Gözde BOZKURT, Turgut ÜN, Yasemin BAKSİ, Mücella ŞAHİN

Türkiye’de İstihdam Oranının Box-Jenkins Tekniği Kullanılarak Modellenmesi ve Orta Dönem Öngörüsü

Dar anlamda emeğin işgücüne dâhil edilmesi anlamına gelen istihdam ile ilgili hem ulusal hem de uluslararası boyutta pek çok çalışma ve politika gerçekleştirilmektedir. Bu çalışmanın amacı, 2006-2019 yılları arasında Türkiye’de ki istihdam oranının analizinin yapılması, uygun istihdam modelinin belirlenmesi ve geleceğe yönelik öngörüsünün yapılmasıdır. İncelenen dönem aralığında incelenen istihdam oranında mevsim etkilerinin görülmesi nedeniyle, verilerin öncelikle mevsimsel zaman serisi özellikleri HEGY mevsimsel birim kök testi ile araştırılmıştır. Bu analiz sonucunda, güçlü mevsimsel dalgalanmaların olduğu ve serinin uzun dönem eğiliminin stokastik özellikte olduğu görülmüştür. Serinin belirlenen özelliklerine uygun olarak modellemede yöntem olarak Box-Jenkins SARIMA tekniği kullanılmıştır. Box-Jenkins tekniği yardımıyla aday SARIMA modellerinin belirlenmesinin ardından, cimrilik prensibine uygun olarak Akaike ve Schwarz bilgi kriterlerine göre en uygun modele karar verilmiştir. Ülkemizde istihdam oranının tahmin edilmesine yönelik olarak en uygun modelin SARIMA(2,1,2)〖(1,1,2)〗_12 olduğu tespit edilmiştir. Tahmin edilen ve gerçek istihdam oranı değerleri kullanılarak elde edilen regresyon eğrisi ile korelasyon katsayısı (r=0.9576) belirlenmiştir. Tahmin değerleri ile gerçek değerler arasında güçlü pozitif ilişkinin olduğu görülmüştür. Bunun yanı sıra modelin örneklem içi (ex-post) öngörüsünün de incelenmesi sonucunda, modelin seriye uygun ve tahmin etme başarısı yüksek bir model olduğu istatistiksel açıdan kanıtlanmıştır. Belirlenen model ile 2019 yılının aylık istihdam oranı öngörüleri de elde edilmiştir. Elde edilen sonuçlar doğrultusunda, istihdam oranında her yılın son aylarında benzer düşüşler olduğu görülmektedir. Tahmin edilen ekonometrik model ile 2019 yılı için gerçekleştirilen orta dönem öngörü sonuçlarına göre de yine aynı durum beklenmektedir. İktisadi faaliyet kolları içerisinde en yüksek istihdam oranına sahip olan tarım, orman ve balıkçılık, inşaat ve konaklama ve yiyecek hizmeti faaliyetleri endüstrilerindeki mevsimlik işçi alımının bu durumu meydana getirdiği düşünülmektedir. Bu doğrultuda sürdürülebilir ekonomik büyüme için, Türkiye’de uygulanan sermaye yoğun büyüme politikalarından ziyade emek yoğun politikalara önem verilmesi gerektiği düşünülmektedir.

Anahtar Kelimeler:

İstihdam Oranı, Mevsimsellik, ARIMA Modelleri, Öngörü

Box-Jenkins technique of Employment Rate in Turkey Using Modeling and Mid-Term Forecasting

There are many national and international studies and policies related to employment, which means that labor is included in the labor force in a narrow sense. The purpose of this study, between the years 2006-2019 by the analysis of the employment rate in Turkey, the determination of appropriate employment patterns, and to make predictions for the future. Since seasonal effects are observed in the employment rate examined in the examined period range, firstly, seasonal time series characteristics of the data were investigated with the HEGY seasonal unit root test. As a result of this analysis, it was observed that there were sharp seasonal fluctuations, and the long-term trend of the series was stochastic. Box-Jenkins SARIMA technique was used as a method for modeling by the determined features of the series. Following the determination of candidate SARIMA models with the help of the Box-Jenkins technique, the most appropriate model was decided according to Akaike and Schwarz information criteria by the principle of stinginess. It is determined that the most appropriate model for estimating the employment rate in our country is SARIMA(2,1,2)〖(1,1,2)〗_12. The correlation coefficient (r=0.9576) was determined with the regression curve obtained using the estimated and real employment rate values. It has been observed that there is a strong positive relationship between predictive values and real values. Also, as a result of examining the ex-post prediction of the model, it has been statistically proved that the model is a model that is suitable for the series and has high predictive success. With the model determined, monthly employment rate forecasts for 2019 were also obtained. In line with the results obtained, it is observed that there is a similar decrease in the employment rate in the last months of each year. According to the predicted econometric model and the medium-term forecasting results for 2019, the same situation is expected. It is thought that the employment of seasonal workers in agriculture, forestry and fisheries, construction and accommodation and foodservice industries, which have the highest employment rate among the economic activities, constitutes this situation. This is in line with sustainable economic growth, while capital rather than labor-intensive growth policies applied in Turkey is believed that importance should be attached to the intensive policies.

