Modern ekonomi bilimi, sezgiyle değil veriyle konuşur. Bir hükümetin vergi politikasının istihdama etkisini ölçmek, bir merkez bankasının faiz kararının enflasyon üzerindeki gecikmeli yansımasını tahmin etmek ya da bir şirketin fiyatlama stratejisinin talep esnekliğini hesaplamak; bunların hepsi sistematik bir analiz çerçevesi gerektirir. Bu çerçeveyi sağlayan iki temel disiplin, ekonometri ve istatistiktir. Birbiriyle derinden iç içe geçmiş bu iki alan, sosyal bilimler ve doğa bilimleri arasında köprü kurarak gözlemlenebilir dünyayı sayısal bir dile çeviriyor. Yöntemlerin doğru uygulanması, yalnızca akademik bir başarı değil; aynı zamanda milyonlarca insanı etkileyen kararların sağlıklı temellere oturtulması anlamına geliyor.
Ekonometrinin Doğuşu ve Temel Felsefesi
Ekonometri, Yunanca “ekonomi” ve “ölçüm” kelimelerinin birleşiminden türeyen; ekonomik teorilerin istatistiksel ve matematiksel yöntemlerle sınanmasını konu alan bir disiplindir. 20. yüzyılın ilk yarısında Ragnar Frisch ve Jan Tinbergen öncülüğünde şekillenen bu alan, 1969’da her ikisine de Nobel Ekonomi Ödülü’nü kazandırdı. Ekonometrinin temel felsefesi şudur: Teorik bir model ne kadar zarif olursa olsun, gerçek dünyayla olan uyumu ancak veriyle sınanabilir. Bu sınama süreci, ekonometrinin hem gücünü hem de sınırlarını belirler.
Bir ekonometrik analiz üç temel unsuru bir araya getirir: ekonomik teori (neyin ölçüleceğini söyler), matematiksel model (ilişkiyi formüle eder) ve istatistiksel yöntem (modeli veriye uygular ve sonuçları yorumlar). Bu üç unsurun uyumlu bir şekilde çalışması, analizin güvenilirliğinin temelidir.
Olasılık ve İstatistiğin Temelleri
Her türlü ekonometrik analizin altında sağlam bir istatistik altyapısı yatar. Betimleyici istatistik, ham veriyi özetleyen temel araçları kapsar: ortalama, medyan, standart sapma, çarpıklık ve basıklık gibi ölçüler, bir veri setinin genel yapısını hızla kavramayı sağlar. Ancak betimleyici istatistik yalnızca mevcut durumu tanımlar; asıl güç çıkarımsal istatistikte yatar.
Olasılık teorisi, belirsizlik altında çıkarım yapmanın matematiksel temelini kurar. Büyük sayılar yasası ve merkezi limit teoremi, örneklem davranışını açıklayan iki temel direk olarak öne çıkar. Merkezi limit teoremi özellikle kritiktir: Yeterince büyük örneklemlerde, ana kitlenin dağılımından bağımsız olarak örneklem ortalamalarının normal dağılıma yakınsadığını söyler. Bu teorik güvence, pek çok istatistiksel testin geçerliliğinin arkasındaki sessiz destektir.
Hipotez testleri, istatistiksel çıkarımın operasyonel kolu olarak işlev görür. Sıfır hipotezi ve alternatif hipotez çerçevesinde kurulan bu testler; t-testi, F-testi, ki-kare testi gibi araçlarla hayata geçirilir. p-değeri, sonucun istatistiksel anlamlılığını ifade etse de son yıllarda bu değerin tek başına yeterli bir kanıt sayılıp sayılamayacağı akademik çevrelerde yoğun biçimde tartışılıyor. Etki büyüklüğü ve güven aralıkları, p-değerinin ötesinde daha zengin bir yorum zemini sunuyor.
