Research Article - (2023) Volume 16, Issue 96
Received: Dec 15, 2022, Manuscript No. jisr-22-83633; Editor assigned: Dec 19, 2022, Pre QC No. jisr-22-83633; Reviewed: Jan 02, 2023, QC No. jisr-22-83633; Revised: Jan 05, 2023, Manuscript No. jisr-22-83633; Published: Jan 10, 2023, DOI: 10.17719/jisr.2023.83633
How the demographic structure of cities is formed is an important subject of discussion. Various different factors can play a different role in each city. For example, the presence of a university in certain cities significantly affects the demographic structure, while the industrial structure in certain cities affects the demographic structure of the city. On the other hand, economists have long emphasized the critical role of human capital in the development of regions. In addition, education has a positive effect on income. For this reason, it is of great importance to understand the distribution of the educated population in the cities. In order to develop better local policies, it is necessary to learn how the educated population is affected by house and rent prices. Another important issue concerns the attainment of the role of municipal expenditures. In this study, the movement of the university graduate population in Istanbul, which is the 21st most populous city in the world with its population approaching 16 million, has been examined and those relationships have been investigated. With the data between 2014 and 2021, analysis was made for 39 districts. Panel data analysis and an Apparently Unrelated Regression Model (GIR) were used for econometric analysis of the study. In addition to the fundamental analysis, many robustness checks were carried out; The delays of the variables are added to the model or the number of Syrians under temporary protection in the districts is controlled. The results are generally similar. In addition, the analyzes include individuals with higher education and higher education and are repeated on the basis of gender. According to our findings, the number of graduates per ten thousand people is positively associated with real rental prices. Although the effect is small, it is statistically significant. This relationship is stronger in women. On the other hand, the number of graduates per ten thousand people is negatively related to real house prices. This relationship is stronger in men. Finally, the number of university graduates per ten thousand people is positively related to the budget of the district municipalities per capita. This relationship is both strong and valid for all genders. Therefore, it is thought that our findings may contribute to the development of more effective local and national policies.
Kentlerin demografik yapısının nasıl oluştuğu önemli bir tartışma konusu olmaktadır. Çeşitli farklı etkenler her bir kentte farklı rol oynayabilmektedir. Örneğin, belli kentlerde üniversite olması demografik yapıyı önemli ölçüde etkilerken, belli kentlerde sanayi yapısı şehrin demografik yapısını etkilemektedir. Diğer taraftan ekonomistler uzun zamandır, beşeri sermaye seviyesinin, bölgelerin gelişmişliğindeki kritik rolüne vurgu yapmaktadır. Ayrıca, eğitim geliri pozitif etkilemektedir. Bu nedenle, kentlerdeki eğitimli nüfusun kentteki dağılımının anlaşılması büyük önem arz etmektedir. Daha iyi yerel politikalar geliştirebilmek için özellikle eğitimli nüfusun ev ve kira fiyatlarından nasıl etkilendiğinin öğrenilmesi gerekmektedir. Diğer bir önemli konu da belediye harcamalarının rolünün elde edilmesi ile ilgili olmaktadır. Bu çalışmada, 16 milyona yaklaşan nüfusuyla, dünyanın en kalabalık 21. şehri olan İstanbul’daki üniversite mezunu nüfusun yıllar içindeki hareketi incelenerek, o ilişkiler araştırılmıştır. 2014 ile 2021 yılları arasındaki veriyle, 39 ilçe için analiz yapılmıştır. Çalışmanın ekonometrik analizi için panel veri analizi ve Görünürde İlişkisiz Regresyon Modeli (GİR) kullanılmıştır. Temel analizlerin yanında birçok sağlamlık kontrolleri gerçekleştirilmiştir; modele değişkenlerin gecikmeleri eklenmekte veya ilçelerdeki geçici koruma altındaki Suriyeli sayısı kontrol edilmektedir. Sonuçlar genel itibariyle benzerdir. Ayrıca analizler yüksekokul ve üstü eğitime sahip bireyleri kapsamakta ve cinsiyet bazında tekrar edilmektedir. Bulgularımıza göre, on bin kişi başına düşen mezun sayısı reel kira fiyatlarıyla pozitif ilişkilenmektedir. Etki küçük olsa da, istatistiksel olarak anlamlıdır. Bu ilişki kadınlarda daha güçlü olmaktadır. Diğer taraftan on bin kişi başına düşen mezun sayısı reel ev fiyatlarıyla negatif ilişkilenmektedir. Bu ilişki ise erkeklerde daha güçlüdür. Son olarak on bin kişi başına düşen üniversite mezun sayısı, kişi başına düşen ilçe belediyelerinin bütçesiyle pozitif ilişkilenmektedir. Bütün cinsiyetler için bu ilişki hem güçlü hem de geçerlidir. Bu nedenle bulgularımızın daha etkin yerel ve ulusal politikalar geliştirilmesine katkı sağlayabileceği düşünülmektedir.
Anahtar Kelimeler: İstanbul, demografik yapı, eğitim düzeyi, belediye bütçesi, konut fiyatı.
How the demographic structure of cities is formed is an important subject of discussion. Various different factors can play a different role in each city. For example, the presence of a university in certain cities significantly affects the demographic structure, while the industrial structure in certain cities affects the demographic structure of the city. On the other hand, economists have long emphasized the critical role of human capital in the development of regions. In addition, education has a positive effect on income. For this reason, it is of great importance to understand the distribution of the educated population in the cities. In order to develop better local policies, it is necessary to learn how the educated population is affected by house and rent prices. Another important issue concerns the attainment of the role of municipal expenditures. In this study, the movement of the university graduate population in Istanbul, which is the 21st most populous city in the world with its population approaching 16 million, has been examined and those relationships have been investigated. With the data between 2014 and 2021, analysis was made for 39 districts. Panel data analysis and an Apparently Unrelated Regression Model (GIR) were used for econometric analysis of the study. In addition to the fundamental analysis, many robustness checks were carried out; The delays of the variables are added to the model or the number of Syrians under temporary protection in the districts is controlled. The results are generally similar. In addition, the analyzes include individuals with higher education and higher education and are repeated on the basis of gender. According to our findings, the number of graduates per ten thousand people is positively associated with real rental prices. Although the effect is small, it is statistically significant. This relationship is stronger in women. On the other hand, the number of graduates per ten thousand people is negatively related to real house prices. This relationship is stronger in men. Finally, the number of university graduates per ten thousand people is positively related to the budget of the district municipalities per capita. This relationship is both strong and valid for all genders. Therefore, it is thought that our findings may contribute to the development of more effective local and national policies.
Istanbul, demographic structure, education level, municipal budget, house price.
Kent, geçmişten günümüze bakıldığında küreselleşmenin merkezi konumundadır. Bu konumuyla uygarlıklara yön vermiş, tarihi şekillendirmiştir (Mumford, 2019). Medeniyetlerin doğup büyüdüğü kent, küreselleşmeyi bugün bulunduğu düzeye taşıyabilmiştir. Bu süreçte küreselleşme de ekonomik yapıları etkileyerek kente yeni roller yüklemiş ve “küresel kent” bu rolün hayat bulduğu mekân olarak kenti her yönden etkilemiştir.
