Avrupa Birliği ve Türkiye’de Biyoetanol Üretiminin Ekonomik Büyüme Üzerindeki Etkisinin Araştırılması 1
6. Çalışmanın Amacı, Materyal ve Yöntem
Bu çalışma 2008-2016 yılları arası aralarında Türkiye’nin de bulunduğu 29 ülke için biyoetanol (bin ton) üretimi ve Gayri Safi Yurtiçi Hasıla (GDP) (Milyon Euro) yıllık serileri arasındaki ilişkiyi panel veri analizi aracılığıyla incelemiştir. Veriler Eurostat’tan temin edilmiş ve serilere ilişkin tanımlayıcı istatistikler aşağıda verilmiştir. Analizde incelenen ülkeler:
34 Belçika, Bulgaristan, Çek Cumhuriyeti, Danimarka, Almanya, Estonya, İrlanda, Yunanistan, İspanya, Fransa, Hırvatistan, İtalya, Güney Kıbrıs, Letonya, Litvanya, Lüksemburg, Macaristan, Malta, Hollanda, Avusturya, Polonya, Portekiz, Romanya, Slovenya, Slovakya, Finlandiya, İsveç, Birleşik Krallık ve Türkiye’dir.
Ekonometrik çalışmalarda; zaman serisi verileri, kesit verileri ve zaman ve kesit verileri birleşiminden oluşan karma veriler olmak üzere üç çeşit veri kullanılmaktadır. Eğer aynı kesit birimi, zaman içinde izleniyorsa bu tür karma veriler panel veri olarak adlandırılmaktadır.
Çeşitli örneklem birimlerinin zaman süresince ölçülmesi sonucunda, farklı zaman dilimlerinde aynı kitleye ilişkin veri kümelerini ifade eden panel veri yapısına erişilmektedir.
Basit bir doğrusal panel veri regresyon modeli şu şekilde gösterilmektedir:
Yit = β1it+ β2itX2it+. . . +βkitXkit+ εit (1) i= 1….N , t= 1….N
Modelin hem zaman hem de kesit veriler uyarlamasında tahmin yöntemi olarak havuzlanmış regresyon ile tahmini aşamasında aşağıdaki üç yöntem kullanılmaktadır.
4. Klasik Model 5. Sabit Etkiler Modeli 6. Rassal Etkiler Modeli
Klasik model, hem sabit hem de eğim katsayılarının birimlere ve zamana göre sabit olduğu modellerdir. Bu model;
Yit = βo+ ∑kk=1βkXkit+ eit (2)
olarak yazılmakta ve parametreler, En Küçük Kareler Yöntemi (EKKY) ile tahmin edilebilmektedir.
Sabit etkiler modelinin genel gösterimi;
Yit = β1it+ β2itX2it+. . . +βkitXkit+ εit (3) şeklindedir.
Tesadüfi etkiler modeli;
Yit = β1it+ β2itX2it+. . . +βkitXkit+ εit+ 𝜇𝑖 (4) olarak ifade edilmektedir (Greene, 2003; Gujarati, 2004).
35 7. Ampirik Analiz Sonucu ve Bulgular
İlgili serilere ait olan tanımlayıcı istatistikler Tablo 2’de yer almaktadır.
Tablo 2: Değişkenlere İlişkin Tanımlayıcı İstatistikler
İstatistikler Biyoetanol (Etanol) GDP
Ortalama 456.0118 443620.1
En Yüksek 3361.000 2855352.
En Düşük 0.000000 6373.700
Standart Sapma 752.3005 670799.5
Çarpıklık 2.363440 2.035396
Basıklık 7.833547 6.145747
Jarque-Bera 548.4788 317.6049
J&B p. 0.000000 0.000000
N 288
Tanımlayıcı istatistiklerden sonra, serilerin durağanlığının araştırılması için yapılan birim kök testleri Tablo 3’te gösterilmektedir.
