Araştırma Makalesi
BMIJ
BUSINESS & MANAGEMENT STUDIES:
ISSN: 2148-2586
AN INTERNATIONAL JOURNAL
Vol.:8 Issue:1 Year:2020, pp. 624-639
Citation: Acar, Y. (2020), Sağlık Harcamaları, Kişi Başına Düşen Gayri Safi Yurtiçi Hasıla ve
Doğuşta Beklenen Yaşam Süresi Arasındaki İlişki: Türkiye Örneği, BMIJ, (2020), 8(1): 624-639 doi:
http://dx.doi.org/10.15295/bmij.v8i1.1406
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ
YURTİÇİ HASILA VE DOĞUŞTA BEKLENEN YAŞAM SÜRESİ
ARASINDAKİ İLİŞKİ: TÜRKİYE ÖRNEĞİ
Yasin ACAR 1
Received Date (Başvuru Tarihi): 21/01/2020
Accepted Date (Kabul Tarihi): 14/03/2020
Published Date (Yayın Tarihi): 25/03/2020
ÖZ
Bu çalışmanın amacı Türkiye’de 1975-2017 dönemi için kişi başına düşen gayri safi yurtiçi hasıla,
sağlık harcamaları ve doğuşta beklenen yaşam süresi arasındaki ilişkiyi araştırmaktır. Literatürdeki
hipotezlerinden ilki uzun zaman süresinin daha büyük ekonomik kalkınma ilişkili olduğu iken diğer hipotez, uzun
yaşam süresinin nüfus artışına neden olduğundan dolayı ekonomik büyüme olumsuz etkilediğidir. Pozitif etkinin
kanalı ise, uzun yaşam süresinin düşük ölüm oranlarıyla ilişkili olmasıdır. Söz konusu değişkenler arasındaki
ilişkinin varlığını test etmek amacıyla VAR (Vector Autoregression) ve Granger nedensellik analizleri
kullanılmıştır. Granger nedensellik testlerine göre doğuşta beklenen yaşam süresinin ve sağlık harcamalarının
kişi başına düşen gayri safi yurtiçi hasılanın nedeni olduğu sonucuna ulaşılmıştır. VAR analizleri, sağlık
harcamalarındaki değişimin kişi başına düşen gayri safi yurtiçi hasılaya ve doğuşta beklenen yaşam süresine
bağlı olduğu, kişi başına düşen gayri safi yurtiçi hasıladaki değişimin ise önemli bir kısmının doğuşta beklenen
yaşam süresinden kaynaklandığı sonucuna ulaşılmıştır.
Anahtar Kelimeler: Sağlık Harcamaları, Yaşam Beklentisi, Ekonomik Büyüme
JEL Kodları: E62, I15
THE RELATIONSHIP BETWEEN HEALTH EXPENDITURE, PER CAPITA
INCOME AND LIFE EXPECTANCY AT BIRTH: THE CASE OF TURKEY
ABSTRACT
The purpose of this study is to investigate the relationship among per capita gross domestic income
(GDPpc) health spending and life expectancy at birth in Turkey for the period 1975-2017. One hypothesis in the
literature is that long life expectancy is associated with higher economic development, while the other theory is
that long life expectancy leads to an increase in population, thus affecting economic growth negatively. The
channel of the positive effect is that the long life expectancy is associated with low mortality rates. VAR (Vector
Autoregressive) and Granger causality analyses were used to test the existence of the relationship between these
variables. According to Granger causality tests, we conclude that life expectancy and health expenditures are
the cause of per capita income. VAR analysis reveals that the change in health expenditures depends on per
capita income and life expectancy at birth. A significant part of the change in per capita income is due to life
expectancy at birth.
Keywords: Health Expenditure, Life Expectancy at Birth, Economic Growth
JEL Codes: E62, I15
1
Dr. Öğr. Üyesi, Bilecik Şeyh Edebali Üniversitesi İİBF Maliye Bölümü, yasin.acar@bilecik.edu.tr, https://orcid.org/0000-0002-0847-1902
Business & Management Studies: An International Journal Vol.:8 Issue:1 Year:2020, pp. 624-639
Bu makale, araştırma ve yayın etiğine uygun hazırlanmış ve
intihal taramasından geçirilmiştir.
Yasin ACAR
1. GİRİŞ
Bir ülkenin iktisadi büyümesini etkileyen en önemli faktörlerden biri ülkenin sağlıklı
bir işgücüne sahip olmasıdır. Sağlıklı bir işgücüne sahip olmak için ise ülkedeki sağlık
harcamalarının yeterince yapılması gerekmektedir. Ayrıca doğuşta beklenen yaşam süresinin
uzaması işgücünün daha uzun süre emek piyasasında kalması ve dolayısıyla daha fazla
üretime katkı yapması anlamına gelmektedir. Doğuşta beklenen yaşam süresi ile iktisadi
büyüme arasındaki ilişkileri araştıran çalışmalara göre, doğuşta beklenen yaşam süresi
ekonomik büyüme ile ilişkilidir. Bu çalışmaların ortak sonucu, ekonomik büyüme
gerçekleştikçe doğuşta beklenen yaşam süresinin uzamasıdır. Çünkü iktisadi büyüme
sağlandıkça kişi başına düşen gayri safi yurtiçi hasıla (GSYH) artacak ve dolayısıyla
bireylerin sağlık harcamaları artacaktır (Morand, 2004). Diğer taraftan, doğuşta beklenen
yaşam süresinin uzunluğu da kişi başına düşen GSYH artışını olumlu yönde etkilemektedir
(Bloom and Sachs, 1998; Gallup vd., 1999; Bloom vd. 2003). Örneğin Lorentzen vd. (2008)
ülkeler arasında ölüm yaşlarında dışsal bir farklılık olduğunu ve doğuşta beklenen yaşam
süresinin uzun olmasının daha yüksek ekonomik büyümeye sebep olduğunu göstermiştir.
