Türkiye nin Bitkisel Sıvı Yağ Açığını Gidermede Kanola'nın Rolü

Transkript

1 TÜRKİYE VII. TÂKİ M EKONOMİSİ KONGRESİ ANTALYA yifr Türkiye nin Bitkisel Sıvı Yağ Açığını Gidermede Kanola'nın Rolü Gökhan UN AKITAN1 unakıun@tu tzfedu.tr Dılşat UN AKITAN2 dilsanınâkıtamâ^yıhoo com 'Namık Kemal Üniversitesi Ziraat Fakültesi, Tanm Ekonomisi Bölümü TEKİRDAĞ 2Trakya Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, Ekonometri Bölümü, EDİRNE Özet Türkiye'nin bitkisel sıvı yağ üretimi 1 milyon ton civarında seyrelmektedir. Bu miktarın %40 ı iç piyasadan karşılanırken %60'ı ise yurtdışından tohum ve hamyağ ithalatı ile karşılanabilmektedir. Buna rağmen kişi başına bitkisel yağ tüketimi ortalama 19 kg civarında değişmektedir. Sağlıklı beslenme için bu rakamın 27 kg seviyelerine yükseltilmesi gerekmektedir. Kanola; uygun koşullarda dekara ortalama 250 kg/da verimi ve %40-45 hamyağ içeriği ile ayçiçeğinin önemli bir alternatifi durumundadır Bu çalışmada, Türkiye deki bitkisel yağ açığının giderilmesinde kanolanın nasıl bir rol oynayabileceği tartışılmaktadır Bu amaçla, kanolanın ekim alanı ve verim modelleri oluşturulmuştur Modellerde kullanılan veriler periyodunu kapsayan zaman serileridir. Modellerin tahmininde Box-Jcnkins yönetimi olarak bilinen ARIMA modellerinden yararlanılmıştır Ekim alanı modeli ARMA (1,3), verim modeli ise ARIMA (5,1,1) olarak tahmin edilmiştir. Ekim alanı modelinde açıklayıcı değişken olarak 1997 yılından sonraki ekim alanındaki artışı açıklamak üzere kukla değişken eklenmiştir ARIMA sonuçlarına göre 2015 yılında kanola veriminin 286 kg/da, ekim alanlarının 2062 hektar ve üretim miktarının ise 6000 ton civarında değişim göstereceği tahmin edilmiştir. Anahtar Kelimeler: Kanola, Bitkisel Yağ, ARIMA The Role or Canola in Decrasing the Vegetable Oil Deficiency in Turkey. Abstract Vegetable oil produetion is approximately 1 million tons in Turkey. 40 percent of this amount has been provided fmm dom es ti c produetion and 60 percent from the imports of seed and crude oil Although, vegetable oil consumption changes about 19 kg/year per capita. It should be ıncreased to 27 kg/year for a healthy nutrition. Canola is an important altemative of sunflower, because of its higher yields and 40%-45% crude oil contents İn this paper, we discuss the role o f canola in decreasing the deficiency of vegetable oil. Two models were estimated as harvested area and canola yield Time series data is used in the models from periods ARIMA model, as known Box-Jenkins is used in this paper Harvested area model is estimated as ARMA (1,3) and yield model is ARIMA (5,1,1). In addition, a dummy variable is used ın the harvested area model for explanatıon of the inerease of harvested area after ye ar 1997 According to ARIMA results, canola yields will reach to 286 kg/da and harvested area will reach to 2062 heetare and produetion will change about 6000 tons at Keywords: Canola, Vegetable Oil, ARIMA 1. Giriş Türkiye'de bitkisel yağlı tohum üretimi artan nüfusun talebini