Estimating of Cotton Production of Turkey Using ARIMA Model

Abstract

Purpose: The aim of the study is to estimate fiber cotton production of Turkey in the next five-year period using 1991-2018 period (28 years) data of TurkStat and to develop proposals in this direction.

Design/methodology/approach: ARIMA (Box-Jenkins) model was used to estimate fiber cotton production of the next years. Among the ARIMA models, the best statistical results were obtained in the ARIMA (4,1,4) model.

Results: According to the model results, fiber cotton production of Turkey was estimated to be 1.040.643 tons in 2019, 1.060.005 tons in 2020, 1.075.850 tons in 2021, 1.091.931 tons in 2022 and 1.065.235 tons in 2023, respectively. In order to increase production and quality, input supports should be increased, and cotton support premiums should be determined taking into account production costs and world prices.

Originality/value: In Turkey, a lot of study has been done on production estimate with time series of agricultural products. However, researches that estimate cotton production need to be increased and updated. The results of this study can contribute to the policies and measures that can be applied in cotton production.

Keywords

• Cotton production,time-series analysis,ARIMA,Box-Jenkins model

Türkiye’de Pamuk Üretiminin ARIMA Modeli İle Tahmini

Abstract

Amaç: TÜİK’in 1991-2018 dönemi (28 yıl) verilerinden yararlanarak gelecek beş yıllık dönemde Türkiye lif pamuk üretimini tahmin etmek ve bu yönde öneriler geliştirmektir.

Tasarım/metodoloji/-yaklaşım: Gelecek yıllara ilişkin lif pamuk üretiminin tahmininde ARIMA (Box-Jenkins) modeli kullanılmıştır. ARIMA modelleri arasında en iyi istatistiksel sonuç ARIMA (4,1,4) modelinde elde edilmiştir.

Bulgular: Model sonuçlarına göre, Türkiye lif pamuk üretiminin 2019 yılında 1.040.643 ton, 2020 yılında 1.060.005 ton, 2021 yılında 1.075.850 ton, 2022 yılında 1.091.931 ton, 2023 yılında ise 1.065.235 ton olacağı tahmin edilmiştir. Üretimin ve kalitenin arttırılması için girdi desteklemeleri arttırılmalı, pamuk destekleme primleri üretim maliyetleri ve dünya fiyatları dikkate alınarak belirlenmelidir.

Özgünlük/değer: Türkiye’de tarım ürünlerinin zaman serileri ile üretim tahmini konusunda birçok araştırma yapılmıştır. Ancak pamuk üretimini tahmin eden araştırmaların da arttırılması ve güncellenmesi gerekmektedir. Bu araştırmanın sonuçları pamuk üretiminde uygulanabilecek politikalar ve alınabilecek önlemler açısından katkılar sağlayabilecektir.

Keywords

• Pamuk Üretimi,Zaman Serisi Analizi,ARIMA,Box-Jenkins Modeli

References

1. Alhas Eroğlu, N., Bozoğlu, M., Başer, U., Kılıç Topuz, B., 2019, Forecasting The Amount of Beef Production in Turkey, TEAD, 5(2):101-107.
2. Bars, T., Uçum, İ., Akbay, C., 2018, Arıma Modeli ile Türkiye Fındık Üretim Projeksiyonu, KSÜ Tarım ve Doğa Dergisi, 21(Özel Sayı):154-160.
3. Berk, A., Uçum, İ., 2019, Türkiye’de Nohut Üretiminin ARIMA Modeli İle Tahmini, Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 9(4):2284-2293.
4. Franses, P.H., McAleer, M., 1998, Testing for Unit Roots and Non-Linear Transformations, Journal of Time Series Analysis, 19(2):147-164.
5. Gujarati, D.N., 2001, Temel Ekonometri. Literatür Yayınları:33, İstanbul, 972s.
6. Güler, D., Saner, G., Naseri, Z., 2017, Yağlı Tohumlu Bitkiler İthalat Miktarlarının Arıma ve Yapay Sinir Ağları Modeliyle Tahmini, Balkan ve Yakın Doğu Sosyal Bilimler Dergisi, 3(1):60-70.
7. International Cotton Advisory Committee, 2019, Cotton Production, Area, Consumption Export and Import Statistics, https://www.icac.org (Erişim Tarihi: 12 Aralık 2019).
8. Işıklar, Z.E., 2016, İMKB Ulusal 100 Endeksi Getiri Volatilitesinin Analizi Üzerine Bir Araştırma. Selçuk Üniversitesi, Sosyal ve Teknik Araştırmalar Dergisi, Sayı: 12:245-260.