Sağlık harcamalarının artması ve yaygın sağlık hizmeti, ortalama yaşam süresini ve
dolayısıyla ekonomik büyümeyi olumlu etkilemektedir. Doğuşta beklenen yaşam süresinin
ekonomik büyümeyi her zaman olumlu etkilemesi söz konusu değildir. Örneğin Acemoglu ve
Johnson (2007) ekonomik büyüme ve yaşam beklentisi arasında ters bir ilişki bulmuştur.
Bunun nedeni ise, doğuşta beklenen yaşam süresindeki iyileşmelerin nüfusu daha hızlı
büyümesine sebep olmasıdır, ancak bu durum kişi başına düşen GSYH’nin azalmasına yol
açmaktadır. Bu sonuç, akademik araştırmaların yanında politika tartışmaları ve önerileri için
de önemli çıkarımlar içermektedir. Çünkü genel kanı ölüm oranlarını azaltmanın ve sağlıktaki
gelişmelerin ekonomik kalkınma için yararlı olduğudur.
Teorik perspektiften, doğuşta beklenen yaşam süresinin kişi başına düşen GSYH
üzerindeki etkisi belirsizdir. Düşük ölüm oranı mevcut kaynakların verimliliğini artırabilir ve
böylelikle toplam üretimi artırabilir. Diğer taraftan, düşük ölüm oranı nüfus artışını
hızlandırabilir, dolayısıyla Malthusian bakış açısıyla kişi başına düşen GSYH büyümesini
azaltabilir (Cervellati ve Sunde, 2011). Görülmektedir ki ilgili literatürde farklı görüşler
mevcuttur. Dolayısıyla bu çalışmanın amacı, herhangi bir bağımlı bağımsız değişken ayrımı
yapmaksızın Türkiye özelinde sağlık harcamaları, kişi başına düşen GSYH ve doğuşta
beklenen yaşam süresinin birbirlerini etkileyip etkilemediğini incelemek ve ilgili literatüre
katkı sağlamaktır. Bu amaçla çalışmanın ikinci bölümde kısa bir literatür özetine yer
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ YURTİÇİ HASILA VE…
625
bmij (2020) 8 (1): 624-639
verilecek, üçüncü bölümde çalışmada kullanılan ekonometrik yöntem ve bulgular hakkında
bilgi verilecek, sonuç bölümüyle çalışma tamamlanacaktır.
2. LİTERATÜR ÖZETİ
İlgili literatürde yapılan çalışmaları 2 ana grupta toplamak mümkündür. İlk grupta
ülkenin kişi başına düşen GSYH ile sağlık harcamaları arasındaki ilişkiyi inceleyen
araştırmalar; ikinci grupta ise gelir düzeyi ile beklenen yaşam süresi arasındaki ilişkileri
inceleyen çalışmalar yer almaktadır.
ABD’de sağlık harcamalarının GSYH içindeki payı 1970’de %6,2 iken 2018’de
neredeyse üç kat artış ile %16,9 olmuştur. Bu artışın sebebi genel kanı olarak ABD’de yapılan
Medicare ve Medicaid politika değişiklikleri gösterilmiştir. Ancak Jones (2002) bu artışın
dörtte üçlük kısmının tıbbi ve bilimsel ilerlemelerden kaynaklandığını ifade etmiştir. Eskiden
tedavi edilemeyen hastalıkların teknolojik ve bilimsel gelişmelerle bugün tedavi
edilebilmesinin bu artışta payı büyüktür. 1975 yılında ortalama %5,7 olan OECD
ülkelerindeki GSYH içerinde sağlık harcamalarının payı, 2018 yılında %8,8’e yükselmiştir
(OECD, 2019). OECD ülkelerinde GSYİH içerisindeki sağlıkla ilgili harcamaların önemli
ölçüde artmış olmasına karşın yaşam beklentisindeki değişim ile GSYH içerisindeki sağlık
harcamalarındaki değişim arasında çok az bir ilişki bulunmuştur (Jones, 2002).