Tablo 3: Panel Birim Kök Testi Sonuçları
Seri Model Test p
Düzeyde PP - Fisher Chi-square 0.9780
Biyoetanol
Düzeyde PP - Fisher Chi-square 1.000
GDP
1 Fark Alınmış Levin, Lin & Chu t <0.01
1 Fark Alınmış ADF - Fisher <0.01
1 Fark Alınmış PP - Fisher Chi-square <0.01
Tablo 3 incelendiğinde, her üç test için biyoetanol ve GDP serileri için seride birim kökün varlığını iddia eden hipotezin % 95 güvenilirlikle reddedilemeyeceği görülmektedir.
Dolayısıyla her iki serinin düzeyde durağan olmadığı söylenebilir. Ancak 1 fark alma işlemi sonrasında, her iki serinin de durağanlaşmaktadır. Bundan sonra yapılacak analizlerde 1 fark alınarak durağanlaştırılan serilerle çalışılmıştır. Birim kök testleri uygulandıktan sonra, seriler arasındaki uzun dönemli ilişkilerin tespiti için, panel Eş-bütünleşme analizlerinin yapılması gerekmektedir. İlgili serilere ilişkin Panel Eş-bütünleşme testi sonuçları aşağıda yer almaktadır.
36
Tablo 4: GDP-Biyoetanol serileri için, GDP değişkeni bağımlı değişken kabul edildiğinde Eşbütünleşme Testi
Pedroni Eş-bütünleşme Testi
İstatistik p.
Ağırlıklandırılmış İstatistik p
Panel v -1.029932 0.8485 -1.053977 0.8541
Panel rho 0.124898 0.5497 -0.018442 0.4926
Panel PP -0.176907 0.4298 -0.283732 0.3883
Panel ADF -0.018535 0.4926 -0.018535 0.4926
Statistic Prob.
Group rho 1.349082 0.9113
Group PP 0.516098 0.6971
Group ADF 0.582784 0.7200
Tablo 4’e göre; GDP ve biyoetanol arasında eşbütünleşme olmadığını iddia eden hipotezin tüm test istatistikleri için reddedilemeyeceği görülmektedir dolayısıyla, biyoetanol ve GDP serileri arasında Pedroni eşbütünleşme yöntemine göre eşbütünleşmeye rastlanmamıştır.
Tablo 5: Kao Eşbütünleşme Testi Sonuçları
t-İstatistiği p
KAO Eş-bütünleşme Testi 7.609579 <0.001
Hata Varyansı 2.672610
HAC Varyansı 1.543026
Tablo 5’de yer alan Kao eş-bütünleşme testine göre ise, seriler arasında bir eşbütünleşme vardır. Eş-bütünleşme yapısı ortaya çıkarıldıktan sonra GDP bağımlı değişken kabul edilerek yapılan panel model tahmini sonuçları aşağıda verilmiştir.
37
Tablo 6: Panel Model Tahmini Sonuçları
Model Model
ETHANOL: Biyoetanol, C: Sabit Terim Model Anlamlılığı: H0: Kurulan regresyon modeli anlamsızdır.
Tablo 6’da, çeşitli panel veri regresyon yöntemleri için elde edilen model sonuçları toplu bir şekilde verilmiştir. Sonuçlar incelendiğinde, GDP bağımlı değişken biyoetanol serisi bağımsız değişken kabul edilerek yapılan panel modelleri için zamana ve kesite bağlı panel veri regresyon yönteminin en yüksek R2’yi verdiği görülmektedir. Ayrıca tüm modellerde etkinin yönü pozitif çıkmıştır. Hangi panel regresyon modelinin geçerli olduğunu test etmek için yapılan Hausmann Testi sonuçları Tablo 7’de gösterilmektedir.
Tablo 7: Hausmann Testi Sonuçları
Değişken Kesit Etkisi Zaman Etkisi
Biyoetanol 0.8602 0.1785
H0: Rassal etkiler modeli geçerlidir. Şeklindeki hipotez sınaması için yapılan Hausmann testi sonucunda GDP-Biyoetanol modelleri için rassal etkiler modelinin geçerli olduğu görülmektedir. Rassal etkiler modelleri incelendiğinde ise, biyoetanol serisinin GDP üzerinde pozitif yönlü etkisinin olduğu görülmektedir. Biyoetanol üretiminin artması, GDP’ın da artmasına neden olmaktadır.
