Mekânsal panel VAR analizi: Türkiye elektrik enerjisi üzerine bir uygulama
Spatial panel VAR analysis: an application on Turkey's electricity energy
- Tez No: 646561
- Danışmanlar: PROF. DR. ADİL OĞUZHAN
- Tez Türü: Doktora
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Elektrik Tüketimi, Ekonomik Büyüme, Mekânsal Panel VAR Analizi, Electricity Consumption, Economic Growth, Spatial Panel VAR Analysis
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 158
Özet
Bu çalışmada mekânsal ekonometrik modeller kullanılarak, Türkiye'de bölgesel sanayi elektrik tüketimi ve ekonomik büyüme arasındaki ilişki incelenmiştir. Bölgesel sanayi elektrik tüketimi ve ekonomik büyüme arasındaki ilişki, 2007-2017 dönemine ait yıllık veriler kullanılarak Mekânsal Panel Regresyon Modeli, Panel Vektör Otoregresif Model ve Mekânsal Panel VAR modelleri ile analiz edilmiştir. Çalışmada İBBS Düzey 2 Bölgeleri ele alınmış ve sanayi elektrik tüketimi ve ekonomik büyüme ilişkisinin daha iyi anlaşılması açısından bu bölgelere ait kişi başına sanayi elektrik tüketimi ve kişi başına gayrisafi yurtiçi hâsıla değişkenlerinin yanı sıra istihdam, nüfus, kentleşme, fiyat ve dışa açıklık değişkenleri de analize dâhil edilmiştir. Çalışmada ilk olarak kullanılan değişkenlerde birim kökün varlığı birinci ve ikinci nesil panel birim kök testleri ile incelenmiştir. Durağanlığı belirlenen değişkenler arasındaki ilişki daha sonra mekânsal panel regresyon modeli ile incelenmiştir. Mekânsal panel regresyon modelinden elde edilen bulgulara göre uygun model rassal etkili mekânsal hata modeli olarak belirlenmiş ve bu modelin tahmininden elde edilen sonuçlara göre kişi başına gayrisafi yurtiçi hâsıla, istihdam, kentleşme, fiyat ve dışa açıklık değişkenlerinin kişi başına sanayi elektrik tüketimini açıklamakta anlamlı olduğu, nüfus değişkeninin ise istatistiksel olarak anlamlı olmadığı sonucuna ulaşılmıştır. Diğer değişkenlerin etkisi sabit kabul edildiğinde kişi başına gayrisafi yurtiçi hâsıla değişkenindeki %1'lik bir artış kişi başına sanayi elektrik tüketiminde %1,03 oranında bir artışa sebep olabilmektedir. Bunun yanında mekânsal yayılma etkisi 0,41 ve istatistiksel olarak anlamlı bulunmuştur. Panel VAR modelinden elde edilen Granger nedensellik testi sonuçlarına göre kişi başına sanayi elektrik tüketimi ve kişi başına gayrisafi yurtiçi hâsıla değişkenleri arasında çift yönlü nedensellik ilişkisi tespit edilmiştir. Bunun yanı sıra fiyat değişkeninden kişi başına sanayi elektrik tüketimi değişkenine tek yönlü ve kişi başına sanayi elektrik tüketimi ile kentleşme değişkeni arasında da çift yönlü nedensellik ilişkisinin varlığı tespit edilmiştir. Panel VAR modeli varyans ayrıştırma tahmin