Özet
Bu çalışma, maliye politikasının içinde yer alan kamu gelirlerinin bir türü olan vergilerin ekonomi üzerindekini etkisini incelemeyi konu edinmektedir. Bu nedenle çalışmada; 2010:01-2019:03 dönemine ait aylık verilerle Karabük ilinde kamu gelirleri ile istihdam arasındaki ilişkiyi analiz edilmiştir. Çalışmanın amacı; Karabük İli iş piyasasının genel görünümünü ortaya koymak, ilin kamu gelirleri içindeki payını belirlemek ve il için kamu gelirleri ile istihdam arasındaki ilişkiyi tespit ederek, il için yeni istihdam politikaları üretmektir. Çalışmanın çözümü Greatl programında Vektör Otoregresif Modeller (VAR) ile gerçekleştirilmiştir. 2010 ile 2019 yılları arasında aylık verilere dayanılarak yapılan bu analiz sonucunda, Karabük ilinde istihdamla, Genel Bütçe Gelirleri ile Toplam Vergi Gelirleri arasında bir ilişki olduğu, ancak kısa ve uzun döneme göre bu ilişkinin yönünün farklılık gösterdiği sonucuna ulaşılmıştır.
Anahtar Kelimeler: İstihdam, Maliye Politikası, Vergi, İşsizlik, Karabük. JEL Sınıflandırma Kodları: E24, E62, J64.
Analysis Of The Effects Of Public Revenues On Employment: Example Of Karabuk Province (2010: 01- 2019: 03)
Abstract
This study focuses on examining the effect of taxes, which is a kind of public revenues within the fiscal policy, on the economy. Therefore, in the study; The monthly data for 2010: 01-2019: 03 period analyzed the relationship between public revenues and employment in Karabük. Purpose of the study; The aim of this course is to determine the general outlook of the Karabük labor market, to determine the share of the province in public revenues and to determine the relationship between public revenues and employment for the province and to produce new employment policies for the province. The solution of the study was realized with Vector Autoregressive Models (VAR) in Greatl program. As a result of this analysis based on monthly data between 2010 and 2019, it was concluded that there is a relationship between employment, General Budget Revenues and Total Tax Revenues in Karabük province, but the direction of this relationship varies according to the short and long term.
Key Words: Employment, Fiscal Policy, Tax, Unemployment,Karabuk. JEL Classification Codes: E24, E62, J64.
Giriş
İktisat politikalarının temel amaçlarından biri de tam istihdamı sağlamaktır. Bu nedenle işsizlikle mücadele ederek, istihdamı artırmak ekonomiler için en temel bir unsur olarak ortaya çıkmaktadır. Ekonomiler bu amacı gerçekleştirmek için, hem para politikasını hem de maliye politikasını etkin bir şekilde kullanmaktadırlar. Konunun öneminden dolayı literatürde bu konuyla ilgili yapılmış olan çok sayıda ampirik çalışma bulunmaktadır. Yapılan bu çalışmaların temel amacı; işsizlikle mücadele ederek istihdamı artırıcı yeni politikalar üretebilmektir. Gerçekleştirilecek olan bu çalışmanın bir amacı da iş piyasasında istihdam artırıcı politikalar ortaya koymaktır. Bu çalışma, maliye politikasının içinde yer alan kamu gelirlerinin bir türü olan vergilerin ekonomi üzerindekini etkisini incelemeyi hedeflemektedir. Bu nedenle çalışma; 2010:01-2019:03 dönemine ait aylık verilerle Karabük ilinde kamu gelirleri ile istihdam arasındaki ilişkiyi analiz edecektir. Analiz; Vektör Otoregresyon (VAR) modeli kullanılarak gerçekleştirilecektir. Çalışmanın amaçları; Karabük İli iş piyasasının genel görünümünü ortaya koymak, ilin kamu gelirleri içindeki payını belirlemek ve il için kamu gelirleri ile istihdam arasındaki ilişkiyi tespit ederek, il için yeni istihdam politikaları üretmektir.
