Türkiye Stratejik Kalkınma Perspektifi | Deneme

• Teknoloji ve inovasyon denilince aklınıza neler geliyor? Teknoloji ve inovasyon nerede gerçekleşiyor? Bir fabrikanın üretim bandında mı, bir kurumda mı, insanlarda mı, sosyal, yapıda mı? Teknoloji ve inovasyon ne için kullanılıyor, amacı nedir? Neye ve kime hizmet eder? Günlük işlerimizi kolaylaştırmak mıdır, gelişim midir, değişim mi? Yoksa bir teslimiyet? Peki tüm bu sorular ışığında Türkiye için teknoloji ve inovasyon ne olmalıdır?

• Teknoloji ve inovasyon, modern ekonomide yalnızca teknik birer terim değil; çarpanlı büyümenin, endüstriyel otomasyonun ve toplumsal değişimin ana dinamosudur. Bu dinamiklerin nerede ve kimin eliyle hayat bulduğu sorusu ise bizi tek bir merkeze değil; bireyden kurumlara, üretim fabrikalarından toplumsal ağlara uzanan entegre bir ekosisteme götürür. Bence buradaki amaç toplumsal refahı ve makroekonomik gelişimi sürdürülebilir kılmaktır.

• Bu çerçevede Türkiye’nin kalkınma perspektifinde teknoloji ve inovasyon dış şoklara karşı yapısal direnci artıran, yerli üretimi küresel değer zincirinde yukarı taşıyan, stratejik sektörler arasında güçlü bağlar kuran ve sosyal yapıyı gözeten bir kaldıraç olarak konumlandırılmalıdır. Burada dikkat edilmesi gereken nokta ise teknoloji ve inovasyonun salt bir kapasite artışından öte; istihdam, emek verimliliği, katma değer, sermaye verimliliği, sosyal değişimler gibi faktörler ile bir arada stratejik olarak ele alınmasının gerekliliğidir

• Bu çalışma kapsamında (sunum süresindeki zaman kısıtları göz önünde bulundurularak) analizim sektörel yurt içi üretim verilerinin karşılıklı bağlantılılık ilişkileri ve katma değer yaratma potansiyelleri ile sınırlandırılmıştır. Elde edilen bulgular doğrultusunda, Türkiye ekonomisinde teknoloji ve inovasyon odaklı kalkınma stratejileri için hangi sektörlerin önceliklendirilmesi ve nasıl bir yapı kurulması gerektiğine dair stratejik önerileri sunmayı amaçlıyorum.

# 1. Loading Data
library(readxl)
library(here)
Domestic_Production_IO <- read_excel(here("Yurtiçi Üretim Girdi - Çıktı Tablosu, 2023 (Temel Fiyatlarla) [Cari Fiyatlarla].xls"))

#2. Decomposition of Matrices (Z&X)
#Sektör isimlerini ve kodlarını kaydedelim. 
sector_codes <- Domestic_Production_IO[9:72, 2]
sector_names <- Domestic_Production_IO[9:72, 3]

#Ara tüketim matrisi (Z) 64x64
Z_raw <- Domestic_Production_IO[9:72, 4:67]
Z <- matrix(as.numeric(as.matrix(Z_raw)), nrow = 64, ncol = 64)

#Toplam Üretim Vektörü
X <- as.numeric(Domestic_Production_IO[85, 4:67])


#3. Coefficients (A) and Inverse Leontief (L)
#Teknik Katsayılar Matrisi (A)
A <- sweep(Z, 2, X, "/")

# Kimlik Matrisi (I)
I <- diag(64)

# Leontief Ters Matrisi (L)
L <- solve(I - A)


#4. Forward Linkages (FL) and Backward Linkages (BL) 
# Ham bağlantı katsayıları
BL_raw <- colSums(L)
FL_raw <- rowSums(L)

# Normalizasyon faktörü (Tüm matrisin ortalaması)
n <- 64
avg_L <- mean(L)

# Normalize edilmiş Rasmussen Endeksleri
BL_normalized <- BL_raw / (n * avg_L)
FL_normalized <- FL_raw / (n * avg_L)

# Sonuçları veri çerçevesinde (data.frame) birleştirelim
sonuclar <- data.frame(
  Kod = sector_codes,
  Sektor_Adi = sector_names,
  Geri_Baglanti = BL_normalized,
  Ileri_Baglanti = FL_normalized)


