KaydedilenlerDerginizi ekleyin

Dergiler / Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2010 / Cilt: 28 - Sayı: 1

Türkiye'de iller temelinde enflasyonun UZABHO modellemesi ve tahmini

Starma modeling and estimation of province-based inflation in Turkey

K. Batu TUNAY
Sayfa
1–36
Yayın Tarihi
2022-10-18
DOI
—
🏛️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)

Böylelikle, politika yapanlar ülke genelinde olduğu gibi bölgesel düzeyde de enflasyonu öngörebilecek, bölgeye özel tedbirler alınabilecek ve uygulanacak politikaların başarı şansı da kuşkusuz artacaktır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada Türkiye’de farklı iller temelinde enflasyonun uzay-zaman ardışık bağlanım hareketli ortalama (UZABHO) modelleriyle tahmini yapılmaktadır.
📊
Temel Bulgular & Veri:Coğrafi temelli ekonomik değişkenlerin analiz edilmesinde etkin bir ekonometrik tahmin aracı olarak UZABHO modellerinin tanıtılması da amaçlanmaktadır.
💡
Sonuç & Katkı:Böylelikle, politika yapanlar ülke genelinde olduğu gibi bölgesel düzeyde de enflasyonu öngörebilecek, bölgeye özel tedbirler alınabilecek ve uygulanacak politikaların başarı şansı da kuşkusuz artacaktır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Bu çalışmada Türkiye’de farklı iller temelinde enflasyonun uzay-zaman ardışık bağlanım hareketli ortalama (UZABHO) modelleriyle tahmini yapılmaktadır. Coğrafi temelli ekonomik değişkenlerin analiz edilmesinde etkin bir ekonometrik tahmin aracı olarak UZABHO modellerinin tanıtılması da amaçlanmaktadır. Elde edilen sonuçlar gerek istatistik anlamlılık gerekse açıklayıcı güçleri açısından son derece başarılıdır. Sonuçların başarısına bakılarak, söz konusu modelin bölgesel enflasyonun öngörüsünün yapılmasında başarıyla kullanılabileceği rahatlıkla söylenebilir. Böylelikle, politika yapanlar ülke genelinde olduğu gibi bölgesel düzeyde de enflasyonu öngörebilecek, bölgeye özel tedbirler alınabilecek ve uygulanacak politikaların başarı şansı da kuşkusuz artacaktır.

Abstract

In this study, Turkey's province-based inflation is estimated by space-time autoregressive moving average (STARMA) models. Study also aims to introduce STARMA models as efficient econometrical estimation tools for the analysis of geographical based economic variables. Findings obtained shows us that statistically significance level and explanatory power of model are both expressively high. Consequently, this model can be used for forecasting of province-based inflation. Thus, political authorities can easily forecast inflation and thereby take necessary measures to cope with both province-based and country-wide inflation. As a result of these, success of executed policies will undoubtedly increase.

🔖

Bu Makaleye Atıf Yap

TUNAY, K. B. (2022). Türkiye'de iller temelinde enflasyonun UZABHO modellemesi ve tahmini. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 28 - Sayı: 1, 1–36. https://ajindex.com/articles/533148

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Abdus-Salam, M., S. Salam and M. Feridun (2006) “Forecasting Inflation in Developing Nations: The Case of Pakistan”, International Research Journal of Finance and Economics, 3(May), 138-159.
  2. Abdus-Salam, M. and M.K. Pervaiz (2005) “Modeling and Forecasting Pakistnan’s Inflation by Using Time Series ARIMA Models”, European Journal of Scientific Research, 9(1), 65-99.
  3. Abuaf, N. and P. Jorion (1990) “Purchaising Power Parity in the Long Run”, Journal of Finance, 45(1), 157-174.
  4. Aksu, C. and J.Y. Narayan (1991) “Forecasting with Vector ARMA and State Space Methods”, International Journal of Forecasting, 7(1), 17-30.
  5. Alberola, E. and J.M. Marques (1999) “On the Relevance and Nature of Regional Inflation Differentials: The Case of Spain”, Banco de Espana, Working Papers, No: 9913. Anselin, L. (1999) “Spatial Econometrics”, Center for Spatially Integrated Social Sciences, Working Papers, No: 2, http://www.csiss.org.
  6. Anselin, L. (1988) Spatial Econometrics: Methods and Models, Dortech: Kluwer Academic Publishers.
  7. Arbia, G., J.P. Elhorst and G. Piras (2005) “Serial and Spatial Dependence in the Growth Process of EU Regions”, Workshop on Spatial Econometrics, Kiel Institute for World Economics, Kiel, 8-9 April 2005, http://www.uni-kiel.com/ifw/konfer/spatial/ arbia_elhorst_piras.pdf. Beck, G., K. Hubrich and M. Marcellino (2006) “Regional Inflation Dynamics Within and Across Euro Area Countries and A Comparison with the US”, European Central Bank, Working Paper Series, No: 681. Beck, G.W. and A.A. Weber (2005) “Inflation Rate Dispersion and Convergence in Monetary and Economic Unions: Lessons for the ECB”, Center for Financial Studies Working Papers, No: 2005/31, Frankfurt: Goethe University, http://www.ifk-cfs.de/papers/05_31.pdf.
  8. Bokhari, S.M.H. and M. Feridun (2006) “Forecasting Inflation Through Econometric Models: An Empirical Study on Pakistan Data”, Doğuş Üniversitesi Dergisi, 7(1), 39-47.
  9. Box, G.E.P., G.M. Jenkins and G.C. Reinsel (1994) Time Series Analysis: Forecasting and Control, (third ed.), New Jersey: Prentice Hall. Breitung, J. and S. Das (2003) “Panel Unit Root Tests under Cross Sectional Dependence”, Mimeo, University of Bonn, http://ideas.repec.org/p/ecm/nasm04/55.html.
  10. Brincker, R. and P. Andersen (1999) “ARMA Models in Modal Space”, Proceedings of the 17th International Modal Analysis Conference, Proc. SPIE, 3727, 330-334, ftp://ftp.svibs.com/Download/Literature-/Papers/1999/1999_3.pdf. Busetti, F., L. Forni, A. Harvey and F. Venditti (2006) “In