Türkiye’de Sebze Üretiminin Regresyon Analizi İle Modellenmesi ve İleriye
Yönelik Üretim Tahmini
Şenol Çelik
Ankara Üniversitesi Fen Bilimleri Enstitüsü Zootekni ABD, Ankara
e-mail:senolcelik95@mynet.comÖzet: Regresyon analizi, biyoloji, sağlık, eğitim, tarım ve ormancılık gibi temel uygulamalı bilim dallarında
özellikle çeşitli değişkenleri esas alacak şekilde tahminlerin yapılmasında çok yaygın bir biçimde kullanılmaktadır. Doğrusal ve doğrusal olmayan regresyon analizinin sebze üretiminde kullanımı açıklanmıştır. Bu çalışmada, regresyon analizi ile 7 sebze çeşidi üzerinde uygulama yapılmıştır. Regresyon analizi hakkında genel bilgiler verilmiş; lineer, karesel ve üstel regresyon modelleri incelenmiştir. (1988-2011) dönemini kapsayan 24 yıllık seri için en uygun tahmin modeli tespit edilmiştir. Çalışma sonunda istatistiksel olarak önemli olduğu belirtilen regresyon modellerine göre, domates üretimi y5148019, 054 253821,106 x lineer regresyon modeliyle, fasulye üretimi y393405, 060e0,018x üstel regresyon modeliyle, soğan üretimi
2 3
860485, 492 292728, 913 20590, 803 431, 742
y x x x kübik regresyon modeliyle, hıyar üretimi
2
589030,830 114479,639 2794,141
y x x , karpuz üretimi y2996124,417+130426,824 x4156,319 x2, pırasa üretimi y323776, 740 122, 815 x2 ve patlıcan üretimi y626957, 546 37643, 460 x1241,128x2 şeklindeki karesel regresyon modelleriyle ifade edilmiştir. Yapılan analizle (2012 – 2015) yılları arasındaki üretim tahmini saptanmıştır.
Anahtar kelimeler: Regresyon analizi, belirlilik katsayısı, lineer ve lineer olmayan regresyon, tahmin, sebze
üretimi.
The Modellıng By Analysıs Of Regressıon Productıon Of Vegetables In Turkey And Productıon’s Forecast Devoted To Forward
Abstract: Regression analysis is used extensively to obtain estimates including various variables on basic
applied science disciplines such as biology, health, education agriculture and forestry. Application of linear and nonlinear regression methods in vegetables production was studied. In this study, analysis of regression was applied on the 7 vegetables kinds. General information about analysis of regression has been given, linear, quadratic and exponential models are explained. The most convenient forecast model is determined for the series including 24 years period between 1988 and 2011. At the end of the study vegetables production age equations was produced depending on regression models which were statistically significant. Tomatoes production
5148019, 054 253821,106
y x linear regression models, bean production y393405, 060e0,018x exponential regression model, onion production y860485, 492 292728, 913 x20590, 803x2431, 742x3 cubic
regression model, cucumber productiony589030,830 114479,639 x2794,141x2, melon production 2
2996124,417+130426,824 4156,319
y x x , leek production y323776, 740 122,815 x2 and eggplant production y626957, 546 37643, 460 x1241,128x2 by quadratic regression models are described. With the
analysis, 7 vegetables production are forecasted between (2012 – 2015).
Key words: Analysis of regression, determination coefficient, linear and nonlinear regression, forecast,
vegetables production. Giriş
FAO (Gıda ve Tarım Organizasyonu) istatistikleri 2009 yılı verilerine göre 26.733.000 ton sebze üretimi gerçekleştiren Türkiye; Çin, Hindistan ve ABD’den sonra dünyanın en çok sebze üreten dördüncü ülkesidir (FAO, 2010). Türkiye’nin gerçekleştirdiği bu üretim, dünya sebze üretiminin % 3’üne yakın bir orana
karşılık gelmektedir. Sebze tarımı birim alanda yarattığı yüksek verim ve sağladığı net gelir nedeniyle, her geçen gün daha fazla dikkat çekmekte; geleneksel sebze üreticilerine ek olarak, tarım alanında faaliyet gösteren diğer üreticilerin ve hatta sanayi, inşaat, turizm, ulaşım gibi tamamen başka sektörlerde iş yapan
kişilerin ve şirketlerin ilgi odağı haline gelmektedir (Abak ve ark., 2009).