Çalışmada veriler, TÜİK ve İŞKUR başta olmak üzere diğer istatistiki veri bankalarından temin edilecektir. Çalışmanın çözümü Greatl programında Vektör Otoregresif Modeller (VAR) ile gerçekleştirilecektir. Ayrıca çalışmada değişkenler arasında nedensellik ilişkisi, etki-tepki ve varyans ayrıştırması sonuçları değerlendirilecektir.
78 Teorik Çerçeve
Vergi, bir kamu otoritesi olan hükümetin, belirli hizmet karşılığı olarak, o hizmetin karşılığı olmasa bile yani ilgisiz bir şekilde hükümet kararnamesi, kanun veya kanunlarla öngörülen kişi ve şirketlerin gelir ve mülklerine uygulanan zorunlu bir ücrettir. Vergi ödemesi, mal veya hizmetlerin doğrudan değişimi için değil, bazı ülkelerin ekonomik ve sosyal hedeflerine ulaşmak için özel sektörden kamu sektörüne kaynak ve gelir aktarımı içindir. Bu hedeflerler arasında yüksek düzeyde istihdam, fiyat istikrarı, gayri safi milli hasılada hızlı büyüme, ödemeler dengesindeki olumlu gelişmeler, serbest piyasa ekonomisinin teşviki, toplu taleplerin karşılanması, adil gelir ile gelirin yeniden dağıtımı, bebek sanayilerinin teşviki yer almaktadır. Vergi, hükümet faaliyetlerinin günlük olarak yürüttüğü faaliyetlerde gelirin artırılması için bir yöntemdir. Devlet faaliyetleri, ülke halkına güvenlik, sosyal imkanlar, altyapı tesisleri sağlamak için kaynak oluşturmayı ve bunları kullanmayı içerir (Ali, v.d., 2018: 163- 164).
Vergilendirme bireylerin ve kuruluşların hükümet harcamalarını karşılamaya yönelik zorunlu bir katkı olduğu görülmektedir. Vergi; devletin herkesin yararına olması için bir kişinin veya kurumun gelirine veya zenginliğine uygulanan bir ücret olduğu kabul edilmektedir. Vergilendirme, reel ekonomik kaynakların, özel sektörden kamu sektörüne, kamu sektörü faaliyetlerini finanse etmek için aktarması olarak tanımlamaktadır. Verginin asıl amacı, devlet harcamalarını karşılamak için geliri artırmak ve ekonominin servetini ve yönetimini yeniden dağıtmaktır. Vergi kişilere, kar, gelir veya kazanç esas alınarak değerlendirildiği için ayırt edicidir (Ojong, Anthony ve Arikpo, 2016: 33-34).
Devletin kontrol ekonomisi olarak isimlendirilen maliye politikası; kamunun gelir ve giderlerinin ekonomi üzerindeki etkilerinin analiz edilmesinde önemli bir yere sahiptir. Ekonomistler maliye politikasının bu yönünü farklı zaman dilimlerinde ve farklı ülkeler için analiz etmektedirler. Farklı ekonometrik yöntemler kullanılmasına rağmen, son yıldaki vektör otoregresif (VAR) modelleri mali ve politika şoklarının etkilerini değerlendirmek için ana ekonometrik araç haline gelmiştir. Farklı VAR modelleri uygulamaları kullanılmış olsa bile (iç ve dış değişkenler, örnekleme zamanı, ülke ve gecikme uzunluğu) maliye politikası kararlarının etkisine ilişkin çalışmaların sonuçlarının benzerlik gösterdiği görülmektedir. Örneğin; Braveanu, I., Bravivanu Obreja, L. ve Păun, C., (2007) 1990-2007 döneminde Romanya’da maliye politikası ile makroekonomik göstergeler arasındaki ilişkiyi analiz etmişlerdir. Bu amaçla regresyon tekniği, Granger nedensellik analizini kullanmışlardır. Bu ekonometrik modelde aşağıdaki değişkenleri kullandılar: GSYH’daki devlet gelirlerinin yüzdesi, reel GSYİH’nın ekonomik büyüme oranı, yıllık faiz ortalaması, işsizlik oranı ve GSYH’nin kamu borcu yüzdesi. Çalışmada toplam mali baskının, reel ekonomik büyüme, GSYH'deki kamu borcu yüzdesi, işsizlik oranı ve enflasyon oranı ile zıt bir ilişki içinde olduğu sonucuna varmışlardır (Roşoiu, 2015: 526-527).
