Turizm ve Çevre İlişkisinin Ekonometrik Bir Analizi Ceyhun Can ÖZCAN 1 Mustafa GERÇEKER 2 İbrahim ÖZMEN 3 Özet 21.yy da uygulanan neo-liberal polikalarla birlikte küreselleşme olgusunun zirveye ulaşması, nüfus yoğunluğunda meydana gelen artışlar, ulaşım sistemleri ve bilgi teknolojilerinde meydana gelen hızlı gelişmeler; bu süreçte turizm sektöründen elde edilen gelirin ve turist sayısının oldukça hızla artmasına neden olmuştur. Turist sayısında yaşanan artışlar sağladığı katma değer vasıtasıyla ülke ekonomilerine önemli katkılar sağlamaktadır. Öte yandan ekonomik faaliyetlerin artması çevre sorunlarına neden olabilirken, çevre sorunlarının da sürdürülebilir ekonomik büyümeyi olumsuz yönde etkilediği düşünülmektedir. Bu çalışmanın amacı en çok turist çeken 10 ülkenin turizm geliri, turist sayısı ve çevre kirliliği değişkenleri arasındaki ilişkiyi ortaya koymaktır. Çalışmada kullanılacak veriler Dünya Bankası veri tabanından elde edilmiştir. Çalışmada 1995-2011 yıllarına a verilere panel birimkök, panel nedensellik ve panel eşbütünleşme testleri uygulanmıştır. Elde edilen bulgular turizm ve çevre arasındaki ilişkinin varlığını ortaya koymaktadır. Elde edilen sonuçlar hem özel sektör hem de kamu polika yapıcıları açısından yol göstericidir. Anahtar kelimler: Turizm ve Çevre İlişkisi, Panel Veri Analizi, Panel Birim Kök Testi, Panel Eşbütünleşme Testi. Jel Kodları: Q56, Z32, C23 Econometrical Analysis of Tourism and Environment Relation Abstract Globalization of the world via neo-liberal policies in 21th century, increasing population, fast development in communication and information Technologies have induced high increase in tourism income and tourist number. Increasing number of tourist also provided important addion to economy. On the other hand, increasing economic activies may cause environmental pollution and is thought that environmental pollution affects sustainable economic growth negatively. The aim of this study is to determine relation between tourism income, tourist number and environmental pollution in ten countries which have the highest number of tourist. We obtain the data belonging to variables from World Bank between years 1995 and 2011. In the study, we employ panel un root, panel causaly and panel co-integration tests. Findings obtained from the empirical analyses imply that there is a causation linkage between tourism and environmental pollution. The findings are lodestar for both private sector and public policies. 1 Yrd. Doç. Dr., Necmettin Erbakan Üniversesi, Turizm Fakültesi, Turizm İşletmeciliği Bölümü, e-mail:ceyhuncan5@hotmail.com 2 Arş. Gör. Dr., Selçuk Üniversesi, İİBF, İktisat Bölümü e-mail: mustafagerceker@selcuk.edu.tr 3 Dr., Konya Vergi Dairesi Başkanlığı, e-mail:ibrahimozmen08@gmail.com ICPESS 2016-ISTANBUL, 24-26 August 2016 125
