SavedAdd your journal

Journals / Trends in Business and Economics / 2021 / Cilt: 35 Sayı: 2

Convergence in Per-Capita GDP Across Turkish Provinces: A Spatial Econometrics Approach

Türkiye’de İller Arası Gelir Yakınsaması: Mekânsal Ekonometrik Yaklaşım

Kübra ELMALI
Gökhan ERKAL
Hüseyin ÖZER
Pages
451–468
Publication Date
2021-04-18
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Elde edilen bulgular doğrultusunda; her iki veri seti analiz sonucuna göre de illerin gelir durumları arası yakınsamanın varlığı tespit edilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Ekonomik büyüme kuramlarının geçerliliğini araştırmak için ekonomiler arasındaki yakınsamanın esas alınması, illerin gelir dağılımının önemini ortaya koymaktadır.
📊
Key Findings & Data:Türkiye için iller arası gelir yakınsamasının araştırıldığı bu çalışmada Türkiye Ekonomi Politikaları Araştırma Vakfı (TEPAV) tarafından gece ışıkları verisi ile hesaplanan kişi başı gayri safi yurtiçi hasıla verileri ile geleneksel yöntemlerle hesaplanan veriler kullanılarak karşılaştırma yapılmış ve il bazında incelemelerde bulunulmuştur.
💡
Conclusion & Impact:Elde edilen bulgular doğrultusunda; her iki veri seti analiz sonucuna göre de illerin gelir durumları arası yakınsamanın varlığı tespit edilmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:maksimum olabilirlik · neoklasik yakınsama · mekansal analiz

Özet

Ekonomik büyüme kuramlarının geçerliliğini araştırmak için ekonomiler arasındaki yakınsamanın esas alınması, illerin gelir dağılımının önemini ortaya koymaktadır. Türkiye için iller arası gelir yakınsamasının araştırıldığı bu çalışmada Türkiye Ekonomi Politikaları Araştırma Vakfı (TEPAV) tarafından gece ışıkları verisi ile hesaplanan kişi başı gayri safi yurtiçi hasıla verileri ile geleneksel yöntemlerle hesaplanan veriler kullanılarak karşılaştırma yapılmış ve il bazında incelemelerde bulunulmuştur. Model tahmininde mekânsal analiz uygulanmıştır. Modele ithalat, ihracat ve nüfus gibi ilave değişkenler eklenerek mutlak ve koşullu yakınsama hipotezleri altında oluşturulan mekânsal Durbin, mekânsal gecikmeli ve mekânsal hata modelleri maksimum olabilirlik (ML) metodu kullanılarak tahmin edilmiştir. Uygun model Wald testi kullanılarak belirlenmiştir. Elde edilen bulgular doğrultusunda; her iki veri seti analiz sonucuna göre de illerin gelir durumları arası yakınsamanın varlığı tespit edilmiştir.

🔖

Cite This Article

ELMALI, K., ERKAL, G., ÖZER, H. (2021). Convergence in Per-Capita GDP Across Turkish Provinces: A Spatial Econometrics Approach. Trends in Business and Economics, Cilt: 35 Sayı: 2, 451–468. https://ajindex.com/articles/916116

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (13)

  1. ANSELIN, L. (2001). ‘‘Spatial Econometrics’’. in Baltagi, B. (Eds.), Companion to Theoretical Econometrics, Blackwell Scientific Publications, Oxford, 310-330.
  2. ANSELIN, L., BERA, A. K. (1998). ‘‘Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics’’. Handbook of Applied Economic Statistics, New York, 237-289.
  3. ANSELIN, L., HUDAK, S. (1992). “Spatial Econometrics in Practice: A Review of Software Options.” Regional Science and Urban Economics, 22, 509-536.
  4. ANSELIN, L., REY, S. J. (Eds.) (2010). Perspectives on Spatial Data Analysis. Advances in Spatial Science, Springer. ANSELIN, L., LE GALLO, J. & JAYET, H. (2008). ‘‘Spatial Panel Econometrics’’. in Matyas, L., Sevestre, P. (Eds.), The Econometrics of Panel Data, Fundamentals and Recent Developments in Theory and Practice 901-969,
  5. Kluwer, Dordrecht, 3. Edition.
  6. ARBIA, G. (2006). ‘‘Spatial Econometrics’’. Statistical Foundations and Applications to Regional Convergence. Berlin, Springer-Verlag. ARBIA, G., ELHORST J. P. ve PIRAS G. (2005). "Serial and Spatial Dependence in the Growth Process of EU Regions". Paper in Preparation for the Workshop on Spatial Econometrics, Kiel Institute for World Economics, Kiel, Germany, April 8-9.
  7. ARBIA, G., PIRAS, G. (2005) Convergence in Per-Capita GDP Across European Regions Using Panel Data Models Extended to Spatial Autocorrelation Effects. BALTAGI, B. H., LI D. (2006). ‘‘Prediction in the Panel Data Model with Spatial Correlation’’. Chapter 13 in Anselin, L., Florax R. J. G. M. & Rey S. J. (eds.). Advances in Spatial Econometrics: Methodology, Tools and Applications (pp: 283-295).
  8. Springer, Berlin. BAŞIHOŞ, S. (2016). ‘‘Gelişmişlik Göstergesi Olarak Gece Işıkları: Ulusal Ölçekte ve İl Bazında GSYH Tahmini’’. Türkiye Ekonomi Politikaları Araştırma Vakfı. BARRO, R.J., SALA-I MARTIN, X. (1990), “Economic Growth and Convergence Across United States”, www.nber.org/papers/w3419, BARRO, R.J., SALA-I MARTIN, X. (1995),
  9. Economic Growth, Eastern Economy Edition,
  10. Second Edition,
  11. Prentice Hall of India. BHANDARI, L., ROYCHOWDHURY, K. (2011). ‘‘Night Lights and Economic Activity in India: A Study Using DMSP-OLS Night Time İmages’’. Proceedings of the Asia-Pacific Advanced Network, 32, 218-236.
  12. BREUSCH, T. S. (1987). ‘‘Maximum Likelihood Estimation of Random Effects Models’’, Journal of Econometrics, 36(3), 383-389.
  13. BUCELLATO, T. (2007). ‘‘Convergence Across Russian Regions: A Spatial Econometrics Approach’’. Economics Working Paper No: 72, Cent