Upload
yavuz-anil-temucin
View
253
Download
0
Embed Size (px)
DESCRIPTION
Regresyon Analizi
Citation preview
T.C.
TRAKYA ÜNİVERSİTESİ
İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ
EKONOMETRİ BÖLÜMÜ
PROJE ÇALIŞMASI
TÜRKİYE’DE ENFLASYON, İHRACAT, VERGİ
VE SÜBVANSİYONLARIN EKONOMİK
BÜYÜME İLE İLİŞKİSİ
1090707009 ARZU BULUT [email protected]
1090707029 YAVUZ ANIL TEMUÇİN [email protected]
EDİRNE-2013
İÇİNDEKİLER
1.GİRİŞ ............................................................................................................................................................. 2
2. EKONOMİK BÜYÜME .................................................................................................................................... 6
2.1. EKONOMİK BÜYÜME VE ENFLASYON İLİŞKİSİ .............................................................................................. 6
2.2. EKONOMİK BÜYÜME VE İHRACAT İLİŞKİSİ ................................................................................................... 8
2.3. VERGİLERİN EKONOMİK BÜYÜME ÜZERİNDEKİ ETKİLERİ ........................................................................... 10
2.4. SÜBVANSİYONLARIN EKONOMİK BÜYÜME ÜZERİNDEKİ ETKİLERİ ............................................................. 11
3. EKONOMETRİK METODOLOJİ ..................................................................................................................... 12
3.1. ÇOKLU DOĞRUSAL REGRESYON MODELİ ................................................................................................... 12
3.2. TEMEL VARSAYIMLAR ................................................................................................................................ 13
4. VERİ SETİ .................................................................................................................................................... 16
5. EKONOMETRİK BULGULAR ......................................................................................................................... 17
5.1. MODEL SEÇİMİ ........................................................................................................................................... 17
5.2. KUKLA DEĞİŞKENLİ MODELLER .................................................................................................................. 27
6. UYGUN MODEL........................................................................................................................................... 30
6.1. GRAFİKLER ................................................................................................................................................. 30
6.2. VARSAYIMLAR ........................................................................................................................................... 31
6.3. CUSUM TESTİ.............................................................................................................................................. 36
6.4. CUSUM SQUARE TESTİ ............................................................................................................................... 37
6.5. RAMSEY RESET SPESİFİKASYON HATASI TESTİ ............................................................................................ 37
6.6. MODEL 7 ...................................................................................................................................................... 38
7. SONUÇ ........................................................................................................................................................ 40
8. KAYNAKÇA ................................................................................................................................................. 41
2
1.GİRİŞ
Bir ekonominin en önemli sorunlarından birisi, ekonomik oranının nasıl artırılabileceğidir. Bu
sorunun çözümünde en önemli yollardan birisi de, ihracatı artırmaktadır. Çünkü ihracattaki artış
ekonomideki mal ve hizmetlerin üretiminide artırmaktadır. İhracat ve ekonomik büyüme arasındaki
ilişki ekonomi literatüründe çok tartışılan konulardan biridir. İktisatçılar arasındaki en yaygın kanı,
ihracatın ekonomik büyümeyi olumlu etkilediği yönündedir.
Michaely (1977), Balassa (1978), Krueger (1978), Feder (1982), Kavoussi (1984), Marin
(1992), Oxley (1993), Thornton (1996), ihracattan ekonomik büyü- meye doğru bir nedensellik
olduğunu ortaya koyan çalışmalardan bazılarıdır. Findlay (1984), Vernon (1996), Segerstrom v.d
(1990), ekonomik büyümeden ihracata doğru tek yönlü bir nedensellik olduğunu sonucuna
ulaşmışlardır. Ekonomik büyüme ve ihracat arasında iki yönlü nedensellik olduğunu ifade eden çeşitli
çalışmalara ise Bhagwati (1988), Helpman and Krugman (1985), Kunst ve Marin (1989), Ghartey
(1993), Doraisami (1996) ve Grossman and Helpman (1991) örnek olarak verilebilir.
Gelişmekte olan ülkeler için de bu konuda pek çok çalışma yapılmıştır. Bu çalışmalardan
bazıları şunlardır: Awokuse (2005) Kore, Mah (2005) Çin için yaptığı ça- lışmada, ihracat ve büyüme
arasında iki yönlü nedensellik ilişkisi tespit etmişlerdir.
Mallick (2002) Hindistan için yaptığı çalışmada, kısa ve uzun dönemde ihracattan büyümeye
doğru nedensellik tespit ederken, Kemal v.d (2002) yine Hindistan için yaptığı çalışmada kısa
dönemde büyümeden ihracata, uzun dönemde ise ihracattan büyümeye doğru nedensellik olduğu
sonucuna ulaşmışlardır. Love ve Chandra (2004) ise Hindistan, Pakistan ve Sri Lanka için yaptıkları
çalışmada Hindistan ve Pakistan için ihracat ve büyüme arasında iki yönlü nedensellik tespit
ederlerken Sri Lanka için Granger nedensellik olmadığı sonucuna ulaşmışlardır.
.
Saatçioğlu ve Karaca (2004) ekonomik büyümeden ihracata doğru bir nedensellik ilişkisi
tespit etmişlerdir. Demirhan ve Akçay ( 2005) ihracat artışı ve ekonomik büyüme arasındaki
nedensellik ilişkisini araştırmışlar ve kişi başına düşen reel gayri safi yurt içi hâsıla, reel ihracat ve
reel ithalat arasında uzun dönemli bir ilişkinin bulunduğu sonucuna ulaşmışlardır.
Vergiler toplumsal ihtiyaçların karşılanması, sosyoekonomik hayata müdahale edilmesi
amacıyla gerçekleştirilen kamu harcamalarının finansmanında, devletin en önemli gelir kaynağını
oluşturmaktadır. Mali ve mali olmayan söz konusu amaçların hayata geçirilmesi için vergilemenin
adil olması, ekonomide refah kaybına neden olmaması ve istikrar ortamını desteklemesi önem arz
etmektedir. Bu sayede bir taraftan kamu harcamalarını karşılayabilecek düzeyde gelir elde
edebilecekken diğer taraftan da vergilerin ekonomik ve sosyal yapı üzerindeki muhtemel olumsuz
3
etkileri en aza indirilecektir. Vergilerin etki alanı içerisinde yer alan değişkenler arasında başta
ekonomik büyüme olmak üzere mikro ve makro ölçekte çok sayıda unsur yer almaktadır. İktisadi
literatürde artan vergilerin, tüketim hızını düşüreceği kabul görmektedir. Ancak son dönemlerde
yapılan çalışmalarda vergilerin ekonomik büyüme üzerindeki yansıması analiz edilirken, özellikle
dolaysız ve dolaylı vergi ayrımına gidilmektedir.
Vergilerin ekonomik büyüme üzerindeki etkileri ile ilgili olarak ilk kez çalışma yapanlardan
biri Solow’dur. Solow’un geliştirdiği neo- klasik büyüme modeli, ölçeğe göre getirilerin sabit olduğu,
sermayeni marjinal verimliliğinin azaldığı, tekolojinin dışsal olarak belirlendiği, faktörler arası
ikamenin mümkün olduğu ve bağımsız bir yatırım fonksiyonunun bulunmadığına yönelik
varsayımlar çerçevesinde şekillendirmiştir. Standart neo- klasik büyüme modelinin bu varsayımları
çerçevesinde Cobb- Douglas tipi bir makroekonomik üretim fonksiyonu yardımıyla uzun dönem ve
durağan durum büyüme oranının ‘sıfır’ olduğu sonucuna ulaşılmaktadır. Bu çıkarım ise prodüktivite
büyümesinin sabit ve vergi politikalarından etkilenmeyeceği anlamına gelmektedir. (Kibritçioğlu,
1998:8)
Türkiye ekonomisinde de vergi gelirleri ile ekonomik büyüme ilişkisi son dönemlerde en fazla
değerlendirilen konular arasında yer almaktadır. Durkaya ve Ceylan (2006) yaptıkları çalışmada,
dolaylı ve dolaysız vergi gelirleri ile ekonomik büyümeye yönelik ilişkisini de hata düzelteme modeli
ve Granger nedensellik analizi kullanarak test etmişlerdir. Ulaşılan bulgulara göre dolaysız vergiler ile
ekonomik büyüme arasında çift yönlü bir nedensellik bağıntısı bulunurken dolaylı vergiler ve
ekonomik büyüme arasında nedensel ilişki tespit edilememiştir. Yılmaz ve Tezcan (2007) vergi
hasılatı ve sabit sermaye yatırımlarının ekonomik büyümeye olan etkisini 1980- 2005 dönemi yıllık
verilerinden hareketle birim kök, Johansen- Juselius koentegrasyon testi ve Granger nedensellik
alizinden yararlanarak sınamışlardır. Ampirik uygulamalardan GSMH ile dolaysız vergiler arasında
pozitif, dolaylı vergiler arasında da negatif yönlü bir ilişki bulunduğu tespit edilmiştir.
Devlet, çeşitli sosyal ve ekonomik amaçları gerçekleştirmek üzere sübvansiyon verebilir.
Örneğin; geniş halk kitlelerinin tükettiği bir malın fiyatını düşük tutarak aradaki farkı bütçe gelirinden
karşılayabilir. Buradaki amaç tüketicinin korunmasıdır. Tersine, üreticiyi korumak amacıyla da
üreticiye, piyasa fiyatına ek bir ödemede bulunabilir. Bunun gibi, ihracatı özendirmek üzere,
ihracatçıya ülkeye kazandırdığı döviz başına belirli bir sübvansiyon ödeyebilir. Sübvansiyon, dolaysız
veya dolaylı yollarla yapılabilir. Örneğin; birim üretim başına para olarak verilen sübvansiyonlar birinci
gruba girer. Oysa üretici veya ihracatçıya düşük faizli kredi verilmesi, vergide indirim, malın
girdilerinin ucuz fiyatlardan sağlanması vs. gibi uygulamalar da ikinci gruba örnektir.
Devlet tarafından yapılan sübvansiyonun, ekonomik büyüme oranı üzerindeki etkilerini
araştıran Frenkel ve Trauth, götürü vergilerle finanse edilen sübvansiyonun, ar-ge sektörüne
yapılması durumunda, bu sektördeki firma ve çalışanlarının gelirlerini artıracağını ve ar-ge sektöründe
meydana gelen ücret artışının diğer sektörde(imalat) bulunan beşeri sermayeyi bu sektöre çekerek
4
büyümeyi artıracağını öne sürmektedirler. Sonuçta imalat sanayinde fiziki sermaye malları
üretenlerle, ar-ge sektöründe beşeri sermayenin gelirlerini artırıcı bir sübvansiyon politikası, büyüme
oranını optimal düzeye yaklaştırarak artıracaktır.