karşılayamamaktadır Bu nedenle Türkiye, bitkisel yağlı tohumlarda dışa bağımlı durumdadır. Türkiye nin bitkisel sıvı yağ üretimi 1 milyon ton civarında seyretmektedir (Oilworld 2006). Bu miktarın %40 ı iç piyasadan karşılanırken %60 ı ise yurtdışından tohum ve hamyağ ithalatı ile karşılanmaktadır. Çeşitli veriler günlük yağ tüketiminin, günlük tüketilen toplam kalorinin %38 i civarında olduğunu göstermektedir. Yetişkin bir insanın günlük faaliyetlerini sürdürebilmesi için en az 2000 kaloriye ihtiyacı vardır. Bu miktarın kalorilik kısmı yağlardan sağlanmalıdır 1 g yağın vücuda 9 kalori verdiği dikkate alındığında bir insanın günde 75 g yağa ihtiyaç duyduğu anlaşılmaktadır. Bu rakam da yıllık 27 kg a denk gelmektedir (Nas ve ark. 2001). Türkiye de kişi başına bitkisel yağ tüketimi ortalama 19 kg civannda değişmektedir. Bu rakam, kişi başına 42 kg ortalama tüketim rakamına sahip olan AB ülkelerinin çok altındadır. Dünya sağlık örgütü (WHO) insanların 588

2 TÜRKİYE VII. TARIM EKONOMİSİ KONGRESİ ANTALYA günlük eneıji ihtiyacının 1/3 ünü yağlardan almasını önermektedir (Unakıtan, 2003). Ancak Türkiye deki tüketim rakamları bu açıdan yeterli düzeyde değildir. Çalışmanın amacı, yüksek verimli ve kaliteli bir yağlı tohum olan kanolanın gelecek dönemdeki ekim alanı ve üretim miktarının tahmin edilmesi olarak vurgulanabilir. Geleceğe yönelik tahmin edilen veriler politika uygulayıcıları ve tarımsal üretim planlamacıları için önemli bir kaynak arz etmektedir. Üretim faktörleri arasında ilişkilerin belirlenmesi ise girdi politikalarının belirlenmesinde yol gösterici rol oynayacaktır. Türkiye de toplam 18,2 milyon hektarlık bir alanda tanm yapılmakta olup üretimi yapılan yağlı tohumlu bitkilerin toplam üretim alanı yaklaşık 1,3 milyon hektardır. Bu rakam toplam tarım alanlarının yaklaşık %7 sini kaplamaktadır. Türkiye de yılda yaklaşık 2-2,5 milyon ton yağlı tohum üretilmektedir. Ekim alanları incelendiğinde, pamuk ekim alanlarının bin hektar arasında, ayçiçeği ekim alanlarının ise bin hektar arasında değiştiği görülmektedir. Susam, yerfıstığı ve soya ekim alanları ise bu rakamların oldukça altında seyretmektedir. Kaliteli bir yağ bitkisi olan kanolanın üretimi ise son yıllarda yaygınlaşmaya başlamıştır Materyal ve Metod Çalışmada kanolanın verim ve ekim alanı tahminjeri için ARJMA modellerinden yararlanılmıştır yıllarına ait verim ve ekim alanı rakamları kullanılarak logaritmik dönüşüm yapılmış verim modeli ARJMA (5,1,1) olarak ve ekim alanı ARMA(1,3) olarak tahmin edilmiştir. Ayrıca 1997 yılından sonra yeni geliştirilen çeşitlerin etkisiyle ekim alanındaki artışı açıklamak üzere kukla değişken modele dahil edilmiştir. Kukla değişkene yıllan için 0, yılları için 1 değeri verilmiştir. Modellerde kullanılan veriler FAO nun internet sayfasından alınmıştır. Box-Jenkins metodu olarak da bilinen ARIMA tek değişkenli bir model olarak, geleceği tahmin etme metotlarından biridir. Kasa dönem tahmininde oldukça başarılı olan bu metodun uygulandığı serinin, eşit zaman aralıklarıyla