C.C.ÖZCAN, M.GERÇEKER ve İ.ÖZMEN Keywords: Tourism and environment relation, panel data analysis, panel un root test, panel co-integration test Jel Codes: Q56, Z32, C23 GİRİŞ Turizm bir bütün olarak 21. yüzyılda endüstri haline gelmiştir (Holden,2008:5). Turizmin bu klesel üretim hali onun genel ekonomi içindeki sektörlerin büyük bir bölümü ile etkileşiminin de sonucudur. Turizm taşıma, konaklama, hava yolu hizmetleri, liman hizmetleri, kara yolu hizmetleri, tren yolu hizmetleri ve iletişim sektörü gibi daha birçok sektör ile iç içedir (Lee ve Brahmasrene,2013:71, Holden,2008:74). Konaklama yerleri, restoranlar ve bunların gelişimi gerek doğal hayatı gerek çevresel alanları etkilemektedir. Klesel turizm, küreselleşme ve artan turist sayıları, içinde bulunduğumuz dönemde dikkat çekmektedir. Turistler artan bir şekilde kişisel araçlarla seyahat etme yönünde eğilim sergilemektedirler (Lee ve Brahmasrene,2013:71). Bunun yanında turizm sektöründeki seyahatlerde genelde fosil yakıtlar kullanılmaktadır. Aşırı kullanımı artan fosil yakıtlar ise sera gazı salınımı ile doğrudan bağlantılıdır. Turizm sektörü ile enerji tüketimi arasındaki ilişkiyi ele alan ve bu durumun sera gazı salınımı ve küresel ısınma ile ilgili olduğunu ileri süren çok sayıda çalışma bulunmaktadır. Bu çalışmaların yanında Dünya Turizm Örgütünün 2010 yılındaki raporuna göre, dünya CO2 salınımının % 5 lik kısmının turizm kaynaklı olduğunu dile getirmektedir. Salınımın büyük bir bölümü turist taşımacılığından kaynaklanırken, bir bölümü de hava yolu taşımacılığından kaynaklanmaktadır (WTO,2010). Yine turizm alanlarında su kirliliği, gürültü kirliliği ve estetik kirlilik en yaygın çevre kirliliği örnekleri arasında yer almaktadır (Holden,2008:92-97). Yer verilen bu bilgiler ışığında turizm ve CO2 arasındaki ilişki rahatlıkla kavranabilmekte iken genel anlamda CO2 salınımının azaltılması için turizm endüstrisinin küçültülmesine, uçuş sayılarının azaltılmasına veya turist sayılarının azaltılmasına dair polik önlemler beklenmemektedir. Ancak turizm ve CO2 salınımı arasında bir bağın varlığına dair kanıtlar polik aktörlere sunulabilir. Bu bilgilerden hareketle çalışmanın temel amacı, ele alınan ülkelerdeki turizm geliri ve turist sayısı değişiminin karbon salınımını (çevreyi) nasıl etkilediğini ortaya koymaktır. Leratürde incelenen ülke ya da ülke gruplarından farklı olarak, en çok turist çeken ilk 10 ülkenin ele alınması ve kullanılan yöntem çalışmanın özgün yanını oluşturmaktadır. Çalışma 4 temel bölümden oluşmaktadır ve tasarımı şu şekildedir: Giriş kısmında çalışmanın teorik perspektifi ve konunun öneminden bahsedilmektedir. Birinci bölümde model, veri seti ve ekonometrik metodoloji tartışılmaktadır. İkinci 126 ICPESS 2016-ISTANBUL, 24-26 August 2016
bölümde ampirik bulgular sunulmaktadır. Sonuç kısmında elde edilen bulguların tartışılması ve polika önerileri yer almaktadır. 