TÜRKİYE’DE HANEHALKI SORUMLUSUNUN TOPLAM GELİRİNE ETKİ EDEN BELİRLEYİCİLERİN KANTİL REGRESYON YÖNTEMİ İLE ANALİZİ

Bu çalışmada, Türkiye’de hanehalkı sorumlusunun elde etmiş olduğu yıllık toplam gelirindekifarklılık, kantil regresyon yöntemi ile analiz edilmiştir. Araştırmada, Türkiye İstatistik Kurumu(TÜİK) Başkanlığı’ndan sağlanan “Hanehalkı Bütçe Araştırması 2015 yılı” mikro veri setindenyararlanılmıştır. Çalışmada, hanehalkı sorumlusunun yıllık toplam geliri (TYG) bağımlıdeğişken olarak alınırken, bağımsız değişkenler olarak ise hanehalkı sorumlusu için; cinsiyet(C), yaş (Y) sağlık sigortasına sahip olma durumu (SS), günlük faaliyete engel fiziksel ya dazihinsel problem olup-olmadığı (GFFZP), çalışmaya engel fiziksel ya da zihinsel problem olupolmadığı (CFZP), eğitim durumu (ED) ve medeni durum (MD) alınmıştır. Koşullu medyan,0,25 kantil, 0,75 kantil, 0,05 kantil, 0,95 kantil, sabit ve tekrarlamalı tahminciler kullanılarakmodel tahmin edilmiştir. Sonuçlara göre; gelir düzeyi yüksek hanehalkı sorumlularının, göreliolarak daha yaşlı olduğu, daha yüksek eğitim düzeyine sahip oldukları ve aktif olarak çalıştıklarıbelirlenmiştir. Kantiller arasındaki gelir farklılığı göreli olarak fazladır. Bu da, Türkiye’de gelirgrupları arasında önemli farklılıkların olduğunu ortaya koymaktadır. Sonuç olarak, düşük,orta ve yüksek gelir gruplarına sahip hanehalkı sorumlularına yönelik, gelir farklılığınıgiderici önlemlerin alınması faydalı olabilecektir. Mesleki eğitim çalışmalarının iyileştirilmesi,istihdam oluşturan ve refah düzeyini geliştiren tarımsal, sanayi ve genel anlamda ekonomi vesosyal politikalarının geliştirilmesi ve uygulanması isabetli olacaktır.

ANALYSIS OF DETERMINANTS AFFECTING TOTAL INCOME OF HOUSEHOLD HEAD WITH QUANTILE REGRESSION METHOD IN TURKEY

In this study, the difference in total annual income of the respondent households that have achieved in Turkey is analyzed by quantile regression method. In the research, microdata sets on “Household Budget Survey 2015” provided by the Turkey Statistical Institute (TSI) Presidency are used. In the study, the annual total income of the household responsible (TYG) is taken as dependent variable, whereas for the household head as the independent variables; gender (C), age (Y) health insurance (SS), whether it is a physical or mental problem (GFFZP) for barrier to daily activities, and whether it is a physical or mental problem (CFZP) for barrier to work, education level, (ED), and marital status (MD) are obtained. The model is estimated by using the conditional median, 0,25 quantile, 0,75 quantile, 0.05 quantile, 0.95 quantile, robust and bootstrap estimators. It is determined that the households with high income were relatively older, had higher education level and are actively working. The difference in income between quintile is relatively high. It also reveals that there are significant differences among income groups in Turkey. As a result, it may be useful to take measures to reduce income differences for households with low, medium and high-income groups. The development and implementation of agricultural, industrial and general economic and social policies will be appropriate to improve vocational training activities, employment and improve welfare level.