Küreselleşmenin ekonomi temelli bir olgu olduğu gerçeğinden hareket edersek; ekonomileri gelişmiş veya gelişmekte olan ülkelerin kentlere verdiği önem daha da artmaktadır. Bu nedenle kentler siyasi, hukuki, kültürel ve mimari düzenlemelerle sermayeyi ve nitelikli işgücünü cezbederek kendine yaratıcı gelişmeyi sağlayan bir kap elde etmeye çalışmaktadır. Bu kap yeni ekonomik yapılarla ülkelerin ekonomilerinin itici gücü olmaktadır. Üretimin, ticaretin, finansın yönetim ve kontrol alanı olan küresel kentler, küreselleşmenin ulaşılması istenilen görüngüsü olarak küresel vitrinde yerini almaktadır.
Küreselleşme süreci ile kentler ekonomi odaklı gelişimlerini arttırmaktadır. Birçok küresel kent, küresel ekonomik sisteme uyum sağlama çabası içine girerek, küresel dünyaya ulaşabilecek şekilde uzmanlaşarak, birbirlerine sistemli bir şekilde entegre olarak ve küresel seviyede ağlarını kurarak ekonomik gelişimlerini sağlamaktadır (Sassen, 2000). Bu haliyle bir tanımlama yapacak olursak: Küresel kentler coğrafi sınırları olmayan, siyasi olarak bağlı olduğu ülkenin bile ötesinde küresel düzeyde üretim yapan, bu üretimin ticaretini ve finansmanını diğer küresel kentler üzerinden yapabilen ulus ötesi bir yapıya bürünmektedir.
Ekonomistler beşeri sermaye seviyesinin, bölgelerin gelişmişliğindeki kritik rolünü vurgulamaktadır. Türkiye İstatistik Kurumu (TÜİK, 2022) verilerine göre İstanbul, ülkesinde beşeri sermayenin veya diğer bir ifadeyle eğitimli nüfusun önemli kısmını barındırmaktadır. Bununla birlikte, eğitimin geliri pozitif etkilemesi (FitzRoy & Nolan, 2020) nedeniyle İstanbul ülkesinin ekonomik çıktısının önemli bir kısmını gerçekleştirmektedir. Bu nedenle, İstanbul’daki eğitimli nüfusun kentteki dağılımının anlaşılması büyük önem arz etmektedir. Özellikle eğitimli nüfusun ev ve kira fiyatlarından nasıl etkilendiğini öğrenmek, daha iyi yerel politikalar geliştirebilmek ve İstanbul’un ekonomik çıktısını arttırabilmek için anlaşılması gerekmektedir. Bu konu da belediye harcamalarının rolünün beşeri sermaye veya eğitimli nüfus üzerinde etkisinin anlaşılmasıyla mümkün olabilmektedir.
Bu çalışmada, 16 milyona yaklaşan nüfusuyla, dünyanın en kalabalık 21. kenti olan İstanbul’daki üniversite mezunu nüfusun yıllar içindeki hareketi incelenerek, üniversite mezunu nüfusun satılık konut, kiralık konut ve belediye bütçesi arasındaki ilişkiler araştırılmıştır. 2014 ile 2021 yılları arasındaki veriyle, 39 ilçe için analiz gerçekleştirilmiştir. Çalışmanın ekonometrik analizi için panel veri analizi ve Görünürde İlişkisiz Regresyon modeli (GİR) kullanılmıştır. Temel analizlerin yanında birçok sağlamlık kontrolleri gerçekleştirilmiştir; modele değişkenlerin gecikmeleri eklenmekte veya ilçelerdeki geçici koruma altındaki Suriyeli sayısı da kontrol edilmektedir.
Sonuçlar genel itibariyle benzerdir. Ayrıca analizler yüksekokul ve üstü eğitime sahip bireyleri kapsamakta ve cinsiyet bazında tekrarlanmaktadır. Bulgularımıza göre, on bin kişi başına düşen mezun sayısı reel kira fiyatlarıyla pozitif ilişkilenmektedir. Etki küçük olsa da, istatistiksel olarak anlamlıdır. Bu ilişki kadınlarda daha güçlüdür. Diğer taraftan on bin kişi başına düşen mezun sayısı reel ev fiyatlarıyla negatif ilişkilenmektedir. Bu ilişki ise erkeklerde daha güçlüdür. Son olarak on bin kişi başına düşen üniversite mezun sayısı, kişi başına düşen ilçe belediyelerinin bütçesiyle pozitif ilişkilenmektedir. Bu ilişki hem güçlü hem de bütün cinsiyetler için geçerli olmasına rağmen, çeşitli farklı yöntemlerde sıklıkla kullanılan istatistiksel anlamlılık düzeylerimde anlamlılık kaybolmaktadır. Bu nedenle bulgularımızın daha etkin yerel ve ulusal politikalar geliştirilmesine katkı sağlayabileceği görülmektedir.
Çalışmanın giriş bölümünden sonra ikinci bölümde literatür taraması yapılarak konut piyasası hakkında genel bilgiler verilmektedir. Üçüncü bölümde bir küresel kent olan İstanbul anlatılmaktadır. Dördüncü bölümde veri seti ve ekonometrik yöntem hakkında bilgiler verilmekte; değişkenler hakkında tanımlayıcı bilgiler verilerek kullanılan metodoloji açıklanmaktadır. Beşinci bölümde, analiz sonuçlarından elde edilen bulgular değerlendirilmekte ve çalışmanın son bölümünde ise elde edilen sonuçlara dayandırılarak çıkarımlar yapılmaktadır.
Kentler uygarlığımızın kalbi olarak ülkelerin siyasi ve ekonomik koşullarını belirlemede önemli yeri bulunmaktadır. Kent ekonomisi, kentin siyaseti ve kentin demografik yapısını belirleyebilmektedir. Merkezi yönetim ve yerel yönetim o kadar sıkı sıkıya birbirine örülmüştür ki, bunların bazen tek bir sistem oluşturduğunu düşünmek gerekmektedir. Ulusal koşullar, kentsel ekonomiyi; kentsel ekonomi ulusallar koşulları etkilemektedir (Newton, 2013). Birbirini etkileyen bu döngü kentin ekonomik ve demografik yapısını oluşturmaktadır.
İlaveten konut piyasası, hane halklarının, yatırımcıların, inşaat sektörünün mali durumu ve hatta bankacılık sisteminin istikrarı üzerinde belirgin etkisi olan ekonominin en temel sektörlerinden biri olarak görülmektedir. Bu nedenle, bu piyasanın geniş kapsamlı ekonomik ve toplumsal sonuçları olabilmekte ve bu durum, politika yapıcılar için konut piyasasına özel bir rol yüklemektedir (Macaristan Merkez Bankası, 2022). Bu aynı zamanda konut piyasası üzerinde yüksek etkiye sahip (Aastveit & Anundsen, 2022) para politikasına da yön verebilmektedir. Bu yön vermenin etkisi kentsel alanlarda daha az hissedilse (Yang, Chu, Chen, & Chen, 2022) de yine de kentsel konut piyasası politika yapıcıların kararlarından etkilenmektedir.