1. MODEL VE VERİLER Çalışmanın ülke örneklemi, en çok turist çeken ilk 10 ülkeden oluşmaktadır. Verilerin zaman aralığı ise 1996-2011 dönemlerini kapsamaktadır. Modelin belirlenmesinde yerli ve yabancı leratür taranarak matematiksel formu aşağıdaki şekilde belirlenmiştir: CO = α 0 + β 1 LTA + β 2 LTR + β 3 LKBGSY + u (1) burada göstermektedir. i 1,..., N yatay kes sayısını ve t 1,..., T zaman boyutunu Ülkelerin turist sayısını temsilen LTA turizm değişkeni kullanılmaktadır. Ülkelerin turizm gelirlerini temsilen LTR değişkenini kullanılmaktadır. Büyümeyi temsilen kullanılan LPGDP değişkeninin ise büyümeyi ölçmede bir gösterge olarak kullanımı oldukça kolay olmakla birlikte, ülkelerin büyüme seviyelerini mukayese etmede de çok tercih edilen bir göstergedir. Turizm geliri ve kişi başı gelir değişkenleri dolar cinsinden kullanılmıştır. Çevre olaylarını temsilen CO karbon salınım miktarları kullanılmaktadır (WB, 2015). Bu değişkenlere a veriler, Dünya Bankası (WDI) veri tabanından elde edilmiştir. 1.1. Panel Eşbütünleşme Testleri Panel veri setinde yer alan bağımlı ve bağımsız değişkenler arasındaki uzun dönem eşbütünleşme ilişkisinin test edilmesinde Pedroni (1999 ve 2004) tarafında önerilen panel eşbütünleşme testleri ampirik analizlerde yaygın biçimde kullanılmaktadır. Test prosedürü denklem 1 i en küçük kareler yöntemini her bir ülke için tahmin etmek suretiyle başlamaktadır. Daha sonrasında takip eden artıklardaki yardımcı regresyon en küçük kareler yöntemi ile tahmin edilmektedir (Nazlıoğlu, 2010; Özcan, 2013; Özmen,2016). i 1 (2) Değişkenler arasında eşbütünleşmenin olmadığı hipotezini test etmek amacı ile yedi eşbütünleşme istatistiği geliştirilmiştir. Panel eşbütünleşme testleri çerçevesindeki dört istatistik metodu artıklar üzerindeki birim kök testleri için farklı üyeler için ( i ) otoregresif katsayılarını toplamaktadır. Takip eden üç istatistik ICPESS 2016-ISTANBUL, 24-26 August 2016 127
C.C.ÖZCAN, M.GERÇEKER ve İ.ÖZMEN paneldeki her bir yatay kes için bireysel olarak tahmin edilen katsayıların ortalamasını almaktadır. Eşbütünleşmenin olmadığı boş hipotezi, her bir i için H : 1 alternatif her bir I için H : 1 hipotezi karşısında ve her bir I 0 i 1 i için H : 1 hipotezi karşısında test edilir. Bundan dolayı yatar kesler arasında 1 i potansiyel heterojenenin ek bir kaynağı ölçüler arası yaklaşımı ile elde edilebilir. Panel eşbütünleşme istatistikleri asimptotik standart normal dağılıma sahiptir (Nazlıoğlu, 2010; Özcan, 2013; Özmen, 2016). 1.2. Panel Eşbütünleşme İlişkisi Tahmin Yöntemleri Eşbütünleşme ilişkisinin varlığı bağımsız değişkenlere a uzun dönem katsayıların nasıl tahmin edileceği sorununu ortaya çıkarmaktadır. Panel veri setlerinde eşbütünleşme vektörünün tahmin edilmesini sağlayan çeşli yöntemler önerilmiştir ve bu panel yazını hâlâ gelişme sürecindedir. Bu kapsamda, Kao ve Chiang (2000) tarafından geliştirilen panel EKK, panel dinamik EKK (Dynamic Ordinary Least Squares (DOLS)) ve panel FMOLS tahmincileri; Mark ve Sul (2003) tarafından geliştirilen panel DOLS tahmincisi ve Pedroni (2000, 2001) tarafından geliştirilen panel DOLS ve FMOLS tahmincileri ampirik analizlerde yaygın olarak kullandıkları yöntemlerdir. Panel DOLS ve FMOLS tahmincileri bağımsız değişken(ler) ve hata terimi arasındaki içsellik ve hata terimlerindeki kendine bağlaşımlılık problemlerinin ortadan kaldırılmasında panel EKK tahmincisine kıyasla daha etkin oldukları için özellikle tercih edilmektedir. Kao ve Chiang (2000) tarafından geliştirilen panel DOLS ve FMOLS