Türkiye de Mısır Üretimindeki Değişimlerin Analitik Yaklaşımla İncelenmesi

Tarım, Yoksulluk ve Kalkınma Türkiye de Mısır Üretimindeki Değişimlerin Analitik Yaklaşımla İncelenmesi Ayşe DURĞAN DBEYS1 Elvan AKTÜRK HAYAT2 Sait ENGİNDENİZ3 ayse.durgan.dbeys@ege.edu.tr elvanakturk@gmail.com sait.engindeniz@ege.edu.tr 'Arş.Gör.Dr, Ege Üniversitesi Fen Bilimleri Enstitüsü 2Arş.Gör.Dr, Ege Üniversitesi Fen Fakültesi İstatistik Bölümü 3Prof.Dr, Ege Üniversitesi Ziraat Fakültesi Tarım Ekonomisi Bölümü Özet Bu çalışmada, öncelikle dünyada ve Türkiye de mısır üretimindeki değişimler incelenmiştir. Daha sonra çeşitli kuramlardan derlenen 1982-2010 dönemi verileri ışığında Türkiye de mısır üretimindeki etkili olan faktörlerin analitik bir değerlendirmesi yapılmıştır. Bu amaçla önce zaman serisi verilerine uygulanan yöntemlerden Birim kök testi yapılmıştır. Çıkan sonuçlara dayanarak Koentegrasyon testi, Vektör Hata Düzeltme Yöntemi (VECM) ve Varyans ayrıştırması yapılarak sonuçlar yorumlanmıştır. Anahtar Kelimeler: mısır üretimi, zaman serileri, koentegrasyon, VECM, varyans ayrıştırması. Analytical Evaluation of Changes in Corn Production of Turkey Abstract In this study, firstly changes in corn production of the world and Turkey are examined. Then, an analytical evaluation of factors which contribute to the production of corn in Turkey is made based on data collected from various sources for the period 1982-2010. In this purpose, first Unit Root test that is used to time series data is performed. In light of the results Cointegration tests, Vector Error Correction Model (VECM) and the variance decomposition are performed. Finally, the results are interpreted. Key Words: corn production, time series, cointegration, VECM, variance decomposition. 1. Giriş Mısır sahip olduğu zengin besin maddeleri nedeniyle hem insan, hem de hayvan beslenmesi bakımından çok değerli ve kullanım çeşitliliği olan bir üründür. Ülkemizde entansif hayvancılığın gelişmesine paralel olarak artan karma yem talebine bağlı olarak mısır talebi de artmaktadır. Mısır ayrıca, yeşil olarak ve silaj olarak da hayvan beslenmesinde kullanılan önemli bir kaba yemdir. Dünya mısır üretiminin büyük bölümü hayvan yemi olarak kullanılmaktadır. İnsan beslenmesinde kullanım oranı gelişmekte olan ülkelerde, gelişmiş ülkelere göre daha yüksek oranlarda bulunmaktadır (www.tarim.gov.tr). Tahıllar içinde üretim miktarı açısından Türkiye de buğday ve arpadan sonra üçüncü sırada, dünyada ise ilk sırada yer almaktadır. Türkiye nin hemen her yerinde yetiştirilen mısır, 1980 li yıllardan itibaren özellikle Tarım Bakanlığı tarafından yürütülen II. ürün projesi ile güney bölgelerinde yaygınlık kazanmıştır. Türkiye de mısırın ekonomik yönlerine ilişkin bugüne kadar birçok çalışma yapılmıştır (Şahin, 2001; Aktaş, 2004; Taştan, 2007; Erol, 2008; Özcan, 2009; Akay Tuvanç ve Dağdemir, 2009; Özgüven ve Türker, 2010; Taştan vd., 2011). Ancak, son yıllarda sulanabilir arazilerde mısırın pamuğa alternatif olması, ikinci ürün olarak da yetiştirilebilmesi ve hayvancılıktaki katkıları, sözleşmeli tohumluk mısır üretimindeki gelişmeler, hibrit tohum kullanımındaki ve verimdeki artışlar ile genetiği değiştirilmiş mısır tohumu ithalatı ve kullanımı konusunda kamuoyundaki tepkiler bu ürünle ilgili yapılacak araştırmaların arttırılmasını zorunlu kılmaktadır. Mısır üreticiler açısından gelir düzeyi iyi denebilecek alternatif ürünlerden biridir. Ancak mısır üretimi üzerinde doğal ve ekonomik birçok faktör etkili olabilmektedir. Bu nedenle, Türkiye de mısır üretiminde zaman içerisindeki değişimlerin, üretimde etkili faktörlerin ve bu faktörlerin etki düzeylerinin incelenmesi gerekmektedir. Bu şekilde, mısır üretim dalının geliştirilmesi açısından geleceğe yönelik veriler elde edilebilecektir. Bu çalışmada, çeşitli kuramlardan derlenen 1982-2010 dönemi verileri ışığında ve zaman serilerinden yararlanarak oluşturulan model kapsamında Türkiye de mısır üretimindeki değişmelerin ve etkili olan faktörlerin analitik bir değerlendirmesi yapılmıştır. 