Küreselleşme sürecinde ise ülkelerin özelliklerine uygun sektörlerine işgücü ve sermaye hareketleri olduğu (Silver, 2003) yüksek gelirli ve yükseköğrenim almış nüfusun ülkelerin belirli bölgelerinde ihtiyaçlarını karşılayacak yerleri (Marois, Zhelenkova, & Balhasan, 2022) ikamet için tercih edebileceği görülmektedir. Bu durum benzer şekilde kent içinde de gözlemlenebilmektedir. Thünen’in (Han, Yuan, & Zou, 2022) modelinde tarım ekonomisine benzer şekilde kent içindeki ekonomik yapı, demografik yapıyı kentin belirli bölgelerine kümelendirebilmektedir. Bunda da eğitim ve buna bağlı ekonomik sektör belirleyici olabilmektedir. Kent içinde finans veya teknoloji gerektiren sektörler yükseköğrenim almış nüfusu talep ederek kentte sektörlerinin bulunduğu bölgeye bu nüfusu çekmektedir.
Bunların yanında demografik yapıda yükseköğrenim almış nüfus iş hayatında avantajlı olabileceği gibi cinsiyet, medeni durum ve göçmen olma gibi durumlar söz konusu olabildiğinde durum tersine dönerek iş hayatında sorunlara yola açabilmektedir (Park, 2022). Bu da bu dezavantajlı nüfusun gelirinin düşmesine ve hatta ekonomik olarak cezalandırılmasına yol açarak kentin belirli yerlerinde bu nüfus, ekonomik şartlarına uygun yerlerde yaşayabilmektedir. Sassen’e (1991) göre ise çok uluslu şirketlerin alıcı ve gayrimenkul kullanıcısı olarak aktif katılımı, uluslararası bir gayrimenkul piyasasının oluşmasına katkıda bulunarak bu iktisadi faaliyet kolunun ağırlık oranını küresel kentlerde arttırmaktadır. Bunlara ilaveten teknolojide yaşanmakta olan gelişmeler ekonomik faaliyetlerin dünya geneline yayılmasını sağlayarak ekonomik sistemi geliştirmektedir. Özellikle bilişim teknolojilerinde yaşanan bu gelişmeler; firmalar için komuta, kontrol ve koordinasyonun önemini bu gelişmelerle birlikte arttırmaktadır. Bu gelişmeler firmalara, üretim ve finansal süreçleri tek merkezden yönetme imkânı vermektedir. Öncü küresel firmalar bu teknolojileri kullanıp hatta geliştirebilecek insan kaynaklarını cezbedecek olanaklara ve gelişmiş bilişim teknolojilerinin kullanımını sağlayacak altyapıya sahip kentlere ofislerini veya merkezlerini taşımaktadır (Bozdoğan, 2019). Bunun sonucu olarak yükseköğrenim almış nüfus bu kentlere göç etmektedir. Ayrıca yükseköğrenim almış bu nüfus kentin içinde kendilerine geniş olanaklar sağlayabilen belirli alanlarda kümelenmektedir. Buna bağlı olarak da bu alanlarda satılık ve kiralık konut piyasası bu süreçten etkilenmektedir.
Ayrıca eğitim ve barınma, insanoğlunun birbirini etkileyen ve iç içe geçen iki temel ihtiyacı olarak ekonomik aktivitede oldukça güçlü yeri bulunmaktadır. Çin’de eğitimin konut fiyatı ve kira fiyatı üzerinde önemli etkiye sahip olduğu, Pekin’de Feng’in (2019) yaptığı çalışmanın sonucunda görülmektedir. Ekonominin ve toplumun gelişmesiyle birlikte, yükseköğretim de gelişmekte bu da konut piyasasını etkileyerek belirli eğitim düzeyine sahip nüfusun kentin belirli yerlerinde ikamet etmesine neden olmaktadır. Kentin belirli yerlerini tercih eden bu eğitimli nüfus bu yerlerdeki satılık ve kiralık konutların fiyatlarını etkileyebilmektedir. Buna bağlı olarak eğitim geliri pozitif etkilediğinden (FitzRoy & Nolan, 2020), bu eğitimli nüfus gelirine uygun ihtiyaçlarını karşılayabilecek olduğu kentin belirli bölgelerinde yaşamaktadır. Bu durum aynı zamanda yükseköğrenim almış bu nüfusun yerel yönetimlerin kişi başı yaptığı harcamaların yüksek olduğu yerlerde ikamet etmesini etkileyebilmektedir.
İstanbul coğrafi olarak bakıldığında, Karadeniz ve Marmara Denizi’ni birbirine bağlayan önemli bir suyolu olan boğaz ile kent, Anadolu ve Avrupa olmak üzere iki yakaya ayırılmaktadır. Anadolu yakası 1.868,87 km2, Avrupa yakası ise 3.474,35 km2 olmak üzere toplam 5.343,22 km2 kara alanına yayılan kentin (İstanbul Büyükşehir Belediyesi (İBB), 2022) nüfusu TÜİK verilerine göre 2021 yılı itibariyle 15.840.900 kişiyi barındırmaktadır. İstanbul’un Gayri Safi Yurtiçi Hasılası (GSYH), Ekonomik İşbirliği ve Kalkınma Teşkilatı (OECD) ve Dünya Bankası verilerine göre (The World Bank, 2021) 2019 yılında Satınalma Gücü Paritesi (SGP) baz alındığında Türkiye’nin GSYH’sinin %28’sini oluşturarak 633,9 milyar ABD dolarını bulmaktadır. İstanbul, indeksleme çalışması kapsamında yapılan gruplandırmalara bakıldığında; ilk aşamada yerel seviyede etkinliği olan bir finans merkeziyken, süreç içinde küresel seviyede çeşitlenmiş hizmetler sunan bir merkez olduğu, son zamanlarda ise bu özelliğinin kalıcılık gösterdiği anlaşılmaktadır. Bu nedenle kentin ekonomik gelişimi için önemli kaynak tahsisi yapılmasıyla ekonomik rekabet gücünün arttığı, Doğu Avrupa ve Orta Asya bölgesinde önemli bir finans merkezi olduğu, bu sebeple Orta Asya, Orta Doğu, Doğu Avrupa ve Afrika’daki imajının İstanbul’u orta vadede daha iyi bir konuma çıkarabileceği görülmektedir. Buna karşın kentin küresel ekonomik sonuçlar açısından Avrupa ile Asya arasında bölgesel bir merkez olma kapasitesinin altında kaldığı, Kuzey Amerika ve Latin Amerika ile Batı Avrupa’daki imajının geliştirilmesi gerektiği ifade edilmektedir (Bozdoğan, 2019).
İstanbul bu özellikleriyle ülkesinde ve hatta bölgesinde yükseköğrenim görmüş nüfusu kendisine çekme potansiyeli bulunmakta ve bu da kentteki konut piyasasını önemli ölçüde etkileyebilmektedir. 2017 yılında kabul edilen yasayla belirli koşulları sağlamak kaydıyla Türkiye’de konut sahibi olan yabancılara vatandaşlık verilmektedir. Bununla birlikte yabancıların ve yurt dışında yaşayan Türk vatandaşlarının konut alımlarında katma değer vergisi muafiyeti teşviki sağlanmaktadır. Bu uygulamalar yabancı yatırımcının konut talebini Türkiye’de arttırmaktadır. Yabancı yatırımcılara, 2019 yılında toplam 45.483 adet konut satışı yapılmıştır. 2011-2018 yılları arasında gayrimenkul alımı için yabancı yatırımcılar 30 milyar 623 milyon ABD doları harcamaktadır. İstanbul; Marmaray, Yavuz Sultan Selim, Çanakkale ve Osmangazi Köprüsü, Avrasya Tüneli, Kanal İstanbul ve İstanbul Finans Merkezi (İFM) projeleri ile gayrimenkul sektöründe öne çıkmaktadır. Bu tip projeler, İstanbul’da gerek sağladıkları katma değer gerekse diğer ekonomik faydaları ile gayrimenkul sektörüne güçlü destek sağlamaktadır (Salman, 2020). Türkiye’de işgücü ile ilgili çalışmalar ilçe bazında yok denecek az olmaktadır.
