CO2 Emisyonu ve Birincil Enerji Tüketimi Arasındaki İlişkinin Kantil Regresyon Modeli ile İncelenmesi

Year 2023, Volume: 11 Issue: 3, 1529 - 1545, 31.07.2023

Hayriye Esra Akyüz

https://doi.org/10.29130/dubited.1076185

Cited By: 1

Abstract

Bu çalışmada doğrusal regresyon analizinin varsayımlarının sağlanmadığı durumlarda kullanılabilecek olan kantil regresyon analizi ile Türkiyede 2000-2020 yılları arasındaki CO2 emisyonu ve birincil enerji tüketimi arasındaki ilişkinin modellenmesi amaçlanmıştır. Çalımanın ilk böümünde uygun regresyon modeli elde edildikten sonra, veri setine aykırı değerler eklenerek bu gözlemlerin varlığında sonuçlar yeniden elde edilmiş ve kantil regresyonun performansı değerlendirilmiştir. Uygun modelin seçiminde hata kareler ortalamasının karekökü (RMSE) ve ortalama mutlak hata (MAE) kriterleri kullanılmıştır. Elde edilen sonuçlara göre; Türkiye’de 2000-2020 yılları arasında ortalama CO2 emisyonu 289.62±68.12 milyon ton ve ortalama birincil enerji tüketimi 4.66±1.21 exajoule olarak belirlenmiştir. CO2 emisyonundaki değişimin %98.74’nün birincil enerji tüketimi ile açıklandığı ve değişen varyans probleminin varlığında kantil regresyon analizinin, doğrusal regresyon analizinden daha güvenilir sonuçlar verdiği elde edilmiştir. Kantil regresyon modeline göre; birincil enerji tüketimindeki bir exajoule’luk artışın CO2 emisyonunun τ=0.50. kantilinde yaklaşık olarak 54.3 milyon ton artışa sebep olacağı belirlenmiştir. Aykırı değerlerin varlığında τ=0.25 ve τ=0.50 için elde edilen kantil regresyon modelleri en uygun modeller olup birbirine oldukça yakın sonuçlar vermiştir. Bu modellerin, CO2 emisyonu ve birincil enerji tüketimi arasındaki ilişkinin modellenmesinde çıkarsama amaçlı kullanılması önerilmektedir.

Keywords

Birincil enerji tüketimi, CO2 emisyonu, Doğrusal regresyon, Kantil regresyon

Investigation of the Relationship Between CO2 Emission and Primary Energy Consumption with Quantile Regression Model

Abstract

In this study, it is aimed to model the relationship between CO2 emissions and primary energy consumption between the years 2000-2020 in Turkey, with quantile regression analysis, which can be used in cases where the assumptions of linear regression analysis are not provided. In the first part of the study, after obtaining the regression model, the results were obtained in the presence of outlier observations, and the performance of the quantile regression was evaluated. Root mean square error (RMSE) and mean absolute error (MAE) criteria were used to select the appropriate model. According to the results obtained; between the years 2000-2020 in Turkey, the average CO2 emission and primary energy consumption are 289.62±68.12 million tonnes and 4.66±1.21 exajoules, respectively. It has been found that 98.74% of the change in CO2 emission is explained by primary energy consumption and in the presence of heteroskedasticity problem, quantile regression analysis gives more appropriate results than linear regression analysis. According to quantile regression model; it has been determined that one exajoule increase in primary energy consumption will cause an increase of approximately 54.3 million tonnes for τ=0.50 quantile of CO2 emissions. In the presence of outliers, the quantile regression models obtained for for τ=0.25 and for τ=0.50 were the most appropriate models and they gave very close results. It is suggested that these models can be used for inference in modeling the relationship between CO2 emissions and primary energy consumption.