2. Materyal ve Yöntem Çalışmanın ana materyalini FAO, TÜİK, TÜGEM ve akaryakıt istasyonlarından (Petrol Ofisi ve Opet) derlenen 1980-2010 dönemine ilişkin veriler oluşturmaktadır. 1980 ve 1981 döneminde ithalatın, 1981 yılında da ihracatın olmaması nedeniyle, kurulan modelde 1982-2010 dönemi dikkate alınmıştır. Çalışmada değişken olarak; LURET; mısır üretim miktarı, LALAN; mısır üretim alanı, LMRF; mazot reel fiyatı, LGRF; gübre reel fiyatı, LITHM; mısır ithalat miktarı, LIHRM; mısır ihracat miktarı esas alınmıştır. Kurulan modellerde LMRF, LGRF ve LALAN dışşal değişken olarak alınmıştır. Fiyat değişkenleri 1994=100 bazlı TEFE (toptan eşya fiyat endeksi) değerleri kullanılarak reel hale dönüştürülmüştür. Değişkenler arasındaki birim farklılıklarını ortadan kaldırmak amacıyla logaritmaları alınmıştır.verilerin analizinde Eviews 5.1 programı kullanılmıştır. 781

10. Ulusal Tarım Ekonomisi Kongresi 5-7 Eylül 2012 Konya 2.1. Birim Kök Testi Ekonomik analizlerde değişkenler arasındaki ilişkilerin incelenmesi için serilerin birim kök içermemesi, yani durağan olması gerekmektedir. Durağanlık bir zaman serisinin ortalamasının ve varyansının zamana göre değişmemesi demektir. Durağan olmayan zaman serileri ile yapılan regresyon analizi, sahte regresyona yani göründüğü kadar güçlü olmayan bir ilişkiye neden olabilecektir. Bir zaman serisinde birim kökün varlığını araştıran ve literatürde en çok kabul edilen test Dickey-Fuller (1979, 1981) testidir. Dickey-Fuller testi hata teriminin ortalamasının sıfır, varyansının sabit ve bağımsız özdeş dağıldığını yani St ~ iid (0,ot2) olduğunu varsayar. Ancak bu varsayım her zaman geçerli değildir. Eğer hata payında serisel korelasyon varsa, bu serisel korelasyonu ortadan kaldırmak için bağımlı değişkenin gecikmeli değerleri modele dahil edilerek Dickey-fuller birim kök testi yeniden uygulanır. Bu yeni test Genişletilmiş Dickey-Fuller (ADF) testi olarak adlandırılır ve aşağıdaki model ile verilmiştir (Sevüktekin ve Nargeleçekenler, 2007): AYt = H + Pt + öyt-1 + J «1 AYt-j + Et k Bu denklemde H0: ö = 0 (birim kök var) hipotezi test edilir. H0 hipotezinin reddedilmesi seride birim kök olmadığı, yani serinin durağan, başka bir ifadeyle I(0) olduğu anlamına gelmektedir. H0 hipotezinin kabul edilmesi ise seride birim kök olduğu, yani serinin durağan olmayan bir seri olduğu anlamına gelmektedir. Düzey değerinde durağan olmayan bir seri, birinci farkının alınması halinde durağan hale geliyorsa I(1), birinci farkında durağan olmayan bir seri ikinci farkının alınması halinde durağan hale geliyorsa I(2) olmaktadır. Bu testi uygularken dikkat edilmesi gereken en önemli nokta, uygun gecikme katsayısının belirlenmesidir. Uygun gecikme katsayısı belirlenirken Akaike Bilgi Kriteri (AIC) veya Schwarz Bayesian Kriteri (SBC) kriterlerinden yararlanılmaktadır. AIC veya SBC kriterlerinden biri için en küçük AIC (veya SBC) değeri en uygun model olarak kullanılmaktadır (Fuller 1976). 2.2. Eş Bütünleşme Testi Eş bütünleşme testi, durağan olmayan değişkenler arasında uzun dönem veya denge ilişkisini gösteren parametrelerin tahmininde kullanılan bir yaklaşımdır. Eğer iki veya daha fazla durağan olmayan değişken arasında uzun dönemli ilişki söz konusu değilse, tahmin edilecek regresyon modeli sahte regresyon olacaktır. Sahte regresyondan kaçınmak iki şekilde mümkündür. Birincisi durağan olmayan değişkenleri fark alma yöntemiyle durağanlaştırarak kullanmak, ikincisi ise değişkenlerin eş bütünleşik olduğunu göstermektir (Sevüktekin ve Nargeleçekenler, 2010). Eş bütünleşme testinin yapılabilmesi için değişkenlerin aynı dereceden bütünleşik olmaları gerekmektedir. Ancak uygulamada özellikle çok değişkenli verilerle çalışılması gerektiğinde bütün değişkenlerin aynı dereceden bütünleşik olmadıkları görülmektedir. Bu nedenle bazı araştırmacılar Pesaran ve Shin (1999) ve Pesaran vd. (2000, 