EKONOMETRİK ANALİZ 4.1- Veri Seti

Bu çalışmada; vergi yükünün doğrudan işsizlik üzerindeki etkileri ve dolaylı olarak da boşanma ve intihar üzerindeki etkileri Türkiye için 1974-2016 verileri kullanılarak analiz edilmiştir. Vergi yükü, toplam vergi gelirlerinin GSYH’ya oranını; işsizlik, 15-64 yaş arası işsiz nüfusun işgücüne oranını; bo-şanma ve intihar ise geçim zorluğundan kaynaklanan verileri ifade etmektedir. Çalışmada kullanılan verilerden vergi yükü; OECD (https://data.oecd.org), işsizlik; Dünya Bankası-WB (https://data.worl-dbank.org) ve TUİK (http://www.tuik.gov.tr), boşanma ve intihar verileri de TUİK (http://www.tuik.

gov.tr/) web adreslerinden temin edilmiş olup Econometric Views 9,0 programı kullanılarak analiz gerçekleştirilmiştir.

4.2- Model

Çalışmada, veri yükünün doğrudan işsizlik üzerindeki ve dolaylı olarak da boşanma ve intihar üzerindeki etkileri aşağıdaki modeller yardımıyla incelenmiştir:

Burada UNP; işsizlik oranını, TB; vergi yükünü, DV; boşanmayı, SC; intiharı, ve beyaz gürültü sü-recine sahip hata terimlerini ifade etmektedir.

4.3- Yöntem

Çalışmada vergi yükünün boşanma ve intihar üzerindeki etkisi işsizlik özelinde 1974-2016 döne-mi vergi yükü, işsizlik, boşanma ve intihar verileri kullanılarak, birim kök, nedensellik ve eşbütün-leşme testleriyle analiz edilmiş, uzun ve kısa dönem tahminleri yapılmıştır. Çalışmada serilerin dura-ğanlığı; ADF, PP ve KPSS testleriyle, değişkenler arasındaki nedensellik ilişkilerinin varlığı; Granger (1969) nedensellik testiyle, seriler arasındaki eşbütünleşme ilişkisinin varlığı Engle-Granger (1987) ve Johansen (1988) yöntemiyle, uzun ve kısa dönem analizleri ise En Küçük Kareler (EKK) ve Vektör Hata Düzeltme yöntemleri ile gerçekleştirilmiştir.

4.4- Birim Kök Testi

Birim kök testleri, bir zaman serisinin durağan (serinin kendi geçmiş değerlerinden etkilenme-mesi) olup olmadığını ve durağan değilse değişkenin durağan olabilmesi için kaç kez farklılaştırılmış olduğunu göstermektedir.¹¹ Durağan olmayan serilerle yapılan analizler sahte regresyon problemi içermekte (sahte regresyon sonucunda elde edilen bulgular yanıltıcı yorumlara sebep olmaktadır) ve analiz sonucunda olması gerekenden daha yüksek t ve R² değerlerine ulaşılmaktadır.¹² Serinin dura-ğan olabilmesi ise ortalaması ile varyansının zaman içinde değişmemesine ve iki dönem arasındaki kovaryansının, hesaplandığı döneme değil de yalnızca iki dönem arasındaki uzaklığa bağlı olmasına dayanmaktadır.¹³ Bu yüzden serilerle ilgili analiz yapılmadan önce bu seriler durağanlaştırılmıştır. Bu çalışmada değişkenlerin durağanlık düzeyleri, Dickey-Fuller (1979) testi kullanılarak analiz edilmiş olup Dickey-Fuller (DF) testi, üç regresyon denklemine dayalı olarak yapılmaktadır ;¹⁴

11 Markéta Arltová, Darina Fedorová, Selection of Unit Root Test on the Basis of Length of the Time Series and Value of AR(1) Parameter, STATISTIKA, 2016. s 49.

12 John Elder, Peter Kennedy, Testing for Unit Roots: What Should Students Be Taught?. Journal Of Economic Education, 2001.

s. 138.