sonuçlarına göre, on dönem sonunda kişi başına gayrisafi yurtiçi hâsıla şoklarının kişi başına sanayi elektrik tüketiminin varyansına katkısının yaklaşık %3, kentleşme şoklarının kişi başına sanayi elektrik tüketiminin varyansına katkısının yaklaşık %11, fiyat şoklarının kişi başına sanayi elektrik tüketiminin varyansına katkısının yaklaşık %2, istihdam ve dışa açıklık değişkeni şoklarının ise kişi başına sanayi elektrik tüketiminin varyansına katkısının çok düşük olduğu sonucuna ulaşılmıştır. Kişi başına gayrisafi yurtiçi hâsıla değişkeni açısından değerlendirildiğinde, 10 dönem sonunda kişi başına sanayi elektrik tüketimi şoklarının kişi başına gayrisafi yurtiçi hâsılanın varyansına katkısının yaklaşık %6, istihdam şoklarının kişi başına gayrisafi yurtiçi hâsılanın varyansına katkısının yaklaşık %3, fiyat şoklarının kişi başına gayrisafi yurtiçi hâsılanın varyansına katkısının yaklaşık %13 ve dışa açıklık değişkeni şoklarının kişi başına gayrisafi yurtiçi hâsılanın varyansına katkısının yaklaşık %1 olduğu sonucuna ulaşılmıştır. Mekânsal Panel VAR modeli Granger nedensellik test sonuçlarına göre, mekânsal ağırlıklı kişi başına sanayi elektrik tüketimi, mekânsal ağırlıklı kişi başına gayrisafi yurtiçi hâsıla ve mekânsal ağırlıklı fiyat değişkeninin kişi başına sanayi elektrik tüketiminin nedeni olduğu, diğer taraftan kentleşme, fiyat ve dışa açıklık değişkenlerinin ve mekânsal ağırlıklı kişi başı sanayi elektrik tüketimi, mekânsal ağırlıklı kentleşme, mekânsal ağırlıklı fiyat ve mekânsal ağırlıklı dışa açıklık değişkenin de kişi başına gayrisafi yurtiçi hâsıla değişkeninin nedeni olduğu belirlenmiştir. Mekânsal Panel VAR modeli varyans ayrıştırma sonuçları değerlendirildiğinde ise ilk dönemde kişi başına sanayi elektrik tüketimi varyansındaki değişimin tamamı kendisi tarafından açıklanmakta iken, on dönem sonunda da bu durumun değişmediği kişi başına sanayi elektrik tüketimindeki değişimin yaklaşık %99'unun kendisi tarafından açıklandığı söylenebilmektedir. Diğer taraftan on dönem sonunda kişi başına gayri safi yurtiçi hâsıla değişkeninin kendi varyansına katkısı % 88 iken, kişi başına sanayi elektrik tüketimi şoklarının kişi başına gayri safi yurtiçi hâsıla değişkeninin varyansına katkısı yaklaşık %2'dir. Benzer şekilde istihdam şoklarının kişi başına gayri safi yurtiçi hâsıla değişkeninin varyansına katkısı yaklaşık %2, kentleşme değişkeni şoklarının kişi başına gayri safi yurtiçi hâsıla değişkeninin varyansına katkısı yaklaşık %5, fiyat şoklarının kişi başına gayri safi yurtiçi hâsıla değişkeninin varyansına katkısı %1 ve dışa açıklık değişkeni şoklarının kişi başına gayri safi yurtiçi hâsıla değişkeninin varyansına katkısı yaklaşık %3'tür.