Bu çalışmada İstanbul’un 39 ilçesinde 2014 ile 2021 yılları arasını kapsayan, kiralık ve satılık konut fiyatları için TUVİMER (Türkiye Veri İşleme Merkezi) Anonim Şirketi; yaz kuran kursu öğrenci sayıları için İstanbul Müftülüğü; meslek lisesi, anadolu lisesi, özel okul öğrenci ve meslek okul sayıları için İstanbul İl Milli Eğitim Müdürlüğü; yüksekokul ve üzeri ilçe bazında ikamet eden mezun sayısı (üniversite) ile İstanbul’un Tüketici Fiyat Endeksi (TÜFE) için TÜİK verileri kullanılmıştır. Ayrıca İstanbul’un 39 ilçe belediyesinin 2014 ile 2021 yılları arasını kapsayan bütçesi için İstanbul Büyükşehir Belediyesi (İBB) Meclisi kararlarından, 2014 ve 2019 yılı yerel seçimlerinde İstanbul’un 39 ilçe belediye başkanlığı için Yüksek Seçim Kurulu Başkanlığı (YSK) sandık sonuçlarından yararlanılmıştır.
Çalışmada kullanılan panel veri analizlerinde sabit etkiler modeli ile rastgele etkiler modeli arasında tercih yapmak, Hausman testini gerektirmektedir. Tanımlama hatasını test etmek için geliştirilen Hausman (Hausman, 1978) farklı alanlarda da tercih edilmektedir. Kullanılan diğer bir yöntem olan Gölge Değişkenli En Küçük Kareler (GDEKK), Grup İçi Tahmin (GİT) ve Gruplar Arası Tahmin (GAT) gözlemlenemeyen etkilerin açıklayıcı değişkenler ile ilişkili olduğu durumda uygulanan yöntemler arasında yer almaktadır (Akçeşme, 2019). Ayrıca Görünüşte İlgisiz Regresyon (GİR) çalışma kullanılmış olup, uygulamalı çalışmalarda önemli ölçüde kullanım bulan ekonometrik modellerden biridir. Modelin popülaritesi, geniş bir modelleme sınıfına ve test problemlerine uygulanabilirliğinden ve ayrıca göreceli tahmin kolaylığı sağlamasından kaynaklanmaktadır (Fiebig, 2003).
| Değişkenler | Ortalama | Standart Sapma | Minimum | Maksimum |
|---|---|---|---|---|
| Üniversite10bin1 | 1658,24 | 835,59 | 421 | 5313 |
| Üniversiteerkek10bin2 | 1701,12 | 832,54 | 499 | 4848 |
| Üniversitekadın10bin3 | 1615,59 | 879,85 | 337 | 7893 |
| Realsatılık | 35,43 | 43,42 | 1,38 | 595 |
| Realkiralık | 30,08 | 37,58 | 0,20 | 361,18 |
| Satılıkmetrekare | 5362,86 | 4065,67 | 1503 | 29729 |
| Kiralıkmetrekare | 20,89 | 11,81 | 7 | 86 |
| Kişibaşıbelediyebütçesi4 | 6,85 | 0,42 | 5,92 | 8,11 |
| AKpartiyüzde5 | 45,73 | 9,98 | 17 | 65 |
| CHPyüzde6 | 39,27 | 14,85 | 7 | 76 |
| Meslekokulsayısı | 8,40 | 3,19 | 3 | 20 |
| Mesleköğrencisayısı | 7758,20 | 3981,89 | 593 | 21155 |
| İmamhatipöğrencisayısı | 3110,26 | 2063,32 | 34 | 10404 |
| Anadolulisesiöğrencisayısı | 5329,89 | 2953,30 | 496 | 19187 |
| Özelöğrencisayısı7 | 3856,76 | 2657,82 | 38 | 14021 |
| Yazkurankursuöğrencisayısı8 | 6822,18 | 4187,72 | 590 | 24347 |
| N | 262 | |||
Tablo 1 Özet İstatistik
1110.000 kişi başına düşen yüksekokul ve üzeri mezun sayısı.
210.000 kişi başına düşen yüksekokul ve üzeri erkek mezun sayısı.
310.000 kişi başına düşen yüksekokul ve üzeri kadın mezun sayısı.
4İstanbul’un ilçe belediyelerinde kişi başına düşen belediye bütçesi.
530 Mart 2014 ve 31 Mart 2019 yerel seçimlerinde İstanbul’da ilçe belediye başkanlığında AK partinin aldığı oy yüzdesi.
630 Mart 2014 ve 31 Mart 2019 yerel seçimlerinde İstanbul’da ilçe belediye başkanlığında CHP’nin aldığı oy yüzdesi.
7İstanbul’da ilçelerde özel okula giden öğrenci sayısı.
8İstanbul’da ilçelerde yaz döneminde kuran kursuna giden öğrenci sayısı.
Tablo 2’de 11 modelimizin sonuçlarını bütün cinsiyetler için göstermektedir. Tablo 2’nin birinci sütunu 1. Modelimize göre (kiralık değerleri kullanılmadan) sabit etkiler metoduyla yapılan analizin sonuçlarını göstermektedir. Model 1’e göre reel satılık istatistiksel olarak 10 bin kişi başına düşen üniversite mezunu sayısını istatistiksel olarak etkilemezken, satılık metrekare büyüklüğü pozitif olarak etkilediği bulunmuştur. Satılık metrekarenin katsayısı 0,02 (S.H.:0,01)’dir. İlaveten kişi başına düşen belediye bütçesinin istatistiksel olarak anlamlı şekilde 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilemektedir. Kişi başına düşen belediye bütçesinin katsayısı 298,27 (S.H.:78,97) olarak hesaplanmıştır. Model 2’de ise sabit etkiler yerine rassal etki modeli yöntemi kullanılarak elde edilen sonuçlar gösterilmektedir. Katsayıların işaretleri sabit ekiler sonuçlarından farklı değildir; ama Hausman testi sabit etkiler modelinin tercih edilmesi gerektiğini önermektedir. Tablo 2 model 3 ve 4 ise aynı analizleri kiralık değerleri kullanılarak hesaplanmıştır. Burada kiralık metrekare değişkenlerinin 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediğini gösterilmektedir. Sabit etkiler modelinde kiralık metrekarenin katsayısı 5,51 (S.H.:2,02) iken rassal etki modeli 6,68 (S.H.:2,07) olarak bulunmaktadır. Kişi başına düşen belediye bütçesinin 3. Ve 4. Modellerde de 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediği görülmektedir. Tablo 2 model 5 ve 6 ise hem satılık hem de kiralık değişkenlerinin modele eklenmesiyle yapılan hesaplamaları göstermektedir. Sonuçlar ilk dört modele çok benzemektedir.
