İsmail KAVAZ1 Fatih Cemil ÖZBUĞDAY2 ENERJİDE DIŞA BAĞIMLILIK VE ENERJİ VERİMLİLİĞİ ARASINDAKİ NEDENSELLİK İLİŞKİSİ: TÜRKİYE ÖRNEĞİ
Özet
Bu çalışmada Türkiye için 1971 ile 2009 arasındaki yıllık veriler kullanılarak enerjide dışa bağımlılık ile enerji verimliliği arasındaki nedensellik ilişkisi araştırılmıştır. Bu ilişkiyi test ederken Düzeltilmiş Dickey-Fuller Birim Kök Testi, Johansen Eşbütünleşme Testi ve Hata Düzeltme Modeline Dayalı Granger Nedensellik Testi gibi bir takım ekonometrik yöntemler kullanılmıştır.
Bu testlerden elde edilen ampirik sonuçlara göre enerji üretiminde kendi kendine yeterli olma ile enerji verimliliği arasında; kendi kendine yeterli olmadan enerji verimliliğine doğru tek yönlü bir nedensellik ilişkisinin olduğu söylenebilmektedir.
Sonuç olarak Türkiye için 1971 ile 2009 yılları arasında enerji üretiminde dışa bağımlılık azaldıkça enerji kullanımındaki verimlilik azalmaktadır.
Anahtar Kelimeler: Enerji Verimliliği, Dışa Bağımlılık, Eşbütünleşme, Nedensellik, Hata Düzeltme Modeli
CAUSALITY RELATIONSHIP BETWEEN SELF-SUFFICIENCY AND ENERGY EFFICIENCY: THE CASE OF TURKEY
Abstract
In this study, the causal relationships between self-sufficiency and energy efficiency in Turkey are analysed, using yearly data from 1971 to 2009. In order to examine these relationships a number of econometric methods are applied, such as the Augmented Dickey-Fuller Unit Root Test, Johansen Cointegration Test and Granger Causality test based on the Error Correction Model.
The empirical findings from these tests show that there is unidirectional causality from self-sufficiency to energy efficiency. As a result energy efficiency decreases as long as foreign dependency in energy generation reduces for Turkey between 1971 and 2009.
1 Arş. Gör., Yıldırım Beyazıt Üniversitesi, SBF., İktisat ABD., i_kavaz@hotmail.com
2 Yrd. Doç. Dr., Yıldırım Beyazıt Üniversitesi, SBF, İktisat Bölümü, fcbugday@gmail.com
Key words: Energy Efficiency, Self-Sufficiency, Cointegration, Causality, Error Correction Model
1. GİRİŞ
Artan enerji ihtiyacı ve kaynakların kıt olması dünya ülkelerini sürdürülebilir enerji alanında araştırma yapmaya kanalize etmiştir. Bu nedenle enerji verimliliği hususu da giderek kişilerin ve ülkelerin gündemlerinde önemli bir yer işgal etmeye başlamıştır. Bir politika hedefi olarak enerji verimliliğinin önemi; ticari, endüstriyel rekabet ve enerji güvenliği gibi konularla alakalı olmakla beraber karbon salınımını azaltmak gibi çevresel faydaları arttırma hususu ile de bire bir ilişki içerisindedir. Diğer bir ifade ile enerji verimliliğinin arttırılması kaynakların daha az ve etkin bir şekilde kullanılmasına, enerjide arz güvenliğinin oluşturulmasına, malların ve hizmetlerin daha tasarruflu ve az maliyetli bir şekilde üretilmesine ve daha az enerji kullanımı sebebiyle çevreye verilen zararın azalmasına sebep olmaktadır.
Genel olarak enerji verimliliği daha az enerji kullanarak aynı miktarda enerji hizmeti veya faydalı bir çıktı üretme anlamında kullanılmaktadır. Buradan hareketle enerji verimliliği en basit haliyle üretim sonucu elde edilen çıktı miktarının üretim sürecinde kullanılan enerji miktarına bölünmesi ile bulunabilir. Yani bir ton ürün elde edebilmek için kullanılacak olan enerji miktarının hesaplanması yolu ile enerjinin verimli olarak kullanılıp kullanılmadığı söylenebilmektedir (Patterson, 1996:377). Burada dikkat edilmesi gereken husus elde edilen çıktı ile enerji girdisini tam anlamı ile tanımlama gerekliliğidir.
Ülkelerin enerji verimliliği hesaplamaları ise genelde enerji yoğunluğu veya enerji üretkenliği ile tahmin edilmektedir. Burada kullanılan formül ise genel olarak enerji kullanımı ile gayri safi yurtiçi hâsıla (GSYİH) arasındaki oranlamadır. Bununla birlikte enerji yoğunluğu ve enerji üretkenliği gibi göstergeler de enerji verimliliğini tahmin etmede yeterince iyi değillerdir. Çünkü bu iki göstergedeki değişimlerin ekonominin genel yapısı, üretim seviyesi, iklim ve teknolojide meydana gelen değişimler gibi çeşitli faktörlerden bağımsız olduğu söylenemez. Bu nedenle bir ülkenin enerji yoğunluğundaki bir azalış veya enerji üretkenliğindeki bir artış kesin olarak o ülkedeki enerji kullanımında verimliliğin artacağı anlamına gelmemektedir.
Enerji verimliliğini ölçme noktasında karşılaşılan sorunlar ekonomistleri farklı yaklaşımlar bulmaya itmiştir. Bossayni (1979) ve Myers & Nakamura (1978) tarafından önerilen ve İndeks Ayrıştırma Analizi (Index Decomposition Analysis) olarak bilinen yaklaşım bunlardan biridir. Bu analizde çeşitli endekslerden faydalanılarak enerji yoğunluğu değişimi, ekonominin yapısındaki değişimler ve bu değişimlerin enerji verimliliğindeki değişimi nasıl etkilediği gözlemlenmeye çalışılmaktadır. Buna ilave olarak ayrıştırma yöntemini kullanan bazı çalışmalar zamanla oluşan değişimlerin belirleyicilerini ve bölgeler çapında enerji yoğunluğunu tanımlayarak ekonometrik yöntem kullanan yaklaşımlara katkıda bulunmuşlardır. Örneğin, Metcalf (2008) ABD’deki toplam enerji yoğunluğunu 1970 ve 2001 yılları için ayrıştırmış ve yoğunluk, verimlilik ve aktivite endekslerinde meydana gelen değişimlerin belirleyicilerini ekonometrik olarak tanımlamaya çalışmıştır.
Farrell (1957) tarafından tanımlanan bir diğer yaklaşım üretim etkinliği kavramına bağlı olarak kullanılan üretim, maliyet ve girdi talebi fonksiyonlarını hesaplamada kullanılmaktadır.
Ekonomik yaklaşıma göre etkin ve verimli bir şekilde enerji hizmeti üretmek; yani uygun girdi kombinasyonlarını seçerek üretim maliyetlerini minimize etmek oldukça önemlidir. Enerji
hizmeti üretmek adına enerji tüketimindeki bir azalma, girdi kullanımındaki verimlilik seviyesinden, enerji tasarrufu teknolojisinin sağlanmasından veya her iki süreçten birden kaynaklanabilir. Bu yaklaşımın teorik açıklaması Huntington (1994) tarafından yapılmış olup Evans vd. (2013) ise bu teoriyi geliştirmişlerdir. Bu çalışmalar sınır analizi metodu kullanmışlardır. Bu yaklaşımı kullanan araştırmacılar enerji verimliliği seviyesini analiz etmek için enerjiyi üretim fonksiyonunda bir girdi olarak kullanıp analizi teorik altyapıya dayandırmanın önemli olduğunu vurgulamışlardır. Bu yaklaşımın teorik dayanağa sahip olmasından ötürü enerji verimliliğinin ekonomik analizinde daha uygun bir yöntem olabileceği belirtilmiştir.
Diğer taraftan enerji verimliliği üzerine ampirik olmayan bir çok çalışma yapılmıştır. Bu çalışmalar daha çok enerji verimliliği konusundaki düzenlemeler, hukuki boyutlar, kullanılan politikalar ve alınabilecek tedbirler gibi konulara yoğunlaşmıştır. Örneğin Herring (2006) enerji kullanımındaki verimliliği arttırma sonucu ulusal enerji tüketiminin azalacağı ve böylece karbon emisyonunu azaltma noktasında etkili bir politika oluşturulabileceği görüşüne karşı çıkmaktadır.