Metodoloji
Çalışmada, istihdam (N), Genel Bütçe Gelirleri (GBG), Toplam Vergi Gelirleri (TVG), Toplam gelir vergisi (TGV) ve Toplam kurumlar vergisi (TKV) olmak üzere beş tane değişken kullanılmıştır. Bu değişkenlere ait veriler, 2010 yılı temel alınarak 2019 yılına kadar aylık hazırlanmıştır. Analizde en iyi modelin seçilebilmesi için grafik çizimleri ve her bir model için R2 değerlerinin sonuçlarına göre değişkenlerin logaritmaları alınarak çözüm
gerçekleştirilmiştir. Gretl programında mevsimsellikten arındırılan ve logaritmaları alınan değişkenlerin durağanlık testi yapılmış, eşbütünleşme analizi, gecikme uzunluğu testi, VAR çözümü yapılmıştır. Yine modelin birim çembere göre var ters kökleri çözümü gretl programında gerçekleştirilmiştir. Analiz yapılırken Türkiye Cumhuriyet Merkez Bankası, Türkiye İstatistik Kurumu, İŞKUR, Kalkınma Bakanlığı, Hazine ve Maliye Bakanlığı verilerinden faydalanılmıştır. Yapılan bu çalışmada; 2010-2019 yılları arasında Karabük ilinde, istihdam, Genel Bütçe Gelirleri, Toplam Vergi Gelirleri, Toplam gelir vergisi ve Toplam kurumlar vergisi verileri aylık değerler olarak modele dâhil edilmiştir. Yapılan analizde öncelikle hangi ekonometrik modelin kullanılması gerektiği, modelde yer alan değişkenlerin grafikleri ve R2’lerine bakılarak tespit edilmiştir. Model belirlemek için
yapılan analizde logaritmik fonksiyon modelinin en uygun model olduğu ortaya çıkmıştır. Veri Seti
Model çözümünde kullanılan veriler; Karabük ilini kapsayan 2010 ile 2019 yıllarına ait aylık verilerdir. Veriler 2010:1-2019:03 dönemlerini kapsamaktadır. Veri seti, Türkiye İstatistik Kurumu (TÜİK), Hazine ve Maliye Bakanlığı ve İŞKUR’un veri tabanlarından derlenmiştir. Değişkenler; Karabük iline ait istihdam, genel bütçe gelirleri, toplam vergi gelirleri, toplam gelir vergisi ve toplam kurumlar vergisinden oluşmaktadır. (EXP) ve ithalat (IMP) değerlerinden oluşmaktadır. Genel bütçe gelirleri, toplam vergi gelirleri, toplam gelir vergisi ve toplam kurumlar vergisi değişkenleri dolar cinsinden logaritmaları alınarak ekonometrik analize tabi tutulmuşlardır.
