Araştırma Makalesi
BibTex RIS Kaynak Göster

The Determinants of Economic Growth in Turkey: Evidence from Decision Tree with Machine Learning

Yıl 2022, Cilt: 20 Sayı: 2, 61 - 80, 28.06.2022
https://doi.org/10.18026/cbayarsos.1052101

Öz

Economic growth is accepted as the ultimate goal of all economic activities for a nation. Because of this importance, it is the first economic indicator that comes to mind both in evaluating the success of national policies and in international comparisons. Recently, various machine learning approaches and artificial neural network models have been used in this field. The aim of this study is to reveal the sources of economic growth by using decision tree modeling, different from the literature. In this context, variables accepted as sources of growth in the literature such as savings, capital accumulation, labor, innovation, public expenditures, foreign trade, human capital, demographic factors, industrialization, and institutional factors are included in the analysis. The findings of the study present rules for economic growth and provide evidence that can be a reference to policy makers for high growth rates. The findings of the study reveal the importance of savings, innovation, exports and labor in stimulating growth in the Turkish Economy. The rules obtained for economic growth provide evidence that can be a reference for policy makers to ensure high growth.

Kaynakça

  • Acemoğlu, D., & J. A. Robinson. (2012). Ulusların Düşüşü, İstanbul: Doğan Kitap.
  • Aggarwal, C. C. (2015). Data Mining: The Textbook. Springer.
  • Aghion, P., ve Howitt, P. (1992). A Model of Growth Through Creative Destruction. Econometrica, 60(2), 323-351
  • Ali, H., & Sardar, K. (2020). Macroeconomic and Socioeconomic Determinants of Economic Growth: An Empirical Examination of South Asian Economies. Pakistan Journal of Humanities and Social Sciences, 8(2), 47-56.
  • Alper, F. Ö. (2019). Ekonomik Büyümenin Belirleyicileri: Yapısal Kırılmalar Altında Türkiye Örneği. Fiscaoeconomia, 3(1), 202-227.
  • Artan, S., & Hayaloğlu, P. (2014). Kurumsal Yapı ve İktisadi Büyüme İlişkisi: Türkiye Örneği. Sosyoekonomi, 2014-2, 347-366.
  • Astuti, R. D., & Udjanto, D. W. (2020). Determinants of Economic Growth in ASEAN-4 Countries (Indonesia, Malaysia, Philippines, and Thailand). Proceeding on Economic and Business Series (EBS), 1(1), 152-158.
  • Barro, R. J. (1990). Government Spending in a Simple Model of Endogenous Growth. Journal of Political Economy, 98(5), 103-125.
  • Basuchoudhary, A., Bang J. T., & Sen, T. (2017), Machine-learning Techniques in Economics New Tools for Predicting Economic Growth, ABD: Springer Briefs in Economics.
  • Breiman, L., J. Friedman, Olshen, R.A., & Stone, C.J. (1984) Classification and Regression Trees. Wadsworth, ISBN: 0534980546, pp: 358.
  • Bulut, H., & Doğan, A. R. (2020). Rekabet Gücü ve Büyüme İlişkisi: BRICS-T Ülkeleri Üzerine Ekonometrik Bir Analiz. International Journal Entrepreneurship and Management Inquiries, 4(1), 126-144.
  • Cinel, E. A. (2014). Türkiye’de Ekonomik Büyümenin Belirleyicileri. Ordu Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Araştırmaları Dergisi, 4(8), 15-26.
  • Doğanay, M. A., & Değer, M. K. (2020). Kurumlar ve Ekonomik Büyüme: Panel Veri Analizi (2002-2018). Karadeniz Teknik Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Dergisi, 10(19), 75-99.
  • Domar, E. D. (1947). Expansion and Employment. American Economic Review, 37(1), 34-55.
  • Elverdi, S., & Atik, H. (2021). İnovasyon ve Ekonomik Büyüme Arasındaki İlişkinin Analizi: Bir Yapısal Eşitlik Modellemesi, Pearson Journal of Social Sciences & Humanities, 6(10), 183-205.
  • Göçer, İ. (2013). Ekonomik Büyümenin Belirleyicileri: Sınır Testi Yaklaşımı. Siyaset, Ekonomi ve Yönetim Araştırmaları Dergisi, 1(1), 75-91.
  • Han, J., Kamber, M., & Pei, J. (2011). Data Mining Concepts and Techniques Third Edition. The Morgan Kaufmann Series in Data Management Systems, 5(4), 83-124.
