On ikinci kalkınma planı ekseninde lojistik performans endeksinin incelenmesi: Monte Carlo simülasyonu

Öz

Türkiye, On ikinci kalkınma planı kapsamında 2028 yılında Lojistik Performans Endeksi'nde (LPI) 139 ülke arasında 25. sıraya yükselmeyi hedeflemektedir. Bu çalışmanın temel amacı, Türkiye’nin 2028 yılına yönelik LPI sıralaması hedeflerine ulaşma potansiyelini, 2007-2023 verileri ve Monte Carlo Simülasyonu yöntemiyle değerlendirmektir. Ayrıca, simülasyonla elde edilen tahmini LPI bileşen değerleri kullanılarak, bu bileşenlerin ekonomik büyüme ile ilişkileri regresyon analiziyle incelenmiştir. LPI’nın gümrük, altyapı, uluslararası sevkiyat, takip ve izleme, hizmet kalitesi ve zamanında teslimat olmak üzere altı bileşeni ile Türkiye’nin GSYİH’si çalışmada ele alınan temel değişkenlerdir. İlk olarak, serilerin trend özellikleri Mann-Kendall testiyle analiz edilmiş; eksik veriler K-En Yakın Komşu (KNN) algoritmasıyla tamamlanmıştır. Serilerin dağılım türlerinin belirlenmesi için Shapiro-Wilk, Anderson-Darling ve Jarque-Bera testleri uygulanmış, tüm serilerin normal dağılım gösterdiği belirlenmiştir. Bu doğrultuda, normal dağılıma dayalı Monte Carlo Simülasyonu uygulanmış ve her değişken için 1.000 tekrar yürütülmüştür. Farklı tekrar sayıları test edilmiş, 1.000 tekrar düşük varyans ve yüksek temsil gücü açısından en uygun seviye olarak belirlenmiştir. Varyans analizleriyle minimum gerekli tekrar sayısının 841 olduğu ve 1.000 tekrarın yeterli güvenilirlik sağladığı doğrulanmıştır. Simülasyonla elde edilen tahmini değerlerle ekonomik büyüme arasındaki ilişkileri analiz etmek için çoklu regresyon kullanılmıştır. Modelde çoklu doğrusal bağlantı nedeniyle standart varsayımlar sağlanamadığından, Robust Regresyon yöntemi tercih edilmiştir. Bu analizde GSYİH bağımlı, LPI bileşenleri ise bağımsız değişken olarak modele dahil edilmiştir. Bulgular, Türkiye’nin 2028’e kadar LPI sıralamasında üç ülkeyi geçebileceğini ve özellikle takip ve izleme ile altyapı bileşenlerinin kritik rol oynayabileceğini göstermektedir. Ayrıca, takip ve izleme ile uluslararası sevkiyatın ekonomik büyüme ile pozitif ve anlamlı; altyapı, gümrük ve hizmet kalitesinin ise negatif ve anlamlı ilişkili olduğu tespit edilmiştir. Zamanında teslimat açısından ise anlamlı bir ilişki gözlenmemiştir.

Anahtar Kelimeler

• Lojistik performans endeksi
• ekonomik büyüme
• Monte Carlo simülasyonu

An examination of the logistics performance index within the framework of the twelfth development plan: a Monte Carlo simulation

Öz

Within the scope of its Twelfth Development Plan, Türkiye aims to rise to 25th place among 139 countries in the Logistics Performance Index (LPI) by 2028. The primary objective of this study is to assess Türkiye’s potential to achieve this target using data from the 2007–2023 period and the Monte Carlo Simulation method. In addition, the study investigates the relationship between the simulated LPI component values and economic growth through regression analysis. The main variables examined in the study are Türkiye’s GDP and the six components of the LPI: customs, infrastructure, international shipments, tracking and tracing, logistics service quality, and timeliness. Initially, the trend characteristics of the time series were analyzed using the Mann-Kendall test, and missing data were completed through the K-Nearest Neighbors (KNN) algorithm. Shapiro-Wilk, Anderson-Darling, and Jarque-Bera tests were conducted to determine the distribution types of the series, and all were found to follow a normal distribution. Accordingly, a Monte Carlo Simulation based on normal distribution was conducted with 1,000 iterations per variable. Different iteration counts were tested, and 1,000 repetitions were identified as optimal in terms of low variance and high representativeness. Variance analysis confirmed that a minimum of 841 repetitions was required for reliable results. The simulated values were then used in a multiple regression analysis to examine their relationship with economic growth. Due to multicollinearity issues and unmet standard assumptions, the Robust Regression method was employed. In this model, GDP was used as the dependent variable and the LPI components as independent variables. The findings indicate that Türkiye may surpass three countries in the LPI ranking by 2028, with tracking and tracing and infrastructure components playing a particularly critical role. Moreover, tracking and tracing and international shipments show a statistically significant positive relationship with economic growth, whereas infrastructure, customs, and service quality exhibit statistically significant negative associations. No significant relationship was observed for the timeliness component.