13 Damodar N. Gujarati, Basic Econometrics, Mc Graw Hill, Literatür Yayıncılık, 3rd Edition, İstanbul, 1999. s. 713.

14 Walter Enders, Applied Econometric Time Series, New York: Wiley, 2010. s. 207.

Bu testlerin sonucunda DF istatistikleri, MacKinnon kritik değerleriyle karşılaştırılarak; sıfır hipo-tezi (), alternatif hipoteze karşı () test edilmektedir. Sıfır hipohipo-tezi serinin durağan olmama durumu-nu, yani birim köke sahip olduğudurumu-nu, alternatif hipotez ise serinin durağan olduğunu göstermektedir.

Burada eğer hata terimi içsel bağıntılı yani; otokorelasyonlu ise, denklem (6) şu şekilde yeniden düzenlenmektir ;¹⁵

Burada m gecikme uzunluğunu, Δ fark operatörünü belirtmektedir. Gecikme sayısı içsel bağıntısız modelin elde edilmesine bağlıdır. Bu şekilde yapılan test genişletilmiş Dickey-Fuller (Augmented Dic-key Fuller: ADF) testi olarak bilinmektedir. Serilerin durağanlıkları Augmented DicDic-key-Fuller (ADF), (1981)¹⁶ ve trend içeren serilerde ADF testine göre daha güçlü olan Phillips-Perron (PP) (1988)¹⁷ test-leriyle test edilmiş olup elde edilen sonuçlar Tablo 1’de belirtilmiştir.

Tablo 1: ADF ve PP Birim Kök Test Sonuçları

Değişken ADF Test İstatistiği Prob. PP Test İstatistiği Prob. Kritik Değerler

%1 %5 %10

TB -1.72[0] 0.72 -1.83[1.43] 0.67 -4.19 -3.52 -3.19

∆TB -6.06*[0] 0.00 -6.06*[0.04] 0.00 -3.60 -2.93 -2.60

UNP -2.79[0] 0.20 -3.05[2.72] 0.13 -4.19 -3.52 -3.19

∆UNP -5.31*[0] 0.00 -5.31*[0.69] 0.00 -3.60 -2.93 -2.60

DV -1.98[0] 0.59 -2.04[1.33] 0.56 -4.19 -3.52 -3.19

∆DV -5.74*[0] 0.00 -5.74*[0.26] 0.00 -3.60 -2.93 -2.60

SC -1.49[1] 0.81 -2.73[2.37] 0.22 -4.19 -3.52 -3.19

∆SC -10.14*[0] 0.00 -9.98*[1.12] 0.00 -3.60 -2.93 -2.60

Not: Düzey değerlerinde; sabit terimli ve trendli model, birinci farkında ise; sabit terimli modeller kullanılmış-tır. ADF testinde köşeli parantez içindeki değerler, değişkenlerin Schwarz Bilgi Kriterine (SIC) göre belirlenmiş optimum gecikme uzunluğunu, PP testinde ise, Andrews Bandwidth ölçütü kullanılarak tespit edilmiş band ge-nişliğini gösterirken * ise %1 anlamlılık düzeyinde durağanlığı ifade etmektedir.

Tablo 1’deki sonuçlara bakıldığında serilerin düzey değerinde durağan olmayıp birinci farkı alındı-ğında durağan hale geldiği yani I (1) olduğu görülmektedir. ADF ve PP testlerine ilaveten boş hipotezi bu iki testin tersi ve sağlaması şeklinde olan Kwiatkowski – Phillips – Schmidt - Shin (KPSS) (1992)¹⁸ birim kök testi de yapılmış olup bu test ile elde edilen sonuçlar Tablo 2’de görülmektedir.