38 Sonuç
Giderek artan enerji talebini karşılamak için alternatif kaynakların araştırıldığı, buna karşılık tarım sektörünün ekonomideki payının giderek azaldığı ve ihmal edildiği günümüzde, tarımsal potansiyeli yüksek olan ülkelerde biyoyakıtlar yeni bir fırsat yaratmaktadır. Başta ABD ve AB olmak üzere dünyanın pek çok ülkesinde biyoyakıt üretim ve tüketim sürecinin başlaması ve sürdürülebilirliğinin sağlanması için çeşitli teşvik ve destekleme politikaları uygulanmaktadır.
Biyoetanol dünya genelinde 30 milyon ton dolayındaki yıllık üretim miktarı ve 13 milyon dolarlık pazar payı ile dünyanın önde gelen alternatif sıvı yakıtıdır. Gelecekte modern biyoyakıt üretim tesislerinin teknolojiye adapte edilmesiyle biyoetanol enerji sektöründe ekonomi ve çevre açısından cazip bir enerji kaynağı olma olasılığı yüksektir.
Enerji ihtiyacının büyük bir bölümünü ithalat aracılığı ile karşılayan AB ve Türkiye’de sürdürülebilir enerjinin sağlanması için, yenilenebilir enerji kaynakları arasında yer alan biyoetanolün önemli ve büyük bir potansiyeli mevcuttur. AB ve Türkiye uygun iklim koşulları, arazi miktarı, toprak yapısı ve tarımsal potansiyeli ile dünyada gıda açısından tehdit olarak görülen biyoetanol üretimini fırsata dönüştürebilme olanağına sahiptir.
Yapılan ekonometrik analizler sonucunda, biyoetanol ve GDP serileri arasında Pedroni eşbütünleşme yöntemine göre eşbütünleşme ilişkisine rastlanmamıştır. Ancak, Kao eşbütünleşme testine göre ise seriler arasında bir eşbütünleşme olduğu belirlenmiştir.
Eşbütünleşme yapısı ortaya çıkarıldıktan sonra, GDP bağımlı değişken kabul edilerek, yapılan panel model tahmini sonuçlarına göre tüm modellerde etkinin yönü pozitif çıkmıştır. Daha sonra Hausmann testi sonucunda GDP-Biyoetanol modelleri için rassal etkiler modelinin geçerli olduğu görülmektedir. Rassal etkiler modelleri incelendiğinde ise, biyoetanol serisinin GDP üzerinde pozitif yönlü etkisinin olduğu belirlenmiştir. Biyoetanol yakıtı, hammadde açısından tamamen yerli bir enerji kaynağı olduğundan dolayı, enerjide dışa bağımlılığı azaltacak ve böylece enerji ithalat maliyetlerinin azalması GDP’nın artmasına neden olacaktır.
Türkiye’de ithal edilen bitkisel ham yağ kullanılarak biyodizel üretmenin maliyetinin motorinden daha pahalı olması ve bitkisel yağ açığının bulunması nedenleriyle, biyodizel yerine şeker pancarı, buğday ve mısır kullanılarak biyoetanol üretilmesi daha avantajlı olabilecektir. Biyoetanolün üretim maliyetleri petrol kökenli benzine göre oldukça yüksek olması nedeniyle hükümetler tarafından teşvik uygulamalarına devam edilmeli ve benzinle mevcut olan zorunlu harmanlama oranı artırılmalıdır. Türkiye’de biyoetanole yönelik mevzuattaki ilgili kurumların yönetmelik ve uygulamaları arasındaki uyumsuzlukların giderilmesi gerekmektedir. Yerli tarım ürünleri kullanılarak üretilen biyoetanolden alınan ÖTV’den vazgeçilmeli ve tarımdaki akaryakıt desteği, enerji tarımını teşvik edecek şekilde olmalıdır.
39 Kaynakça
Acaroğlu M., Koçar G., Eryılmaz A., Acar M., Dok M. (2015), “Biyoyakıtların Türkiye’deki Geleceği ve Yasal Sorunlar”, Türkiye Ziraat Mühendisliği VII. Teknik Kongresi, Bildiriler Kitabı 2, 12-16 Ocak 2015, Ankara, s. 1165-1199.