Enflasyon ve ekonomik büyüme ilişkisini inceleyen çalışmalarda, enflasyonun büyümeyi kısa
dönemde pozitif etkilediğini savunan çalışmaların yanında; bu ilişkinin hem kısa hem de uzun
dönemde negatif yönlü olduğunu savunan çalışmalarda bulunmaktadır. Özellikle, 1970’li yıllara kadar
enflasyonun ciddi bir problem olarak değerlendirilmemesi nedeniyle enflasyonun, ekonomik büyüme
üzerindeki etkisinin pozitif olduğuna dair görüşlerin yaygın olduğu görülmektedir. Fakat toplam talebi
arttırıcı Keynesyen politikalar sonucu enflasyon artarken ekonomik büyümenin olumsuz etkilenmesi,
enflasyonun ekonomik büyümeyi pozitif etkilediğine dair görüşlerin zamanla etkisini yitirmesine
neden olmuştur. Dolayısıyla da 1980’den sonra, yüksek hatta ılımlı bir enflasyonun, büyüme ve
yatırımları negatif etkilediği, bu nedenle enflasyon ile istikrarlı bir ekonomik büyümenin imkânsız
olacağını düşünen birçok çalışma olduğuna değinilmektedir. (Terzi ve Oltulular, 2004,19).
Enflasyon ve ekonomik büyüme üzerinde yapılan en güncel çalışmalardan biri
Frenandez Valdovinos’a (2003) aittir. Fernandez Valdovinos, Lucas’ın 1980 yılında yaptığı
çalışmadaki metodolojiyi uygulayarak Brezilya, Bolivya, Peru, Paraguay, Meksika, Kosta Rika,
Kolombiya ve Şile’de enflasyon ve büyüme arasındaki ilişkiyi araştırmıştır. Lucas paranın miktar
teorisinden yola çıkarak yaptığı çalışmada, dolaşımdaki para miktarındaki bir değişimin, diğer
faktörler aynı kalmak koşuluyla fiyatlarda ve nominal faizlerde de aynı oranda bir değişime neden
olduğunu ortaya koymuştur. Lucas kullandığı verilerin konjonktürden bağımsız olması için, daha açık
bir ifade ile uzun vadede fiyatları, belirli bir yönde hareket etme eğiliminin etkisinden
kurtarmak için filtre kullanmıştır. Valdovinos da, Burns ve Wesley’nin 1946 yılındaki konjonktür
tanımından yola çıkarak kullandığı verilerdeki düşük frekanslı verileri ve trendleri izole etmiştir.
Orijinal verilerde enflasyonla büyüme arasında negatif yönde çok zayıf bir korelasyon
gözlemlerken, filtrelenmiş verilerde çok açık bir negatif ilişki tespit etmiştir.
Enflasyon ve ekonomik büyüme ilişkisi üzerinde yapılan çalışmalar negatif ilişkiyi
göstermekle beraber, bu ilişkinin derecesi ve kritik değerleri, ülkeden ülkeye değişmektedir.
Sarel (1996)%8’in üstünde gerçekleşen enflasyon oranının büyümeyi olumsuz
etkilediğini, %8’in altında gerçekleşen enflasyon oranının ise büyüme üzerinde pozitif etkisi
olabileceğini söylemiştir. Ghosh ve Philips (1998) bu eşiği %2.5 olarak bulmuş ama %5-%10
aralığınında da, istatistiksel olarak bir sorun olmadığını belirtmişlerdir. Burdekin (2003) ise,
endüstri ülkeleri ve gelişmekte olan ülkeler olarak bir ayrıma gitmiş ve farklı eşik değerleri elde
etmiştir. Buna göre gelişmekte olan ülkelerdeki eşik değerini %3 olarak bulurken, endüstri
ülkelerinde %8 rakamına ulaşmıştır.
5
Khan ve Senhadji (2001) aynı sınıflandırmaya sahip veri setleriyle tam tersi sonuçlar elde
etmişlerdir. Büyüme üzerinde pozitif etki yaratan enflasyon aralığını, endüstri ülkeleri için %1-
%3, gelişmiş ülkeler için %7-%11 olarak bulmuşlardır. Eski Bundesbank başkanı Otmar
Emminger enflasyon hakkında büyüme üzerindeki pozitif etkisi için, enflasyonist politikaların
uygulanması uzun vadede kötü sonuçlar doğurabileceğini söylemiştir.
Dennis Logue ve Richard James Sweeney, yirmi dört ülkenin yıllık verilerle yaptıkları
araştırmada, enflasyonla, enflasyonun tahmin edilebilirliği ve değişkenliği hakkında pozitif ilişki
bulmuşlardır. Yüksek enflasyon ve enflasyondaki değişkenlik, üretimde, yatırımlarda ve dolayısıyla
büyümede belirsizliğe yol açmaktadır.
Enflasyon hakkında çalışmaları olan Okun’un (1971) saptamalarına göre eğer bir ülkede
yüksek enflasyon varsa, devlet bu enflasyonu kontrol altında tutabilmek ve düşürebilmek için
mali ve finansal politikalarında tutarlı olamayacaktır. Yüksek e n f l a s y o n u n y o l açtığı
fiyatlardaki dalgalanmalar, reel büyümede de istikrarsızlığa neden olacaktır.
Ülkemizde Diboğlu ve Kibritçioğlu (2004), enflasyon ve büyüme hareketlerini; ticaret, arz,
ödemeler dengesi, mali ve parasal şoklar olarak ayırarak incelemişlerdir. Ampirik sonuçlar şokların
kısa vadede enflasyon üzerinde önemli etkisi olduğunu göstermiştir.
Bu çalışmanın amacı, enflasyon, ihracat, vergi ve sübvansiyonların ekonomik büyümeyi ne
yönde etkilediğini zaman serisi verilerinden yaralanarak analiz etmektir. Çalışmanın ikinci ve teori ve
literatüre yer verilmektedir, izleyen kısımlarda ekonometrik metodoloji ve kullanılan verilerle,
ekonometrik analiz ele alınmaktadır. Analizden elde edilen bulgular verilmektedir. Altıncı kısımda da
çalışma sonlandırılmaktadır.
6
2. EKONOMİK BÜYÜME
Ekonomik büyüme bir ülkenin, talep edilen mal ve hizmetleri üretebilme kapasitesinin
gelişmesi olarak tanımlanabilir. Bir ülkenin üretken kapasitesi de üretilen mal ve hizmetlerin miktarı
ve kalitesi ile birlikte kullanılan teknoloji ile ilgi olduğuna göre, ekonomik büyüme de bu
değişkenlerin gelişmesi ve genişlemesi ile ilgilidir. Üretim kapasitesinin genişlemesi büyümenin arz
yönüyle ilişkiliyken, bu kapasitenin kullanımı büyümenin talep yönüyle ilgilidir. ( Cornwall, 1994: 237,
251).
Büyüme sonucunda elde edilen mal ve hizmetlerin miktarı ve üretken kapasitenin artması
kadar, bu mal ve hizmetlerin ve kapasitenin, gerek halk, gerekse devlet tarafından nasıl
değerlendirildiği de çok önemlidir. Üretilen mal ve hizmetlerin, kullanılabilir potansiyel kapasitenin ne
kadarı ile üretildiği toplam üretim miktarı etkilenmese de, üretimde kullanılan kaynakları
etkileyecektir (Peterson ve Estenson, 1992: 545,547).
Yine, üretilen mevcut mal ve hizmetlerin saysı kadar, kişi başına düşen mal ve hizmetlerin
sayısı da önemlidir. Eğer ekonomik büyümeden söz ediliyorsa, her bireyin kullanılabilir mal ve hizmet
alternatiflerinin artıyor olması gerekir. Bu kritere göre ekonomik büyümenin en anlamlı ölçümü, birim
zamanda kişi başı gerçek çıktı/hâsıla miktarıdır. Nüfus boyutu da burada önem kazanmaktadır. Eğer
nüfus artış hızı büyüme hızından daha yüksekse, pozitif ekonomik büyümeden söz etmek mümkün
değildir (Petrucci, 2003: 545,547).
2.1. EKONOMİK BÜYÜME VE ENFLASYON İLİŞKİSİ
Enflasyon terimi, ekonomide, ürün ve genel fiyat seviyesindeki artışı belirtmek için kullanılır
(Kibritçioğlu, 2002: 45). Fiyatlardaki artışın enflasyon olarak adlandırılması için sürekli ve kalıcı olması
şarttır. Aynı zamanda bu fiyat artışının piyasadaki tüm mal ve hizmetlerin fiyatında gözlenmesi gerekir
(TCMB, 2004).
7
Enflasyon ve ekonomik büyüme ilişkisini inceleyen çalışmalarda, enflasyonun büyümeyi kısa
dönemde pozitif etkilediğini savunan çalışmaların yanında; bu ilişkinin hem kısa hem de uzun
dönemde negatif yönlü olduğunu savunan çalışmalarda bulunmaktadır. Özellikle, 1970’li yıllara kadar
enflasyonun ciddi bir problem olarak değerlendirilmemesi nedeniyle enflasyonun, ekonomik büyüme
üzerindeki etkisinin pozitif olduğuna dair görüşlerin yaygın olduğu görülmektedir. Fakat toplam talebi
arttırıcı Keynesyen politikalar sonucu enflasyon artarken ekonomik büyümenin olumsuz etkilenmesi,
enflasyonun ekonomik büyümeyi pozitif etkilediğine dair görüşlerin zamanla etkisini yitirmesine
neden olmuştur. Dolayısıyla da 1980’den sonra, yüksek hatta ılımlı bir enflasyonun, büyüme ve
yatırımları negatif etkilediği, bu nedenle enflasyon ile istikrarlı bir ekonomik büyümenin imkânsız
olacağını düşünen birçok çalışma olduğuna değinilmektedir. (Terzi ve Oltulular, 2004,19).
Tablo 2.1: Enflasyon ve Büyüme Hakkında Yapılan Ampirik Çalışmalar (Dünya’daki Örnekler)
Türkiye’de, Diboğlu ve Kibritçioğlu (2004), enflasyon ve büyüme hareketlerini; ticaret, arz,
ödemeler dengesi, mali ve parasal şoklar olarak ayrıştırmışlardır. Ampirik sonuçlar, ticari şokların kısa
vadede enflasyon üzerinde önemli etkisinin olduğunu göstermiştir. Uzun vadede ise, para politikaları
ve ödemeler dengesi enflasyona yön vermiştir. Bütçe açıklarının enflasyon üzerinde zayıf bir etkisi
vardır. Büyüme ise, ticari şoklardan ve arz şoklarından etkilenir. Bir diğer araştırmada, Artan ve
Berber (2004), 1987-2003 dönemini kapsayan bir veri setiyle çalışarak, enflasyon ile ekonomik
büyüme arasında negatif korelasyon tespit etmiştir. Bu korelasyona göre enflasyon %10 arttığında,
büyüme %1.9 oranında azalmaktadır. 1987 ve 2003 dönemine ait verilerin nedensellik analizi ise
ilişkinin yönünün enflasyondan büyümeye doğru olduğunu göstermiştir.
8
2.2. EKONOMİK BÜYÜME VE İHRACAT İLİŞKİSİ
İhracat, bir malın yabancı ülkelere döviz karşılığı yapılan satışıdır. İhracat; enerji, yatırım malları
ve ara malları gibi önemli ithalatın finansmanı için gerekli olan kıt döviz kaynaklarını sağlamada, bir
ülkenin büyüme sürecinde oldukça önemlidir. (Şimşek ve Kadılar, 2005: 1). İhracatın ekonomik
büyüme üzerindeki bazı önemli etkileri şöyle özetlenebilir:
İhracat rekabeti arttırır. Uluslararası piyasalara girişte artan rekabet, önemli gelişmiş kaynak
tahsisi, teknik bilginin yayılması, daha iyi yönetim ve daha büyük boyutlu girişimciliğin
getirdiği güven ve ihracat dışı sektörlere dışsallıklar sağlayan, yani yeni teknolojilerin
yayılmasına imkân veren etkilerle ekonomideki genel verimlilik düzeyini yükselterek
özellikle yüksek nitelik kazandıran yeni becerilerin elde edilmesine ve etkili bir fiyat
mekanizmasının oluşumuna katkı sağlamaktadır.