15 Walter Enders,a.g.e. s. 209.

16 David A. Dickey ve Wayne A.Fuller Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root. Econometrica, 1981.

17 Peter C. B Phillips ve Pierre Perron, Testing For A Unit Root in Time Series Regression. Biometrika, 1988.

18 Denis Kwiatkowski,; Peter C.B. Phillips; Peter Schmidt ve Yongcheol Shin, Testing The Null Hypothesis of Stationarity Against The Alternative of A Unit Root: How Sure Are We That Economic Time Series Have A Unit Root?. Journal of Econo-metrics,1992.

Tablo 2: KPSS Birim Kök Test Sonuçları

Değişken KPSS Test İstatistiği Kritik Değerler

%1 %5 %10

TB 1.30 [0] 0.21 0.14 0.11

∆TB 0.09* [0] 0.73 0.46 0.34

UNP 0.41 [0] 0.21 0.14 0.11

∆UNP 0.04* [0] 0.73 0.46 0.34

DV 3.39 [0] 0.21 0.14 0.11

∆DV 0.17*[0] 0.73 0.46 0.34

SC 1.48 [1] 0.21 0.14 0.11

∆SC 0.07* [0] 0.73 0.46 0.34

Not: Düzey değerlerinde; sabit terimli ve trendli model, birinci farkında ise; sabit terimli modeller kullanıl-mıştır. Köşeli parantez içindeki değerler, değişkenlerin Schwarz Bilgi Kriterine (SIC) göre belirlenmiş optimum gecikme uzunluğunu, * ise %1 anlamlılık düzeyinde durağanlığı ifade etmektedir.

Tablo 2’deki sonuçlara bakıldığında ADF ve PP testlerinde olduğu gibi serilerin düzey değerinde durağan olmayıp birinci farkı alındığında durağan hale geldiği yani I (1) olduğu görülmektedir.

4.5- Nedensellik Analizi

Çalışmada değişkenler arası nedenselliğin yönünü belirlemek için Granger (1969) nedensellik testi uygulanmıştır. Bu test ile bir tahmin değil nedensellik çıkarsaması yapıldığından seriler önce-den durağanlaştırılmalıdır.¹⁹ Granger nedensellik testi, iki değişken arasındaki nedensellik ilişkisinin varlığını test etmektedir. Bu yüzden, modelde yer alan bağımsız değişkenlerin bağımlı değişkenle olan nedensellik ilişkileri ayrı ayrı incelenmiştir. Bu kapsamda seriler arasındaki nedensellik ilişkileri Granger (1969) yöntemiyle araştırılmış ve sonuçlar Tablo 3’de sunulmuştur.

19 Clive William John Granger, Causality, Cointegration and Control. Journal of Economic Dynamics and Control, 1988. s. 554.

Tablo 3: Granger Nedensellik Test Sonuçları

Hipotez F

İstatistiği

Olasılık Değeri Karar

Vergi Yükü → İşsizlik 16.48 0.00 Vergi yükünden işsizliğe doğru bir nedensellik ilişkisi vardır

İşsizlik → Vergi Yükü 1.26 0.42 İşsizlikten vergi yüküne doğru bir nedensellik ilişkisi yoktur

İşsizlik → Boşanma 4.20 0.04 İşsizlikten boşanmaya doğru bir nedensellik ilişkisi vardır Boşanma → İşsizlik 0.77 0.38 Boşanmadan işsizliğe doğru bir nedensellik ilişkisi yoktur Boşanma → İntihar 8.44 0.00 Boşanmadan intihara doğru bir nedensellik ilişkisi vardır İntihar → Boşanma 0.11 0.94 İntihardan boşanmaya doğru bir nedensellik ilişkisi

yoktur

İşsizlik → İntihar 3.85 0.03 İşsizlikten intihara doğru bir nedensellik ilişkisi vardır İntihar → İşsizlik 3.03 0.06 İntihardan işsizliğe doğru bir nedensellik ilişkisi yoktur

Not: Vergi yükü ile işsizlik arasındaki nedenselliği belirlemede, optimum gecikme uzunluğu; LR, FPE, AIC, SC ve HQ kriterleri baz alınarak 2 olarak belirlenmiştir. İşsizlik ile intihar arasındaki nedenselliği belirlemede, opti-mum gecikme uzunluğu; FPE ve AIC kriterleri baz alınarak 2 olarak belirlenmiştir. Boşanma ile intihar arasındaki nedenselliği belirlemede, optimum gecikme uzunluğu; LR, FPE, AIC, SC ve HQ kriterleri baz alınarak 1 olarak belirlenmiştir. arasındaki nedenselliği belirlemede, işsizlik ile boşanma arasındaki optimum gecikme uzunluğu;

LR, FPE ve SC kriterleri baz alınarak 1 olarak belirlenmiştir.