yöntemleri ve Mark ve Sul (2003) tarafından geliştirilen panel DOLS yöntemlerinde kes-içi havuzlanmış veriler kullanılırken; Pedroni (2000, 2001) de geliştirilen panel DOLS ve FMOLS tahmincileri kesler-arası havuzlanmış verileri kullanmaktadır. Pedroni tarafından grup ortalama panel DOLS ve panel FMOLS olarak adlandırılan bu yöntemler kes-içi veriye dayalı panel DOLS ve FMOLS tahmincilerine kıyasla bazı avantajlara sahiptir. Birincisi, grup ortalama tahmincileri heterojen eşbütünleşme vektörlerinin dikkate alınmasında daha büyük bir esnekliğe sahiptir. Kes-içi veriye dayalı tahminciler uzun dönem eşbütünleşme vektörünü bütün paneli için tahmin ederken; kesler-arası veriye dayalı grup ortalama tahmincileri eşbütünleşme vektörünü her bir yatay kes için tahmin etmekte ve eşbütünleşme katsayılarının yatay kesler arasında heterojen olmasına imkân sağlamaktadır. İkincisi, eşbütünleşme katsayıları için teoriye dayalı hipotezleri sınamak mümkündür. Üçüncüsü, panel katsayıları uzun dönem eşbütünleşme vektörünün ortalaması olarak yorumlanabilmektedir (Pedroni, 2001: 728-729). Bu avantajlarından dolayı değişkenlerin turizm talebi üzerindeki uzun dönem etkilerini 128 ICPESS 2016-ISTANBUL, 24-26 August 2016
analiz etmek için Pedroni (2000) de geliştirilen panel FMOLS ve Pedroni (2001) de geliştirilen panel DOLS tahmincileri kullanılacaktır. Pedroni (2000) tarafından geliştirilen grup ortalama panel FMOLS yöntemi aşağıdaki panel regresyon modeline dayanmaktadır. y x i (3) x x 1 e (4) burada y bağımlı değişkeni, x bağımsız değişkenleri ve için sab etkileri göstermekte, ayrıca paneli oluşturan yatay kesler arasında bağımlılık olmadığı varsayılmaktadır. Eşlik (3) de hata terimleri durağan bir süreçtir, dolayısıyla y birinci dereceden bütünleşikse y ve x arasında uzun dönem eşbütünleşme ilişkisi vardır. Böylece, tahmin edilmesi gereken uzun dönem eşbütünleşme vektörünü göstermektedir. Panel FMOLS tahmincisinde panel için eşbütünleşme vektörü elde edilirken birinci aşamada eşlik (3) deki model her bir yatay kes için FMOLS tahmincisi kullanılarak tahmin edilmektedir. İkinci aşamada her bir yatay kese a FMOLS tahmininden elde edilen eşbütünleşme katsayılarının ortalaması alınmaktadır. Böylece, panel için eşbütünleşme vektörü aşağıdaki gibi hesaplanmaktadır (Nazlıoğlu, 2010; Özcan, 2013; Özmen,2016). ˆ * GFM N N 1 i1 * FM, i (5) Burada her bir yatay kes için FMOLS tahmininden elde edilen eşbütünleşme katsayısını göstermektedir. Grup ortalama panel FMOLS tahmincilerine a t- istatistikleri her bir yatay kes için FMOLS tahmininden elde edilen eşbütünleşme katsayısına a t-istatistiklerinden elde edilmektedir. Panel eşbütünleşme katsayısına ilişkin t-istatistiği aşağıdaki gibi hesaplanmaktadır: t N N 1/ 2 ˆ * ˆ* GFM FM, i i1 t Burada paneli oluşturan her bir yatay kes için yapılan FMOLS tahmininden elde edilen eşbütünleşme katsayısına ilişkin t-istatistiğini göstermektedir. Pedroni (2001) tarafından önerilen grup ortalama panel DOLS tahmincisi aşağıdaki regresyon modelinin tahminini gerektirmektedir. (6) ICPESS 2016-ISTANBUL, 24-26 August 2016 129