79 Tablo 1. Modeldeki Değişkenler ve Değişkenlerin Tanımı
Değişken Tanımı
N Karabük İli istihdamı GBG Genel Bütçe Gelirleri TVG Toplam Vergi Gelirleri TGV Toplam Gelir Vergisi TKV Toplam Kurumlar Vergisi
Modelin Var Çözümü ADF Birim-Kök Testi
Tablo 2. ADF Birim-Kök Testi Sonuçları
Değişkenler Sabit Terim Sabit terim ve Trend
DÜZEY N (-1,18642) 0,6827 (-8,39673) 2,907e-010 GBG (-4,22522) 0,0005928 (-4,36493) 0,00243 TVG (-4,3006) 0,0004382 (-4,40639) 0,002081 TGV (-3,76181) 0,003339 (-4,05156) 0,007341 TKV (-3,17479) 0,02152 (-3,25367) 0,07416
Tablo 2’de modele dahil edilmiş olan değişkenler için ADF Birim-Kök Testi sonuçları görülmektedir. ADF Birim- Kök Testinde gecikme uzunluğu 12 olarak seçilmiştir. Yapılan test sonuçlarına göre; N, GBG, TVG, TGV ve TKV değişkenleri düzey seviyesinde durağandır.
Eşbütünleşme Testi
Tablo 3. Eşbütünleşme Test Sonuçları OLS
Model 1: SEK (OLS), kullanılan gözlemler: 2010:01-2019:03 (T = 111) Bağımlı değişken: l_N
Katsayı Ölç. Hata t-oranı p-değeri
const 9,63192 2,04037 4,721 <0,0001 ***
l_GBG −15,5624 5,82286 −2,673 0,0087 ***
l_TVG 15,4976 5,35506 2,894 0,0046 ***
l_TGV −0,151642 0,757614 −0,2002 0,8417
80 Bağımlı değişken ort 5,320318 Bağımlı değişken ö.s. 0,970974
Kalıntı kareleri top 89,26953 Bağlanım ö.h. 0,917696
R-kare 0,139213 Ayarlamalı R-kare 0,106731
F(4, 106) 4,285794 P-değeri(F) 0,002969
Log-olabilirlik −145,4104 Akaike ölçütü 300,8208
Schwarz ölçütü 314,3684 Hannan-Quinn 306,3167
ro 0,532192 Durbin-Watson 0,896414
Sabit Terim Sabit terim ve Trend
Sınama istatistiği p-değeri Sınama istatistiği p-değeri
-1,62624 0,4691 -4,31833 0,002885
Modelde yer alan değişkenler arasında bir eşbütünleşim ilişkisinin test sonuçları Tablo 3’de gösterilmiştir. Yapılan analiz sonucuna göre; değişkenler arasında bir eşbütünleşim ilişkisinin olduğu tespit edilmiştir.
VAR Analizi
VAR sistemi, gecikme derecesi 12
SEK (OLS) tahminleri, gözlemler 2011:01-2019:03 (T = 99) Log-olabilirlik = 479,57183
kovaryans dizey belirleyeni = 4,2662317e-011 AIC = -3,5267
BIC = 4,4684 HQC = -0,2919
Portmanto sınaması: LB(24) = 586,446, sd = 300 [0,0000]
Tablo 4. VAR Analiz Sonuçları Denklem 1: l_N
Katsayı Ölç. Hata t-oranı p-değeri
const −11,2104 17,7466 −0,6317 0,5314 -
l_N_1 0,557356 0,156835 3,554 0,0010 (%99 Güven) (%1 Hata Payı)