Yazara göre enerji verimliliğini arttırma enerjinin örtülü (zımni) fiyatını düşürerek daha ekonomik bir kullanıma olanak sağlayacaktır ve böylece geri sıçrama etkisi (rebound effect) denilen etki; yani etkinliğin artması sonucu maliyetlerin düşmesi ile ortaya çıkan tüketim artışı sayesinde daha fazla enerji kullanımı ortaya çıkacaktır. Sonuç olarak yazar, enerji tüketimini kısıtlamak için gerekli olan şeyin enerji verimliliğinden çok enerji tasarrufu olduğu görüşünü savunmaktadır. Greening vd. (2009) de enerji verimliliği noktasındaki gelişmelerin enerji tüketimini azaltmayacağını hatta arttırabileceğini söylemişlerdir. Yazarlar teknoloji politikalarının karbon emisyonunu ve enerji kullanımını azaltıcı bir etkisinin olmasına rağmen enerjiyi verimli bir şekilde tüketmedeki kazanımların enerji hizmetlerinin birim fiyatlarında etkin bir düşüşe yol açacağını ve bunun sonucu olarak da enerji tüketiminin artacağını belirtmişlerdir.
Patterson (1996) yaptığı çalışmada özellikle politika düzeyinde kullanılan çeşitli enerji verimliliği göstergelerini ele almış ve bu göstergeleri termodinamik, fiziksel-termodinamik, ekonomik termodinamik ve ekonomik olarak dört ana gurupta toplamıştır. Yazar bir çıkarım olarak süreç içerisindeki girdi ve çıktıları karşılaştırmaya çalışmanın oldukça zor olmasından dolayı enerji kalitesi probleminin enerji verimliliği göstergeleri arasında en başlıca sorunlardan birisi olarak tespit etmiştir. Gillingham vd. (2009) ise tüketicilerin enerji verimliliği ve doğal kaynakları koruma noktasındaki karar verme reflekslerini ekonomik kavramlar bakımından inceleyerek enerji verimliliği bağlamında pazar kısıtları, pazar başarısızlıkları ve davranışsal başarısızlıkları araştırmışlardır.
Literatürde enerji verimliliği göstergeleri parasal ve fiziksel tabanlı olmak üzere iki kısma ayrılmaktadır. Parasal tabanlı göstergeler için bir dolarlık çıktı başına kullanılan enerji miktarı, fiziksel tabanlı göstergeler için ise bir birimlik çıktı başına kullanılan enerji miktarı kullanılmaktadır. Ancak yukarıda da değinildiği üzere enerji verimliliğini ölçme noktasında bu parametreleri kullanmak çeşitli sorunlara neden olmuştur. Bu problemlerden kaçınmak adına araştırmacılar enerji verimliliği serileri oluşturarak verimliliği bu endeksler yardımı ile ölçme yoluna gitmişlerdir. Özellikle 1990’lı yıllardan itibaren endeks ayrıştırma analizi kullanılmaya başlanmış ve bu sayede ekonominin bütünü için enerji verimliliği endeksi oluşturan çalışmalar artmıştır.
Bu sebeple çalışmada yukarıda değinilen problemlerden kaçınmak adına Enerji Tüketimi/GSYİH serisini kullanmak yerine enerji verimliliği göstergesi olarak Metcalf (2008), Nillesen vd. (2013) ve Özbuğday & Çelikkol Erbaş (2015) tarafından kullanılan endeks ayrıştırma analizine başvurularak bir enerji verimliliği serisi oluşturulmuş ve Türkiye’de 1971 ile 2009 yılları arasında enerji üretiminde kendi kendine yetebilme ile enerji verimliliği arasındaki ilişki incelenmiştir. Literatürde ve özellikle Türkiye örneği için enerji verimliliği ile enerji üretiminde kendi kendine yetebilme arasındaki ilişkinin incelenmesi adına çalışma olmadığı için bu çalışma ile literatüre önemli bir katkı sağlanması hedeflenmektedir.
Çalışmanın bir sonraki bölümünde, kullanılacak olan veri setinden ve ekonometrik yöntemden bahsedilecektir. Ardından 3. bölümde yapılan analizler neticesinde elde edilen sonuçlar açıklanacak ve son olarak ise sonuç ve öneriler kısmı ile çalışma bitirilecektir.
2. Veri Seti ve Ekonometrik Yöntem 2.1. Veri Seti
Bu çalışmada Türkiye için 1971 ile 2009 yılları arasını kapsayan yıllık bazda veri seti kullanılmıştır. Kullanılan veri seti verimlilik endeksi ve enerji üretiminde kendi kendine yeterli olma endeksidir (Tablo 1). Verimlilik endeksi hesaplaması Metcalf (2008), Nillesen vd. (2013) ve Özbuğday & Çelikkol Erbaş (2015) tarafından kullanılan endeks ayrıştırma analiz kullanılarak oluşturulmuştur. Burada enerji yoğunluğu endeksi ekonomik verimlilik ve faaliyet endeksi içerisine hiç artık kalmayacak şekilde ayrıştırılmıştır. Verimlilik bileşeni ekonomik faaliyet sonucunda birim başına azalan enerji tüketimini, faaliyet bileşeni ise verimlilik sabit kalırken yoğun enerji kullanılan ekonomik faaliyetlerden yoğun olmayan enerji kullanılan ekonomik faaliyetlere doğru olan değişimleri kontrol etmek üzere kullanılmaktadır. Ekonomik faaliyetlerdeki değişimler endüstri, hizmet, ulaşım ve inşaat sektörü olarak dört farklı sektör altında ele alınmıştır. Diğer taraftan kendi kendine yeterli olma endeksi ise 1971 ile 2009 yılları için enerjide ithalatın ihracatı karşılama oranlarından oluşmaktadır.
Metcalf (2008) enerji yoğunluğunun (et) enerji verimliliği ve ekonomik faaliyet bileşenlerinin bir fonksiyonu olarak aşağıdaki gibi yazılabileceğini belirtmiştir:
𝒆𝒕≡𝑬𝒕
𝒀𝒕= ∑ (𝑬𝒊𝒕
𝒀𝒊𝒕)
𝒊 (𝒀𝒊𝒕
𝒀𝒕) = ∑ 𝒆𝒊𝒕𝒔𝒊𝒕 (1)
burada Et t yılındaki toplam enerji tüketimini, Yt t yılındaki reel Gayri Safi Yurtiçi Hasıla (GSYİH) miktarını, Eit i sektörünün t yılındaki enerji tüketimini ve Yit ise i sektörünün t yılındaki ekonomik faaliyetlerin ölçümü olarak ifade edilmektedir. Burada sektörlerdeki enerji tüketimi toplam enerji tüketimine eklenmek zorundayken ekonomik faaliyet ölçümünün GSYİH miktarına eklenmesine gerek yoktur. Ayrıca bunlar farklı birimde de olabilirler. (1) numaralı eşitlik toplam enerji yoğunluğunu, sektöre yönelik enerji verimliliği (eit) ve sektörel faaliyetin (sit) bir fonksiyonu olarak ele almaktadır.
Baz yılına ait toplam enerji yoğunluğu e0 olarak ifade edilmek suretiyle bir enerji yoğunluğu endeksi 𝐼𝑡= 𝑒𝑡⁄ oluşturulmuştur. Metcalf (2008) Fisher İdeal Endeks yöntemini 𝑒0 kullanarak hiç artık kalmadan enerji yoğunluğu endeksini (𝐼𝑡) ekonomik verimlilik (𝐹𝑡𝑒𝑓𝑓) ve faaliyet (𝐹𝑡𝑎𝑐𝑡) endeksleriyle ayrıştırmanın mümkün olduğunu ifade etmektedir.
𝒆𝒕
𝒆𝟎≡ 𝑰𝒕 = 𝑭𝒕𝒆𝒇𝒇𝑭𝒕𝒂𝒄𝒕 (2)
Fisher İdeal İndeksi oluşturulurken Laspeyres ve Paasche endeksleri kullanılmaktadır.
