ANALİZ SONUÇLAR

Çalışmada kullanılan verilerin gruplandırılmamış veriler olması nedeniyle ele alınan model en yüksek olabilirlik (Maximum Likelihood, ML) yöntemi ile tahmin edilmiş (Thomas, 2000: 474) ve bu tahmin sonuçları esas alınarak firmaların başarılı/başarısız olma olasılıkları ve olasılık oranlarındaki değişim hesaplanmıştır. Bu yöntem arzu edilen bir çok istatistiki özelliğe sahiptir. Öyle ki, tüm parametre tahmincileri tutarlı ve asimtotik17 etkindir. Buna ilaveten, bu tahmincilerin asimtotik normal oldukları ve dolayısıyla t testinin uygulanabileceği bilinmektedir.

134

En yüksek olabilirlik yöntemi ile tahmin edilen logistik regresyon modelinde katsayıların tamamının veya bir kısmının anlamlılığı test edildiğinde olabilirlik oranı (likelihood ratio, LR) testi uygulanabilir (Pindyck ve Rubinfeld, 1991: 281).

Ayrıca, uyumun iyiliği bakımından R2 değeri logistik regresyon modelleri için uygun bir ölçü olarak kabul edilmemektedir (Thomas, 2000: 474). Uyumun iyiliğinin ölçüsü olarak birçok alternatif önerilmekle beraber Neyman ve Pearson (1928) tarafından formüle edilen LR testine dayalı olarak geliştirilen McFadden-R2 değeri en yaygın kullanılan ölçülerden biri olmuştur. Bu çalışmada da uyumun iyiliğini araştırmak amacıyla da McFadden R2 değeri kullanılmıştır.

Bilindiği üzere, logistik regresyon modelinde sabit terim ve bağımsız değişkenler sıfır olduğunda firmaların başarılı olma olasılıklarını log-olasılık oranı değeri vermektedir. Eğim katsayıları ise bağımsız değişkenlerdeki 1 birim değişmeye karşılık logitteki (L) değişmeyi ölçmektedir (Gujarati, 2005: 555).

Bu çalışma için elde edilen E-views Logistik regresyon çıktısı Tablo 24, 25, 26 ve 27’de sunulmuştur. Daha önce de belirtildiği gibi öncelikle tüm değişkenler modele dahil edilerek ilk model oluşturulmuş burada 0,10 anlamlılık düzeyinde istatistiksel olarak anlamsız olan parametrelerin ait olduğu değişkenler elenerek geriye kalan X3, X4, X8 ve X9 değişkenleri kullanılarak sonuçlar elde edilmiştir.

İlgili değişkenin karşısındaki katsayı değerleri logistik regresyon modelinin katsayılarını göstermektedir.

Model 1

Model de; X1 değişkeni cari oranı, X2 değişkeni likitide oranını, X3

değişkeni hazır değerler oranını, X4 değişkeni toplam borç /özsermaye oranını, X5

değişkeni kısa vadeli borçlar / özsermaye oranını, X6 değişkeni orta ve uzun vadeli

borçlar / özsermayeyi, X7 değişkeni toplam borç/toplam varlıklar oranını, X8

değişkeni kısa vadeli borçlar / toplam varlıklar oranını, X9 değişkeni stok devir

hızını, X10 değişkeni çalışma sermayesi dönüş hızı oranını, X11 değişkeni sabit

değerler dönüş hızı oranını, X12 değişkeni özsermaye devir hızı oranını ifade

etmektedir.

Söz konusu modelin 0,01 anlamlılık düzeyinde geçerli olduğu ‘LR istatistiği’ satırının karşısındaki p değerinden görülmektedir. Buradaki ‘LR istatistiği’ değerine

135

ilişkin anlamlılık düzeyi 0,01 değerinden küçük olduğundan elde edilen modelin % 99 güven seviyesinde geçerli olduğu mali açıdan başarılı ve başarısız grupların ortalamalarının %99 güven seviyesinde farklı olduğu söylenebilir. Diğer yandan söz konusu değişkenlerden tüm değişkenlerin 0,05 anlamlılık düzeyinde önemlilik durumları p değeri sütunundan görülmektedir. Mali oranlara ait değerlerden X3, X4,

X8 ve X9 0,05 değerinden küçük olduğundan bu mali oranlar % 95 güven seviyesinde

önemli bulunmuştur.