C.C.ÖZCAN, M.GERÇEKER ve İ.ÖZMEN y x i K i x ik kk i (7) Burada Ki ve Ki öncül ve gecikme sayılarını göstermektedir ve paneli oluşturan yatay kesler arasında bağımlılık olmadığı varsayılmaktadır. Panel eşbütünleşme vektörü elde edilirken ilk olarak eşlik (7) deki model her bir yatay kes için tahmin edilmektedir. İkinci aşamada her bir yatay kese a bu DOLS tahmininden elde edilen eşbütünleşme katsayılarının armetik ortalaması alınmakta ve panel eşbütünleşme katsayısı aşağıdaki gibi hesaplanmaktadır: ˆ * GD N N 1 i1 * D, i (8) Burada her bir yatay kes için DOLS tahmininden elde edilen eşbütünleşme katsayısını göstermektedir. Grup ortalama panel DOLS tahmincilerine a t- istatistikleri ise, aşağıdaki gibi hesaplanmaktadır t N N 1/ 2 ˆ * ˆ* D D, i i1 t (9) Burada her bir yatay kes için DOLS tahmininden elde edilen eşbütünleşme katsayısına ilişkin t-istatistiğini göstermektedir (Nazlıoğlu, 2010; Özcan, 2013; Özmen,2016). 2 AMPİRİK BULGULAR 2.1. Panel Birim Kök Testi Sonuçları Eşbütünleşme analizlerinin yapılmasında değişkenlerin birim kök özellikleri önemli bir role sahiptir. Serilerin hem düzey hem de birinci farkları için Uygulanan LLC (Levin, Lin ve Chu 2002) ve İPS (İm, Pesaran, Shin 2003) birim kök testleri uygulanmış ve sonuçlar Tablo 1 de verilmiştir. Her ne kadar seviye değerlerinde durağan olmasalar da, birinci derece farkları alındığında durağan hale gelmektedirler. Dolayısıyla, kullanılan değişkenlerin tamamı, gerek sadece sab terim kullanılsın, gerekse hem sab hem de trend değişkeni aynı anda kullanılsın, birinci dereceden durağandır yani I (1) dir. Model tahmin edilmeden önce değişkenler arasında uzun dönemli bir ilişki olup olmadığı leratürde çok sayıda yaklaşımın geliştirildiği ko-entegrasyon veya eş-bütünleşme testleri ile yapılacaktır. 130 ICPESS 2016-ISTANBUL, 24-26 August 2016
Eşbütünleşme analizlerinin yapılmasında değişkenlerin birim kök özellikleri önemli bir role sahiptir. Bu yüzden çalışmanın uygulama kısmında ilk olarak panel birim kök analizine yer verilmiştir. Serilerin hem düzey hem de birinci farkları için birim kök testleri uygulanmıştır. Elde edilen bulgular Tablo 1 de sunulmuştur. Tablo 1: Panel Birim Kök Testleri LTR LTA LPGD P CO Seviye (Level) Birinci Fark (First Difference) Sab Sab+Tre Sab+Tre Sab nd nd İstatist Olasılı Olasılı İstatist Olasılı İstatist İstatistik ik k k ik k ik Olasılık LL C -1.05 0.14-3.08 0.00-6.24 0.00-5.10 0.00 İPS 2.20 0.98-0.89 0.18-5.09 0.00-3.26 0.00 LL C -0.63 0.26-2.39 0.00-3.48 0.00-2.24 0.01 İPS 1.49 0.93-0.42 0.33-3.43 0.00-1.66 0.04 LL C 0.37 0.64-2.07 0.01-5.45 0.00-5.29 0.00 İPS 2.73 0.99-0.56 0.28-2.87 0.00-1.48 0.06 LL C 3.64 0.99-0.52 0.29 2.16 0.01-2.99 0.00 İPS 4.85 1.00 1.67 0.95-2.67 0.00-3.01 0.00 Uygulanan LLC (Levin, Lin ve Chu 2002), İPS (İm, Pesaran, Shin 2003) testleri turist sayısının (LTR) düzeyde durağan olmadığını ancak farkı alındığında durağan olduğunu göstermektedir. Turizm gelirinin durağan olmaması, meydana gelen şokların etkisinin kalıcı olduğunu ifade etmektedir. 2.2. Panel Eş-bütünleşme Testi Sonuçları Tablo 2, panel eş-bütünleşme testi sonuçlarını göstermektedir. Tabloda yer alan Pedroni (1999) testi dünyada en çok turist çeken ilk 10 ülke açısından turizm ve çevre değişkenleri arasındaki ilişkinin eş bütünleşik olduğunu göstermektedir. Kao Hata Eşbütünleşme testi ise Pedroni Eşbütünleşme testinin sonuçlarını doğrular neliktedir. ICPESS 2016-ISTANBUL, 24-26 August 2016 131
