Öz


COVID-19 salgınının sosyo-ekonomik etkileri literatürde tartışılmaya başlanmıştır. Bu çalışmada, Türkiye’de kartlı harcamalar üzerinde COVID-19 salgının etkileri sektörel ayrıntıda incelenmiştir. Sektörler arasındaki senkronizasyon üzerinde COVID-19 salgının etkileri, haftalık veri kullanılarak 07-03-2014 ile 24-04-2020 arasındaki dönemin için analiz edilmiştir. Öncelikle, senkronizasyonun seviyesinin ölçülmesinde kullanılan zamana bağlı değişen (dinamik) koşullu korelasyonlar, AR-DCC-GARCH yöntemi ile tahmin edilerek kartlı harcamalar arasında sektörel senkronizasyonun varlığı ortaya konulmuştur. COVID-19 salgının bu senkronizasyon üzerindeki etkileri, dört farklı etki tipi varsayımıyla regresyon modeli tahmini yardımıyla ölçülmeye çalışılmıştır. Elde edilen bulgular, Türkiye’de birçok sektör arasında kartlı harcamalar açısından bir senkronizasyonun var olduğunu ve sektörlere göre senkronizasyon seviyelerinin farklı olduğunu göstermiştir. COVID-19 salgınının sektörleri etkileme şekline bakıldığında, en fazla “Kalıcı” etkinin etkili olduğu, “önce panik sonra derinleşen” ve “önce panik sonra kalıcı” etkilerin de ağırlıklı olduğu tespit edilmiştir. Market ve alışveriş sektörünün COVID-19 salgını döneminde diğer sektörlerden ayrıştığı, buna karşın başta kumarhane/içkili yerler, yemek ve havayolları sektörleri olmak üzere diğer tüm sektörlerin senkronizasyon seviyelerinin arttığı, diğer bir ifadeyle düşüş eğilimini paylaştığı gözlemlenmiştir.

Anahtar Sözcükler: COVID-19, Dinamik koşullu korelasyon, Senkronizasyonu, Regresyon analizi.

JEL Sınıflandırması: E32, E42, E71.


THE EFFECT OF COVID-19 TO CARD PAYMENTS BEHAVIOR


Abstract


Nowadays, the socio-economic effects of the COVID-19 outbreak have been discussing in the literature. In this study, the effects of the COVID-19 outbreak on the card payments in Turkey is examined in the sectoral detail. The effects of COVID-19 outbreak on synchronization between sectors are analyzed for the period between 07-03-2014 and 24-04-2020 using weekly data. Firstly, the time-varying (dynamic) conditional correlations used in measuring the level of synchronization are estimated by AR-DCC-GARCH method and the existence of sectoral synchronization among card payments is revealed. The effects of COVID-19 outbreak on this synchronization are tried to be measured with the help of regression model estimation with the assumption of four different types of effects. The findings are that there is a synchronization in terms of card payments across many sectors in Turkey and levels of synchronization are differs by sector. Regarding the effect of COVID-19 outbreak by sectors, it is determined that the most common effect is “permanent,” and “first panic then deepening” and “first panic then permanent” effects are also dominant. It is observed that the market and shopping sector differentiated from other sectors during the COVID-19 outbreak period, whereas the level of synchronization of all other sectors, particularly the casino / distillery, food and airline sectors, increased, in other words, shared the downward trend.

Keywords: COVID-19, Dynamic conditional correlation, Synchronization, Regression analysis.

JEL Classification: E32, E42, E71.

Giriş

COVID-19 hastalığı Çin’de ortaya çıkmış ve bu çalışmanın yapıldığı tarihe kadar 187 ülkeye yayılmış, 3 milyon 665 bin kişi hastalığa yakalanmış ve 257 bin 337 kişi bu hastalıktan hayatını kaybetmiştir. 2020 yılı Mart ayı itibarıyla ülkemizi etkilemeye başlayan COVID-19 salgınına karşı ülkemizde alınan tedbirlerin sosyal ve ekonomik yapıya etkileri literatürde tartışılmaktadır.


COVID-19’un küresel bir salgın olması nedeniyle, salgının etkileri konusunda hem yerli hem yabancı literatürde çalışmalar bulunmaktadır. Battistini and Stoevsky (2020) yaptığı çalışmada salgının etkilerini Avro bölgesinde incelemiş ve alternatif senaryolar kullanarak Avro bölgesi gayri safi yurtiçi hasıla (GSYH) tahminlerinde bulunmuşlardır. Mason (2020) çalışmasında salgının Avrupa’daki hızlı büyüyen şirketlere etkilerini risk sermayesi özelinde incelemişlerdir. Ahmad et al. (2020) çalışmasında ise salgının gelişmiş ülkelerin GSYH büyümesine etkileri hakkında bazı tespitlerde bulunulmuştur. Dahdah ve Ferry (2020) çalışmasında, salgının Hindistan sosyal yaşamına etkileri tartışılmıştır. Yavuz (2020) ve Üstün and Özçiftçi (2020) çalışmalarında salgının Türkiye’deki sosyal yaşam üzerine etkileri incelenirken, Özatay and Sak (2020a), Özatay and Sak (2020c) ve Özatay and Sak (2020b) çalışmalarında ise salgının Türkiye’de ekonomiye dönük etkileri ve alınabilecek önlemler açılarından incelemeler yapılmıştır. Akça (2020) çalışmasında Türkiye’deki havacılık sektörünün, Acar (2020) çalışmasında turizm sektörünün salgından etkilenme durumları değerlendirilmiştir. Son olarak TEPAV (2020) çalışmasında ise COVID-19 salgının tüketim harcamaları üzerindeki etkisi kartla yapılan harcamalar üzerinden tanımlayıcı istatistikler kullanılarak değerlendirilmiştir.


Literatürde COVID-19 salgının etkileri üzerine yapılan çalışmalara bakıldığında genel olarak tanımlayıcı istatistiklere ve alınacak tedbirlere odaklanıldığı görülmektedir. Henüz salgının yaşanmakta olması ve veri yetersizliği nedeniyle ampirik çalışma yapılmadığı görülmektedir. Ancak, Türkiye Cumhuriyet Merkez Bankası (TCMB) tarafından yayımlanan haftalık kart harcamaları verileri, salgının harcamalara etkilerini analiz etmek açısından önemli bir kaynağıdır. Özellikle, 2020 yılı Mart ayının ilk haftasından çalışmanın yapıldığı Nisan ayı sonlarına kadar haftalık olarak sektörel ayrımda kart harcamaları verileri elde edilebilmektedir.


Bu çalışmada, Türkiye’de kartlı harcamalar üzerinde COVID-19 salgının etkileri sektörel ayrıntıda ampirik olarak incelenmiştir. 07-03-2014 ile 24-04-2020 arasındaki Haftalık veri kullanılmış ve AR-DCC-GARCH yöntemi ile sektörler arasındaki senkronizasyonun seviyesi tahmin edilmiştir. Sonrasında, COVID-19 salgının bu senkronizasyon üzerindeki etkileri, dört farklı etki tipi varsayımı kullanılarak regresyon modeli tahminiyle ölçülmeye çalışılmıştır. Kullanılan veriler ve yöntem çalışmanın @ref(sec:mvy). bölümünde açıklanmıştır. @ref(sec:bulgular). bölümde ampirik sonuçlar sunulmuş ve @ref(sec:sonuc). bölümde çalışma ve bulguları genel olarak değerlendirilmektedir.

Veri ve Yöntem

Çalışmada analiz edilen veri, çeşitli sektörler ayrımında Türkiye’de yapılan kartlı harcamalarının haftalık büyüme oranlarıdır. Bankalararası Kart Merkezi tarafından kullanılan sektör sınıflaması Tablo @ref(tab:dagilimm03)’de verilmiştir.