Tablo 24. Model 1: Tüm Değişkenlerle Hesaplanan Model Bağımlı Değişken: Y

Yöntem: ML - Binary Logit Gözlem Sayısı: 4937

Katsayı Std. Hata Z İstatistiği P değeri

C 0.136437 0.094103 1.449878 0.1471 X1 -0.006855 0.004519 -1.517074 0.1292 X2 -0.026015 0.017747 -1.465871 0.1427 X3 0.050427 0.024876 2.027140 0.0426 X4 0.011217 0.005064 2.214788 0.0268 X5 -0.002841 0.003475 -0.817713 0.4135 X6 -0.005642 0.012014 -0.469588 0.6386 X7 0.077689 0.227036 0.342187 0.7322 X8 -1.520437 0.226803 -6.703787 0.0000 X9 -0.000354 0.000109 -3.259537 0.0011 X10 0.007710 0.006623 1.164239 0.2443 X11 0.000571 0.000752 0.759152 0.4478 X12 -0.003198 0.002740 -1.166913 0.2432 McFadden R2 0.024670 Mean dependent var 0.355956 Bağımlı Değişkenin Standart

Hatası 0.478851 S.E. of regression 0.471710 Akaike Bilgi Kriteri 1.275256 Sum squared resid 1095.420 Schwarz kriteri 1.292387 Log likelihood -3134.333 Hannan-Quinn kriteri 1.281264 Restr. log likelihood -3213.612

LR istatistiği 158.5593 Avg. log likelihood -0.634994

P Değeri(LR istatistiği) 0.000000

Model 1’de tüm değişkenler analize katılmış bir bütün olarak model anlamlı bulunmuştur. Ancak analize katılan değişkenlerden yalnızca X3, X4, X8 ve X9

değişkenlerinin katsayıları istatiksel olarak anlamlıdır. X3, X4, X8 ve X9 değişkenleri

kullanılarak ikinci model oluşturulmuştur. Tablo 25’de ikinci modele ilişkin analiz sonuçları görülmektedir.

136

Tablo 25. Model 2 : X3, X4, X8, X9 Değişkenleri Kullanılarak Oluşturulan Tüm

Örneklemi Kapsayan Model Bağımlı Değişken: Y

Yöntem: ML - Binary Logit Gözlem Sayısı: 4937

Katsayı Std. Hata Z İstatistiği P değeri

C 0.084877 0.069347 1.223960 0.2210

X3 0.003733 0.014479 0.257853 0.7965

X4 0.006170 0.003034 2.033812 0.0420

X8 -1.358788 0.129272 -10.51106 0.0000 X9 -0.000349 0.000106 -3.311229 0.0009

McFadden R2 0.022752 Mean dependent var 0.355884 Bağımlı Değişkenin Standart

Hatası 0.478829 S.E. of regression 0.471932 Akaike Bilgi Kriteri 1.274428 Sum squared resid 1098.453 Schwarz Kriteri 1.281016 Log likelihood -3140.927 Hannan-Quinn Kriteri 1.276739 Restr. Log likelihood -3214.052

LR istatistiği 146.2517 Avg. log likelihood -0.636201

P değeri (LR istatistiği) 0.000000

Bu tablodan yola çıkarak iki numaralı model aşağıdaki şekilde yazılabilir;

Model 2:

Z = 0.0848 + 0.0037X3 + 0.0061X4 -1.3587X8 -0.0003 X9

Model de; X3 değişkeni hazır değerler oranını, X4 toplam borç/ özsermaye, X8

kısa vadeli borç / toplam varlıklar oranını X9 ise stok devir hızı değişkenini ifade

etmektedir.

Daha öncede belirtildiği üzere, modelde her bir eğim katsayısı kısmi eğim katsayısı olup, ilgili açıklayıcı değişkende ortaya çıkan bir birimlik değişme sonucu tahmin edilen logit de ortaya çıkan değişmeyi ölçmektedir. ModelinLR değeri 146,2 ve karşılık gelen p değeri 0.00 olması nedeniyle, bir bütün olarak açıklayıcı değişkenlerin olasılık üzerinde önemli bir etkiye sahip oldukları söylenebilir. Değişkenler ve katsayıları incelendiğinde; X3’ün (hazır değerler oranının) logit

fonksiyonu ile pozitif bir ilişkisi bulunmaktadır ve X3’ deki bir birimlik artış logit

fonksiyonunda 0,0037 oranında artışa neden olmaktadır. X4 (toplam borcun

özsermayeye oranı), logit fonksiyonunda pozitif ve 0. 0061 oranında artışa neden olurken, X8 (kısa vadeli borcun toplam varlıklara oranı) ve X9 (stok devir hızı)

137

değişkeninde bir birimlik azalış ortaya çıkması, 1.358 oranında logit fonksiyonunu azaltmaktadır.