#5. Presentation of Data
library(ggplot2)
library(ggrepel)


colnames(sonuclar) <- c("Kod", "Sektor_Adi", "Geri_Baglanti", "Ileri_Baglanti")

 
ggplot(sonuclar, aes(x = Geri_Baglanti, y = Ileri_Baglanti)) + 
  
 
  geom_point(color = "blue", size = 3, alpha = 0.8) +
  
 
  geom_text_repel(
    aes(label = Kod), 
    size = 2.8, 
    fontface = "bold",
    color = "black",
    max.overlaps = 35,
    box.padding = 0.2,
    point.padding = 0.2,
    segment.color = "transparent" 
  ) +
  
  # Kesikli kırmızı referans çizgileri (Tam 1 noktasından geçen)
  geom_vline(xintercept = 1, linetype = "dashed", color = "#dc524d", linewidth = 0.8) +
  geom_hline(yintercept = 1, linetype = "dashed", color = "#dc524d", linewidth = 0.8) +
  
  # Eksen sınırlarını görseldekiyle birebir eşitleme
  coord_cartesian(xlim = c(0.50, 1.50), ylim = c(0.50, 4.00)) +
  
  # Ana Başlık ve Alt Başlık Yazıları
  labs(
    title = "Yurtiçi Üretim Sektörel Bağlantı Etkileri ve Sınıflandırma (2023)",
    subtitle = "Rasmussen-Jones Yöntemine Göre İleri ve Geri Bağlantı Endeksleri", 
    x = "Geri Bağlantı Endeksi (Backward Linkage)",
    y = "İleri Bağlantı Endeksi (Forward Linkage)"
  ) +
  
  # Beyaz arka plan ve kılavuz çizgileri düzeni
  theme_bw(base_size = 11) + 
  theme(
    plot.title = element_text(face = "bold", size = 13, hjust = 0.5, margin = margin(b = 4)),
    plot.subtitle = element_text(size = 9, hjust = 0.5, color = "black", margin = margin(b = 15)),
    axis.title = element_text(face = "bold", size = 10),
    axis.text = element_text(color = "gray40", size = 9),
    panel.grid.minor = element_blank(),
    panel.grid.major = element_line(color = "gray93"),
    panel.border = element_rect(color = "gray85", fill = NA, linewidth = 0.5)
  ) +
  
  # KUADRANT METİNLERİ: Konum ve renkler 
  
  # I. Çeyrek (Sağ Üst - Yeşil) 
  annotate("text", x = 1.3, y = 1.30, label = "I. ANAHTAR SEKTÖRLER\n(Güçlü BL & Güçlü FL)", color = "darkgreen", fontface = "italic", size = 3.5, hjust = 0) +
  
  # II. Çeyrek (Sol Üst - Mavi)
  annotate("text", x = 0.7, y = 1.30, label = "II. İLERİ DOĞRU BAĞLI\n(Zayıf BL & Güçlü FL)", color = "#1a44a1", fontface = "italic", size = 3.5, hjust = 0) +
  
  # III. Çeyrek (Sol Alt - Gri)
  annotate("text", x = 0.7, y = 0.7, label = "III. ZAYIF BAĞLANTILI\n(Zayıf BL & Zayıf FL)", color = "gray20", fontface = "italic", size = 3.5, hjust = 0) +
  
  # IV. Çeyrek (Sağ Alt - Turuncu)
  annotate("text", x = 1.3, y = 0.7, label = "IV. GERİ DOĞRU BAĞIMLI\n(Güçlü BL & Zayıf FL)", color = "darkorange", fontface = "italic", size = 3.5, hjust = 0)

• Yukarıdaki grafikte TÜİK tarafından hazırlanan “Yurtiçi Üretim Girdi Çıktı (2023)” verileri kullanılarak hazırlanmış, Türkiye ekonomisindeki sektörlerin birbirleriyle olan organik bağlarını ve üretim zincirindeki rollerini anlamak adına önce Leontief yöntemi kullanılarak sektörel bağlantıları incelenmiş, ardından ölçek etkisinden kurtulmak adına normalize edilmiş ve birimsizleştirilmiş Rasmussen-Jones Yöntemi çıktıları gösterilmiştir.