2001) tarafından geliştirilen otoregresif dağıtılmış gecikme (ARDL) sınır testi ile farklı dereceden (I[0] ve I[1]) bütünleşik değişkenler arasındaki eş bütünleşme ilişkisini testini uygulamaktadır (Karagöz ve Deniz, 2010; Karaçor vd., 2011). Bunun yanında yakın dereceden bütünleşik olan değişkenlere eş bütünleşme testleri uygulayan araştırmacılar da mevcuttur. Phillips (1988), yakın bütünleşik (near integrated) zaman serilerinin de eş bütünleşik olabileceğini göstermiştir. Hjalmarsson ve Österholm (2007), iki değişkenli bir modelde değişkenlerden biri I(0), diğeri I(1) iken, tüm değişkenlerin durağan olması halinde, sistemi uzun dönem dengesine taşıyan bir (0, 1) eşbütünleyen vektörü olabileceğini belirtmiştir. Ayrıca yakın bütünleşik serilerde Johansen-Juselius eş bütünleşme testinin etkin olduğunu, kurduğu Monte Carlo simülasyon modelleriyle göstermiştir. Yakın bütünleşik zaman serilerinin eş bütünleşik olabileceğini gösteren önemli çalışmalar olarak; Cavanagh ve Stock (1995), De Boef ve Garanto (1997, 1999), Elliott (1998), De Boef (1999) verilebilir (Yaşın, 2010). Bu çalışmada da yapılan birim kök testi sonucunda serilerin bir kısmının I(0), bir kısmının I(1) seviyesinde bütünleşik oldukları görülmüştür. Seriler yakın bütünleşik olduğundan Johansen ve Juselius (1990) tarafından geliştirilen eş bütünleşme analizi uygulanmıştır. 2.3. Vektör Hata Düzeltme Yöntemi (VECM) Durağan olmayan eş bütünleşik serilerde seriler arasındaki nedensellik analizinin tespitinde VAR (Vector Otoregresif) Modeli yerine Hata Düzeltme Modeli (VECM) kullanılmaktadır (Granger, 1988). Hata düzeltme modeli, değişkenler arasındaki uzun dönem dengesi ile kısa dönem dinamikleri arasında ayırım yapmaya ve kısa dönem dinamiklerinin belirlenmesi amacıyla kullanılmaktadır. Hata Düzeltme Modeli genel olarak aşağıdaki eşitlikle ifade edilmektedir (Gujarati, 2006): 782

Tarım, Yoksulluk ve Kalkınmak AY = P0 + Pn A X t_, + P 2İ AYM + P 3i E C T + e i (1) İ=1 İ=1 n n AX a AYt_ AX a 3 CT +8 (2) i=1 i=1 Yukarıdaki eşitlikte (1) nolu denklem, Y deki değişmeyi X teki değişmeye ve bir önceki dönemin dengeleme hatasına bağlamaktadır. İlgili regresyon denkleminde, AX, AY deki kısa dönem sapmaların etkisini ortaya koyarken, ECT 11 koentegrasyon denkleminden elde edilen hata terimlerinin gecikmeli değerini göstermekte ve hata düzeltme katsayısı olarak adlandırılmaktadır. Hata düzeltme katsayısı kısa dönemdeki dengesizliğin ne kadarının uzun dönemde düzeltileceğini açıklamaktadır. Hata düzeltme katsayısının (P3i) istatistiksel açıdan anlamlı çıkması sapmanın varlığının, katsayının büyüklüğü ise uzun dönem denge değerine doğru yakınlaşma hızının bir göstergesidir (Hatırlı ve Önder, 2010). 2.4 Varyans Ayrıştırması Varyans ayrıştırması belirli bir dönem boyunca her bir değişkendeki değişmenin ne kadarının kendisinde ne kadarının diğer değişkenlerde meydana gelen değişmelerden kaynaklandığını yüzde olarak ifade eder. Başka bir ifadeyle her bir değişkenin öngörü hata varyansını değişkenlerin her birine paylaştırarak şokların değişkenler üzerindeki etkilerini oransal olarak ölçmede kullanılır. 3. Araştırma Bulguları 3.1 Dünyada Durum Mısır hemen hemen dünyanın her ülkesinde yetiştirilmekte olup, hem üretim alanı, hem de üretim miktarı açısından tahıllar içinde ilk sıraya yerleşmiştir. Toplam üretim alanının yaklaşık %40 ı ABD ve Çin de bulunurken, bu ülkeler toplam üretimin yaklaşık %60 nı üretmektedir. 