Türkiye’de İller Arası Gelir Yakınsaması: Mekânsal Ekonometrik Yaklaşım

Öz Ekonomik büyüme kuramlarının geçerliliğini araştırmak için ekonomiler arasındaki yakınsamanın esas alınması, illerin gelir dağılımının önemini ortaya koymaktadır. Türkiye için iller arası gelir yakınsamasının araştırıldığı bu çalışmada Türkiye Ekonomi Politikaları Araştırma Vakfı (TEPAV) tarafından gece ışıkları verisi ile hesaplanan kişi başı gayri safi yurtiçi hasıla verileri ile geleneksel yöntemlerle hesaplanan veriler kullanılarak karşılaştırma yapılmış ve il bazında incelemelerde bulunulmuştur. Model tahmininde mekânsal analiz uygulanmıştır. Modele ithalat, ihracat ve nüfus gibi ilave değişkenler eklenerek mutlak ve koşullu yakınsama hipotezleri altında oluşturulan mekânsal Durbin, mekânsal gecikmeli ve mekânsal hata modelleri maksimum olabilirlik (ML) metodu kullanılarak tahmin edilmiştir. Uygun model Wald testi kullanılarak belirlenmiştir. Elde edilen bulgular doğrultusunda; her iki veri seti analiz sonucuna göre de illerin gelir durumları arası yakınsamanın varlığı tespit edilmiştir.

Convergence in Per-Capita GDP Across Turkish Provinces: A Spatial Econometrics Approach

