KaydedilenlerDerginizi ekleyin

Dergiler / Kamu Ekonomisi ve Kamu Mali Yönetimi Dergisi / 2026 / Cilt: 6 Sayı: 2

Türkiye’de Maliyet Kaynaklı Gıda Enflasyonu ve Tarımsal Girdi Şokları: Pandemi Sonrası Dönemden Kantil-Kantil Kanıtlar

COST-PUSH FOOD INFLATION AND AGRICULTURAL INPUT SHOCKS IN TÜRKIYE: QUANTILE-ON-QUANTILE EVIDENCE FROM THE POST-PANDEMIC PERIOD

Mehmet Mert Türk(TOKAT GAZİOSMANPAŞA ÜNİVERSİTESİ, TURHAL UYGULAMALI BİLİMLER FAKÜLTESİ)0000-0002-0164-2131
Sayfa
266–289
Yayın Tarihi
2026-10-28
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular, tarımsal girdi maliyetleri ile gıda enflasyonu arasında heterojen, asimetrik ve rejime bağlı bir ilişki bulunduğunu göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışma, pandemi sonrası dönemde Türkiye’de tarımsal girdi maliyetleri ile gıda enflasyonu arasındaki kantile bağlı ilişkiyi incelemektedir. 2020:01–2026:03 dönemine ait aylık verilerin kullanıldığı analizde, Tarımsal Girdi Fiyat Endeksi ile bu endeksin temel alt bileşenleri olan gübre ve toprak düzenleyiciler, enerji ve yağlayıcılar ve hayvan yemi dikkate alınmıştır.
📊
Temel Bulgular & Veri:Kantil-Kantil Regresyon (QQR) yaklaşımı, girdi maliyeti şoklarının farklı kantillerinin gıda enflasyonunun farklı kantilleri üzerindeki etkilerinin birlikte incelenmesine olanak tanımaktadır.
💡
Sonuç & Katkı:Bulgular, tarımsal girdi maliyetleri ile gıda enflasyonu arasında heterojen, asimetrik ve rejime bağlı bir ilişki bulunduğunu göstermektedir.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:2020 Verileri
⚙️Değişkenler:Gıda enflasyonu · Tarımsal girdi maliyetleri · Maliyet geçişkenliği

Özet

Bu çalışma, pandemi sonrası dönemde Türkiye’de tarımsal girdi maliyetleri ile gıda enflasyonu arasındaki kantile bağlı ilişkiyi incelemektedir. 2020:01–2026:03 dönemine ait aylık verilerin kullanıldığı analizde, Tarımsal Girdi Fiyat Endeksi ile bu endeksin temel alt bileşenleri olan gübre ve toprak düzenleyiciler, enerji ve yağlayıcılar ve hayvan yemi dikkate alınmıştır. Döviz kuru geçişkenliğini yakalamak amacıyla USD/TRY döviz kuru modele dâhil edilirken, sağlamlık kontrolü için Brent ham petrol fiyatları kullanılmıştır. Kantil-Kantil Regresyon (QQR) yaklaşımı, girdi maliyeti şoklarının farklı kantillerinin gıda enflasyonunun farklı kantilleri üzerindeki etkilerinin birlikte incelenmesine olanak tanımaktadır. Bulgular, tarımsal girdi maliyetleri ile gıda enflasyonu arasında heterojen, asimetrik ve rejime bağlı bir ilişki bulunduğunu göstermektedir. Toplam tarımsal girdi maliyeti endeksi gıda enflasyonuyla pozitif ilişkilidir ve bu ilişki yüksek gıda enflasyonu rejimlerinde daha güçlü hâle gelmektedir. Alt bileşenler arasında hayvan yemi maliyetleri güçlü bir aktarım kanalı olarak öne çıkmakta ve Türkiye’nin gıda enflasyonu dinamiklerinde hayvancılıkla ilişkili girdi maliyetlerinin önemini vurgulamaktadır. Gübre ve enerji maliyetleri daha çok rejime özgü etkiler sergilerken, döviz kuru ve Brent petrol fiyatı kanalları daha düzensiz ve dolaylı mekanizmalar üzerinden işlemektedir. Genel olarak sonuçlar, Türkiye’de gıda enflasyonunun belirgin bir maliyet kaynaklı boyuta sahip olduğunu ve gelişmekte olan ekonomilerde fiyat istikrarı politikalarının girdi maliyeti baskılarını, döviz kuru oynaklığını ve arz yönlü kırılganlıkları birlikte ele alması gerektiğini göstermektedir.