176 ülkenin 2003 yılı verilerini kullanan Tüylüoğlu ve Tekin (2009), çoklu regresyon
analizi kullanarak yapmış olduğu araştırmasında, doğuşta beklenen yaşam süresinin
açıklayıcıları olarak kişi başına sağlık harcaması ve insani kalkınma endeksi (İKE)
kullanmıştır. Ülkelerin İKE değerlerinin ve kişi başına sağlık harcamalarının doğuşta
beklenen yaşam süresini etkilediği sonucuna ulaşılmıştır. Bu bulguyu destekleyecek şekilde
Lichtenberg (2002), kişi başına düşen sağlık harcamalarının bireylerin yaşam sürelerini
artırdığını ifade etmiştir. Çalışmasında, gelişmiş ülkelerde gelir artışı, sağlıktaki iyileşmelere
sebep olmuş, bunun da doğuşta beklenen yaşam süresini yıllara göre artırdığını göstermiştir.
ABD’de 1960 yılında 69,7 olan doğuşta beklenen yaşam süresi, 2017 yılına gelindiğinde
78,5’e yükselmiştir (OECD, 2019). Yaşam koşullarının iyileştirilmesine yönelik sağlık
programları ile doğuşta beklenen yaşam süresinin artmasının önemini Mushkin (1962)
vurgulamıştır.
Teknik ilerlemenin etkisini ortaya çıkarma bakımından Wang vd. (1997) 33 ülke verisi
kullanarak yaptığı çalışmada, yaşlı insanlar arasındaki ölüm oranları ve yaşam beklentisini
araştırmış ve teknik-bilimsel gelişme, eğitim ve gelir oranları bağımsız değişken olarak
Business & Management Studies: An International Journal Vol.:8 Issue:1 Year:2020
626
Yasin ACAR
kullanılmıştır. Gelirin etkisi olmakla birlikte, bilimsel ve teknik ilerlemenin gelire oranla
yaşam beklentisi süresini daha fazla etkilediği bulunmuştur. Araştırmada göze çarpan diğer
bir bulgu ise gelirin yaşam beklentisi üzerindeki etkisinin kadınlarda erkeklere göre daha fazla
olduğudur. 1960 yılında, gelirde meydana gelen %10’luk bir artış, yaşlı kadınların yaşam
beklentisini %0,4 yükseltirken yaşlı erkeklerdeki artış %0,1 olarak gerçekleşmiştir.
Sağlık harcamalarının genel olarak sağlıkta bir iyileşme sağlayarak ölüm oranlarını
düşürdüğü söylenebilir. Yapılan bir araştırmaya göre, ABD’de temiz su sağlanmasına yönelik
sağlık programları, 1900-1917 döneminde ölüm oranlarının düşmesinde etkili olmuştur
(Mushkin, 1962).
Shaw vd. (2005) OECD ülkelerinde doğuşta beklenen yaşam süresini belirleyen
faktörler ile sağlık verilerinin analizini yapmışlardır. Sonuç olarak, çeşitli yaş grupları için
ilaç tüketimindeki artışın, gelişmiş ülkelerdeki doğuşta beklenen yaşam süresini yükselttiği
bulunmuştur. Ayrıca, 40 yaş grubu kadınlardaki sigara tüketiminin azalması ile meyve ve
sebze tüketimi artışının beklenen yaşam süresini arttırdığı saptanmıştır. Kabir (2008), 91
gelişmekte olan ülke için çoklu regresyon ve probit model kullanarak yaşam beklentisinin
sosyoekonomik belirleyicilerini incelemeye çalışmıştır. Ayrıştırılmış probit regresyonu düşük,
orta ve yüksek yaşam beklentisi olan üç grup ülkeye uygulanmıştır. Kişi başına düşen GSYH,
eğitim, sağlık harcamaları, güvenli suya erişim ve şehirleşme gibi ilgili sosyo-ekonomik
faktörlerin gelişmekte olan ülkelerde yaşam beklentisinin belirlenmesinde etkili olmadığı
görülmüştür. Analizlere dayanarak, ülkelerin yaşam beklentilerini iyileştirmek için
doktorların mevcudiyetini artırmak ve yetişkin okuryazarlığını ve yetersiz beslenmeyi
azaltmak için uygun sosyal sektör politikaları ve programları formüle etmesi ve uygulaması
gerektiği önerilmiştir. Nixon ve Ulmann (2006), yaşam beklentisini ve bebek ölümlerini
sağlık sisteminin “çıktısı” ve çeşitli yaşam tarzı, çevresel ve mesleki faktörleri “girdi” olarak
incelemiştir. Sabit etkiler modeli kullanılarak yapılan ekonometrik analizler, 1980-1995
dönemi boyunca Avrupa Birliği'nin eski 15 üyesi için bir panel veri seti üzerinde
gerçekleştirilmiştir. Bulgular, sağlık harcamalarındaki artışların önemli ölçüde bebek
ölümlerindeki iyileşmelerle ilişkili olduğunu, ancak doğuşta beklenen yaşam süresi ile çok az
bir oranda bağlantılı olduğunu göstermektedir.