• Burada kullandığımız Leontief yaklaşımı, ana akım iktisadın güçlü figürlerinden biri olan ve bu çalışmasıyla Nobel Ekonomi Ödülü’ne layık görülen Wassily Leontief’e dayanıyor. Elbette lineer üretim fonksiyonu varsayımı, tamamen talep yönlü olması ve hiçbir üretim kısıtı olmadığını varsayması (yani arz sonsuz) gibi eleştiriye açık yönleri var. Fakat statik bir yapıda ekonomideki zincirleme etkileri izleyebilmek adına hâlâ elimizdeki güçlü araçlardan biri.

• Öncelikle Girdi-çıktı analizlerini sektörlerin ağ üzerindeki bağlantılılık (linkage) durumunu ortaya koyarken, bu resmi hem bir bağlantılılık (potansiyel etki gücü) hem de bir bağımlılık (yapısal kırılganlık) ilişkisi üzerinden okumak gerekir.

• Burada vakit kısıtımızdan kaynaklı sadece iki zıt quandrantı inceleyerek aslında durumu özetlemeye çalışacağım.

  • Sağ Üst Bölge (Anahtar Sektörler): Hem FL hem de BL endekslerinin güçlü olduğu bu kuadrantta bulunan sektörler, hem güçlü birer alıcı hem de güçlü birer satıcıdır.
    • Bu kuadrantta bulunan (dış açık yaratmayan sektörlerde) teknoloji ve inovasyon politikaları kanalıyla sağlanacak verimlilik artışları tüm ekonomiye yayılacak güçlü bir pozitif çarpan etkisi yaratma potansiyeline sahiptir. Ancak bu asimetrik yapı, söz konusu sektörlerin kriz anlarında negatif şokları da aynı çarpan etkisiyle sisteme yayma riskini beraberinde getirmektedir. Bu sebeple kriz anında genellikle aktörler, güvence güdüsüyle stoklama davranışlarını dramatik şekilde artırmaktadır. Dolayısıyla bir öncü gösterge olarak tanımlanabilir.
    • Bu doğrultuda politika dizayn ederken bu sektörleri agresif sektörler olarak tanımlayabileceğimizi düşünüyorum. Dolayısıyla bu sektörlerde tedarik zincirlerinin desteklenmesi/güçlendirilmesi ve mevcut kaynak kısıtları ile yapısal avantajların irdelenmesi sonucu sektörler arası dengeli bir “dispersion yapısı”nın kurulması gerekir.
  • Sol Alt Bölge (Zayıf Bağlantılı): Hem FL hem de BL endekslerinin 1 seviyesinin altında kaldığı bu kuadrant, Otonom Sektörler olarak adlandırılabilir. Bu bölgede yer alan sektörler, mevcut üretim yapılarıyla ne diğer sektörleri geriye doğru güçlü bir şekilde sürüklemekte ne de ileriye doğru yoğun bir girdi akışıyla beslemektedir.Bu durum, söz konusu sektörlerin içsel üretim döngülerinin ekonominin geneline olan entegrasyon seviyesinin ve yayılım kapasitesinin görece düşük olduğunu göstermektedir.
    • Bağlantılılık ve bağımlılık perspektifinden baktığımızda eldeki kaynak kısıtları doğrultusunda stratejik birer fırsat alanı olarak da okunabilir. Bu kuadranttaki zayıf bağlantı profili, bu sektörlerin tek başına önemsiz olduğunu değil, mevcut üretim mimarisinde ekosisteme olan bağlarının henüz sığ kaldığını gösterir. Dolayısıyla teknoloji ve inovasyon politikalarında buraya yaklaşımın tüm sektörleri kapsayacak verimsiz bir kaynak dağıtımı yerine, içsel potansiyeli yüksek alanları seçerek, onların yerli üretim ağlarına olan entegrasyon yoğunluğunu artıracak hedefli teşviklerin kurgulanması olmalıdır. Risk yönetimi açısından defansif sektörler olarak da tanımlanabilir.

• Burada dikkat edilmesi gereken nokta zayıf bağlantılı sektörlerin değersiz,önemsiz ya da daha az önemli gibi yorumlanmasının doğru olmayışıdır. Girdi-çıktı analizinde asıl amaç, sektörleri yarıştırmaktan ziyade; dengeli, güvenli ve sürdürülebilir bir makroekonomik ekosistem inşa etmektir. Dolayısıyla buradaki yaklaşım, kısıtlı kamu ve özel sektör kaynaklarının etkin bir şekilde kurgulanmasıdır.