Regresyon Analizi: Ekonometrinin Kalbi
Ekonometrinin en yaygın ve temel aracı regresyon analizidir. En basit biçimiyle Sıradan En Küçük Kareler (OLS) yöntemi, bir bağımlı değişkeni bir ya da birden fazla bağımsız değişkenle ilişkilendiren doğrusal bir model kurar. OLS tahmincisinin BLUE özelliği yani en iyi doğrusal yansız tahmincilik, belirli varsayımlar altında (Gauss-Markov koşulları) geçerlidir: Hatalar sıfır ortalamaya sahip olmalı, sabit varyanslı (homoskedastik) ve birbirinden bağımsız olmalıdır.
Gerçek dünya verileri bu varsayımları çoğu zaman karşılamaz. Heteroskedastiklik, yani hata varyansının değişkenliği; otokorelasyon, yani hataların birbiriyle ilişkili olması; ve çoklu doğrusallık, yani bağımsız değişkenler arasındaki güçlü korelasyon; OLS tahminlerini sorunlu hale getirir. Bu sorunlarla başa çıkmak için Genelleştirilmiş En Küçük Kareler (GLS), White düzeltmesi, Newey-West standart hataları gibi alternatif yaklaşımlar devreye girer.
Bağımlı değişkenin ikili ya da kategorik olduğu durumlarda doğrusal regresyon yetersiz kalır. Bu noktada lojistik regresyon, probit modeli ve tobit modeli gibi sınırlı bağımlı değişken modelleri kullanılır. Bir kişinin kredi alıp almayacağını, bir ülkenin krizle karşılaşıp karşılaşmayacağını ya da bir hanenin belirli bir ürünü satın alıp almayacağını modellemek bu yöntemlerle mümkün hale gelir.
Zaman Serisi Analizi ve Tahmin
Ekonomik veriler çoğunlukla zaman boyutunda sıralanmış gözlemler, yani zaman serileri şeklinde karşımıza çıkar. GSYİH büyüme hızı, enflasyon, döviz kuru, hisse senedi fiyatları bunların başında gelir. Zaman serisi analizinde ilk adım, serinin durağan olup olmadığını sınamaktır. Durağan olmayan bir seriyle yapılan regresyon, gerçekte var olmayan ilişkileri varmış gibi gösterebilir; buna sahte regresyon problemi denir.
Augmented Dickey-Fuller (ADF) ve Phillips-Perron testleri, birim kök varlığını sınamak için yaygın olarak kullanılır. Durağanlaştırma işlemi genellikle fark alma yöntemiyle gerçekleştirilir. Birden fazla zaman serisinin uzun dönemde birlikte hareket ettiğini ifade eden eşbütünleşme (koentegrasyon) kavramı ise Engle-Granger ve Johansen yöntemleriyle analiz edilir. Hata Düzeltme Modelleri (ECM), kısa dönem dinamiklerini uzun dönem denge ilişkisiyle birleştirerek daha kapsamlı bir tahmin çerçevesi sunar.
ARIMA modelleri, zaman serisi tahmininde klasik araçlar arasındadır. VAR (Vektör Otoregresif) modeller ise birden fazla değişken arasındaki karşılıklı dinamikleri modelleyerek makroekonomik analizde özellikle güçlü sonuçlar verir. Granger nedensellik testi, bu çerçevede bir değişkenin diğerini öngörüp öngörmediğini sınar; nedensellik kavramının istatistiksel bir yorumu olarak anlaşılmalıdır.
Panel Veri Yöntemleri
Hem kesit hem de zaman boyutunu bir arada içeren panel veri setleri, ekonometrik analizde zengin bir bilgi kaynağı sunar. Birden fazla ülke, firma ya da bireyin birden fazla dönem boyunca izlendiği bu yapılar, yalnızca kesit ya da yalnızca zaman serisi verisinin ortaya koyamayacağı örüntüleri gün yüzüne çıkarır.