l_N_2 0,111609 0,179638 0,6213 0,5381 - l_N_3 −0,0161190 0,182996 −0,08808 0,9303 - l_N_4 0,0733247 0,176984 0,4143 0,6810 - l_N_5 0,147657 0,172813 0,8544 0,3982 - l_N_6 −0,156838 0,157548 −0,9955 0,3258 - l_N_7 0,112473 0,158152 0,7112 0,4813 - l_N_8 0,0894040 0,162299 0,5509 0,5850 - l_N_9 −0,0434136 0,160257 −0,2709 0,7879 - l_N_10 0,0327711 0,167319 0,1959 0,8458 - l_N_11 −0,169987 0,181026 −0,9390 0,3537 - l_N_12 0,0379640 0,156336 0,2428 0,8094 - l_GBG_1 −0,220848 7,45071 −0,02964 0,9765 - l_GBG_2 1,04174 6,97840 0,1493 0,8821 -
81
l_GBG_4 −8,52795 7,29585 −1,169 0,2497 -
l_GBG_5 1,51918 7,95747 0,1909 0,8496 -
l_GBG_6 −16,4736 7,83593 −2,102 0,0422 (%95 Güven) (%5 Hata Payı)
l_GBG_7 11,1307 7,71684 1,442 0,1574 - l_GBG_8 −9,36228 8,25706 −1,134 0,2640 - l_GBG_9 −3,97264 8,18095 −0,4856 0,6300 - l_GBG_10 −6,91326 8,63369 −0,8007 0,4283 - l_GBG_11 5,24023 8,37868 0,6254 0,5354 - l_GBG_12 −4,26901 8,33674 −0,5121 0,6116 - l_TVG_1 −1,16682 7,25341 −0,1609 0,8731 - l_TVG_2 2,30470 6,83291 0,3373 0,7378 -
l_TVG_3 −15,4585 6,68060 −2,314 0,0262 (%95 Güven) (%5 Hata Payı)
l_TVG_4 6,50696 7,39609 0,8798 0,3845 -
l_TVG_5 0,0316868 7,79057 0,004067 0,9968 -
l_TVG_6 16,6468 7,70197 2,161 0,0370 (%95 Güven) (%5 Hata Payı)
l_TVG_7 −12,7382 7,66229 −1,662 0,1047 - l_TVG_8 9,09546 8,14608 1,117 0,2712 - l_TVG_9 1,89864 8,18839 0,2319 0,8179 - l_TVG_10 7,87278 8,55073 0,9207 0,3630 - l_TVG_11 −4,53752 8,21489 −0,5524 0,5839 - l_TVG_12 3,76822 7,70237 0,4892 0,6275 - l_TGV_1 1,66834 1,73292 0,9627 0,3418 - l_TGV_2 −2,70624 2,03863 −1,327 0,1923 - l_TGV_3 −1,00394 2,02735 −0,4952 0,6233 - l_TGV_4 2,05796 1,92428 1,069 0,2916 - l_TGV_5 −0,844226 1,88201 −0,4486 0,6563 - l_TGV_6 −0,554876 1,86197 −0,2980 0,7673 - l_TGV_7 2,04068 1,79774 1,135 0,2634 - l_TGV_8 0,610590 1,78522 0,3420 0,7342 - l_TGV_9 1,32090 1,69392 0,7798 0,4403 - l_TGV_10 −0,0592387 1,79644 −0,03298 0,9739 - l_TGV_11 −1,01736 1,76631 −0,5760 0,5680 - l_TGV_12 0,358044 1,64563 0,2176 0,8289 - l_TKV_1 −0,0145157 0,145922 −0,09948 0,9213 - l_TKV_2 −0,203503 0,182692 −1,114 0,2723 - l_TKV_3 0,177085 0,186083 0,9516 0,3473 - l_TKV_4 0,0374642 0,204255 0,1834 0,8554 - l_TKV_5 −0,309420 0,197011 −1,571 0,1246 - l_TKV_6 0,173972 0,190083 0,9152 0,3658 - l_TKV_7 0,0397292 0,187962 0,2114 0,8337 - l_TKV_8 −0,161453 0,177695 −0,9086 0,3693 - l_TKV_9 0,181280 0,173729 1,043 0,3033 - l_TKV_10 −0,0799324 0,177462 −0,4504 0,6550 - l_TKV_11 0,0278635 0,170164 0,1637 0,8708 - l_TKV_12 −0,0616673 0,146484 −0,4210 0,6761 -
82 Bağımlı değişken ort 5,474185 Bağımlı değişken ö.s. 0,895332
Kalıntı kareleri top 14,07489 Bağlanım ö.h. 0,608598
R-kare 0,820836 Ayarlamalı R-kare 0,537945
F(60, 38) 2,901603 P-değeri(F) 0,000352