1980-2010 yılları arasında dünya mısır üretim alanında miktarında %112.89 ve verimde %65.47 lik bir artış meydana gelmiştir. Türkiye nin birim alan verimi, sırada olan Çin den ve dünya ortalamasından daha yüksektir (Çizelge 1). Dünya sıralamasında Türkiye göre mısır üretim alanında 41., üretim miktarında 23., verimde ise 25. sırada yer almaktadır. Çizelge 1. Ülkelere göre mısır ekim alanı, üretim ve verim durumu (2010) Ülkeler Ekim Alanı (Ha) Üretim (Ton) Verim (Kg/ha) ABD 32 960 400 316 165 000 9 592 Çin 32 519 900 177 548 600 5 459 Brezilya 12 814 800 56 060 400 4 375 Hindistan 7 180 000 14 060.000 1 958 Meksika 7 148.050 23 301 900 3 260 Endonezya 4 143 250 18 364 400 4 432 Nijerya 3 335 860 7 305 530 2 190 Tanzanya 3 100 000 4 475 420 1 444 Arjantin 2 902 750 22 676 900 7 812 Türkiye 593 552 4 310 000 7 261 Dünya 161 821 251 844 358 253 5 218 Kaynak: FAO (www.fao.org) %28.66, üretim üretimde ikinci 2010 verilerine ABD, üretimde olduğu gibi dünya mısır ihracatında da en önemli paya sahip ülkedir. ABD nin ardından Arjantin ve Brezilya gelmektedir. Mısır ithalatında ise Japonya en önemli ülke konumundadır. Japonya nın ardından Güney Kore ve Meksika gelmektedir. Meksika önemli üretici ülkelerden biri olmasına rağmen yem ve HFCS (yüksek fruktozlu mısır şurubu) sanayi talebinin yüksek olmasından dolayı önemli ithalatçı ülkeler arasındadır. 3.2 Türkiye de Durum Mısır, ılıman ve tropik bölgelerde tarımı yapılan bir bitki olmasına karşın, farklı iklim koşullarına da adapte olmuş ticari üretimi yapılan pek çok tipleri mevcuttur. Üretim miktarı sürekli artış yönünde olan mısır tahıllar içinde üretim alanı açısından dördüncü, üretim miktarı açısından üçüncü sırada gelirken, tohumluk üretiminde buğdaydan sonra ikinci sırada yer almaktadır. Türkiye de mısır ekim alanı son 10 yıllık (2001-2010) dönemde sadece %8 artmasına karşın, üretim %96, verim ise %81 oranında artış göstermiştir. Bu artışta sertifikalı tohum kullanımı yanı sıra, sulama şeklinin değiştirilmesinin ve Gıda 783

10. Ulusal Tarım Ekonomisi Kongresi 5-7 Eylül 2012 Konya Tarım ve Hayvancılık Bakanlığının uyguladığı teşvik ve desteklerinin etkili olduğu düşünülmektedir. Türkiye de 1980-2010 yılları arasında mısır üretim miktarında %247.58, üretim alanında %1.89 ve verimde %241.34 lük bir artış meydana gelmiştir. 2010 yılı verilerine göre Türkiye de 594 bin hektar alanda, 4.3 milyon ton mısır üretimi yapılmış ve hektara yaklaşık 7.3 ton verim alınmıştır (Çizelge 2). Üretimdeki artış ithalat miktarlarının da düşmesine neden olmuştur. İnişli çıkışlı bir seyir izleyen mısır ithalatında 2008 yılından bu yana iniş eğilimi görülmektedir. Nitekim 2000 yılında Türkiye nin mısır ithalatı 1.28 milyon ton iken, 2011 yılında 378 bin tona kadar gerilemiştir. Türkiye nin mısır ithalat pazarında daha önce ABD ilk sırada yer alırken AB ülkeleri ve Ukrayna ağırlıklı konuma geçmiştir. 2010/2011 pazarlama yılında ithalatta, %31 lik payı ile Bulgaristan en büyük paya sahip iken bu ülkeyi %17 ile Romanya ve %13 ile Ukrayna takip etmiştir. İhracatta ise 2010/2011 pazarlama yılında %51 ile Irak en büyük paya sahip olmuş, onu %7 ile Cezayir ve Mısır takip etmiştir (Taştan vd., 2011). Çizelge 2. Türkiye de mısır ekim alanı, üretim, verim, ithalat ve ihracat değerleri (1980-2010) Yıl Ekilen alan (ha) Üretim (1000 ton) Verim (ton/ha) İthalat (ton) İthalat (1000 $) İhracat (ton) İhracat (1000 $) 1980 583 000 1 240 2.13 - - 8 800 1 232 1985 566 740 1 900 3.35 102 559 18 832 9 250 1 217 1990 514 665 2 100 4.08 519 098 67 684 15 382 3 103 1995 515 000 1 900 3.73 623 975 92 463 2 337 3 326 2000 555 000 2 300 4.16 1 286 190 146 887 3 963 4 096 2005 600 000 4 200 7.00 218 059 47 335 127 581 22 327 2010 594 000 4 310 7.26 462 272 133 879 10 758 26 332 Kaynak: FAO (www.fao.org) ve TUIK (www.tuik.gov.tr) Türkiye nin hemen hemen her bölgesinde mısır üretilmektedir. 2010 yılı verilerine göre ekim alanı ve üretim miktarı yönünden Akdeniz bölgesi, verim yönünden Ege bölgesi ilk sıradadır (Çizelge 3). Akdeniz bölgesindeki üretimde ikinci ürünün payı oldukça yüksektir. Bölge 2010 yılında toplam üretimin yaklaşık %37 sini karşılamıştır. Bölgeler arasında en düşük değerler ise İstanbul bölgesindedir. En büyük üretim payına sahip iller ise sırasıyla Adana, Şanlıurfa ve Osmaniye dir. Çizelge 3. Türkiye de bölgelere göre mısır ekim alanı, üretimi ve verimi (2010) Bölgeler Ekilen alan % Üretim % Verim (da) (ton) (kg/da) Kuzeydoğu Anadolu 4 451 0.08 2 026 0.05 455 