• Ek olarak bu bağlantılılık yapıları, dönüşümlerini kendi kaynakları doğrultusunda doğru kurgulamış gelişmekte olan ülkelerle karşılaştırılabilir.

Katma Değer İlişkileri

library(ggplot2)
library(ggrepel)

# 3. KATMA DEĞER ÇARPAN BİRLEŞİMİ

P1  <- as.numeric(Domestic_Production_IO[85, 4:67])
B1g <- as.numeric(Domestic_Production_IO[84, 4:67])

# Doğrudan Saf Yerli Katma Değer Katsayısı 
v_net_direct <- B1g / P1

# Leontief Toplam Geri Katma Değer Çarpanı (BL)
v_net_total_geri <- as.vector(as.numeric(v_net_direct %*% L))

# Ghosh Toplam İleri Katma Değer Çarpanı (FL)
B <- diag(1 / as.vector(X)) %*% as.matrix(Z)
I <- diag(nrow(B))
G <- solve(I - B)
v_net_total_ileri <- as.vector(G %*% as.matrix(v_net_direct))


temiz_kodlar_sentez  <- unlist(sector_codes)
temiz_isimler_sentez <- unlist(sector_names)

# Data Frame Kurulması
sentez_yerli_data <- data.frame(
  Kod = as.character(temiz_kodlar_sentez),
  Sektor = temiz_isimler_sentez,
  Toplam_Geri_Net_KD = v_net_total_geri,   # X Ekseni (Leontief BL)
  Toplam_Ileri_Net_KD = v_net_total_ileri  # Y Ekseni (Ghosh FL)
)


# MEDYANLAR

x_med_net <- median(sentez_yerli_data$Toplam_Geri_Net_KD)
y_med_net <- median(sentez_yerli_data$Toplam_Ileri_Net_KD)

# Eksen sınırları
x_min_n <- 0; x_max_n <- max(sentez_yerli_data$Toplam_Geri_Net_KD) + 0.1
y_min_n <- 0; y_max_n <- max(sentez_yerli_data$Toplam_Ileri_Net_KD) + 0.1

# GÖRSELLEŞTİRME (Önceki iki verinin birleşimi/sentezi)

ggplot(sentez_yerli_data, aes(x = Toplam_Geri_Net_KD, y = Toplam_Ileri_Net_KD)) + 
  
  # Sektörel Dağılım Noktaları
  geom_point(color = "blue", size = 3, alpha = 0.8) +
  
  # NACE Kod Etiketleri
  geom_text_repel(
    aes(label = Kod), 
    size = 2.6, 
    fontface = "bold",
    color = "black",
    max.overlaps = Inf,       
    box.padding = 0.3,         
    point.padding = 0.2,          
    segment.color = "gray70",    
    segment.alpha = 0.6
  ) +
  
  # Medyan Çizgileri
  geom_vline(xintercept = x_med_net, linetype = "dashed", color = "#dc524d", linewidth = 0.8) +
  geom_hline(yintercept = y_med_net, linetype = "dashed", color = "#dc524d", linewidth = 0.8) +
  

  coord_cartesian(xlim = c(x_min_n, x_max_n), ylim = c(y_min_n, y_max_n)) +
  
  
  labs(
    title = "Türkiye Ekonomisi Katma Değer Haritası (2023)",
    subtitle = "İthalat Filterli Leontief Geri (BL) ve Ghosh İleri (FL) Yerli Çarpan Dağılımı", 
    x = "Toplam Geri Net Katma Değer Çarpanı (Talep Uyarım Gücü / Leontief BL)",
    y = "Toplam İleri Net Katma Değer Çarpanı (Arz Dağıtım Gücü / Ghosh FL)"
  ) +
  
  # Kurumsal Tasarım Şablonu
  theme_bw(base_size = 11) + 
  theme(
    plot.title = element_text(face = "bold", size = 12, hjust = 0.5, margin = margin(b = 4)),
    plot.subtitle = element_text(size = 9, hjust = 0.5, color = "gray30", margin = margin(b = 15)),
    axis.title = element_text(face = "bold", size = 10),
    axis.text = element_text(color = "gray40", size = 9),
    panel.grid.minor = element_blank(),
    panel.grid.major = element_line(color = "gray93"),
    panel.border = element_rect(color = "gray85", fill = NA, linewidth = 0.5)
  ) +
  