Tablo 3’deki sonuçlar incelendiğinde; vergi yükünden işsizliğe, işsizlikten boşanma ve intihara ve boşanmadan intihara doğru tek yönlü nedensellik ilişkilerinin var olduğu görülmektedir. Elde edilen bulgular şekil 1 yardımıyla daha kolay izlenebilir.

Şekil 1: Seriler Arasındaki Granger Nedensellik İlişkisi Vergi Yükü

İşsizlik

Boşanma

İntihar

4.6- Eşbütünleşme Analizi

Durağan olmayan zaman serileriyle yapılan regresyon analizlerinin anlamlı olabilmesi ve ger-çek ilişkileri yansıtabilmesi, ancak bu zaman serileri arasında bir eşbütünleşme ilişkisinin varlığıyla mümkün olmaktadır.²⁰ Eğer, seriler arasında bir eşbütünleşme ilişkisi varsa (eşbütünleşme yakla-şımı uzun dönem serilerinde fark almaktan kaynaklanan bilgi kaybını ve çözümsüzlüğü önleyen bir yaklaşımdır), yani seriler uzun dönemde birlikte hareket ediyorsa, düzey değerleriyle yapılacak

ana-20 Ümit Şenesen, G. Günlük Şenesen, Temel Ekonometri, Beşinci Baskı, Literatür Yayıncılık, İstanbul, 2014. s.725.

lizde bir sahte regresyon problemiyle karşılaşılmayacaktır. Ancak, uzun dönemde birlikte hareket eden değişkenlerin, dinamik davranışları denge ilişkisinden bazı sapmalar gösterebilir. Bu, eşbütün-leşmiş değişkenlerin temel bir özelliği olup, kısa dönem dinamiği üzerinde belirleyici bir rol oynar. Bu süreçle ortaya çıkan dinamik model, hata düzeltme modeli olarak adlandırılır. İki değişken arasında uzun dönemli bir ilişkiyi araştırırken, modelde kullanılan tüm değişkenlerin aynı mertebeden tümle-şik olduğunu²¹ varsaymak olan Engle-Granger (1987)²² eşbütünleşme test sonuçları Tablo 4 ve 5’te verilmiştir.

Tablo 4: Engle-Granger Eşbütünleşme Testi (Vergi Yükü- İşsizlik)

Bağımlı Değişken Tau İstatistiği Olasılık Değeri Z İstatistiği Olasılık Değeri Karar

UNP -3.81 0.02** -31.55 0.00* Eşbüt. Var

Not: **; %5 ve *; %1 anlamlılık düzeyini ifade etmektedir.

Tablo 4’te görüldüğü üzere “tau” istatistiğine göre %5, “z” istatistiğine göre ise %1 anlamlılık dü-zeyinde seriler arasında eşbütünleşme ilişkisi vardır. Yani vergi yükü ve işsizlik serileri uzun dönemde birlikte hareket etmektedirler ve bu serilerin düzey değerleriyle yapılacak uzun dönem analizleri, sahte regresyon problemi barındırmayacaktır. Tablo 5’te ise işsizlik ve boşanma serileri için eşbü-tünleşme analiz sonuçları gösterilmiştir. Hesaplanan ADF ve CRDW değerleri Engle-Granger (1987)²³ makalesinde yer alan kritik değerlerden büyük olması analiz edilen değişkenlerin eşbütünleşik ol-duğu anlamına gelmektedir. Yani işsizlik ve boşanma için yapılacak analiz sahte regresyon sorunu içermeyecek ve uzun dönem katsayıları güvenilir olacaktır.

