Türkiye’de İmalat ve Hizmet Sektörlerindeki Ücret Farklılıklarının Dilim Regresyonla Analizi

Öz

İnsan sermayesine yapılan yatırımlar ekonomik büyümenin ve ücret farklılıklarının önemli belirleyicisidir; odak noktasında eğitim vardır. Eğitim seviyesindeki artış bireylerin gelir düzeyinin yükselmesine neden olur. Eğitimin yol açtığı verimlilik hem ekonomik büyümeye hem de gelirin daha dengeli dağılımına katkı sağlar. Gelir artışının yarattığı tasarruf artışı özellikle Türkiye gibi gelişmekte olan ülkeler için sermaye birikiminin kaynağı olması nedeniyle oldukça önemlidir. Bu çalışmanın amacı Türkiye’de işgücü piyasasında istihdamda olan bireylerin reel ücretlerinin belirleyicilerini iki önemli sektör bazında ölçmektir. Bunlar hizmet ve imalat sektörüdür. Hizmet ve imalat sanayi Türkiye’de hem istihdam hem de GSYİH’nın önemli belirleyicileridir. 2019 yılı verilerine göre GSYİH içinde yüzde 19 paya sahip olan imalat sanayiinin toplam istihdam içindeki payı yüzde 19,5’dir. İmalat sanayi ürünlerinin toplam ihracat içindeki payı ise yüzde 94,2'dir. Hizmetler sektörünün toplam istihdam içindeki payı yüzde 54,5 iken GSYİH’ya yaptığı katkı yüzde 54,2’dir. Türkiye ekonomisi açısından oldukça önemli olan bu sektörlerde bireylerin ücret belirleyicileri için, Türkiye İstatistik Kurumu TÜİK ’nun hazırlamış olduğu 2014-2017 yılları Hanehalkı İşgücü Araştırması mikro veri setlerinden elde edilen havuzlanmış veriler kullanılmıştır. Örneklemde 15-65 yaş arasında hizmet sektöründe 197745 ve imalat sektöründe istihdamda olan 70763 kişi bulunmaktadır. Araştırmada kullanılan yöntem En Küçük Kareler EKKY ve Dilim Kantil Regresyon yöntemidir. Dilim regresyon yönteminde ücretler onluk dilimlere ayrılmıştır. Verilerdeki aşırı uç değerleri değişen varyansa sebep olduğu için söz konusu yöntemle bireyin reel ücretinin en düşük ve en yüksek dilimler arasındaki farklılıkları ortaya konulacaktır. Hizmet ve imalat sektöründe istihdamdaki bireylerin elde ettikleri reel ücretin tahmini için cinsiyet, yaş, medeni durum, deneyim, meslek, yıl gibi değişkenler kullanılacaktır

Anahtar Kelimeler

• Kantil Regresyon, Ücretler, Ücret Kutuplaşması, İmalat Sanayii, Hizmetler Sektörü, Türkiye Ekonomisi

Quantile Regression Analysis of Wage Differentials in Production and Service Sector in Turkey

Öz

Investments in human capital are important determinants of economic growth and wage differences. the focus is on the level of education. Increase in education level causes individuals to increase their income level. The productivity of education contributes to both economic growth and a more balanced distribution of income. The savings increase generated by income growth is particularly important for developing countries such as Turkey as it is the source of capital accumulation. The aim of this study is to measure the determinants of the real wages of individuals employed in the labour market in Turkey on the basis of two important sectors. These are the services and manufacturing sectors. Service and manufacturing industries are important determinants of both employment and GDP in Turkey. According to 2019 data, the manufacturing industry has a 19 percent share in GDP and the share of total employment is 19.5 percent. The share of manufacturing industry products in total exports is 94.2 yüzde. For this, pooled data obtained by micro data set of 2014-2017 Household Labor Force Survey prepared by Turkey Statistical Institute TÜİK is used. There are 197745 people between the ages of 15-65 in the service sector and 70763 people who are in employment in the manufacturing sector. The method used in the research is the Least Squares and Slice Regression method. In slice regression method, wages are divided into ten slices. Since extreme values in the data cause varying variance, the differences between the lowest and highest slices of the real wage of the individual will be revealed with the mentioned method. The independent variables in the model consisted of variables such as gender, age, marital status, experience, occupation and year, respectively

Anahtar Kelimeler

• Quantile Regressions, Wages, Wage Polarization, Manufacturing and Service Industries.