Kartlı tüketim harcamaları sektör sınıflaması
Sektör Kod
ARABA KİRALAMA S1
ARAÇ KİRALAMA-SATIŞ/SERVİS/YEDEK PARÇA S2
BENZİN VE YAKIT İSTASYONLARI S3
ÇEŞİTLİ GIDA S4
DOĞRUDAN PAZARLAMA S5
EĞİTİM / KIRTASİYE / OFİS MALZEMELERİ S6
ELEKTRİK-ELEKTRONİK EŞYA, BİLGİSAYAR S7
GİYİM VE AKSESUAR S8
HAVAYOLLARI S9
HİZMET SEKTÖRLERİ S10
KONAKLAMA S11
KULÜP / DERNEK /SOSYAL HİZMETLER S12
KUMARHANE /İÇKİLİ YERLER S13
KUYUMCULAR S14
MARKET VE ALIŞVERİŞ MERKEZLERİ S15
MOBİLYA VE DEKORASYON S16
MÜTEAHHİT İŞLERİ S17
SAĞLIK/SAĞLIK ÜRÜNLERİ/KOZMETİK S18
SEYAHAT ACENTELERİ/TAŞIMACILIK S19
SİGORTA S20
TELEKOMÜNİKASYON S21
YAPI MALZEMELERİ, HIRDAVAT, NALBURİYE S22
YEMEK S23
DİĞER S24
İNTERNET ÜZERİNDEN YAPILAN ALIŞVERİŞLER S25
MEKTUPLA/TELEFONLA YAPILAN ALIŞVERİŞLER S26


Çalışmada elde edilen bulgularını sunumunda gösterimde kolaylık olması açısında her bir sektör için numaralandırma yapılmıştır. Sektörlere ait kartla yapılan harcamalar haftalık olarak derlenmektedir. Analiz dönemi olarak 07-03-2014 ile 24-04-2020 arasındaki dönem belirlenmiştir. Sektörler ayrımında kartla yapılan harcamaların logaritmasının birinci farkı alınarak haftalık büyüme oranları hesaplanmıştır. Veri, Türkiye Cumhuriyet Merkez Bankası’nın Elektronik Veri Dağıtım Sistemi’nden alınmıştır. Tablo @ref(tab:dagilimm3)’de çalışmada kullanılan veriye ilişkin tanımlayıcı istatistikler verilmiştir.


Tanımlayıcı istatistikler
Sektörler Gözlem sayısı Minimum Maksimum Maksimum-Minimum Toplam Medyan Ortalama Varyans Standart Sapma Değişim Katsayısı
S1 320 -0.777 0.791 1.568 0.046 0.006 0.000 0.033 0.182 1255.125
S2 320 -1.144 1.099 2.242 0.461 0.009 0.001 0.052 0.228 158.327
S3 320 -0.331 0.200 0.532 -0.350 0.003 -0.001 0.004 0.067 -60.756
S4 320 -0.612 0.655 1.268 0.915 0.005 0.003 0.014 0.117 40.927
S5 320 -1.988 2.058 4.047 -0.389 -0.009 -0.001 0.081 0.284 -233.549
S6 320 -1.123 1.275 2.398 0.639 -0.010 0.002 0.075 0.274 137.213
S7 320 -0.819 0.790 1.609 0.735 0.005 0.002 0.036 0.189 82.393
S8 320 -0.841 0.390 1.232 -0.183 0.012 -0.001 0.023 0.151 -264.438
S9 320 -1.211 0.523 1.734 -1.088 0.004 -0.003 0.015 0.123 -36.224
S10 320 -1.367 1.143 2.511 -0.202 -0.001 -0.001 0.042 0.205 -325.005
S11 320 -0.922 0.712 1.634 -1.222 0.004 -0.004 0.019 0.137 -35.958
S12 320 -1.303 0.744 2.048 0.111 -0.002 0.000 0.048 0.219 628.812
S13 320 -1.998 1.074 3.072 -1.552 0.004 -0.005 0.046 0.215 -44.230
S14 320 -1.150 0.522 1.672 -0.810 0.005 -0.003 0.028 0.167 -66.190
S15 320 -0.473 0.446 0.919 1.108 0.009 0.003 0.010 0.102 29.465
S16 320 -0.801 0.639 1.440 0.228 0.013 0.001 0.027 0.166 232.478
S17 320 -1.337 1.211 2.548 1.072 0.008 0.003 0.062 0.249 74.239
S18 320 -1.218 1.236 2.454 0.400 0.002 0.001 0.048 0.220 175.959
S19 320 -0.673 0.451 1.124 -0.585 0.004 -0.002 0.022 0.148 -80.915
S20 320 -1.190 1.064 2.255 0.377 -0.002 0.001 0.052 0.229 193.868
S21 320 -0.776 0.745 1.521 -0.120 -0.022 0.000 0.028 0.167 -445.498
S22 320 -1.283 1.115 2.398 0.430 0.000 0.001 0.048 0.219 163.455
S23 320 -1.103 0.594 1.697 -0.332 0.009 -0.001 0.012 0.109 -105.408
S24 320 -0.909 0.909 1.818 0.454 0.002 0.001 0.030 0.174 122.310
S25 320 -0.899 0.777 1.677 1.582 0.017 0.005 0.048 0.218 44.162
S26 320 -0.925 0.816 1.741 0.630 0.004 0.002 0.034 0.183 92.966

Note: a Sektörler ayrımında kartla yapılan harcamaların logaritmasının birinci farkı alınarak haftalık büyüme oranlarına ilişkin istatistiklerdir.


Bu çalışmada zamana bağlı değişen (dinamik) korelasyon katsayıları ile kartlı harcamalar arasındaki sektörel senkronizasyon, bir diğer ifadeyle kartlı harcamalarındaki şokların ortak hareketi (sektörel uyum) AR-GARCH-DCC modeli ile ölçülmeye çalışılmıştır. DCC (Dinamik Koşullu Korelasyon) modeli yardımıyla elde edilen dinamik korelasyon katsayıları her ne kadar bir sektörden diğer bir sektöre doğru veya tersi yönde bir nedenselliği ifade etmese de iki sektörün şokları arasında ortak konjonktürel bir hareketi ima etmektedir.


DCC modelinin tahmini iki aşamadan oluşmaktadır. Öncelikle R. F. Engle (1982) çalışmasında önerilen bir AR modeli her bir sektör için tahmin edilir ve bu aşamadan elde edilen standartlaştırılmış hata terimleri ile R. Engle (2002) çalışmasında gösterildiği şekliyle koşullu korelasyon modeli tahmin edilir. Tahmin edilen modeller @ref(eq:n1) numaralı eşitliklerde ifade edilmiştir.


\[\begin{equation} \begin{aligned} y_{t} = \mu + \lambda_{1} y_{t-1} +\epsilon_{t} & \text{(AR Modeli)}\\ \epsilon_{t} = H^{1/2}_{t} u_{t} & \text{(GARCH Varyans Modeli)}\\ H_{t} = D_{t}R_{_t}D_{t} & \text{(DCC Modeli)}\\ R_{t} = diag(q^{-1/2}_{1,1,t},\dots,q^{-1/2}_{1,1,t})Q_{t}diag(q^{-1/2}_{1,1,t},\dots,q^{-1/2}_{1,1,t}) & \text{(DCC Ayrıştırma)}\\ Q_{t} = (1-\alpha-\beta) \bar{Q} + \alpha u_{t-1}u'_{t-1} + \beta Q_{t-1} & \text{(Dinamik Kovaryans tahmini)}\\ \end{aligned} (\#eq:n1) \end{equation}\]


\(t = 14-03-2014,\dots,24-04-2020\) aralığında 320 gözlem noktasını kapsamak üzere; \(y_t\), \(y_t = (y_{1,t},\dots,y_{26,t})'\) yirmi altı adet sektörün kartlı harcamalarının logaritmasının birinci farkını içeren \((26 \times t)\) uzunluğunda vektörü, \(\lambda_{1}\) zamana göre sabit \((26 \times 1)\) büyüklüğünde \(AR(1)\) katsayı vektörünü, \(E(y_{t})\)’nin sıfırdan farklı olması ihtimaline karşı \(\mu = (\mu_{1},\dots,\mu_{26})\), \((26 \times 1)\) uzunluğunda sabit terim vektörünü ve son olarak \(\epsilon_{t}\) ise \(\epsilon_t = (\epsilon_{1,t},\dots,\epsilon_{26,t})'\) \((26 \times t)\) boyutlu, \(E(u_{t}) = 0\) ve \(s \ne t\) için \(E(u_{t},u'_{s})=0\) özelliklerine sahip olan beyaz gürültü sürecini temsil etmektedir. AR modelinin gecikme uzunluğu 1 olarak alınmıştır.