C.C.ÖZCAN, M.GERÇEKER ve İ.ÖZMEN Tablo 2: Panel Eş-Bütünleşme Testleri Sab Sab ve Trend İstatistik Olasılık İstatistik Olasılık Pedroni (1999) Panel-v -0.455670 0.6757-1.215706 0.8880 Panelrho 1.344370 0.9106 2.018202 0.9782 Panelpp -0.538042 0.2953-1.828453 0.0337** Paneladf -0.304945 0.3802-0.011678 0.4953 Gruprho 2.742069 0.9969 2.453409 0.9929 Gruppp -2.432072 0.0075*** -3.330697 0.0004*** Grup adf -0.052752 0.4790 0.429879 0.6664 KAO Hata İstatistik Olasılık Eşbütünleşme ADF 2.014494 0.0220** Not: Pedroni (1999) testlerinde gecikme sayısı 2, Panel v-istatistiği sağ kuyruk dağılımı gösterdiği için %5 anlam düzeyinde krik değer 1,645; diğer istatistikler sol kuyruk dağılımı gösterdiği için krik değer -1,645 dir. Panel v >1.645 ya da diğerleri için hesaplanan istatistikler<-1.645 ise, sıfır hipotezi reddedilir ve değişkenler arasında uzun dönem eşbütünleşme ilişki olduğuna karar verilir (Nazlıoğlu ve Soytas, 2012). 2.3. Panel Eşbütünleşme İlişkisi Tahmini Sonuçları Bundan sonraki aşamada Eşlik (1) de tanımlanan modele ilişkin ekonometrik ilişkiler analiz edilecektir. Elde edilen ampirik bulgular Tablo 3 de sunulmaktadır. Panel DOLS ve FMOLS tahmincileri yatay kes bağımlılığını dikkate almadan inceleyen testlerdir ve paneldeki Eş bütünleşme ilişkilerini ve yönünü tayin etmede kullanılmaktadır. Tablo 3: Panel Eşbütünleşme İlişkisi Tahmini DOLS FMOLS Katsayı t-ist. Katsayı t-ist. LTR -2.060718-2.456684** -2.657246-3.591103*** LTA 1.674332 2.559977** 1.450276 2.158221** LPGDP 1.266804 2.340286** 2.149756 4.460585*** Not: DOLS tahmininde öncül ve gecikme sayıları Schwarz bilgi krerine göre belirlenmiş, FMOLS ve 2-aşamalı tahminlerinde gecikme sayısı 2 olarak alınmıştır. ***, **, * sırasıyla %1, %5 ve %10 düzeyinde istatistiki anlamlılığı göstermektedir. 132 ICPESS 2016-ISTANBUL, 24-26 August 2016
Modelde yer alan bağımsız değişkenler, turizm ve çevre arasındaki ilişkinin hem teorik olarak hem de istatiksel olarak kurulan modelin doğruluğunu ortaya koymaktadır. DOLS ve FMOLS tahmincilerden elde edilen bulgular modeldeki değişkenlerin katsayılarının anlamlılığını ispatlamaktadır. Kontrol parametresi olarak kullanılan gelir değişkeni ise beklendiği gibi pozif ve anlamlıdır. Turizmde meydana gelen bir % 1 lik bir artış çevre üzerinde (CO) %2,06 lık bir azalmaya neden olmaktadır. FMOLS tahminci sonuçları da benzer şekilde turizm ve çevre arasındaki negatif ilişkiyi tekrar etmektedir. Turizm ve çevre ilişkisinden elde edilen bulgular, turizm gelirleri arttıkça çevre üzerindeki tahribatının da azaldığını göstermektedir. Bu sonuca göre, turizmden elde edilen ekonomik gelirlerin ancak belli bir seviyeyi geçtikten sonra çevreyi pozif etkileyebildiği önermesi yapılabilir. SONUÇ Bu