___

  • Anselin, L. (1988). Spatial Econometrics Methods and Models. Kluwer Academic Publishers, Dordrecht.
  • Anselin, L. (2001). ‘‘Spatial Econometrics’’. in Baltagi, B. (Eds.), Companion to Theoretical Econometrics, Blackwell Scientific Publications, Oxford, 310-330.
  • Anselin, L., Bera, A. K. (1998). ‘‘Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics’’. Handbook of Applied Economic Statistics, New York, 237-289.
  • Anselin, L., Hudak, S. (1992). “Spatial Econometrics in Practice: A Review of Software Options.” Regional Science and Urban Economics, 22, 509-536.
  • Anselin, L., Rey, S. J. (Eds.) (2010). Perspectives on Spatial Data Analysis. Advances in Spatial Science, Springer.
  • Anselin, L., Le Gallo, J. & Jayet, H. (2008). ‘‘Spatial Panel Econometrics’’. in Matyas, L., Sevestre, P. (Eds.), The Econometrics of Panel Data, Fundamentals and Recent Developments in Theory and Practice 901-969, Kluwer, Dordrecht, 3. Edition.
  • Arbia, G. (2006). ‘‘Spatial Econometrics’’. Statistical Foundations and Applications to Regional Convergence. Berlin, Springer-Verlag.
  • Arbia, G., Elhorst J. P. ve Piras G. (2005). "Serial and Spatial Dependence in the Growth Process of EU Regions". Paper in Preparation for the Workshop on Spatial Econometrics, Kiel Institute for World Economics, Kiel, Germany, April 8-9.
  • Arbia, G., Piras, G. (2005) Convergence in Per-Capita GDP Across European Regions Using Panel Data Models Extended to Spatial Autocorrelation Effects.
  • Baltagi, B. H., Li D. (2006). ‘‘Prediction in the Panel Data Model with Spatial Correlation’’. Chapter 13 in Anselin, L., Florax R. J. G. M. & Rey S. J. (eds.). Advances in Spatial Econometrics: Methodology, Tools and Applications (pp: 283-295). Springer, Berlin.
  • Başıhoş, S. (2016). ‘‘Gelişmişlik Göstergesi Olarak Gece Işıkları: Ulusal Ölçekte ve İl Bazında GSYH Tahmini’’. Türkiye Ekonomi Politikaları Araştırma Vakfı.
  • Barro, R.J., Sala-ı Martın, X. (1990), “Economic Growth and Convergence Across United States”, www.nber.org/papers/w3419,
  • Barro, R.J., Sala-i-Martin, X (1992) Convergence. Journal ofPolitical Economy 100: 223-251.
  • Barro, R.J., Sala-ı Martın, X. (1995), Economic Growth, Eastern Economy Edition, Second Edition, Prentice Hall of India.
  • Bhandari, L., Roychowdhury, K. (2011). ‘‘Night Lights and Economic Activity in India: A Study Using DMSP-OLS Night Time İmages’’. Proceedings of the Asia-Pacific Advanced Network, 32, 218-236.
  • Breusch, T. S. (1987). ‘‘Maximum Likelihood Estimation of Random Effects Models’’, Journal of Econometrics, 36(3), 383-389.
  • Bucellato, T. (2007). ‘‘Convergence Across Russian Regions: A Spatial Econometrics Approach’’. Economics Working Paper No: 72, Centre for the Study of Economic and Social Change in Europe.
  • Elhorst, J. P. (2013). ‘‘Spatial Panel Models’’. Handbook of Regional Science, Heidelberg: Springer, 1637-1652.
  • Elhorst, J. P. (2014). “Linear Spatial Dependence Models for Cross-Section Data”. Spatial Econometrics from Cross-Sectional Data to Spatial Panels, Heidelberg: Springer, 37-53.
  • Erlat, H. (2005) “Türkiye’de Bölgesel Yakınsama Sorununa Zaman Dizisi Yaklaşımı”, Bölgesel Gelişme Stratejileri ve Akdeniz Ekonomisi (Ed. Haluk Erlat), Türkiye Ekonomi Kurumu, Ankara.
  • Düşündere, A. (2019). 1992-2018 Dönemi için Gece Işıklarıyla İl Bazında GSYH Tahmini: 2018’de 81 İlin Büyüme Performansı. TEPAV Değerlendirme Notu. Mart 2019.
  • Karaca, O. (2004). ‘‘Türkiye’de bölgeler arası gelir farklılıkları: Yakınsama var mı?’’. Türkiye Ekonomi Kurumu Tartışma Metni, 7, 1-16.
  • Karaalp, H.S. ve Erdal, F. (2009). Türkiye'de İller ve Bölgeler Arasında Gelir Farklılıkları: Sigma Yakınsama Analizi, International Davraz Congress, Social and Economic Issues Shaping The World's Future: New Global Dialog, Süleyman Demirel Üniversitesi, 24-27 Eylül 2009, Isparta.
  • Karaalp H.S. ve Erdal F. (2012), “Sanayileşmenin Bölgesel Yığılması ve Komşu İllerin Büyümesi Gelir Farklılıklarını Artırır mı? Türkiye için Bir Beta Yakınsama Analizi”, Ege Akademik Bakış, 12(4): 475-486
  • Kılıçaslan, Y. ve Özatağan, G. (2007). Impact of Relative Population Change on Regional Income Convergence: Evidence from Turkey. Review of Urban & Regional Development Studies, 19(3), 210-223.
  • Kostov, P. (2010). ‘‘Model Boosting for Spatial Weighting Matrix Selection in Spatial Lag Models’’. Environment and Planning B: Planning and Design, 37, 533–549.
  • Kulkarni, R., Haynes, K., Stough, R. & Riggle, J. (2011). ‘‘Revisiting Night Lights as Proxy for Economic Growth: A Multi-Year Light Based Growth Indicator (LGBI) for China, India and the U.S’’. GMU School of Public Policy Research Paper. George Mason University.
  • LeSage, J. P. (1999). The Theory and Practice of Spatial Econometrics. Department of Economics University of Toledo.
  • LeSage, J. P., Fischer, M. (2008). ‘‘Spatial Growth Regressions: Model Speciation, Estimation and Interpretation’’. Spatial Economic Analysis, 3, 275-304.
  • LeSage, J. P. (2008). ‘‘An Introduction to Spatial Econometrics’’ Revue D'économie Industrielle, 123, Varia.
  • Ord, J. K. (1975). ‘‘Estimation Methods for Models of Spatial Interaction’’. Journal of the American Statistical Association, 70, 120-126.
  • Rogerson, A. P. (2001). ‘‘Statistical Methods for Geography’’. London: Sage Pablications, United Kingdom.
  • Sala-i-Martin X (1996b) The C1assical Approach to Convergence Analysis. Economic Journal 106: 1020-1027.
  • Sun, C., Jiao, H., ve Ren, Y. (2014). ‘‘Regional Informatization and Economic Growth in Japan: An Empirical Study Based on Spatial Econometric Analysis’’. Published by Mdpı Ag, Basel, Switzerland, 6(10), 7121-7141.
  • Soundararajan, P. (2013). Regional income convergence in India: A Bayesian Spatial Durbin Model approach. MPRA Paper No. 48453.
  • Ward, M. D., Kristian S. G. (2008). Spatial Regression Models. Los Angeles: Sage Publications.
  • Yamanoğlu, K. B. (2008) “Türkiye'de Sosyo Ekonomik Faktörlerin İller Arası Yakınsama Üzerine Etkileri” İstatistikçiler Dergisi, 1, ss.33 49.
  • Zeren, F. ve Yılancı, V. (2011) “Türkiye’de Bölgeler Arası Gelir Yakınsaması: Rassal Katsayılı Panel Veri Analizi Uygulaması”, Business and Economics Research Journal, 2(1), ss.143 151.
  • İnternet Kaynakları:
  • Bilgi Toplumu Daire Başkanlığı T.C Kalkınma Bakanlığı Resmi Web Sitesi Sekizinci Beş Yıllık Kalkınma Planı (http://www.bilgitoplumu.gov.tr/)
  • Türkiye İstatistik Kurumu Haber Bülteni Sayı: 24920 12 Aralık 2016 (www.tuik.gov.tr).