Bayraç H. N. (2011), “Küresel Biyoyakıt Politikaları ve Türkiye”, VI. Yeni ve Yenilenebilir Enerji Kaynakları Sempozyumu Bildiriler Kitabı, TMMOB Makine Mühendisleri Odası, MMO Yayın No: E/2011/565, 21-22 Ekim 2011 Kayseri, s. 182-196.
EC, (2003), Directive 2003/30/EC On the Promotion of the Use of Biofuel or Other Renewable Fuels for Transport, (http://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:32003L0030&from=en, Erişim Tarihi:
02.08.2018).
EC, (2009), Directive 2009/28/EC On the Promotion of the Use of Energy from Reneveable Sources and Amending and Subsequently Repealing Directives 2001/77/EC and
2003/30/EC
(http://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:32003L0028&from=en, Erişim Tarihi:
02.08.2018).
Greene, W. H. (2003), Econometric Analysis, Pearson Education India.
Gujarati, D. (2004), Basic Econometrics, United States Military Academy, West Point.
Gürel, E. (2013), Biyoyakıt ve Makro Ekonomik Değişkenler Arasındaki Etkileşim: Önemli Üretici Ülkeler ve Türkiye Örneği, Gazi Osmanpaşa Üniversitesi, Fen Bilimleri Enstitüsü, Tarım Ekonomisi ABD, Yüksek Lisans Tezi, Tokat.
Hatunoğlu, E. E. (2010), Biyoyakıt Politikalarının Tarım Sektörüne Etkileri, DPT Uzmanlık Tezleri, Ankara. (http://www.surdurulebilirkalkinma.gov.tr/wp-content/uploads/2016/06/Biyoyakit_Politikalarinin_Tarim_Sektorune_Etkileri.pdf, Erişim Tarihi: 05.08.2018).
Horuz, A. ve Korkmaz A, ve Akınoğlu, G. (2015), “Biyoyakıt Bitkileri ve Teknolojisi”, Toprak Bilimi ve Bitki Besleme Dergisi, 3 (2), s. 69-81.
Koçtürk, D. ve Onurbaş-Avcıoğlu A. (2013), “Benzin-Biyoetanol Karışımının Motor Yakıt Olarak Kullanılmasında Performans ve Ekonomikliğin İncelenmesi”, Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi, 30, (2), s. 37-44.
Narin, M. (2008), “Dünya’da ve Türkiye’de Enerji Tarımı”, II. Ulusal İktisat Kongresi, DEÜ İİBF İktisat Bölümü, 20-22 Şubat 2008, (http://debis.deu.edu.tr/userweb/iibf-kongre/dosyalar/narin.pdf, Erişim Tarihi: 10.08.2018).
Özertan G. (2008), “Biyoyakıtların Türkiye’nin Enerji, Tarım, Çevre ve Kırsal Kalkınma Politikaları İçin Önemi”, İktisat-İşletme ve Finans Dergisi, Yıl: 23, Sayı: 262, Ocak 2008, Ankara.
TMMOB (2008), Yenilenebilir Enerji Kaynakları, Hazırlayan: TMMOB Makine Mühendisleri Odası Enerji Komisyonu, Oda Raporu, Yayın No: MMO/2008/479, Ankara.
Yılmaz, G. (2013), Şeker Pancarı, Mısır ve Buğdaydan Biyoetanol Üretimi, T.C. Bahçeşehir Üniversitesi, Fen Bilimleri Enstitüsü, Enerji ve Çevre Yönetimi Programı, Yayımlanmamış Yüksek Lisans Tezi, İstanbul.
http://www.tim.org.tr/files/downloads/Raporlar/Tarim_Raporu_2017.pdf, Erişim Tarihi:
19.7.2018.
40 https://www.statista.com/statistics/281606/ethanol-production-in-selected-countries, Erişim Tarihi: 16.7.2018.
http://biyoder.org.tr/biyoenerji/biyodizel-biyoetanol/Erişim Tarihi: 15.08.2018.
https://www.eia.gov/outlooks/ieo/Erişim Tarihi: 15.08.2018.
41 EK 2: Kongre Kabul Belgesi
42 EK 3: 11. International Statiastik Days Conference, 3-7 October 2018 Muğla Sıtkı Koçman Unıversity Department of Statistics’de sözlü olarak sunulan bildiri özeti.