ro −0,001475 Durbin-Watson 2,000684
Sıfır sınırlama için F-sınamaları:
l_N tüm gecikmeleri F(12, 38) = 3,3447 [0,0022] l_GBG tüm gecikmeleri F(12, 38) = 1,6703 [0,1132] l_TVG tüm gecikmeleri F(12, 38) = 1,6618 [0,1155] l_TGV tüm gecikmeleri F(12, 38) = 1,2326 [0,2977] l_TKV tüm gecikmeleri F(12, 38) = 0,71216 [0,7302] Tüm değişkenler, gecikme 12F(5, 38) = 0,61369 [0,6900]
Yapılan VAR analiz sonucu Tablo 4’de gösterilmiştir. Analiz sonucuna göre; % 10 hata payı ile (%90 güvenle), N ile GBG arasında kısa dönemde pozitif, uzun dönemde negatif yönlü bir ilişki olduğu tespit edilmiştir. Yine analiz sonucuna göre; % 5 hata payı ile (%95 güvenle) N ile TVG arasında kısa dönemde negatif, uzun dönemde pozitif yönlü bir ilişki olduğu, ortaya çıkmıştır. Yine analiz sonucu N ile TGV ve N ile TKV arasında herhanig bir ilişkinin olmadığı tespit edilmiştir. 2010 ile 2019 yılları arasında aylık verilere dayanılarak yapılan bu analiz sonucunda, Karabük ilinde istihdamla, Genel Bütçe Gelirleri ile Toplam Vergi Gelirleri arasında bir ilişki olduğu, ancak kısa ve uzun döneme göre bu ilişkinin yönünün farklılık gösterdiği sonucuna ulaşılmıştır. Ayrıca analizde, istihdam ile Toplam Gelir Vergisi ve Toplam Kurumlar Vergisi arasında hem kısa dönem hem de uzun dönemde bir ilişkinin olmadığı tespit edilmiştir.
Birim Çembere Göre Var Ters Kökleri
Modelde yer alan değişkenler için birim çembere göre VAR ters kökleri analizi aşağıda yapılmıştır.
Şekil 1. VAR Ters Kökleri Birim Çembere Göre
Şekil 1’de VAR ters köklerinin birim çemberin içinde yer alması ve çemberin dışında bulunmamasından dolayı oluşturulan VAR modeli istikrarlı bir yapı gösterir.
0 0,5 1 1,5
83 Sonuç
Bu çalışma, maliye politikasının içinde yer alan kamu gelirlerinin bir türü olan vergilerin ekonomi üzerindekini etkisini ortaya koymak için yapılmıştır. Bu nedenle çalışma; 2010:01-2019:03 dönemine ait aylık verilerle Karabük ilinde kamu gelirleri ile istihdam arasındaki ilişki analiz edilmiştir. Analiz; Vektör Otoregresyon (VAR) modeli kullanılarak gerçekleştirilmiştir. Çalışmanın amaçları; Karabük İli iş piyasasının genel görünümünü ortaya koymak, ilin kamu gelirleri içindeki payını belirlemek ve il için kamu gelirleri ile istihdam arasındaki ilişkiyi tespit ederek, il için yeni istihdam politikaları üretmek olarak belirlenmiştir. Çalışmada veriler, TÜİK ve İŞKUR başta olmak üzere diğer istatistiki veri bankalarından temin edilmiştir. Çalışmanın çözümü Greatl programında Vektör Otoregresif Modeller (VAR) ile gerçekleştirilmiştir.