Keywords:

Employment Rate, Seasonality, ARIMA Models, Forecasting,

PDF

___

Adhikari, R. and Agrawal, R. K. (2013). An Introductory Study on Time Series Modeling and Forecasting. LAP Lambert Academic Publishing.
Akgül, I., (2003). Zaman Serilerinin Analizi ve ARIMA Modelleri. 1.Edition. İstanbul: DER Publishing.
Altuntepe N., ve Güner T. (2013). Türkiye’de İstihdam-Büyüme İlişkisinin Analizi (1988-2011), Uluslararası Alanya İşletme Fakültesi Dergisi International Journal of Alanya Faculty of Business 5.1, 73-84.
Beaulieu, J.J., and Miron, J.A. (1993). Seasonal Unit Roots in Aggregate U.S. Data. Journal of Econometrics. 55, 305-328.
Box, G.E.P., G.M. Jenkins, G.C. Reinsel, and G.M. Ljung. (2016). Time Series Analysis: Forecasting and Control. 5.Edition. New Jersey: John Wiley&Sons, Inc.
Curry, B. (2007). Neural Networks and Seasonality: Some Technical Considerations. European Journal of Operations Research. 179, 267-274.
Dritsaki, C. (2016). Forecast of Sarima Models: Αn Application to Unemployment Rates of Greece. American Journal of Applied Mathematics and Statistics. 4-5, 136-148.
Ette H., Uchendu B, and Uyodhu V. (2012). Arima Fit to Nigerian Unemployment Data. Journal of Basic and Applied Scientific Research. 2.6, 5964-5970.
Fuchs, J., Sihnlein, D., Weber, B., Weber, E. (2018). Stochastic Forecasting of Labor Supply and Population: An Integrated Model. Population Research and Policy Review. 37.1, 33-58.
Gujarati, D. (2005). Basic Econometrics. 3. Edition. The McGraw-Hill Companies.
Hahn, H., Meyer-Nieberg, S., and Pickl, S. (2009). Electric Load Forecasting Methods: Tools for Decision Making, European Journal of Operational Research, In press. 199, 902-907.
Hylleberg S., R.F. Engle, C.W.J. Granger ve B.S. Yoo. (1990). Seasonal Integration and Cointegration. Journal of Econometrics. 44, 215-238.
Ion, D., and Andriana, A. (2008). Modeling unemployment Rate Using Box-JienkingsProcedure. Journal of Applied Quantitative Methods. 3.2, 156-166.
Karaali F. Ç. (2006). Use of Artificial Neural Networks and Cognitive Mapping Methodology in Predicting Unemployment Rates and Employment Index Level. Unpublished Ph.D. Thesis. İstanbul Technical University Institute of Science and Technology.
Li T., Corcoran J., Pullar D., Robson A., Stimson R. (2009). A Geographically Weighted Regression Method to Spatially Disaggregate Regional Employment Forecasts for South East Queensland. Applied Spatial Analysis and Policy. 2.2, 147-175.
Muratoğlu Y. (2011). Büyüme ve İstihdam Arasindaki İlişki: Türkiye Örneği. International Conference On Eurasian Economies.
Nelson, M., Hill, T., Remus, W., O’Connor, M. (1999). Time Series Modelling Using Neural Networks: Should the Data Be Deseasonalized First?. Journal of Forecasting. 18, 359-367.
Nickell, S. (1984). An Investigation of the Determinants of Manufacturing Employment in the United Kingdom. The Review of Economic Studies. 51.4, 529-557.
Power, B., and Gasser, K. (2012). Forecasting Future Unemployment Rates. ECON 452 First Report.
TURKSTAT, https://biruni.tuik.gov.tr/medas/?kn=72&locale=en, 10.07.2019.
Witt S. F., Song H., Wanhill S. (2004). Forecasting Tourism-Generated Employment: The Case of Denmark, Tourism Economics. 10.2, 167–176.