\(E(u_{t},u'_{t})=H_{t}\) varyansa sahip hata terimleri \(H_t = (h_{i,j,t})\) ise \(i,j = 1,\dots,26\) olmak üzere \(t\)’ye bağlı koşullu kovaryans matrisine sahiptir ve \(I\) ise \((26 \times 26)\) birim matrisi temsil etmektedir. \(D_{t} = diag(H^{1/2}_{1,1,t},\dots,H^{1/2}_{26,26,t})'\), koşullu varyansın karekökünün köşegen matrisini ifade etmektedir ve içindeki her bir \(h_{i,j,t}\) için GARCH süreci tanımlanmaktadır.


\(R_{t}\) ise \((26 \times 26)\) boyutlarında ve \(t\)’ye bağlı olarak değişen koşullu korelasyonları, diğer bir ifadeyle ihracat ve ithalat arasındaki senkronizasyonun ölçüsünü göstermektedir. \(Q_t = (q_{i,j,t})\), \(t\)’ye bağlı olarak değişen koşullu kovaryansları ifade etmekte ve \(u_t = (u_{1,t},\dots,u_{26,t})'\) standartlaştırılmış hata terimleri vektörünü, \(\bar{Q}\) ise \(u_t\)’nin koşulsuz kovaryans matrisini, \(\alpha\) ve \(\beta\) ise \(\alpha+\beta < 1\) koşulunu sağlayan pozitif sayıları temsil etmektedir.


Antonakakis (2012) çalışmasında önerildiği gibi, \(u_t\)’nin normal dağıldığı boş hipotezi reddedildiği için bu çalışmada DCC modeli çok değişkenli \(t-\mathrm{dağılımı}\) altında en yüksek olabilirlik benzeri (QML) tahmincisi ile tahmin edilmiştir.


Kart kullanıcısı, sektörler arasında bir tercih yaparak harcamayı yapmakta dolayısıyla bir tercih veya davranış modeli kullanmaktadır. Kartla yapılan harcamaların sektörel dağılımının zaman içindeki senkronizasyonu \((R_{t})\), aynı zamanda kartlı harcamaların davranış modelinin zaman içindeki eğilimini ifade etmektedir. Bu çalışmada, \((26 \times 26)\) boyutlarında, simetrik ve \(t\)’ye bağlı olarak değişen kartlı harcama yapılan sektörler arasındaki davranışları \((R_{t})\) üzerinde COVID-19 salgının etkisi regresyon modelleri kulanılarak ölçülmeye çalışılmıştır.


26 sektör arasında \(((26 \times 26-26)/2)\) 325 adet \(R_{t}\) haftalık zaman serisi üzerinde COVID-19 salgınından dolayı ilk ölümün gerçekleştiği haftadan (20-03-2020) analiz dönemi sonuna kadar 6 haftalık dönemde yaşanan değişiklikler ölçülmeye çalışılmıştır. COVID-19 salgınının sektörleri etkileme şekli farklılaşmaktadır. Bu çalışmada test edilen dört farklı etkileme şekli; “Kalıcı,” “Önce panik sonra derinleşen,” “Önce panik sonra kalıcı” ve “Derinleşen,” @ref(eq:n2) numaralı ifadede verilmiştir.


\[\begin{equation} \begin{aligned} \mathrm{Eğer} \ t \ge 20-03-2020 & \mathrm{ise} & D_{1,t} = 1, & \mathrm{değilse}& 0, & \text{(Kalıcı)}\\ & & D_{2,t} = {-1,1,2,3,4,5}, & & \text{(Önce panik sonra derinleşen)}\\ & & D_{3,t} = {-1,1,1,1,1,1}, & & \text{(Önce panik sonra kalıcı)}\\ & & D_{4,t} = {1,2,3,4,5,6}, & & \text{(Derinleşen)}\\ \end{aligned} (\#eq:n2) \end{equation}\]


Çalışmada test edilen etkiler Grafik @ref(fig:dagilimm7892)’de gösterilmeye çalışılmıştır. Tahmin edilen regresyon modelleri ise @ref(eq:n3) numaralı eşitlikte ifade edilmiştir.
Panel ARDL esneklik katsayıları için hesaplanan kritik değerleri

Panel ARDL esneklik katsayıları için hesaplanan kritik değerleri


\[\begin{equation} dc_{i,j,t} = \nu_{i,j} + \lambda_{1,i,j}D_{1}+ \lambda_{2,i,j}D_{2}+ \lambda_{3,i,j}D_{3}+ \lambda_{4,i,j}D_{4}+ \varepsilon_{i,j,t} (\#eq:n3) \end{equation}\]


\(t = 14-03-2014,\dots,24-04-2020\) aralığında 320 gözlem noktasını ve \(i\ \mathrm{ve} \ j = 1,\dots,26\) göstermek üzere, \(dc_{i,j,t}\) \(i-j\) sektör ikilisi arasındaki dinamik ilişkiyi gösteren \(R_{i,j,t}\)’lerin \([-1,1]\) aralığının dışına çıkarılması için \(log((1+R_{i,j,t})/(1-R_{i,j,t}))\) dönüşümü uygulamış halidir. Bu dönüşüm, katsayı tahminlerini etkilememektedir. \(\nu_{i,j}\) \(i-j\) için tanımlanmış sabit terimleri, \(\lambda_{1,\dots,4}\) ise COVID-19 etki katsayılarını ve \(\varepsilon_{i,j,t}\) ise \(\varepsilon_{i,j,t}\sim n.i.i.d\) olarak dağılan hata terimini temsil etmektedir. 325 adet \(dc_{i,j,t}\) serisi için tanımlanan @ref(eq:n3) numaralı modeli en küçük kareler yöntemi ile tahmin edilmiştir. Her bir \(dc_{i,j}\) için tahmin edilen modeldeki katsayı tahminleri \(\hat{\lambda}_{1,\dots,4}\) arasından %1 seviyesinde istatistiksel olarak anlamlı olanlar seçilmiş ve her bir sektör için anlamlı etkilerin katsayıları pozitif ve negatif olarak sınıflandırılmıştır. Böylelikle, COVID-19 salgının kartlı harcama davranışlarına etkisi, tip, büyüklük ve yön unsurları açsısından sektörler ayrımında değerlendirilmiştir.

Bulgular

Tablo @ref(tab:dagilimm)’de @ref(eq:n1) numaralı modelin tahmin sonuçları verilmiştir2. Hosking (1980) çalışmasında açıklanan ve otokorelasyon olmadığı boş hipotezini test eden \(H_{10}\) testi ile değişen varyans olmadığı boş hipotezini test eden \(H_{10}^{2}\) testlerinde, boş hipotezler anlamlılık düzeyinde reddedilemediği için modelin başarılı tahmin edildiği iddia edilebilir. Ayrıca Tablo @ref(tab:dagilimm)’de \(\alpha + \beta < 1\) koşulunun sağlandığı ve her iki katsayının da istatistiksel olarak %1 anlamlılık düzeyinde anlamlı olduğu görülmektedir. Modelin tahmini sonucunda, sektörlere yapılan kart harcamaları arasında bir senkronizasyon, diğer bir ifadeyle anlamlı bir davranış modeli olduğu iddia edilebilir.