Aşağıda (3) ve (4) numaralı eşitlikler Laspeyres endeksini gösterirken, (5) ve (6) numaralı denklemler Paasche endeksini ifade etmektedir.
𝑳𝒕𝒂𝒄𝒕=∑ 𝒆∑ 𝒆𝒊 𝒊𝟎𝒔𝒊𝒕
𝒊𝟎𝒔𝒊𝟎
𝒊 (3)
𝑳𝒕𝒆𝒇𝒇=∑ 𝒆∑ 𝒆𝒊 𝒊𝒕𝒔𝒊𝟎
𝒊𝟎𝒔𝒊𝟎
𝒊 (4)
𝑷𝒕𝒂𝒄𝒕= ∑ 𝒆𝒊 𝒊𝒕𝒔𝒊𝒕
∑ 𝒆𝒊 𝒊𝒕𝒔𝒊𝟎 (5)
𝑷𝒕𝒆𝒇𝒇=∑ 𝒆∑ 𝒆𝒊 𝒊𝒕𝒔𝒊𝒕
𝒊𝟎𝒔𝒊𝒕
𝒊 (6)
Laspeyres endeksi baz dönem ağırlıklı iken Paasche endeksi cari dönem ağırlıklıdır.
Aşağıda verilen ve Laspeyres ile Paasche endekslerinin bir araya gelmesi ile oluşturulan Fisher İdeal Endeksi ise görülebileceği üzere çapraz ağırlıklı bir endekstir.
𝑭𝒕𝒂𝒄𝒕= √𝑳𝒕𝒂𝒄𝒕𝑷𝒕𝒂𝒄𝒕 (7)
𝑭𝒕𝒆𝒇𝒇 = √𝑳𝒕𝒆𝒇𝒇𝑷𝒕𝒆𝒇𝒇 (8)
Verimlilik endeksi hesaplaması şu şekilde yapılmaktadır; eğer belirli bir ülke için 2000 yılındaki verimlilik endeksi 80 ise bu ülke için enerji yoğunluğu, ekonomik faaliyetlerin oluşumunun 1971 ile 2009 yılları arasında sabit olduğu varsayılırsa, 2000 yılında 1971 yılındaki değerinin %80’i olacaktır. Başka bir ifade ile bu yıllar arasında enerji verimliliğinde %20’lik bir artış yaşanmıştır denilebilmektedir. Bu nedenle düşük verimlilik endeksi değeri yüksek verimlilik ifade eder. Diğer yandan eğer verimlilik endeksi artar ise yani 85 veya 90 olursa ilerleyen yıllar için enerji verimliliğinin düştüğü anlamı çıkartılabilir. Yani enerji verimliliği endeksinde bir artış aslında enerji verimliliğinde bir azalış manasına gelmektedir.
Tablo 1. Veri Seti
Yıl Enerji Verimliliği Endeksi Kendi Kendine Yeterli Olma Endeksi
1971 100 0,7066
1972 107,193 0,685
1973 110,038 0,6374
1974 113,644 0,6303
1975 111,875 0,6078
1976 110,754 0,5705
1977 104,674 0,5307
1978 104,039 0,5537
1979 100,975 0,5758
1980 103,916 0,545
1981 103,789 0,5696
1982 105,176 0,5627
1983 103,704 0,5405
1984 98,0123 0,5457
1985 99,3681 0,556
1986 97,0181 0,5551
1987 105,097 0,5335
1988 105,862 0,5241
1989 107,892 0,5222
1990 99,4724 0,4893
1991 99,0592 0,4921
1992 97,0384 0,4909
1993 94,83 0,4601
1994 95,3404 0,468
1995 99,0057 0,4303
1996 99,8481 0,4052
1997 95,9553 0,3967
1998 93,2419 0,4056
1999 92,4454 0,3906
2000 97,9412 0,3387
2001 93,082 0,3468
2002 96,0204 0,3248
2003 95,2587 0,3031
2004 89,0832 0,2982
2005 84,9311 0,2836
2006 87,1533 0,2832
2007 87,2086 0,2727
2008 84,6828 0,2942
2009 85,844 0,3101
2.2. Ekonometrik Yöntem
Ekonometrik analizde en önemli veri setlerinden birisi zaman serileridir. Bu veri setleri trend (eğilim) içerdiğinden herhangi bir dönüşüm olmadan regresyon analizine tabi tutulurlarsa yanıltıcı sonuçlar verebilmektedirler. Diğer bir ifadeyle, bu tarz veri setleri ile oluşturulan bir ekonometrik model genellikle gerçeği tam anlamı ile yansıtamayabilir. Bu durumla karşılaşmamak adına modelde kullanılan değişkenlerin durağan (stationary) olmalarına özen gösterilmelidir. Zaman serisi verilerinde durağanlık analizi genellikle birim kök testi kullanılarak yapılır. Serinin durağan olup olmadığını belirledikten ve seriyi durağan hale getirdikten sonra eşbütünleşme testi ve ardından da seriler arasındaki ilişkinin varlığını ve yönünü belirlemek üzere Granger nedensellik testi kullanılabilir.
2.2.1. Zaman Serilerinde Durağanlık
Zaman serilerinin durağan olup olmadığını analiz etmek için birim kök testi dediğimiz bir analiz yöntemi kullanılmaktadır. Birim kök testini tanımlayan ana model aşağıdaki gibidir:
Yt = ρYt-1 + ut -1 ≤ ρ ≤ 1 (9)
Burada ut hata terimidir. (9) numaralı eşitlikte Y değişkeninin t zamanı ile t-1 zamanı arasındaki ilişkisini gösteren bir regresyon modeli oluşturulmuştur. Bu eşitlikte eğer Yt-1
değişkeninin katsayısı (ρ) bir olarak bulunursa birim kök problemi veya durağan olmama süreci ile karşılaşılır. Bu nedenle Yt’nin bir dönem önceki değeri olan Yt-1’e gidilir ve ρ katsayısının istatistiksel olarak bire eşit olup olmadığı araştırılır. Eğer bire eşit olarak bulunursa Yt’nin durağan olmadığı söylenebilir. Bu durum durağanlık için birim kök testinin arkasındaki ana fikir olarak kabul edilebilir (Gujarati, 2003:814).
Model aşağıdaki gibi ifade edilebilir:
Yt -Yt-1 = ρYt-1 - Yt-1 + ut (10) = (ρ – 1) Yt-1+ ut
Buradan;
ΔYt = δYt-1 + ut (11)
eşitliği elde edilir. (11) numaralı denklemde δ=(ρ-1), Δ birinci kademeden ileri fark operatörü ve t ise trend olarak ifade edilmektedir.
(9) numaralı modeli tahmin etmek yerine (11) numaralı model tahmin edilir ve boş hipotez olan δ=0 test edilir. Eğer δ sıfır olarak ve ρ bir olarak bulunursa modelde birim kök olduğundan söz edilebilir. Yani incelenen zaman serisi durağan değildir denilebilir. Diğer taraftan, eğer δ<0 ise Yt serisi durağandır denilebilir (Verbeek, 2004; Gujarati, 2003).
Verbeek (2004) bir zaman serisi birinci sıra farkı alındıktan sonra durağan hale geliyorsa birinci dereceden bütünleşik [I(1)] olarak tanımlanabileceğini belirtmiştir. Aynı şekilde eğer bir zaman serisi ikinci sıra farkı (birinci sıra farkın birinci farkı) alınarak durağan hale getiriliyorsa bu seriye de ikinci dereceden bütünleşik [I(2)] denir. Kural olarak, eğer bir seri d kez fark alınarak durağan hale getiriliyorsa bu seri d’ninci dereceden bütünleşiktir [I(d)] denilebilir.
Bir zaman serisindeki durağanlığı ortaya çıkarmak için ilk olarak (9) nolu denklemdeki ρ katsayısının bire eşit olup olmadığı veya (11) nolu denklemdeki δ katsayısı aşağıdaki hipotezlere göre test edilir;
H0: δ = 0 Yt durağan değildir H1: δ < 0 Yt durağandır
Dickey & Fuller (11) numaralı denklemde Yt-1’in katsayısı olarak tahmin edilen t değerini boş hipotez olan δ=0 için τ (tau) istatistiği olarak tanımlamış ve tau istatistiğinin kritik değerlerini Monte Carlo simülasyon metodunu kullanarak hesaplamışlardır. Tau testi ekonomi literatüründe Dickey-Fuller testi olarak bilinmektedir (Gujarati, 2003).