Tablo 5: Engle-Granger Eşbütünleşme Testi (İşsizlik-Boşanma)

Değişken ADF_hes ADF_tab CRDW_hes CRDW_tab Karar

UNP - DV 3.98* 3.77 1.94* 0.51 Eşbüt. Var

Not: *; %1 anlamlılık düzeyini ifade etmektedir.

Engle-Granger eşbütünleşme testi, tek denkleme dayalı ve EKK yöntemi kullanılan bir testtir. Bu yöntem pratik olmasına rağmen bazı eksikliklere sahiptir. Örneğin, iki değişkenli bir sistemde değiş-kenin birine ait eşitlikte eşbütünleşme ilişkisine rastlanırken, diğer değişkene ait eşitlikte böyle bir ilişki görülmeyebilir. Bu durum değişkenler arasındaki ilişkide bir belirsizlik oluşturabilir. Johansen eşbütünleşme testinde ise değişkenler seti arasında var olabilecek tüm farklı eşbütünleşme ilişkile-rinin tahminine yer verildiğinden²⁴ intihar, işsizlik ve boşanma serileri için bu eşbütünleşme testi ya-pılmıştır. Çünkü Engle-Granger (1987) testi iki değişken arasındaki eşbütünleşme ilişkisinin varlığını tespit etmede güçlü iken, Johansen (1988) testi ise ikiden çok değişken arasındaki eşbütünleşmenin

21 Enders, Walter, Applied Econometric Time Series, New York: Wiley, 1995. s. 365.

22 Robert F. Engle, C. W. J Granger, “Co-integration and Error Correction: Representation and Testing”, Econometrica, 1987.

23 Robert F. Engle, C. W. J Granger, a.g.e. s. 269.

24 Recep Tarı, Ekonometri, 12. Baskı, Kocaeli Üniversitesi Vakfı Yayınları, İstanbul. 2016. s. 425.

varlığını araştırmada daha etkilidir. Johansen (1988)²⁵ eş-bütünleşme analizi için; önce seriler ara-sında standart bir VAR tahmini yapılmış ve VAR içinde yer alan gecikme uzunluğu LR, FPE, AIC ve HQ kriterleri kullanılarak, optimum gecikme uzunluğu 2 olarak belirlenmiştir. Tablo 6’da Johansen eşbütünleşme test sonuçları verilmiştir.

Tablo 6: Johansen Eşbütünleşme Test Sonuçları (İntihar-Boşanma-İşsizlik) Hipotezler İz İstatistiği Kritik

Değerler

Olasılık

Değeri Öz İstatistiği Kritik Değerler

Olasılık Değeri

Hiç * 36.65 35.19 0.03* 24.32 22.29 0.02*

En az bir 12.32 20.26 0.41 8.50 15.89 0.48

En az iki 3.81 9.16 0.43 3.81 9.16 0.43

Not: *, %5 anlamlılık düzeyini ifade etmektedir.

Johansen sürecinde eş-bütünleşik vektör sayılarının tahmini, iz (trace) istatistiği ve maksimum özdeğer (max eigenvalue) istatistiği yardımıyla yapılmaktadır. Test sonucunda hesaplanan istatistik-ler, %5 anlamlılık düzeyinde kritik değerlerden büyük olduğundan, seriler arasında eş-bütünleşme ilişkisinin varlığına karar verilmiştir.