Kaynakça

1. Ackah, C. G. ve Bofah R. O. (2019). The Exporter Wage Premium Hypothesis: An Unconditional Quantile Regression and Decomposition Approach, Journal of African Business, 20:3, 76- 391.
2. Akçomak, S. ve Gürcihan, H. B. (2013) Türkiye İşgücü Piyasasında Mesleklerin Önemi: Hizmetler Sektörü İstihdamı, İşgücü ve Ücret Kutuplaşması, TCMB Çalışma Tebliğ No: 13/21, file:///C:/Users/hp/Documents/Hizmetleryüzde20sektörü/kutupl aşma.pdf, (25.01.2020).
3. Biesenbeek, C. ve Werff S. (2019) Public–Private Wage Differentials: Evidence from The Netherlands," De Economist, Springer, vol. 167(1), 23-43.
4. Billger, S.M. ve Lamarche, C. (2015). A Panel Data Quantile Regression Analysis of the Immigrant Earnings Distribution in the United Kingdom and United States. Empir Econ 49, 705–750.
5. Buchinsky, M. (1994) Changes in the US wage structure, 1963-1987: Application of Quantile Regression’, Econometrica, 62, 405-458.
6. Buchinsky, M. (1998), “Recent Advances in Quantile Regression Models: A Practical Guideline for Empirical Research”, Journal of Human Resources, 3(1), 88-126.
7. Ching, G. S. ve Johnes, G. (2015). Differences in decline: Quantile Regression of Male-Female Earnings Differential in Malaysia.The Singapore Economic Review, 60,1550054.
8. HMB, Ekonomik Göstergeler, https://www.hmb.gov.tr/. BBC https://www.bbc.com/turkce/haberler-dunya-48771178

9. ILO Global Wage Report 2018/19
10. Kalkınm B. (2014) İmalat Sanayiinde Dönüşüm Özel ihtisas Komisyonu Raporu, http://www.sbb.gov.tr/wpcontent/uploads/2018/10/10_ImalatSanayiindeDonusum.pdf, (30.01.2020).
11. Koenker, R. ve Bassett, G. (1978) Regresson Quantles. Econometrica, 46, 33-50.
12. Koenker, R. ve K.F. Hallock (2001), “Quantile regression”, Journal of Economic Perspectives, 15(4), 143-156.
13. Koenker, R. ve Chesher, A. ve Jackson, M. (2005) Quantile Regresson, Cambrdge Unversty Press.
14. Martins, P. S. ve Pereira, P. T. (2004). Does Education Reduce Wage Inequality? Quantile Regression Evidence From 16 Countries. Labour Economics, 11(3), 355-371.
15. Pereira, P. T. Ve Martins P. S. (2000). Does Education Reduce Wage Inequality? Quantile Regressions Evidence from Fifteen European Countries, IZA Discussion Paper No. 120.
16. Seneviratne, P. (2019) Explaining Changes in Sri Lanka’s Wage Distribution, 1992-2014: A Quantile Regression Analysis, Oxford Development Studies, 47:2, 238-256.
17. SGK http://www.sgk.gov.tr/wps/portal/sgk/tr/calisan/kayitdisi_istihda m/kayitdisi_istihdam_oranlari
18. Taştan, H. ve Akar M., (2013) Türkiye İmalat Sanayiinde Bölgesel ve Sektörel Ücret Eşitsizliği, İktisat Fakültesi Mecmuası, Cilt: 63, 2013/1, 17-49.
19. Tojerow, I. (2008) Industry Wage Differentials Rent Sharing and Gender in Belgium, Dans Reflets et Perspectives de la vie Economique, 2008/3 (Tome XLVII), https://www.cairn.info/revue-reflets-etperspectives-de-la-vie-economique-2008-3-page-55.htm#, 55-65, ( 23.01.2020).
20. TUSİAD, (2008) Türkiye Sanayiine Sektörel Bakış, Yayın No. TÜSİADT/2008 - 05/466, file:///C:/Users/hp/Downloads/sanayiyüzde20(1).pdf, (30.01.2020).
21. Yeldan, E. (2017) İstihdamın Dinamikleri, Cumhuriyet Gazetesi, 27 Aralık 2017.
22. Yıllık Sanayi ve Hizmet İstatistikleri, (2018) http://www.alomaliye.com/2019/10/24/2018-yillik-sanayi-vehizmet-istatistikleri/, (01.01.2020)