Dickey & Fuller (1979) Monte Carlo simülasyon metodunu kullanarak aşağıdaki gibi üç eşitlik elde edilebileceğini belirtmişlerdir.
ΔYt = ρYt-1 + ut (12)
ΔYt = β1 + ρYt-1 + ut (13)
ΔYt = β1 + β2t + ρYt-1 + ut (14)
Burada t zaman değişkeni olarak tanımlanmıştır. (12) numaralı denklemde Yt değişkeni rassal yürüyüş (random walk) özelliğine sahiptir. Yani bir sonraki yılın değeri şimdiki yılın değeri ile stokastik hata teriminin toplamına eşittir. Yt değişkeni (13) numaralı denklemde sürüklenen rassal yürüyüş (random walk with drift) ve (14) numaralı denklemde ise stokastik hata etrafında sürüklenen rassal yürüyüş özelliklerine sahiptir. Bu denklemlerin her biri için boş hipotez olan δ=0, yani seriler durağan değildir ve alternatif hipotez olan δ<0, yani seriler durağandır hipotezleri geçerlidir (Gujarati, 2003:815).
Dickey-Fuller testinin zayıflıklarından bir tanesi hata terimleri arasında otokorelasyon olup olmadığını hesaba katmamasıdır. Fakat gerçekte hata terimleri birbirleri ile ilişki halindedir ve bu durum Dickey-Fuller testini geçersiz kılmaktadır. Bu durumdan kurtulmak adına Dickey- Fuller Genişletilmiş Dickey-Fuller (ADF) testi adı altında yeni bir metot kullanmışlardır.
Bağımlı değişkenin gecikmeli değeri modele tahmini otokorelasyon olarak eklenmiş ve bu sayede ADF bütünleşme sırasını tahmin etmede en etkin testlerden biri halini almıştır. Aşağıda
denklem hali verilen ADF testi birim kök testlerinde en çok kullanılan testlerden biri olarak literatüre kazandırılmıştır.
ΔYt = β1 + β2t + δYt-1 + ∑𝒑𝒊=𝟏𝜶i ΔYt-i + εt (15)
Burada εt beyaz gürültü hata terimi, ΔYt-1 = (Yt-1 - Yt-2), ΔYt-2 = (Yt-2 - Yt-3), ve benzerleri.
(12) numaralı denklemdeki hata terimleri arasındaki korelasyonu gidermek için modele uygun değişkenler eklenmelidir. ADF testinde de Dickey-Fuller testinde olduğu gibi δ=0 boş hipotezi test edilir. Eğer bu hipotez reddedilirse ΔYt değişkeninin durağan olduğu söylenebilir (Gujarati, 2003:817).
2.2.2. Eşbütünleşme Testi
Daha önce de değinildiği üzere ekonometrik analizlerde durağan olmayan zaman serileri kullanıldığı zaman sahte regresyon sorunu gibi bir takım problemlerle karşılaşılabilir ve böylece test istatistikleri yanıltıcı olabilir.
Engle & Granger (1987) bu problem için eşbütünleşme (cointegration) testi adı altında bir çözüm önermişlerdir. Eşbütünleşme analizi sayesinde regresyon sonuçları sahte korelasyonlara sebep olmamakta ve böylece durağan olmayan değişkenler regresyon analizine eklenebilecek duruma gelmektedirler.
Engle-Granger metodunun uygulaması basit olmasına rağmen, Sephton & Larsen (1991) bu metot için aşağıdaki eleştirileri yapmışlardır.
1)Engle-Granger testi asimptotik dağılım ile ilgili yeteri kadar bilgi sahibi değildir.
2)Engle-Granger mümkün olan bütün eşbütünleşen vektörleri incelemek yerine sadece ana eşbütünleşen vektörü analiz etmektedir.
Bu eleştiriler üzerine Johansen (1988) değişkenler arasındaki eşbütünleşmeyi araştırmak üzere maksimum olabilirlik metodunu önermiştir. Bu yaklaşım çerçevesinde ekonomistler tarafından değişkenler arasındaki eşbütünleşme ilişkilerini analiz etmede Johansen testinin Engle-Granger testine göre daha tercih edilebilir olduğu kabul edilmiştir. Bu nedenle bu çalışmada Johansen eşbütünleşme analizi kullanılmıştır.
Johansen (1988) ve Johansen & Juselius (1990) eşbütünleşen vektörleri ortaya çıkarmak adına her bir değişken için eşbütünleşen parametreler üzerindeki doğrusal kısıtlamaların analiz tekniklerini içeren maksimum olabilirlik testi metodunu geliştirmişlerdir. Johansen metodu tüm değişkenleri içsel olarak kabul ettiğinden dolayı tek bir değişken üzerindeki eşbütünleşen vektörlerin normalleştirme sorununun önüne geçebilmektedir. Johansen metodu durağan olmayan zaman serilerini vektör otoregresyon (VAR) modeli olarak aşağıdaki gibi almıştır:
ΔYt = μ + Π0 + Π1 ΔYt-1 + ……… + Πp-1 ΔYt-p+1 + ut (16)
burada Δ birinci fark terimi, Yt birinci dereceden bütünleşik [I(1)] pX1 rassal vektörü, μ sabit terimlerin pX1 rassal vektörü, Π pXp katsayı matrisi ve ut ise bağımsız ve özdeşçe dağıtılmış (iid) ortalaması sıfır ve sabit varyansa sahip hata terimi katsayılarının pX1 vektörüdür.
Π matrisi Yt değişkenleri hakkında uzun döneme ait ilişkiler hakkında bilgiler içerir ve aşağıdaki gibi ifade edilir:
= x` (17)
burada ve nXr matrislerdir. eşbütünleşme matrisi olarak adlandırılırken, ise düzeltme matrisi olarak tanımlanmaktadır. Bu sistem içerisinde eşbütünleşen vektörlerin doğrudan hesaplamaları Johansen testi yardımı ile yapılmaktadır. Ayrıca bu yöntem eşbütünleşmenin rankını da (r) analiz etmeye imkan sağlamaktadır. Johansen testi eşbütünleşme rankını hesaplama metodunda iki test istatistiğinden faydalanmaktadır. İlki iz (trace) istatistiği olarak bilinmektedir:
𝝀 𝒕𝒓𝒂𝒄𝒆 = −𝑻 ∑𝒏𝒊=𝒓+𝟏𝒍𝒏(𝟏 −𝝀i) r = 0,1,2,3,……,n-1 (18)
burada T toplam gözlem sayısını, n değişken sayısını, i ise Yt-k (Yt-1, Yt-2,...,Yt-p+1) ve ΔYt
arasındaki n-r en küçük kareler korelasyonlarını göstermektedir. İz testi maksimum r adet eşbütünleşme vektörü bulmak adına değişkenler arasındaki eşbütünleşmeyi boş hipotez altında analiz eder.
Her durum için boş hipotez alternatif hipoteze karşı test edilir. Kritik değerler Johansen &
Juselius (1990) tarafından simülasyon yöntemi kullanılarak hesaplanmıştır. Bu sonuçlara göre eğer test istatistiği kritik değerden büyük olarak hesaplanırsa boş hipotez reddedilmelidir.
İkinci istatistik ise en büyük öz değer (maximal eigenvalue) testi olarak adlandırılmaktadır.
𝝀 𝒎𝒂𝒙 = −𝑻 𝒍𝒏(𝟏 − 𝝀r+1) (19)
Bu testte boş hipotez olan r adet eşbütünleşen vektör hipotezi, alternatif hipotez olan r+1 adet eşbütünleşen vektör hipotezine karşı analiz edilir. Boş ve alternatif hipotezler aşağıda gösterildiği gibidir.
H0: r adet eşbütünleşen vektör H1: r + 1 adet eşbütünleşen vektör
r=0 boş hipotezi alternatif hipotez olan r=1 hipotezine karşı test edilir. Eğer burada boş hipotez reddedilirse yeni boş hipotez olacak olan r=1 hipotezi r=2 hipotezine karşı test edilir.