Okka(2006: 93), Büker vd (2008:107) tarafından da belirtildiği üzere stok devir hızı arttıkça, firmanın likitidesi artar ve karlılığı yükselir. Yani stok devir hızı yüksek olan bir firmanın başarı şansı da yüksektir. X9 olarak adlandırılan stok devir

hızı değişkeninin katsayısının etkisi modelimizde çok küçük olduğundan ve literatürde geçerliliği kabul görmüş stok devir hızı yüksek olan firmaların başarılı olma şansı daha yüksektir yargısı ile çeliştiğinden dolayı yorumlama yapılmamıştır.

Katsayılar bahis oranı cinsinden yorumlamak istendiğinde öncelikle model de yer alan değişkenlerin katsayılarının antilogu alınması gerekir. Bu değerler sırasıyla; X3 katsayısı için 1,003, X4 katsayısı için 1,006 ve X8 için 0,25 olarak elde

edilmektedir. Buna göre hazır değerler oranı yüksek olan firmaların bu oranı daha düşük olan firmalara göre başarılı olma şansı daha yüksektir. Aynı şekilde Toplam borç / Özsermaye oranı yüksek olan firmaların da bu oranı düşük olan firmalara göre başarılı olma şansları yüksektir. Ancak toplam varlıklar içinde kısa vadeli borçla finansmanı yüksek olan firmaların başarı şansı diğer firmalara göre daha düşüktür.

Bu çalışmada başarılı işletmelere 1 başarısız olanlara 0 değeri verildiği için elde edilen olasılık mali başarı olasılığı olarak yorumlanmalıdır.

138

Grafikte görüldüğü üzere istatistiksel anlamlı parametre değerine sahip değişkenler katılarak oluşturulan Model 2’ deki başarı olasılık dağılımı örneklemimiz için 0,20 ile 0,60 arasında yoğunlaşmaktadır.

Tablo 26. Model 3: İhracat Yapan Firmalar İçin X3, X4, X8 ve X9 Değişkenleri

Kullanılarak Hesaplanan Model Bağımlı Değişken: Y

Yöntem: ML - Binary Logit Gözlem Sayısı: 2886

Katsayı Std. Hata Z İstatistiği P değeri

C 0.028323 0.091615 0.309153 0.7572

X3 -0.000376 0.018883 -0.019894 0.9841 X4 0.010442 0.003842 2.717668 0.0066 X8 -1.333289 0.170964 -7.798659 0.0000 X9 -0.000323 0.000146 -2.221170 0.0263

McFadden R2 0.019836 Mean dependent var 0.351023 Bağımlı Değişkenin

Standart Hatası 0.477373 S.E. of regression 0.471574 Akaike Bilgi Kriteri 1.273913 Sum squared resid 640.0145 Schwarz Kriteri 1.284261 Log likelihood -1831.346 Hannan-Quinn Kriteri 1.215656 Restr. log likelihood -1868.408

LR istatistiği 74.12471 Avg. log likelihood -0.635222

Prob(LR istatistiği) 3.00E-15

Tablo 26’de yer alan model şöyle yazılabilir:

Model 3:

Z = 0.0283 - 0.0003X3 +0.0104X4 – 1.3332X8 -0.0004X9

Modelin LR değeri 74,12 ve karşılık gelen p değeri 3.00 E-15 olduğu için, bir bütün olarak açıklayıcı değişkenlerin model üzerinde önemli bir etkiye sahip oldukları söylenebilir.

Bu modelde yer alan katsayılar incelediğinde X3 (Hazır Değerler Oranı), X8

(Kısa vadeli borcun toplam varlıklara oranı ) ve X9 (Stok devir hızı) değişkenlerinin

139

oranı) değişkeni ile logit fonksiyonu arasında pozitif yönde bir ilişki mevcuttur. X3’ün (Hazır değerler oranı) katsayısındaki bir birimlik artışın -0,0003 oranında

X8’nun (KVB/Özsermaye) katsayısındaki bir birimlik artışın 1.3332 oranında logit

fonksiyonunda azalmaya yol açacağı görülmektedir. Stok devir hızı değişkeni daha önce açıklanan nedenlerden dolayı bu modelimiz yorumlanırken de değerlenme dışı bırakılmıştır.

