HASAN GÖKHAN DOĞAN, Arzu KAN, MUSTAFA KAN

Türkiye’de Avrupa Birliği Kırsal Alan Sınıflandırmasına Göre Tarımsal Kredi ve Tarımsal Gayri Safi Yurtiçi Hasıla (GSYİH) Arasındaki İlişki

Bu araştırmada da tarım sektörüne yönelik Türkiye’ de 2004-2017 yılları arasında sağlanan tarımsal krediler ile tarımsal GSYH arasındaki ilişki panel veri analizi yardımıyla ortaya koyulmuştur. Analiz yöntemi olarak, Panel Birim Kök Testi, Panel Eşbütünleşme Testi ve Panel Granger Nedensellik Analizinden yararlanılmıştır. Araştırma, AB Kırsal Alan Sınıflandırmasına göre üç bölgede değerlendirilmiştir. Bu bölgeler, kentsel alan, ara kırsal ve baskın kırsal olarak tanımlanmaktadır. Elde edilen bulgulara göre, her üç bölgede de değişkenler arasında uzun dönem eşbütünleşme görülmüştür. Nedensellik analizi sonuçlarına göre ise, kentsel alan ve ara kırsal bölgelerde değişkenler arasında iki yönlü nedensellik görülürken, baskın kırsal bölgede nedensellik ilişkisi görülmemiştir. Baskın kırsal bölgeyi oluşturan altı il dikkate alındığında (Artvin, Bayburt, Bingöl, Çankırı, Gümüşhane, Tunceli), gelir düzeyi düşük, ortalama arazi büyüklüğü nispeten daha küçük ve geçimlik işletme diye ifade edilebilecek işletme yapısından oluştuğu bilinmektedir. Dolayısıyla, yatırıma ve ekonomik değer elde etmeye yönelik tarımsal üretimin yoğun olmadığı bölgede tarımsal kredi ve tarımsal GSYH ilişkisinin olmaması beklenen bir sonuç olarak değerlendirilebilir. Bu çerçevede, tarımsal kredilerin ve bunlardan faydalanma olanaklarının gözden geçirilerek yöresel/bölgesel dinamiklere göre kurgulanması ve daha geniş bir tabana yayılarak üretim süreçlerinde kullanılabilme olanaklarının yapılandırılması gerekmektedir.

The Nexus of Agricultural Credit and Agricultural Gross Domestic Product (GDP) in Terms of European Union Rural Area Typology in Turkey

In this research, the relationship between agricultural GDP and agricultural credits provided between the years 2004-2017 in Turkey was analyzed by panel data analysis. Panel Unit Root Test, Panel Cointegration Test and Panel Granger Causality Analysis were used as the analysis method. The study was evaluated in three regions according to EU Rural Area Classification in Turkey. These regions are defined as urban area, intermediate and dominant rural areas. According to the findings, long-term cointegration was observed among the variables in all three regions. According to the causality analysis results, while the two-way causality was observed between the variables in urban and intermediate rural areas, no causal relationship was observed in the dominant rural area. Considering the six provinces (Artvin, Bayburt, Bingöl, Çankırı, Gümüşhane, Tunceli) that make up the dominant rural region, it is known that it consists of a low income level, a relatively smaller average land size and a subsistence structure. Therefore, the lack of a relationship between agricultural credit and agricultural GDP can be considered as an expected result in the region where agricultural production is not intense for investment and economic value acquisition. In this framework, it is necessary to revise the agricultural credits and their utilization opportunities according to the local/regional dynamics and to construct the opportunities to be used in production processes by spreading to a wider base.