Türkiye’de en çok üretimi yapılan sebze türlerinin dünya sıralaması dikkate alındığında, 2010 yılı FAO istatistiklerine göre ülkemiz dünyada pırasa üretiminde 2’nci, karpuz, fasulye ve hıyar üretiminde 3’üncü, patlıcan ve domates üretiminde 5’nci ve soğan üretiminde ise 6’ncı sırada yer almaktadır (FAO, 2010).
Sebze üretiminin bölgeler itibarıyla yığınlaşmasına bakıldığında pırasa üretimi en çok Mersin, Bursa, İzmir, Samsun ve Balıkesir, karpuz üretimi en çok Adana, Antalya, İzmir, Diyarbakır ve Ankara, fasulye üretimi en çok Samsun, Bursa, Antalya, Tokat ve Muğla, hıyar üretimi en çok Antalya, İzmir, Mersin, Hatay ve Samsun illerinde, patlıcan üretimi en çok Antalya, Hatay, Samsun, Mersin ve Muğla, domates üretimi en çok Antalya, Mersin, Muğla, Tokat ve Samsun, soğan üretimi ise en çok Ankara, Amasya, Adana, Hatay ve Eskişehir illerinde gerçekleşmiştir (TUİK, 2010).
Sebze ihracatımız da giderek yükselmektedir. Sebze ihracatı gelirleri 2009 yılından itibaren 1 milyar $’ı aşmıştır. 2011 yılında sebze ihracatı geliri 1.070.804.000 $ olarak gerçekleşmiştir (T.C. Ekonomi Bakanlığı 2012). Tarım, ormancılık ve balıkçılık ürünleri ihracat geliri ise 4.223.212.219 $’dır (TÜİK 2011). Sebze ihracatı gelirinin toplam tarım, orman ve balıkçılık ürünleri ihracat geliri içerisindeki payı % 25 olmuştur.
Dünya sıralaması açısından önemli bulunan bazı sebzelerin üretimlerinde önemli artışlar meydana gelmiştir. 1988-2011 yılları arasındaki üretim değerleri incelendiğinde son 23 yıllık dönemde domates üretiminde % 109.6, hıyarda % 118.6, karpuzda % 17.1, fasulyede % 50, soğanda % 59.2 ve patlıcan üretiminde % 12.6’lık bir artış meydana gelmiştir.
Sebzelerin sınıflandırılması yapıldığında soğan ve pırasa, soğan ve sürgünleri yenen sebze sınıfına, domates, patlıcan, hıyar, fasulye ve karpuz ise meyveleri yenen sebze sınıfına girmektedir (Ağaoğlu ve ark. 1997).
Çalışmanın amacı, dünya sıralaması bakımından ülkemizde en çok üretimi yapılan pırasa, karpuz, fasulye, hıyar, patlıcan, domates
Materyal ve Yöntem
Bu çalışmada kullanılan veriler Türkiye İstatistik Kurumu’ (TÜİK) nun internet adresinde yer alan Bitkisel Üretim İstatistikleri İstatistiksel tablolar kısmındaki “Sebzeler” alt bölümünde yer alan verilerdir.
Her bir sebze türü için 1988-2011 yılları arasındaki dönem için ayrı ayrı regresyon analizi yapılmıştır. Bu analiz yapılırken doğrusal ve doğrusal olmayan regresyon modelleri de denenmiş olup bunların arasından parametre tahminleri anlamlı bulunan, belirlilik katsayısı en yüksek olan model en uygun model olarak seçilmiştir.
Regresyon ve Korelasyon Analizi: İstatistik
biliminin temel uğraşı, bir değişkendeki değişimin bir model ile tahmin edilmesi ilişkin yöntem ve metotların geliştirilmesidir (Draper ve Smith, 1966). İstatistikte bu yöntemlerden, iki veya daha fazla değişken arasındaki istatistiksel ilişkinin matematiksel fonksiyon yapısının elde edilmesinde, Regresyon Analizi öne çıkmaktadır (Kalıpsız, 1981). Regresyon analizi, bir bağımlı değişken ile bir (basit regresyon analizi) ya da bir den çok bağımsız değişken (çoğul regresyon analizi) arasında istatistiksel ilişki regresyon denklemleri adı verilen matematiksel fonksiyonları üretir. Korelasyon katsayısı, bir kitleye veya örnekleme ait X ve Y ile gösterilen iki özelliği arasındaki ilişkinin derecesini, yönünü ve istatistik açıdan önemli olup olmadığını korelasyon katsayısı yardımıyla kararlaştırılır (Güneş ve Arıkan, 1988). Belirlilik (Determinasyon) katsayısı, bağımlı değişkendeki değişimin yüzde kaçının bağımsız değişken tarafından açıklanabildiğini belirtir (Alpar, 1997). Çalışmada sebze tarımındaki üretimi belirleyen modellerden lineer, karesel ve üstel regresyon modelleri incelenmiştir.
