3.2.1. Genelleştirilmiş Momentler Yöntemi:
Genelleştirilmiş Momentler Yöntemi (GMM), panel veri analizi yönteminin dinamik modellerinden biridir. Bağımlı değişkenin gecikmeli değerlerinin bağımsız değişken olarak yer aldığı modeller, dinamik modeller olarak adlandırılmaktadır.
Dinamik modeller genel olarak şu şekilde gösterilmektedir (Hsiao, 2003: 69):
Yit Yi,t-1 t Xit i t it , i=1,…..,, N ve t= 1,….., T Xit, Kx1 boyutundaki bağımsız değişken vektörünü;
ı, Kx1 boyutundaki katsayılar matrisini;
Yi,t1, bağımlı değişken Yit’nin gecikmeli değerini;
i, gözlenemeyen bireysel etkileri;
t, gözlenemeyen zamana özgü etkileri;
it ise yatay kesitler arası ve zamana göre değişen gözlenemeyen değişkenlerin etkisini (hata terimini) göstermektedir. Modelde i ile t‘nin sabit olduğu varsayılmaktadır.
Dinamik modellerde bağımlı değişkenin gecikmeli değeri ile hata teriminin ilişkili olması, EKK tahmincilerinin sapmalı ve tutarsız sonuçlar vermesine neden olmaktadır. Söz konusu sorunları gidermek amacıyla dinamik panel tahminlerinde
GMM yöntemi önerilmiştir (Roodman, 2006). Bu yöntem, uygulama kolaylığı ve tahmin için gerekli olan araç değişkenlere ilişkin, diğer yöntemlere göre daha basit varsayımlara dayanması nedeniyle dinamik modellerin tahminlerinde yaygın bir şekilde kullanılmaktadır (Dökmen, 2012).
GMM yöntemine dayanan tahmin ediciler arasında Arellano ve Bond (1991) tarafından geliştirilen tahminci yaygın bir şekilde kullanılmaktadır. Fark GMM olarak bilinen bu yaklaşım, spesifik etki bileşenlerini gidermek için modeli değişkenlerin birinci farkları çerçevesinde ele almakta ve bağımsız değişkenlerin gecikmeli değerlerini Araç Değişken olarak kullanmaktadır. GMM yöntemine dayalı bir diğer dinamik model tahmincisi ise Arellana ve Bover (1995) tarafından geliştirilen sistem GMM yaklaşımıdır. Bu yaklaşım, fark denklemi ile düzey denklemlerinin birleştirilmesine dayanmaktadır. Blundell ve Bond (1998) ve Blundell vd., (2000) fark GMM’in sonlu örneklemde zayıf bir tahmin gücüne sahip olduğunu ve katsayı tahminlerinin sapmalı olduğunu ortaya koymuş ve sistem GMM’in tahmin gücünün daha yüksek olduğunu saptamışlardır.
3.2.2. Yöntem Seçimi
Panel veri analizi, kesit analizi ile zaman serisi analizini birleştiren bir yöntem olarak farklı birimlerin zamana yayılan verilerini analiz etmekte kullanılmaktadır. Bu özelliğiyle, serbestlik derecesinin artmasını ve çoklu doğrusal bağlantı probleminin azalmasını sağlamaktadır. Ayrıca gözlem sayısının fazla olması, parametre tahminlerinin daha güvenilir olmasını sağlayacaktır. Bu açıdan, 205 firmanın 20 yıla yayılan verileriyle yapılacak analizlerde panel veri analizi yöntemi seçilmiştir.
Panel veri analizi avantajlarının beraberinde zaman serisi özelliklerini ve sorunlarını da getirmektedir. Bu sorunları dolaysız olarak en aza indirebilmek için, panel veri analizi yönteminin statik ve dinamik modelleri araştırılmıştır. Dinamik panel veri analizi yöntemlerinden biri olan Genelleştirilmiş Momentler Yöntemi (Generalized Method of Moments-GMM) ve onun sistem versiyonu, sabit etkileri, dışlanmış değişken yanlılığını ve ters nedenselliği kontrol edebildiği için, ekonomi ve finans araştırmalarında yaygın olarak kullanılmaya başlamıştır (Dökmen, 2012).
Testlerde öncelikle panel verinin statik yöntemleri denenmiştir. Sabit etkiler yöntemi, rassal etkiler yöntemi ve havuzlanmış en küçük kareler (EKK) yöntemleri ile alınan sonuçlar arasında sabit etkiler yöntemi öne çıkmıştır. Sabit etkiler yönteminin
sonuçları, ‘sistem GMM’ yönteminin sonuçlarıyla kıyaslandığında, sonuçların birbirine çok yakın olduğu görülmüş ve daha dolaysız bir yol sunan sistem GMM yöntemi tercih edilmiştir.