elde edilen gözlem değerlerinden oluşan kesikli ve durağan bir seri olması bu metodun önemli bir varsayımıdır. Bu tür serilerde durağanlık kavramı da Box-Jenkins metodunun önemli varsayımlanndandır. Box- Jenkins metodunun ihtiva ettiği modeller; zamana bağlı tesadüfi karakterde olaylar ve bu olaylarla ilgili zaman serilerinin ise stokastik süreç olduğu varsayımına bina edilerek geliştirilmiştir (Bircan ve Karagöz, 2003). Zaman serisi modellerinde esneklik sağlamak için en az sayıda parametre kullanma ilkesini gerçekleştirmek amacıyla bazı hallerde modele hem otoregresif hem de hareketli ortalama parametrelerenin alınması birçok faydalar sağlamaktadır. Bu düşünce ARMA (p, q) modelini ortaya çıkarmıştır (Kayım, 1985). Bu modelin, bir zaman serisinin herhangi bir t dönemine ait xt gözlem değeri, ondan önceki belirli sayıda x m, xı-2,...xı-p gözlem değerlerinin ve aı, at-ı, a»-2,,..at-^ hata terimlerinin doğrusal birleşiminden meydana gelmektedir. ARMA (p, q) modelinin genel ifadesi xı = qpı Xı-ı + qp2 xı cpp xt-p+ aı - 0ı a-ı - 02a * 0qaı- «.(1) Xı -( qpı Xı-ı + qp2 )fc qpp xı-p) = a - 9ı a-ı - 02a q a-q(2) şeklinde yazılır. Durağan olmayan bir zaman serisini durağan hale getirmek için ihtiyaç durumuna göre serinin genellikle 1 veya 2 defa farkı alınır ve d ile gösterilir Durağan olmayıp farkı alınarak durağan hale getirilmiş serilere uygulanan modellere durağan olmayan doğrusal stokastik modeller veya kısaca entegre modeller denir (Box Jenkins, 1976). Bu entegre modeller belirli sayıda farkı alınmış serilere uygulanan AR ve MA modellerinin birleşimidir. Eğer AR modelinin derecesi p, MA modelin derecesi q ve serinin de d kez farkı alınmışsa bu modele (p, d, q) dereceden otoregresif entegre hareketli ortalama modeli denir ve ARIMA (p, d, q) şeklinde gösterilir (Box-Jenkins, 1976). ARIMA (p, d, q) modelinin genel ifadesi Wı = qpı w m + (p2 \M-2 a-q(3) + qpp wt-p + a - 01 aı-ı - 02 a q şeklindedir. Bu ifadede (5) eşitliğindeki xt, xı-ı... xt- p gözlem değerlerinin yerini, farkı alınmış Wı, wm,... wt-pgözlem değerleri almıştır. Yani Ad xt = Wt dir. Burada A = Fark alma operatörü. 589

3 TÜRKİYE VİL TARIM EKONOMİSİ KONGRESİ ANTALYA?nn* d = Fark alma derecesi, w ı, w*-ı,... Wi-D= Farkı alınmış seri. Fark derecesi d = 0 ise zaten seri durağandır. Eğer d = 1 ise, AXı = Wı = Xı - Xt-1 (4) veya geriye öteleme operasyonu ile, A x = wt = ( 1 - B ) xı yazılır. Bu ifade d. dereceye genelleştirilirse, Ad xı = wt = (1 - B )o» (5) şeklini alır (Bircan ve Karagöz, 2003) Zaman serilerinin durağanlığını sınamanın bir yolu da birim kök sınamasıdır. Y,=Yt.,+u< eşitliğindeki Yt. in katsayısı l e eşit ise birim kök sorunuyla, yani durağan olmayan bir seri ile karşı karşıyayız demektir, Dolayısıyla Yc^pY^+u, regresyonunu hesaplar ve gerçekten p=l bulursak Y, olasılıklı değişkeninin birim kökü vardır deriz. p=l sıfır hipoteziyle geleneksel yolla hesaplanan t istatistiği tau istatistiği diye bilinir ve bunun eşik değerleri Dickey ve Fuller (1981) tarafından Monte Carlo simulasyon çalışmalarına dayanarak çizelgelenmiştir. Tau sınaması DF sınaması adıyla anılmaktadır. Oluşturulan çizelgeler tam yeterli değildir ve MacKinnon tarafından büyük ölçüde genişletilmişlerdir. Eğer tau istatistiğinin mutlak değeri DF nin yada MacKinnon DF nin mutlak eşik tau değerinden büyük ise verilmiş zaman serisinin durağan olduğunu ileri süren hiptezi reddedilmemektedir yani seri durağandır (Gujarati, 1999). 