Dış ticaret verimlilik artışının yanısıra yeni teknolojilerin elde edilmesini ve yayılmasını
sağlayarak ekonomik büyüme oranını da arttırmaktadır.
İhracat, rekabet avantajlarından yararlanma imkânları sağlar. Ayrıca içeride ve dışarıda
çeşitli yeni fırsatlar ortaya çıkarır. İşgücü maliyetlerinin düşürülmesi, yerli mallara dış talebin
artması, bunun yeni yatırımları uyarması, böylece bu sektörlere daha çok yatırımların
yapılması, uzmanlaşma ve karşılaştırmalı üstünlüklerden yararlanma bu fırsatlara
verilebilecek bazı örneklerdir.
İç pazarı dar olan ekonomiler ancak ihracat yoluyla ekonomik ölçekte üretim yapma
imkânlarını elde ederler.
İhracatın promosyonu döviz girdilerini arttırarak dış ödemelerdeki döviz baskısını azaltır.
Böylece mal ve hizmet ithalatının da artmasına imkan sağlar. İhracat artışı, aynı zamanda çeşitli
girdiler ve sermaye malları gibi ülkede bulunmayan, yerli üretimi arttırmada önemli rol oynayan
ithalat kapasitesini genişleterek ekonomik büyümede itici rol oynamaktadır. (Şimşek, 2003:2).
İhracat ve ekonomik büyüme arasındaki ilişki ekonomi literatüründe çok tartışılan konulardan
biridir. İktisatçılar arasındaki en yaygın kanı, ihracatın ekonomik büyümeyi olumlu etkilediği
yönündedir. Son 30 yılda pek çok gelişmekte olan ülke, daha önce uyguladıkları ithal ikamesine
dayalı büyüme politikalarını terk ederek, ihracata yönelik büyüme politikasına geçmiştir. 1980
yılında aynı tercihi yapan Türkiye de bu ülkelerden biridir. Ancak ihracat ile ekonomik büyüme
arasındaki ilişkide nedenselliğin yönü ihracattan büyümeye doğru olabileceği gibi büyümeden
9
ihracata doğru da olabilir. Ayrıca ihracat ile ekonomik büyüme arasındaki karşılıklı bir nedensellik
ilişkisinin olması ya da aralarındaki herhangi bir nedensellik ilişkisinin bulunmaması da mümkündür.
(Saatçioğlu ve Karaca, 2004.31).
Michaely (1977), Balassa (1978), Krueger (1978), Feder (1982), Kavoussi (1984), Marin
(1992), Oxley (1993), Thornton (1996), ihracattan ekonomik büyü- meye doğru bir nedensellik
olduğunu ortaya koyan çalışmalardan bazılarıdır. Findlay (1984), Vernon (1996), Segerstrom v.d
(1990), ekonomik büyümeden ih- racata doğru tek yönlü bir nedensellik olduğunu sonucuna
ulaşmışlardır. Ekonomik büyüme ve ihracat arasında iki yönlü nedensellik olduğunu ifade eden
çeşitli çalışmalara ise Bhagwati (1988), Helpman and Krugman (1985), Kunst ve Marin (1989),
Ghartey (1993), Doraisami (1996) ve Grossman and Helpman (1991) örnek olarak ve rilebilir.
Gelişmekte olan ülkeler için de bu konuda pek çok çalışma yapılmıştır. Bu çalış- malardan bazıları
şunlardır: Awokuse (2005) Kore, Mah (2005) Çin için yaptığı ça- lışmada, ihracat ve büyüme arasında
iki yönlü nedensellik ilişkisi tespit etmişlerdir.
Mallick (2002) Hindistan için yaptığı çalışmada, kısa ve uzun dönemde ihracattan büyümeye
doğru nedensellik tespit ederken, Kemal v.d (2002) yine Hindistan için yaptığı çalışmada kısa
dönemde büyümeden ihracata, uzun dönemde ise ihracattan büyümeye doğru nedensellik olduğu
sonucuna ulaşmışlardır. Love ve Chandra (2004) ise Hindistan, Pakistan ve Sri Lanka için yaptıkları
çalışmada Hindistan ve Pakistan için ihracat ve büyüme arasında iki yönlü nedensellik tespit
ederlerken Sri Lanka için Granger nedensellik olmadığı sonucuna ulaşmışlardır.
Bu konuda Türkiye için de bazı çalışmalar yapılmıştır. Yiğidim ve Köse (1997) “ekonomik büyümeyi
en çok etkileyen değişken ithalattır.” bulgusuna ulaşmışlardır. Çetintaş (2004) ihracat ve ekonomik
büyüme arasında uzun dönemde iki yönlü bir nedenselliğin olduğunu göstermiştir. Değer (2006)
kısa vadede gözlenen ihracat ve ekonomik büyüme arasındaki anlamlı ilişkilerin, uzun vadede de
varlığını sürdürdüğünü ifade etmiştir.
10
Saatçioğlu ve Karaca (2004) ekonomik büyümeden ihracata doğru bir nedensellik ilişkisi
tespit etmişlerdir. Demirhan ve Akçay ( 2005) ihracat artışı ve ekonomik büyüme arasındaki
nedensellik ilişkisini araştırmışlar ve kişi başına düşen reel gayri safi yurt içi hâsıla, reel ihracat ve
reel ithalat arasında uzun dönemli bir ilişkinin bulunduğu sonucuna ulaşmışlardır.
2.3. VERGİLERİN EKONOMİK BÜYÜME ÜZERİNDEKİ ETKİLERİ
Vergi, ekonomik birimlerden siyası cebir altında ve karşılıksız olarak devlete kaynak
aktarılmasıdır. Kamu hizmeti yapmak durumunda olan devlet, bunu yaparken mal ve hizmet
üretiminde bulunur. Gerekli üretim faktörlerini sağlarken kamu fonlarını kullanır. Bu fonlar
içerisinde vergi gelirlerinin oranı yüksektir. Devlet, vergi adı altında çok çeşitli araçlar kullanmakta,
daha doğrusu bireylerin ödeme gücünden, türlü fırsatlardan yararlanarak pay almaktadır. Bireylerin
gelir elde etmesi, kurumların kazanç sağlaması, gelirleri harcanması, istihsal ve satış nedenleriyle ya
da miras ve hibe yoluyla malların el değiştirmesi, bir servete sahip olma, sahip olunan servetin
değerinde artış görülmesi gibi olaylar, devletin vergi koymasının belli başlı fırsat ve nedenlerini
oluşturmaktadır.
Vergilerin ekonomik büyüme üzerindeki etkileri ile ilgili olarak ilk kez çalışma yapanlardan
biri Solow’dur. Solow’un geliştirdiği neo- klasik büyüme modeli, ölçeğe göre getirilerin sabit olduğu,
sermayeni marjinal verimliliğinin azaldığı, tekolojinin dışsal olarak belirlendiği, faktörler arası
ikamenin mümkün olduğu ve bağımsız bir yatırım fonksiyonunun bulunmadığına yönelik
varsayımlar çerçevesinde şekillendirmiştir. Standart neo- klasik büyüme modelinin bu varsayımları
çerçevesinde Cobb- Douglas tipi bir makroekonomik üretim fonksiyonu yardımıyla uzun dönem ve
durağan durum büyüme oranının ‘sıfır’ olduğu sonucuna ulaşılmaktadır. Bu çıkarım ise prodüktivite
büyümesinin sabit ve vergi politikalarından etkilenmeyeceği anlamına gelmektedir. (Kibritçioğlu,
1998:8)
Türkiye ekonomisinde de vergi gelirleri ile ekonomik büyüme ilişkisi son dönemlerde en
fazla değerlendirilen konular arasında yer almaktadır. Durkaya ve Ceylan (2006) yaptıkları
çalışmada, dolaylı ve dolaysız vergi gelirleri ile ekonomik büyümeye yönelik ilişkisini de hata
11
düzelteme modeli ve Granger nedensellik analizi kullanarak test etmişlerdir. Ulaşılan bulgulara göre
dolaysız vergiler ile ekonomik büyüme arasında çift yönlü bir nedensellik bağıntısı bulunurken
dolaylı vergiler ve ekonomik büyüme arasında nedensel ilişki tespit edilememiştir. Yılmaz ve Tezcan
(2007) vergi hasılatı ve sabit sermaye yatırımlarının ekonomik büyümeye olan etkisini 1980- 2005
dönemi yıllık verilerinden hareketle birim kök, Johansen- Juselius koentegrasyon testi ve Granger
nedensellik alizinden yararlanarak sınamışlardır. Ampirik uygulamalardan GSMH ile dolaysız vergiler
arasında pozitif, dolaylı vergiler arasında da negatif yönlü bir ilişki bulunduğu tespit edilmiştir.
2.4. SÜBVANSİYONLARIN EKONOMİK BÜYÜME ÜZERİNDEKİ ETKİLERİ
Devlet, çeşitli sosyal ve ekonomik amaçları gerçekleştirmek üzere sübvansiyon verebilir.
Örneğin; geniş halk kitlelerinin tükettiği bir malın fiyatını düşük tutarak aradaki farkı bütçe gelirinden
karşılayabilir. Buradaki amaç tüketicinin korunmasıdır. Tersine, üreticiyi korumak amacıyla da
üreticiye, piyasa fiyatına ek bir ödemede bulunabilir. Bunun gibi, ihracatı özendirmek üzere,
ihracatçıya ülkeye kazandırdığı döviz başına belirli bir sübvansiyon ödeyebilir. Sübvansiyon, dolaysız
veya dolaylı yollarla yapılabilir. Örneğin; birim üretim başına para olarak verilen sübvansiyonlar birinci
gruba girer. Oysa üretici veya ihracatçıya düşük faizli kredi verilmesi, vergide indirim, malın
girdilerinin ucuz fiyatlardan sağlanması vs. gibi uygulamalar da ikinci gruba örnektir.
Devlet tarafından yapılan sübvansiyonun, ekonomik büyüme oranı üzerindeki etkilerini
araştıran Frenkel ve Trauth, götürü vergilerle finanse edilen sübvansiyonun, ar-ge sektörüne
yapılması durumunda, bu sektördeki firma ve çalışanlarının gelirlerini artıracağını ve ar-ge sektöründe
meydana gelen ücret artışının diğer sektörde(imalat) bulunan beşeri sermayeyi bu sektöre çekerek
büyümeyi artıracağını öne sürmektedirler. Sonuçta imalat sanayinde fiziki sermaye malları
üretenlerle, ar-ge sektöründe beşeri sermayenin gelirlerini artırıcı bir sübvansiyon politikası, büyüme
oranını optimal düzeye yaklaştırarak artıracaktır.
12
3. EKONOMETRİK METODOLOJİ
3.1. ÇOKLU DOĞRUSAL REGRESYON MODELİ
Basit doğrusal regresyon modelinin bağımlı değişkenini etkileyecek, bağımlı değişkendeki
değişmelerin nedeni olabilecek değişkenlerin eklenmesi ile oluşturulan modeller çoklu regresyon
modeli denir. Çoklu regresyon modeli de basit regresyon modeli gibi, doğrusal veya doğrusal olmayan
fonksiyonlarla ifade edilir. Değişkenler arasında doğrusal ilişki olduğu varsayımı ile doğrusal
fonksiyonla ifade edilen çoklu regresyon modellerine çoklu doğrusal regresyon modelleri adı
verilmektedir.