2014-03-14:2020-03-20 dönemi için DCC modeli tahmin sonuçları
Katsayı Tahmini Std. Hata t-test p-değeri
1 \(\alpha\) 0.028 0.0104 2.6936 0.0071
2 \(\beta\) 0.693 0.2512 2.7581 0.0058
Akaike Akaike -50.132
Bayes Bayes -44.739
Shibata Shibata -51.643
Hannan-Quinn Hannan-Quinn -47.978
Test istatistiği p-değeri
\(H_{10}\) 9496.241 0.02
\(H^{2}_{10}\) 9496.241 0.02

Note: a \(H_{10}\) ve \(H^{2}_{10}\), Hosking (1980) çalışmasındaki şekliyle 10 gecikmeye kadar hesaplanmış çok değişkenli Portmanteau test istatistikleridir.


@ref(eq:n1) numaralı modelin tahmininden elde edilen sektörel ayrımda kart harcamaları arasındaki dinamik koşullu korelasyonların ortalamaları, t-test değerleri ve p-değerleri Tablo @ref(tab:dagilimm36)’de verilmiştir. Yirmi altı sektörün kart harcamaları arasındaki senkronizasyonlarını ifade eden \(325\) adet dinamik korelasyon katsayısının 276 \((\approx \% 85)\) tanesi istatistiksel olarak anlamlı bulunmuştur.


Korelasyon katsayılarının hizmet sektörleri için büyük ve anlamlı olduğu gözlemlenmektedir. Örneğin, en yüksek ve istatistiksel olarak en anlamlı ilk 5 korelasyon katsayısı;


sektörleri arasında tespit edilmiştir.


Grafik @ref(fig:dagilimm38)’de bazı sektörler arasındaki dinamik koşullu korelasyon katsayıları verilmiştir3. Sektörlere göre kart harcamaları arasındaki senkronizasyonun zaman içindeki değişimine bakıldığında, genel olarak sabit bir ortalama etrafında volatiliteli bir seyir gösterdiği ancak belirli dönemlerde beklenmeyen artış ve azalışlar gösterdiği iddia edilebilir. Son haftalarda yaşanan COVID-19 salgının korelasyon katsayılarına etkisi farklı yönlerde olmasının yanında dikkate değer büyüklüktedir.