3- Kanola Kanola tohumlarında %40 oranında ham yağ ve %60 oranında küspe içeren bir yağ bitkisidir. Türkiye deki kanola üretimi çok uzun bir geçmişe sahip değildir. Marmara Bölgesinde üretimi yapılan ve o zamanlar kolza olarak adlandırılan çeşitlerin erusik asit içermeleri nedeniyle 1980 yılından itibaren üretimi giderek azalmıştır. Daha sonra Kanada nın liderliğinde yapılan ıslah çalışmalarıyla erusik asit içermeyen kolza çeşitleri üretime kazandırılmış ve kanola olarak Türkiye ye girmiştir. Son yıllarda Türkiye de kanola ekim alanlarında ve üretimde hızlı bir artış görülmektedir. Kanola bitkisi gerek dekara verimi gerekse içerdiği yüksek yağ oranı nedeniyle Türkiye deki bitkisel yağ açığını gidermede önemli rol oynayabilecek bir bitkidir. Kışlık bir bitki olan kanolanın dekara ortalama verimi son yıllarda kg/da civarında değişmektedir Tekirdağ ilinde bu rakam iyi sulanan arazilerde 400kg/da a kadar çıkmaktadır. Bu nedenle kanola ayçiçeği üretimine alternatif olabilecek önemli bir yağ bitkisidir. Özellikle kışlık bitki olması yağışlardan yararlanmasını arttırmaktadır. Ancak kanola üretimini engelleyen önemli faktörlerin başında bu ürüne yönelik ciddi bir destekleme ve teşvik politikasının bulunmaması gelmektedir, Bununla birlikte özellikle ayçiçeği yağı tüketmeye alışmış olan tüketicilerin kanola yağına karşı gösterebilecekleri damak zevkinden kaynaklanan tutum da bilinmemektedir. Kanola yağının diğer bitkisel yağlara göre avantajı içerisindeki esansiyel yağ asitlerinden olan insan vücudunda sentezlenmeyen ve büyüme için gerekli olan dışarıdan mutlaka alınması gereken omega 3 (Linolenik asit) miktarının yüksek oluşudur (yaklaşık % 10-14) (Nas ve ark. 2001). Şekil l de çeşitli bitkisel yağların doymuş ve doymamış yağ içerikleri ayrıntılı olarak verilmektedir. Kanola üretimi teşvik edilerek arttırılmalı ve doğrudan doğruya piyasaya sürülemese de yemeklik bitkisel yağ adı altında pazara sunulan karışım bitkisel yağların içine katılarak piyasa süriilmelidir. Bu sayede yurtdışından temin edilen, karışım yağlara ve margarinlere katılan palm yağı ithalatından tasarruf yapılabilecektir (Unakıtan, 2003). 590

4 TÜRKİYE VII. TARJM EKONOMİSİ KONGRESİ ANTALYA. 