| Değişkenler | Model 1 (SE) Satılık | Model 2 (RE) Satılık |
Model 3 (SE) Kiralık |
Model 4 (RE) Kiralık | Model 5 (SE) Hepsi | Model 6 (RE) Hepsi |
Model 7 Kukla Satılık | Model 8 Kukla Kiralık | Model 9 Kukla Hepsi | Model 10 (GİR) Satılık | Model 11 (GİR) Kiralık |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Realsatılık | -0,14 (0,41) |
0,24 (0,43) |
-- | -- | -1,23** (0,62) |
-1,23** (0,62) |
-0,13 (0,41) |
-- | -0,96 (0,62) |
2,38*** (0,63) |
-- |
| Satılıkmetrekare | 0,02 *** (0,01) |
0,03*** (0,01) |
-- | -- | 0,002 (0,02) |
0,001 (0,02) |
0,004 (0,01) |
-- | 0,01 (0,01) |
0,05*** (0,09) |
-- |
| Realkiralık | -- | -- | 0,68 (0,49) |
1,10** (0,52) |
1,73** (0,74) |
1,73** (0,74) |
-- | 0,59 (0,52) |
1,45* (0,77) |
-- | 2,80*** (0,78) |
| Kiralıkmetrekare | -- | -- | 5,51*** (2,02) |
6,68*** (2,07) |
5,40 (4,38) |
5,40 (4,37) |
-- | 0,06 (2,58) |
-1,84 (4,98) |
-- | 9,88*** (2,71) |
| Kişibaşıbelediyebütçesi1 | 298,27*** (78,97) |
307,54*** (78,75) |
308,40*** (77,70) |
333,93*** (77,61) |
2923*** (78,34) |
292,14*** (78,34) |
-95,70 (102,83) |
-91,11 (102,65) |
-105,63 (103,44) | 61,02 (87,63) |
107,18 (90,10) |
| AKpartiyüzde2 | 7,18 (7,08) |
-19,15*** (5,37) |
6,44 (7,00) |
-20,01*** (5,37) |
7,31 (6,99) |
7,30 (6,99) |
3,90 (6,80) |
2,87 (6,78) |
3,06 (6,78) |
-30,90*** (5,12) |
-35,03*** (5,19) |
| CHPyüzde3 | -0,19 (4,20) |
11,58*** (3,53) |
-1,03 (4,19) |
10,83*** (3,54) |
-0,85 (4,20) |
-0,85 (4,20) |
-0,33 (4,07) |
-0,98 (4,07) |
-0,99 (4,10) |
9,87*** (3,42) |
10,93*** (3,49) |
| Meslekokulsayısı | 36,16* (21,41) |
36,16* (18,60) |
34,90 (21,57) |
34,80* (18,96) |
34,43 (21,46) |
34,43 (21,46) |
20,83 (22,09) |
18 (22,09) |
20,47 (22,10) |
21,43 (14,96) |
19,91 (15,47) |
| Mesleköğrencisayısı | -0,02* (0,01) |
-0,02 (0,01) |
-0,02* (0,01) |
-0,02 (0,01) |
-0,02 (0,01) |
-0,02 (0,01) |
-0,08 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
-0,02 (0,01) |
-0,02* (0,01) |
| İmamhatipöğrencisayısı | -0,02 (0,02) |
-0,02 (0,02) |
-0,03 (0,02) |
-0,02 (0,02) |
-0,02 (0,02) |
-0,02 (0,02) |
-0,03 (0,02) |
-0,03 (0,02) |
-0,03 (0,02) |
0,04* (0,02) |
0,04* (0,02) |
| Anadolulisesiöğrencisayısı | 0,01 (0,01) |
0,01 (0,01) |
0,01 (0,01) |
0,01 (0,01) |
0,02 (0,01) |
0,02 (0,01) |
0,001 (0,01) |
0,001 (0,01) |
0,001 (0,01) |
0,01 (0,01) |
0,02 (0,01) |
| Özelöğrencisayısı4 | 0,03* (0,01) |
0,04*** (0,01) |
0,03** (0,01) |
0,03*** (0,01) |
0,02 (0,01) |
0,02 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
0,05 (0,01) |
0,05*** (0,01) |
| Yazkurankursuöğrencisayısı5 | -0,02 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
0,003 (0,01) |
0,004 (0,01) |
0,004 (0,01) |
-0,03 (0,01) |
-0,03 (0,01) |
| İlçekuklası | -- | -- | -- | -- | -- | -- | ✓ | ✓ | ✓ | -- | -- |
| Yılkuklası | -- | -- | -- | -- | -- | -- | ✓ | ✓ | ✓ | -- | -- |
Tablo 2 Regresyon Sonuçları (Hepsi)
*** p<0.01 ** p<0.05 * p<0.10 SE: Sabit Etki Modeli, RE: Rassal Etki Modeli
1 İstanbul’un ilçe belediyelerinde kişi başına düşen belediye bütçesi.
2 30 Mart 2014 ve 31 Mart 2019 yerel seçimlerinde İstanbul’da ilçe belediye başkanlığında AK partinin aldığı oy yüzdesi.
3 30 Mart 2014 ve 31 Mart 2019 yerel seçimlerinde İstanbul’da ilçe belediye başkanlığında CHP’nin aldığı oy yüzdesi.
4 İstanbul’da ilçelerde özel okula giden öğrenci sayısı.
55 İstanbul’da ilçelerde yaz döneminde kuran kursuna giden öğrenci sayısı
Tablo 2’de model 7,8 ve 9 ilçe ve yıl kuklaları ile sırasıyla satılık, kiralık ve her ikisini de içeren modellerden oluşmaktadır. Bu kukla değişkeleri ile yapılan analizlerin sonucunda sadece model 9’da reel kiralık değişkenin sıklıkla kullanılan anlamlılık düzeylerinde istatistiksel olarak anlamlı olduğu görülmektedir. Model 9’da reel kiralık değişkenin katsayısı 1,45 (S.H.:0,77) olarak elde edilmektedir. Son olarak Tablo 2’de model 10 ve 11 GİR yöntemiyle satılık ve kiralık değişkenleri ayrı ayrı hesaplanması sonucunda elde edilen katsayıları göstermektedir. Model 10’da reel satılık fiyatı ve satılık metrekare büyüklüğü 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilerken, model 11’de de reel kiralık fiyatı ve kiralık metrekare büyüklüğünü 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediği hesaplanmaktadır.
Model 10’da reel satılığın katsayısı 2,38 (S.H.:0,63) ve satılık metrekarenin katsayısı 0,05 (S.H:0,09) iken model 11’de reel kiralığın katsayısı 2,80 (S.H.:0,78) ve kiralık metrekarenin katsayısı 9,88 (S.H.:2,71) olarak raporlanmaktadır. Son beş modelde (model 7-11) kişi başına düşen belediye bütçesinin istatiksel anlamlılığı araştırmalarda sıklıkla tercih edilen güven düzeyleri içinde yer almamaktadır.
