Analysis of Multi-Year Expenditure Budgets of Metropolitan Municipalities with Grey Prediction Model: An Application on Istanbul Metropolitan Municipality

Abstract

The fact that the revenues and expenditures of local governments are not predictable interrupts the strategic planning process and affects financial autonomy negatively. In this context, how to make the expense budget predictable in local governments is an important problematic. The purpose of the study is to examine how convenient the Grey Prediction Method can be used in estimating the expense budgets of metropolitan municipalities. In this framework, the expenditure budget of the Istanbul Metropolitan Municipality (IMM) is analyzed for the 2021-2024 period. A two-stage pathway was followed in the study. First of all, it has been tested whether the results are consistent or not by applying the Grey Prediction Method to IMM's data between 2018-2020. At this stage, the deviation rate was determined as 1.88%, indicating that the method is valid and reliable. As a matter of fact, considering that the deviation rate between the current estimates made by IMM and the actual figures is at a high level of 12%, the deviation rate of the study is at a reasonable level. Considering this determination, the second stage was passed and the method was applied again for expenditure-budget estimation for the period between 2021-2024. According to the findings obtained, the total expenditure budget of IMM is estimated as 29.492.566.776 TL for 2021, 33.321.097.278 TL for 2022, 37.646.622.359 TL for 2023 and 42.533.658.577 TL for 2024.

Keywords

• Local governments
• financial autonomy
• budgeting
• grey prediction model

BÜYÜKŞEHİRLERİN ÇOK YILLI GİDER BÜTÇELERİNİN GRİ TAHMİN MODELİ İLE ANALİZİ: İSTANBUL BÜYÜKŞEHİR BELEDİYESİ ÖRNEĞİNDE BİR UYGULAMA

Abstract

Yerel yönetimlerin gelir ve giderlerinin öngörülebilir olmaması, stratejik planlama sürecini sekteye uğrattığı gibi mali özerkliği de olumsuz etkilemektedir. Bu bağlamda, yerel yönetimlerde gider bütçesinin nasıl öngörülebilir kılınabileceği önemli bir sorunsaldır. Bu çalışmanın amacı, Gri Tahmin Yöntemi’nin büyükşehir belediyelerinin gider bütçelerinin tahmininde kullanılmaya ne denli elverişli olabileceğinin incelenmesidir. Bu çerçevede, İstanbul Büyükşehir Belediyesi’nin (İBB) gider bütçesi, 2021-2024 dönemi için analiz edilmektedir. Çalışmada iki aşamalı bir yol izlenmiştir. Öncelikle İBB’nin 2018-2020 yılları arasındaki verilerine Gri Tahmin Yöntemi’nin uygulanmasıyla sonuçların tutarlı olup olmadığı test edilmiştir. Bu aşamada sapma oranı, yöntemin geçerli ve güvenilir olduğunu gösterecek şekilde %1.88 olarak tespit edilmiştir. Nitekim İBB’nin hali hazırda yaptığı tahminler ile gerçekleşen rakamlar arasındaki sapma oranının %12 gibi nispeten yüksek bir seviyede olduğu göz önünde bulundurulduğunda, çalışmanın sapma oranı makul seviyededir. Bu tespit, göz önünde bulundurularak ikinci aşamaya geçilmiş ve yöntem tekrar uygulanarak kuruluşun 2021-2024 yılları arasındaki döneme ilişkin gider-bütçesi tahminlemesi yapılmıştır. Elde edilen bulgulara göre, İBB gider bütçesi toplamı, 2021 yılı için 29.492.566.776 TL, 2022 yılı için 33.321.097.278 TL, 2023 yılı için 37.646.622.359 TL ve 2024 için 42.533.658.577 TL olarak tahmin edilmiştir.

Keywords

• yerel yönetimler
• mali özerklik
• bütçeleme
• Gri Tahmin Yöntemi

References

1. Arıkboğa, Ü. (2008). Yerel Yönetimlerin Gelir Kaynakları. R. Bozlağan ve Y. Demirkaya (Ed.), Türkiye’de Yerel Yönetimler içinde (1. Baskı., ss. 251–285). Ankara: Nobel Yayın Dağıtım.
2. Aydemir, E., Bedir, F. ve Özdemir, G. (2013). Gri Sistem Teorisi ve Uygulamaları: Bilimsel Yazın Taraması. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(3), 187–200.
3. Başakın, E. E., Ekmekcioğlu, Ö., Özger, M. ve Çelik, A. (2020). Dalgacık Bulanık Zaman Serisi Yöntemi ile Türkiye Buğday Verimi Tahmini. Türkiye Tarımsal Araştırmalar Dergisi, 7(3), 246–252. doi:10.19159/tutad.685342
4. Başakın, E. E. ve Özger, M. (2018). Gri Tahmin Yöntemi İle İstanbul Su Tüketiminin Modellenmesi. Journal of Polytechnic, 22(3), 755–761. doi:10.2339/politeknik.422727
5. Büyükşehir Belediyesi Kanunu. (2004). https://www.mevzuat.gov.tr/Metin1.Aspx?MevzuatKod=1.5.5216&MevzuatIliski=0&sourceXmlSearch=&Tur=1&Tertip=5&No=5216 adresinden erişildi.
6. Deng, J.-L. (1982). Control Problems of Grey Systems. Systems & Control Letters, 1(5), 288–294. doi:10.1016/S0167-6911(82)80025-X
7. Deng, J.-L. (1989). Introduction to Grey System Theory. The Journal of Grey System, 1, 1–24.
8. Deng, J.-L. (2005). Proving GM(1,1) Modeling via Four Data (at Least). The Journal of Grey System, 1, 1–6.