  # ÇİFT TARAFLI MODELİN DOĞAL KONSEPTİNE UYGUN YENİ KUADRANT TANIMLARI
  # I. Çeyrek (Sağ Üst)
  annotate("text", x = x_med_net + 0.03, y = y_max_n - 0.05, 
           label = "I. YERLİ DEĞER MOTORLARI\n(Hem Arz Hem Talep Gücü Yüksek)", 
           color = "darkgreen", fontface = "italic", size = 2.8, hjust = 0) +
  
  # II. Çeyrek (Sol Üst)
  annotate("text", x = x_min_n + 0.03, y = y_max_n - 0.05, 
           label = "II. SİSTEMİK ARZ KALDIRAÇLARI\n(Yerli Dağıtım Ağı Geniş)", 
           color = "#1a44a1", fontface = "italic", size = 2.8, hjust = 0) +
  
  # III. Çeyrek (Sol Alt)
  annotate("text", x = x_min_n + 0.03, y = y_med_net - 0.7, 
           label = "III. DEĞER YOĞUNLUĞU DÜŞÜK ALANLAR\n(Medyan Altı Yerli Çarpan Yapısı)", 
           color = "#dc524d", fontface = "italic", size = 2.8, hjust = 0) +
  
  # IV. Çeyrek (Sağ Alt)
  annotate("text", x = x_med_net + 0.03, y = y_med_net - 0.7, 
           label = "IV. NET TALEP SÜRÜKLEYİCİLERİ\n(Yüksek Geri Bağlantılı)", 
           color = "darkorange4", fontface = "italic", size = 2.8, hjust = 0)

library(ggplot2)
library(ggrepel)


# 1. MAX TEORİK POTANSİYEL (KD + İTHALAT) 

P1     <- as.numeric(Domestic_Production_IO[85, 4:67])
B1g    <- as.numeric(Domestic_Production_IO[84, 4:67])
Import <- as.numeric(Domestic_Production_IO[74, 4:67])

# (B1g + Import) / P1 Tabanlı Teorik Tavan Katsayısı (İthalat sızıntıları dahil toplam hacim)
v_teorik_direct <- (B1g + Import) / P1

# A) Teorik Maksimum Geri Bağlantılı Çarpan (Leontief BL)
v_teorik_total_geri <- as.vector(as.numeric(v_teorik_direct %*% L))

# Teorik Maksimum İleri Bağlantılı Çarpan (Ghosh FL)
B <- diag(1 / as.vector(X)) %*% as.matrix(Z)
I <- diag(nrow(B))
G <- solve(I - B)
v_teorik_total_ileri <- as.vector(G %*% as.matrix(v_teorik_direct))


temiz_kodlar_teorik  <- unlist(sector_codes)
temiz_isimler_teorik <- unlist(sector_names)

# Teorik Tavan DataFrame
sentez_teorik_data <- data.frame(
  Kod = as.character(temiz_kodlar_teorik),
  Sektor = temiz_isimler_teorik,
  Toplam_Geri_Teorik_KD = v_teorik_total_geri,   # X Ekseni (Teorik Leontief BL)
  Toplam_Ileri_Teorik_KD = v_teorik_total_ileri  # Y Ekseni (Teorik Ghosh FL)
)




x_med_teorik <- median(sentez_teorik_data$Toplam_Geri_Teorik_KD)
y_med_teorik <- median(sentez_teorik_data$Toplam_Ileri_Teorik_KD)


x_min_t <- 0; x_max_t <- max(sentez_teorik_data$Toplam_Geri_Teorik_KD) + 0.1
y_min_t <- 0; y_max_t <- max(sentez_teorik_data$Toplam_Ileri_Teorik_KD) + 0.1


# GÖRSELLEŞTİRME 

ggplot(sentez_teorik_data, aes(x = Toplam_Geri_Teorik_KD, y = Toplam_Ileri_Teorik_KD)) + 
  
  
  geom_point(color = "#1f4068", size = 3, alpha = 0.8) +
  
  # NACE Kod Etiketleri
  geom_text_repel(
    aes(label = Kod), 
    size = 2.6, 
    fontface = "bold",
    color = "black",
    max.overlaps = Inf,       
    box.padding = 0.3,         
    point.padding = 0.2,          
    segment.color = "gray70",    
    segment.alpha = 0.6
  ) +
  