Johansen & Juselius (1990) maksimum öz değer testinin iz testine göre daha iyi sonuç verebildiğini belirtmişlerdir. Bu nedenle maksimum öz değer testi iz testine oranla daha tercih edilebilir bir analiz olarak görülmektedir. Ayrıca en uygun gecikme uzunluğunu belirlemek de eşbütünleşme testinin performansı açısından son derece önemlidir (Gujarati, 2003). Gecikme uzunluğunu belirlemede birçok metot kullanılabilmektedir. Bu çalışmada eşbütünleşme testi için gerekli gecikme uzunluğunu belirlemek adına Akaike Bilgi Kriteri (AIC) kullanılmıştır.
2.2.3. Hata Düzeltme Modeli
Johansen eşbütünleşme testi ile seriler arasındaki uzun dönemli ilişki tanımlandıktan sonraki adım seriler arasındaki nedensellik ilişkisinin ve bu nedenselliğin yönünün belirlenmesidir. Granger (1988) değişkenler arasında eşbütünleşme olmadığında Granger nedensellik testinin geçersiz olduğunu belirtmiştir. Bu durumda değişkenler arsındaki nedensellik ilişkisinin tespiti için yazar tarafından hata düzeltme modeli (ECM) tavsiye edilmiştir. Diğer taraftan eğer değişkenler eşbütünleşik olarak bulunurlarsa hata düzeltme modeli kısa ve uzun dönem etkilerini bir arada gösterebilmektedir. Jones & Joulfaian (1991)’a göre hata düzeltme terimi uzun dönem etkilerini gösterirken, açıklayıcı değişkenin gecikmeli değerlerindeki değişimler ise kısa dönem ilişkisi hakkında bilgi vermektedir. (20) ve (21) numaralı eşitliklerde hata düzeltme modeli şu şekilde tanımlanmıştır:
Yt = α1 + ∑𝒎𝒊=𝟏𝜷1iYt-i + ∑𝒏𝒊=𝟏𝜸1i Xt-i + ∑𝒓𝒊=𝟏𝜹1i ECTt-1 + e1t (20)
Xt = α2 + ∑𝒎𝒊=𝟏𝜷2iXt-i + ∑𝒏𝒊=𝟏𝜸2i Yt-i + ∑𝒓𝒊=𝟏𝜹2i ECTt-1 + e2t (21)
burada değişkenlerin birinci farklarını göstermektedir. ECT hata düzeltme terimi, δ1i ve δ2iYt
değişkenindeki uzun dönemli ilişkiyi gösteren hata terimlerinin katsayıları, Xt. Yt-i ve Xt-i ise katsayıları 1i, 2i, γ1i ve γ2i olan ve sistemin kısa dönem dinamiklerini gösteren değişkenlerdir.
Buradan da anlaşılacağı üzere hata düzeltme modeli eşitliğin kısa dönemli dinamiklerini kullanmaktadır.
Eşbütünleşen regresyonlar sadece modeldeki uzun dönem ilişkilerini dikkate alır ve kısa dönem ilişkileri ile ilgilenmezler. Oysaki sağlam bir zaman serisi modeli değişkenlerin kısa ve uzun dönem dinamiklerini bir arada içermelidir (Enders, 2010:366). Bu nedenle, bu çalışmada değişkenler arasındaki uzun dönemli ilişkinin bulunmasına ek olarak kısa dönem ilişkilerinin de belirlenmesi adına hata düzeltme modeli kullanılmıştır.
2.2.4. Nedensellik
Nedensellik kavramı ilk olarak Granger (1969) tarafından tanımlanmıştır. İki değişkenli bir sistemde, eğer eşitlikteki X1t değişkeni için gecikmeli değerler alınıyorken X2t için gerçekleşen tahminler gitgide güçleniyorsa X1t değişkeni X2t değişkeninin Granger nedenidir denilebilir. Granger nedensellik testi genellikle iki değişkenli yapı içerisinde ele alınmaktadır ancak diğer ilgili değişkenler modelden çıkartılırlarsa regresyon sonuçları sahte bir nedensellik ilişkisine işaret edebilir (Granger, 1969:429).
Granger nedensellik testi ilgili değişkenler olan X ve Y’nin tahminleri ile ilgili bilgilerin sadece bu değişkenlerin zaman serisi verileri tarafından içerildiğini varsaymaktadır (Gujarati, 2003:817). Standart Granger nedensellik testi aşağıda gösterilen iki regresyonu tahmin etmeye çalışır.
Yt = ∑𝒏𝒊=𝟏𝜶iXt-i + ∑𝒏𝒊=𝟏𝜷jYt-j + u1t (22) Xt = ∑𝒏𝒊=𝟏𝝀iXt-i + ∑𝒏𝒊=𝟏𝜹jYt-j + u2t (23)
burada α, , ve δ gecikmeli değişkenlerin katsayılarını, n ise bütün değişkenler için gecikme seviyesini göstermektedir. Granger nedensellik teorisinde hata terimlerinin (u1t ve u2t) birbirleriyle ilişkisiz olduğu varsayılmıştır (Granger, 1969:431). Yukarıdaki eşitliklere göre (22) numaralı denklemde Y değişkeninin şimdiki değeri X değişkeninin ve kendisinin geçmiş değerleriyle ve (23) numaralı denklemde X değişkeninin şimdiki değeri Y değişkeninin ve kendisinin geçmiş değerleriyle bir ilişki içerisindedir. Granger nedensellik testinin hipotezleri aşağıdaki gibidir:
H0: αi = 0: X Y’nin Granger nedeni değildir H1: αi ≠ 0: X Y’nin Granger nedenidir burada boş hipotezi test etmek için F testi kullanılır.
(RSSR – RSSUR) / m
F= (24)
(RSSUR / (n – k)
burada RSSR regresyona bütün Y değişkenleri dahil edilip X değişkenleri ise dahil edilmeden çalıştırdığında elde edilen kısıtlanmış modelin artık kareleri toplamı (restricted residual sum of squares), RSSUR ise X değişkenini de içeren kısıtlanmamış modelin artık kareleri toplamı (unrestricted residual sum of squares) olarak ifade edilmektedir. Kısıt sayısı m, gözlem sayısı n ve kısıtlanmamış regresyondaki parametre sayısı da k ile gösterilmektedir.
F değeri, hesaplanan F değeri ve kritik F değeri arasında bir karşılaştırma yapmak suretiyle bize nedensellik hakkında karar vermede yardımcı olmak için kullanılmaktadır. Eğer burada bulunan F değeri anlamlılık düzeylerinde (%1, %5, %10) F tablo değerinden büyük olarak hesaplanır ise boş hipotez olan H0 reddedilir. Diğer bir ifadeyle değişkenler arasında nedensellik ilişkisi vardır denilebilir. Buna ek olarak X ve Y arasındaki nedensellik ilişkisini test etmede dört muhtemel senaryo bulunmaktadır. Bunlar;
I. X → Y: X’den Y’ye tek yönlü nedensellik. Bu durum (22) numaralı eşitlikte X değişkeninin hesaplanan gecikmeli katsayılarının istatistiksel olarak sıfırdan farklı olması ve (23) numaralı eşitlikteki Y değişkeninin hesaplanan gecikmeli katsayılarının istatistiksel olarak sıfırdan farklı olmaması halinde görülebilir.
II. Y → X: Y’den X’e tek yönlü nedensellik. Bu durum (22) numaralı eşitlikte X değişkeninin hesaplanan gecikmeli katsayılarının istatistiksel olarak sıfırdan farklı olmaması ve (23) numaralı eşitlikteki Y değişkeninin hesaplanan gecikmeli katsayılarının istatistiksel olarak sıfırdan farklı olması halinde görülebilir.
III. X ⟷ Y: Çift yönlü nedensellik. Her iki eşitlikteki X ve Y değişkenlerinin katsayılarının istatistiksel olarak sıfırdan farklı olması halinde yani her iki değişkenin de bir diğerini etkilediği durumlarda çift yönlü nedensellikten söz edebiliriz.
