Türkiye’deki Gübre Tüketim Miktarının Bitkisel Üretim Miktarına Etkisi Üzerine Bir Araştırma: ARDL Sınır Testi

Year 2023, Volume: 6 Issue: Ek Sayı, 224 - 233, 20.12.2023

Yunus Emre Aytekin Ömer Keskin

https://doi.org/10.47495/okufbed.1213944

Abstract

Bu çalışmada Türkiye’deki gübre tüketim miktarının bitkisel üretim miktarına etkisini zaman serisi analiziyle ortaya koymak amaçlanmıştır. Çalışmanın amacı kapsamında, gübre tüketim miktarı ve bitkisel üretim miktarı ile ilgili 1976-2021 dönemine ait olmak üzere, ton bazında yıllık veriler toplanmıştır. Analiz için gübre tüketim miktarının bağımsız, bitkisel üretim miktarının ise bağımlı değişken olarak yer aldığı bir model kurulmuştur. Modelin tahmini, Eviews 10 istatistiksel paket programında ARDL sınır testi yöntemi uygulanarak yapılmıştır. Modelin tahmininden elde edilen sonuçlara göre, gübre tüketim miktarı değişkeniyle bitkisel üretim miktarı değişkeni arasında uzun dönemli pozitif yönlü ve anlamlı bir ilişki vardır. Gübre tüketim miktarı %1 arttığında, bitkisel üretim miktarı yaklaşık %0,85 artmaktadır. Diğer taraftan iki değişken arasındaki kısa dönemli ilişki ise beklenildiği gibi negatif yönlü olup anlamlıdır. Kısa dönem şoklarından sonra iki değişken arasında ortaya çıkabilecek uzun dönem dengesinden sapmalar, 1 dönem sonra yaklaşık %28 oranında ortadan kalmaktadır.

Keywords

Gübre Tüketimi, Bitkisel Üretim, ARDL Sınır Testi, Fertilizer consumption, Plant production, ARDL bounds testing

A Research on the Effect of Fertilizer Consumption on Plant Production in Turkey: Ardl Bounds Testing

Abstract

In this study, it is aimed to reveal the effect of fertilizer consumption on plant production in Turkey with a time series analysis. Within the scope of the study, annual data on fertilizer usage and plant production were gathered on a ton basis from 1976 to 2021. For the analysis, a model was established in which the amount of fertilizer consumption is an independent variable and the amount of crop production as a dependent variable. The model was estimated using the ARDL bounds testing method in the Eviews 10 statistics package software. According to the results obtained from the estimation of the model, there is a long-term positive and significant relationship between the fertilizer consumption usage and the amount of plant production. When the amount of fertilizer consumption increases by 1%, the amount of plant production increases by approximately 0.85%. The short-term relationship between the two variables, on the other hand, is negative and significant, as expected. After the short-term shocks, the deviations from the long-term equilibrium that may occur between the two variables vanish by around 28% after 1 period.

Keywords

Fertilizer consumption, Plant production, ARDL bounds testing

References

• Akcan AT., Kurt Ü., Kılıç C. Türkiye’de iklim değişikliğinin tarım sektörü üzerindeki etkileri: ARDL sınır testi yaklaşımı. Trend Bus Econ 2022; 36(1): 125-132.
• Chandio AA., Jiang Y., Rehman A. Using the ARDL-ECM approach to investigate the nexus between support price and wheat production: an empirical evidence from Pakistan. Journal of Asian Business and Economic Studies 2019; 26(1): 139-152.
• Eyüpoğlu F. Türkiye gübre gereksinimi, tüketimi ve geleceği. 2002; Ankara.
• Ge S., Zhu Z., Jiang Y. Long-term impact of fertilization on soil pH and fertility in an apple production system. Journal of Soil Science and Plant Nutrition 2018; 18(1): 282-293.
• Han SH., An JY., Hwang J., Kim SB, Park BB. The effects of organic manure and chemical fertilizer on the growth and nutrient concentrations of yellow poplar (Liriodendron tulipifera Lin.) in a nursery system. Forest Science and Technology 2016; 12(3): 137-143.
• Lin W., Lin M., Zhou H., Wu H., Li Z., Lin W. The effects of chemical and organic fertilizer usage on rhizosphere soil in tea orchards. PLoS ONE 2019; 14(5): e0217018.
• Liu Q., Xu H., Yi H. Impact of fertilizer on crop yield and C:N:P stoichiometry in arid and semi-arid soil. International Journal of Environmental Research and Public Health 2021; 18(8): 4341.
• Loks NA., Manggoel W., Daar JW., Mamzing D., Seltim BW. The effects of fertilizer residues in soils and crop performance in northern Nigeria: a review. International Research Journal of Agricultural Science and Soil Science 2014; 4(9): 180-184.
• Narayan PK. The saving and investment nexus for China: evidence from cointegration tests. Applied Economics 2005; 37(17): 1979-1990.
• Narayan PK., Smyth R. What determines migration flows from low-income to high-income countries? An empirical investigation of Fiji-U.S. migration 1972-2001. Contemporary Economic Policy 2006; 24(2): 332-342.
• Nasrullah M., Rizwanullah M., Yu X., Jo H., Sohail MT., Liang L. Autoregressive distributed lag (ARDL) approach to study the impact of climate change and other factors on rice production in South Korea. Journal of Water and Climate Change 2021; 12(6): 2256-2270.
• Patra S., Mishra P., Mahapatra SC., Mithun SK. Modelling impacts of chemical fertilizer on agricultural production: a case study on Hooghly district, West Bengal, India. Modeling Earth Systems and Environment 2016; 2(4): 180.
• T.C. Çevre ve Şehircilik Bakanlığı. Kimyasal Gübre Üretimi-Sektörel Uygulama Kılavuzu (Taslak) 2020; https://webdosya.csb.gov.tr/db/sanayihavarehberi/icerikler/19_k-myasal-gubre-uret-m--20200103075114.pdf, Erişim Tarihi: 17.04.2022.
• T.C. Tarım ve Orman Bakanlığı. Gübre İstatistikleri. Bitki Besleme İstatistikleri 2022; https://www.tarimorman.gov.tr/Konular/Bitkisel-Uretim/Bitki-Besleme-ve-Tarimsal-Teknolojiler/Bitki-Besleme-Istatistikleri, Erişim Tarihi: 17.04.2022.
• TÜİK. Tarım-Bitkisel Üretim İstatistikleri. İstatistikler 2022; https://data.tuik.gov.tr/Kategori/GetKategori?p=tarim-111&dil=1, Erişim Tarihi: 23.04.2022.
• Ulusu F., Yavuzaslanoğlu E. Effect of organic and syntetic fertilizers on soil sustainability in organic tomatoes production. Anatolian Journal of Botany 2017; 1(2): 45-48.
• Zhai S., Song G., Qin Y., Ye X., Lee J. Modeling the impacts of climate change and technical progress on the wheat yield in inland China: an autoregressive distributed lag approach. PLoS ONE 2017; 12(9): e0184474.