Anakütle çoklu doğrusal regresyon modeli,
Yi =β1 +β2Xi2 +β3Xi3+…+βkXik+εi şeklinde ifade edilir.
Bağımlı değişken Y’ deki değişmeler X2,X3,….Xk bağımsız değişkenleri tarafından
açıklanmaktadır. Bağımsız değişkenler X2’den başlayarak tanımlandığından modelde toplam k
değişken ve (k-1) bağımsız değişken yer almaktadır. Sabit katsayı β1 ve eğim parametreleri β2,β3,…βk
olduğundan tahmin edilecek parametre sayısı k’dır.
Çoklu doğrusal regresyon modelinin parametreleri basit doğrusal regresyon modelinin
parametreleri gibi aynı yöntemlerle tahmin edilebilir. Bu işlemler değişken sayısının çokluğu nedeni
ile biraz daha karmaşıklaşmakla birlikte, elde edilen sonuçlar aynı olacaktır. Bu yöntemler;
En Küçük Kareler Yöntemi
En Çok Benzerlik Yöntemi
En İyi Doğrusal Sapmasız Tahmin Yöntemi
Momentler Yöntemi
Parametrelerin Matrislerle Tahmini dir.
13
3.2. TEMEL VARSAYIMLAR
Çoklu doğrusal regresyonda da basit doğrusal regresyonda olduğu gibi elde edilen sonuçların
geçerliliği temel varsayımların geçerliliğine bağlıdır. Çoklu regresyonda basit regresyonun varsayımları
aynen geçerli olup iki ilave varsayım daha vardır. Çoklu doğrusal regresyonun temel varsayımları,
Normallik
Sıfır ortalama
Sabit varyans
Otokorelasyon olmaması
Bağımsız değişkenlerin tesadüfi değişken olması
Çoklu doğrusal bağlılık olmaması
n>k olmasıdır.
3.2.1. Normallik
Regresyonun temel varsayımlarından biri olan normallik varsayımı anakütle hata teriminin
normal dağıldığını varsayar. Doğrusal regresyon modelindeki her bir hata teriminin, sıfır ortalama ve
sabit varyansla normal dağıldığı varsayımı,
E(εi)=0
E(εi2)=σ2
E(εi εj)=0
εi ˷ N(0, σ2) i≠j
olarak ifade edilebilir.
Normallik varsayımı, parametre tahminlerinin istatistiksel olarak anlamlılığının testi ve aralık
tahminleri için gereklidir. Bu varsayım geçersiz ise testler ve aralık tahmini yapılamaz. Normallik
varsayımı geçerli değilse ve diğer varsayımlar geçerli ise parametrelerin nokta tahminleri elde edilir
ve bu parametre tahminleri sapmasız en iyi doğrusal sapmasız tahminci olma özelliğini taşırlar. Fakat
bu parametreler için anlamlılık testleri ve aralık tahminleri yapılamaz..
14
3.2.2. Sıfır Ortalama
Bu varsayım hata terimlerinin beklenen değerini sıfır olacağını ifade etmektedir.
E(εi)=0
Normallik varsayımı ve sıfır ortalama varsayımına göre hata terimleri ±∞ aralığında sıfır
ortalama etrafında normal dağılmaktadır.
3.2.3. Sabit Varyans
Bu varsayım her bir hata teriminin dağılımının aynı varyansa sahip olması gerektiğini ifade
etmektedir.
E[ εi – E(εi)]2 = E(εi)
2=σ2
Bu varsayıma göre Xi’nin alacağı değerler ile oluşan εi ‘lerin varyansı her bir Xi için aynı
olacaktır. Oysa uygulamada Xi birbirinden çok farklı büyüklükte değerler alabilmekte ve bu durumda
bu varsayım geçerli olmamaktadır. Sabit varyans varsayımının geçerli olmaması durumu değişen
varyans olarak adlandırılmaktadır.
3.2.4. Otokorelasyon Olmaması
Hata terimleri arasında ilişki olması otokorelasyon olarak adlandırılır. İstenen otokorelasyon
olmamasıdır. Bu varsayıma göre bir hata terimi kendinden önce veya sonra yer alan hata terimlerini
etkilemeyecektir.
E[εi – E(εi)] E[εj – E(εj)]=E(εi,εj)=0 i≠j
15
3.2.5. Bağımsız Değişkenlerin Tesadüfi Değişken Olması
Bu varsayıma göre bağımsız değişkenler tesadüfi değişken olmayacak. Yani, tekrarlanan
örnekler için Xi değerleri sabit olacaktır .Xi ‘lerin tesadüfi değişken olması durumunda ise Xi’ler ile
hata terimi εi arasındaki ilişki olmayacaktır.
3.2.6. Çoklu Doğrusal Bağlılık Olmaması
Bağımsız değişkenlerden ikisi veya daha fazlası arasında kuvvetli doğrusal ilişki olması durumu
çoklu doğrusal bağlılık olarak adlandırılmaktadır. Tam çoklu doğrusal bağlılık olduğunda, sistem
çözülememekte, yani parametreler tahmin edilememekte veya bazı temel varsayımlar geçerli
olmamaktadır. Bu nedenle, sonuçların geçerliliği için modelde çoklu doğrusal bağlılık olmamalıdır.
3.2.7. n>k Olması
Çoklu regresyonda tahmin edilecek parametre sayısı k’dır. Bu nedenle gözlem sayısı k’dan az
ise parametreler tahmin edilmeyecektir. Gözlem sayısı, tahmin edilecek parametre sayısına eşit (n=k)
ise bu durumda da gerekli serbestlik derecesi sağlanamayacaktır. Bu nedenle n>k olması
gerekmektedir.
16
4. VERİ SETİ Çalışmamızda belirtildiği üzere vergi ve sübvansiyonlar, üretici fiyatları endeksi ve ihracatın
gayrisafi yurtiçi hasıla ile ilişkisi incelenecektir. Veri seti olarak 2003-2012 yılları alınmıştır.
Değişkenlerin önce logaritmik dönüşümleri kullanılmıştır ancak gerekli varsayımları
sağlanamadığından, değişkenlerin birinci farkları da alınmıştır. Çalışmamızda
D(LOGGAYRI_SAFI_YURTICI_HA): Gayrisafi Yurtiçi Hasıla, D(LOGUFE): Üretici Fiyatları Endeksi,
D(LOGIHRACAT): İhracat, D(LOGVERGI_SUBVANSIYON_CAR): Vergi ve sübvansiyonlar olarak
adlandırılmıştır. Veriler TCMB’ dan 3 aylık olarak alınmıştır.
obs D(LOGGYRI_SFI_YRTICI_HA) D(LOGUFE) D(LOGIHRACAT) D(LOGVERGI_SUBVNSYON)
2003Q1 NA NA NA NA
2003Q2 0.032708 0.001344 0.029586 -0.041072
2003Q3 0.084832 0.000882 0.104736 0.030909
2003Q4 -0.020740 0.011861 -0.045921 -0.000304
2004Q1 -0.010828 0.021941 -0.065735 0.089364
2004Q2 0.039890 0.025933 0.130381 -0.025233
2004Q3 0.080537 0.009140 0.097120 0.045990
2004Q4 -0.019281 0.012503 -0.043256 0.005062
2005Q1 -0.029039 -0.002711 -0.088040 0.049370
2005Q2 0.037370 0.008828 0.068978 -0.012198
2005Q3 0.072196 -0.000254 0.073817 0.023167
2005Q4 -0.022236 0.003942 -0.048014 -0.007315
2006Q1 -0.032497 0.008026 -0.067881 0.070277
2006Q2 0.059679 0.023190 0.130119 -0.013591
2006Q3 0.064986 0.016476 0.087635 0.013865
2006Q4 -0.024985 -0.000842 -0.048980 -0.021800
2007Q1 -0.029952 0.003133 -0.048528 -0.003467
2007Q2 0.034050 0.008594 0.057511 0.016949
2007Q3 0.057874 0.004418 0.044566 0.021314
2007Q4 -0.024155 0.006404 -0.045919 -0.007278
2008Q1 -0.008153 0.015546 0.015371 0.022007
2008Q2 0.045398 0.038257 0.073356 0.035104
2008Q3 0.039893 0.001253 0.047253 -0.013835
2008Q4 -0.051273 -0.008971 -0.060068 -0.055899
2009Q1 -0.049769 -0.005746 -0.036581 -0.020176
2009Q2 0.041114 0.006563 -0.004402 0.061373
2009Q3 0.058798 0.001656 0.075168 0.015935
2009Q4 -0.012389 0.008306 -0.014924 0.006517
2010Q1 -0.023368 0.013886 -0.072684 0.013065
2010Q2 0.042813 0.013920 0.076164 0.051284
2010Q3 0.046409 0.000216 0.019826 0.017103
2010Q4 -0.000315 0.009368 0.002894 0.037857
2011Q1 -0.008714 0.020136 0.010122 -0.025666
2011Q2 0.039340 0.009069 0.055704 0.071268
2011Q3 0.043925 0.007356 0.091773 -0.014460
2011Q4 -0.015010 0.017239 -0.021814 0.030660
2012Q1 -0.016123 0.005733 -0.024526 -0.055462
2012Q2 0.028860 0.000645 0.072313 0.039982
17
5. EKONOMETRİK BULGULAR
5.1. MODEL SEÇİMİ
5.1.1. Model 1
Modelin R2, yani belirlilik katsayısına bakıldığı zaman 0,995055 değerini almıştır. Çoklu
regresyon modellerinde basit regresyon modellerinde olduğu gibi bu değer 0 ≤ R2 ≤ 1 olacaktır,
F testi ile çoklu doğrusal regresyonda sabit parametre dışındaki parametrelerin tümünün
birden anlamlılığını test etmektedir.
Hipotezler:
H0 = Sabit parametre hariç tüm bağımsız değişkenler anlamsızdır. (β2 = β3 = …. Βk= 0)
Ha = Sabit parametre hariç tüm bağımsız değişkenler anlamlıdır. (β2 ≠ β3 ≠ …. Βk≠ 0)
F istatistiğinin olasılık değerine baktığımız zaman 0,05’ten küçük olduğu görülmektedir. H0
reddedilir. Sabit parametre hariç tüm bağımsız değişkenler anlamlıdır.
Bağımlı Değişken: GAYRI_SAFI_YURTICI_HASIL
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılık
MAAS__UCRET_CARI_ 7.602235 1.940069 3.918538 0.0005
SAGLIK_ISLERI_VE_SOSYAL_ 23.95270 4.211962 5.686827 0.0000
EGITIM_CARI_ -17.66397 4.069787 -4.340269 0.0001
UFE 160062.1 321062.8 0.498538 0.6217
VERGI_SUBVANSIYON_CARI_ 2.140555 0.436405 4.904971 0.0000
KAMU_SEKTORU_CARI_ 2.046.239 1.019811 2.006488 0.0539
IHRACAT 1.043628 0.244775 4.263619 0.0002
C -2.15E+12 2.01E+12 -1.073105 0.2918
R-squared 0.995055
Adjusted R-squared 0.993901 Mean dependent var 2.17E+13
S.E. of regression 5.55E+11 S.D. dependent var 7.10E+12
Sum squared resid 9.24E+24 Akaike info criterion 57.10642
Log likelihood -1077.022 Schwarz criterion 57.45118
F-statistic 862.3595 Hannan-Quinn criter. 57.22909
Prob(F-statistic) 0.000000 Durbin-Watson stat 1.847900
18
Daha sonra parametrelerin anlamlılığına bakılır. Bu nedenle modeldeki değişkenlerin t-istatistik
değerlerine bakılır. Hipotezler şu şekilde kurulur:
H0 = Parametreler anlamlı değildir.