21)06 ı Doymuş Doymamış Linoleik Doyrrtamtş Alpha Linoleik Y arı Doymuş j ^ Şekil 1. Bitkisel Yağların Doymuş ve Doymamış Yağ İçerikleri Türkiye nin toplam kanola ekim alanı 2005 yılı itibariyle 500 hektar olup 1150 ton üretim mevcuttur. Çizelge 1 de görüldüğü gibi 1979 yılında ekim alanı hektar ve ton üretim miktarı ile rekor seviyededir. Ancak ekim alanları gittikçe azalarak 1996 yılında 2 hektara kadar düşmüştür. Bunun en önemli nedeni erusik asit içeren çeşitlerin insan sağlığı açında tehlike oluşturmasıdır. Son yıllarda ıslah çalışmaları sonunda erusik asit ve glikozinatça fakir double low (0-0) çeşitlerin elde edilmesiyle kanolanın hızlı gelişen yağ bitkilerinin başında geldiği görülmektedir. Çizelge I. Türkiye'de Kanola Ekim Alanı, Üretimi ve Verimi Yıllar Ekim Alanı (ha) Üretim (ton) Verim (kg/da) Yıllar Ekim Alanı (ha) Üretim (ton) Verim (kg/'da) Kaynak: Die, Tarımsal Yapı, Çeşitli Yıllar 591

5 IORKİYL YIL TAKIM EKONOMİSİ KONGRESİ AİOALY>UûQS 4. Araştırma Bulgulan Türkiye'de kanola üretimini tahmin etmek üzere verim ve ekim alanı modelleri Box-Jenkins yöntemiyle tahmin edilmiştir. Modellerin tahminine geçmeden önce verim ve ekim alanı serilerinin Arttırılmış Dickey-Fuller (ADF) testi ile durağan olup olmadıkları test edilmiştir Çizclde 2'de venm değişkenine ait ADF test sonuçlan venlmcktcdir. Verim değişkenine düzeyde ADF testi uygulandığında sennin durağan olmadığı görülmüştür Serinin durağan olabilmesi için ADF test istatistiğinin kritik değerlerden mutlak değer olarak yüksek olması gerekmektedir. Seriye logantmık dönüşüm uygulanmış ve tekrar ADF testi uygulanmış ancak sonuç değişmemiştir. Logaritmik dönüşüm uygulanmış verim serisinin birinci farklan alındığında ise serinin durağan olduğu görülmüştür. Çizelge 2 Verim Değişkeni Artırılmış Dickcy-Fulicr Testi Sonuçlan Verim (dure\) ADh Test İstatistiği -1, % Kritik Değer % Kritik Değer Ln Verim (düzey? 10% Kritik Değer ADF Test İstatistiği % Kritik Değer % Kritik Değer LnYerım (İfark) 10% Kritik Değer ADF Test İstatistiği % Kritik Değer % Kritik Değer % Kritik Değer Verim modelinin otoregresif ve hareketli ortalama süreçlerinin belirlenmesinde ise korelogramdan yararlanılmıştır. Sıfırdan farklı otokorelasyon fonksiyonundaki (ACF) her zirve MA(q) değerini, kısmi otokorelasyon fonksiyonundaki (PACF) her zirve ise AR(p) değerini göstermektedir (Kutlar, 2000). Bu bilgiler ışığında verim serisi için ARIMA (5,1,1) modeli tahmin edilmiştir. Çizelge 3 de verim modeline ait katsayılar istatistiki tanı değerleri verilmektedir. Çizelge 3. Verim Modeli Sonuçlan Bağımlı Değişken: D(LN(VERİM)) Değişken Katsayı Std. Hata t-istatistiği Olasılık C AR(1) AR(5) AR(4) MA( 1) R-karc Akaike bilgi kriteri Düzeltilmiş R-kare Schwanz bilgi kriteri Log likelihood F-istatistiği 11,51995 Durbin-VVaison istatiıtiği OlasıIık(F-istatistiği)

6 TURKJYE VII. TARJM EKONOMİSİ KONGRESİ ANTALYA Ekim alanj serisine uygulanan ADF îesti değişmediği görülmüştür. Çizelge 4 de ekim alanı sonucunda serinin %95 güven düzeyinde durağan serisine uygulanan ADF testi sonuçlan olduğu görülmüştür. Logaritmik dönüşüm yapılarak verilmektedir, tekrar ADF testi uygulanmış ve sonucun Çizelge 4: Ekim Alanı Değişkeni Artın İmiş Dickey-Ftıller Testi Sonuçlan Ekim Alanı (düzey) ADF Test İstatistiği % Kritik Değer % Kritik Değer -2,9358 Ln Ekim Alanı (düzey) 10% Kritik Değer ADF Test İstatistiği % Kritik Değer % Kritik Değer % Kritik Değer Verim