9. Erden, C. ve Ceviz, E. (2015). Gri sistem teorisi kullanılarak Türkiye’nin büyüme oranı faktörlerinin analizi. SAÜ Fen Bilimleri Dergisi, 19(3), 361–369.
10. Eren, T. ve Kaçtıoğlu, S. (2017). Türkiye’deki Doğal Gaz Tüketimi ve Gri Tahmin Metoduyla Tahmin Edilmesi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 16(31), 23–41.
11. Es, H. A. (2020). Gri Tahmin Modelleri ile Toplam Enerji Talep Tahmini: Türkiye Örneği. Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi. doi:10.17714/gumusfenbil.676909
12. Gözler, K. (2018). Mahalli İdareler Hukuku (Birinci Ba.). Bursa: Ekin Basın Yayın Dağıtım.
13. Hsu, C.-C. ve Chen, C.-Y. (2003). Applications of improved grey prediction model for power demand forecasting. Energy Conversion and Management, 44(14), 2241–2249. doi:10.1016/S0196-8904(02)00248-0
14. Hsu, L.-C. (2003). Applying the Grey prediction model to the global integrated circuit industry. Technological Forecasting and Social Change, 70(6), 563–574. doi:10.1016/S0040-1625(02)00195-6
15. Hu, L.-Q., He, C.-F., Cai, Z.-Q., Wen, L. ve Ren, T. (2019). Track circuit fault prediction method based on grey theory and expert system. Journal of Visual Communication and Image Representation, 58, 37–45. doi:10.1016/j.jvcir.2018.10.024
16. İBB. (2016). İBB 2017 Mali Yılı Bütçesi. ibb.istanbul adresinden erişildi.(Erişim Tarihi: 22.02.2021)
17. İBB. (2017). İBB 2018 Mali Yılı Bütçesi. ibb.istanbul adresinden erişildi.(Erişim Tarihi: 22.02.2021)
18. İBB. (2018). İBB 2019 Mali Yılı Bütçesi. ibb.istanbul adresinden erişildi.(Erişim Tarihi: 22.02.2021)
19. İBB. (2019). 2020 Mali Yılı Bütçesi. ibb.istanbul adresinden erişildi. (Erişim Tarihi: 22.02.2021)
20. İBB. (2019). İBB 2020 Mali Yılı Bütçesi. ibb.istanbul adresinden erişildi. (Erişim Tarihi: 22.02.2021)
21. Kamu Mali Yönetimi ve Kontrol Kanunu. (2003). Türkiye. https://www.mevzuat.gov.tr/MevzuatMetin/1.5.5018.pdf adresinden erişildi.
22. Kaynak, S. ve Eren, M. (2015). Gri Tahmin ve Markov Modeli ile Türk İmalat Sanayinin Satış Gelirinin Öngörüsü. Business and Economics Research Journal, 9(3), 531–542.
23. Köse, E., Aplak, H. S. ve Kabak, M. (2015). Yetersiz Veri Ortamında Tahminler İçin Örnek Bir Uygulama: Gri Tahmin Yöntemi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 31(1), 82–88.
24. Liu, S. ve Lin, Y. (2006). Grey Information Theory and Practical Applications. London: Springer.
25. Liu, S. ve Lin, Y. (2010). Grey Systems Theory and Applications. Understanding Complex Systems (C. 68). Berlin, Heidelberg: Springer. doi:10.1007/978-3-642-16158-2
26. Luo, R. C., Ogst Chen ve Pan, S. H. (2005). Mobile user localization in wireless sensor network using grey prediction method. 31st Annual Conference of IEEE Industrial Electronics Society, 2005. IECON 2005. içinde (s. 6 pp.). IEEE. doi:10.1109/IECON.2005.1569330
27. Özer Keçe, F., Ömürbek, V. ve Acar, D. (2016). Gri Temelli Maliyet Tahmini. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(2), 453–461.
28. Ren, X.-W., Tang, Y.-Q., Li, J. ve Yang, Q. (2012). A prediction method using grey model for cumulative plastic deformation under cyclic loads. Natural Hazards, 64(1), 441–457. doi:10.1007/s11069-012-0248-8
29. Tseng, F.-M., Yu, H.-C. ve Tzeng, G.-H. (2001). Applied Hybrid Grey Model to Forecast Seasonal Time Series. Technological Forecasting and Social Change, 67(2–3), 291–302. doi:10.1016/S0040-1625(99)00098-0
30. Wu, W.-Y. ve Chen, S.-P. (2005). A prediction method using the grey model GMC(1,n) combined with the grey relational analysis: a case study on Internet access population forecast. Applied Mathematics and Computation, 169(1), 198–217. doi:10.1016/j.amc.2004.10.087
31. Yılmaz, H. ve Yılmaz, M. (2013). Forecasting CO2 Emissions for Turkey by Using the Gerey Prediction Method. Journal of Engineering and Natural Sciences, 31, 141–148.