IV. X ↮ Y: X ve Y arasında nedensellik ilişkisi yok. Değişkenler arasında herhangi bir nedensellik ilişkisinin olmaması veya eşitliklerdeki X ve Y değişkenlerinin katsayılarının istatistiksel olarak anlamlı olmaması halinde bu durumdan bahsedilebilir.
Standart Granger testi hata düzeltme modelinin geliştirilmesine kadar olan süre zarfında sadece iki değişken arasındaki nedensellik ilişkisini incelemede kullanılmıştır (Bilgin & Sahbaz, 2009). Eğer modelde bir eşbütünleşme ilişkisi bulunursa standart Granger testine hata düzeltme terimleri yerleştirilerek daha sağlıklı sonuçlar elde edilebilir. Diğer şekilde, yani modele hata düzeltme terimini dahil etmeden oluşturulan standart Granger analizi hatalı sonuçlar bulunmasına neden olabilecektir. Granger hata düzeltme modeli aşağıdaki gibi yazılabilmektedir:
Yt = α1 +∑𝒏𝒊=𝟏𝜷1iYt-i + ∑𝒏𝒋=𝟏1iXt-j + δ1ECTt-1 + ε1t (25)
Xt = α2 +∑𝒏𝒊=𝟏𝜷2iXt-i + ∑𝒏𝒋=𝟏2iYt-j + δ2ECTt-1 + ε2t (26)
burada ECt-1 durağan hata terimi yani hata düzeltme terimi ve ise değişkenlerin birinci sıra farkını gösteren terim olarak adlandırılmaktadır.
Granger nedensellik testinde güvenilir sonuçlar elde etmek için uygun gecikme uzunluğunun seçimi oldukça önemlidir. Bu doğrultuda Gujarati (2003:537) Akaike ve Schwartz bilgi kriterlerinin uygun gecikme uzunluğunu seçmede faydalı olduklarını belirtmiştir. Bu nedenle çalışmada modeldeki gecikme uzunluğunu seçme süreci için Akaike Bilgi Kriteri kullanılmıştır.
3. Ampirik Sonuçlar
Araştırmada kullanılan değişkenlere ilişkin betimleyici istatistikler Tablo 2’de sunulmuştur.
Tablo 2. Değişkenlere Ait Betimleyici İstatistikler
Değişkenler N Ortalama Standart
Sapma Minimum Maksimum
Enerji Verimliliği 39 98.986 7.5729 84.683 113.64
Kendi Kendine Yeterli
Olma 39 0.47273 0.12190 0.27270 0.70660
Burada dikkat çeken bir gözlem olarak kendi kendine yeterli olma ve enerji verimliliği endekslerinin her ikisi için de maksimum değerler serinin başlangıç yıllarında görünürken minimum değerler ise bitiş yıllarında gözlemlenmektedir. Serilerin genel grafiklerine baktığımızda (Grafik 1 ve Grafik 2) yukarıdan aşağıya doğru bir eğilim görülmesi maksimum değerden minimum değere doğru olan bu hareketliliğin devamlılığını göstermektedir. Yani yıllar itibariyle verimlilik endeksi ve enerji üretiminde kendi kendine yeterli olma endeksi düşüş göstermektedir. Sonuç olarak bu durum, enerji verimliliği endeksi ile enerji verimliliği arasında ters bir ilişki olduğundan, enerjiyi verimli kullanma noktasında yıllar itibariyle bazı dalgalanmalar olsa bile Türkiye’nin giderek daha iyi bir noktaya geldiğini göstermektedir. Diğer yandan enerji üretiminde kendi kendine yeterli olma noktasında son yıllarda bir artış olmasına rağmen serinin başlangıcından itibaren bakıldığında Türkiye’nin giderek enerjide dışa bağımlı bir ülke olduğu gözlemlenmektedir.
3.1. Birim Kök Testi Sonuçları
Bir regresyondaki değişkenler durağan olup olmadıklarının test edilebilmesi için birim kök testi ile analiz edilirler. Bu çalışmada her bir değişkenin bütünleşme derecelerini test etmek adına Genişletilmiş Dickey-Fuller (ADF) testi kullanılmıştır. Veriler, ilk olarak logaritmik forma dönüştürülmüş, daha sonra seviye değerleri ve birinci sıra farkları alınarak birim kök testine tabi tutulmuşlardır.
Aşağıdaki grafiklerden de görüleceği üzere seriler seviye değerlerinde doğrusal bir trende sahiptirler. Başka bir ifadeyle seriler seviye değerlerinde durağan değildirler. Diğer taraftan birinci sıra farklar alınarak elde edilen grafiklere bakacak olursak, burada serilerin sabit ortalama ve varyans özelliklerini gösterdikleri söylenebilir. Bu nedenle, bu serilerin I(1) gibi bir bütünleşik yapıya sahip oldukları veya birinci farklarında durağan oldukları söylenebilir.
Bununla birlikte sadece grafiklere bakılarak durağanlık ile ilgili kesin bir yargıya varmak güvenli değildir. Durağanlığın olup olmadığını analiz etmek için birim kök testi yapmak gerekmektedir.
Grafik 1. Enerji Verimliliği Endeksi ve 1. Farkı
Grafik 2. Kendi Kendine Yeterli Olma Endeksi ve 1. Farkı
Durağanlığı birim kök testi ile test etmeden önce gecikme uzunluğunu belirlemek gerekmektedir. Maksimum gecikme uzunluğunu belirlemek için genel bir kural bulunmamakta, bu nedenle araştırmacılar genellikle bu uzunluğu kendileri belirlemektedirler. Literatürde, aylık seriler için maksimum gecikme uzunluğu 12 veya 24 olarak belirlenirken, sezonluk seriler için bu sayı 4, 8 veya 12 olarak belirlenebilmektedir (Kadılar, 2000:54). Bu çalışmada incelediğimiz veri seti yıllık olduğundan dolayı maksimim gecikme uzunluğu 8 olarak alınmış ve Akaike, Schwartz-Bayesian ve Hannah-Quinn bilgi kriterlerine göre birim kök testi için uygun gecikme uzunluğu 1 (bir) olarak saptanmıştır (Tablo 3).
Tablo 3. VAR Gecikme Uzunluğu Seçme Kriteri
Gecikme Log-Olasılık p (LR) AIC BIC HQC
1 64.58193 - -3.908512* -3.723481* -3.848196*
2 64.95687 0.38651 -3.868185 -3.636897 -3.792791
3 66.30592 0.10047 -3.890704 -3.613159 -3.800231
4 66.36469 0.73171 -3.829980 -3.506177 -3.724428
5 66.60038 0.49235 -3.780670 -3.410609 -3.660039
6 67.23850 0.25860 -3.757323 -3.341004 -3.621613
7 68.54288 0.10627 -3.776960 -3.314384 -3.626172
8 70.06107 0.08142 -3.810392 -3.301558 -3.644525
Notlar: 1. (*) kriter tarafından seçilen gecikme uzunluğunu belirtir
2. AIC: Akaike bilgi kriteri 3. BIC: Schwartz Bayesian kriteri 4. HQC: Hannan-Quinn bilgi kriteri
Uygun gecikme uzunluğunun belirlenmesinin ardından birim kök testi Genişletilmiş Dickey-Fuller testi kullanılarak gerçekleştirilmiştir. Yapılan test sonuçlarına göre serilerin seviye durumlarında birim kök olduğu tespit edilmiştir (Tablo 4). Bu nedenle değişkenlerin seviye değerleri için boş hipotez olan durağan olmama (non-stationarity) reddedilememiştir.
Diğer taraftan serilerin birinci sıra farkları alındığında boş hipotez % 1 anlamlılık düzeyinde reddedilmiştir. Bu da serilerin birinci sıra farkları alındığında durağan oldukları veya birinci derecede bütünleşik, I(1) oldukları anlamına gelmektedir. Bu nedenle, değişkenler arasındaki uzun dönemli ilişkinin varlığı Johansen eş-bütünleşme testi kullanılarak yapılabilir.
