tüketimi ile ekonomik büyüme arasında negatif ve istatistiksel olarak anlamlı bir ilişki tespit edilmiştir (β = -25, p < 0.01). Bu beklenmedik sonuç, ülkenin enerji verimliliğindeki kayda değer ilerlemeyi, yeşil dönüşüm (Energiewende) politikalarını ve sanayiden bilgi-yoğun sektörlere geçişini yansıtmaktadır. Enerji tüketimindeki mutlak düşüş, daha yüksek katma değerli bir ekonomiyle bir arada var olabilmektedir.

Endonezya (Gelişmekte Olan Ekonomi): Enerji tüketimi ile büyüme arasında güçlü, pozitif ve anlamlı bir ilişki bulunmuştur (β = +13, p < 0.01). Modelin yüksek açıklama gücü (R² = %70), ülkenin halihazırdaki büyüme patikasının enerji-yoğun sanayileşmeye sıkı sıkıya bağlı olduğunu göstermektedir. Bu durum, kalkınmanın erken aşamalarında enerjinin temel bir üretim girdisi olarak kritik rolünü teyit etmektedir.

Meksika (Orta Gelirli Ekonomi): Analiz edilen dönem için ne enerji tüketiminin ne de sanayi payının ekonomik büyüme üzerinde istatistiksel olarak anlamlı bir etkisi olmadığı görülmüştür. Dahası, modellerin negatif düzeltilmiş R² değerleri, bu basit model spesifikasyonunun Meksika’nın büyüme dinamiklerini açıklamada yetersiz kaldığına işaret etmektedir. Bu bulgu, orta gelirli ekonomilerde büyümenin teknoloji, beşeri sermaye, kurumsal yapı veya hizmet sektörü gibi daha karmaşık faktörler tarafından yönlendirilebileceğini düşündürmektedir.

Genel Çıkarım ve Politika Önerisi: Enerji ile ekonomik büyüme arasındaki ilişkinin yönü ve şiddeti, ülkenin kalkınma aşamasına göre belirgin biçimde değişmektedir. Bu nedenle, küresel veya tek tip enerji politikaları yerine, ülkelerin içinde bulundukları kalkınma aşamasına ve yapısal özelliklerine uygun, kademeli ve farklılaştırılmış politikalar geliştirilmelidir. Gelişmekte olan ülkeler için enerji arz güvenliği ve altyapı yatırımları öncelikliyken, gelişmiş ülkeler için odak noktası enerji verimliliği ve yenilenebilir kaynaklara geçiş olmalıdır.

Çalışma, ülke bazlı zaman serisi analizlerinin bu tür bağlama özgü içgörüler sağlamadaki değerini ortaya koysa da, 6. Bölümde detaylandırılan metodolojik sınırlılıklar (kısa zaman serisi, nedensellik sorunu, eksik değişken yanlılığı vb.) nedeniyle bulgular temkinli bir şekilde yorumlanmalıdır. Gelecekteki araştırmalar, daha uzun zaman serileri, nedensellik testleri ve daha kapsamlı modellerle bu bulguları genişletmelidir.

Kaynaklar

Kraft, J., & Kraft, A. (1978). On the Relationship between Energy and GNP. Journal of Energy and Development, 3(2), 401-403.
Stern, D. I. (2000). A Multivariate Cointegration Analysis of the Role of Energy in the US Macroeconomy. Energy Economics, 22(2), 267-283.
Lee, C. C. (2005). Energy Consumption and GDP in Developing Countries: A Cointegrated Panel Analysis. Energy Economics, 27(3), 415-427.
Apergis, N., & Payne, J. E. (2009). Energy Consumption and Economic Growth in Central America: Evidence from a Panel Cointegration and Error Correction Model. Energy Economics, 31(2), 211-216.
Narayan, P. K., & Smyth, R. (2008). Energy Consumption and Real GDP in G7 Countries: New Evidence from Panel Cointegration. Energy Economics, 30(5), 2331-2341.
Dünya Bankası (2023). World Development Indicators. Erişim: https://data.worldbank.org/indicator

Enerji Tüketimi, Sanayileşme ve Ekonomik Büyüme Arasındaki İlişki: Almanya, Meksika ve Endonezya Üzerine Zaman Serisi Analizi

Abdelaziz Moussa naga

15 January 2026

Özet (Abstract)

1. Giriş

2. Literatür Taraması

3. Veri ve Değişkenler

3.1 Kullanılan Değişkenler

3.2 Veri Kaynağı

3.3 Zaman Serisi Grafikleri

3.4 Tanımlayıcı İstatistikler

Ana Çıkarım: Gelişmiş ülkelerde (Almanya) düşük volatilite ve dengeli yapı; gelişmekte olan ülkelerde (Endonezya) yüksek volatilite ve dinamik dönüşüm hakim.

4. Yöntem (Method)

1. Veri Hazırlığı

2. Regresyon Modelleri

3. Analiz Yöntemi

4. Grafik ve Tanımlayıcı İstatistik

5. Regresyon Analizleri

5.1 Basit Regresyon Grafikleri

5.2 Çoklu Regresyon Görselleştirmesi

Regresyon Analizi Sonuçlarının Kapsamlı Yorumu

. Almanya İçin Detaylı Analiz

Temel Bulgular:

Ekonomik Yorum:

. Endonezya İçin Detaylı Analiz

Temel Bulgular:

Ekonomik Yorum:

. Meksika İçin Detaylı Analiz

Temel Bulgular:

Ekonomik Yorum:

. Ülkeler Arası Karşılaştırmalı Analiz

Tablo: Ülke Bazında Karşılaştırma

Teorik Çerçeve ve Bulguların Uyumu:

. Politika Çıkarımları

Almanya İçin:

Endonezya İçin:

Meksika İçin:

. Metodolojik Sınırlılıklar ve İleri Araştırmalar

Mevcut Çalışmanın Sınırlılıkları:

Önerilen İleri Araştırmalar:

6. Araştırmanın Eksikleri ve Kısıtları

6.1 Yapılan Regresyonların Eleştirisi

6.2 Sonuçların Neden Yanlış veya Yanıltıcı Olabileceği

6.3 Çalışmanın Sınırlılıkları

7. Sonuç

Kaynaklar