PDF

___

Abdulai, A., CroleRees, A. (2001). Determinants of income diversification amongst rural households in southern Mali. Food Policy, 26, 437-452.
Abdulai, A., Delgado, C. L. (1999). Determinants of nonfarm earnings of farm-based husbands and wives in northern Ghana. American Journal of Agricultural Economics, 81, 117-130.
Bayar, A. A. (2012). Ticari serbestlik döneminde gelir ve ücret eşitsizliği: Türkiye örneği. Yayınlanmamış Doktora Tezi. İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
Baum, C. F. (2013), Quantile Regression, Erişim Tarihi: 07 Ocak 2019, http://fmwww. bc.edu/ec-cs.
Cameron, A. C., Trivedi, P. K. (2010). Microeconometrics Using Stata. Rev. ed. College Station, TX: Stata Press.
Corey, D. L., Phelps, G., Ball, D. L., Demonte, J., Harrison, D. (2012). Explaining Variation in Instructional Time: An Application of Quantile Regression. Educational Evaluation and Policy Analysis, 34, 146-163.
Corral, L., Reardon, T. (2001). Rural nonfarm incomes in Nicaragua. World Development, 29, 427-442.
Çalışkan, Ş. (2007). Eğitimin Getirisi (Uşak İli Örneği). Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 12, 235-252.
Çobanoğlu, F., Yılmaz, H. İ. (2018). Hanehalkı Sorumlusunun İşyeri Faaliyet Türü ve Yıllık Toplam Gelirine Etki Eden Faktörlerin Belirlenmesi. Tarım Ekonomisi Dergisi, 24, 145-157.
Davino, C., Furno, M., Vistocco, D. (2013). Quantile Regression: Theory and Applications. John Wiley & Sons.
DPT (2001). Gelir Dağılımının İyileştirilmesi ve Yoksullukla Mücadele Özel İhtisas Komisyonu Raporu. Sekizinci Beş Yıllık Kalkınma Planı, Devlet Planlama Teşkilatı.
Escobal, J. (2001). The determinants of nonfarm income diversification in rural Peru. World Development, 29, 497-508.
Goodman, A., Johnson, P., Webb, S. (1997). Inequality in the UK. Oxford University Press, New York.
Gürler, Ö. K., Birecikli, Ş. Ü., Eryavuz, A. K. (2018). Türkiye’de Hanehalkı Tüketim ve Gıda Harcamalarının Kantil Regresyon Yöntemiyle Araştırılması. International Journal of Economic and Administrative Studies, 18. EYİ Özel Sayısı, 219-238.
Hao, L., Naiman, D. Q. (2007). Quantile Regression. California: Sage Publications. Kızılgöl, Ö. A. (2012). Kişisel Kazançların Belirleyicileri: Türkiye Örneği. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 17, 373-384.
Koenker, R., Bassett, G. (1978). Regression Quantiles. Econometrica, 46, 33-50.
Lazarus, B. D. (2013). A study of household income determinants and income inequality in the Tominian and Koutiala zones of Mali. Master of Science. Agricultural, Food and Resource Economics, Michigan State University.
Machado, J. A. F., Mata, J. (2005). Counterfactual Decomposition of Changes in Wage Distributions Using Quantile Regression. Journal of Applied Econometrics, 20, 445-465.
Olale, E., Hensen, S. (2012). Determinants of income diversification among fishing communities in Western Kenya. Fisheries Research, 125-126, 235-242.
Pede, W. O., Paris, T. R., Luis, J. S., McKinley, J. D. (2012). Determinants of Household Income: A Quantile Regression Approach for Four Rice-Producing Areas in the Philippines. Asian Journal of Agriculture and Development, 9, 65-76.
Stata (2017). STATA Treatment Effects Reference Manual: Potential Outcomes/ Counterfactual Outcomes, Release 15. A Stata Press Publication, STATACorp LLC, College Station, Texas.
Wouterse, F., Taylor, J. E. (2008). Migration and income diversification: Evidence from Burkina Faso. World Development, 36, 625-640.
Yunez-Naude, A., Taylor, J. E. (2001). The determinants of nonfarm activities and income of rural households in Mexico, with emphasis on education. World Development, 29, 561-572.