Abstract

This study examines the quantile-dependent relationship between agricultural input costs and food inflation in Türkiye during the post-pandemic period. Using monthly data for 2020:01–2026:03, the analysis considers the Agricultural Input Price Index and its main sub-components, namely fertilizers and soil improvers, energy and lubricants, and animal feed. The USD/TRY exchange rate is included to capture exchange-rate pass-through, while Brent crude oil prices are used for robustness. The Quantile-on-Quantile Regression (QQR) approach enables the effects of different quantiles of input-cost shocks on different quantiles of food inflation to be examined jointly. The findings reveal a heterogeneous, asymmetric, and regime-dependent relationship between agricultural input costs and food inflation. The aggregate agricultural input cost index is positively associated with food inflation, and this relationship becomes stronger under high food-inflation regimes. Among the sub-components, animal feed costs stand out as a strong transmission channel, highlighting the importance of livestock-related input costs in Türkiye's food inflation dynamics. Fertilizer and energy costs display more regime-specific effects, whereas exchange-rate and Brent oil-price channels operate through more irregular and indirect mechanisms. Overall, the results suggest that food inflation in Türkiye has a pronounced cost-push dimension and that price-stability policies in emerging economies should jointly address input-cost pressures, exchange-rate volatility, and supply-side vulnerabilities.

🔖

Bu Makaleye Atıf Yap

Türk, M. M. (2026). Türkiye’de Maliyet Kaynaklı Gıda Enflasyonu ve Tarımsal Girdi Şokları: Pandemi Sonrası Dönemden Kantil-Kantil Kanıtlar. Kamu Ekonomisi ve Kamu Mali Yönetimi Dergisi, Cilt: 6 Sayı: 2, 266–289. https://doi.org/10.71284/jpepfm.2026622

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (37)

