Beşeri Sermaye Tahmini: Gizli Değişken Yaklaşımı
Öz
Beşeri sermaye bir ülkenin iktisadi büyüme performansını açıklamada önemli bir rol oynamaktadır. Literatürde beşeri sermayenin bireysel düzeyde sayısal ölçümüne yönelik farklı yaklaşımlar önerilmiş, çapraz ülke düzeyinde eğitim stoğuna dayalı farklı ölçümler ya da yine çapraz ülke düzeyinde beşeri sermayenin kısıtlı bileşenlerinin ortalamalarına dayalı yeni ölçümler geliştirilmiştir. Bu yaklaşımlar arasında gizli değişken yaklaşımı, beşeri sermayenin karmaşık, çok yönlü, doğrudan gözlenemeyen ve kesin olarak ölçülemeyen bir olgu olduğunu yani istatistiksel olarak beşeri sermayenin gizli bir değişken olduğunu önermektedir. Bu çalışmanın amacı, gizli değişken yaklaşımını benimseyerek Türkiye ekonomisi için 81 il kapsamında 2008-2013 dönemi panel verileri ile makroekonomik düzeyde bir beşeri sermaye endeksi oluşturmaktır. Bu doğrultuda çalışmada gizli değişken tahmin yöntemlerinden Doğrulayıcı Faktör Analizi ve Çoklu Gösterge-Çoklu Neden Modelleri kullanılmıştır. İller için kurulan model tahminleri eğitim değişkenlerinin beşeri sermayeyi belirlemede iyi birer gösterge olduklarını bir kez daha göstermiştir. Çoklu Gösterge-Çoklu Neden model tahminlerine göre en yüksek etkiye sahip eğitim değişkeni ortaöğretim okullaşma oranı iken; Doğrulayıcı Faktör Analizi model tahmin sonuçlarına göre en yüksek etkiye sahip eğitim değişkeni üniversite mezun oranı olmuştur İller bazında beşeri sermaye endeks değerleri incelendiğinde 2008 yılı için İstanbul, Ankara ve İzmir ilinin hem Doğrulayıcı Faktör Analizi hem de Çoklu Gösterge-Çoklu Neden modellerinde beklenildiği üzere beşeri sermaye endeks değerleri bakımından öncü oldukları, bu illeri Eskişehir, Bursa, Konya ve Adana illerinin takip ettiği tespit edilmiştir. En düşük beşeri sermaye endeksine sahip iller ise Iğdır, Hakkari, Şırnak, Kilis, Bayburt, Tunceli ve Ardahan olarak sıralanmaktadır. Çalışmada elde edilen 2008-2013 dönemi iller ortalaması beşeri sermaye endeks değerleri Birleşmiş Milletler Kalkınma Programı tarafından hesaplanan İnsani Gelişmişlik Endeksi ile karşılaştırıldığında, ilgili endeks değerlerinin aynı yönlü bir eğilime sahip oldukları saptanmıştır.
Anahtar Kelimeler
Kaynakça
- Abassinejad, Hossein (2005), “Estimation of the Level and Distribution of Households’ Human Capital the Case of Tehran”, Iranian Economic Review, 10(14), 185-201.
- Alper, Ali Eren vd. (2015), “Beşeri Sermayenin Belirleyicileri: Üst Orta Gelirli Ülkeler Grubu ile OECD Karşılaştırmalı Analizi”, Akademik Sosyal Araştırmalar Dergisi, 9, 565-578.
- Balcerzak, Adam P. (2016), “Multiple-Criteria Evaluation of Quality of Human Capital in the European Union Countries”, Economics and Sociology, 9(2), 11-26.
- Balcerzak, Adam P. ve Pietrzak, Michal Bernard (2016), “Quality of Human Capıtal in the European Union in the Years 2004-2013 Application of Structural Equation Modeling”, Marian Reiff ve Pavel Gežík (Ed.), Quantitative Methods in Economics Multiple Criteria Decision Making XVIII, Letra Interactive, Bratislava, 7-12.
- Barro, Robert J. ve Lee, Jong-Wha (1993), “International Comparisons of Educational Attainment”, Journal of Monetary Economics, 32 (3), 363–394.
- Barro, Robert J. ve Lee, Jong-Wha (1996), International Measures of Schooling Years and Schooling Quality”, American Economic Review, 86 (2), 218–223.
- Barro, Robert J. ve Lee, Jong-Wha (2001), “International Data on Educational Attainment: Updates and Implications”, Oxford Economic Papers, 53(3), 541–563.
- Barro, Robert J. ve Lee, Jong-Wha (2010), “A New Data Set of Educational Attainment in the World, 1950–2010”, National Bureau of Economic Research, Working Paper, 15902.
Ayrıntılar
Birincil Dil
Türkçe
Konular
-
Bölüm
Araştırma Makalesi
Yayımlanma Tarihi
23 Mart 2020
Gönderilme Tarihi
25 Aralık 2018
Kabul Tarihi
15 Şubat 2020
Yayımlandığı Sayı
Yıl 2020 Cilt: 18 Sayı: 36
Cited By
Clustering potential of organized industrial zones in Türkiye
Asia-Pacific Journal of Regional Science
https://doi.org/10.1007/s41685-022-00272-5