modelinde olduğu gibi ekim alanı modelinin AR ve MA süreçlerinin belirlenmesinde korelogramdan yararlanılmıştır. Ko re 1o gram dan elde edilen sonuca göre ARMA (1,3) modelinin tahminine karar verilmiştir. Modelde 1997 yılından sonraki ekim alanı genişlemesini açıklamak üzere bir kukla değişkenden de yararlanılmıştır. Kukla değişkene 1997 yılına kadar 0 ve 1998 yılından itibaren ise 1 değerleri verilmiştir. Çizelde 5 te ekim alanı modeline ait katsayılar istatistik! tanı değerleri verilmektedir. Her iki modelde istatistiki açıdan anlamlı bulunmuştur ve ekim alanı ve verim serilerinin gelecek dönem değerlerinin tahmin edilmesinde kullanılabileceklerdir. Çizelge 5: Ekim Alanı Modeli Sonuçlan Bağımlı Değişken: LN(EKİM ALANI) Değişken Katsayı Std. Hata t-istatistığı Olasılık C 5, , , ,0005 AR(I) 0, , , ,0000 M A (l) 0, , , ,0003 MA(2) 0, , , ,0000 MA(3) 0, , , ,0000 Kukla 1, , , ,0078 R-kare 0, Akaike bilgi kriteri 2, Düzeltilmiş R-kare 0, Schvvarz bilgi kriteri 3, Log likelihood -57,37983 F-istatistiği 40,61909 Durbin-Watson istatistiği 2, Olasılık(F-istatistiği) 0, Verim modeli kullanılarak Türkiye deki kanola veriminin 2015 yılında yaklaşık 286 kg/da olacağı tahmin edilmiştir. Aynı şekilde ekim alanı modeli yardımıyla 2005 yılından itibaren Türkiye deki kanola ekim alanının 2062 hektar civarında değişim göstereceği tahmin edilmiştir. Bu veriler yardımıyla simulasyon dönemi sonunda kanola üretim miktarının 1150 tondan 6000 tona ulaşacağı tahmin edilmektedir. Çizelge 6 da tahmin edilen kanola üretim miktarları görülmektedir. Şekil V de kanola ve ayçiçeği verimi tahminleri karşılaştırmalı olarak verilirken, Şekil 3 te kanola ekim alanı ve üretim 593

7 TÜRKJYE Vll. TARJM EKONOMİSİ KONGRESİ AHZALYAiogs miktanna ait gerçekleşmiş ve beklenen değerler verilmektedir. Çizelge 6: Kanola Üretiminin Tahmini (ton) Verim Ekim Üretim * kanola ayçi Şekil 2, Kanola ve Ayçiçeği Verimleri (kg/da) ekim a la n ı---- üretim Şekil 3. Türkiye de Kanola Ekim Alanı (ha) ve Üretim Miktan (ton) J 594

8 TÜRKİYE VII. TARIM EKONOMİSİ KONGRESİ ANTALYA Sonuç ve Öneriler Türkiye artan nüfusun bitkisel yağ talebini karşılayamamakta ve bitkisel yağlarda dışa bağımlı kalmaktadır. Türkiye'nin yıllık bitkisel yağ üretimi I milyon ton civarında değişmektedir, Bunun yanında, 1 milyon ton yağlı tohum ve 900 bin ton kadar hamyağ ithalatı yapılmaktadır. Yapılan ithalatın toplam bedeli 650 milyon dolar civarındadır. Bitkisel yağ ihtiyacının yurt içi üretimden karşılanabilmesi için yağlı tohum ekim alanlarının arttırılması ve verimlerin yükseltilmesi gerekmektedir. Ancak ekim alanlarının arttrılması diğer bitkisel üretim alanlarının daralması anlamına gelmektedir. Verim artışının sağlanabilmesi ise kısa vadede imkansız görülmektedir. Bitkisel yağ açığının kapatılmasında bir diğer öneri ise yüksek verimli alternatif yağ bitkileridir. Kanola bu aşamada ön plana çıkmaktadır. Ülkemizde kışlık ekimi yaygınlaşmaya başlamış olup ortalama verimi 250 kg/da civarında değişmektedir. İyi koşullarda 300 kg/da ın