The effect of alternative product prices on production balance: Empirical findings on the production of oilseed crops in Türkiye

Year 2024, , 175 - 187, 01.07.2024

Enver Ken , Ferit Çobanoğlu

https://doi.org/10.20289/zfdergi.1440254

Abstract

Objective: The canola and oily sunflower products, which are similar in terms of cultivation areas, techniques, and conditions, are alternatives to each other. It is believed that product prices play an important role in deciding to cultivate these two products. Hence a study was conducted and the objective of this study was to this study was to examine the long and short term effects of product prices, especially alternative product prices, on production.
Materials and Methods: The data for the study included the years 2002-2021 and were analyzed using the ARDL boundary test.
Findings: According to the findings of the ARDL boundary test, a 1% increase in canola prices increases canola production by 4.72% in the long term, while a 1% increase in the prices of sunflower, an alternative product, decreases canola production by 5.37%. The error correction coefficient (-0.96) was found to be negative and statistically significant, indicating that imbalances in the short term will return to equilibrium levels approximately 1.04 years later.
Conclusion: Changes in the prices of these two alternative products affect the increase or decrease in production. In this context, regulations can be made on production through price policies. Additionally, the findings of the study can contribute to production planning and increasing welfare.

Keywords

ARDL boundary testing approach, canola, oily sunflower, price, production

Alternatif ürün fiyatlarının üretim dengesi üzerindeki etkisi: Türkiye’de yağlı tohumlu bitkilerin üretimine ilişkin ampirik bulgular

Abstract

Amaç: Yetiştirildiği alanlar, teknikler ve koşullar bakımından benzer olan kanola ve yağlık ayçiçeği ürünleri birbirinin alternatifleridir. Bu iki ürünün yetiştirilmesine karar vermede ürün fiyatlarının önemli bir rol oynadığı düşünülmektedir. Bu çalışma ürün fiyatlarının, özellikle de alternatif ürün fiyatlarının üretim üzerindeki uzun ve kısa dönem etkilerini incelemeyi amaçlamaktadır.
Materyal ve Yöntem: Çalışmanın verileri 2002-2021 yıllarını kapsamakta olup, ARDL sınır testi kullanılarak analiz edilmiştir.
Araştırma Bulguları: ARDL sınır testi bulgularına göre, uzun dönemde kanola fiyatlarında meydana gelen %1'lik artış, kanola üretimini %4,72 artırırken, alternatif ürün olan yağlık ayçiçeği fiyatlarında meydana gelen %1'lik artış, kanola üretimini %5,37 azaltmaktadır. Hata düzeltme katsayısı (-0,96) negatif ve istatistiksel olarak anlamlı bulunmuş olup, kısa dönemde meydana gelen dengesizlikler yaklaşık 1,04 yıl sonra denge seviyesine dönmektedir.
Sonuç: Bu iki alternatif ürünün fiyatlarındaki değişiklikler üretimin artması veya azalmasında etkilidir. Bu bağlamda, fiyat politikaları ile üretim üzerinde düzenlemeler yapılabilir. Ayrıca çalışmanın bulguları, üretim planlaması ve refahın artırılmasına katkı sağlayabilir.