2014-03-14:2020-03-20 dönemi için DCC ortalamaları
var1 tip S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26
S1 \(\hat{\rho}\) 1.00 0.38 0.52 0.45 0.14 0.14 0.14 0.26 0.38 0.20 0.29 0.27 0.19 0.48 0.28 0.30 0.29 0.29 0.39 0.22 0.41 0.33 0.28 0.25 0.19 0.22
S1 \(\hat{t}\). Inf 7.29 10.77 9.04 2.54 2.51 2.51 4.70 7.40 3.72 5.43 4.95 3.46 9.63 5.30 5.60 5.42 5.37 7.58 3.92 7.93 6.26 5.20 4.59 3.49 4.00
S1 \(p\) 0.00 0.00 0.00 0.00 0.02 0.02 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S2 \(\hat{\rho}\) 0.38 1.00 0.35 0.67 0.42 0.39 0.59 0.30 0.33 0.46 0.13 0.28 -0.01 0.27 0.58 0.79 0.85 0.60 0.54 0.80 0.39 0.85 0.18 0.62 0.53 0.77
S2 \(\hat{t}\). 7.29 Inf 6.59 16.06 8.27 7.65 13.15 5.58 6.27 9.23 2.37 5.20 -0.25 5.03 12.66 23.20 28.36 13.49 11.38 24.09 7.65 28.26 3.24 14.22 11.25 21.47
S2 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.03 0.00 0.38 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S3 \(\hat{\rho}\) 0.52 0.35 1.00 0.52 0.27 0.29 0.24 0.40 0.48 0.32 0.50 0.32 0.38 0.49 0.41 0.46 0.31 0.39 0.47 0.25 0.36 0.32 0.57 0.34 0.32 0.34
S3 \(\hat{t}\). 10.77 6.59 Inf 10.73 4.98 5.39 4.48 7.66 9.80 6.07 10.41 5.92 7.40 10.08 8.00 9.24 5.88 7.57 9.36 4.65 6.85 6.04 12.37 6.56 6.06 6.35
S3 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S4 \(\hat{\rho}\) 0.45 0.67 0.52 1.00 0.37 0.36 0.64 0.32 0.33 0.52 0.26 0.19 0.03 0.43 0.70 0.70 0.65 0.77 0.46 0.48 0.53 0.63 0.30 0.58 0.40 0.50
S4 \(\hat{t}\). 9.04 16.06 10.73 Inf 7.02 6.93 14.69 5.94 6.33 10.81 4.82 3.40 0.46 8.40 17.48 17.26 15.22 21.61 9.19 9.76 11.06 14.58 5.59 12.83 7.84 10.27
S4 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.35 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S5 \(\hat{\rho}\) 0.14 0.42 0.27 0.37 1.00 0.33 0.32 0.06 0.29 0.33 0.05 0.16 -0.04 0.17 0.41 0.44 0.47 0.36 0.38 0.44 0.33 0.47 0.12 0.46 0.39 0.56
S5 \(\hat{t}\). 2.54 8.27 4.98 7.02 Inf 6.33 5.96 1.14 5.49 6.29 0.85 2.94 -0.78 3.13 7.98 8.69 9.51 6.93 7.38 8.69 6.25 9.48 2.10 9.22 7.59 12.00
S5 \(p\) 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.20 0.00 0.00 0.27 0.01 0.29 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.05 0.00 0.00 0.00
S6 \(\hat{\rho}\) 0.14 0.39 0.29 0.36 0.33 1.00 0.25 0.04 0.44 0.37 0.04 0.14 -0.03 0.21 0.32 0.43 0.41 0.30 0.54 0.44 0.30 0.36 0.15 0.41 0.46 0.55
S6 \(\hat{t}\). 2.51 7.65 5.39 6.93 6.33 Inf 4.62 0.63 8.70 7.20 0.81 2.59 -0.52 3.83 6.00 8.47 8.12 5.72 11.29 8.66 5.64 6.93 2.77 8.08 9.11 11.76
S6 \(p\) 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.32 0.00 0.00 0.28 0.02 0.34 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00
S7 \(\hat{\rho}\) 0.14 0.59 0.24 0.64 0.32 0.25 1.00 0.38 0.18 0.52 0.16 0.18 0.01 0.29 0.59 0.64 0.63 0.70 0.28 0.50 0.40 0.60 0.23 0.56 0.44 0.47
S7 \(\hat{t}\). 2.51 13.15 4.48 14.69 5.96 4.62 Inf 7.33 3.30 10.91 2.83 3.30 0.19 5.48 13.03 14.84 14.48 17.23 5.19 10.39 7.86 13.28 4.23 12.07 8.81 9.60
S7 \(p\) 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.39 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S8 \(\hat{\rho}\) 0.26 0.30 0.40 0.32 0.06 0.04 0.38 1.00 0.20 0.19 0.30 0.29 0.33 0.41 0.33 0.44 0.24 0.31 0.18 0.18 0.16 0.26 0.57 0.20 0.19 0.16
S8 \(\hat{t}\). 4.70 5.58 7.66 5.94 1.14 0.63 7.33 Inf 3.57 3.42 5.68 5.34 6.26 8.06 6.30 8.76 4.44 5.80 3.32 3.23 2.94 4.70 12.35 3.62 3.51 2.93
S8 \(p\) 0.00 0.00 0.00 0.00 0.20 0.32 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.00 0.01
S9 \(\hat{\rho}\) 0.38 0.33 0.48 0.33 0.29 0.44 0.18 0.20 1.00 0.38 0.31 0.14 0.23 0.47 0.16 0.36 0.36 0.40 0.65 0.32 0.45 0.32 0.48 0.44 0.35 0.41
S9 \(\hat{t}\). 7.40 6.27 9.80 6.33 5.49 8.70 3.30 3.57 Inf 7.42 5.80 2.59 4.20 9.45 2.83 6.88 6.84 7.74 15.31 5.93 9.10 6.12 9.62 8.87 6.70 7.89
S9 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.02 0.00 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S10 \(\hat{\rho}\) 0.20 0.46 0.32 0.52 0.33 0.37 0.52 0.19 0.38 1.00 0.25 0.21 0.00 0.30 0.43 0.46 0.54 0.64 0.41 0.50 0.36 0.46 0.36 0.54 0.60 0.48
S10 \(\hat{t}\). 3.72 9.23 6.07 10.81 6.29 7.20 10.91 3.42 7.42 Inf 4.62 3.78 0.00 5.62 8.53 9.32 11.35 14.86 7.98 10.18 6.83 9.22 6.81 11.51 13.45 9.73
S10 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.39 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S11 \(\hat{\rho}\) 0.29 0.13 0.50 0.26 0.05 0.04 0.16 0.30 0.31 0.25 1.00 0.16 0.58 0.28 0.06 0.22 -0.02 0.20 0.30 0.06 -0.07 -0.03 0.73 0.03 0.24 0.11
S11 \(\hat{t}\). 5.43 2.37 10.41 4.82 0.85 0.81 2.83 5.68 5.80 4.62 Inf 2.92 12.65 5.20 1.03 4.10 -0.28 3.64 5.66 1.15 -1.33 -0.44 18.90 0.60 4.41 1.94
S11 \(p\) 0.00 0.03 0.00 0.00 0.27 0.28 0.01 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.23 0.00 0.38 0.00 0.00 0.20 0.16 0.36 0.00 0.33 0.00 0.06
S12 \(\hat{\rho}\) 0.27 0.28 0.32 0.19 0.16 0.14 0.18 0.29 0.14 0.21 0.16 1.00 0.08 0.09 0.21 0.32 0.22 0.12 0.19 0.35 0.02 0.23 0.18 0.17 0.37 0.36
S12 \(\hat{t}\). 4.95 5.20 5.92 3.40 2.94 2.59 3.30 5.34 2.59 3.78 2.92 Inf 1.39 1.55 3.91 5.98 4.12 2.06 3.50 6.68 0.34 4.19 3.34 3.00 7.17 6.97
S12 \(p\) 0.00 0.00 0.00 0.00 0.01 0.02 0.00 0.00 0.02 0.00 0.01 0.00 0.15 0.12 0.00 0.00 0.00 0.05 0.00 0.00 0.37 0.00 0.00 0.01 0.00 0.00
S13 \(\hat{\rho}\) 0.19 -0.01 0.38 0.03 -0.04 -0.03 0.01 0.33 0.23 0.00 0.58 0.08 1.00 0.40 -0.05 0.10 -0.11 -0.03 0.13 -0.04 -0.09 -0.10 0.65 -0.03 0.06 -0.06
S13 \(\hat{t}\). 3.46 -0.25 7.40 0.46 -0.78 -0.52 0.19 6.26 4.20 0.00 12.65 1.39 Inf 7.82 -0.91 1.85 -1.96 -0.50 2.34 -0.81 -1.61 -1.85 15.42 -0.56 1.12 -0.99
S13 \(p\) 0.00 0.38 0.00 0.35 0.29 0.34 0.39 0.00 0.00 0.39 0.00 0.15 0.00 0.00 0.26 0.08 0.06 0.34 0.03 0.28 0.11 0.07 0.00 0.33 0.21 0.24
S14 \(\hat{\rho}\) 0.48 0.27 0.49 0.43 0.17 0.21 0.29 0.41 0.47 0.30 0.28 0.09 0.40 1.00 0.30 0.37 0.28 0.36 0.38 0.17 0.47 0.28 0.52 0.37 0.14 0.20
S14 \(\hat{t}\). 9.63 5.03 10.08 8.40 3.13 3.83 5.48 8.06 9.45 5.62 5.20 1.55 7.82 Inf 5.65 7.07 5.26 6.86 7.35 3.00 9.37 5.27 10.86 7.19 2.48 3.55
S14 \(p\) 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.12 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.00 0.02 0.00
S15 \(\hat{\rho}\) 0.28 0.58 0.41 0.70 0.41 0.32 0.59 0.33 0.16 0.43 0.06 0.21 -0.05 0.30 1.00 0.68 0.57 0.54 0.28 0.57 0.42 0.60 0.15 0.54 0.37 0.54
S15 \(\hat{t}\). 5.30 12.66 8.00 17.48 7.98 6.00 13.03 6.30 2.83 8.53 1.03 3.91 -0.91 5.65 Inf 16.59 12.51 11.33 5.20 12.41 8.16 13.25 2.73 11.32 7.19 11.28
S15 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.23 0.00 0.26 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00
S16 \(\hat{\rho}\) 0.30 0.79 0.46 0.70 0.44 0.43 0.64 0.44 0.36 0.46 0.22 0.32 0.10 0.37 0.68 1.00 0.78 0.64 0.47 0.67 0.38 0.76 0.33 0.65 0.50 0.70
S16 \(\hat{t}\). 5.60 23.20 9.24 17.26 8.69 8.47 14.84 8.76 6.88 9.32 4.10 5.98 1.85 7.07 16.59 Inf 21.96 14.67 9.52 16.07 7.30 21.15 6.28 15.08 10.23 17.28
S16 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.08 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S17 \(\hat{\rho}\) 0.29 0.85 0.31 0.65 0.47 0.41 0.63 0.24 0.36 0.54 -0.02 0.22 -0.11 0.28 0.57 0.78 1.00 0.64 0.47 0.70 0.53 0.94 0.14 0.72 0.55 0.72
S17 \(\hat{t}\). 5.42 28.36 5.88 15.22 9.51 8.12 14.48 4.44 6.84 11.35 -0.28 4.12 -1.96 5.26 12.51 21.96 Inf 15.04 9.45 17.61 11.13 51.71 2.59 18.74 11.79 18.62
S17 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.38 0.00 0.06 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.02 0.00 0.00 0.00
S18 \(\hat{\rho}\) 0.29 0.60 0.39 0.77 0.36 0.30 0.70 0.31 0.40 0.64 0.20 0.12 -0.03 0.36 0.54 0.64 0.64 1.00 0.45 0.45 0.58 0.58 0.35 0.68 0.42 0.50
S18 \(\hat{t}\). 5.37 13.49 7.57 21.61 6.93 5.72 17.23 5.80 7.74 14.86 3.64 2.06 -0.50 6.86 11.33 14.67 15.04 Inf 8.96 8.98 12.57 12.59 6.68 16.44 8.15 10.39
S18 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.05 0.34 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S19 \(\hat{\rho}\) 0.39 0.54 0.47 0.46 0.38 0.54 0.28 0.18 0.65 0.41 0.30 0.19 0.13 0.38 0.28 0.47 0.47 0.45 1.00 0.49 0.40 0.44 0.35 0.45 0.50 0.58
S19 \(\hat{t}\). 7.58 11.38 9.36 9.19 7.38 11.29 5.19 3.32 15.31 7.98 5.66 3.50 2.34 7.35 5.20 9.52 9.45 8.96 Inf 9.92 7.83 8.61 6.61 9.02 10.16 12.68
S19 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.03 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S20 \(\hat{\rho}\) 0.22 0.80 0.25 0.48 0.44 0.44 0.50 0.18 0.32 0.50 0.06 0.35 -0.04 0.17 0.57 0.67 0.70 0.45 0.49 1.00 0.32 0.69 0.12 0.65 0.61 0.86
S20 \(\hat{t}\). 3.92 24.09 4.65 9.76 8.69 8.66 10.39 3.23 5.93 10.18 1.15 6.68 -0.81 3.00 12.41 16.07 17.61 8.98 9.92 Inf 6.05 17.00 2.16 15.09 13.70 29.93
S20 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.20 0.00 0.28 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.04 0.00 0.00 0.00
S21 \(\hat{\rho}\) 0.41 0.39 0.36 0.53 0.33 0.30 0.40 0.16 0.45 0.36 -0.07 0.02 -0.09 0.47 0.42 0.38 0.53 0.58 0.40 0.32 1.00 0.53 0.15 0.61 0.13 0.37
S21 \(\hat{t}\). 7.93 7.65 6.85 11.06 6.25 5.64 7.86 2.94 9.10 6.83 -1.33 0.34 -1.61 9.37 8.16 7.30 11.13 12.57 7.83 6.05 Inf 11.13 2.76 13.73 2.30 7.08
S21 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.16 0.37 0.11 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.03 0.00
S22 \(\hat{\rho}\) 0.33 0.85 0.32 0.63 0.47 0.36 0.60 0.26 0.32 0.46 -0.03 0.23 -0.10 0.28 0.60 0.76 0.94 0.58 0.44 0.69 0.53 1.00 0.12 0.69 0.50 0.69
S22 \(\hat{t}\). 6.26 28.26 6.04 14.58 9.48 6.93 13.28 4.70 6.12 9.22 -0.44 4.19 -1.85 5.27 13.25 21.15 51.71 12.59 8.61 17.00 11.13 Inf 2.15 17.00 10.44 17.19
S22 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.36 0.00 0.07 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.04 0.00 0.00 0.00
S23 \(\hat{\rho}\) 0.28 0.18 0.57 0.30 0.12 0.15 0.23 0.57 0.48 0.36 0.73 0.18 0.65 0.52 0.15 0.33 0.14 0.35 0.35 0.12 0.15 0.12 1.00 0.21 0.26 0.17
S23 \(\hat{t}\). 5.20 3.24 12.37 5.59 2.10 2.77 4.23 12.35 9.62 6.81 18.90 3.34 15.42 10.86 2.73 6.28 2.59 6.68 6.61 2.16 2.76 2.15 Inf 3.89 4.81 3.15
S23 \(p\) 0.00 0.00 0.00 0.00 0.05 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.02 0.00 0.00 0.04 0.01 0.04 0.00 0.00 0.00 0.01
S24 \(\hat{\rho}\) 0.25 0.62 0.34 0.58 0.46 0.41 0.56 0.20 0.44 0.54 0.03 0.17 -0.03 0.37 0.54 0.65 0.72 0.68 0.45 0.65 0.61 0.69 0.21 1.00 0.45 0.68
S24 \(\hat{t}\). 4.59 14.22 6.56 12.83 9.22 8.08 12.07 3.62 8.87 11.51 0.60 3.00 -0.56 7.19 11.32 15.08 18.74 16.44 9.02 15.09 13.73 17.00 3.89 Inf 9.06 16.64
S24 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.33 0.01 0.33 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
S25 \(\hat{\rho}\) 0.19 0.53 0.32 0.40 0.39 0.46 0.44 0.19 0.35 0.60 0.24 0.37 0.06 0.14 0.37 0.50 0.55 0.42 0.50 0.61 0.13 0.50 0.26 0.45 1.00 0.67
S25 \(\hat{t}\). 3.49 11.25 6.06 7.84 7.59 9.11 8.81 3.51 6.70 13.45 4.41 7.17 1.12 2.48 7.19 10.23 11.79 8.15 10.16 13.70 2.30 10.44 4.81 9.06 Inf 16.10
S25 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.21 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.03 0.00 0.00 0.00 0.00 0.00
S26 \(\hat{\rho}\) 0.22 0.77 0.34 0.50 0.56 0.55 0.47 0.16 0.41 0.48 0.11 0.36 -0.06 0.20 0.54 0.70 0.72 0.50 0.58 0.86 0.37 0.69 0.17 0.68 0.67 1.00
S26 \(\hat{t}\). 4.00 21.47 6.35 10.27 12.00 11.76 9.60 2.93 7.89 9.73 1.94 6.97 -0.99 3.55 11.28 17.28 18.62 10.39 12.68 29.93 7.08 17.19 3.15 16.64 16.10 Inf
S26 \(p\) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.06 0.00 0.24 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00