Ortadoğu Anadolu 8 735 0.15 4 623 0.11 529 Güneydoğu Anadolu 1 299 202 21.87 940 877 21.83 724 İstanbul 791 0.01 472 0.01 597 Batı Marmara 128 498 2.16 98 557 2.29 767 Ege 749 715 12.62 695 031 16.13 930 Doğu Marmara 666 726 11.22 545 717 12.66 819 Batı Anadolu 192 630 3.24 130 964 3.04 680 Akdeniz 1 860 987 31.33 1 603 908 37.21 862 Orta Anadolu 16 332 0.28 11 705 0.27 717 Batı Karadeniz 645 595 10.87 210 528 4.88 327 Doğu Karadeniz 366 338 6.17 65 592 1.52 179 Toplam 594 000 100.00 4 310 000 100.00 726 Kaynak :TUIK (www.tuik.gov.tr) Son yıllarda mısırın kullanım alanlarının artması nedeniyle talebi artmıştır. Mısır, doğrudan insan beslenmesi ve silajlık üretimiyle hayvan beslenmesinde kullanılması yanı sıra, nişasta ve nişasta bazlı şekerlerin (NBŞ) üretimi ve yem üretimi başta olmak üzere kurutulmuş damıtma çözünürlü daneler (DDGS), mısır grizi (CGF) ve biyoyakıt üretiminde de kullanılmaktadır. Mısır pazarlama organizasyonunda özel sektör (tüccar, sanayi tesisleri) kuruluşlarının yanı sıra, kamu kuruluşları (Toprak Mahsulleri Ofisi) faaliyet göstermektedir. Mısır, Gıda Tarım ve Hayvancılık Bakanlığı tarafından geçmişten bugüne desteklenmiş bir üründür. Fark ödemesi kapsamında üreticilere 2012 yılı için kilogram başına 4 kuruş, dekar başına 784

Tarım, Yoksulluk ve Kalkınmak mazot için 4 TL, gübre için 5 TL, toprak analizi için de 2.5 TL destek ödemesi yapılmaktadır. Hayvancılık destekleri içerisinde ise silajlık mısırda sulu tarım için dekara 55 TL, kuru tarım için dekara 30 TL ödeme yapılmaktadır (www. tarim.gov.tr). Türkiye de mısır üreticilerinin eline geçen fiyatlar incelendiğinde 1980-2010 döneminde reel olarak %5.18 oranında azalış olduğu ortaya çıkmaktadır. Nitekim mısır fiyatlarındaki artışlar, mısır üretiminde kullanılan girdilerin fiyatlarındaki artışların gerisinde kalmıştır. Reel bazdaki fiyatlar üzerinden gübre, mazot ve sulama suyu pariteleri incelendiğinde; 1980 yılında 1 ton mısır ile yaklaşık 500 lt mazot alınabilirken, 2010 yılında 158 lt mazot alınabildiği, yine 1980 yılında 1 ton mısır ile yaklaşık 325 dekar alan sulanabilirken, 2010 yılında 12 dekar alan sulanabildiği görülmektedir. Gübrenin ise diğerlerine göre daha durağan bir seyir izlediği, 1980 yılında 1 ton mısır ile yaklaşık 0.93 ton gübre alınabilirken, 2010 yılında 0.65 ton gübre alınabildiği belirlenmiştir. 3. 3 Modele ilişkin bulgular Zaman serisi analizlerinde genellikle ilk yapılan işlem serinin zaman yolu grafiğinin çizilmesidir. Bu sayede, serinin gösterdiği seyir incelenir. Bu amaçla, serilerin düzey değerleri için zaman yolu grafikleri çizilmiştir (Şekil 1). Düzey değerlerinde durağan olmayan seriler birinci farklarında durağan hale gelmiştir (Şekil 2). Grafikleri incelenen serilerin durağanlığının belirlenmesi (serilerin birim kök içerip içermediğinin) amacıyla Genişletilmiş Dickey Fuller (ADF) testi uygulanmıştır. Bu test uygulanırken serilerin düzeyleri ve birinci farkları için sabit ve trendsiz modelleri ile sabit ve trendli modelleri irdelenmiştir. En uygun gecikme uzunluğunun belirlenmesinde Akaike (AIC) bilgi kriteri kullanılmıştır. Test sonuçlarına göre LITHM, LIHRM, LGRF, LALAN düzey değerlerinde durağan iken, LURET ve LMRF serileri birinci farkları alındığında durağan hale gelmektedir (Çizelge 4). LURET LMRF LGRF Şekil 1. Serilerin düzey değerleri için zaman yolu grafikleri.4.3.2.1.0 -.1 -.2 -.3 -.4 DLURET DLMRF Şekil 2. Serilerin birinci farkları için zaman yolu grafikleri 785