  • Harrod, R. F. (1948). Towards a Dynamic Economics, Londra: MacMillan.
  • Johnson, M. A., Brown, C. H., & Wells, S. J. (2002). Using classification and regression trees (CART) to support worker decision making. Social Work Research, 26(1), 19-29.
  • Karşıyakalı, B. (2008). Türkiye’de Ekonomik Büyümenin Kaynaklarının Analizi. Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı (Dan. İ. Baray), Yayınlanmamış Doktora Tezi, İzmir: Dokuz Eylül Üniversitesi.
  • Kibritçioğlu, A. (1998). İktisadi Büyümenin Belirleyicileri ve Yeni Büyüme Modellerinde Beşeri Sermayenin Yeri. Ankara Üniversitesi Siyasal Bilgiler Fakültesi Dergisi, 53(1-4), 207-230.
  • Lucas, R. E. (1988). On the Mechanics of Economic Development. Journal of Monetary Economics, 22(1),3-42.
  • Mercan, M. (2014). Ekonomik Büyümenin Belirleyicileri ve 2008 Krizi: Orta Asya Ülkeleri ve Türkiye Ekonomisi İçin Panel Veri Analizi. Yönetim ve Ekonomi, 21(1), 125-142.
  • Milačić, L., Jović, S., Vujović, T., & Miljković, J. (2017). Application of Artificial Neural Network with Extreme Learning Machine for Economic Growth Estimation. Physica A, 465, 285-288.
  • Önal, H. (2009). Ekonomik Büyümenin Belirleyicileri ve Sanayileşme Stratejileri. Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı, Yayınlanmamış Yüksek Lisans Tezi (Dan. M. Şişman), İstanbul: Marmara Üniversitesi.
  • Rahman, N. H. A., Ismail, S., & Ridzuan, A. R. (2020). A Comprehensive Review on the Determinants of Economic Growth for Indebted Countries. International Journal of Academic Research in Accounting, Finance and Management Sciences, 10(2), 223-232.
  • Romer, P. M. (1986). Increasing Returns and Long-Run Growth. Journal of Political Economy, 94(5),1002-1037.
  • Romer, P. M. (1990). Endogenous Technological Change. Journal of Political Economy, 98(5), 71-102.
  • Rutkowski, L., Jaworski, M., Pietruczuk, L., & Duda, P. (2014). The CART Decision Tree for Mining Data Streams. Information Sciences, 266, 1-15.
  • Sanusi, N. A., Moosin, A. F., & Kusairi, S. (2020). Neural Network Analysis in Forecasting the Malaysian GDP. Journal of Asian Finance, Economics and Business, 7(12), 109–114.
  • Schumpeter, J. A. (1939). Business Cycles: A Theoretical, Historical, and Statistical Analysis of the Capitalist Process, New York ve Londra: McGraw-Hill.
  • Singh, S., & Gupta, P. (2014). Comparative study ID3, cart and C4. 5 decision tree algorithm: a survey. International Journal of Advanced Information Science and Technology (IJAIST), 27(27), 97-103.
  • Snowdon, B. & Vane, H. R. (2005). Modern Macroeconomics Its Origins, Development and Current State, Birleşik Krallık, ABD: Edward Elgar.
  • Sokolov-Mladenović, S., Milovančević, M. Mladenović, I., & Alizamir, M. (2016). Economic Growth Forecasting by Artificial Neural Network with Extreme Learning Machine Based on Trade, Import and Export Parameters. Computers in Human Behaviour, 65, 43-45.
  • Solow, R. M. (1956). A Contribution of the Theory of Economic Growth. The Quarterly Journal of Economics, 70(1), 65-94.
  • Solow, R. M. (1957). Technical Change and the Aggregate Production Function. The Review of Economics and Statistics, 39(3), 312-320.
  • Stenberg, D., & Phillip, C. (1995). CART Classification and Regression Trees. Salford Systems, San Diego, CA, USA.
  • Syaraswati, R. A., Salamet, I., & Winarno, B..(2017). Classification of Status of the Region on Java Island Using C4.5, CHAID and CART Methods. Journal of Physics: Conf. Series, 855, 1-8.
  • Tan, P. N., Steinbach, M., & Kumar, V. (2016). Introduction to Data Mining. Pearson Education India.
  • Tunalı, H. & Erbelet, E. (2017). Ekonomik Büyüme ve Sanayileşme İlişkisinde Kaldor Yasasının Türkiye’deki Geçerliliğinin Analizi. Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6(1), 1-15.
  • Waheed, T., Bonnell, R. B., Prasher, S. O., & Paulet, E. (2006). Measuring performance in precision agriculture: CART-A decision tree approach. Agricultural water management, 84(1-2), 173-185.