Note: a S1-ARABA KİRALAMA, S2-ARAÇ KİRALAMA-SATIŞ/SERVİS/YEDEK PARÇA, S3-BENZİN VE YAKIT İSTASYONLARI, S4-ÇEŞİTLİ GIDA, S5-DOĞRUDAN PAZARLAMA, S6-EĞİTİM / KIRTASİYE / OFİS MALZEMELERİ, S7-ELEKTRİK-ELEKTRONİK EŞYA, BİLGİSAYAR, S8-GİYİM VE AKSESUAR, S9-HAVAYOLLARI, S10-HİZMET SEKTÖRLERİ, S11-KONAKLAMA, S12-KULÜP / DERNEK /SOSYAL HİZMETLER, S13-KUMARHANE /İÇKİLİ YERLER, S14-KUYUMCULAR, S15-MARKET VE ALIŞVERİŞ MERKEZLERİ, S16-MOBİLYA VE DEKORASYON, S17-MÜTEAHHİT İŞLERİ, S18-SAĞLIK/SAĞLIK ÜRÜNLERİ/KOZMETİK, S19-SEYAHAT ACENTELERİ/TAŞIMACILIK, S20-SİGORTA, S21-TELEKOMÜNİKASYON, S22-YAPI MALZEMELERİ, HIRDAVAT, NALBURİYE, S23-YEMEK, S24-DİĞER, S25-İNTERNET ÜZERİNDEN YAPILAN ALIŞVERİŞLER, S26-MEKTUPLA/TELEFONLA YAPILAN ALIŞVERİŞLER b \(\hat{\rho}\) : DCC katsayılarının ortalama tahminin, \(\hat{t}\) : t-istatistiği değerini, \(p\) : p-değerini ifade etmektedir.

Türkiye'nin OECD üyeleri ile dinamik koşullu korelasyon katsayıları

Türkiye’nin OECD üyeleri ile dinamik koşullu korelasyon katsayıları 

## [1] "S1-ARABA KİRALAMA, S2-ARAÇ KİRALAMA-SATIŞ/SERVİS/YEDEK PARÇA, S3-BENZİN VE YAKIT İSTASYONLARI, S4-ÇEŞİTLİ GIDA, S5-DOĞRUDAN PAZARLAMA, S6-EĞİTİM / KIRTASİYE / OFİS MALZEMELERİ, S7-ELEKTRİK-ELEKTRONİK EŞYA, BİLGİSAYAR, S8-GİYİM VE AKSESUAR, S9-HAVAYOLLARI, S10-HİZMET SEKTÖRLERİ, S11-KONAKLAMA, S12-KULÜP / DERNEK /SOSYAL HİZMETLER, S13-KUMARHANE /İÇKİLİ YERLER, S14-KUYUMCULAR, S15-MARKET VE ALIŞVERİŞ MERKEZLERİ, S16-MOBİLYA VE DEKORASYON, S17-MÜTEAHHİT İŞLERİ, S18-SAĞLIK/SAĞLIK ÜRÜNLERİ/KOZMETİK, S19-SEYAHAT ACENTELERİ/TAŞIMACILIK, S20-SİGORTA, S21-TELEKOMÜNİKASYON, S22-YAPI MALZEMELERİ, HIRDAVAT, NALBURİYE, S23-YEMEK, S24-DİĞER, S25-İNTERNET ÜZERİNDEN YAPILAN ALIŞVERİŞLER, S26-MEKTUPLA/TELEFONLA YAPILAN ALIŞVERİŞLER"