10. Ulusal Tarım Ekonomisi Kongresi 5-7 Eylül 2012 Konya Çizelge 4. ADF birim kök testi sonuçları Değişkenler Düzey Birinci fark Sabit ve trendsiz Sabit ve trendli Sabit ve trendsiz Sabit ve trendli LURET -1.0522 [0.7200] -2.0847 [0.5316] (0) -5.4016 [0.0001] (0) -5.2987 [0.0011] (0) (0) LMRF -0.5597 [0.8644] -2.9586 [0.1608] (0) -5.6253 [0.0001] (0) -5.5401 [0.0006] (0) (0) LGRF -3.4701 [0.0167] -3.9210 [0.0245] (0) - - (0) LALAN -3.7573 [0.0085] -4.0452 [0.0187] (0) - - (0) LITHM -4.7119 [0.0008] -4.6617 [0.0048] (1) - - (1) LIHRM -4.3966 [0.0020] (2) -4.4915 [0.0071] (1) - - Çizelge de sırayla t istatistiği değeri, [ ] içinde p olasılık değeri, ( ) içinde k gecikme uzunluğu verilmiştir. Birim kök testi sonucunda serilerin bir kısmının I(0), bir kısmının I(1) seviyesinde bütünleşik oldukları görülmektedir. Seriler yakın bütünleşik olduğundan eş bütünleşme testi yapılmıştır. Çizelge 5 ve Çizelge 6 da Johansen Eş bütünleşme testi sonuçları verilmiştir. Çizelge 5, iz testi sonuçlarına göre, %5 anlamlılık düzeyinde değişkenler arasında en çok 3 tane eş bütünleşik vektör vardır. Çizelge 6 da ise maksimum özdeğer testi sonuçlarına göre %5 anlamlılık düzeyinde değişkenler arasında en çok 2 adet eş bütünleşik vektör vardır. Bu sonuçlar seriler arasında uzun dönemli bir ilişkinin varlığını ve en az 2 eş bütünleşik vektör bulunduğunu göstermektedir. Çizelge 5: İz testi (Trace Test) sonuçları Varsayılan eş bütünleşme İz Test %5 Kritik Özdeğer eşitliklerinin sayısı İstatistiği değer Olasılık** Sıfır (H : r=0)* 0.670228 51.83017 35.19275 0.0004 En çok 1 (H : r<=1)* 0.373988 22.98700 20.26184 0.0206 En çok 2 (H : r<=2)* 0.340141 10.80897 9.164546 0.0242 *%5 anlamlılık düzeyinde boş hipotezin reddedildiğini gösterir. **MacKinnon-Haug-Michelis (1999) e göre olasılık (p-values) değerlerini gösterir. Çizelge 6: Maksimum özdeğer testi (Maximum Eigenvalue Test) sonuçları Varsayılan eş bütünleşme eşitliklerinin sayısı Özdeğer Maksimum Özdeğer Test İstatistiği %5 Kritik değer Olasılık** Sıfır (H : r=0)* 0.670228 28.84317 22.29962 0.0053 En çok 1 (H : r<=1) 0.373988 12.17803 15.89210 0.1759 En çok 2 (H0: r<=2)* 0.340141 10.80897 9.164546 0.0242 *%5 anlamlılık düzeyinde boş hipotezin reddedildiğini gösterir. **MacKinnon-Haug-Michelis (1999) e göre olasılık (p-values) değerlerini gösterir. Değişkenler arasındaki uzun dönemli denge ilişkisini araştırmak için kullanılan Hata Düzeltme Modeli tahmin sonuçları Çizelge 7 de verilmektedir. Hata düzeltme katsayısı negatif işaretli ve istatistiksel olarak anlamlıdır. Bu durum değişkenlerin uzun dönem denge değerlerinden sapmalarının tekrar dengeye geleceğini göstermektedir. Katsayı değerine göre üretim miktarı ve diğer değişkenler arasında uzun dönem denge değerlerinden sapmaların bir sonraki dönemde yaklaşık %44 ü, 2.2 yıl gibi kısa bir zaman sonra da tamamı tekrar dengeye gelecektir. Çizelge 8 de VEC e dayalı Granger nedensellik testi sonucu verilmektedir. Buna göre üretim ve ithalat arasında karşılıklı, ihracattan da ithalata doğru ise tek yönlü nedensellik ilişkisi bulunmaktadır. Üretim ve ihracat arasında, ithalat ve ihracat arasında nedensellik ilişkisine rastlanmamıştır. Ancak hata düzeltme teriminin katsayının anlamlı olması üretim miktarının modele giren tüm değişkenlerin şimdiki ve geçmişteki değerlerinden etkilendiği anlamına gelmektedir. 786

Tarım, Yoksulluk ve Kalkınma Çizelge 7. Hata düzeltme modeli sonuçları Bağımlı Değişken Bağımsız Değişken Katsayı t istatistiği J C u -0.448-3.546* D(LURET(-1)) 0.105 0.689 D(LITHM(-1)) 0.031 3.341* D(LURET) D(LIHRM(-1)) -0.020-1.631 LMRF 0.203 2.709* LGRF -0.205-4.045* LALAN 1.940 6.146* C -24.394-5.816* R2 = 0.81 Düz. R2 = 0.73 S.E = 0.069 F istatistiği = 9.65 DW = 1.95 *: katsayılar %1 anlamlılık düzeyinde önemlidir. Çizelge 8. İçsel değişkenler arasındaki nedensellik ilişkisi Nedenselliğin yönü D(LURET) ^ D(LITHM) D(LITHM) ^ D(LURET) D(LIHRM) ^ D(LITHM) D(LURET) ^ D(LIHRM) D(LITHM) ^ D(LIHRM) D(LIHRM) ^ D(LURET) Nedensellik İlişkisi Var Var Var Yok Yok Yok Çizelge 9 da sadece üretim miktarı için Varyans Ayrıştırması sonuçları verilmiştir. Buna göre üretim miktarındaki değişim ilk dönemde tamamen kendisinden kaynaklanmaktadır. Sonraki dönemlerde kendisinden kaynaklanan etki giderek azalmaktadır. İthalat miktarı, üretimdeki değişimin ikinci dönemde %6.6 açıklarken sonraki dönemlerde bu oran giderek artmakta ve 10. dönemde %34 ünü açıklamaktadır. İhracat miktarı ise üretimdeki değişimin 