Bölgesel ölçekte yapılan bir çalışmada Bayati vd. (2013), 21 Doğu Akdeniz ülkesinde
yaşam beklentisinin belirleyicilerini bir sağlık üretim fonksiyonu oluşturarak 1995-2007
dönemi için araştırmışlardır. Panel veri ekonometrik modelinin kullanıldığı çalışmada, kişi
başına düşen GSYH, eğitim, gıdaya erişim, şehirleşme oranı ve istihdam oranının doğuşta
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ YURTİÇİ HASILA VE…
627
bmij (2020) 8 (1): 624-639
beklenen yaşam süresini etkilediği ortaya konulmuştur. Politika önerisi olarak, Doğu Akdeniz
ülkelerindeki sağlık durumunu iyileştirmek için, sağlık politikası sağlık sisteminin dışında
yatan faktörlere odaklanması gerektiğini savunmuşlardır. Bu faktörler temel olarak ekonomik
büyüme ve gelişme düzeyiyle ilişkilidir. Böylece, verimliliği, ekonomik büyümeyi ve işsizliği
azaltmak amacıyla ekonomik istikrar politikaları bölge halkının sağlık statüsünde önemli rol
oynayacaktır.
Türkiye üzerine yapılan çalışmalardan örnek verilecek olursa, Halicioglu (2011) 19652005 yılları arasında eş-bütünleşme ve zaman serisi analizi yöntemleri kullanarak beklenen
yaşam süresini etkileyen faktörleri incelemiştir. Çalışmasında kullanılan bağımsız
değişkenler, gıda endeksi, kişi başına düşen sigara tüketimi, kişi başına düşen ilaç
harcamaları, okuma yazma oranı ve suçluluk oranıdır. Beslenmenin, yaşam süresini etkileyen
en önemli faktör olduğu sonucuna ulaşılmıştır. Sağlık harcamalarının etkisinin küçük
olmasına rağmen pozitif olduğu ve en fazla negatif etkisi olan faktörün sigara içmek olduğu
ortaya konulmuştur. Teker vd. (2012), Türkiye’de yaşayan erkek ve kadınların yaşam süreleri
ile sosyoekonomik etkenler arasında bir ilişkinin varlığını 1975–2009 dönemi için
incelemiştir.
Uzun dönemli bir ilişkinin olup olmadığının ortaya konulması için eş-
bütünleşme testi ve vektör hata düzeltme modeli kullanılmıştır. Analiz sonuçlarına göre, yaşlı
nüfusun genç nüfusa bağımlılık oranı, yatak sayısı, doktor sayısı ve sağlık harcamalarının
milli gelire oranı, kadın ve erkeklerin yaşam sürelerini anlamlı düzeyde etkilemektedir.
3. VERİ SETİ VE METODOLOJİ
Çalışmada Türkiye’de 1975-2017 dönemini kapsayan 2010 sabit fiyatlarıyla dolar
bazında kişi başına düşen GSYH, doğuşta beklenen yaşam süresi ve sağlık harcamalarının
GSYH içerisindeki payı değişkenleri kullanılmıştır. Doğuşta beklenen yaşam süresi
değişkeninin son gözlem yılı 2017 olduğundan dolayı tüm değişkenler için 2017 yılına kadar
veriler temin edilmiştir. Kişi başına düşen GSYH ve doğuşta beklenen yaşam süresi verileri
Dünya Bankası veri setinden, GSYH içerisindeki sağlık harcamalarının payı ise OECD veri
tabanından elde edilmiştir.
Şekil 1’de Türkiye’de söz konusu üç değişkenin 1975-2017 arası zaman grafiği
görülmektedir. Şekil 1’de sol eksen ABD doları bazında kişi başına düşen GSYH’yi, sağ
eksen ise doğuşta beklenen yaşam süresini ve sağlık harcamalarının GSYH’den aldığı payı
göstermektedir. 1975’te yaklaşık 5000 dolar olan kişi başına düşen GSYH, 2017 yılına
gelindiğinde yaklaşık 15000 dolara ulaşarak 3 kat artmıştır. Aynı dönemde Türkiye’de
Business & Management Studies: An International Journal Vol.:8 Issue:1 Year:2020
628
Yasin ACAR
doğuşta beklenen yaşam süresi 55’ten 77’e yükselmiştir. Bir başka deyişle 1975’te doğan bir
kişinin ortalama 55 yıl yaşayacağı tahmin edilirken, 2017 yılında doğan bir kişinin beklenen
ortalama yaşam süresi 77 olarak tahmin edilmektedir. Sağlık harcamasının milli gelirden
aldığı paya baktığımızda ise 1975 yılında milli gelirden sağlık harcamalarına %2,2 pay
ayrılırken, bu oran neredeyse iki katına çıkarak %4,2 olmuştur.
