R&D Expenditures and Growth: An Empirical Analysis on Agricultural Sector of Turkey

Year 2019, Volume: 6 Issue: 3, 342 - 348, 31.10.2019

Bekir Pakdemirli

https://doi.org/10.19159/tutad.626298

Cited By: 1

Abstract

Research and development (R&D) expenditures
play an important role in innovation, increasing productivity and economic
growth. R&D expenditures are carried out by public and private sectors to
increase the quality and productivity in agricultural production. This study
reveals the current state of agricultural R&D spending in the world and in Turkey.
In addition, the study examines the Granger causality between the agricultural
sector R&D spending and agricultural output in Turkey by using 2003-2017 as
a sample period. The results of the study reveal a two-way causality between
agricultural R&D expenditures and agricultural output. That is, R&D
expenditures positively affect agricultural output and at the same time
agricultural output has a positive impact on R&D expenditures.

Keywords

R&D, agricultural revenue, Granger causality, Turkey

Ar-Ge Harcamaları ve Büyüme: Türkiye Tarım Sektörü Üzerine Ampirik Bir Çalışma

Abstract

Araştırma ve geliştirme
(Ar-Ge) harcamaları
inovasyonda, verimliliğin arttırılmasında ve ekonomik büyümede önemli bir rol
oynamaktadır. Tarımsal üretimde de kalite ve verimliliği arttırmak için kamu ve
özel sektör tarafından Ar-Ge harcamaları yapılmaktadır. Bu çalışmada; dünyada
ve Türkiye’de tarımsal Ar-Ge harcamalarının mevcut durumunun ortaya konması, ayrıca
Türkiye tarım sektöründe yapılan Ar-Ge harcamaları ve tarımsal hasıla
arasındaki ilişkinin Granger nedensellik testi ile 2003-2017 yılları verileri kullanılarak
incelenmesi amaçlanmıştır. Çalışmanın sonuçları, tarımsal Ar-Ge harcamaları ve
tarımsal hasıla arasında iki yönlü bir nedensellik bulgusunu ortaya
koymaktadır. Diğer bir deyişle, Ar-Ge harcamaları tarımsal hasılayı, tarımsal
hasıla da Ar-Ge harcamalarını olumlu olarak etkilemektedir.