Keywords

ARDL sınır testi yaklaşımı, kanola, yağlık ayçiçeği, fiyat, üretim

References

• Abdikoğlu, D.İ. & G. Unakıtan, 2017. Supply response of sunflower in Turkey. International Journal of Sustainable Agricultural Management and Informatics, 3 (3): 224-232. https://doi.org/10.1504/IJSAMI.2017.090301
• Abdullah, D.F.A., 2020. Irak’ın Kerkük İlinde Bazı Önemli Bitkisel Ürünlerde Arz Duyarlılığının İncelenmesi. Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, Tarım Ekonomisi Ana Bilim Dalı, (Unpublished) PhD Thesis, Adana, 148 s.
• Akçay, S. & A. Karasoy, 2017. Remittances and calorie consumption nexus in Algeria. International Migration, 55 (4): 103-117. https://doi.org/10.1111/imig.12348
• Albayrak, A.S., 2008. Değişen varyans durumunda en küçük kareler tekniğinin alternatifi ağırlıklı regresyon analizi ve bir uygulama. Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10 (2): 111-134.
• Arıoğlu, H., 2016. Türkiye'de yağlı tohum ve ham yağ üretimi, sorunlar ve çözüm önerileri. Tarla Bitkileri Merkez Araştırma Enstitüsü Dergisi, 25 (Özel Sayı 2): 357-368. https://doi.org/10.21566/tarbitderg.284325
• Arıoğlu, H., Ö. Kolsarıcı, A.T. Göksoy, L. Güllüoğlu, M. Arslan, S. Çalışkan, T. Söğüt, C. Kurt & F. Arslanoğlu, 2010. “Yağ bitkileri üretiminin arttırılması olanakları, 361-376”. Türkiye Ziraat Mühendisliği VII Teknik Kongresi (11-15 Ocak 2010, Ankara) Bildirileri, 1356 s.
• Balkı, A., 2023. “Vergi Gelirleri İle Tasarruflar Arasındaki Ilişkinin Analizi: Türkiye Ekonomisinden Ampirik Bulgular, 237-258”. In: İktisadi ve İdari Bilimlerde Uluslararası Teori, Araştırma ve Derlemeler. Cilt 2. (Ed.M. Mete), Serüven Yayınevi, Ankara, 533 s.
• Bayramoğlu, Z., D. Aktürk & F. Tatlıdil, 2010. Kaynakların rasyonel kullanımının üretim maliyetleri üzerine etkisi: kanola yetiştiriciliği örneği. Selcuk Journal of Agriculture and Food Sciences, 24 (3): 62-68.
• Bıtrak, O.O., 2023. Türkiye’de patates üretim kararının belirleyicileri: ARDL sınır testi yaklaşımı. Sağlık ve Sosyal Refah Araştırmaları Dergisi, 5 (2): 198-211. https://doi.org/10.55050/sarad.1270733
• Bulut, E. & Y. Bayraktar, 2023. Do agricultural supports affect production? a panel ARDL analysis of Türkiye. Journal of Agricultural Sciences, 29 (1): 249-261. https://doi.org/10.15832/ankutbd.988246
• Çukur, F., F. Işın & T. Çukur. (2021). Determination of the relationship between organic farming area and agricultural added value in some European Union countries with panel ARDL analysis. Applied Ecology & Environmental Research, 19 (6): 5007-5016. http://dx.doi.org/10.15666/aeer/1906_50075016
• Dickey, D.A. & W.A. Fuller, 1979. Distribution of the estimators for autoregressive time series with a unit root. Journal of The American Statistical Association, 74 (366a): 427-431. https://doi.org/10.1080/01621459.1979.10482531
• Dörtok, A. & A. Aksoy, 2018. Türkiye buğday sektörünün eşanlı model yöntemiyle tahmini. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 21 (4): 580-586. https://doi.org/10.18016/ksudobil.391087
• Engle, R.F. & C.W. Granger, 1987. Co-integration and error correction: representation, estimation, and testing. Journal of the Econometric Society, 55 (2): 251-276. https://doi.org/10.2307/1913236
• Erdal, G., A. Zeynalova & S. Engindeniz, 2023. Analysis of cotton production and price relationship by Koyck model: a case study for Azerbaijan. Ege Üniversitesi Ziraat Fakültesi Dergisi, 60 (4): 561-570. https://doi.org/10.20289/zfdergi.1359942
• FAO, 2023. Food and Agriculture Organization of the United Nations: Statistical Yearbook 2022. (Wep page: https://doi.org/10.4060/cc2211en ) (Date accessed: November 2023).
• Göksu, S., 2022. Plastik kart harcamaları hanehalkı özel tüketim harcamaları üzerinde etkili mi? ARDL yönteminden ampirik kanıtlar. İstanbul İktisat Dergisi, 72 (2): 847-875. https://doi.org/10.26650/ISTJECON2022-1106208
• Göksu, S. & A. Balkı, 2023. ARDL ve NARDL Eşbütünleşme Analizleri: Adım Adım Eviews Uygulaması. Serüven Yayınevi, Ankara, 153 s.
• Grewal, R., J.A. Cote & H. Baumgartner, 2004. Multicollinearity and measurement error in structural equation models: implications for theory testing. Marketing Science, 23 (4): 519-529. https://doi.org/10.1287/mksc.1040.0070
• Gül, V., E. Öztürk & T. Polat, 2016. Günümüz Türkiye’sinde bitkisel yağ açığını kapatmada ayçiçeğinin önemi. Alınteri Journal of Agriculture Science, 30 (1): 70-76.
• Haile, M.G., M. Kalkuhl & J. Von Braun, 2016. Worldwide acreage and yield response to international price change and volatility: a dynamic panel data analysis for wheat, rice, corn, and soybeans. American Journal of Agricultural Economics, 98 (1): 172-190. https://doi.org/10.1093/ajae/aav013