9. Joutz, F.L., Maddala, G.S., Trost, R.P., 1995, An Integrated Bayesian Vector Autoregression and Error Correction Model for Forecasting Electricity Consumption and Prices. J. Forecast, 14:287-310.
10. Kaynar, O., Taştan, S., 2009, Zaman Serisi Analizinde MLP Yapay Sinir Ağları ve ARIMA Modelinin Karşılaştırılması, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 33(162):161‐172.
11. Mensah EK, 2015, Box-Jenkins Modelling and Forecasting of Brent Crude Oil Price, Munich Personal RePEc Archive, MPRA Paper No:67748.
12. Okur, S., 2009, Parametrik Ve Parametrik Olmayan Basit Doğrusal Regresyon Analiz Yöntemlerinin Karşılaştırmalı Olarak İncelenmesi. Yüksek Lisans Tezi, Çukurova Üniversitesi, Sosyal Bilimler Enstitüsü, Adana.
13. Özer, O.O., İlkdoğan, U., 2013, Box-Jenkins Modeli Yardımıyla Dünya Pamuk Fiyatının Tahmini, Tekirdağ Ziraat Fakültesi Dergisi, 2(10):13-20.
14. Özmen, A. 1986, Zaman Serisi Analizinde Box-Jenkins Yöntemi ve Banka Mevduat Tahmininde Uygulama Denemesi, Anadolu Üniversitesi Yayınları No:201, Eskişehir, 110s.
15. Özüdoğru, T., 2017, Durum ve Tahmin: Pamuk, Tarımsal Ekonomi ve Politika Geliştirme Enstitüsü, Tepge Yayın No:285.
16. Pindyck, R.S. and Rubinfeld, D.L., 1998, Econometric Models and Economic Forecasts, Irwin/ McGraw-Hill International Edit, Singapore, 603p.
17. T.C. Tarım ve Orman Bakanlığı, İzmir İl Müdürlüğü, 2019, 2018 Yılı Bitkisel Ürün Maliyetleri, https://izmir.tarimorman.gov.tr, (Erişim Tarihi: 1 Aralık 2019).
18. Ticaret Bakanlığı, 2019, 2018 yılı Pamuk Raporu, https://ticaret.gov.tr, (Erişim Tarihi: 1 Aralık 2019).
19. Türkiye İstatistik Kurumu, 2019, Tarımsal İstatistikler ve Dış Ticaret İstatistikleri, http://www.tuik.gov.tr (Erişim Tarihi: 12 Kasım 2019).
20. Uçum, İ., 2016, ARIMA Modeli ile Türkiye Soya Üretim ve İthalat Projeksiyonu, Tarım Ekonomisi Araştırmaları Dergisi, 2(1):24-21.
21. Ulusal Pamuk Konseyi, 2018, Pamuk Sektör Raporu, www.upk.org.tr (Erişim Tarihi: 2 Ocak 2020).
22. Witt, S.F.,Witt, C., 1992, Modeling and Forecasting Demand in Tourism, Academic Press: London, 137p.
23. Ziraat Mühendisleri Odası, 2018, Pamuk Raporu, http://www.zmo.org.tr (Erişim Tarihi: 2 Ocak 2020).