  1. Aday, S., and Aday, M. S. (2020). Impact of COVID-19 on the food supply chain. Food Quality and Safety, 4(4), 167–180. https://doi.org/10.1093/fqsafe/fyaa024
  2. Akgündüz, Y. E., Baştan, E. M., Demiroğlu, U., and Tümen, S. (2021). Product-level estimates of exchange rate pass-through: Evidence from Turkey. The World Economy, 44(7), 2203–2226. https://doi.org/10.1111/twec.13060
  3. Akter, S. (2020). The impact of COVID-19 related “stay-at-home” restrictions on food prices in Europe: Findings from a preliminary analysis. Food Security, 12, 719–725. https://doi.org/10.1007/s12571-020-01082-3
  4. Akyol Özcan, K. (2023). Food price bubbles: Food price indices of Turkey, the FAO, the OECD, and the IMF. Sustainability, 15(13), 9947. https://doi.org/10.3390/su15139947
  5. Baumeister, C., and Kilian, L. (2014). Do oil price increases cause higher food prices? Economic Policy, 29(80), 691–747. https://doi.org/10.1111/1468-0327.12039
  6. Ben Hassen, T., and El Bilali, H. (2022). Impacts of the Russia–Ukraine war on global food security: Towards more sustainable and resilient food systems? Foods, 11(15), 2301. https://doi.org/10.3390/foods11152301
  7. Broock, W. A., Scheinkman, J. A., Dechert, W. D., and LeBaron, B. (1996). A test for independence based on the correlation dimension. Econometric Reviews, 15(3), 197–235. https://doi.org/10.1080/07474939608800353
  8. Central Bank of the Republic of Türkiye. (2026). Electronic Data Delivery System (EDDS) [Data set]. https://evds2.tcmb.gov.tr/
  9. Demirkılıç, S., Özertan, G., and Tekgüç, H. (2022). The evolution of unprocessed food inflation in Turkey: An exploratory study on select products. New Perspectives on Turkey, 67, 57–82. https://doi.org/10.1017/npt.2022.9
  10. Derindag, O. F., Chang, B. H., and Gohar, R. (2023). Food prices response to global and national factors: Evidence beyond asymmetry. Cogent Economics and Finance, 11(1), 2187128. https://doi.org/10.1080/23322039.2023.2187128
  11. Dickey, D. A., and Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427–431. https://doi.org/10.1080/01621459.1979.10482531
  12. Dickey, D. A., and Fuller, W. A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49(4), 1057–1072. https://doi.org/10.2307/1912517
  13. Durmaz, N., and Kagochi, J. (2022). Asymmetric exchange rate pass-through in Turkish imports of cocoa beans. Journal of Risk and Financial Management, 15(4), 184. https://doi.org/10.3390/jrfm15040184
  14. Elleby, C., Pérez Domínguez, I., Adenauer, M., and Genovese, G. (2020). Impacts of the COVID-19 pandemic on the global agricultural markets. Environmental and Resource Economics, 76, 1067–1079. https://doi.org/10.1007/s10640-020-00473-6
  15. Erokhin, V., and Gao, T. (2020). Impacts of COVID-19 on trade and economic aspects of food security: Evidence from 45 developing countries. International Journal of Environmental Research and Public Health, 17(16), 5775. https://doi.org/10.3390/ijerph17165775
  16. Ertuğrul, H. M., and Seven, Ü. (2023). Dynamic spillover analysis of international and Turkish food prices. International Journal of Finance and Economics, 28(2), 1918–1928. https://doi.org/10.1002/ijfe.2517
  17. Falkendal, T., Otto, C., Schewe, J., Jägermeyr, J., Konar, M., Kummu, M., Watkins, B., and Puma, M. J. (2021). Grain export restrictions during COVID-19 risk food insecurity in many low- and middle-income countries. Nature Food, 2, 11–14. https://doi.org/10.1038/s43016-020-00211-7
  18. Federal Reserve Bank of St. Louis. (2026). FRED economic data: Crude oil prices: Brent - Europe [Data set]. https://fred.stlouisfed.org/
  19. Gujarati, D. N. (2021). Essentials of econometrics. SAGE Publications.
  20. Harvey, A. C., and Collier, P. (1977). Testing for functional misspecification in regression analysis. Journal of Econometrics, 6(1), 103–119. https://doi.org/10.1016/0304-4076(77)90057-4
  21. Işık, S., and Özbuğday, F. C. (2020). The role of tax cuts on agricultural input prices in Turkey. Studies in Agricultural Economics, 122(3), 167–171. https://doi.org/10.7896/j.2070
  22. Işık, S., and Özbuğday, F. C. (2021). The impact of agricultural input costs on food prices in Turkey: A case study. Agricultural Economics, 67(3), 101–110. https://doi.org/10.17221/260/2020-AGRICECON
  23. Kapetanios, G., Shin, Y., and Snell, A. (2003). Testing for a unit root in the nonlinear STAR framework. Journal of Econometrics, 112(2), 359–379. https://doi.org/10.1016/S0304-4076(02)00202-6
  24. Koenker, R., and Bassett, G., Jr. (1978). Regression quantiles. Econometrica, 46(1), 33–50. https://doi.org/10.2307/1913643
  25. Köse, N., and Ünal, E. (2024). The effects of the oil price and temperature on food inflation in Latin America. Environment, Development and Sustainability, 26(2), 3269–3295. https://doi.org/10.1007/s10668-022-02817-2
  26. Laborde, D., Martin, W., Swinnen, J., and Vos, R. (2020). COVID-19 risks to global food security. Science, 369(6503), 500–502. https://doi.org/10.1126/science.abc4765
  27. Laborde, D., Martin, W., and Vos, R. (2021). Impacts of COVID-19 on global poverty, food security, and diets: Insights from global model scenario analysis. Agricultural Economics, 52(3), 375–390. https://doi.org/10.1111/agec.12624
  28. Nazlioglu, S., and Soytas, U. (2012). Oil price, agricultural commodity prices, and the dollar: A panel cointegration and causality analysis. Energy Economics, 34(4), 1098–1104. https://doi.org/10.1016/j.eneco.2011.09.008
  29. Oral, İ. O., Çakıcı, A., Yıldız, F., and Alayoubi, M. (2023). Determinants of food price in Turkey: A structural VAR approach. Cogent Food and Agriculture, 9(1), 2247169. https://doi.org/10.1080/23311932.2023.2247169
  30. Öztürk, O., and Faizi, B. (2023). The Russia–Ukraine war, soaring food prices, and the Turkish economy: Insights from computable general equilibrium. Frontiers in Environmental Science, 11, 1233233. https://doi.org/10.3389/fenvs.2023.1233233
  31. Phillips, P. C. B., and Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335–346. https://doi.org/10.1093/biomet/75.2.335
  32. Shahbaz, M., Zakaria, M., Shahzad, S. J. H., and Mahalik, M. K. (2018). The energy consumption and economic growth nexus in top ten energy-consuming countries: Fresh evidence from using the quantile-on-quantile approach. Energy Economics, 71, 282–301. https://doi.org/10.1016/j.eneco.2018.02.023
  33. Sim, N., and Zhou, H. (2015). Oil prices, US stock return, and the dependence between their quantiles. Journal of Banking and Finance, 55, 1–8. https://doi.org/10.1016/j.jbankfin.2015.01.013
  34. Tandoğan Aktepe, N. S., and Kayral, İ. E. (2024). Unraveling the major determinants behind price changes in four selected representative agricultural products. Agriculture, 14(5), 782. https://doi.org/10.3390/agriculture14050782
  35. Turkish Statistical Institute. (2026). Agricultural Input Price Index and Consumer Price Index datasets [Data set]. https://data.tuik.gov.tr/
  36. Urak, F. (2025). Unraveling Turkish agricultural market challenges: Consequences of COVID-19, Russia–Ukraine conflict, and energy market dynamics. Agribusiness, 41(2), 307–341. https://doi.org/10.1002/agr.21888
  37. Uzel, G., Kuzu, M., Güler, A., and Gürlük, S. (2025). Asymmetric effects of agricultural input prices on farmgate prices in Türkiye. Agriculture, 15(6), 607. https://doi.org/10.3390/agriculture15060607