2. dönemde %6.48 ini açıklamakta ve sonraki dönemler oran biraz artarak yaklaşık %10 civarında sabit kalmaktadır. Buna göre mısır üretimi ile ithalatı ve ihracatı arasında uzun dönemli ilişki olduğu söylenebilir. Bununla birlikte üretimdeki değişimleri ithalat miktarı ihracat miktarına göre daha fazla açıklamaktadır. Çizelge 9. Varyans ayrıştırması DLURET için Varyans Ayrıştırması: Yıl S.E. LURET LITHM LIHRM 1 0.069884 100.0000 0.000000 0.000000 2 0.102059 86.91410 6.600903 6.484998 3 0.141614 70.16166 19.71237 10.12597 4 0.173862 66.37157 22.98499 10.64344 5 0.201820 62.88436 26.47144 10.64420 6 0.228971 60.10591 29.26634 10.62776 7 0.253363 58.51183 30.94274 10.54543 8 0.275987 57.15311 32.38492 10.46197 9 0.297318 56.11202 33.49243 10.39555 10 0.317236 55.33346 34.33249 10.33405 4. Sonuç Mısır, dünya tarım ürünleri piyasalarında hem üretim, hem de ticareti ile oldukça önemli yere sahiptir. Son yıllarda kullanımı giderek artan biyoetanol, DDGS (Dried Distillers Grains With Solubles- Kurutulmuş Damıtma Çözünürlü Daneler) ve CGF (Mısır grizi) gibi ürünler mısırın bu önemini daha da artırmıştır. Bu çalışmada, insan ve hayvan beslenmesinde önemi gittikçe artan bir tarımsal ürün olan mısır üretimin etkili olabilecek değişkenler arasındaki ilişki, 1982-2010 yıllarına ilişkin verilerle zaman serileri yöntemleri kullanılarak analiz edilmiştir. Kurulan modellerde üretim miktarının yanı sıra üretim alanı, mazot fiyatı, gübre fiyatı, ithalat ve ihracat miktarlarına ilişkin zaman serileri alınmıştır. Birim kök testi sonucunda üretim miktarı ve mazot fiyatı serileri düzeyde durağan 787

10. Ulusal Tarım Ekonomisi Kongresi 5-7 Eylül 2012 Konya diğer değişkenler birinci farkları alındıktan sonra durağan bulunmuştur. Yakın dereceden durağan serilere eş bütünleşme testi uygulanabilmektedir. Yapılan eş bütünleşme testi sonucuna göre değişkenler arasında en az iki eş bütünleşik vektör ve uzun dönemli, istikrarlı bir ilişki bulunmaktadır. Değişkenler arasındaki uzun dönemli denge ilişkisini araştırmak için kullanılan Hata Düzeltme Modeli tahmin sonuçlarına göre üretim miktarı ve diğer değişkenler arasında uzun dönem denge değerlerinden sapmalar yaklaşık iki yıl gibi kısa bir zaman sonra tekrar dengeye gelecektir. VEC e dayalı Granger nedensellik testi sonucuna göre üretim ve ithalat arasında karşılıklı, ihracattan da ithalata doğru ise tek yönlü nedensellik ilişkisi bulunmaktadır. Üretim ve ihracat arasında, İthalat ve ihracat arasında nedensellik ilişkisine rastlanmamıştır. Ancak hata düzeltme teriminin katsayının anlamlı olması üretim miktarının modele giren tüm değişkenlerin şimdiki ve geçmişteki değerlerinden etkilendiği anlamına gelmektedir. VECM sonucunda yapılan varyans ayrıştırması sonuçlarına göre üretim miktarındaki değişimi ilk dönemde %100 kendisi açıklarken sonraki dönemler bu oran düşmektedir. Üretim miktarındaki değişimi ithalatın açıklama oranı ikinci dönemden itibaren giderek artmaktadır. İhracatın ise üçüncü dönemden itibaren açıklama oranı yaklaşık %10 olarak aynı kalmaktadır. Sonuç olarak elde edilen bulgulara göre, mısır üretimi ile ithalat miktarı, ihracat miktarı, üretim alanı, mazot fiyatı ve gübre fiyatı arasında uzun dönemli ilişki bulunmaktadır. Üretim miktarındaki değişimler en çok ithalat miktarı tarafından açıklanmaktadır. Başta ithalat olmak üzere mısır üretimine ilişkin uygulanacak politikaların belirlenmesinde incelenen değişkenlere ait dönemsel değişimler de dikkate alınmalıdır. Kaynaklar Akay Tuvanç, İ., Dağdemir, V., 2009, Erzurum İli Pasinler İlçesinde Silajlık Mısır Üretim Maliyetinin Tespiti Üzerine Bir Araştırma, Atatürk Üniv. Ziraat Fak.Dergisi, 40 (1), ISSN : 1300-9036 Aktaş, E., 2004., Destekleme ve Teknoloji Politikalarının Çukurova Bölgesi nde Mısır Tarımı Üzerine Etkisi, Tarım Ekonomisi ABD Doktora tezi, 112s. Cavanagh, C., Eliot, G., Stock, J, 1995, Inference in Models with Nearly Integrated Regressors, Econometric Theory, 