Ha = Parametreler anlamlıdır.
Eğer t-istatistiklerinin olasılık değeri 0,05’ten küçükse H0 hipotezi reddedilir, büyükse kabul
edilir. Modele bakıldığında UFE değişkeninin ve C sabitinin 0,05’ten büyük olduğu görülür. Yani H0
kabul edilir. Bu nedenle UFE değişkeni modelden çıkarılarak, model tekrar tahmin edilmelidir.
Ancak model anlamlı ve R2’ nin yüksek olması nedeniyle, regresyon varsayımlarına da
bakılmalıdır. Çünkü bunlar çoklu doğrusal bağıntının göstergesi olabilir.
Çoklu Doğrusal Bağıntı Varsayımı
Çoklu regresyon analizi yaparken en çok dikkat edilmesi gereken varsayımlardan birisi çoklu
doğrusal bağıntıdır. Vif kriteri kullanılarak bakılmıştır.
Tablo sonuçlarına bakıldığında Vif değerlerinin hiçbiri 5’ten küçük değildir. Çoklu doğrusal
bağıntı vardır. Varsayım sağlanamamıştır. Diğer varsayımlara bakmanın gereği yoktur.
Variance Inflation Factors
Coefficient Uncentered Centered
MAAS__UCRET_CARI_ 3.763868 1419.506 162.3905
SAGLIK_ISLERI_VE_SOSYAL_ 17.74062 290.4547 27.51420
EGITIM_CARI_ 16.56316 1090.907 158.5997
UFE 1.03E+11 2890.276 124.5322
VERGI_SUBVANSIYON_CARI_ 0.190450 187.1807 15.89947
KAMU_SEKTORU_CARI_ 1.040015 91.11843 14.13909
IHRACAT 0.059915 210.5069 24.16465
C 4.03E+24 496.8896 NA
19
5.1.2. Model 2
Bağımlı Değişken: GAYRI_SAFI_YURTICI_HASIL
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılık
MAAS__UCRET_CARI_ 7.442028 1.889938 3.937710 0.0004
SAGLIK_ISLERI_VE_SOSYAL_ 25.02928 3.572155 7.006772 0.0000
EGITIM_CARI_ -16.81772 3.653782 -4.602825 0.0001
VERGI_SUBVANSIYON_CARI_ 2.194639 0.417552 5.255972 0.0000
KAMU_SEKTORU_CARI_ 2.369293 0.777866 3.045887 0.0047
IHRACAT 1.107465 0.206067 5.374288 0.0000
C -1.19E+12 5.41E+11 -2.201617 0.0353
R-squared 0.995014
Adjusted R-squared 0.994049 Mean dependent var 2.17E+13
S.E. of regression 5.48E+11 S.D. dependent var 7.10E+12
Sum squared resid 9.31E+24 Akaike info criterion 57.06204
Log likelihood -1077.179 Schwarz criterion 57.36370
F-statistic 1031.038 Hannan-Quinn criter. 57.16937
Prob(F-statistic) 0.000000 Durbin-Watson stat 1.889883
UFE’yi çıkarttıktan sonra kurduğumuz modele bakınca değişkenlerin t-istatistik olasılık
değerlerinin hepsinin 0,05’ten küçük olduğu görülmektedir. Yukarıdaki hipotezlere göre baktığımızda
H0 reddedilir ve parametrelerin anlamlı olduğu söylenir. Ancak tek başına parametre anlamlılığı
model seçmekte yeterli değildir. Çoklu regresyon analizinin birçok varsayımı vardır ve doğru
sonuçlara ulaşmak için bunlarında sağlanması gereklidir.
Otokorelasyon Varsayımı
Modelde otokorelasyon olup olmadığını test etmek için Breusch-Godfrey Otokorelasyon LM testi
kullanılmıştır. Tek tek otokorelasyon derecelerine bakılmıştır. 6. derecede(gecikmede) bir soruna
rastlanılmıştır.
Hipotezler şu şekilde kurulur:
H0 = Otokokorelasyon yoktur.
Ha = Otokorelasyon vardır.
Ki-kare olasılık değerlerine bakılarak yorum yapılır. Eğer ki-kare olasılık değeri 0,05’ten
küçükse H0 reddedilir, büyükse kabul edilir. Tabloya bakıldığında 0,0197<0,05 olduğu görülmektedir.
Bu sonuçlara göre otokorelasyon sorunu vardır. H0 reddedilir. Varsayım sağlanamamıştır. Sonuçları
daha net görebilmek artıkların otokorelasyon tablosu aşağıda verilmiştir.
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 2.738129 Prob. F(6,25) 0.0348
Obs*R-squared 15.06908 Prob. Chi-Square(6) 0.0197
20
Tablodan da 6. Derecede (gecikmede) otokorelasyon sorunu olduğu görülmektedir.
Çoklu Doğrusal Bağıntı Varsayımı
Çoklu regresyon analizi yaparken en çok dikkat edilmesi gereken varsayımlardan birisi çoklu
doğrusal bağıntıdır. Vif kriteri kullanılarak bakılmıştır.
Variance Inflation Factors
Coefficient Uncentered Centered
Variable Variance VIF VIF
MAAS__UCRET_CARI_ 3.571865 1380.559 157.9350
SAGLIK_ISLERI_VE_SOSYAL_ 12.76029 214.1054 20.28178
EGITIM_CARI_ 13.35012 901.1288 131.0092
VERGI_SUBVANSIYON_CARI_ 0.174349 175.6137 14.91696
KAMU_SEKTORU_CARI_ 0.605076 54.32925 8.430413
IHRACAT 0.042464 152.8998 17.55177
C 2.93E+23 37.00501 NA
Vif kriterine göre bakıldığında, elde edilen sonuçların 5’ten küçük alınması önerilir. Tabi ki bir
önbilgi, detay vs. gibi durumlar varsa bu değişebilir. Ancak çoğu araştırmacı bu kriter 5’ten küçük
olduğu zaman çoklu doğrusal bağıntının bulunmadığını söylemektedir.
Tablo sonuçlarına bakıldığında Vif değerlerinin hiçbiri 5’ten küçük değildir. Çoklu doğrusal
bağıntı vardır. Varsayım sağlanamamıştır. Diğer varsayımlara bakmanın gereği yoktur.
21
5.1.3. Model 3
Bağımlı Değişken: LOGGAYRI_SAFI_YURTICI_HA
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılık
LOGUCRET 0.530257 0.103932 5.101963 0.0000
LOG_EGITIM_CARI_ -0.529345 0.091101 -5.810529 0.0000
LOGSAGLIK_ISLERI_VE_SOSY 0.402860 0.051108 7.882503 0.0000
LOGVERGI_SUBVANSIYON_CAR 0.271525 0.039818 6.819199 0.0000
LOGKAMU 0.046019 0.008340 5.518077 0.0000
LOGIHRACAT 0.283063 0.040702 6.954583 0.0000
C 3.421731 0.400178 8.550530 0.0000
R-squared 0.995014
Adjusted R-squared 0.994049 Mean dependent var 2.17E+13
S.E. of regression 5.48E+11 S.D. dependent var 7.10E+12
Sum squared resid 9.31E+24 Akaike info criterion 5.706204
Log likelihood -1.077.179 Schwarz criterion 5.736370
F-statistic 103.1038 Hannan-Quinn criter. 5.716937
Prob(F-statistic) 0.000000 Durbin-Watson stat 1.889883
Değişkenlerin logaritma dönüşümleri alınarak model tahmin edilmeye çalışılmıştır. Logaritma
alınmasının amacı, hem sonuçları daha net bir şekilde görebilmek hem de bu dönüşümle varsayımları
sağlamaya çalışmaktır.
Model 3’deki parametrelerin anlamlılığına bakıldığında hepsinin 0,05’ten küçük olduğu
görülmektedir. Yukarıda kurduğumuz hipotezlere göre H0 reddedilir. Yani parametreler anlamlıdır.
Ancak yüksek R2 ve F istatistik değerinin olumlu olması çoklu doğrusal bağıntı göstergesi olabilir.
Varsayımlara bakılmalıdır.
Çoklu Doğrusal Bağıntı Varsayımı
Çoklu regresyon analizi yaparken en çok dikkat edilmesi gereken varsayımlardan birisi çoklu
doğrusal bağıntıdır. İlk olarak bu varsayıma bakılır. Tablo sonuçlarına bakıldığında Vif değerlerinin
hiçbiri 5’ten küçük değildir. Çoklu doğrusal bağıntı vardır. Varsayım sağlanamamıştır.
Variance Inflation Factors
Coefficient Uncentered Centered
Variable Variance VIF VIF
LOGUCRET 0.010802 281112.8 131.6633
LOG_EGITIM_CARI_ 0.008299 581101.5 138.2043
LOGSAGLIK_ISLERI_VE_SOSY 0.002612 174357.1 31.26494
LOGVERGI_SUBVANSIYON_CAR 0.001585 122949.6 14.38615
LOGKAMU 6.95E-05 8.701.653 7.605370
LOGIHRACAT 0.001657 133938.4 21.28534
C 0.160142 80616.41 NA
22
5.1.4. Model 4
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılı
k
D(LOGUCRET) 0.479944 0.122724 3.910766 0.0005
D(LOG_EGITIM_CARI_) -0.482465 0.092788 -5.199639 0.0000
D(LOGSAGLIK_ISLERI_VE_SOSY) 0.389590 0.091592 4.253539 0.0002
D(LOGVERGI_SUBVANSIYON_CAR) 0.181136 0.058455 3.098722 0.0042
D(LOGKAMU) 0.039577 0.017085 2.316436 0.0275
D(LOGIHRACAT) 0.324341 0.048059 6.748768 0.0000
C 0.001016 0.003409 0.298000 0.7678
R-squared 0.944363
Adjusted R-squared 0.933236 Mean dependent var 0.014915
S.E. of regression 0.010188 S.D. dependent var 0.039428
Sum squared resid 0.003114 Akaike info criterion -6.166637
Log likelihood 121.0828 Schwarz criterion -5.861869
F-statistic 84.86881 Hannan-Quinn criter. -6.059192
Prob(F-statistic) 0.000000 Durbin-Watson stat 2.476022
Model 3’de değişkenlerin logaritma dönüşümleri alınarak model tahmin edilmeye
çalışılmıştır. Ancak logaritma dönüşümleri sonunda da çoklu doğrusal bağlantı sorunuyla
karşılaşılmıştır.
Model 4’te logaritması alınmış değişkenlerin, birinci farkları alınarak tahmin edilmeye
çalışılmıştır.
Parametrelerin anlamlılığına bakıldığında bütün bağımsız değişkenlerin t-istatistik
değerlerinin olasılıkları 0,05’ten küçüktür. Yani parametreler anlamlıdır. Ancak C sabit parametresinin
olasılık değerlerine bakıldığında 0,7678>0,05 olduğu görülmektedir. C parametresi anlamsızdır. Ancak
yüksek R2 ve F istatistik değerinin olumlu olması çoklu doğrusal bağıntı göstergesi olabilir.