Erkekler için Tablo 3’de on bir modelimizin sonuçları gösterilmektedir. Tablo 3’ün birinci sütunu 1. Modelimize göre (kiralık değerleri kullanılmadan) sabit etkiler metoduyla yapılan analizin sonuçlarını göstermektedir. Model 1’e göre reel satılık istatistiksel olarak 10 bin kişi başına düşen üniversite mezunu sayısını istatistiksel olarak etkilemezken, satılık metrekare büyüklüğü pozitif olarak etkilediği bulunmuştur. Satılık metrekarenin katsayısı 0,01 (S.H.:0,003)’dir. İlaveten kişi başına düşen belediye bütçesinin istatistiksel olarak anlamlı şekilde 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilemektedir. Kişi başına düşen belediye bütçesinin katsayısı 297,66 (S.H.:33,78) olarak hesaplanmıştır. Model 2’de ise sabit etkiler yerine rassal etki modeli yöntemi kullanılarak elde edilen sonuçlar gösterilmektedir. Katsayıların işaretleri sabit ekiler sonuçlarından farklı değildir. Tablo 3 model 3 ve 4 ise aynı analizleri kiralık değerleri kullanılarak hesaplanmıştır. Burada kiralık metrekare değişkenlerinin 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediği gösterilmektedir. Sabit etkiler modelinde kiralık metrekarenin katsayısı 3,92 (S.H.:0,88) iken rassal etki modeli 4,32 (S.H.:1,03) olarak bulunmaktadır. Kişi başına düşen belediye bütçesinin 3. Ve 4. Modellerde de 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediği görülmektedir. Tablo 3 model 5 ve 6 ise hem satılık hem de kiralık değişkenlerinin modele eklenmesiyle yapılan hesaplamaları göstermektedir. Sonuçlar ilk dört modele çok benzemektedir.
| Değişkenler | Model 1 (SE) Satılık | Model 2 (RE) Satılık |
Model 3 (SE) Kiralık | Model 4 (RE) Kiralık | Model 5 (SE) Hepsi | Model 6 (RE) Hepsi | Model 7 Kukla Satılık | Model 8 Kukla Kiralık | Model 9 Kukla Hepsi | Model 10 (GİR) Satılık | Model 11 (GİR) Kiralık |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Realsatılık | -0,11 (0,18) | 0,02 (0,21) |
-- | -- | -0,61** (0,26) | -0,61** (0,27) | -0,11 (0,14) | -- | -0,43** (0,20) | 2,43*** (0,58) | -- |
| Satılıkmetrekare | 0,01*** (0,003) | 0,02 (0,004) | -- | -- | 0,01 (0,01) | 0,01 (0,01) |
0,01 (0,01) | -- | 0,01*** (0,01) | 0,04*** (0,01) | -- |
| Realkiralık | -- | -- | 0,33 (0,21) |
0,44* (0,25) | 0,80** (0,32) | 0,80** (0,32) | -- | 0,27 (0,18) | 0,65** (0,25) | -- | 2,97*** (0,72) |
| Kiralıkmetrekare | -- | -- | 3,92*** (0,88) | 4,32*** (1,03) | 1,63 (1,87) | 1,63 (1,87) |
-- | -0,50 (0,88) | -4,50*** (1,64) | -- | 7,95*** (2,50) |
| Kişibaşıbelediyebütçesi1 | 297,66*** (33,78) | 318,91*** (39,74) | 310,31*** (33,62) | 3360*** (39,28) | 294,90*** (33,47) | 294,90*** (33,47) | 28,41 (34,90) | 30,46 (34,91) | 12,79 (34,11) | 50,81 (79,87) | 96,23 (82,85) |
| AKpartiyüzde2 | 5,32* (3,01) | -8,27*** (3,16) | 4,65 (3,02) |
-8,73*** (3,17) | 5,49* (2,99) | 5,49* (2,99) | 2,91 (2,31) | 2,12 (2,31) | 2,47 (2,24) | -36,63*** (4,67) | -39,98*** (4,77) |
| CHPyüzde3 | -0,22 (1,80) | 6,22*** (1,96) | -0,82 (1,81) |
5,46*** (1,97) | -0,43 (1,79) | -0,43 (1,79) |
-0,35 (1,38) | -0,68 (1,39) | -0,36 (1,35) | 8,71 (3,12) |
9,71*** (3,21) |
| Meslekokulsayısı | -4,80 (9,16) | 1,29 (10,38) | -5,53 (9,33) |
0,02 (10,54) | -6,18 (9,17) | -6,18 (9,17) |
-11,41 (7,50) | -13,94* (7,51) | -13,26* (7,29) | 22,07 (13,63) | 19,09 (14,23) |
| Mesleköğrencisayısı | -0,01* (0,01) | -0,01 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
-0,01* (0,01) | -0,01* (0,01) | -0,01 (0,01) | -0,01 (0,01) | -0,01 (0,01) | -0,03** (0,01) | -0,03** (0,01) |
| İmamhatipöğrencisayısı | -0,01 (0,01) | -0,01 (0,01) |
-0,01 (0,01) |
-0,02 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
-0,01* (0,01) | -0,02*** (0,01) | -0,01** (0,01) | 0,04** (0,02) | 0,04** (0,02) |
| Anadolulisesiöğrencisayısı | 0,01* (0,004) | 0,01 (0,01) |
0,01 (0,01) |
0,01 (0,01) |
0,01** (0,01) | 0,01** (0,01) | 0,01 (0,01) | 0,01 (0,01) | 0,01 (0,01) | 0,02* (0,01) | 0,02** (0,01) |
| Özelöğrencisayısı4 | 0,02*** (0,01) | 0,02*** (0,01) | 0,02 (0,01) |
0,02*** (0,01) | 0,02*** (0,01) | 0,02*** (0,01) | -0,01 (0,01) | -0,01 (0,01) | -0,01 (0,01) | 0,05*** (0,01) | 0,04*** (0,01) |
| Yazkurankursuöğrencisayısı5 | -0,02 (0,01) |
-0,02 (0,01) |
-0,01 (0,01) |
-0,01 (0,01) |
-0,01*** (0,01) | -0,01*** (0,01) | 0,01 (0,01) | 0,01 (0,01) | 0,01 (0,01) | -0,03*** (0,01) | -0,02** (0,01) |
| İlçekuklası | -- | -- | -- | -- | -- | -- | ✓ | ✓ | ✓ | -- | -- |
| Yılkuklası | -- | -- | -- | -- | -- | -- | ✓ | ✓ | ✓ | -- | -- |
Tablo 3 Regresyon Sonuçları (Erkek)
*** p<0.01 **p<0.05 * p<0.10 SE: Sabit Etki Modeli, RE: Rassal Etki Modeli
1 İstanbul’un ilçe belediyelerinde kişi başına düşen belediye bütçesi.
2 30 Mart 2014 ve 31 Mart 2019 yerel seçimlerinde İstanbul’da ilçe belediye başkanlığında AK partinin aldığı oy yüzdesi.
3 30 Mart 2014 ve 31 Mart 2019 yerel seçimlerinde İstanbul’da ilçe belediye başkanlığında CHP’nin aldığı oy yüzdesi.
4 İstanbul’da ilçelerde özel okula giden öğrenci sayısı.
5 İstanbul’da ilçelerde yaz döneminde kuran kursuna giden öğrenci sayıs.