çalışma, turizmle çevre arasındaki ilişkiyi panel veri analizi aracılığıyla en çok turist çeken 10 ülke için analiz etmektedir. Son zamanlarda yapılan çalışmalarda ekonomik büyüme ve çevre arasındaki ilişki ampirik olarak araştırmacılar tarafından test edilmektedir. Turizm, bölgesel ve ulusal anlamda hem ekonomik hem de çevresel gelişmeyi etkilemektedir. Bu pozif etkilerden dolayı birçok ülke tarafından turist sayısının artırılmasına yönelik polikalar tercih edilmektedir. Çevre ve ekonomik büyüme arasındaki ilişki gelişmiş ülkeler açısından farklılıklar arz etmektedir; buna karşın gelişmekte olan ülkeler açısından da daha farklı sonuçlar ortaya koymaktadır. Benzer şekilde turizm ve çevre arasında ki ilişki farklı ülke örneklemleri açısından önem ve farklılık arz etmektedir. Bu çalışmanın temel amacı, turizm ve CO2 salınımları arasındaki ilişkiye yönelik tartışmalara katkıda bulunmasıdır. Çalışmanın ampirik bulgularından elde edilen sonuçlar serilerin durağan olduğunu göstermektedir. Uzun dönemde seriler üzerindeki şokların kalıcı olmadığı anlamına gelmektedir. Panel Eşbütünleşme sonuçları uzun dönemde turizm ve çevre arasında bir ilişkinin var olduğunu ortaya koymaktadır. Panel DOLS ve FMOLS sonuçlarına göre turizm ve çevre arasındaki ilişki, katsayılar ve teorik olarak anlamlıdır. Turizm gelirlerinde meydana gelen %1 lik bir artış CO2 salınımını %2,06 oranında azaltmaktadır. Benzer şekilde turizm geliri artmaksızın turist sayısında meydana gelen tek başına artışın, çevre üzerinde olumsuz etkisi olduğu elde edilen çarpıcı bulgular arasındadır. Bu sonuçlara göre, gelişme sürecinde olan ülkelerin turizm sektörlerinde büyümelerini desteklemek adına çevresel duyarlılık seviyesini artırmak amacı ile çevre ve turizm polikalarını daha kararlı bir şekilde uygulamaları gerektiğini söylemek mümkündür. Sürdürebilirlik kavramı turizm sektörü açısından her ICPESS 2016-ISTANBUL, 24-26 August 2016 133
C.C.ÖZCAN, M.GERÇEKER ve İ.ÖZMEN sektör için taşıdığından daha fazla, hayati bir önem arz etmektedir. Polik aktörler için, turizm ve CO2 salınımı arasında bir bağın varlığı kanıt olarak sunulabilir. KAYNAKÇA Apergis, Nicholas, Christou, Chistina and Gupta, Rangan (2014), Are there Environmental Kuznets Curves for US State-Level CO2 Emissions? Universty of Pretoria Department of Economics Working Paper Series, Working Paper No. 2014-74. Fujii, Hidemichi, Assaf, George A.,Managi, Sunsuke and Maousek, Roman (2015), Did the Financial Crisis Effect Environmental Efficiency? Evidence from the Japanese Manufacturing Sector, Munich Personal RePEc, Working Paper No.66363. Grossman, Gene. M. and Krueger, Alan. B. (1991), Environmental Impacts of a North American Free Trade Agreement, National Bureau of Economic Research, Workin Paper No.3914. Hadri, Kaddour (2000), Testing for Stationary in Heterogeneous Panel Data, Econometrics Journal Vol. 3, pp. 148-161. Holden, Andrew (2008), Environment and Tourism, New York, Routledge. Im, Kyung S., Pesaran, M. Hashem and Shin, Yongcheol (2003), Testing for Un Roots in Heterogeneous Panels, Journal of