Sektörel ayrımda kart harcamalarının dinamik koşullu korelasyon katsayıları üzerinde COVID-19 salgının etkilerinin @ref(eq:n3) numaralı model ile ifade edilen regresyon analizi ile araştırılmıştır. Dört farklı tipte ölçülen COVID-19 salgının dinamik koşullu korelasyonlar üzerindeki etkisinin sonuçları Tablo @ref(tab:dagilimm34)’te özetlenmiştir.4


COVID-19 salgının kartlı harcama davranışlarına etkileri
Sektörler Etki tipi İlişkisi anlamlı olarak COVID-19’dan etkilenen sektör sayısı Etkinin yönü
ARABA KİRALAMA D1 5 Birlikte hareket
ARABA KİRALAMA D3 2 Birlikte hareket
HİZMET SEKTÖRLERİ D1 1 Ayrışma
HİZMET SEKTÖRLERİ D1 1 Birlikte hareket
KONAKLAMA D1 2 Ayrışma
KONAKLAMA D1 7 Birlikte hareket
KONAKLAMA D3 2 Birlikte hareket
KULÜP / DERNEK /SOSYAL HİZMETLER D1 1 Ayrışma
KULÜP / DERNEK /SOSYAL HİZMETLER D1 8 Birlikte hareket
KULÜP / DERNEK /SOSYAL HİZMETLER D2 2 Birlikte hareket
KUMARHANE /İÇKİLİ YERLER D1 16 Birlikte hareket
KUMARHANE /İÇKİLİ YERLER D2 1 Birlikte hareket
KUMARHANE /İÇKİLİ YERLER D3 1 Ayrışma
KUYUMCULAR D1 2 Ayrışma
KUYUMCULAR D1 9 Birlikte hareket
KUYUMCULAR D2 1 Birlikte hareket
KUYUMCULAR D3 1 Birlikte hareket
MARKET VE ALIŞVERİŞ MERKEZLERİ D1 13 Ayrışma
MARKET VE ALIŞVERİŞ MERKEZLERİ D2 1 Ayrışma
MARKET VE ALIŞVERİŞ MERKEZLERİ D3 3 Ayrışma
MOBİLYA VE DEKORASYON D1 1 Ayrışma
MOBİLYA VE DEKORASYON D1 3 Birlikte hareket
MOBİLYA VE DEKORASYON D2 2 Birlikte hareket
MÜTEAHHİT İŞLERİ D1 1 Ayrışma
SAĞLIK/SAĞLIK ÜRÜNLERİ/KOZMETİK D1 1 Birlikte hareket
SAĞLIK/SAĞLIK ÜRÜNLERİ/KOZMETİK D2 2 Ayrışma
SAĞLIK/SAĞLIK ÜRÜNLERİ/KOZMETİK D2 4 Birlikte hareket
SEYAHAT ACENTELERİ/TAŞIMACILIK D1 1 Ayrışma
SEYAHAT ACENTELERİ/TAŞIMACILIK D1 7 Birlikte hareket
SEYAHAT ACENTELERİ/TAŞIMACILIK D2 3 Birlikte hareket
ARAÇ KİRALAMA-SATIŞ/SERVİS/YEDEK PARÇA D2 2 Birlikte hareket
SİGORTA D1 1 Ayrışma
TELEKOMÜNİKASYON D1 1 Ayrışma
TELEKOMÜNİKASYON D1 1 Birlikte hareket
TELEKOMÜNİKASYON D2 2 Birlikte hareket
YAPI MALZEMELERİ, HIRDAVAT, NALBURİYE D1 1 Ayrışma
YEMEK D1 9 Birlikte hareket
YEMEK D2 2 Birlikte hareket
YEMEK D3 2 Ayrışma
YEMEK D3 2 Birlikte hareket
DİĞER D1 1 Ayrışma
DİĞER D1 1 Birlikte hareket
İNTERNET ÜZERİNDEN YAPILAN ALIŞVERİŞLER D1 1 Ayrışma
İNTERNET ÜZERİNDEN YAPILAN ALIŞVERİŞLER D1 3 Birlikte hareket
MEKTUPLA/TELEFONLA YAPILAN ALIŞVERİŞLER D1 1 Ayrışma
BENZİN VE YAKIT İSTASYONLARI D1 1 Ayrışma
BENZİN VE YAKIT İSTASYONLARI D1 4 Birlikte hareket
BENZİN VE YAKIT İSTASYONLARI D2 5 Birlikte hareket
BENZİN VE YAKIT İSTASYONLARI D3 1 Birlikte hareket
ÇEŞİTLİ GIDA D1 3 Ayrışma
ÇEŞİTLİ GIDA D2 1 Birlikte hareket
ÇEŞİTLİ GIDA D3 2 Ayrışma
DOĞRUDAN PAZARLAMA D2 1 Birlikte hareket
EĞİTİM / KIRTASİYE / OFİS MALZEMELERİ D1 1 Ayrışma
EĞİTİM / KIRTASİYE / OFİS MALZEMELERİ D1 4 Birlikte hareket
ELEKTRİK-ELEKTRONİK EŞYA, BİLGİSAYAR D1 1 Ayrışma
ELEKTRİK-ELEKTRONİK EŞYA, BİLGİSAYAR D2 1 Ayrışma
GİYİM VE AKSESUAR D1 11 Birlikte hareket
GİYİM VE AKSESUAR D3 2 Ayrışma
HAVAYOLLARI D1 6 Ayrışma
HAVAYOLLARI D1 6 Birlikte hareket
HAVAYOLLARI D2 4 Birlikte hareket
HAVAYOLLARI D3 2 Birlikte hareket


325 dinamik korelasyon katsayısı üzerine COVID-19 etkilerinin modellenmesi sonucunda, 95 adet sektörler arası ilişkinin COVID-19 salgınından etkilendiği anlaşılmıştır. COVID-19 salgınının sektörleri etkileme şekline bakıldığında, en fazla “Kalıcı” etkinin etkili olduğu tespit edilmiştir. 24 sektörün diğer sektörlerle ilişkilerinde “kalıcı” etki tespit edilmiştir. 15 sektörde önce panik sonra derinleşen etki, 10 sektörde ise önce panik sonra kalıcı etki tespit edilmiştir.


Sektör özelinde bakıldığında, COVID-19 salgınında etkilenmeyen sektör tespit edilememiştir. Etkinin yönü olarak “birlikte hareket” ifadesi, COVID-19 salgının genel olarak kart harcamalarını azaltıcı eğiliminin ilgili sektörde de göründüğünü, “ayrışma” ifadesi ise genel azaltıcı eğilimden farklı olarak artış etkisi yarattığını ima etmektedir. Buna göre, market ve alışveriş merkezleri sektörü dışında tüm sektörler “birlikte hareket” etkisinin ağırlıklı olduğu görülmektedir. Dolayısıyla market ve alışveriş merkezi sektörü covıd-19 salgını döneminde kart harcamalarını açısından diğer sektörlerden ayrışmıştır. Her ne kadar alışveriş merkezlerinin kapalı olduğu salgın döneminde, gıda ağırlıklı market ve sanal market alışverişlerinin bu ayrışmayı açıkladığı düşünülmektedir. Diğer taraftan, COVID-19 salgınından “birlikte hareket” tipinde etkilenen sektörlerden en sert etkiyi alan sektörler kumarhane/içkili yerler, yemek, havayolları, giyim ve aksesuar, kuyumcular, benzin ve yakıt istasyonları, kulüp/dernek/sosyal hizmetler ve seyahat acenteleri/taşımacılık sektörleri olduğu söylenebilir.