PDF

___

Choi I. 2001. Unit root tests for panel data. J Int Money Financ. 20:249–72.
Duramaz S, Taş T. 2018. Kamusal, Özel ve Yabancı Sermayeli Bankaların Kullandırdıkları Tarımsal Kredilerin Tarımsal Üretime Etkisi: Ege Bölgesi’ne Yönelik Panel Veri Analizi. Uluslararası Yönetim İktisat ve İşletme Dergisi, 14(1): 35-50.
EUROSTAT. 2019. Methodology (Urban-Rural Typology). Luxembourg: European Union Statistical Office https://ec.europa.eu/eurostat/web/ruraldevelopment/methodo logy (Erişim Tarihi:13.04.2019)
FAO. GTZ. 1998. Agricultural Finance Revisited: Why? FAO/GTZ AFR Series No 1, FAO: Rome
GPFI. 2015. New Trends in Agricultural Finance. https://www.gpfi.org/sites/gpfi/files/documents/02- New%20Trend%20Agricultural%20Finance%20ReportFina l-LowRes.pdf
Granger C. 1969. Investigating causal relations by econometric models and crossspectral methods. Econometrica: Journal of the Econometric Society, 424-438
Hadri K. 2000. Testing for Stationarity in Heterogeneous Panel Data, Econometric Journal, 3: 148–161.
Höllinger F. 2011. Agricultural Finance –Trends, Issues and Challenges. Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ) GmbH. Bonn. Germany
Işık HB, Kılınç EB, Bilgin O. 2015. Tarım kredilerinin tarımsal üretim üzerindeki etkisi. EY International Congress on Economics II, Ankara.
Newbold P, Granger CWJ. 1974. Spurious regressions in econometrics. Journal of Econometrics, 2(2), 111-120.
Im KS, Pesaran MH, Shin Y. 2003. Testing for unit roots in heterogeneous panels. J Econom; 115:53–74.
Kao C, Chiang MH. 2000. On the estimation and inference of a cointegrated regression in panel data. Adv Econom. 15:179– 222
Klein B, Meyer R, Hannig A, Burnett J, Fiebig, M. 1999. Better Practice in Agricultural Lending. FAO/GTZ Series No 3, FAO: Rome
Levin A, Lin CF, Chu C. 2002. Unit root tests in panel data: asymptotic and finite sample properties. JEconom; 108: 1–24.
Maddala GS, Shaowen Wu. 1999. A comparative study of unit root tests with panel data and a new simple test. Oxf Bull Econ Stat 61: 631–52
Maddala GS. 2001. Introduction to Econometrics, Third Edition, John Wiley & Sons Ltd, England
Meyer R, Nagarajan G. 2005. Rural Finance. Recent Advances and Emerging Lessons, Debates and Opportunities. Reformatted version of Working Paper No. (AEDE-WP0041- 05), Department of Agriculture, Environmental, and Development Economics, The Ohio State University, Columbus, Ohio
Öğdül H, Uluçay H, Öngel S. 2007. Kent Çevresindeki Kırsal Alanlarda Değişim Biçimleri” Türkiye Bilimsel ve Teknik Araştırma Kurumu, Sosyal ve Beşeri Bilimler Araştırma Grubu, Proje No: SOBAG – 105K076.
Pedroni P. 1999. Critical values for cointegration tests in heterogeneous panels with multiple regressors. Oxf Bull Econ Stat 61: 653–70
Pedroni P. 2004. Panel cointegration: asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis. Econom Theory 20(3): 597–625
Resmi Gazete. 2012. 6360 Sayılı On Üç İlde Büyükşehir Belediyesi ve Yirmi Altı İlçe Kurulması İle Bazı Kanun Ve Kanun Hükmünde Kararnamelerde Değişiklik Yapılmasına Dair Kanun. Erişim Tarihi:13.04.2019, http://www.resmigazete.gov.tr/eskiler/2012/12/20121206- 1.htm
Schmidt-Traub G, Sachs JD. 2015. Financing Sustainable Development: Implementing the SDGs through Effective Investment Strategies and Partnerships. Working Paper, Sustainable Development Solutions Network (SDSN). http://unsdsn.org/wp-content/uploads/2015/04/150619-SDSNFinancing-Sustainable-Development-Paper-FINAL02.pdf
Şahin A. 2016. Tarımsal sektörün finansmanı. Tarım Türk Dergisi, http://www.tarimturk.com.tr/yazar-tarImsalsektorun -finansmanI-18.html
Tarım ve Orman Bakanlığı (TOB). 2019. Cari Fiyatlarla Tarımsal GSYH ve Tarımın Payı 2019. https://www.tarimorman.gov.tr /SGB/Belgeler/Veriler/GSYI H.xlsx
Taşçı C. 2015. Trends and Issues in Financing Agriculture: A Global Perspective and Look at Turkish Case. Finansal Araştırmalar ve Çalışmalar Dergisi, 7(12): 173-195.
Terin M, Güler İO, Aksoy A. 2014. Türkiye’de tarımsal üretim ile tarımsal kredi kullanımı arasındaki nedensellik ilişkisi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 4(1): 67- 72.
Türkiye Bankalar Birliği (TBB). 2019. 2018 - Resmi İstatistik Programı Kapsamında Yayınlanan İstatistikler-İllere ve Bölgelere Göre Krediler. https://www.tbb.org.tr /tr/bankacilik/banka-ve-sektorbilgileri/istatistiki-raporlar/59
TÜİK. 2019a. İşgücü İstatistikleri. http://www.tuik.gov.tr /PreTablo.do?alt_id=1007
TÜİK. 2019b. Dış Ticaret İstatistikleri. http://www.tuik.gov.tr /PreTablo.do?alt_id=1046
Yavuz F, Dilek Ş. 2019. Türkiye Tarımına Yeniden Bakış. SETA Yayınları 131: 139 s.
Zuondi Z. 2017. CO2 emissions, renewable energy and the Environmental Kuznets Curve, a panel cointegration approach. Renewable and Sustainable Energy Reviews. Volume:72, 1067-1075.