• Johansen, S. & K. Juselius, 1990. Maximum likelihood estimation and inference on cointegration-with appucations to the demand for money. Oxford Bulletin of Economics and Statistics, 52 (2): 169-210. https://doi.org/10.1111/j.1468-0084.1990.mp52002003.x
• Kumbar, N. & G. Unakıtan, 2011. An economic analysis of canola production in Trakya region. Tekirdağ Ziraat Fakültesi Dergisi, 8 (1): 75-80.
• Mithiya, D., S. Bandyopadhyay & K. Mandal, 2021. The impact of price and non-price factors on area allocated to oilseeds in India: An application of ARDL model. Applied Economics & Finance, 8 (4): 42-55. https://doi.org/10.11114/aef.v8i4.5238
• Narayan, P. & R. Smyth, 2005. Trade liberalization and economic growth in Fiji. An empirical assessment using the ARDL approach. Journal of the Asia Pacific Economy, 10 (1): 96-115. https://doi.org/10.1080/1354786042000309099
• Önder, K., 2017. Pamuk arzını etkileyen faktörlerin panel veri ile analizi: 2000-2015. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 12 (1): 83-98. https://doi.org/10.17153/oguiibf.298766
• Özçelik, Ö. & S. Göksu, 2020. CDS primleri ve enflasyon oranının, faiz oranlarına etkisi: Türkiye örneği. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 12 (1): 69-78.
• Özkan, B. & S. Karaman, 2011. Acreage response for cotton regions in Türkiye: An application of the bounds testing approach to cointegration. New Medit, 10 (2): 42-50.
• Özüdoğru, T. & B. Miran, 2015. Türkiye’de farklı destekleme politikalarının pamuk arzı üzerine etkileri. Tarım Ekonomisi Araştırmaları Dergisi, 1 (2): 9-19.
• Pesaran, M.H., Y. Shin & R.J. Smith, 2001. Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16 (3): 289-326. https://doi.org/10.1002/jae.616
• Phillips, P.C. & B.E. Hansen, 1990. Statistical inference in instrumental variables regression with I (1) processes. The Review of Economic Studies, 57 (1): 99-125. https://doi.org/10.2307/2297545
• Phillips, P.C. & P. Perron, 1988. Testing for a unit root in time series regression. Biometrika, 75 (2): 335-346. https://doi.org/10.1093/biomet/75.2.335
• Semerci, A., 2020. Çanakkale ilinde kanola üretiminin fonksiyonel analizi. Türk Tarım ve Doğa Bilimleri Dergisi, 7 (1): 141-145. https://doi.org/10.30910/turkjans.680034
• Semerci, A., 2022. Çanakkale ili tarım işletmelerinde kanola üretiminin yeri ve önemi. Journal on Mathematic, Engineering and Natural Sciences (EJONS), 6 (21): 28-38. https://doi.org/10.38063/ejons.543
• Shahbaz, M., Q.M.A. Hye, A.K. Tiwari & N.C. Leitão, 2013. Economic growth, energy consumption, financial development, international trade and CO2 emissions in Indonesia. Renewable and Sustainable Energy Reviews, 25: 109-121. https://doi.org/10.1016/j.rser.2013.04.009
• Shahzad, M., A.U. Jan, S. Ali & R. Ullah, 2018. Supply response analysis of tobacco growers in Khyber Pakhtunkhwa: An ARDL approach. Field Crops Research, 218: 195-200. https://doi.org/10.1016/j.fcr.2018.01.004
• TURKSTAT, 2024a. Türkiye İstatistik Kurumu, Bitkisel üretim istatistikleri. (Web page: https://biruni.tuik.gov.tr/medas/?locale=tr) (Date accessed: October 2023).
• TURKSTAT, 2024b. Türkiye İstatistik Kurumu, Bitkisel ürün denge tabloları. (Web page https://biruni.tuik.gov.tr/medas/?locale=tr) (Date accessed: October 2023).
• Unakıtan G. & D.İ. Abdikoğlu, 2014. “Buğdayın arz duyarlılığı: Trakya Bölgesi örneği, 805-810”. XI. Ulusal Tarım Ekonomisi Kongresi (3-5 Eylül 2014, Samsun) Bildirileri, 1736 s.
• Unakıtan, G. & M.Ö. Azabağaoğlu, 2017. “Analysis of sowing area-price relation on canola production, 434-439”. IV. International Balkan and Near Eastern Social Sciences Congress Series (8-9 April 2017, Russe) Papers, 928 pp.
• Uzundumlu, A.S., 2012. Tarım sektörünün ülke ekonomisindeki yeri ve önemi. Alinteri Journal of Agriculture Science, 22 (1): 34-44.
• Ünver, Ö. & H. Gamgam, 1996. Uygulamalı İstatistik Yöntemler. Siyasal Kitabevi, Ankara, 334 s.
• Voss, D.S., 2005. “Multicollinearity, 759-770”. In: Encyclopedia of Social Measurement. 1st Edition (Eds. K. Kempf-Leonard). Elsevier, Texas, USA, 3000 pp.
• Waqas, M., S. Ali, S.A. Shah & G. Ali, 2019. Supply response of unirrigated wheat in Khyber Pakhtunkhwa, Pakistan: ARDL approach. Sarhad Journal of Agriculture, 35 (3): 902-912. https://doi.org/10.17582/journal.sja/2019/35.3.902.912
• Yamak, R. & M. Köseoğlu, 2006. Uygulamalı İstatistik ve Ekonometri. Celepler Matbaacılık, Trabzon, 152 s.
• Yavuz, S., 2009. Hataları ardışık bağımlı (otokorelasyonlu) olan regresyon modellerinin tahmin edilmesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 23 (3): 123-140.