Tablo 4. Birim Kök Testi
Değişkenler Sabit Sabit ve Trendli Hiçbiri
Seviye 1. Fark Seviye 1. Fark Seviye 1. Fark
logENERJİ_
VERİLİLİĞİ
Test
İstatistiği -0.90473 -4.4714* -3.724 -4.367* -1.079 -4.276*
Kritik
Değer (1%) -3.4336 -3.9638 -2.5658
logKENDİ_
KENDİNE YETERLİ_
OLMA
Test
İstatistiği -0.71590 -4.2109* -1.612 -4.126* 2.0891 -3.320*
Kritik
Değer (1%) -3.4336 -3.9638 -2.5658
Notlar: 1. (*)MacKinnon (1991) kritik değerlerine göre %1 önem düzeyinde anlamlılığı göstermektedir.
2. logENERJİ_VERİMLİLİĞİ ve logKENDİ_KENDİNE_YETERLİ_OLMA sırasıyla enerji verimliliği endeksi ve enerji üretiminde kendi kendine yeterli olma değişkenlerinin doğal logaritmalarıdır.
3.2. Johansen Eş-Bütünleşme Testi
Johansen eşbütünleşme testini uygularken uygun gecikme uzunluğunu seçmek korelasyonsuz artıkların bulunduğu en iyi modeli üretmek açısından oldukça önemlidir. Bu nedenle eş-bütünleşme testi için uygun gecikme uzunluğu Akaike Bilgi Kriterine göre 1 olarak belirlenmiştir. Bir modeldeki eşbütünleşen vektörleri analiz ederken ilk önce uygun gecikme uzunluğu belirlenir ve ardından iz (trace) ve maksimum öz-değer (eigenvalue, λmax) testleri, durağan olmayan zaman serilerindeki eşbütünleşen vektör sayılarını belirlemek üzere kullanılır.
Bu çalışmada, değişkenler (enerji verimliliği endeksi ve enerji üretmede kendi kendine yeterli olma endeksi) eşbütünleşme ilişkisinin varlığını ortaya koymak üzere test edilmiş ve Tablo 5’daki sonuçlara ulaşılmıştır. Bu sonuçlara göre iz testinden elde edilen değer kritik değerden büyük olduğundan dolayı, r=0 olan boş hipotez %5 anlamlılık düzeyinde reddedilmiştir. Aynı şekilde maksimum öz-değer (eigenvalue) testi sonucu elde edilen değer de
istatistiklerinin kritik değerlerden küçük olması nedeniyle iz ve maksimum öz-değer testleri açısından reddedilememiştir. Bu nedenle, değişkenler arasında en fazla bir adet eşbütünleşen vektör bulunmaktadır denilebilir. Bunun sonucu olarak Türkiye için enerji verimliliği ile enerji üretiminde kendi kendine yeterli olma arasında uzun dönemli bir ilişkinin varlığından bahsedilebilir.
Tablo 5.Johansen Eşbütünleşme Testi
λ1 λ2 trace λmax
r=0 r=1 r=0 r=1
Kritik Değerler (5%) 15.41 3.76 14.07 3.76
0.4581 0.0193 24.025* 0.74166 23.284* 0.74166 Notlar: 1. Eğer test istatistiği kritik değerden büyükse, boş hipotez reddedilir.
2. (*) %95 güven seviyesinde boş hipotezin reddedildiğini gösterir.
3. r maksimum sayıdaki eşbütünleşen vektörleri belirtir.
4. λ1 ve λ2 öz-değerleri (eigenvalue) gösterir.
5. En uygun gecikme uzunluğu Akaike Bilgi Kriteri kullanılarak 1 olarak seçilmiştir.
6. Kritik değerler Osterwald-Lenum (1992)’ dan dan elde edilmiştir.
Seriler arasındaki eşbütünleşme ilişkisi, değişkenler arasında bir nedensellik ilişkisi olduğunu göstermektedir. Bu nedenle bir sonraki bölümde hata düzeltme modeline dayalı Granger nedensellik testi uygulanacaktır.
3.3. Granger Nedensellik Testi
Bu çalışmada nedenselliği belirlemek adına vektör hata düzeltme modeli (VECM) kullanılmıştır. Yavuz (2005), vektör otoregresyon (VAR) modelinin durağan ve eşbütünleşik olmayan zaman serileri arasındaki nedenselliği bulmada, diğer taraftan VEC modelinin ise yine durağan olmayan fakat eşbütünleşik olan zaman serileri arasındaki nedensellik ilişkisini bulmada kullanılabileceğini belirtmiştir. Ayrıca VAR modeli yalnızca kısa dönemli ilişkileri gösterirken, VEC modelinde, standart Granger nedensellik testinden ayrı olarak, kısa ve uzun dönemli ilişkiler birlikte ele alınabilmektedir. Bu nedenlerden ötürü bu çalışmada, VEC modeli kullanılmış, aynı zamanda kısa ve uzun dönemdeki sonuçların karşılaştırılması adına VAR modelinin sonuçları da aşağıdaki tabloda gösterilmiştir.
Tablo 6’de bulunan kısa dönem sonuçlarına göre F testinin kritik değerleri bulunan test istatistik değerinden (0,088565) büyük olduğundan dolayı boş hipotez olan “verimlilik ile kendi kendine yeterli olma arasında nedensel bir ilişki yoktur” ifadesi reddedilemeyecektir. Diğer bir ifadeyle, Türkiye açısından verimlilikten kendi kendine yeterli olmaya doğru bir nedensellik ilişkisi geçerli değildir denilebilmektedir. Diğer taraftan, boş hipotezin reddedilmesi sonucunda (25.310 > kritik değerler) kendi kendine yeterli olmadan verimliliğe kısa dönemde bir nedensellik ilişkisinden bahsedilebilir. Sonuç olarak, Türkiye için kısa dönemde enerji üretiminde kendi kendine yeterli olma ile enerji verimliliği arasında, kendi kendine yeterli olmadan verimliliğe doğru tek yönlü bir nedensellik ilişkisinin olduğu söylenebilir.
Uzun dönemdeki nedensellik ilişkisi ise genellikle t istatistiği yardımıyla bulunmaktadır.
Hata düzeltme teriminin katsayılarının t istatistiği nedensellik hakkında bilgi vermektedirler.
Tablo 6’den kolaylıkla görülebilir ki % 1 anlamlılık düzeyinde kendi kendine yeterli olmadan enerji verimliliğine doğru uzun dönemli bir nedensellik ilişkisi vardır.
Tablo 6. Granger Nedensellik Testi
F istatistiği t istatistiği Bağımlı Değişken Gecikme
Dereceleri
LEnerji Verimliliği
LKendi Kendine Yeterli Olma
ECTt-1
LEnerji Verimliliği m=1, n=1 - 25.310*** −5.221***
LKendi Kendine Yeterli
Olma m=1, n=1 0.088565 - −0.06630
Notlar: 1.Gecikme dereceleri Akaike Bilgi Kriterine göre belirlenmiştir, m = bağımlı değişkenin gecikme uzunluğu, n= nedensel değişkenin gecikme uzunluğu
2. Δ değişkenlerin birinci farklarını gösterir.
3. ECT hata düzeltme terimini gösterir.
4. %10, %5 ve %1 önem düzeylerindeki F istatistiğinin kritik değerleri sırasıyla; 2.84, 4.10 ve 7.40 olarak belirlenmiştir.
5. %10, %5 ve %1 önem düzeylerindeki t istatistiğinin kritik değerleri sırasıyla; 1.30, 1.68 ve 2.42 olarak belirlenmiştir.
6. (*), (**) ve (***) sırasıyla %10, %5 ve %1 önem düzeylerindeki anlamlılık seviyelerini gösterir.
Ayrıca serilere ait diagnostik testler yapılmış ve modelin otokorelasyon, değişen varyans ve normal dağılım gibi testlerden geçerek kabul edilebilirliği sınanmıştır. Bu testlere ait sonuçlar Tablo 7’de verilmiştir.
Tablo 7. Diagnostik Test Sonuçları
Test Sonuç
Jarque-Bera Normallik Testi 0.152514 (olasılık: 0.926578) Breusch-Godfrey LM Testi 0.115275 (olasılık: 0.8915)
White Testi 1.376070 (olasılık: 0.2659)
Buna ilave olarak modeldeki parametrelerin kararlılığı CUSUM ve CUSUMQ testleri yardımı ile araştırılmış ve böylece modelin istikrarlı olduğu anlaşılmıştır (Bakınız: Grafik 3).