Basit doğrusal (lineer) regresyon analizi, y bağımlı değişken ile bağımsız değişken x arasındaki ilişkinin doğrusal fonksiyonla ifade edilmesidir ve
y a bx
şeklinde yazılır (Orhunbilge, 1996).
Regresyon doğrusunda, eğer doğrusallıktan ayrılış önemli ise iki değişken arasındaki ilişki
üzerinde yapılır ve bir regresyon modeli için
ların sıfır ortalamalı, sabit varyanslı ve standart normal dağılıma sahip olduğu varsayılır (Akdi, 2010). Hata terimleri kendi arasında ilişkili ise Durbin-Watson istatistiği test edilir ve2 1 2 2 1 ( t ) t t t n et e d n e
şeklinde hesaplanır (Bhargava et al, 1982). Bu değer 0 ile 4 arasında bir değerdir. Eğer Durbin-Watson istatistik değeri 1,5 ile 2,5 arasında veya 2’ye yakın bir değer alıyorsa seride önemli bir otokorelasyon yoktur (Kadılar, 2009). Doğrusal denklemiyle yapılacak tahminlerin standart hatası ise 2 ( ) ˆ 2 y y S yx n
formülleriyle hesaplanır (Orhunbilge, 1996). Karesel (Kuadratik) regresyon modeli,
2
1 2
y a b x b x
şeklinde yazılır (Cue, 2003). Burada regresyon katsayıları,
1
( )
b X X X Y
formülünden hesaplanır (Kadılar, 2009). Üstel regresyon modeli
ebx
y a
eşitliği ile ifade edilir. Eşitliğin her iki tarafının da logaritması alınırsa,
ln( ) lny a bx
şeklindeki regresyon denklemi elde edilir.
Bulgular
Çalışmada ele alınan bitkilerden domates, hıyar, patlıcan, karpuz, fasulye, pırasa ve soğan için ayrı ayrı olarak lineer ve lineer olmayan regresyon modelleri denenmiştir. Uygulanan regresyon modellerinde parametre tahminleri anlamlı bulunan, belirlilik katsayısı en yüksek veya hata terimleri standart hata değerleri en küçük olan modeller en uygun model olarak kabul edilmiştir. Oluşturulan bu modellere göre gelecek dönemler için üretim tahminleri bulunulmuştur. Burada bağımlı değişken üretim miktarı (ton), bağımsız değişken yıl seçilmiştir.
Regresyon modelleri tahmin edilirken parametre tahminleri anlamlı bulunan ve belirlilik katsayısı değerleri (R ) değerleri en2
yüksek model dikkate alınmıştır (Albayrak, 2006).
Buna göre parametre tahminleri anlamlı bulunan ve 2
R değeri en yüksek olan modeller Çizelge 1’de verilmiştir.
Her bir ürün için uygun bulunan regresyon modellerine göre gelecek döneme ait tahmin yapılmıştır ve elde edilen sonuçlar Çizelge 2’de sunulmuştur.
Çizelge 1
. Sebze türlerine göre regresyon analizi
Sebze r R2 Regresyon modeli Regresyon denklemi Önem düzeyi
Domates 0,968 0,937 Lineer y5148019, 054 253821,106 x p<0.05 Hıyar 0,972 0,944 Karesel y589030,830 114479,639 x2794,141x2 p<0.05 Karpuz 0,794 0,631 Karesel y2996124,417+130426,824 x4156,319 x2 p<0.05 Fasulye 0,955 0,912 Üstel y393405, 060e0,018x p<0.05 Soğan 0,748 0,559 Kübik y860485, 492 292728, 913 x20590,803x2431, 742x3 p<0.05 Pırasa 0,817 0,668 Karesel y323776, 740 122, 815 x2 p<0.05 Patlıcan 0,869 0,756 Karesel y626957, 546 37643, 460 x1241,128x2 p<0.05
Çizelge 2
. 2015 yılına kadar olması beklenen üretim tahmini (ton)
Yıllar Domates Hıyar Karpuz Fasulye Soğan Pırasa Patlıcan
2012 11.493.547 1.704.684 3.659.095 617.558 2.051.213 247.017 792.339 2013 11.747.367 1.676.662 3.577.550 628.798 2.135.614 240.754 766.685 2014 12.001.189 1.643.053 3.487.692 640.243 2.246.143 234.245 738.548 2015 12.255.010 1.603.855 3.389.521 651.896 2.385.388 227.490 707.930 Tartışma ve Sonuç
Yapılan bu araştırmada, dünya sıralaması baz alındığında Türkiye’de en çok üretilen sebzelerin 1988-2011 yılları arasındaki üretim değerleri incelendiğinde domates ve hıyar üretimi 2011 yılında 1988 yılına göre yaklaşık 2 katına çıkmıştır.