Özet (Çeviri)
This study mainly focuses on the relationship between the regional industrial electricity consumption and economic growth for Turkey using spatial econometric models, namely, Spatial Panel Regression Models and Spatial Panel Vector Autoregressive Models. In addition the Panel Vector Autoregressive Models are also considered. The study covers the period from 2007 to 2017 annually and NUTS Level 2 Regions are considered. In order to better understand the relationship between the regional industrial electricity consumption and economic growth, employment, population, urbanization, price and trade-openness variables are also included into the analysis. In the analysis part, firstly, first and second generation panel unit root tests are applied to test the presence of unit root in variables. Then, the models are estimated. The findings of the spatial panel regression model show that the appropriate model is random effect spatial error model. According to the estimation results, per capita gross domestic product, employment, urbanization, price and trade-openness have statistically significant effects on per capita industrial electricity consumption. On the other hand, effect of population is insignificant. Assuming all else remains constant, a 1% increase in gross domestic product per capita, results in a 1,03% increase in per capita industrial electricity consumption. In addition, the spatial spillover effect is statistically significant and is about 0,41. According to the Granger causality test of Panel VAR model, there is a bidirectional causality between per capita industrial electricity consumption and per capita gross domestic product and furthermore, per capita industrial electricity consumption and urbanization, while there is a unidirectional causality from price to per capita industrial electricity consumption. The estimation results of Panel VAR model variance decomposition demonstrate that at the 10-year horizon the contribution of per capita gross domestic product shock to the variance of per capita industrial electricity consumption is approximately 3%, the contribution of the urbanization shock to the variance of per capita industrial electricity consumption is approximately 11%, the contribution of the price shock to the variance of per capita industrial electricity consumption is approximately 2%, the contribution of the employment and trade-openness shock to the variance of per capita industrial electricity consumption is too small. Moreover, at the 10-year horizon the contribution of per capita industrial electricity consumption shock to the variance of per capita gross domestic product is approximately 6%, the contribution of employment shock to the variance of per capita gross domestic product is approximately 3%, the contribution of price shock to the variance of per capita gross domestic product is approximately 13% and the contribution of trade-openness shock to the variance of per capita gross domestic product is approximately 1%. Following the Spatial Panel VAR model, Granger causality test is applied. According to the results of this test, spatially weighted per capita industrial electricity consumption, spatially weighted per capita gross domestic product and spatially weighted price are Granger causes of per capita industrial electricity consumption. On the other hand, the variables of urbanization, price, trade-openness and spatially weighted per capita industrial electricity consumption, spatially weighted urbanization, spatially weighted price and spatially weighted trade-openness are Granger causes of per capita gross domestic product. Variance decomposition results of Spatial Panel VAR model show that at the first period the forecast error variance of per capita industry electricity consumption is completely due to its own shocks and at the end of ten periods a very little change is observed in this result. Namely, approximately 99% of the change in the forecast error variance of per capita industrial electricity consumption is due to its own shocks. On the other hand, at the 10-year horizon the contribution of per capita industrial electricity consumption shock to the variance of per capita gross domestic product is approximately 2%, the contribution of the employment shock to the variance of per capita gross domestic product is approximately 2%, the contribution of the urbanization shock to the variance of per capita gross domestic product is approximately 5%, the contribution of price shock to the variance of per capita gross domestic product is 1% and the contribution of trade-openness shock to the variance of per capita gross domestic product is approximately 3%
Benzer Tezler
- Alışveriş merkezi yer seçimi kriterleri ve kullanıcı memnuniyetinin değerlendirilmesi: İstanbul örneği
The evaluation of location selection criteria for shopping malls and the customer satisfaction: The example of Istanbul
TUBA ÜNLÜKARA
Doktora
Türkçe
2017
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. AYŞE LALE BERKÖZ
- Kentsel tasarımda toplum katılımına yönelik dijital araçların kullanımı
Use of digital tools for public participation in urban design
ARAF ÖYKÜ TÜRKEN
Yüksek Lisans
Türkçe
2020
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
DOÇ. DR. ENGİN EYÜP EYUBOĞLU
- Uluslararası hukukta iklim değişikliğinin denizler üzerindeki etkileri
The effects of climate change on the seas in international law
UĞUR KAYNAKÇIOĞLU
- A methodology to develop smart spatial management for natural hazard resilience: the case of duzce province
Doğal tehlikelere dayanıklılık için akıllı mekansal yönetimi geliştiren bir yöntem: düzce ili örneği
EBRU SATILMIŞ
Yüksek Lisans
İngilizce
2019
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. AZİME TEZER
- Mekânsal pseudo panel veri modelleri: Türkiye için mincer ücret denklemlerinin incelenmesi
Spatial pseudo panel data models: Investigation of mincer's wage equation for Turkey
GİZEM KAYA AYDIN