Varsayımlara bakılmalıdır.
23
Çoklu Doğrusal Bağıntı Varsayımı
Tablo sonuçlarına bakıldığında Vif değerlerinden ücret, kamu ve sağlık harcamalarının 5’ten
büyük olduğu görülmektedir. Çoklu doğrusal bağıntı vardır. Varsayım sağlanamamıştır. Diğer
varsayımlara bakmanın gereği yoktur.
5.1.5. Model 5
Model 4’te eğitim harcamalarının katsayısı negatif çıkmıştır. İktisadi açıdan eğitim
harcamalarının büyümeye pozitif etkisi olduğunu düşünerek bu değişken çıkarılarak tekrar model
kurulmuştur.
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılık
D(LOGIHRACAT) 0.492452 0.048232 10.21005 0.0000
D(LOGKAMU) 0.075987 0.021139 3.594582 0.0011
D(LOGSAGLIK_ISLERI_VE_SOSY) 0.416982 0.124032 3.361900 0.0021
D(LOGUCRET) 0.146808 0.141980 1.034004 0.3091
D(LOGVERGI_SUBVANSIYON_CAR) 0.249728 0.077244 3.232973 0.0029
C -0.007241 0.004092 -1.769664 0.0866
R-squared 0.894223
Adjusted R-squared 0.877162 Mean dependent var 0.014915
S.E. of regression 0.013819 S.D. dependent var 0.039428
Sum squared resid 0.005920 Akaike info criterion -5.578201
Log likelihood 109.1967 Schwarz criterion -5.316971
F-statistic 52.41395 Hannan-Quinn criter. -5.486106
Prob(F-statistic) 0.000000 Durbin-Watson stat 2.232041
Variance Inflation Factors
Coefficient Uncentered Centered
Variable Variance VIF VIF
D(LOGUCRET) 0.015061 4.448490 3.215007
D(LOG_EGITIM_CARI_) 0.008610 9.887563 9.112610
D(LOGSAGLIK_ISLERI_VE_SOSY) 0.008389 8.856901 8.397047
D(LOGVERGI_SUBVANSIYON_CAR) 0.003417 1.605676 1.424956
D(LOGKAMU) 0.000292 12.77748 12.57259
D(LOGIHRACAT) 0.002310 3.478881 3.242335
C 1.16E-05 4.143063 NA
24
Model 5’ün parametrelerinin anlamlılıklarına bakıldığında ÜCRET değişkeni ve C
parametresinin t-istatistik olasılıkları 0,05’ten büyük çıkmıştır. Yani bu parametreler anlamsızdır. H0
kabul edilir. Ancak regresyon varsayımlarına bakılması gereklidir. Çünkü yüksek R2 ve F istatistik
değerinin olumlu olması çoklu doğrusal bağıntı göstergesi olabilir.
Çoklu Doğrusal Bağıntı Varsayımı
Tablo sonuçlarına bakıldığında Vif değerlerinin hiçbiri 5’ten küçük değildir. Çoklu doğrusal
bağıntı vardır. Varsayım sağlanamamıştır. Diğer varsayımlara bakmanın gereği yoktur.
Variance Inflation Factors
Coefficient Uncentered Centered
D(LOGIHRACAT) 0.002326 1.904436 1.774944
D(LOGKAMU) 0.000447 10.63124 10.46.077
D(LOGSAGLIK_ISLERI_VE_SOSY) 0.015384 8.827601 8.369268
D(LOGUCRET) 0.020158 3.236070 2.338768
D(LOGVERGI_SUBVANSIYON_CAR) 0.005967 1.523901 1.352385
C 1.67E-05 3.244079 NA
25
5.1.6. Model 6
Model 5’te anlamsız çıkan ÜCRET değişkeni çıkarılarak model tekrar kurulmuştur.
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılık
D(LOGIHRACAT) 0.508309 0.045778 1.110367 0.0000
D(LOGKAMU) 0.068994 0.020050 3.441112 0.0016
D(LOGSAGLIK_ISLERI_VE_SOSY) 0.428192 0.123690 3.461806 0.0015
D(LOGVERGI_SUBVANSIYON_CAR) 0.211723 0.068012 3.113014 0.0039
C -0.004650 0.003239 -1.435973 0.1607
R-squared 0.890575
Adjusted R-squared 0.876897 Mean dependent var 0.014915
S.E. of regression 0.013834 S.D. dependent var 0.039428
Sum squared resid 0.006124 Akaike info criterion -5.598348
Log likelihood 1.085694 Schwarz criterion -5.380656
F-statistic 65.10942 Hannan-Quinn criter. -5.521601
Prob(F-statistic) 0.000000 Durbin-Watson stat 2.208868
Model 6’in anlamlılık değerlerine bakıldığında bağımsız değişkenlerin t-istatistik olasılık
değerleri 0,05’ten küçük olduğu ancak C parametresinin 0,05’ten büyük olduğu görülmektedir. Yani C
parametresi anlamsızdır. Ancak yine de çoklu doğrusal bağlantıya bakmakta yarar vardır. Çünkü
yüksek R2 ve F istatistik değerinin olumlu olması çoklu doğrusal bağıntı göstergesi olabilir.
Tablodaki Vif değerlerine bakıldığında kamu ve sağlık harcamalarının 5’ten büyük olduğu
görülmektedir. Çoklu doğrusal bağlantı vardır. Varsayım sağlanamamaktadır.
Variance Inflation Factors
Coefficient Uncentered Centered
Variable Variance VIF VIF
D(LOGIHRACAT) 0.002096 1.711904 1.595504
D(LOGKAMU) 0.000402 9.543110 9.390085
D(LOGSAGLIK_ISLERI_VE_SOSY) 0.015299 8.760157 8.305326
D(LOGVERGI_SUBVANSIYON_CAR) 0.004626 1.178852 1.046172
C 1.05E-05 2.027853 NA
26
5.1.7. Model 7
Son olarak LOGUFE, LOGIHRACAT ve LOGVERGISUBVANSIYON bağımsız değişkenleriyle bir
model kurulmuştur. UFE’ nin tekrar modele alınmasının sebebi enflasyonun etkilerinin de modele
katılmak istenmesidir. Çünkü Türkiye enflasyonist bir ekonomiye sahiptir. Enflasyonun göz önüne
alınmadığı bir model doğru sonuçlar vermeyecektir. Model sonuçları aşağıdadır:
Model 7’deki parametrelerin anlamlılıklarına bakıldığı zaman, UFE, IHRACAT, VERGI ve
SUBVANSIYON değişkenlerinin t-istatistik olasılık değerleri 0,05’ten küçüktür. Yani H0 hipotezi
reddedilir. Parametreler anlamlıdır. Sabit parametre C’ye baktığımız zaman olasılık değerinin 0,05’ten
büyük olduğunu görüyoruz. Fakat bu değer çift taraflı tabloya göre hesaplanmıştır. T-istatistik
değerini (n>30 old. İçin Z tablo kullanılır) t tek taraflı tabloya göre bakarsak tablo değeri 0,05 hata
payı ile şu şekilde hesaplanır:
(0,5-0,05)=0,45 tablodan 0,45’e denk gelen tablo değerine bakıldığında (n>30 Z tablo) 1,64
bulunur.
Hesaplanan istatistik değeri 1,999395’tir. Hesaplanan tablo değeri 1,64’tür.
Hesaplanan değer, tablo değerinden büyük olduğu için H0 reddedilir, Ha kabul edilir. Yani C
parametresi anlamlıdır.
(NOT: Bütün regresyon varsayımlarına bakılmıştır ve Model 7 tüm varsayımları sağlamıştır.
Sonuçlar bir bölüm sonra gösterilmiştir.)
Ancak sahip olduğumuz veri seti 3’er aylık (mevsimsel ya da çeyreklik) olduğundan,
mevsimsel etkinin var olup olmadığına bakılmalıdır. Çünkü mevsimsel etkinin dışlanması sonuçları
etkileyebilir. Bu nedenle dummy (kukla) değişkenler eklenerek mevsimsel etkiler açıklanmaya
çalışılmıştır.
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Standart Hata t-istatistik Olasılık
D(LOGUFE) -0.595496 0.284623 -2.092228 0.0442
D(LOGIHRACAT) 0.577513 0.041285 13.98849 0.0000
D(LOGVERGI_SUBVANSIYON_CAR) 0.283191 0.074413 3.805655 0.0006
C 0.006783 0.003392 1.999395 0.0539
R-squared 0.865781
Adjusted R-squared 0.853579 Mean dependent var 0.014915
S.E. of regression 0.015087 S.D. dependent var 0.039428
Sum squared resid 0.007511 Akaike info criterion -5.448170
Log likelihood 104.7911 Schwarz criterion -5.274017
F-statistic 70.95572 Hannan-Quinn criter. -5.386773
Prob(F-statistic) 0.000000 Durbin-Watson stat 2.283477
27
5.2. KUKLA DEĞİŞKENLİ MODELLER
Kukla değişkenler sabit, eğim ve hem eğim hem sabit şeklinde modele eklenebilir. Hangisinin
uygun olduğunu bulmak için 3 kalıpta denenmiştir.
D t1=1 yaz D t1= 0, D t2=1 sonbahar D t2= 0, D t3=1 kış D t3= 0, D t1= 0 D t2= 0 D t3= 0 ilkbahar
5.2.1. Hem Sabit Hem Eğimi Etkileyen Model
Hem sabit hem eğimi etkileyen modelin denklemi aşağıdaki gibidir:
D(LOGGAYRI_SAFI_YURTICI_HA) = C(1)*D(LOGUFE) + C(2)*D(LOGIHRACAT) +
C(3)*D(LOGVERGI_SUBVANSIYON_CAR) + C(4) + C(5)*D1 + C(6)*D2 + C(7)*D3 +
C(8)*D(LOGUFE)*D1 + C(9)*D(LOGIHRACAT)*D1 + C(10)*D(LOGVERGI_SUBVANSIYON_CAR)*D1 +
C(11)*D(LOGUFE)*D2 + C(12)*D(LOGIHRACAT)*D2 + C(13)*D(LOGVERGI_SUBVANSIYON_CAR)*D2
+ C(14)*D(LOGUFE)*D3 + C(15)*D(LOGIHRACAT)*D3 +
C(16)*D(LOGVERGI_SUBVANSIYON_CAR)*D3
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılık
D(LOGUFE) 1.147423 0.323529 3.546580 0.9019
D(LOGIHRACAT) 0.055837 0.100434 0.555960 0.5841
D(LOGVERGI_SUBVANSIYON_CAR) -0.020669 0.075268 -0.274607 0.7863
C -0.030684 0.006042 -5.078215 0.7040
D1 0.013891 0.010383 1.337808 0.1953
D2 0.063241 0.008932 7.079985 0.0954
D3 0.062432 0.008049 7.756969 0.0651
D(LOGUFE)*D1 -1.595486 1.010835 -1.578384 0.1294
D(LOGIHRACAT)*D1 -0.039324 0.344315 -0.114208 0.9102
D(LOGVERGI_SUBVANSIYON_CAR)*D1 0.585224 0.427801 1.367980 0.1858
D(LOGUFE)*D2 -1.494951 0.584198 -2.558981 0.7183
D(LOGIHRACAT)*D2 0.235689 0.140611 1.676176 0.1085
D(LOGVERGI_SUBVANSIYON_CAR)*D2 0.617922 0.150424 4.107873 0.0912
D(LOGUFE)*D3 -0.763507 0.402741 -1.895778 0.0718
D(LOGIHRACAT)*D3 -0.014708 0.126470 -0.116296 0.9085
D(LOGVERGI_SUBVANSIYON_CAR)*D3 0.037155 0.099511 0.373380 0.7126
R-squared 0.982197
Adjusted R-squared 0.969481 Mean dependent var 0.014915
S.E. of regression 0.006888 S.D. dependent var 0.039428
Sum squared resid 0.000996 Akaike info criterion -6.819629
Log likelihood 142.1631 Schwarz criterion -6.123016
F-statistic 77.23870 Hannan-Quinn criter. -6.574040
Prob(F-statistic) 0.000000 Durbin-Watson stat 2.311494
28
Modele bakıldığında hepsinin t-istatistik olasılık değerleri 0,05’ten büyüktür. Yani H0 hipotezi
(parametreler anlamlı değildir) kabul edilir. Bu nedenle kukla değişkenler hem sabit hem de eğimi
etkileyen modelle mevsimsel etkileri açıklayamamaktadır. Sadece sabiti ve sadece eğimi etkileyen
modellere bakılacaktır.