Grafik 3. CUSUM ve CUSUMQ Testleri
Bu sonuçlar ışığında genel bir çıkarım yapacak olursak, Türkiye için 1971 ile 2009 yılları arasındaki uzun dönemli nedensellik analizi sonucunda, nedenselliğin yönü enerji üretiminde kendi kendine yeterli olmadan enerji verimliliğine doğru bulunmuştur. Diğer bir ifade ile kendi kendine yeterli olma verimliliğin Granger nedenidir denilebilir. Aslında buradan çıkarılacak sonuç kendi kendine yeterli olma arttıkça enerji verimliliği de artmaktadır olmalıdır. Ancak Türkiye için 1971 ile 2009 yılları arasında kendi kendine yeterliliğin artması enerji verimliliğini olumsuz etkilemektedir. Bu durum ile karşılaşılmasının nedeni enerji verimliliği endeksi ile enerji verimliliği arasındaki ters ilişkidir. Yani biri arttığı zaman diğerinde bir azalma meydana gelmektedir. Bu nedenle Türkiye’de dışa bağımlılık azaldığı veya kendi kendine yeterli olma arttığı zaman enerjiyi verimli bir şekilde kullanma azalmaktadır.
4.Sonuç ve Öneriler
Geçtiğimiz 30 yıl boyunca enerji verimliliği ile ilgili gelişmeler uluslararası enerji dengesi açısından önemli bir yer tutmuştur. Enerji verimliliği konusundaki ilerlemeler olmasaydı başta OECD ülkeleri olmak üzere hemen hemen tüm dünya ülkeleri son 20 yılda şu an kullandıkları enerjiden yaklaşık %50 daha fazla enerji kullanacaklardı (Geller vd., 2006).
Bundan dolayı enerji verimliliği günümüzde birçok gelişmiş ve gelişmekte olan devletlerin kamu politikası gündemlerinin üst sıralarında yer almaktadır.
Türkiye’de ise 3 Mart 2001’de yayımlanan Elektrik Piyasası Kanunu ile birlikte enerji piyasasını yeniden yapılandırma süreci başlatılmış ve başta elektrik ve doğalgaz olmak üzere enerji sektörü rekabetin hâkim olduğu bir yapıya kavuşturulmak istenmiştir. Böylece Türkiye’de enerji üretimi ve tüketimi konusunda etkin ve verimli politikalar hayata geçirilmeye başlanmıştır. Ancak Türkiye’nin enerjide dışa bağımlı bir ülke oluşu ve bu bağımlılığın giderek artması her zaman bir engel olarak karşısına çıkmaktadır.
Bu çalışmada enerji konusunda kendi kendine yeterli bir ülke olmanın enerji verimliliği üzerindeki etkisi incelenmiştir Çalışmada elde edilen ampirik sonuçlara göre enerji verimliliği ile enerji üretiminde kendi kendine yeterli olma arasında kısa ve uzun dönemli bir ilişkiden bahsetmek mümkündür. Bu ilişkinin yönü, kısa ve uzun dönemde kendi kendine yeterli olmadan enerji verimliliğine doğrudur. Buna göre Türkiye’nin enerji üretiminde kendi kendisine yeterliliğinin artması enerji verimliliğini olumsuz bir şekilde etkilemektedir. Diğer bir ifade ile ülkenin dışa bağımlılığı azaldıkça enerjiyi daha verimsiz bir şekilde kullanmaktadır denilebilir.
Bu noktada ne yapılmalıdır? Türkiye enerji verimliliğini arttırma yoluna mı gitmeli yoksa enerji konusunda kendi kendine yeterliliği mi artırmalıdır? Bu çıkarımı kısa ve uzun dönem için ayrı ayrı yapmakta fayda vardır. Türkiye’de kısa dönemde yeni enerji kaynakları çıkarılamayacağı veya bu teknoloji üretilemeyeceği için bunun yerine enerji verimliliğini arttırma yoluna gidilebilir. Uzun dönem için ise yeni kaynak arayışları ve alternatif enerji yatırımlar yapılarak ülkenin enerjide dışa bağımlılığını azaltma yolu izlenebilir. Sonuç olarak Türkiye’nin mevcut enerji kaynaklarını etkin ve verimli bir şekilde kullanması ve enerji kaynaklarını bir an önce harekete geçirmesi gerekmektedir.
KAYNAKLAR
Bilgin, C. & Sahbaz, A. (2009). Türkiye’de büyüme ve ihracat arasındaki nedensellik ilişkileri. Gaziantep Üniversitesi Sosyal Bilimler Dergisi, 8 (1), 177-198.
Bossanyi, E. (1979). UK primary energy consumption and the changing structure of final demand. Energy Policy, 7, 253-258.
Dickey, D. A., & Fuller W. A. (1979). Distributions of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74, 427-431.
Enders, W. (2010). Applied econometrics time series, 3rd ed. Hoboken: Wiley.
Engle, R. & Granger C. (1987). Cointegration and error correction representation:
Estimation and testing. Econometrica, 55, 251-276.
Evans, J., Filippini, M. & Hunt, L. C. (2013). The contribution of energy efficiency towards meeting CO2 targets. Chapter 8 in Fouquet, R. (ed) Handbook of Energy and Climate Change, Cheltenham, UK and Northampton, MA, USA: Edward Elgar, 175-223.
Farrell, M. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society, Series A, General, 120, 253-281.
Geller, H., Harrington, P., Rosenfeld, A. H., Tanishima, S., & Unander, F. (2006). Polices for increasing energy efficiency: Thirty years of experience in OECD countries.
Energy policy, 34(5), 556-573.
Gillingham, K., Newell, R. G., & Palmer, K. (2009). Energy efficiency economics and policy (No. w15031). National Bureau of Economic Research.
Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross- spectral methods. Econometrica, 37, 424-438.
Granger, C. W. J. (1988). Some recent developments in a concept of causality. Journal of Econometrics, 39, 199-211.
Gujarati, D. N. (2003). Basic econometrics, 4th ed., New York: McGraw-Hill.
Herring, H. (2006). Energy efficiency-a critical view. Energy, 31(1), 10-20.
Huntington, H. G. (1994). Been top down so long it looks like bottom up to me. Energy Policy, 22, 833-838.
Johansen, S. (1988). Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, 12, 231-254.
Johansen, S & Juselius, K. (1990). Maximum likelihood estimation and inference on cointegration with applications to the demand for money. Oxford Bulletin of Economics and Statistics, 52, 169-211.
Jones, J. & Joulfaian, D. (1991). Federal government expenditures and revenues in the early years of the American republic: Evidence from 1792 and 1860. Journal of Macroeconomics, 13, 133-155.
Kadilar, C. (2000). Uygulamalı çok değişkenli zaman serileri analizi. Ankara: Büro Basımevi.
Metcalf, G. E. (2008). An empirical analysis of energy intensity and its determinants at the state level. The Energy Journal, 29(3), 1-26.
Myers, J. G. & Nakamura, L. (1978). Saving energy in manufacturing. Cambridge, MA:
Ballinger.
Nillesen, P. H., Haffner, R. C., & Ozbugday, F. C. (2013). A global perspective on the long-term impact of increased energy efficiency. Energy Efficiency: Towards the End of Demand Growth, 87.
Özbuğday, F. C., & Erbas, B. C. (2015). How effective are energy efficiency and renewable energy in curbing CO 2 emissions in the long run? A heterogeneous panel data analysis. Energy, 82, 734-745.
Patterson, M. G. (1996). What is energy efficiency?: Concepts, indicators and methodological issues. Energy Policy, 24(5), 377-390.
Sephton, P. S. & Larsen, H. K. (1991). Tests of exchange market efficiency: Fragile evidence from cointegration tests. Journal of International Money and Finance, 10, 561-570.
Yavuz, N. Ç. (2005). Türkiye’de kamu harcamalarının özel sektör yatırım harcamalarını dışmala etkisinin testi. Marmara Üniversitesi İİBF Dergisi, 20 (1), 269-284.
Verbeek, M. (2004). A guide to modern econometrics. 2nd ed., New York: John Wiley and Sons.