Tablo 3’de model 7,8 ve 9 ilçe ve yıl kuklaları ile sırasıyla satılık, kiralık ve her ikisini de içeren modellerden oluşmaktadır. Bu kukla değişkeleri ile yapılan analizlerin sonucunda model 9’da reel kiralık, kiralık metrekare, reel satılık ve satılık metrekare değişkenlerinin sıklıkla kullanılan anlamlılık düzeylerinde istatistiksel olarak anlamlı olduğu görülmektedir. Model 9’da reel kiralık değişkeninin katsayısı 0,65 (S.H.:0,25), kiralık metrekare değişkeninin katsayısı -4,50 (S.H.:1,65), reel satılık değişkeninin katsayısı -0,43 (S.H.:0,20) ve satılık metrekare değişkeninin katsayısı 0,01 (S.H.:0,01) olarak elde edilmektedir. Son olarak Tablo 3’de model 10 ve 11 GİR yöntemiyle satılık ve kiralık değişkenleri ayrı ayrı hesaplanması sonucunda elde edilen katsayıları göstermektedir. Model 10’da reel satılık fiyatı ve satılık metrekare büyüklüğü 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilerken, yine model 11’de de reel kiralık fiyatı ve kiralık metrekare büyüklüğünü 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediği hesaplanmaktadır. Model 10’da reel satılığın katsayısı 2,43 (S.H.:0,58) ve satılık metrekarenin katsayısı 0,04 (S.H.:0,01) iken model 11’de reel kiralığın katsayısı 2,97 (S.H.:0,72) ve kiralık metrekarenin katsayısı 7,95 (S.H.: 2,50) olarak raporlanmaktadır. Son beş modelde (model 7-11) kişi başına düşen belediye bütçesinin istatiksel anlamlılığı araştırmalarda sıklıkla tercih edilen güven düzeylerinde değildir.
Tablo 4’de ise kadınlar için on bir modelimizin sonuçları gösterilmektedir. Tablo 4’ün birinci sütunu 1. Modelimize göre (kiralık değerleri kullanılmadan) sabit etkiler metoduyla yapılan analizin sonuçlarını göstermektedir. Model 1’e göre reel satılık istatistiksel olarak 10 bin kişi başına düşen üniversite mezunu sayısını istatistiksel olarak etkilemezken, satılık metrekare büyüklüğü pozitif olarak etkilediği bulunmuştur. Satılık metrekarenin katsayısı 0,02 (S.H.:0,01)’dir. İlaveten kişi başına düşen belediye bütçesinin istatistiksel olarak anlamlı şekilde 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilemektedir. Kişi başına düşen belediye bütçesinin katsayısı 301,31 (S.H.:141,53) olarak hesaplanmıştır. Model 2’de ise sabit etkiler yerine rassal etki modeli yöntemi kullanılarak elde edilen sonuçlar gösterilmektedir. Katsayıların işaretleri sabit ekiler sonuçlarından farklı değildir. Tablo 4 model 3 ve 4 ise aynı analizleri kiralık değerleri kullanılarak hesaplanmıştır. Burada kiralık metrekare değişkenlerinin 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediğini gösterilmektedir. Sabit etkiler modelinde kiralık metrekarenin katsayısı 7,03 (S.H.:3,63) iken rassal etki modeli 9,03 (S.H.:3,37) olarak bulunmaktadır. Kişi başına düşen belediye bütçesinin 3. Ve 4. Modellerde de 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediği görülmektedir. Tablo 4 model 5 ve 6 ise hem satılık hem de kiralık değişkenlerinin modele eklenmesiyle yapılan hesaplamaları göstermektedir. Sonuçlar ilk dört modele çok benzemektedir.
| Değişkenler | Model 1 (SE) Satılık | Model 2(RE) Satılık |
Model 3 (SE) Kiralık | Model 4 (RE) Kiralık | Model 5 (SE) Hepsi | Model 6 (RE) Hepsi | Model 7 Kukla Satılık | Model 8 Kukla Kiralık | Model 9 Kukla Hepsi | Model 10 (GİR) Satılık | Model 11 (GİR) Kiralık |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Realsatılık | -0,16 (0,74) |
0,52 (0,73) | -- | -- | -1,82 (1,11) | -1,82 (1,11) | 0,14 (0,77) | -- | -1,46 (1,16) |
2,41*** (0,79) | -- |
| Satılıkmetrekare | 0,02* (0,01) | 0,04*** (0,01) | -- | -- | -0,01 (0,03) | -0,01 (0,03) | 0,01 (0,01) | -- | 0,01 (0,03) |
0,06*** (0,01) | -- |
| Realkiralık | -- | -- | 1,04 (0,87) |
1,84** (0,86) | 2,64* (1,34) | 2,64* (1,34) | -- | 0,91 (0,97) |
2,24 (1,44) |
-- | 2,70*** (0,98) |
| Kiralıkmetrekare | -- | -- | 7,03* (3,63) | 9,03*** (3,37) | 9,02 (7,87) | 9,02 (7,87) | -- | 0,51 (4,84) |
0,57 (9,38) |
-- | 11,79*** (3,39) |
| Kişibaşıbelediyebütçesi1 | 301,31** (141,53) | 247,94** (122,58) | 308,82** (139,20) | 289,26** (121,87) | 291,92** (140,90) | 291,92** (140,90) | -213,42 (192,83) | -206,78 (192,53) | -218,37 194,69 | 68,20 (110,53) | 115,05 (112,54) |
| AKpartiyüzde2 | 9,00 (12,59) | -21,94*** (7,69) | 8,20 (12,53) | -23,22*** (7,70) | 9,08 (12,58) | 9,08 (12,58) | 4,82 (12,75) | 3,55 (12,73) | 3,60 (12,76) | -25,68*** (6,47) | -30,58*** (6,48) |
| CHPyüzde3 | -0,11* (7,54) | 12,93** (5,18) | -1,18 (7,51) | 12,44** (5,22) | -1,20 (7,55) | -1,20 (7,55) | -0,29 (7,63) | -1,25 (7,65) |
-1,56 (7,71) |
11,04** (4,32) | 12,17** (4,36) |
| Meslekokulsayısı | 75,10* (38,38) | 43,02* (25,75) | 73,29* (38,65) | 42,25 (26,51) | 73,01* (38,60) | 73,01* (38,60) | 51,52 (41,42) | 48,64 (41,43) | 52,52 (41,61) | 19,91 (18,88) | 19,62 (19,33) |
| Mesleköğrencisayısı | -0,04 (0,03) |
-0,02 (0,02) |
-0,04 (0,03) |
-0,02 (0,02) |
-0,03 (0,03) | -0,03 (0,03) | -0,01 (0,03) | -0,01 (0,03) |
-0,01 (0,03) |
-0,01 (0,02) |
-0,02 (0,02) |
| İmamhatipöğrencisayısı | -0,04 (0,04) |
-0,01 (0,03) |
-0,04 (0,04) |
-0,01 (0,03) |
-0,04 (0,04) | -0,04 (0,04) | -0,04 0,04 | -0,05 (0,04) | -0,05 (0,04) |
0,04 (0,03) |
0,04 (0,03) |
| Anadolulisesiöğrencisayısı | 0,02 (0,02) |
0,01 (0,01) | 0,02 (0,02) |
0,01 (0,02) |
0,02 (0,02) | 0,02 (0,02) | 0,01 (0,02) | 0,01 (0,02) |
0,01 (0,02) |
0,01 (0,01) |
0,01 (0,01) |
| Özelöğrencisayısı4 | 0,03 (0,02) |
0,05** (0,02) | 0,03 (0,02) |
0,04** (0,02) | 0,02 (0,02) | 0,02 (0,02) | -0,01 (0,03) | -0,01 (0,03) |
-0,01 (0,03) |
0,06 (0,02) |
0,05*** (0,02) |
| Yazkurankursuöğrencisayısı5 | -0,02 (0,02) |
-0,02 (0,01) |
-0,01 (0,02) |
-0,01 (0,01) |
-0,01 (0,02) | -0,01 (0,02) | 0,01 (0,02) | 0,01 (0,02) |
0,01 (0,02) |
-0,04 (0,01) |
-0,03 (0,01) |
| İlçekuklası | -- | -- | -- | -- | -- | -- | ✓ | ✓ | ✓ | -- | -- |
| Yılkuklası | -- | -- | -- | -- | -- | -- | ✓ | ✓ | ✓ | -- | -- |
Tablo 4 Regresyon Sonuçları (Kadın)
*** p<0.01 **p<0.05 * p<0.10 SE: Sabit Etki Modeli, RE: Rassal Etki Modeli
1 İstanbul’un ilçe belediyelerinde kişi başına düşen belediye bütçesi.