Keywords

Ar-Ge, tarımsal hasıla, Granger nedensellik, Türkiye

References

• Akaike, H., 1969. Fitting autoregressive models for prediction. Annals of the Institute of Statistical Mathematics, 21: 243-247.
• Akaike, H., 1973. Information theory and an extension of the maximum likelihood principle. 2nd International Symposium on Information Theory by B.N. Petrov and F. Csaki (Eds.), Akademiai Kiado: Budapest.
• Alene, A.D., 2010. Productivity growth and the effects of R&D in African agriculture. Agricultural Economics, 41(3‐4): 223-238.
• Alston, J.M., Beddow, J.M., Pardey, P.G., 2009. Agricultural research, productivity, and food prices in the long run. Science, 325(5945): 1209-1210.
• Andersen, M.A., 2015. Public investment in US agricultural R&D and the economic benefits. Food Policy, 51: 38-43.
• Anonim, 2018. Türkiye’de Tarımsal Ar-Ge Harcamaları. Türkiye İstatistik Kurumu, (http://www.tuik.gov.tr/), (Erişim tarihi: 28.09.2019).
• Anonymous, 2017. The Future of Food and Agriculture: Trends and Challenges. Annual Report. (http://www. fao.org/3/a-i6583e.pdf), (Erişim tarihi: 28.09.2019).
• Bayaner, A., 2016. Tarımsal Ar-Ge ve ekonomik büyüme. Türkiye Tohumcular Birliği Dergisi, 19: 9-13.
• Cinemre, H.A., Kılıç, O., 2015. Tarım Ekonomisi (5. Baskı). Ondokuz Mayıs Üniversitesi, Ziraat Fakültesi, Ders Kitabı No: 11, Samsun.
• Davidson, R., MacKinnon, J.G., 2004. Econometric Theory and Methods (Vol. 5). New York, Oxford University Press.
• Doğan, Z., Arslan S., Berkman A., 2015. Türkiye’de tarım sektörünün iktisadi gelişimi ve sorunları: Tarihsel bir bakış. Niğde Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 8(1): 29-41.
• Eryılmaz, G.A., Kılıç, O., 2018. İyi tarım uygulamalarının konvansiyonel tarım yapan işletmelerdeki optimum organizasyona etkisi: Samsun İli Bafra İlçesi örneği. Adnan Menderes Üniversitesi Ziraat Fakültesi Dergisi, 15(1):101-106.
• Eryılmaz, G.A., Kılıç, O., Boz, İ., 2019. Türkiye’de organik tarım ve iyi tarım uygulamalarının ekonomik, sosyal ve çevresel sürdürülebilirlik açısından değerlendirilmesi. Yüzüncü Yıl Üniversitesi Tarım Bilimleri Dergisi, 29(2): 352-361.
• Geweke, J., Meese, R., Dent, W., 1983. Comparing alternative tests of causality in temporal systems: analytic results and experimental evidence. Journal of Econometrics, 21(2): 161-194.
• Gonzalo, J., 1994. Five alternative methods of estimating long-run equilibrium relationships. Journal of Econometrics, 60(1-2): 203-233.
• Guilkey, D.K., Salemi, M.K., 1982. Small sample properties of three tests for Granger-causal ordering in a bivariate stochastic system. The Review of Economics and Statistics, 64(4): 668-680.
• Hannan, E.J., Quinn, B.G., 1979. The determination of the order of an autoregression. Journal of the Royal Statistical Society: Series B (Methodological), 41(2): 190-195.
• Hong, J.P., 2017. Causal relationship between ICT R&D investment and economic growth in Korea. Technological Forecasting and Social Change, 116: 70-75.
• Johansen, S., 1988. Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, 12(2-3): 231-254.
• Johansen, S., Juselius, K., 1988. Hypothesis Testing for Cointegration Vectors: With Application to The Demand for Money in Denmark and Finland. Discussion Paper 8805, University of Copenhagen, Copenhagen.
• Owens, T., Hoddinott, J., Kinsey, B., 2003. The impact of agricultural extension on farm production in resettlement areas of Zimbabwe. Economic Development and Cultural Change, 51(2): 337-357.
• Özaydın, G., Çelik, Y., 2019. Tarım sektöründe Ar-Ge ve inovasyon. Tarım Ekonomisi Dergisi, 25(1): 1-13.
• Pardey, P.G., Alston, J.M., Chan‐Kang, C., 2013. Public agricultural R&D over the past half century: an emerging new world order. Agricultural Economics, 44(1): 103-113.
• Rao, X., Hurley, T.M., Pardey, P.G., 2019. Are agricultural R&D returns declining and development dependent? World Development, 122: 27-37.
• Ray, D.K., Mueller, N.D., West, P.C., Foley, J.A., 2013. Yield trends are insufficient to double global crop production by 2050. PloS One, 8(6): e66428.
• Schwarz, G., 1978. Estimating the dimension of a model. Annals of Statistics, 6: 461-464.
• Schwert, G.W., 1987. Effects of model specification on tests for unit roots in macroeconomic data. Journal of Monetary Economics, 20(1): 73-103.
• Stock, J.H., Watson, M.W., 1989. Interpreting the evidence on money-income causality. Journal of Econometrics, 40(1): 161-181.
• Subaşı, O.S., Ören, M.N., 2013. Türkiye’de tarımsal Ar-Ge harcamaları ve tarımsal büyüme ilişkileri. Akdeniz Üniversitesi Ziraat Fakültesi Dergisi, 26(2): 99-104.
• Tilman, D., Balzer, C., Hill, J., Befort, B.L., 2011. Global food demand and the sustainable intensification of agriculture. Proceedings of the National Academy of Sciences, 108(50): 20260-20264.