Panel regresyon sonuçları yorumlanmadan önce, sistem GMM tahmincilerinin tutarlılığına da bakılmıştır. Bu noktada, üç temel kontrol uygulanmıştır: Bunlar;
modelde kullanılan değişkenlerin bir bütün olarak anlamlı olup olmadığını gösteren Wald testi, modelde kullanılan araç değişkenlerin geçerli olup olmadığını gösteren Sargan ve Hansen testleri, son olarak modelde otokorelasyon sorunu olup olmadığını gösteren Arellano-Bond (AB) testidir. Wald testi sonuçları, her üç aşamada bütün olarak tutarlılığı teyit etmiştir. Her modelin Wald Chi2 ve olasılık değerleri, sonuçlara ait tabloların en altında paylaşılmıştır. Sistem GMM tahmininde kullanılan araç değişkenlerin geçerliliği, her üç modelde de Sargan ve Hansen testleriyle kabul edilmiştir. Her üç modelin AB testleri ise, sistem GMM analizlerinde aranan şekilde, AR(1) sürecinde yüzde bir anlamlılık düzeyinde otokorelasyonun varlığı doğrulanırken AR(2) sürecinde otokorelasyon sorunu olmadığını göstermektedir.
BÖLÜM IV
BULGULAR
4.1. Verilerin Sunumu
Aşağıdaki tabloda bağımlı ve bağımsız değişkenlerin ortalama ve ortalamadan sapma değerleri verilmiştir. Kaldıraç oranlarının ortalaması %22’dir; direkt borçlanma piyasalarına erişimi son derece kısıtlı olan Türkiye’deki halka açık firmaların, bu nedenle düşük borçluluk oranları olduğu söylenebilir (i.e. Borç Para Arzı Yaklaşımı).
Maddi duran varlıkların toplam varlıklardaki payı yüksektir; %80 oranında imalat sektöründeki firmalardan oluşan örneklemde, maddi duran varlıkların toplam varlıklardaki payının yüksek olması şaşırtıcı değildir.
Tablo 2. Değişkenlerin İstatiksel Betimleyici Değerleri
Değişken Adı Ortalama
Orta
Nokta Std. Sap.
%25’lik Dilim
%75’lik Dilim
%99’luk Dilim
Kaldıraç 22,5 16,90 32,38 3,57 32,90 89,30
∆Kaldıraç 0,01 0 15,61 3,56 4,15 34,21
Finansal Açık 27,53 17,36 15,08 -3,70 8,57 43,43
Faaliyet Karlılığı 14,66 12,02 21,69 5,85 21,54 60,55
Firma Büyüklüğü 11,92 11,89 1,83 10,66 12,96 16,39
P/D 1,14 0,72 1,55 0,42 1,26 8,67
Maddi Duran V. 33,96 33,34 19,79 18,54 48,06 81,25
Endüstri Medyanı 19,57 17,82 13,85 9,10 28,43 61,23
Tablo 6.1’de bağımlı ve bağımsız değişkenlerin ortalama ve ortalamadan sapma değerleri verilmiştir.
Firma Büyüklüğü dışındaki tüm bağımsız değişkenler yüzde değerlerdir ve toplam varlıkların defter değeri ile ölçeklendirilmiştir. Firma Büyüklüğü, toplam varlıkların doğal logaritmasıdır. ∆Kaldıraç, cari yıldaki kaldıraç oranı ile bir önceki yıl kaldıraç oranı arasındaki farktır. En düşük ve en yüksek çeyrek dilimler ile en yüksek yüzde birlik dilimin ortalamaları da son üç sütunda yer almaktadır.
Tablo 6.2 Korelasyon tablosunda, değişkenlerin korelasyonları verilmiştir. Finansal açığın hem kaldıraç oranı hem kaldıraçtaki değişim oranıyla pozitif ve yüksek korelasyona sahip olduğu görülmektedir, kaldıraçtaki değişim oranı ile Finansman Hiyerarşisinde beklenen şekilde daha yüksek bir korelasyonu vardır. Kaldıraç oranları ile ilgili değişkenlerin kendi aralarındaki korelasyonu bir kenara bırakıldığında, en yüksek negatif korelasyonu Faaliyet Karlılığı ile ∆Kaldıraç oranı arasındadır. Bu ilişki Finansman Hiyerarşisi Kuramının tahminlerine uygundur.
Tablo 3. Korelasyon Matrisi
Kaldıraç ∆Kaldıraç Finansal Açık Faaliyet Karlılığı Firma Büyüklüğü P / D Maddi Duran V. Endüstri Medyanı
Kaldıraç 1,00
∆Kaldıraç 0,44 1,00
Finansal Açık
0,15 0,29 1,00
Faaliyet Karlılığı
-0,03 -0,14 -0,26 1,00
Firma Büyüklüğü
0,06 0,03 -0,07 0,17 1,00
P / D 0,12 -0,08 0,03 0,22 -0,15 1,00
Maddi Duran
0,08 0,03 0,06 -0,05 -0,01 0,01 1,00
Endüstri Medyanı
0,37 0,08 0,11 -0,20 0,03 -0,13 0,06 1,00
4.2. Analiz Sonuçları