  # Medyan Çizgileri
  geom_vline(xintercept = x_med_teorik, linetype = "dashed", color = "#dc524d", linewidth = 0.8) +
  geom_hline(yintercept = y_med_teorik, linetype = "dashed", color = "#dc524d", linewidth = 0.8) +
  
  # Grafik Alanı Sınırlandırması
  coord_cartesian(xlim = c(x_min_t, x_max_t), ylim = c(y_min_t, y_max_t)) +
  
  
  labs(
    title = "Türkiye Ekonomisi Teorik Potansiyel Çarpan Haritası (2023)",
    subtitle = "İthalat Dahil Geri (BL) ve İleri (FL) Toplam Çarpan Bağlantısallığı", 
    x = "Toplam Geri Çarpanı (Talep Uyarım Gücü / Leontief BL)",
    y = "Toplam İleri Çarpanı (Arz Dağıtım Gücü / Ghosh FL)"
  ) +
  
  
  theme_bw(base_size = 11) + 
  theme(
    plot.title = element_text(face = "bold", size = 12, hjust = 0.5, margin = margin(b = 4)),
    plot.subtitle = element_text(size = 9, hjust = 0.5, color = "gray30", margin = margin(b = 15)),
    axis.title = element_text(face = "bold", size = 10),
    axis.text = element_text(color = "gray40", size = 9),
    panel.grid.minor = element_blank(),
    panel.grid.major = element_line(color = "gray93"),
    panel.border = element_rect(color = "gray85", fill = NA, linewidth = 0.5)
  ) +
  
 
  # I. Çeyrek (Sağ Üst)
  annotate("text", x = x_med_teorik + 0.2, y = y_max_t - 0.05, 
           label = "I.", 
           color = "darkgreen", fontface = "italic", size = 2.8, hjust = 0) +
  
  # II. Çeyrek (Sol Üst)
  annotate("text", x = x_min_t + 0.03, y = y_max_t - 0.05, 
           label = "II.", 
           color = "#1a44a1", fontface = "italic", size = 2.8, hjust = 0) +
  
  # III. Çeyrek (Sol Alt - En Altta)
  annotate("text", x = x_min_t + 0.03, y = y_min_t + 0.02, 
           label = "III.", 
           color = "#dc524d", fontface = "italic", size = 2.8, hjust = 0, vjust = 0) +
  
  # IV. Çeyrek (Sağ Alt)
  annotate("text", x = x_max_t - 0.01, y = y_min_t + 0.03, 
           label = "IV.", 
           color = "darkorange4", fontface = "italic", size = 2.8, hjust = 0)

• Yukarıdaki grafikte gözlemlemeyi amaçladığım durum eğer bu sektörlerin ithal ettiği ara mallar yerli katma değere dönüşseydi ve mevcut yerli tedarik zinciri matrisimiz L veya G üzerinden ekonomiyi uyarsaydı, ortaya nasıl bir tavan potansiyel çıkardı? Dolayısıyla oluşturduğumuz 2. ve 3. grafikler üzerinde oluşan yer değişimleri (mesafe) bizlere potansiyel kayıp durumunu ifade eder miydi?

library(ggplot2)


# 1. 2. VE 3. GRAFİK VERİLERİNİN HESAPLANMASI VE BİRLEŞTİRİLMESİ

P1     <- as.numeric(Domestic_Production_IO[85, 4:67])
B1g    <- as.numeric(Domestic_Production_IO[84, 4:67])
Import <- as.numeric(Domestic_Production_IO[74, 4:67])

v_yerli  <- B1g / P1
v_teorik <- (B1g + Import) / P1

BL_yerli  <- as.vector(as.numeric(v_yerli %*% L))
BL_teorik <- as.vector(as.numeric(v_teorik %*% L))

B <- diag(1 / as.vector(X)) %*% as.matrix(Z)
I <- diag(nrow(B))
G <- solve(I - B)

FL_yerli  <- as.vector(G %*% as.matrix(v_yerli))
FL_teorik <- as.vector(G %*% as.matrix(v_teorik))

temiz_kodlar   <- unlist(sector_codes)[1:64]
temiz_isimler  <- unlist(sector_names)[1:64]

# Veri Çerçevesinin Kurulması
degisim_data <- data.frame(
  Kod = as.character(temiz_kodlar),
  Sektor = temiz_isimler,
  Delta_BL = BL_teorik - BL_yerli,
  Delta_FL = FL_teorik - FL_yerli,
  stringsAsFactors = FALSE
)