Türkiye’de İktisadi Büyümenin Kaynakları: Makine Öğrenmesi İle Karar Ağacı Bulguları

Yıl 2022, Cilt: 20 Sayı: 2, 61 - 80, 28.06.2022
https://doi.org/10.18026/cbayarsos.1052101

Öz

İktisadi büyüme, bir ulus için tüm ekonomik faaliyetlerin nihai amacı olarak kabul edilmektedir. Bu önemi nedeniyle gerek ulusal politikaların başarısının değerlendirilmesinde gerekse uluslararası karşılaştırmalarda ilk akla gelen ekonomik gösterge durumundadır. Son dönemde çeşitli makine öğrenmesi yaklaşımları ve yapay sinir ağları modelleri de bu alanda kullanılmaya başlanmıştır. Bu çalışmanın amacı, literatürden farklı olarak karar ağacı modellemesini kullanarak iktisadi büyümenin kaynaklarını ortaya koymaktır. Bu bağlamda, literatürde büyümeye kaynaklık ettiği kabul gören tasarruf, sermaye birikimi, emek gücü, yenilik, kamu harcamaları, dış ticaret, beşeri sermaye, demografik unsurlar, sanayileşme, kurumsal faktörler gibi değişkenler analize dâhil edilmiştir. Çalışmanın bulguları, iktisadi büyüme için kurallar ve yüksek büyümenin sağlanmasına yönelik olarak politika yapıcılara referans olabilecek kanıtlar sunmaktadır. Çalışmanın bulguları, Türkiye Ekonomisinde büyümeyi teşvik etmede tasarruf, inovasyon, ihracat ve emeğin önemini ortaya koymaktadır. İktisadi büyüme için elde edilen kurallar, yüksek büyümenin sağlanmasına yönelik olarak politika yapıcılara referans olabilecek kanıtlar sunmaktadır.