4.7- Uzun Dönem Analizi

Eşbütünleşme analiziyle, değişkenlerin birbirleriyle olan ilişkisinde sahte regresyon sorununun olmadığının tespiti yapıldıktan sonra, bu değişkenlerin birbirleri üzerindeki etkilerinin boyutları önem kazanmaktadır. Bu maksatla işsizlik (UNP) bağımlı değişkeni ile vergi yükü (TB) bağımsız değişke-ni, boşanma (DV) bağımlı değişkeni ile işsizlik (UNP) bağımsız değişkeni arasındaki ilişkinin ortaya çıkarılması için uzun dönem tahmini yapılmıştır. Tahmin sürecinde En Küçük Kareler (OLS) yöntemi kullanılmış, böylece olası bir otokorelasyon sorununun önüne geçilmiştir. Çalışmada ele alınan seri-ler arasındaki uzun dönem ilişkisinin sonuçları Tablo 7’de gösterilmiştir.

Tablo 7: Uzun Dönem Analiz Sonuçları

Değişken Katsayı t-istatistiği Değişken Katsayı t-istatistiği

TB 0.03 3.78 UNP 0.17 4.98

C 8.42 10.46 C 8.88 10.98

R²= 0.87 JB=2.06(0.35) DW=1.95 R²= 0.84 JB=3.12(0.20) DW=1.73

R²=0.87 BG=31.25 (0.09) BPG=0.05 (0.81) R ²=0.84 BG=41.11 (0.08) ARCH=23.49 (0.07) Not: Her iki modelde de Jauque-Bera (JB) testinin olasılık değeri 0.05’ten büyük olduğu için modelin hata terimi serisi normal dağılıma sahiptir. Bu durumda elde edilen test istatistikleri güvenilirdir. BG testinin olasılık değeri 0.05’ten büyük olduğu için modelde otokorelasyon sorunu yoktur. BPG ve ARCH Ki-kare testine ait olasılık değeri 0.05’ten büyük olduğu için modelde değişen varyans sorunu yoktur.

25 Johansen, Søren, “Statistical Analysis of Cointegration Vectors,” Journal of Economic Dynamics and Control, 1988.

Uzun dönem katsayılarının tahmininden elde edilen sonuçlar, çalışmada kurulan modelde yerine koyulmuş ve Denklem 8 ve 9 elde edilmiştir.

Bu sonuçlara göre; vergi yükündeki %1’lik artış, işsizlik oranını %0.03 oranında artırırken, işsizlik oranındaki %1’lik artış ise boşanmanın 0.17 birim artışına yol açmaktadır.

4.8- Kısa Dönem Analizi

Hata Düzeltme Modeli kısa dönem analizinde, farkı alınmış seriler ve uzun dönem analizinden elde edilen hata terimi serisinin bir dönem gecikmeli değeri (Error Correction Term: ECT_t-1) kullanıl-makta olup bu çalışmada kullanılan hata düzeltme modeli aşağıdaki şekilde tanımlanmış ve sonuçlar Tablo 8’de gösterilmiştir.

Tablo 8: Kısa Dönem Analiz Sonuçları

Katsayı Olasılık değeri Katsayı Olasılık değeri

∆TB -0.50 0.00* ∆UNP 0.49 0.04**

ECT(-1) -0.44 0.00* ECT(-1) -0.06 0.07***

C 0.24 0.04 C 7.18 0.01

R2 =0.83 SSR= 0.007 JB=4.0(0.13) DW=1.79 R2=0.81 SSR=0.012 JB=0.8(0.66) DW=1.91 Not: *,** ve *** sırasıyla %1, %5 ve %10 anlamlılık düzeylerini ifade etmektedir.

Tablodaki sonuçlara bakıldığında analiz sonuçlarına göre; hata terimleri serisi ECT’nin katsayısı negatif ve istatistiksel olarak anlamlıdır. Bu durum kısa dönem hata düzeltme mekanizmasının ça-lıştığı, yani kısa dönemde ortaya çıkan şok ve sapmaların uzun dönemde dengeye geldiği anlamına gelmektedir. Ayrıca kısa dönem katsayısının negatif ve istatistiksel olarak anlamlı olması, yapılan uzun dönem analizinin güvenilir olduğunu göstermektedir. Yapılan analiz ayrıca katsayıların kararlılı-ğının ardışık hatalarını dikkate alarak inceleyen Cusum testi ve Cusum teste göre daha duyarlı olan ve ardışık hataların karelerini dikkate alarak analiz yapan Cusum-Square testi (Noyan, 2016: 15) ile de desteklenmiş olup bu testler Grafik 5 ve 6’da gösterilmiş olup yapılacak test sonucu katsayıların ka-rarlı olduğuna karar verilirse yapısal değişiklik olmadığı; kaka-rarlı olmadıklarına karar verilirse yapısal değişiklik olduğu ortaya konacaktır.