ABD
Doları
14000
90 Yaş/Yüzde
80
12000
70
16000
60
10000
Kişi başı gelir
50
8000
40
6000
30
4000
20
2000
10
Doğuşta beklenen
yaşam süresi
Sağlık Harcaması (%
GSYH)
0
2017
2014
2011
2008
2005
2002
1999
1996
1993
1990
1987
1984
1981
1978
1975
0
Şekil 1. 1975-2017 Kişi Başına Düşen GSYH, Doğuşta Beklenen Yaşam Süresi ve Sağlık
Harcamasının GSYH İçindeki Payı (Türkiye)
3.1. Metodoloji
Değişkenler arasındaki dinamik ilişkilerin ortaya çıkarılmasında VAR modellerinin
diğer yapısal modellerden daha etkili olduğu ileri sürülmektedir (Greene, 2003). VAR
modellerinin önemli bir avantajı, teorik modellerde olduğu gibi kesin bir şekilde içsel ve
dışsal değişken ayrımına gidilmemesidir. Değişkenler arasında herhangi bir ön kısıt
konulmasına gerek yoktur. Böylelikle, iktisatçıların model kurarken yapmak zorunda
kaldıkları ön varsayımların olumsuz etkileri büyük oranda ortadan kalkmaktadır. Dolayısıyla,
iktisadi kısıtlamalar olmaksızın yapılan VAR analizleri klasik yapısal modellerden daha iyi
sonuçlar verebilmektedirler (Aydemir ve Baylan, 2015).
VAR modelleri, makroekonomik değişkenler arasındaki ilişkilerin incelenmesinde ve
rassal şokların değişkenlere olan dinamik etkisinin analiz edilmesinde kullanılmaktadır. VAR
modelleri kısıtlanmış ve kısıtlanmamış 2 olmak üzere iki türlü uygulanabilir ve analizde
“Granger nedenselliği gösteren F testleri”, “değişkenler arasındaki etkileşimi gösteren varyans
araştırması” ve “etki-tepki fonksiyonları” olmak üzere üç yöntemle sonuç alınabilir (Özgen
ve Güloğlu, 2004).
2
Bu çalışmada “kısıtlanmamış VAR” kullanılmıştır.
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ YURTİÇİ HASILA VE…
629
bmij (2020) 8 (1): 624-639
Çalışmada kullanılan değişkenler arasındaki ilişkinin varlığını tespit edebilmek için iki
değişkenli VAR (Vector Autoregressive) modeli aşağıdaki gibi gösterilebilir:
𝑦𝑦𝑡𝑡 = 𝑎𝑎1 + �
𝑥𝑥𝑡𝑡 = 𝑐𝑐1 + �
𝑝𝑝
𝑖𝑖=1
𝑝𝑝
𝑖𝑖=1
𝑏𝑏1𝑖𝑖 𝑦𝑦𝑡𝑡−𝑖𝑖 + �
𝑑𝑑1𝑖𝑖 𝑦𝑦𝑡𝑡−𝑖𝑖 + �
𝑝𝑝
𝑏𝑏2𝑖𝑖 𝑥𝑥𝑡𝑡−𝑖𝑖 + 𝑣𝑣1𝑡𝑡
𝑖𝑖=1
𝑝𝑝
𝑑𝑑2𝑖𝑖 𝑥𝑥𝑡𝑡−𝑖𝑖 + 𝑣𝑣2𝑡𝑡
𝑖𝑖=1
Yukarıdaki modelde, y ve x değişkenleri, a ve c sabit terimleri, (p) gecikmelerin
uzunluğunu, (v) ise ortalaması sıfır, kendi gecikmeli değerleriyle olan kovaryansları sıfır ve
varyansları sabit, normal dağılıma sahip, rassal hata terimlerini temsil etmektedir.
Bassanini ve Scarpetta (2002) referans alarak, kişi başına düşen GSYH, sağlık
harcamaları ve doğuşta beklenen yaşam süresi değişkenleri için denklem aşağıdaki gibi
kurulabilir:
Burada;
𝐿𝐿𝐿𝐿𝐿𝐿𝑡𝑡 = 𝑓𝑓(𝐻𝐻𝐿𝐿𝐿𝐿𝑡𝑡 , 𝑌𝑌𝑡𝑡 )
𝑌𝑌𝑡𝑡 =Kişi başına düşen GSYH’yı (2010 sabit dolar fiyatlarıyla)
𝐻𝐻𝐿𝐿𝐿𝐿𝑡𝑡 = Sağlık harcamalarının GSYH’den aldığı (GSYH’nin yüzdesi)
𝐿𝐿𝐿𝐿𝐿𝐿𝑡𝑡 = Doğuşta beklenen yaşam süresi (Yaş olarak) temsil etmektedir.
VAR analizine 3 başlamadan önce çalışmada kullanılan verilerin zaman serisi
özelliklerinin incelenmesi ve birim kök testinin yapılması gerekmektedir. Birim köklerin
varlığının tespiti için Geliştirilmiş Dickey Fuller (ADF) ve Philips ve Perron (PP) testleri
uygulanmıştır. Testler, her bir değişken için optimal gecikme uzunluğu Schwartz kriteriyle
belirlenmiştir. Serilerin durağanlığı trend ve rassal nedenlerle bozulabilmektedir (Bahar,
2006). Bu nedenle değişkenlere trend eklenerek durağanlık test edilmiştir. Sonuçlar Tablo
1’de sunulmuştur. ADF testlerine göre değişkenlerin birinci farkları alındıktan sonra tüm
değişkenlerin durağan hale geldikleri görülmüştür, dolayısıyla değişkenler I(1)’dır.