5.2.2. Sadece Eğimi Etkileyen Model
Sadece eğimi etkileyen model aşağıdaki gibidir:
D(LOGGAYRI_SAFI_YURTICI_HA) = C(1)*D(LOGUFE) + C(2)*D(LOGIHRACAT) + C(3)*D(LOGVERGI_SUBVANSIYON_CAR) + C(4) + C(5)*D(LOGUFE)*D1 + C(6)*D(LOGIHRACAT)*D1 + C(7)*D(LOGVERGI_SUBVANSIYON_CAR)*D1 + C(8)*D(LOGUFE)*D2 + C(9)*D(LOGIHRACAT)*D2 + C(10)*D(LOGVERGI_SUBVANSIYON_CAR)*D2 + C(11)*D(LOGUFE)*D3 + C(12)*D(LOGIHRACAT)*D3 + C(13)*D(LOGVERGI_SUBVANSIYON_CAR)*D3
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılık
D(LOGUFE) -0.479528 0.501669 -0.955866 0.3487
D(LOGIHRACAT) 0.601088 0.144909 4.148027 0.1054
D(LOGVERGI_SUBVANSIYON_CAR) 0.255875 0.137005 1.867634 0.0741
C 0.008002 0.006602 1.212072 0.2373
D(LOGUFE)*D1 0.648436 2.042242 0.317512 0.7536
D(LOGIHRACAT)*D1 0.186603 0.443777 0.420489 0.6779
D(LOGVERGI_SUBVANSIYON_CAR)*D1 -0.318602 0.797451 -0.399525 0.6930
D(LOGUFE)*D2 -0.035484 1.140240 -0.031119 0.9754
D(LOGIHRACAT)*D2 -0.001478 0.236172 -0.006258 0.9951
D(LOGVERGI_SUBVANSIYON_CAR)*D2 0.364300 0.305086 1.194087 0.2441
D(LOGUFE)*D3 0.838803 0.711243 1.179348 0.2498
D(LOGIHRACAT)*D3 -0.310102 0.225490 -1.375234 0.1818
D(LOGVERGI_SUBVANSIYON_CAR)*D3 -0.083633 0.194642 -0.429675 0.6713
R-squared 0.911414
Adjusted R-squared 0.867121 Mean dependent var 0.014915
S.E. of regression 0.014372 S.D. dependent var 0.039428
Sum squared resid 0.004958 Akaike info criterion -5.377180
Log likelihood 112.4778 Schwarz criterion -4.811181
F-statistic 20.57690 Hannan-Quinn criter. -5.177639
Prob(F-statistic) 0.000000 Durbin-Watson stat 2.274324
Modele bakıldığında dummy değişkenlerin hiçbirinin t-istatistik olasılık değerlerinin 0,05’ten küçük
olmadığı görülüyor. Bu sonuçlarla H0 hipotezi (parametreler anlamlı değildir) kabul edilir. Bu nedenle
kukla değişkenler mevsimsel etkileri açıklayamamaktadır.
29
5.2.3. Sadece Sabiti Etkileyen Model
Sadece sabiti etkileyen model aşağıdaki gibidir:
D(LOGGAYRI_SAFI_YURTICI_HA) = C(1)*D(LOGUFE) + C(2)*D(LOGIHRACAT) + C(3)*D(LOGVERGI_SUBVANSIYON_CAR) + C(4) + C(5)*D1 + C(6)*D2 + C(7)*D3
Modele bakıldığında hepsinin t-istatistik olasılık değerleri 0,05’ten büyüktür. Yani H0 hipotezi
(parametreler anlamlı değildir) kabul edilir. Bu nedenle kukla değişkenler mevsimsel etkileri
açıklayamamaktadır.
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Satandart Hata t-istatistik Olasılık
D(LOGUFE) 0.336749 0.215217 1.564693 0.1281
D(LOGIHRACAT) 0.207048 0.060809 3.404893 0.0619
D(LOGVERGI_SUBVANSIYON_CAR) 0.149958 0.050548 2.966665 0.0959
C -0.019766 0.004820 -4.100996 0.4223
D1 0.004082 0.004475 0.912185 0.3689
D2 0.062177 0.008642 7.194622 0.6210
D3 0.038259 0.007618 5.022128 0.1068
R-squared 0.953503
Adjusted R-squared 0.944204 Mean dependent var 0.014915
S.E. of regression 0.009313 S.D. dependent var 0.039428
Sum squared resid 0.002602 Akaike info criterion -6.346096
Log likelihood 124.4028 Schwarz criterion -6.041328
F-statistic 102.5343 Hannan-Quinn criter. -6.238651
Prob(F-statistic) 0.000000 Durbin-Watson stat 1.798469
30
6. UYGUN MODEL
6.1. GRAFİKLER
Bütün grafiklere bakıldığında logaritma dönüşümlü grafiklerde trend gözlemlenmektedir. Fark
alınarak bu trend etkisi de yok edilmiştir. Fark alınmış grafikleri de şekildeki gibidir.
12.9
13.0
13.1
13.2
13.3
13.4
13.5
13.6
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
LOGGayri Safi Yurtici Hasila(Cari)
-.06
-.04
-.02
.00
.02
.04
.06
.08
.10
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
FARKGSYIH
6.96
7.00
7.04
7.08
7.12
7.16
7.20
7.24
7.28
7.32
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
LOGUFE
-.01
.00
.01
.02
.03
.04
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
FARKUFE
12.3
12.4
12.5
12.6
12.7
12.8
12.9
13.0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
LOGIHRACAT
-.10
-.05
.00
.05
.10
.15
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
FARKIHRACAT
12.1
12.2
12.3
12.4
12.5
12.6
12.7
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
LOGVergi-Subvansiyon(Cari)
-.06
-.04
-.02
.00
.02
.04
.06
.08
.10
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
FARKVERGI
31
6.2. VARSAYIMLAR
Yukarıda da gösterildiği üzere Model 7’de parametreler anlamlı çıkmıştır. Hatırlatmak gerekir
ki, C parametresinin anlamlılığına tek taraflı tabloya göre bakılmıştır ve H0 reddedilmiştir(H0=
parametreler anlamlı değildir). Parametreler anlamlıdır. Şimdi çoklu regresyonun diğer varsayımlarına
bakılacaktır.
6.2.1. Çoklu Doğrusal Bağıntı Varsayımı
Variance Inflation Factors
Coefficient Uncentered Centered
Variable Variance VIF VIF
D(LOGUFE) 0.081010 2.113531 1.145444
D(LOGIHRACAT) 0.001704 1.170593 1.090999
D(LOGVERGI_SUBVANSIYON_CAR) 0.005537 1.186468 1.052931
C 1.15E-05 1.870792 NA
Tabloya bakıldığında Vif kriteri 3 değişken içinde 5’ten küçük olarak çıkmıştır. Yani değişkenler
arasında çoklu doğrusal bağlantı sorunu yoktur.
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Standart Hata t-istatistik Olasılık
D(LOGUFE) -0.595496 0.284623 -2.092228 0.0442
D(LOGIHRACAT) 0.577513 0.041285 13.98849 0.0000
D(LOGVERGI_SUBVANSIYON_CAR) 0.283191 0.074413 3.805655 0.0006
C 0.006783 0.003392 1.999395 0.0539
R-squared 0.865781
Adjusted R-squared 0.853579 Mean dependent var 0.014915
S.E. of regression 0.015087 S.D. dependent var 0.039428
Sum squared resid 0.007511 Akaike info criterion -5.448170
Log likelihood 104.7911 Schwarz criterion -5.274017
F-statistic 70.95572 Hannan-Quinn criter. -5.386773
Prob(F-statistic) 0.000000 Durbin-Watson stat 2.283477
32
6.2.2. Otokorelasyon Varsayımı
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 2.365562 Prob. F(1,32) 0.1339
Obs*R-squared 2.546904 Prob. Chi-Square(1) 0.1105
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 2.437282 Prob. F(2,31) 0.1040
Obs*R-squared 5.027486 Prob. Chi-Square(2) 0.0810
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 1.573949 Prob. F(3,30) 0.2162
Obs*R-squared 5.031654 Prob. Chi-Square(3) 0.1695
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 2.141847 Prob. F(4,29) 0.1010
Obs*R-squared 8.437992 Prob. Chi-Square(4) 0.0768
33
Yukarıdaki tüm otokorelasyon testlerine baktığımızda hepsinin ki-kare olasılıklarının 0,05’ten büyük
olduğu görülmektedir. H0 kabul edilir(otokorelasyon yoktur).
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 1.662479 Prob. F(5,28) 0.1765
Obs*R-squared 8.469798 Prob. Chi-Square(5) 0.1322
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 1.839134 Prob. F(6,27) 0.1288
Obs*R-squared 10.73458 Prob. Chi-Square(6) 0.0969
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 1.647941 Prob. F(7,26) 0.1664
Obs*R-squared 11.37099 Prob. Chi-Square(7) 0.1232
Breusch-Godfrey Otokorelasyon LM Test:
F-statistic 1.522934 Prob. F(8,25) 0.1994
Obs*R-squared 12.12336 Prob. Chi-Square(8) 0.1458
34
Otokorelasyon durumlarının tam olarak görülmesi amacıyla, artıkların corelogram grafikleri şekildeki
gibidir. Tablodan da görüldüğü gibi otokorelasyon sorunu bulunmamaktadır.
6.2.3. Sabit Varyans Varsayımı
Bir diğer varsayım değişen varyans varsayımıdır. Değişen varyans White testi:
Hipotezler şu şekilde kurulur:
H0 = Değişen varyans yoktur. (Sabit varyanslıdır.)
Ha = Değişen varyans vardır. (Sabit varyanslı değildir.)
Tablodaki olasılık değerlerine bakıldığında 0,05’ten büyük oldukları görülmektedir. H0 kabul edilir.
Değişen varyans sorunu yoktur.
Değişen Varyans Testi: White
F-statistic 1.012695 Prob. F(9,27) 0.4545
Obs*R-squared 9.337792 Prob. Chi-Square(9) 0.4067
Scaled explained SS 5.785026 Prob. Chi-Square(9) 0.7612
35
6.2.4. Normallik Varsayımı
Hipotezler aşağıdaki gibidir:
H0 = Artıklar normal dağılmaktadır.