Sonuç

COVID-19 salgınının etkileri hem küresel hem de ulusal ölçekte hissedilmektedir. Salgına karşı alınan önlemlerin sadece sağlık açısından değil sosyal ve ekonomik açıdan da etkileri bulunmaktadır. Yerli ve yabancı literatürde salgının etkileri ve alınması gereken tedbirler hakkında çalışmalar bulunmaktadır. Ancak, salgının etkilerinin sürmesi ve gözlem süresinin az olması ampirik analizler açısından literatürde boşluk yaratmıştır. Bu çalışmada, Türkiye’de yapılan kartlı harcamalar üzerinde COVID-19 salgının etkileri ampirik olarak ölçülmeye çalışılmıştır. Haftalık veriler kullanılarak AR-DCC-GARCH analiziyle yapılan analizde, kartlı harcamaların sektörler arasındaki zamana bağlı değişen senkronizasyonu üzerinde COVID-19 salgının etkileri farklı varsayımlarla test edilmiştir. Böylece COVID-19 salgının kartlı harcamalar davranışları üzerindeki etkileri, boyut ve yön açılarından aydınlatılmaya çalışılmıştır.


Sektörler ayrımında Türkiye’de yapılan kartlı harcamalar arasında senkronizasyonun varlığı araştırılan bu çalışmada birçok sektör arasında senkronizasyonun varlığı tespit edilmiştir. Senkronizasyonun varlığı, aynı zamanda kartlı harcamaların sektör ayrımında bir davranış modeli olduğunu ima etmektedir. Diğer bir ifadeyle, bu senkronizasyon aynı zamanda kartla yapılan harcamalarda sektörler arasındaki tercihi yansıtmaktadır.


COVID-19 salgınının kartlı harcama davranışlarına etkilerini ölçmek amacıyla dört farklı tipteki etki regresyon modeli yardımıyla test edilmiştir. Bu etkiler, “kalıcı” , “önce panik sonra kalıcı,” “önce panik sonra derinleşen” ve “derinleşen” olarak sınıflandırılmıştır. İstatistiksel olarak anlamlı bulunan etkiler ışığında COVID-19 salgınının sektörleri etkileme şekline bakıldığında, en fazla “Kalıcı” etkinin etkili olduğu, “önce panik sonra derinleşen” ve “önce panik sonra kalıcı” etkilerin de ağırlıklı olduğu tespit edilmiştir. Market ve alışveriş sektörünün COVID-19 salgını döneminde diğer sektörlerden ayrıştığı yani genel eğilimden farklı olarak artış gösterdiği tespit edilmiştir. Buna karşın başta kumarhane/içkili yerler, yemek ve havayolları sektörleri olmak üzere diğer tüm sektörlerin senkronizasyon seviyelerinin arttığı, diğer bir ifadeyle azalış eğilimini paylaştığı gözlemlenmiştir.


Kaynaklar

Acar, Yusuf. 2020. “Yeni Koronavirüs (COVID-19) Salgını Ve Turizm Faaliyetlerine Etkisi.” Güncel Turizm Araştırmaları Dergisi. Murat BAYRAM. https://doi.org/10.32572/guntad.703410.
Ahmad, Tauseef, Haroon Haroon, Mukhtiar Baig, and Jin Hui. 2020. “Coronavirus Disease 2019 (COVID-19) Pandemic and Economic Impact.” Pakistan Journal of Medical Sciences 36 (COVID19-S4).
Akça, Meltem. 2020. “COVID-19’UN HAVACILIK SEKTÖrÜNE ETKİsİ.” Avrasya Sosyal Ve Ekonomi Araştırmaları Dergisi 7 (4): 45–64.
Antonakakis, Nikolaos. 2012. “Business cycle synchronization during US recessions since the beginning of the 1870s.” Economics Letters 117 (2): 467–72. https://doi.org/10.1016/j.econlet.2012.06.
Battistini, Niccolò, and Grigor Stoevsky. 2020. “Alternative scenarios for the impact of the COVID-19 pandemic on economic activity in the euro area.” Economic Bulletin Boxes 3.
Engle, Robert. 2002. “Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models.” Journal of Business & Economic Statistics 20 (3): 339–50.
Engle, Robert F. 1982. “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation.” Econometrica 50 (4): 987–1007. http://www.jstor.org/stable/1912773.
Hosking, J. R. M. 1980. “The Multivariate Portmanteau Statistic.” Journal of the American Statistical Association 75 (371): 602–8. http://www.jstor.org/stable/2287656.
Mason, Colin. 2020. The Coronavirus Economic Crisis: Its Impact on Venture Capital and High Growth Enterprises. Documentation. Luxembourg: Publications Office of the European Union. http://eprints.gla.ac.uk/215154/.
Özatay, Fatih, and Güven Sak. 2020a. “COVID-19 Nedeniye Sokağa çıkma Yasağı Uygulanırsa.” TEPAV Politika Notu, no. 202005. https://tepav.org.tr/upload/files/1585023057-6.Covid_19un_Ekonomik_Sonuclarini_Yonetebilmek_Icin_Ne_Yapilabilir.pdf.
———. 2020b. “COVID-19 SALGINI bİr DEĞİl, bİr KAÇ ÇEYREK sÜRERSE NE OLUR?” TEPAV Politika Notu, no. 202005. tek.org.tr/files/disc/covid19_salgini_bir_degil_bir_kac_ceyrek_surerse_ne_olur_678.pdf.
———. 2020c. “COVID-19’un Ekonomik Sonuçlarını yönetebilmek İçin Ne Yapılabilir?” TEPAV Politika Notu, no. 202005. https://www.tepav.org.tr/upload/files/1585023057-6.Covid_19un_Ekonomik_Sonuclarini_Yonetebilmek_Icin_Ne_Yapilabilir.pdf.
TEPAV. 2020. “COVID-19’un tüketici Harcamalarına Etkisi - 10 Nisan 2020.” TEPAV Haberler, no. 2. https://www.tepav.org.tr/upload/files/1586499546-0.COVID_19un_Tuketici_Harcamalarina_Etkisi_Bulteni_10_Nisan.pdf.
Üstün, Çağatay, and Seçil Özçiftçi. 2020. “COVID-19 Pandemisinin Sosyal Yaşam Ve Etik düzlem üzerine Etkileri: Bir değerlendirme çalışması.” Anatolian Clinic the Journal of Medical Sciences. Hayat Sağlık ve Sosyal Hizmetler Vakfı. https://doi.org/10.21673/anadoluklin.721864.
Yavuz, Kübra. 2020. “COVID-19 Salgınının Sosyal Politikanın Geleceği üzerine Etkileri.” Sosyal Bilimler Dergisi, no. 45: 181–93. https://doi.org/http://dx.doi.org/10.29228/SOBIDER.42843.

  1. Dr., Hacettepe Üniversitesi, Ankara, Türkiye, ORCID: 0000-0002-4232-9985, ↩︎

  2. Bulguları kısa tutmak amacıyla AR-GARCH tahmin sonuçlarına burada yer verilmemiştir. Talep edilmesi durumunda detaylı sonuçlar paylaşılabilir.↩︎

  3. @ref(eq:n1) numaralı modelin tahmini sonucunda, dinamik korelasyon katsayılarından oluşan \((26 \times 26 -26)/2\) 325 adet zaman serisi elde edilmiştir. Bulguları kısa tutmak amacıyla diğer sektörlerin grafiklerine burada yer verilmemiştir. Talep edilmesi durumunda detaylı sonuçlar paylaşılabilir.↩︎

  4. @ref(eq:n3) numaralı modelin tahmini sonucunda, dinamik korelasyon katsayılarından oluşan \((26 \times 26 -26)/2 = 325\) adet zaman serisi üzerine 4 etki modellenmiştir. Bulguları kısa tutmak amacıyla detaylı EKK tahmin sonuçlarına burada yer verilmemiştir. Talep edilmesi durumunda detaylı sonuçlar paylaşılabilir.↩︎