3
Tüm analizler Eviews 10 paket programı yardımıyla yapılmıştır.
Business & Management Studies: An International Journal Vol.:8 Issue:1 Year:2020
630
Yasin ACAR
Tablo 1. ADF Birim Kök Testi Sonuçları
Sabit Terimli
Sabit Terimli+Trend
GDPPC
2.220429
-0.623087
HEX
-1.411692
-1.577387
LEX
-1.471124
1.573892
ΔGDPPC
-5.570634***
-6.541050***
ΔHEX
-5.429201***
-5.485625***
ΔLEX
-5.056308***
-5.159384***
Not: Gecikme uzunlukları Akaike bilgi kriterine göre iki olarak tespit edilmiştir. *** %1 anlamlılık düzeyine göre birim kök hipotezi
reddedilmektedir.
VAR modelinin uygulanabilmesi için uygun gecikme sayısının belirlenmesi
gerekmektedir. Literatürde yaygın olarak AIC (Akaike Information Criteria), SC (Schwarz
Information Criteria), HQ (HannQuin Information Criteria) ve FPE (Final Prediction Error)
ölçütleri kullanılmaktadır. Model doğrulama testlerinin sunulduğu Tablo 2’ye bakıldığında
uygun gecikme uzunluğunun üç olduğu görülmüştür. Üç gecikme uzunluğunda ayrıca
otokorelasyon sorunu olup olmadığı test edilmiş ve sonuçlar Tablo 3’de verilmiştir. Buna
göre oluşturulan VAR modelinde otokorelasyon olmadığı görülmüştür.
Tablo 2. Gecikme Uzunluğu
Lag
LogL
LR
FPE
AIC
SC
HQ
0
-246.8336
NA
73.58082
12.81198
12.93995
12.85790
1
-179.9084
120.1222
3.781031
9.841456
10.35332
10.02511
2
-136.1601
71.79204
0.642528
8.059494
8.955258
8.380886
3
-101.5420
51.48338*
0.176793*
6.745743*
8.025406*
7.204875*
Ayrıca değişen varyans (Heteroskedasticity) sorunu için White testi yapılmış ve
sonuçları Tablo 4’te sunulmuştur. Modelin, değişen varyansa sahip olup olmadığının
anlaşılmasını sağlayan joint probability değeri istatistiki olarak anlamlı çıkmamıştır
(prob=0.7497). Bu nedenle değişen varyansın olmadığı H0 hipotezi reddedilemez, dolayısıyla
modelde değişen varyans sorunu yoktur. Tahmin edilen modelde değişen hata teriminin
varyansının tüm gözlemler için aynı olduğu görülmektedir.
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ YURTİÇİ HASILA VE…
631
bmij (2020) 8 (1): 624-639
Tablo 3. Otokorelasyon-LM Testi Sonuçları
Lag
LRE* stat
df
Prob.
Rao F-stat
df
Prob.
1
10.31407
9
0.3257
1.176428
(9, 58.6)
0.3269
2
5.260097
9
0.8111
0.575540
(9, 58.6)
0.8117
3
4.982131
9
0.8359
0.543890
(9, 58.6)
0.8364
Tablo 4. Değişen Varyans (Heteroskedasticity) Test Sonuçları
Chi-sq
df
Prob.
97.77132
108
0.7497
VAR modeli için gerekli ön testlerin yapılmasının ardından modelin hata terimine ait
testlerin gerçekleştirilmesi ve tahmin edilen modelin durağan bir yapı gösterip göstermediği
test edilmelidir. Modelin durağanlığı veya istikrarlığı ise katsayı matrisinin özdeğerlerine
(eigenvalue) bağlıdır. Eğer katsayı matrisinin özdeğerlerinin hepsi birim çemberin içerisinde
ise sistem durağan ya da istikrarlı, özdeğerlerin en az bir tanesi birim çemberin üzerinde veya
dışarısında ise sistem durağan değildir veya giderek genişleyen bir özellik gösterir (Mucuk ve
Alptekin, 2008). Bunun için Şekil 2’de tahmin edilen model için AR Karakteristik Polinom
Testi yapılmıştır. Köklerin tamamının çember içinde olması, modelin durağanlık açısından
herhangi bir sorun taşımadığını ortaya koymaktadır. Ayrıca bu testin tablo değerleri
çalışmanın ek kısmında sunulmuştur.