En uygun regresyon modelleri olarak domates için lineer regresyon, fasulye için üstel regresyon, hıyar, karpuz, pırasa ve patlıcan ürünleri için karesel regresyon ve soğan için kübik regresyon modeli tahmin edilmiştir. Bu sonuçlara göre çoğu sebze türlerinin tahmininde karesel regresyon modeli elde edilmektedir. Çizelge 1’de araştırmada incelenen 7 sebze için oluşturulan regresyon modelleri sunulmuştur.
2012-2015 yılları arasını kapsayan dönemde domates üretiminin artacağı yani 11.493.547-12.255.010 arasında, hıyar
üretiminin son yıllardaki üretim değerlerine yakın olacağı yani 1.603.855-1.704.684 arasında, karpuz üretiminin de son yıllardaki üretim değerlerine yakın olacağı yani 3.389.521-3.659.095 arasında, fasulye üretiminin de son yıllardaki üretim değerlerine yakın olacağı yani 617.558-651.896 arasında, soğan üretiminde artış olacağı yani 2.051.213-2.385.388 arasında, pırasa üretiminin son yıllardaki üretim değerlerine yakın olacağı yani 230.367-255.013 arasında, patlıcan üretiminde biraz düşüş olabileceği yani 707.930-792.339 arasında olacağı tahmin edilmektedir.
Söz konusu ürünlerin üretim miktarı bakımından ülkemizin dünya sıralamasındaki yerini koruması açısından üretimin arttırılması sağlanmalıdır. Bu durum ülkemizin tarım ülkesi olma özelliğini koruyacaktır.
Kaynaklar
Abak K., Düzyaman E., Şeniz V., Gülen H., Pekşen A., Çağlar Kaymak H. 2010. Ziraat Mühendisliği VII. Teknik Kongresi, Bildiriler Kitabı-I, 11-15 Ocak 2010, Ankara.
Ağaoğlu S., Çelik H., Çelik M., Fidan Y., Gülşen Y., Günay A., Halloran N., Köksal İ., Yanmaz R. 1997. Genel Bahçe Bitkileri. Ankara Üniversitesi Ziraat Fakültesi Yayınları. Yayın no:1579
Akdi Y. (2010). Zaman Serileri Analizi (Birim Kökler ve Kointegrasyon), Gazi Kitabevi, Ankara, 3-15 Albayrak A. S. 2006. Uygulamalı Çok Değişkenli İstatistik Teknikleri, Birinci Baskı, Ankara, 305-306. Alpar, R. 1997. Uygulamalı Çok Değişkenli İstatistiksel Yöntemlere Giriş-1, Nobel Yayınevi, Ankara, 173. Bhargava, A., Franzini, L., Narendranathan, W. (1982): "Serial Correlation and the Fixed Effects Model".
Review of Economic Studies, 49, p. 533–549
Cue, R.I. (2003). Department of Animal Science, McGill University, Ste-Anne-de-Bellevue, Quebec,
Canada. http://animsci.agrenv.mcgill.ca/servers/anbreed/statisticsII/curves/index.html Erişim:Mart 2012
Dallal G. E. 1999. The Little Handbook of Statistical Practice. Jean Mayer USDA Human Nutrition Research Center on Aging at Tufts University.
Draper, N. R., Smith, H. 1966. Applied Regressin Analysis, John Wiley and Sons Inc., New York.
Güneş T., Arıkan R. 1988. Tarım Ekonomisi İstatistiği. Ankara Üniversitesi Ziraat Fakültesi Yayınları: 1049, 303-306.
FAO, 2010. www.faostat.fao.org Erişim: Mart 2012 FAO Statistical Yearbook (2010).
Kadılar C. (2009). SPSS Uygulamalı Zaman Serileri Analizine Giriş, Bizim Büro Basımevi, Ankara, 101,102.
TUİK, Bitkisel Üretim İstatistikleri İstatistiksel Tablolar 2010. www.tuik.gov.tr/bitkiselapp/bitkisel.zul
Erişim: Mart 2012
Türkiye Cumhuriyeti Ekonomi Bakanlığı Dış Ticaret Verileri - Ocak 2012 http://www.ekonomi.gov.tr Erişim: Mart 2012