Keywords

Primary energy consumption, CO2 emission, Linear regression, Quantile regression

References

• [1] M. Türkeş, “İklim değişikliğiyle savaşım, kyoto protokolü ve Türkiye,” Mülkiye Dergisi, c. 32, s. 259, ss. 101–131, 2008.
• [2] V. Yılmaz ve P. A. G. Güleç, “Üniversite öğrencilerinin küresel iklim değişikliğine yönelik görüşlerinin araştırılması: bir yapısal eşitlik model önerisi,” İzmir İktisat Dergisi, c. 36, s. 1, ss. 1–22, 2021.
• [3] A. Keskin, “CO2 emisyonunu etkileyen faktörler: Avrupa birliği örneği,” Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, c. 6, s. 5, ss. 361–370, 2019.
• [4] H. Altıntaş, “Türkiye’de birincil enerji tüketimi, karbondioksit emisyonu ve ekonomik büyüme ilişkisi: eşbütünleşme ve nedensellik analizi,” Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, c. 8, s. 1, ss. 263–294, 2013.
• [5] C. Genç, “Türkiye’nin Paris iklim anlaşması dâhilindeki yükümlülükleri ve iklim değişikliğinin bu yükümlülükler üzerindeki etkisi,” Yüksek lisans tezi, Su Ürünleri Bölümü, İskenderun Teknik Üniversitesi, İskenderun, Türkiye, 2021.
• [6] Türkiye İstatistik Kurumu (TÜİK). (2021, 07 Şubat). Sera gazı emisyon istatistikleri 1990-2019 [Çevrimiçi]. Erişim: https://data.tuik.gov.tr/Bulten/Index?p=Sera-Gazi-Emisyon-Istatistikleri-1990-2019-37196.
• [7] C. C. Chang, “A multivariate causality test of carbon dioxide emissions, energy consumption and economic growth in China,” Applied Energy, vol. 87, no. 11, pp. 3533–3537, 2010.
• [8] İ. Öztürk, and A. Acaravcı, “CO2 emissions, energy consumption and economic growth in Turkey,” Renewable and Sustainable Energy Reviews, vol. 14, no. 9, pp. 3220–3225, 2010.
• [9] S. S. Wang, D.Q. Zhou, P. Zhou, and Q. W. Wang, “CO2 emissions, energy consumption and economic growth in china: a panel data analysis,” Energy Policy, vol. 39, no. 9, pp. 4870–4875, 2011.
• [10] H. T. Pao, H. C. Fu, and C. L. Tseng, “Forecasting of CO2 emissions, energy consumption and economic growth in China using an improved grey model,” Energy, vol. 40, no. 1, pp. 400–409, 2012.
• [11] D. Uysal ve H. Yapraklı, “Kişi başına düşen gelir, enerji tüketimi ve karbondioksit (co2) emisyonu arasındaki ilişkinin yapısal kırılmalar altında analizi: Türkiye örneği,” Sosyal Ekonomik Araştırmalar Dergisi, c. 16, s. 31, ss. 186–202, 2016.
• [12] E. Yenisu, “Enerji tüketimi, CO2 emisyonu ve ekonomik büyüme ilişkisi: Türkiye örneği,” Van Yüzüncü Yıl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, c. 3, s. 5, ss. 9–29, 2018.
• [13] İ. Karakurt ve G. Aydın, “Kömür kaynaklı CO2 emisyonlarının tahminine yönelik model geliştirilmesi: BRICS-T Ülkeleri örneği,” Karadeniz Fen Bilimleri Dergisi, c. 10, s. 1, ss. 214–229, 2020.
• [14] E. C. Kılınç ve H. Altıparmak, “Çevre vergilerinin CO2 emisyonu üzerindeki etkisi üzerine bir uygulama,” Ordu Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Araştırmaları Dergisi (ODÜSOBİAD), c. 10, s. 1, ss. 217–227, 2020.
• [15] A. A. Yavuz ve E. G. Aşık, “Kantil Regresyon,” Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, c. 9, s. 2, ss. 137–146, 2017.
• [16] U. K. Çınar, “En Küçük Kareler Regresyonuna Alternatif Bir Yöntem: Kantil Regresyon,” Avrasya Uluslararası Araştırmalar Dergisi, c. 7, s. 18, ss. 57-71, 2019.
• [17] M. Aydemir ve N. B. Arlı, “Öğrencilerin Sosyal Dışlanmışlık Düzeylerinin Kantil Regresyon ile Analizi,” Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, c.18, s. 2, ss. 262- 274, 2020.
• [18] E. İpek, “Türkiye’de Cepten Yapılan Sağlık Harcamalarının Belirleyicileri: Koşulsuz Kantil Regresyon,” Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, c.14, s. 2, ss. 409-420, 2019.
• [19] B. Bağcı, F. Çıtak ve M. Y. Şişman, “Koronavirüs Pandemisinin Havayolu Şirketlerinin Hisse Senetleri Üzerine Etkisi: Kantil-Kantil Regresyon Modeli Uygulaması,” Gaziantep Üniversitesi Sosyal Bilimler Dergisi, c. 19, s. COVID-19 özel sayı, ss. 429-446, 2020.