Şekil 2. AR Karakteristik Polinomunun Ters Kökleri
Business & Management Studies: An International Journal Vol.:8 Issue:1 Year:2020
632
Yasin ACAR
3.2. Varyans Ayrıştırması ve Bulgular
Varyans ayrıştırması, geniş bir değişken kümesinde basitleştirici yapıların ortaya
çıkarılmasında kullanılan, çok değişkenli analizde klasik bir istatistiksel yöntemdir
(Anderson, 2003). Makroekonomik analizde 'varyans ayrışması' terimi veya daha kesin olarak
"Öngörü hata sapması ayrışması" VAR yöntemi ile tanımlanan değişkenler arasındaki
ilişkileri yorumlayabilme modellerinde kullanılır. Bu modeller Sims (1980) tarafından ortaya
atılmış ve o zamandan beri klasik eşzamanlı denklemlere alternatif olarak birçok kişi
ekonomist tarafından kullanılmıştır (Lütkepohl, 2010). Varyans ayrıştırması, modeldeki her
bir değişkenin öngörü hata varyansının kendi şoklarına ve diğer değişkenlerin şoklarına bağlı
ne kadar açıklandığını göstermektedir. Çalışmada tahmin edilen VAR modelinin 25 dönemlik
varyans ayrıştırması sonuçlar Tablo 5’de verilmiştir. Her değişkenin birbirlerinden orta ve
uzun vadede ne kadar etkilendikleri bu tabloya göre açıklanacaktır. Varyans ayrıştırması
tablosuna göre, kısa dönemde tüm değişkenlerin öngörü hata varyansının en büyük nedeni
değişkenlerin kendi şoklarıdır.
Doğuşta beklenen yaşam süresi öngörü hata varyansının sağlık harcamalarından ve
kişi başına düşen GSYH’den kaynaklanmadığı görülmektedir. Doğuşta beklenen yaşam
süresindeki öngörü hata varyansının en büyük açıklayıcısı yine kendi şoklarıdır. Sağlık
harcamalarının öngörü hata varyansının ise doğuşta beklenen yaşam süresi ve kişi başına
düşen GSYH’den kaynaklandığı görülmektedir. Uzun dönemde,
sağlık harcamalarının
öngörü hata varyansının açıklanmasında doğuşta beklenen yaşam süresinin ve kişi başına
düşen GSYH’nin sırasıyla yaklaşık %12’lik ve %26’lık bir paya sahip olduğu görülmektedir.
Dolayısıyla uzun dönemde, sağlık harcamalarının öngörü hata varyansının açıklanmasında
diğer iki değişkenin payının toplam %38 olduğu anlaşılmıştır. Kişi başı gelirin uzun dönemde
öngörü hata varyansının %28’i doğuşta beklenen yaşam süresinden ve %10’u sağlık
harcamalarından kaynaklanmaktadır.
Söz konusu bulgulara göre, Türkiye’deki sağlık harcamalarının açıklanmasında
doğuşta beklenen yaşam süresinin ve kişi başına düşen GSYH’nin önemli olduğu ortaya
konulmuştur. Özellikle kişi başına düşen GSYH’nin uzun dönemde etkilendiği en önemli
değişken doğuşta beklenen yaşam süresi değişkeni olmuştur.
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ YURTİÇİ HASILA VE…
633
bmij (2020) 8 (1): 624-639
Tablo 5. Varyans Ayrıştırması
Variance Decomposition of LEX:
Dönem
LEX
HEXP
GDPPC
1
100.0000
0.000000
0.000000
5
99.82350
0.094372
0.082124
10
99.22283
0.061026
0.716144
15
99.03255
0.082301
0.885151
20
99.11784
0.094919
0.787241
25
99.11496
0.090799
0.794240
Variance Decomposition of HEXP:
Dönem
LEX
HEXP
GDPPC
1
1.109911
98.89009
0.000000
5
1.843473
69.03777
29.11876
10
7.309345
65.22035
27.47030
15
9.100595
63.90715
26.99226
20
9.393661
63.70019
26.90615
25
11.67712
62.08480
26.23808
Variance Decomposition of GDPPC:
Dönem
LEX
HEXP
GDPPC
1
0.065702
0.482213
99.45208
5
8.722291
12.99970
78.27801
10
17.00702
12.08636
70.90662
15
20.90119
11.53592
67.56289
20
23.87341
11.10497
65.02162
25
28.12200
10.48371
61.39428
3.3. Etki-Tepki Fonksiyonları
Etki tepki fonksiyonları, değişkenler arasında ilişkiler hakkında bilgi edinmenin diğer
bir alternatif yöntemidir. Etki tepki fonksiyonları, herhangi bir değişkendeki şokların, bağımlı
değişken üzerindeki gelecekteki etkilerinin zaman profilini analiz ederler. Şekil 3’de yirmi
beş dönem için elde edilen etki tepki fonksiyonları gösterilmiştir. Şekiller, sistemdeki
değişkenlerin hata terimlerinde meydana gelen 1 standart sapmanın söz konusu değişkende ve
diğer değişkenlerin zaman boyunca gösterdiği tepkileri göstermektedir.
Business & Management Studies: An International Journal Vol.:8 Issue:1 Year:2020
634
Yasin ACAR
Şekil 3’de gösterilen sonuçlara göre, sağlık harcamalarının (HEX) kişi başına düşen
GSYH’ye (GDPPC) olan tepkisinin istatistiki olarak anlamlı olduğu görülmektedir. Yine kişi
başına düşen GSYH’nin, doğuşta beklenen yaşam süresine tepkisi anlaşılmaktadır. Kişi
başına düşen GSYH’nin doğuşta beklenen yaşam süresine olan tepkisinin negatif olduğu,
Şekil 3 yedinci grafiğinde görülmektedir. Yaşam süresinin uzaması kişi başına düşen
GSYH’yi olumsuz etkilemektedir ki bu da Malthusian görüşü destekler niteliktedir ve
Cervellati ve Sunde (2011)’nin sonucu desteklemektedir.