Ha = Artıklar normal dağılmamaktadır.
Olasılık değeri 0,05’ten büyük olduğu için H0 kabul edilir. Yani artıklar normla dağılmaktadır.
6.2.5. Sıfır Ortalama Varsayımı
Artıkların ortalamalarının sıfıra eşit olması demektir.
RESID
Mean 3.56E-18
Median 0.001455
Maximum 0.023462
Minimum -0.033134
Std. Dev. 0.014445
Skewness -0.323994
Kurtosis 2.557.639
Jarque-Bera 0.949009
Probability 0.622193
Sum 9.37E-17
Sum Sq. Dev. 0.007511
Observations 37
0
1
2
3
4
5
6
-0.03 -0.02 -0.01 0.00 0.01 0.02
Series: ResidualsSample 2003Q2 2012Q2Observations 37
Mean 2.63e-18Median 0.001455Maximum 0.023462Minimum -0.033134Std. Dev. 0.014445Skewness -0.323994Kurtosis 2.557639
Jarque-Bera 0.949009Probability 0.622193
36
Tablodan da görüldüğü gibi artıkların ortalaması 0,0035632157884929 yaklaşık olarak sıfırdır.
Bu varsayımda sağlanmıştır.
6.2.6. n > k varsayımı
Gözlem sayısı 38’dir. Bu nedenle n parametre sayısından büyüktür.
6.2.7. Bağımsız Değişkenlerin Tesadüfi Olmaması
Bağımsız değişkenler belirli değerleri belirli olasılıklarla alan, değerleri denemelerin
sonuçlarında değişmeyen değişkenlerdir. Alacakları değerler örnekten örneğe de değişmeyerek
tekrarlanan örnekler için aynı kalacaktır. Aynı bağımısız değişkenlerin yer aldığı farklı örnekler
alınabilir. Farklı örneklerde yer alan, aynı bağımsız değişkenlerin, aynı gözlemleri için değerler
değişmeyecektir. Örneğin, bir ülkenin her hangi bir yıldaki milli gelirinin aynı yıl hangi örnekte yer
alırsa alsın ülkenin milli gelirinin aynı kalması, değişmemesi gibi. İktisadi olaylarda bağımsız
değişkenlerin tesadüfi değişken olması karşılaşılacak bir durum değildir. Bu nedenle bu varsayımda
sağlanmıştır.
6.3. CUSUM TESTİ
Grafikte görüldüğü gibi, 2003-2012 tarihleri arasında kırılmaya rastlanmamıştır.
-20
-15
-10
-5
0
5
10
15
20
2004 2005 2006 2007 2008 2009 2010 2011 2012
CUSUM 5% Significance
37
6.4. CUSUM SQUARE TESTİ
Cusum Square testi Cusum’a göre daha duyarlı bir testtir. Grafiğe bakıldığında kırılma
olmadığı görülmektedir.
6.5. RAMSEY RESET SPESİFİKASYON HATASI TESTİ
Ramsey RESET Spesifikasyon Hatası Testi
Value df Probability
t-statistic 0.378977 32 0.7072
F-statistic 0.143624 (1, 32) 0.7072
Likelihood ratio 0.165693 1 0.6840
F-test summary:
Sum of Sq. df Mean Squares
Test SSR 3.36E-05 1 3.36E-05
Restricted SSR 0.007511 33 0.000228
Unrestricted SSR 0.007478 32 0.000234
Unrestricted SSR 0.007478 32 0.000234
LR test summary:
Value df
Restricted LogL 104.7911 33
Unrestricted LogL 104.8740 32
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
2004 2005 2006 2007 2008 2009 2010 2011 2012
CUSUM of Squares 5% Significance
38
Tablodan olasılık değerlerine bakıldığı zaman 0,05’ten büyük oldukları görülmektedir. H0
hipotezi kabul edilir( spesifikasyon hatası yoktur).
Sonuç olarak Model 7’nin çoklu regresyon varsayımlarını sağladığı bulunmuştur. Bundan
sonraki aşamalar Model 7 üzerinden devam etmiştir.
6.6. Model 7
R2 İncelemesi
Modelin R2, yani belirlilik katsayısına bakıldığı zaman 0,865781 değerini almıştır. Çoklu
regresyon modellerinde basit regresyon modellerinde olduğu gibi bu değer 0 ≤ R2 ≤ 1 olacaktır.
Belirlilik katsayısı, bağımlı değişkendeki değişmelerin alınan örnek için bağımsız değşkenler
tarafından açıklanma oranını verir. 0,865781 yeterli bir orandır.
Düzeltilmiş R2 İncelemesi
Düzeltilmiş belirlilik katsayısı modellerin karşılaştırılmasında kullanılırken, modelde yer alacak
en uygun bağımsız değişken grubunun belirlenmesi içinde kullanılmaktadır. Düzeltilmiş R2 < R2
olmalıdır. Değerlere bakıldığında 0.853579 < 0.865781 olduğu görülmektedir.
F Testi İncelemesi
F testi ile çoklu doğrusal regresyonda sabit parametre dışındaki parametrelerin tümünün
birden anlamlılığını test etmektedir.
Hipotezler:
Bağımlı Değişken: D(LOGGAYRI_SAFI_YURTICI_HA)
Bağımsız Değişkenler Katsayılar Standart Hata t-istatistik Olasılık
D(LOGUFE) -0.595496 0.284623 -2.092228 0.0442
D(LOGIHRACAT) 0.577513 0.041285 13.98849 0.0000
D(LOGVERGI_SUBVANSIYON_CAR) 0.283191 0.074413 3.805655 0.0006
C 0.006783 0.003392 1.999395 0.0539
R-squared 0.865781
Adjusted R-squared 0.853579 Mean dependent var 0.014915
S.E. of regression 0.015087 S.D. dependent var 0.039428
Sum squared resid 0.007511 Akaike info criterion -5.448170
Log likelihood 104.7911 Schwarz criterion -5.274017
F-statistic 70.95572 Hannan-Quinn criter. -5.386773
Prob(F-statistic) 0.000000 Durbin-Watson stat 2.283477
39
H0 = Sabit parametre hariç tüm bağımsız değişkenler anlamsızdır. (β2 = β3 = …. Βk= 0)
Ha = Sabit parametre hariç tüm bağımsız değişkenler anlamlıdır. (β2 ≠ β3 ≠ …. Βk≠ 0)
F istatistiğinin olasılık değerine baktığımız zaman 0,05’ten küçük olduğu görülmektedir. H0 reddedilir.
Sabit parametre hariç tüm bağımsız değişkenler anlamlıdır.
Modeldeki diğer sonuçlara bakıldığında Durbin-Watson değeri 2,283477 olduğu
görülmektedir. Bu değer R2 = 0.865781 değerinden yüksektir. Yalancı regresyon durumu olmadığı
görülür. Ayrıca gecikme kriterlerine bakıldığı zaman en küçük olanın Akaike bilgi kriteri olduğu
görülmektedir.
Sonuç olarak Model 7’yi kullanarak Büyümeye etki eden faktörler olarak İhracat, Vergi ve Üfe
değişkenlerini çoklu doğrusal regresyon kullanarak açıklamakta ekonometri ve iktisat açıdan bir sorun
yoktur. Model katsayıları yorumlanabilir.
40
7. SONUÇ
Bu çalışmada, enflasyon, ihracat, vergi ve sübvansiyonların ekonomik büyümeyi ne yönde
etkilediği zaman serisi verilerinden yararlanılarak analiz edilmiştir. Bu çerçevede enflasyon, ihracat,
vergi ve sübvansiyonlar ile ekonomik büyüme arasındaki ilişkiler incelenip, birlikte anlamlı bir
ekonometrik model kurulması amaçlanmıştır. Değişkenler 2003-2012 yılları için araştırılmıştır. Bu
çalışmada bağımlı değişken gayri safi yurt içi hasıla (büyüme), açıklayıcı değişkenler üretici fiyat
endeksi(enflasyon), ihracat, vergi ve sübvansiyonlardır. Değişkenlerin önce logaritmik dönüşümleri
kullanılmıştır ancak gerekli varsayımlar sağlanamadığından, değişkenlerin birinci farkları da alınmıştır.
Literatürde dört değişkenin bir arada değerlendirildiği bir çalışmaya rastlanılmamıştır. İkili
ilişkilerinin üzerinden araştırma yapışmıştır. Vergi ve sübvansiyonlar, ihracat sabit tutulduğunda
enflasyon bir birim arttığında ekonomik büyüme 0.59 birim azalacaktır. Bu bağlamda, kuramsal
kısımda bahsedilen Sarel, Valdovinos’un hipotezinin geçerli olduğu ifade edilebilir.
Vergi ve sübvansiyonlar, enflasyon sabit tutulduğunda ihracat bir birim arttığında ekonomik
büyüme ekonomik büyüme 0.57 birim artacaktır. Bu bağlamda, “ihracat ekonomik büyümeyi olumlu
yönde etkiler” hipotezinin geçerli olduğu ifade edilebilir.
İhracat, enflasyon sabit tutulduğunda vergi ve sübvansiyonlar bir birim arttığında ekonomik
büyüme 0.28 birim artacaktır. Devletin uyguladığı vergi ve sübvansiyon politikaları ekonomik
büyümeyi arttırdığı ifade edilebilir.
Enflasyon, ihracat, vergi ve sübvansiyonlar sıfır olduğunda ekonomik büyümenin ortalama
değeri 0,0068 birimdir.
41
8. KAYNAKÇA
Alptekin, V ve Mucuk M. ‘Türkiye’de Vergi ve Ekonomik Büyüme İlişkisi: Var Analizi (1975-2006)’
Maliye Dergisi, Sayı 155, s.159-174, 2008.
Artan,S ve Berber, M.’ Türkiye’de Enflasyon-Ekonomik Büyüme İlişkisi: ( Teori, Literatür Ve Uygulama)
‘ İktisadi ve İdari Bilimler Dergisi, 18, Sayı 3-4, s.104-117,2004.
Atamtürk, B. ‘Büyüme Teorileri ve Imf Politikaları’ Marmara Üniversitesi İ.İ.B.F. Dergisi, 22, Sayı 1,
s.89-103, 2007.
Çağlayan, E ve Güriş, S. ‘Ekonometri :Temel Kavramlar’ Genişletilmiş 3. Baskı, İstanbul: Der Yayınları,
2010,s. 179-247
Çiloğlu,İ. ‘ Teşvik Politikalarının Yönlendirme Gücü’ Hazine Dergisi,Sayı 13, s.29-48, 2000.
Demirhan, E. ‘ Büyüme ve İhracat Arasındaki Nedensellik İlişkisi :Türkiye Örneği’ Ankara Üniversitesi
SBF Dergisi, 60-4, s.76-88.
Şimşek, M. ' İhracata Dayalı-Büyüme Hipotezinin Türkiye Ekonomisi Verileri ile Analizi, 1960-2002’
D.E.Ü.İ.İ.B.F.Dergisi, 18, Sayı 2, s.43-63,2003.
Taştan, H. ‘ Türkiye’de İhracat, İthalat ve Ekonomik Büyüme Arasındaki Nedensellik İlişkilerinin
Spektral Analizi’ Ekonomi Bilimler Dergisi, 2, Sayı 1, s. 87-98, 2010.