• [20] Y. A. Unvan ve O. DEMİREL, “Kandaki Kolesterol Miktarına Etki Eden Etkenlerin En Küçük Kareler Yöntemine Alternatif Kantil Regresyon ile İncelenmesi”, Süleyman Demirel Üniversitesi Sağlık Bilimleri Dergisi, c. 11, s.2, ss. 199-205, 2020.
• [21] U. Ercan, “Türkiye Hanehalkı Sağlık Harcamaları Belirleyicilerinin Kantil Regresyon Yöntemiyle İncelenmesi,” Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, c. 5, s.1, ss. 141-172, 2021.
• [22] F. Çobanoğlu ve H. İ. Yılmaz, “Türkiye'de Hanehalkı Sorumlusunun Toplam Gelirine Etki Eden Belirleyicilerin Kantil Regresyon Yöntemi İle Analizi,” Sosyal Politika Çalışmaları Dergisi, c. 20, s. 47, ss. 313-338, 2020.
• [23] M. Altaylar ve S. Dursun, “Türkiye’de İçsel Büyüme Modeline Kademeli Bir Bakış: Kantil Regresyon Yaklaşımı,” Ekonomi Politika ve Finans Araştırmaları Dergisi, c. 6, s. IERFM özel sayısı, ss. 225-246.
• [24] Ö. İ. Güneri, B. Durmuş ve A. İncekırık, “Aykırı değer durumunda bazı sağlam regresyon yöntemlerinin karşılaştırılması,” New Era International Journal of Interdisciplinary Social Researches, c. 6, s. 11, ss. 33–51, 2021.
• [25] Ö. Ünver, H. Gamgam ve B. Altunkaynak, SPSS Uygulamalı Temel İstatistik Yöntemler, 6. baskı, Ankara, Türkiye: Seçkin Yayıncılık, 2011, böl. 12, ss. 325-326.
• [26] R. Koenker, and J. A. F. Machado, “Goodness of Fit and Related Inference Processes for Quantile Regression,” Journal of the American Statistical Association , vol. 94, no. 448, pp. 1296–1310, 1999.
• [27] C. L. Chen, “An Introduction to Quantile Regression and the QUANTREG Procedure,” Statistics and Data Analysis, 2005, pp. 1–24.
• [28] C. Alexander, Practical Financial Econometrics, Market Risk Analysis, John Wiley & Sons Ltd, England, 2008, pp. 396.
• [29] R. Koenker, and K. F. Hallock, “Quantile Regression: An Introduction,” Journal of Economic Perspectives, vol. 15, no.4, pp. 143–156, 2001.
• [30] R. Koenker, and G. Bassett, “Regression Quantiles,” Econometrica, vol. 46, no.1, pp. 33–50, 1978.
• [31] L. Hao, and D. Q. Naiman, Quantile Regression, Series: Quantitative Applications In The Social Sciences, SAGE Publications, California, 2007.
• [32] D. Alakaya, “Kantil regresyon ve doğrusal regresyon yöntemlerinin performansını etkileyen faktörlerin incelenmesi,” Yüksek lisans tezi, Biyoistatistik ve Tıbbi Bilişim Bölümü, Mersin Üniversitesi, Mersin, Türkiye, 2019.
• [33] T. Chai, and R. R. Draxler, “Root mean square error (RMSE) or mean absolute error (MAE) –Arguments against avoiding RMSE in the literature,” Geoscientific Model Development, vol. 7, no. 3, pp. 1247–1250, 2014.
• [34] A. S. Sayegh, S. Munir, and T. M. Habeebullah, “Comparing the performance of statistical models for predicting PM10 concentrations,” Aerosol and Air Quality Research, vol. 14, no. 3, pp. 653–665, 2014.
• [35] Statistical Review of World Energy, https://www.bp.com/en/global/corporate/energy-economics/statistical-review-of-world-energy.html, Erişim Tarihi: 25. 01. 2022.
• [36] H. Çetintaş, İ. M. Bicil ve K. Türköz, “Türkiye’de CO2 Salınımları Enerji Tüketimi ve Ekonomik Büyüme İlişkisi,” Finans Politik ve Ekonomik Yorumlar, c. 53, s. 619, ss. 57–67, 2016.
• [37] Z. Kanberoğlu, M. A. Arvas ve A. G. M. Türkmenoğlu, “Ekonomik Büyüme, Enerji Tüketimi, Ticari Açıklık Ve Karbondioksitemisyon Etkileşimi: Türkiye Örneği,” Yüzüncü Yıl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, c. 1, s. 38, ss. 273–286, 2017.
• [38] F. Ö. Alper ve A. E. Alper, “Karbondioksit Emisyonu, Ekonomik Büyüme, Enerji Tüketimi İlişkisi: Türkiye İçin Bir ARDL Sınır Testi Yaklaşımı,” Sosyoekonomi, c. 25, s. 33, ss. 145–156, 2017.
• [39] M. Çetin ve Ö. Yüksel, “Türkiye Ekonomisinde Enerji Tüketiminin Karbon Emisyonu Üzerindeki Etkisi,” Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, c. 5, s. 2, ss.169–186, 2018.
• [40] H. Çetintaş ve M. Sarıkaya “ABD ve İngiltere'de CO2 Emisyonu Enerji Tüketimi ve Ekonomik Büyüme: ARDL Yaklaşımı,” C.Ü. İktisadi ve İdari Bilimler Dergisi, c. 16, s. 2, ss. 173–194, 2015.