Econometrics, Vol. 115, N. 1, pp. 53-74. Kao, Chihwa and Chıang, Min-Hsien (2000), On The Estimation and Inference of A Cointegrated Regression in Panel Data, Nonstationary Panels, Panel Cointegration and Dynamic Panels, Vol. 15, pp. 179-222. Koçak, Emrah (2014), Türkiye'de Çevresel Kuznets Eğrisi Hipotezinin Geçerliliği: ARDL Sınır Testi Yaklaşımı, İşletme ve İktisat Çalışmaları Dergisi, C.2, S.3, ss. 62-71. Lee, Jung, W. and Brahmasrene, Tantatape (2013), Investigating the influence of tourism on economic growth and carbon emission: Evidence from panel analysis of the European Union, Tourism Management, Vol.38, pp. 69-76. Levin, Andrew, Lin, Chen-Fu and Chu, Chia-Shang (2002), Un Root Test in Panel Data:Asymptotic and Fine Sample Properties, Journal of Econometrics Vol.108, N.1, pp. 1-24. Mark, C., Nelson and Sul, Dongyuu (2003), Cointegration Vector Estimation by Panel DOLS and Long-run Mondey Demand, Oxford Bulletin of Economics and Statistics, Vol. 65, N.5, pp. 655-680. Nazlıoğlu, Şaban (2010), Makro İktisat Polikalarının Tarım Sektörü Üzerindeki etkileri: Gelişmiş ve Gelişmekte Olan Ülkeler İçin Bir Karşılaştırma, 134 ICPESS 2016-ISTANBUL, 24-26 August 2016
Erciyes Üniversesi Sosyal Bilimler Enstüsü İktisat Ana Bilim Dalı Doktora Tezi. Nazlıoğlu, Şaban and Soytaş, Uğur (2012), Oil Price, Agricultural Commody Prices, And The Dollar: A Panel Cointegration And Causaly Analysis, Energy Economics, Vol. 34, pp. 1098 1104. Özcan, C., Can (2013), Turizm Talebini Etkileyen Faktörlerin Ekonometrik Bir Analizi, Necmettin Erbakan Üniversesi, Sosyal Bilimler Enstüsü İktisat Ana Bilim Dalı Doktora Tezi. Özmen, İbrahim (2016), Tarihsel Olarak Vergi Gelirlerinin Belirleyicileri ve BRIC-T Üzerine Ekonometrik Bir Analiz Necmettin Erbakan Üniversesi, Sosyal Bilimler Enstüsü İktisat Ana Bilim Dalı Doktora Tezi. Pedroni, Peter (1999), Crical Values for Cointegration Test in Heterogeneous Panels Wh Multiple Regressors, Oxford Bulletin Of Economics and Statistics, Vol. 61, N.1, pp. 653-670. Pedroni, Peter (2004), Panel Cointegration; Asymptotic and Fine Sample Properties of Pooled Time Series Test Wh an Application to the PPP Hypothesis, Econometric Theory, Vol. 20, N.3, pp. 597-625. Pedroni, Peter (2000), Fully Modified OLS For Heterogeneous Cointegrated Panels, Nonstationary Panels, Panel Cointegrtion and Dynamic Panels, Vol. 15, pp. 193-130. Pedroni, Peter (2001), PPP Test in Cointegrated Panels, Review of Economics and Statics, Vol. 83, pp. 727-931. Tsurumi, Tetsuya and Managi, Sunsuke (2010), Decomposon of The Environmental Kuznets Curve: Scale, Technique and Composon Effects, Environmental Economics and Policy Studies, Vol.11, N.1-4, pp.19-36. UNWTO (2010), Annual Report 2011, Madrid,UNWTO. World Bank (2015), World Development Indicators Veri Tabanı, http://data.worldbank.org/products/wdi, [08.07.2015]. Xia, Enjun (2013), Comparative Study on Inter-regional Differences of Economic Growth and Environmental Qualy in China, Stanford Center for International Development, Working Paper No. 478. ICPESS 2016-ISTANBUL, 24-26 August 2016 135