11(5):1131-1147. De Boef, S., 1999, Modeling Near-Integrated Data, Working paper, Cambridge, MA: Harvard University. De Boef, S., Granato, J., 1997, Near-Integrated Data and the Analysis of Political Relationships, American Journal of Political Science, 41:619-640. De Boef, S., Granato, J., 1999, Testing for Cointegrating Relationships When Data Are Near-Integrated, Political Institutions and Public Choice (PIPC), Working Paper No.98-08, East Lansing: Michigan State University. Dickey, D. A., Fuller, W. A., 1979, Distribution of the Estimator for Autoregressive Time Series with a Unit Root, Journal of the American Statistical Association, 74:427-431. Dickey, D. A., Fuller, W. A., 1981, Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, Econometrica, 49:1057-1072. Elliott, G., 1998, On the Robustness of Cointegration Methods When Regressors Almost Have Unit Roots, Econometrica, 66(1):149-158. Erol, A.S., 2008, Konya ili Çumra İlçesinde Mısır Üretimi Yapan Tarım İşletmelerinin Avrupa Birliği Tarımsal Muhasebe Veri Ağı (FADN) Sistemine Göre Sınıflandırılması ve İşletme Başarı Ölçütlerinin Karşılaştırılması, Yüksek Lisans Tezi, Selçuk Üniv. Fen Bilimleri Ens., Konya. Fuller, W.A., 1976. Introduction to Statistical Time Series, John Wiley and Sons. Granger, C. W. J., 1988, Some Comments on Econometric Methodology, Economic Record, The Economic Society of Australia, 6(187):327-30. Gujarati, D.N., 2006, Temel Ekonometri, Çev: Senesen, Ü.; Senesen, G.G., Literatür Yayınları, İstanbul. Hatırlı, S.A., Önder, K., 2010, Reel Döviz Kurundaki Değişkenliğin Türkiye nin Tekstil ve Konfeksiyon İhracatı Üzerine Etkisinin Araştırılması, Anadolu Üniv., Sosyal Bilimler Dergisi, 10(2):.41-54. Hjalmarsson, E., Österholm, P., 2007, Testing for Cointegration Using the Johansen Methodology When Variables Are Near-Integrated, IMF Working Paper, No.07/141. Johansen, S., Juselius, K., 1990, Maximum Likelihood Estimation and Inferences on Cointegration-with applications to the demand for Money, Oxford Bulletin of Economics and Statistics, 52:169-210. Karaçor, Z., Özer, H., Saraç, T.B., 2011, Enflasyon ve Ekonomik Büyüme İlişkisi: Türkiye Ekonomisi Üzerine Ekonometrik Bir Uygulama (1988-2007), Niğde Üniv. İİBF Dergisi, 4(2):.29-44. Karagöz, K., Deniz, N., 2010, Devalüasyonların Kısa ve Uzun Dönemli Etkinliği: Türkiye İçin Ampirik Bir Analiz, Uluslararası Turgut Özal Ekonomi ve Siyaset Kongresi, 15-17 Mayıs, Malatya. Özcan, S., 2009, Modern Dünyanın Vazgeçilmez Bitkisi Mısır: Genetiği Değiştirilmiş (Transgenik) Mısırın Tarımsal Üretime Katkısı, Türk Bilimsel Derlemeler Dergisi 2(2):1-34. Özgüven, M. M., Türker U., 2010, Hassas Tarım Teknolojilerinin Üretim Ekonomisi ve Ülkemizde Mısır Üretiminde Kullanılabilme Olanakları, Tekirdağ Ziraat Fakültesi Dergisi, 7(1):55-70. Phillips, P.C.B., 1988, Regression Theory for Near-Integrated Time Series, Econometrica, 6:1021-1043. Sevüktekin, M., Nargeleçekenler, M., 2007, Türkiye de İMKB ve Döviz Kuru Arasındaki Dinamik İlişkinin Belirlenmesi, VIII. Ulusal Ekonometri ve İstatistik Sempozyumu, 24-25 Mayıs, Malatya, s.1-17. 788

Tarım, Yoksulluk ve Kalkınma Sevüktekin, M., Nargeleçekenler M., 2010, Ekonometrik Zaman Serileri Analiz: EViews Uygulamalı, Geliştirilmiş Üçüncü Baskı, Nobel Yayın Dağıtım, Ankara. Şahin, S., 2001, Türkiye de Mısır Ekim Alanlarının Dağılışı ve Mısır Üretimi, Gazi Eğitim Fakültesi Dergisi, 21(1):.73-90. Taştan, K., Çetin., F., Gürer, B., 2011, Mısır durum ve tahmin 2011/2012, T.C. Gıda Tarım ve Hayvancılık Bakanlığı Tarımsal Ekonomi ve Politika Geliştirme Enstitüsü Yayınları No:193, Ankara. Taştan, K., 2007, Mısır Durum ve Tahmin 2007/2008, Tarımsal Ekonomi Araştırma Enstitüsü Yayın No:160, Ankara. Yaşın, D., 2010, Türkiye de Büyüme, Gelir Dağılımı ve İşsizlik Arasındaki İlişkinin Analizi (1987-2009): Büyüme Daha Adil Gelir Dağılımını Getirdi mi? İşsizliği Azalttı mı?, www.tcmb.gov.tr/yeni/iletisimgm/dilek_yasin.pdf, Erişim: 21.05.2012. 789