Anahtar Kelimeler

• Logistic performance index
• economic growth
• Monte Carlo simulation

Kaynakça

1. [1] World Bank. “Logistics Performance Index (LPI)”. https://lpi.worldbank.org/about (02.07.2025).
2. [2] Barro RJ. “Government spending in a simple model of endogeneous growth”. Journal of Political Economy, 98(S5), 103-125, 1990.
3. [3] Aschauer DA. “Is Public Expenditure Productive?”. Journal of Monetary Economics, 23(2), 177-200, 1989.
4. [4] Krugman P. “Increasing returns and economic geography”. Journal of Political Economy, 99(3), 483-499, 1991.
5. [5] Krugman P. “Scale economies, product differentiation, and the pattern of trade”. American economic review, 70(5), 950-959, 1980.
6. [6] Mahpour A, Farzin I, Baghestani A, Ashouri S, Javadi Z, Asgari L. “Modeling The Impact of Logistic Performance, Economic Features, and Demographic Factors of Countries on The Seaborne Trade”. The Asian Journal of Shipping And Logistics, 39(2), 60-66, 2023.
7. [7] Bozma G, Başar, Sİ, Aydın S. “Lojistik Performansının Ekonomik Büyüme Üzerindeki Etkisi”. The International New Issues in Social Sciences, 5(5), 401-414, 2017.
8. [8] Karaköy Ç, Üre S. “Yüksek ve Orta Gelirli Ülkelerde Büyüme ve Lojistik Performans Endeksi Arasındaki İlişki”. Al-Farabi, 4, 575-580, 2019.

9. [9] Kevser M, Dogan M. “Lojistik Performans Endeksi ile Ekonomik Büyüme ve Finansal Gelişmişlik İlişkisi: Ekonometrik Bir Analiz”. Türk Yönetim ve Ekonomi Araştırmaları Dergisi, 2(1), 31-39, 2021.
10. [10] Kılıç M. “Lojistik Performans Endeksi Değerlerinin Büyüme Üzerindeki Etkisi”. Pak Sosyal Bilimler Dergisi, 2(3), 1-9, 2021.
11. [11] Gerşil M, Akın S. “Ekonomik Büyüme Modelinde Lojistik Sektörünün Rolü: Avrupa Birliği Ülkeleri Örneği”. İşletme Araştırmaları Dergisi, 16(1), 44-53, 2024.
12. [12] Göçer A, Özpeynirci Ö, Semiz M. “Logistics Performance Index-Driven Policy Development: An Application to Turkey”. Transport Policy, 124, 20-32, 2022.
13. [13] Kendall MG. Rank Correlation Methods, London, UK, Charles Griffin, 1995.
14. [14] Hamed KH, Rao AR. “A Modified Mann-Kendall Trend Test For Autocorrelated Data”. Journal Of Hydrology, 204(1-4), 182-196, 1998.
15. [15] Emmanuel T, Maupong T, Mpoeleng D, Semong T, Mphago B, Tabona O. “A Survey On Missing Data in Machine Learning”. J Big Data, 8, 1-37, 2021.
16. [16] Raychaudhuri S. “Introduction To Monte Carlo Simulation”. 2008 Winter Simulation Conference, Miami, USA, 7-10 December 2008.
17. [17] Chau KW. “Monte Carlo Simulation of Construction Costs Using Subjective Data: Response”. Construction Management And Economics, 15(1), 109-115, 1997.
18. [18] Alma ÖG. “Comparison Of Robust Regression Methods in Linear Regression”. Int J Contemp Math Sciences, 6(9), 409-421, 2011.
19. [19] TÜİK. “İstatistik Veri Portalı”. https://data.tuik.gov.tr/Kategori/GetKategori?p=ulastirma-ve-haberlesme-112&dil=1 (04.06.2025).
20. [20] Aydın ZB, Selen U. “Gümrük Vergi Uygulamasında Tek Pencere Sisteminin Rolü”. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (47), 1-10, 2025.