Grafik 5: Kısa Dönem Model Doğruluğu Kontrol Grafiği (Vergi Yükü – İşsizlik)

Grafik 6: Kısa Dönem Model Doğruluğu Kontrol Grafiği (İşsizlik - Boşanma)

Test sonuçları incelendiğinde Cusum ve Cusum-Square değerlerinin referans çizgilerinin dışına çıkmadığı görülmektedir. Yani, modelin grafiğinin güven aralıkları içinde kaldığı ve sorunsuz bir mo-del olduğu görülmektedir.

İntihar, boşanma ve işsizlik arasındaki eşbütünleşme ilişkisi Johansen eşbütünleşme analizi ile yapıldığı için uzun ve kısa dönem analizleri de VEC (Vector Error Correction) yöntemiyle yapılmış ve uzun dönem katsayılarının tahmininden elde edilen sonuçlar, çalışmada kurulan model 3 de yerine koyulmuş ve Denklem 10 elde edilmiştir.

Bu sonuçlara göre; işsizlik oranındaki %1’lik artış, intiharı 0.09 birim artırırken, boşanmadaki 1 birimlik artış ise intiharın 0.03 birim artışına yol açmaktadır. Kısa dönem katsayısının negatif ve ista-tistiksel olarak anlamlı olması da, yapılan uzun dönem analizinin güvenilir olduğunu göstermektedir.

Kısa dönem model doğruluğu intihar, boşanma ve işsizlik denklemi için de yapılmış olup Cusum ve Cusum-Square test sonuçları Grafik 7’de gösterilmiştir.

Grafik 7: Kısa Dönem Model Doğruluğu Kontrol Grafiği (İşsizlik – Boşanma - İntihar)

Test sonuçları incelendiğinde Cusum ve Cusum-Square değerlerinin referans çizgilerinin dışına çıkmadığı görülmektedir. Yani, modelin grafiğinin güven aralıkları içinde kaldığı ve sorunsuz bir mo-del olduğu görülmektedir.

5- SONUÇ

Çalışmada vergi yükünün işsizlik özelinde boşanma ve intihar olaylarına etkisi pozitif ve anlam-lı bulunmuştur. Vergi yükündeki %1’lik bir artışın, işsizlik oranını %0.03 oranında artırdığı, işsizlik oranındaki %1’lik artışın ise boşanmanın 0.17 birim artışına yol açtığı belirlenmiştir. Ayrıca işsizlik oranındaki %1’lik artışın, intiharı 0.09 birim artırdığı, boşanmadaki 1 birimlik artışın ise intiharın 0.03 birim artışına neden olduğu neticesine varılmıştır. Kısa dönem analizinde ise hata düzeltme teriminin katsayısı negatif ve istatistiki olarak anlamlı bulunmuştur. Bu modelde, hata düzeltme terimi çalış-maktadır. Yani uzun dönemde birlikte hareket eden seriler arasında kısa dönemde meydana gelen sapmalar ortadan kalkmakta ve seriler tekrar uzun dönem denge değerlerine yakınsamaktadır. Bu durum, yapılan uzun dönem analizlerinin güvenilir olduğuna da bir kanıt oluşturmaktadır. Bu bağ-lamda boşanma ve intihar olaylarının nedeni olarak gösterilen işsizlik olaylarının azaltılması için vergi yükünün azaltılması ya da adaletli bir şekilde dağıtılması gerekmektedir. Zira vergi yükünün artması insan yaşamını olumsuz etkilemektedir. Vergi yükü adil bir şekilde dağıtılmadığı için ya da bazı mü-kellefler vergi yükünden kaçamadığı için bunlar üzerlerinde daha fazla vergi baskısı hissedebilmekte-dirler. Mükellefler üzerinde oluşan vergi baskısı vergiden kaçınma olayı ile başlayıp verginin reddine kadar uzanabilmektedir. Vergiden kaçınan mükellefler vergiyi doğuran olaya sebebiyet vermeyebi-lir ya da kanundaki boşluklardan yararlanarak vergi ödemekten kurtulabivermeyebi-lirler. Vergiyi ödemekten kaçamayanlar (yasal bir şekilde bir işverene bağlı olarak çalışanlar) ya da kanundaki boşluklardan yararlanamayanlar üzerlerinde hissetmiş oldukları vergi baskısı nedeniyle işsizlik özelinde boşan-maya veya intihara girişebilmektedirler. Vergi baskısının azaltılması adına verginin tabana ve tavana yayılması gerekmektedir. Ayrıca adil bir ilke çerçevesinde alınması gerekmektedir.