üzerinde verimler elde edilmektedir. Bu rakamlar Türkiye de ayçiçeği ortalama verimi olan 165 kg/da göre oldukça yüksek bir rakamdır. Bu nedenle kanolarım yaygınlaşması ülkemizdeki bitkisel yağ açığını kapatmada önem kazanmaktadır. ARIMA sonuçlarına göre kanola veriminin 2015 yılında 286 kg/da olacağı ve ekim alanlarının 2 bin hektar civarında değişim göstereceği tahmin edilmektedir. Bu sonuçlara göre kanola üretiminin 6000 tona ulaşacağı görülmektedir. Ancak bu rakamlar Türkiye nin bitkisel yağ açığını kapatmada yetersiz kalmaktadır. Model sonuçlarına göre kanolanın geleceği çok parlak görülmemektedir. Ayçiçeği ekim alanları 550 bin hektar civarında değişirken kanola ekim alanının sınırlı olduğu açıkça görülmektedir. Kanolanın yüksek verimi ve yağ oranına sahip olması en büyük avantajı olarak görülmektedir. Ancak tüketici tercihlerinin ayçiçeği yağı yönünde olması kanola yağının pazar şansını azaltmaktadır. Kanola içerdiği yüksek omega 3 ve omega 6 yağları ile piyasada rekabet şansını arttırabilecek zengin bir yağdır. Özellikle kalp ve damar sağlığı açısından düşünüldüğünde zeytin yağının takipçisi konumdadır. Kanola yağı yakın gelecekte doğrudan marketlerdeki yerini alamayacak olmasına rağmen karışım yağların içinde kullanılabilecek değerli bir yağdır. Yeterli promosyon çalışmalarıyla tüketiciler tarafından benimsenmesi sağlanıp tüketimi artırılabilecektir. Kanola ekim alanlarının arttırılabilmesi için destekleme alımları ve teşvikler arttırılmalıdır. Alım garantisi sağlandığı takdirde üreticiler kanola üretimine yönelebileceklerdir Bu amaca yönelik Trakya birlik kanola destekleme alımlarmda önemli bir rol oynayacaktır. Geçmiş yıllara ait üreitm verileri incelendiğinde 1979 yılında ha ekim alanı ve 43 bin ton kanola üretimine ulaşıldığı görülmektedir. Bu durum, çiftçilerin kanola hakkında teknik bilgiye sahip olduklarını göstermektedir. Bu nedenle kanola ekim alanlarının arttırılması pazarlama sorunlarının çözümlenmesiyle doğrudan ilgilidir. Kaynaklar öircan, H., Y. Karagöz, Box-Jenkins Modelleri İle Aylık Döviz Kum Tahmini Üzerine Bir Uygulama, Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 6, 2003/2. Box, G., G. Jenkins, Time Series Analysis, Forecasting and Control, Holden Day, SanFrancisco, Califomia. Dickey, D., W.A., Fuller, Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, Econometrica, 49. Gujarati, D.N., Basic Econometrics, McGraw-Hill Inc., New York. FAO Statistical Database, Kayım, H.s İstatistiksel Ön Tahmin Yöntemleri, H.Ü.lkt.ve Idr.Bil.Fak. Yayınlan, No:l 1, Ankara. Kutlar, A., 2000 Kitapevi, Ankara Ekonometrik Zaman Serileri, Gazi Oilvvorld Annual, ISTA Mielke GmbH, OILVVORLD publications and global research, Hamburg/Germany. Nas, S., H.Y., Gökalp, M., Ünsal, Bitkisel Yağ Teknolojisi, Pamukkale Üniversitesi Mühendislik Fakültesi, Ders Kitapları Yayın No: 5, Denizli. Unakitan, G., Türkiye de Ayçiçeğinin Arz, Talep ve Dış Ticaretinin Ekonometrik Analizi, Trakya Üniversitesi Fen Bilimleri Enstitüs, Basılmamış Doktora Tezi, Edime. 595