Kaynakça

  • Acemoğlu, D., & J. A. Robinson. (2012). Ulusların Düşüşü, İstanbul: Doğan Kitap.
  • Aggarwal, C. C. (2015). Data Mining: The Textbook. Springer.
  • Aghion, P., ve Howitt, P. (1992). A Model of Growth Through Creative Destruction. Econometrica, 60(2), 323-351
  • Ali, H., & Sardar, K. (2020). Macroeconomic and Socioeconomic Determinants of Economic Growth: An Empirical Examination of South Asian Economies. Pakistan Journal of Humanities and Social Sciences, 8(2), 47-56.
  • Alper, F. Ö. (2019). Ekonomik Büyümenin Belirleyicileri: Yapısal Kırılmalar Altında Türkiye Örneği. Fiscaoeconomia, 3(1), 202-227.
  • Artan, S., & Hayaloğlu, P. (2014). Kurumsal Yapı ve İktisadi Büyüme İlişkisi: Türkiye Örneği. Sosyoekonomi, 2014-2, 347-366.
  • Astuti, R. D., & Udjanto, D. W. (2020). Determinants of Economic Growth in ASEAN-4 Countries (Indonesia, Malaysia, Philippines, and Thailand). Proceeding on Economic and Business Series (EBS), 1(1), 152-158.
  • Barro, R. J. (1990). Government Spending in a Simple Model of Endogenous Growth. Journal of Political Economy, 98(5), 103-125.
  • Basuchoudhary, A., Bang J. T., & Sen, T. (2017), Machine-learning Techniques in Economics New Tools for Predicting Economic Growth, ABD: Springer Briefs in Economics.
  • Breiman, L., J. Friedman, Olshen, R.A., & Stone, C.J. (1984) Classification and Regression Trees. Wadsworth, ISBN: 0534980546, pp: 358.
  • Bulut, H., & Doğan, A. R. (2020). Rekabet Gücü ve Büyüme İlişkisi: BRICS-T Ülkeleri Üzerine Ekonometrik Bir Analiz. International Journal Entrepreneurship and Management Inquiries, 4(1), 126-144.
  • Cinel, E. A. (2014). Türkiye’de Ekonomik Büyümenin Belirleyicileri. Ordu Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Araştırmaları Dergisi, 4(8), 15-26.
  • Doğanay, M. A., & Değer, M. K. (2020). Kurumlar ve Ekonomik Büyüme: Panel Veri Analizi (2002-2018). Karadeniz Teknik Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Dergisi, 10(19), 75-99.
  • Domar, E. D. (1947). Expansion and Employment. American Economic Review, 37(1), 34-55.
  • Elverdi, S., & Atik, H. (2021). İnovasyon ve Ekonomik Büyüme Arasındaki İlişkinin Analizi: Bir Yapısal Eşitlik Modellemesi, Pearson Journal of Social Sciences & Humanities, 6(10), 183-205.
  • Göçer, İ. (2013). Ekonomik Büyümenin Belirleyicileri: Sınır Testi Yaklaşımı. Siyaset, Ekonomi ve Yönetim Araştırmaları Dergisi, 1(1), 75-91.
  • Han, J., Kamber, M., & Pei, J. (2011). Data Mining Concepts and Techniques Third Edition. The Morgan Kaufmann Series in Data Management Systems, 5(4), 83-124.
  • Harrod, R. F. (1948). Towards a Dynamic Economics, Londra: MacMillan.
  • Johnson, M. A., Brown, C. H., & Wells, S. J. (2002). Using classification and regression trees (CART) to support worker decision making. Social Work Research, 26(1), 19-29.
  • Karşıyakalı, B. (2008). Türkiye’de Ekonomik Büyümenin Kaynaklarının Analizi. Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı (Dan. İ. Baray), Yayınlanmamış Doktora Tezi, İzmir: Dokuz Eylül Üniversitesi.
  • Kibritçioğlu, A. (1998). İktisadi Büyümenin Belirleyicileri ve Yeni Büyüme Modellerinde Beşeri Sermayenin Yeri. Ankara Üniversitesi Siyasal Bilgiler Fakültesi Dergisi, 53(1-4), 207-230.
  • Lucas, R. E. (1988). On the Mechanics of Economic Development. Journal of Monetary Economics, 22(1),3-42.
  • Mercan, M. (2014). Ekonomik Büyümenin Belirleyicileri ve 2008 Krizi: Orta Asya Ülkeleri ve Türkiye Ekonomisi İçin Panel Veri Analizi. Yönetim ve Ekonomi, 21(1), 125-142.