KAYNAKÇA

• Aghazadeh, Elham; Akhoondzadeh, Tahereh ve Babazadeh, Mahmoud (2014). Unemployment And Taxes in Iran: An Empırıcal Study of The Effects of Corporate and Labor Income Tax on Unemployment, Indian Journal of Fundamental and Applied Life Sciences, 4(4), 355-364.

• ARIKAN, A. N. (2009). OECD Ülkeleri Çerçevesinde Türkiye’deki Vergi Yükünün Analizi (III), Vergi Dünyası, Sayı:332, 62-74.

• Arltová, Markéta ve Fedorová, Darina (2016). Selection of Unit Root Test on the Basis of Length of the Time Series and Value of AR(1) Parameter, STATISTIKA, 96(3), 47-64.

• Ayas, Siyret (2016). İşsizlik ve Eğitim Seviyesinin İntihar Üzerindeki Etkisi: TÜİK Verileri Üzerine Ampirik Bir Çalışma, Yönetim Bilimleri Dergisi, 14(28), 101-119.

• Bettendorf, Leon J.H; Horst, Albert van der ve De Mooij, Ruud A. (2007). Corporate Tax Policy and Unemployment in Europe: An Applied General Equilibrium Analysis, Tinbergen Institute Discussion Paper, TI 2007-056/2.

• Blanchard, Olivier ve Wolfers, Justin (2000). The role of Shocks and Institutions in the Rise of European Unemployment: The Aggregate Evidence, The Economic Journal, 110, C1-C33.

• Classen, Timothy J. ve Dunn, Richard A. (2012). The Effect of Job Loss and Unemployment Duration on Suicide Risk in the United States: A New Look Using Mass-Layoffs and Unemploy-ment Duration, Health Econ, 21(3): 338–350.

• Dickey, David A., ve Fuller Wayne A. (1981), Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root. Econometrica, Vol. 49, No. 4., 1057-1072.

• Elder, John ve Kennedy, Peter (2001). Testing for Unit Roots: What Should Students Be Ta-ught?. Journal Of Economic Education, s. 137-146.

• Enders, Walter (1995). Applied Econometric Time Series, New York: Wiley.

• Enders, Walter (2010). Applied Econometric Time Series, New York: Wiley.

• Feldmann, Horst (2011). The Unemployment Puzzle of Corporate Taxation, Bath Economics Research Papers, No. 7/11.

• Granger, Clive William John (1988). Causality, Cointegration and Control. Journal of Economic Dynamics and Control, 12, 551-559.

• Gujarati, Damodar N. (1999). Basic Econometrics, Mc Graw Hill, Literatür Yayıncılık, 3rd Edition,

• Gujarati, Damodar N. (1999). Basic Econometrics, Mc Graw Hill, Literatür Yayıncılık, 3rd Edition,

Belgede YAYIN OKUMA ve DANIŞMA KURULU (sayfa 115-127)