Çalışmada, istihdam (N), Genel Bütçe Gelirleri (GBG), Toplam Vergi Gelirleri (TVG), Toplam gelir vergisi (TGV) ve Toplam kurumlar vergisi (TKV) olmak üzere beş tane değişken kullanılmıştır. Bu değişkenlere ait veriler, 2010 yılı temel alınarak 2019 yılına kadar aylık hazırlanmıştır. Analizde en iyi modelin seçilebilmesi için grafik çizimleri ve her bir model için R2 değerlerinin sonuçlarına göre değişkenlerin logaritmaları alınarak çözüm
gerçekleştirilmiştir. Gretl programında mevsimsellikten arındırılan ve logaritmaları alınan değişkenlerin durağanlık testi yapılmış, eşbütünleşme analizi, gecikme uzunluğu testi, VAR çözümü yapılmıştır. Yine modelin birim çembere göre var ters kökleri çözümü gretl programında gerçekleştirilmiştir. Analiz yapılırken Türkiye Cumhuriyet Merkez Bankası, Türkiye İstatistik Kurumu, İŞKUR, Kalkınma Bakanlığı, Hazine ve Maliye Bakanlığı verilerinden faydalanılmıştır. Yapılan bu çalışmada; 2010-2019 yılları arasında Karabük ilinde, istihdam, Genel Bütçe Gelirleri, Toplam Vergi Gelirleri, Toplam gelir vergisi ve Toplam kurumlar vergisi verileri aylık değerler olarak modele dâhil edilmiştir. Yapılan analizde öncelikle hangi ekonometrik modelin kullanılması gerektiği, modelde yer alan değişkenlerin grafikleri ve R2’lerine bakılarak tespit edilmiştir. Model belirlemek için
yapılan analizde logaritmik fonksiyon modelinin en uygun model olduğu ortaya çıkmıştır.
Çalışmada Karabük ili için 2010:01-2019:03 dönemi aylık verileri kullanılarak oluşturulan VAR modeline bağlı olarak aşağıdaki sonuçlar ortaya çıkmıştır.
ADF Birim-Kök Testinde gecikme uzunluğu 12 olarak seçilmiştir. Yapılan test sonuçlarına göre; N, GBG, TVG, TGV ve TKV değişkenleri düzey seviyesinde durağandır.
Değişkenler arasında bir eşbütünleşim ilişkisinin varlığı tespit edilmiştir Gecikme uzunluğu 12 olarak belirlenmiştir.
VAR ters köklerinin birim çemberin içinde yer alması ve çemberin dışında bulunmamasından dolayı oluşturulan VAR modeli istikrarlı bir yapı gösterdiği ortaya çıkmıştır.
% 10 hata payı ile (%90 güvenle), N ile GBG arasında kısa dönemde pozitif, uzun dönemde negatif yönlü bir ilişki olduğu tespit edilmiştir.
% 5 hata payı ile (%95 güvenle) N ile TVG arasında kısa dönemde negatif, uzun dönemde pozitif yönlü bir ilişki olduğu, ortaya çıkmıştır.
N ile TGV ve N ile TKV arasında herhangi bir ilişkinin olmadığı tespit edilmiştir.
2010 ile 2019 yılları arasında aylık verilere dayanılarak yapılan bu analiz sonucunda, Karabük ilinde istihdamla, Genel Bütçe Gelirleri ile Toplam Vergi Gelirleri arasında bir ilişki olduğu, ancak kısa ve uzun döneme göre bu ilişkinin yönünün farklılık gösterdiği sonucuna ulaşılmıştır.
Kaynakça
Roşoiu, I., ( 2015 ), “The impact of the government revenues and expenditures on the economic growth”, Procedia Economics and Finance C: 32, pp. 526 – 533.
Ali, A., Y., v.d., (2018), “The Impact Of Tax Revenues On Economıc Growth: A Tıme Serıes Evıdence From Kenya”, Academic Research International Vol. 9(3) September.
Ojong, C., M., , Anthony, O., Arikpo, O., F., (2016), “The Impact of Tax Revenue on Economic Growth: Evidence from Nigeria”, Journal of Economics and Finance , .Volume 7, Issue 1., pp. 32-38.
84