2 30 Mart 2014 ve 31 Mart 2019 yerel seçimlerinde İstanbul’da ilçe belediye başkanlığında AK partinin aldığı oy yüzdesi.
3 30 Mart 2014 ve 31 Mart 2019 yerel seçimlerinde İstanbul’da ilçe belediye başkanlığında CHP’nin aldığı oy yüzdesi.
4 İstanbul’da ilçelerde özel okula giden öğrenci sayısı.
5 İstanbul’da ilçelerde yaz döneminde kuran kursuna giden öğrenci sayısı.
Tablo 4’de model 7,8 ve 9 ilçe ve yıl kuklaları ile sırasıyla satılık, kiralık ve her ikisini de içeren modellerden oluşmaktadır. Bu kukla değişkeleri ile yapılan analizlerin sonucu sıklıkla kullanılan anlamlılık düzeylerinde istatistiksel olarak model 7,8 ve 9’un anlamlı olmadığı görülmektedir. Son olarak Tablo 4’de model 10 ve 11 GİR yöntemiyle satılık ve kiralık değişkenleri ayrı ayrı hesaplanması sonucunda elde edilen katsayıları göstermektedir. Model 10’da reel satılık fiyatı ve satılık metrekare büyüklüğü 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilerken, model 11’de de reel kiralık fiyatı ve kiralık metrekare büyüklüğünü 10 bin kişi başına düşen üniversite mezunu sayısını pozitif etkilediği hesaplanmaktadır. Model 10’da reel satılığın katsayısı 2,41 (S.H.:0,79) ve satılık metrekarenin katsayısı 0,06 (S.H.:0,01) iken model 11’de reel kiralığın katsayısı 2,70 (S.H.:0,98) ve kiralık metrekarenin katsayısı 11,79 (S.H.: 3,39) olarak raporlanmaktadır. Son beş modelde (model 7-11) kişi başına düşen belediye bütçesinin istatiksel anlamlılığı araştırmalarda sıklıkla tercih edilen güven düzeylerinin dışında kalmaktadır.
TÜİK (2022) verilerine göre İstanbul, Türkiye’de beşeri sermayenin veya diğer bir ifadeyle yükseköğrenim almış nüfusun önemli kısmına ev sahipliği yapmaktadır. Ekonomistler arasında beşeri sermaye seviyesinin, kentlerin ekonomik çıktının artmasındaki kritik rolü genel kabul görmektedir. Ayrıca, eğitimin geliri pozitif etkilemesinin de etkisiyle İstanbul Türkiye’nin GSYH’sinin %28’sini (The World Bank, 2021) tek başına karşılamaktadır. Bu sebeple, İstanbul’daki yükseköğrenim almış nüfusun kentteki dağılımının anlaşılması gerekmektedir. Yükseköğrenim almış nüfusun ev ve kira fiyatlarından nasıl etkilendiğinin elde edilmesi ile daha iyi yerel politikalar geliştirebilecek ve İstanbul’un GSYH’si arttırılabilecektir.
Yükseköğrenim almış nüfusun yıllar içindeki hareketi incelenerek, yükseköğrenim almış nüfusun satılık konut, kiralık konut ve belediye bütçesi arasındaki ilişkiler bu çalışmada araştırılmıştır. İstanbul’un 39 ilçesi için analiz 2014 ile 2021 yılları arasındaki veriyle yapılmıştır. Çalışmada panel veri analizi ve Görünürde İlişkisiz Regresyon Modeli (GİR) ekonometrik analizi için kullanılmıştır. Birçok sağlamlık kontrolleriyle beraber temel analizlerde yapılmıştır; modele değişkenlerin gecikmeleri eklenmekte veya ilçelerdeki geçici koruma altındaki Suriyeli sayısı da kontrol edilmektedir.
Genel itibariyle benzer sonuçlar elde edilmektedir. Ayrıca analizler yüksekokul ve üstü eğitime sahip bireyleri kapsamakta ve cinsiyet bazında tekrarlanmaktadır. On bin kişi başına düşen mezun sayısı reel kira fiyatlarıyla bulgularımıza göre pozitif ilişkilenmektedir. Küçük etkisi olsa da, istatistiksel olarak anlamlı olmaktadır. Kadınlarda daha bu ilişki güçlüdür. Diğer taraftan on bin kişi başına düşen mezun sayısı reel ev fiyatlarıyla negatif ilişkilenmektedir. Erkeklerde bu ilişkinin daha güçlü olduğu bulgularımızdan çıkarılmaktadır. Bunlara ilaveten on bin kişi başına düşen üniversite mezun sayısı, kişi başına düşen ilçe belediyelerinin bütçesiyle pozitif ilişkili olduğu görülmektedir. Bu ilişki hem güçlü hem de bütün cinsiyetler için geçerli olmasına rağmen, çeşitli farklı yöntemlerde sıklıkla kullanılan istatistiksel anlamlılık düzeylerimde anlamlılık yitirilmektedir. Bu nedenle bulgularımızın daha etkin yerel ve ulusal politikalar geliştirilmesine katkı sağlayabileceği düşünülmektedir.
Bu makale Türkiye için ilçe bazında analizin gerçekleştirildiği ilk çalışma olmasına rağmen, bazı kısıtlara sahiptir. İlk olarak Türkiye 2012 yılında itibaren yoğun bir Suriyeli göçü yaşamıştır (Mercan, Berlın, & Begen, 2022), İstanbul’da bundan ciddi oranda etkilenmiştir; fakat İstanbul’daki Suriyeli sayısı ilçe bazında 2020-2022 yıllarında olduğundan kontrol edilememiştir . İkinci problemde suç oranlarının kontrol edilememesidir. O veride araştırmacıların erişimine açık olmamasında dolayı, kullanılamamıştır.
Son olarak bulgularımız hem İstanbul için hem de Türkiye’nin diğer şehirleri için ilçe düzeyinde panel veri ile yapılan araştırmalara büyük ihtiyaç duyulduğuna işaret etmektedir. Gelecekte araştırmacıların hem veri toplama hem de o verileri ekonometrik analizlerle yorumlamasını toplumsal faydasının yüksek olacağına inancımız tamdır.
The Journal of International Social Research received 8982 citations as per Google Scholar report