# IFELSE İLE YÖNLÜ KARESEL DEĞİŞİM SKORUNUN HESAPLANMASI 

degisim_data$Skor_BL <- ifelse(degisim_data$Delta_BL >= 0, (degisim_data$Delta_BL)^2, -(degisim_data$Delta_BL)^2)
degisim_data$Skor_FL <- ifelse(degisim_data$Delta_FL >= 0, (degisim_data$Delta_FL)^2, -(degisim_data$Delta_FL)^2)
degisim_data$Toplam_Karesel_Kayma <- degisim_data$Skor_BL + degisim_data$Skor_FL

# En yüksek karesel kaymaya sahip ilk 10 sektörü seçme ve sıralama
sirali_data <- degisim_data[order(-degisim_data$Toplam_Karesel_Kayma), ]
en_buyuk_10_sektor <- head(sirali_data, 10)


en_buyuk_10_sektor$Sektor_Kisa <- substr(en_buyuk_10_sektor$Sektor, 1, 35) # İlk 35 karakteri al
en_buyuk_10_sektor$Sektor_Etiket <- paste0(en_buyuk_10_sektor$Kod, " - ", en_buyuk_10_sektor$Sektor_Kisa, "...")

# Grafik için büyükten küçüğe dizilim
en_buyuk_10_sektor$Sektor_Etiket <- factor(
  en_buyuk_10_sektor$Sektor_Etiket, 
  levels = en_buyuk_10_sektor$Sektor_Etiket[order(en_buyuk_10_sektor$Toplam_Karesel_Kayma)]
)


# GÖRSELLEŞTİRME 

ggplot(en_buyuk_10_sektor, aes(x = Toplam_Karesel_Kayma, y = Sektor_Etiket)) +
  
  # Lolipop Çizgileri
  geom_segment(aes(x = 0, xend = Toplam_Karesel_Kayma, y = Sektor_Etiket, yend = Sektor_Etiket), 
               color = "gray75", linewidth = 1) +
  
  
  geom_point(color = "#1f4068", size = 4) +
  
 
  geom_text(aes(label = round(Toplam_Karesel_Kayma, 3)), 
            hjust = -0.3, size = 2.8, fontface = "bold", color = "gray20") +
  
  
  scale_x_continuous(expand = expansion(mult = c(0, 0.15))) +
  
  labs(
    title = "İthalat Bağımlılığı Nedeniyle Potansiyel Altı 10 Sektör",
    subtitle = "Potansiyeli ile Yerli Katma Değer Arasındaki Toplam Yapısal Kayıp (Makas) Skoru",
    x = "Toplam Yapısal Kayıp Skoru\n Skor = sign(Δ BL) · (Δ BL)² + sign(Δ FL) · (Δ FL)²",
    y = ""
  ) +
  
  theme_bw(base_size = 11) +
  theme(
    plot.title = element_text(face = "bold", size = 11, hjust = 0),
    plot.subtitle = element_text(size = 8.5, hjust = 0, color = "gray30", margin = margin(b = 12)),
    axis.title.x = element_text(face = "bold", size = 9, color = "gray20"),
    axis.text.y = element_text(face = "bold", size = 8.5, color = "black"),
    axis.text.x = element_text(color = "gray40", size = 8),
    panel.grid.minor = element_blank(),
    panel.grid.major.y = element_blank(), 
    panel.grid.major.x = element_line(color = "gray93", linetype = "dashed"),
    panel.border = element_rect(color = "gray85", fill = NA, linewidth = 0.5)
  )

• Dolayısıyla veriler ile sadece karbon vergilendirmesi açısından değil bu sektörlerdeki açığın ekonomide oluşturduğu negatif katma değer veya potansiyelin altında kalan katma değer sebebiyle bu sektörlerdeki dönüşümün sağlanması gerekliliğini ortaya koymuş olduk. Vergilendirme yani CBAM karbon nötr hedefleri de burada bir + olarak değerlendirilebilir.

• Ayrıca altı çizilmesi gereken noktalardan biri enerji dönüşümünün yapılmasının ithalat açısından faydalı olacağı fakat üretim artışının aslında ekonomiyi canlandıracak etki yapmayacağıdır. Çünkü bu sektörlere talep dışardan gelir. Örneğin elektrik fazla üretildi diye fazla üretim yapalım durumu genellikle (Abd’de örneğin btc üretimi hariç) söz konusu değildir.