Eğim katsayıları bahis oranı cinsinden de yorumlanmak istendiğinde katsayıların antilogunun alınması gerekmektedir. Örneğin, X8’in katsayısı olan

-1.33’ün antilogu alındığında 0.26 değeri elde edilir. Bunun anlamı Kısa Vadeli Borç / Toplam Varlıklar oranı yüksek olan firmanın, bu oranı daha düşük olan firmaya göre başarılı olma şansının daha düşük olduğudur. Diğer değişken katsayılarının da antilogları alındığında X3 değişkeninin katsayısının antilogu 0,99, X4 değişkenin

antilogu 1,01 olarak bulunmuştur. Buna göre Hazır Değerler oranı, Toplam borç/Özsermaye oranı yüksek olan firmaların bu oranı düşük olan firmalara göre başarı şansları daha yüksektir.

140

İhracat yapan firmalar için geliştirilen model içinde başarı olasılıklarındaki dağılım yoğunlaşmasının birinci grafiğe benzer şekilde 0,20 ile 0,55 arasında olduğu görülmektedir.

Tablo 27. Model 4: İhracat Yapmayan Firmalar İçin X3, X4, X8 ve X9 Değişkenleri

Kullanılarak Hesaplanan Model Bağımlı Değişken: Y

Yöntem: ML - Binary Logit Gözlem Sayısı: 2051

Katsayı Std. Hata Z İstatistiği P Değeri

C 0.153112 0.106822 1.433340 0.1518

X3 0.009713 0.022715 0.427614 0.6689 X4 -0.002254 0.005594 -0.402890 0.6870 X8 -1.345084 0.200278 -6.716087 0.0000 X9 -0.000382 0.000154 -2.477599 0.0132

McFadden R2 0.028485 Mean dependent var 0.362927 Bağımlı Değişkenin

Standart Hatası 0.480961 S.E. of regression 0.472479 Akaike Bilgi Kriteri 1.277726 Sum squared resid 456.5186 Schwarz Kriteri 1.291447 Log likelihood -1304.669 Hannan-Quinn Kriteri 1.282757 Restr. log likelihood -1342.921

LR istatistiği 76.50543 Avg. log likelihood -0.636424

Prob(LR İstatistiği) 9.99E-16

Yukarıdaki tablodan yola çıkarak model aşağıdaki gibi yazılabilir;

Model 4

Z = 0.1531+ 0.0097 X3 – 0.0022 X4 - 1.3450 X8 -0.0003X9

Modelimiz de X4 (Toplam Borcun Özsermayeye Oranı), X8 (Kısa Vadeli

Borcun Toplam Varlıklara Oranı ) ve X9 (Stok Devir Hızı Oranı) değişkenlerinin

katsayılarının negatif olması logit fonksiyonu ile negatif ilişkileri olduğunu göstermektedir. X3 (Hazır Değerler Oranı) değişkenin ise katsayısının pozitif

olmasından dolayı logit fonksiyonuyla pozitif yönlü bir ilişkisi vardır. X3

değişkenindeki bir birimlik artış logit fonksiyonunda 0.009 oranında artışa yol açarken, X4 değişkenindeki bir birimlik artış 0.002, X8 değişkenindeki bir birimlik

141

Model 4 ‘ü oluşturan katsayıları bahis oranı cinsinden yorumlamak için bu katsayıların antilogu alındığında X3 için 1,009, X4 için 0,99 ve X8 için 0,26 değeri

elde edilmiştir. Buna göre Hazır Değerler Oranı, Toplam Borç/Özsermaye Oranı yüksek olan firmaların bu oranları düşük olan firmalara göre başarı şansı yüksekken, toplam varlıklarından daha fazla kısa vadeli borcu olan firmaların başarı şansları diğer firmalara göre daha düşüktür. Literatürdeki bilgilerle çelişmesi ve logit fonksiyonundaki etkisinin çok küçük olmasından dolayı stok devir hızı değişkeni bu modelde yorumlanmamıştır.

Grafik 3. Model 4’e Göre Firmaların Başarı Olasılık Dağılımı

Üç numaralı grafikte verilen başarı olasılık dağılımı ihracat yapmayan firmalar için geliştirilen model 4 kullanılarak hesaplanmıştır. Buradaki dağılım yoğunlaşması diğer modellerdeki olasılıklarla benzerdir.

KOBİ’ler için ihracat yapmanın bir kurumsallık göstergesi olacağı ve ihracat yapan firmaların mali açıdan daha başarılı olacağı beklenmekle birlikte çıkan sonuçlara göre KOBİ’lerin ihracat yapması veya yapmamasının bu firmaların mali açıdan başarı oranlarının dağılımında farklılık yaratıp yaratmadığına ilişkin bir sonuca ulaşılamamıştır.

142

Belgede Basel Uzlaşısı Çerçevesinde Kobilerde Derecelendirme Notu Uygulaması (sayfa 147-156)