  • Milačić, L., Jović, S., Vujović, T., & Miljković, J. (2017). Application of Artificial Neural Network with Extreme Learning Machine for Economic Growth Estimation. Physica A, 465, 285-288.
  • Önal, H. (2009). Ekonomik Büyümenin Belirleyicileri ve Sanayileşme Stratejileri. Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı, Yayınlanmamış Yüksek Lisans Tezi (Dan. M. Şişman), İstanbul: Marmara Üniversitesi.
  • Rahman, N. H. A., Ismail, S., & Ridzuan, A. R. (2020). A Comprehensive Review on the Determinants of Economic Growth for Indebted Countries. International Journal of Academic Research in Accounting, Finance and Management Sciences, 10(2), 223-232.
  • Romer, P. M. (1986). Increasing Returns and Long-Run Growth. Journal of Political Economy, 94(5),1002-1037.
  • Romer, P. M. (1990). Endogenous Technological Change. Journal of Political Economy, 98(5), 71-102.
  • Rutkowski, L., Jaworski, M., Pietruczuk, L., & Duda, P. (2014). The CART Decision Tree for Mining Data Streams. Information Sciences, 266, 1-15.
  • Sanusi, N. A., Moosin, A. F., & Kusairi, S. (2020). Neural Network Analysis in Forecasting the Malaysian GDP. Journal of Asian Finance, Economics and Business, 7(12), 109–114.
  • Schumpeter, J. A. (1939). Business Cycles: A Theoretical, Historical, and Statistical Analysis of the Capitalist Process, New York ve Londra: McGraw-Hill.
  • Singh, S., & Gupta, P. (2014). Comparative study ID3, cart and C4. 5 decision tree algorithm: a survey. International Journal of Advanced Information Science and Technology (IJAIST), 27(27), 97-103.
  • Snowdon, B. & Vane, H. R. (2005). Modern Macroeconomics Its Origins, Development and Current State, Birleşik Krallık, ABD: Edward Elgar.
  • Sokolov-Mladenović, S., Milovančević, M. Mladenović, I., & Alizamir, M. (2016). Economic Growth Forecasting by Artificial Neural Network with Extreme Learning Machine Based on Trade, Import and Export Parameters. Computers in Human Behaviour, 65, 43-45.
  • Solow, R. M. (1956). A Contribution of the Theory of Economic Growth. The Quarterly Journal of Economics, 70(1), 65-94.
  • Solow, R. M. (1957). Technical Change and the Aggregate Production Function. The Review of Economics and Statistics, 39(3), 312-320.
  • Stenberg, D., & Phillip, C. (1995). CART Classification and Regression Trees. Salford Systems, San Diego, CA, USA.
  • Syaraswati, R. A., Salamet, I., & Winarno, B..(2017). Classification of Status of the Region on Java Island Using C4.5, CHAID and CART Methods. Journal of Physics: Conf. Series, 855, 1-8.
  • Tan, P. N., Steinbach, M., & Kumar, V. (2016). Introduction to Data Mining. Pearson Education India.
  • Tunalı, H. & Erbelet, E. (2017). Ekonomik Büyüme ve Sanayileşme İlişkisinde Kaldor Yasasının Türkiye’deki Geçerliliğinin Analizi. Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6(1), 1-15.
  • Waheed, T., Bonnell, R. B., Prasher, S. O., & Paulet, E. (2006). Measuring performance in precision agriculture: CART-A decision tree approach. Agricultural water management, 84(1-2), 173-185.
Toplam 41 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Bölüm Makaleler
Yazarlar

Cihan Çılgın 0000-0002-8983-118X

Aslı Seda Kurt 0000-0003-0356-7443

Yayımlanma Tarihi 28 Haziran 2022
Yayımlandığı Sayı Yıl 2022 Cilt: 20 Sayı: 2

Kaynak Göster

APA Çılgın, C., & Kurt, A. S. (2022). Türkiye’de İktisadi Büyümenin Kaynakları: Makine Öğrenmesi İle Karar Ağacı Bulguları. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 20(2), 61-80. https://doi.org/10.18026/cbayarsos.1052101