Sabit etkiler modeli, gözlemlenemeyen birey ya da zaman etkilerini kontrol altına alarak içsellik sorununu kısmen giderir. Rassal etkiler modeli ise bu etkilerin rassal dağıldığını varsayarak daha verimli tahminler sunar; hangi modelin uygun olduğu Hausman testiyle belirlenir. Panel veri, özellikle politika değerlendirme analizlerinde kritik öneme sahiptir: Asgari ücret artışının istihdam üzerindeki etkisi, eğitim harcamalarının büyümeye katkısı gibi sorular bu yöntemle daha güvenilir biçimde yanıtlanabilir.
Nedensellik Sorunu ve Araç Değişken Yöntemi
Ekonometride en temel ve en zorlu sorun, korelasyonun nedenselliğe dönüştürülmesidir. İki değişken arasındaki istatistiksel ilişki, birinin diğerini nedenlediğini kanıtlamaz. İçsellik problemi, bağımsız değişkenin hata terimiyle korelasyonlu olması durumunda ortaya çıkar ve OLS tahminlerini tutarsız hale getirir.
Bu soruna karşı geliştirilen en köklü çözüm Araç Değişken (IV) yöntemidir. İyi bir araç değişken iki koşulu sağlamalıdır: Bağımsız değişkenle korelasyonlu olmalı (ilgililik), ancak hata terimiyle korelasyonsuz olmalıdır (dışsallık). İki Aşamalı En Küçük Kareler (2SLS) bu yöntemin en yaygın uygulama biçimidir. Doğal deneyler ve yarı deneysel tasarımlar, araç değişken mantığının gerçek dünya uygulamalarına yansımasıdır; Fark-içinde-Fark (DiD) yöntemi ve Regresyon Süreksizliği (RD) tasarımı bu kategorideki güçlü nedensellik araçları arasında yer alır.
Makine Öğrenmesi ile Ekonometrinin Kesişimi
21’nci yüzyılda veri biliminin yükselişiyle birlikte ekonometri ve makine öğrenmesi arasındaki sınır giderek geçirgen bir hal aldı. Lasso, Ridge ve Elastik Net regresyonu gibi düzenlileştirme yöntemleri, çok sayıda değişken içeren modellerde aşırı uyumu (overfitting) engelleyerek tahmin performansını artırıyor. Rassal orman ve gradyan artırma algoritmaları, doğrusal olmayan ilişkileri yakalamada klasik yöntemlerin önüne geçiyor.
Ancak makine öğrenmesinin tahmin gücü ile ekonometrinin nedensellik odağı arasında temel bir gerilim var. Ekonometri, “ne olacak?” sorusundan çok “neden oldu?” ve “ne yapılırsa ne olur?” sorularını yanıtlamayı amaçlar. Nedensel makine öğrenmesi ve çift sağlam tahmin gibi yeni yöntemler, bu iki dünyanın güçlü yanlarını bir araya getirmeye çalışıyor. Judea Pearl’ün nedensellik çerçevesi ve yönlendirilmiş asiklik grafikler (DAG), bu tartışmanın teorik zeminini oluşturuyor.
Güvenilir Bir Analizin Anatomisi
Tüm bu yöntemler ne kadar sofistike olursa olsun, güvenilir bir ekonometrik analizin kalitesi büyük ölçüde veri kalitesine, model spesifikasyonuna ve araştırmacının dürüstlüğüne bağlıdır. Ölçüm hatası, seçim yanlılığı, eksik değişken yanlılığı ve yayın yanlılığı gibi sorunlar, en teknik olarak kusursuz modelin bile çıktısını bozabilir. Son yıllarda akademik dünyada giderek daha fazla önem kazanan önceden kayıt (pre-registration) ve şeffaflık standartları, bu güvenilirlik sorunlarına yanıt olarak geliştirilmiştir.
Ekonometri ve istatistik, nihayetinde araçtır. Onları değerli kılan şey; merak eden, sorgulayan ve sonuçları sorumlu biçimde yorumlayan insan zekasıdır. Sayılar gerçeği kendiliğinden söylemez; ama doğru yöntemlerle sorulduğunda, nadiren yalan söyler.