Etki tepki fonksiyonların elde
edilen sonuçlar, sağlık harcamaları, kişi başına düşen GSYH ve beklenen yaşam süresi
arasında ilişkinin varlığını tespit etmesi bakımından önemlidir.
Şekil 3. Etki-Tepki Fonksiyonları
Tablo 6’da, başka bir yöntem olarak Granger nedensellik sonuçlarını sunulmaktadır.
Granger (1969) tarafından geliştirilen Granger nedensellik analizinde, bağımlı ve bağımsız
değişken ayrımı bir ön koşul koymaya gerek yoktur ve değişkenler arasındaki ilişkilerin yönü
araştırılmaktadır (Tarı, 2015: 436). Granger nedensellik sonuçlarına iki değişken arasında
istatistiki olarak anlamlı bir ilişki tek yönlü veya çift yönlü olabilmektedir. Tablo 6’da
sunulan Granger nedensellik sonuçlarına göre, sağlık harcamaları ve doğuşta beklenen yaşam
süresi arasında herhangi bir ilişki gözükmezken, yaşam süresi beklentisinin kişi başına düşen
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ YURTİÇİ HASILA VE…
635
bmij (2020) 8 (1): 624-639
GSYH’nin nedeni olduğu görülmektedir. Ayrıca sağlık harcamalarından kişi başına düşen
GSYH’ye doğru tek yönlü bir nedenselliğin olduğu test sonuçlarına göre bulunmuştur.
Tablo 6. Granger Nedensellik Testi
Hipotezler
F-Statistic
Prob.
DHEXP DLEX’in Granger nedeni değildir
0.41571
0.7959
DLEX DHEXP’in Granger nedeni değildir
0.38700
0.8161
DGDPPC DLEX’in Granger nedeni değildir
0.24520
0.9102
DLEX DGDPPC’in Granger nedeni değildir
4.73703
0.0046
DGDPPC DHEXP’in Granger nedeni değildir
1.37426
0.2664
DHEXP DGDPPC’in Granger nedeni değildir
3.27082
0.0244
4. SONUÇ ve TARTIŞMA
Bu makalenin amacı, Türkiye’de 1975-2017 dönemi için kişi başına düşen GSYH,
sağlık harcamaları ve doğuşta beklenen yaşam süresi arasındaki ilişkiyi test etmektir.
Literatürdeki hipotezlerinden ilki uzun zaman süresinin daha yüksek ekonomik kalkınma
ilişkili olduğu iken, diğer hipotez uzun yaşam süresinin nüfus artışına ve daha yaşlı nüfus
oranına neden olmasından dolayı ekonomik büyümeyi olumsuz etkilediğidir. Pozitif etkinin
kanalı ise, uzun yaşam süresinin düşük ölüm oranlarıyla alakalı olmasıdır. Buradan yola
çıkarak değişkenler arasındaki ilişkinin varlığı VAR ve Granger nedensellik analizleri ile test
edilmiştir. Granger nedensellik testlerine göre doğuşta beklenen yaşam süresinin ve sağlık
harcamalarının kişi başına düşen GSYH’nin nedeni olduğu sonucuna ulaşılmıştır. VAR
analizleri de bu sonuçları desteklemektedir. Bu nedenle, Türkiye’de kişi başına düşen
GSYH’yi yükseltmenin bir yolu da GSYH’dan sağlık harcamalarına aktarılan payın
artırılmasıdır. Böylelikle daha sağlıklı bir emek gücüne sahip olan ülke ekonomisi, üretimde
verimliliği artırabilecektir. Ekonomi içerisindeki beşeri sermaye oranını artırmanın son
yıllarda önemi giderek artmış ve bunu gerçekleştirmenin yolunun eğitimden sonra sağlık
harcamaları olduğu görülmüştür.
Business & Management Studies: An International Journal Vol.:8 Issue:1 Year:2020
636
Yasin ACAR
KAYNAKÇA
Acemoglu, D., & Johnson, S. (2007). Disease and development: The effect of life expectancy on economic
growth. Journal of Political Economy, 115(6), 925–985.
Anderson, T. 2003. An Introduction to Multivariate Statistical Analysis, 3rd edn. New York: John Wiley.
Aydemir, C., & Baylan, S. (2015). Sağlık harcamaları ve ekonomik büyüme ilişkisi: Türkiye üzerine bir
uygulama. Dicle Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Yıl:7 Sayı:13.
Bahar, O. (2006). Turizm sektörünün Türkiye’nin ekonomik büyümesi üzerindeki etkisi: VAR analizi
yaklaşımı. Yönetim ve Ekonomi: Celal Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(2),
137-150.
Bassanini, A., & Scarpetta, S. (2002). Does human capital matter for growth in OECD countries? A pooled
mean-group approach. Economics letters, 74(3), 399-405.
Bayati, M., Akbarian, R., & Kavosi, Z. (2013). Determinants of life expectancy in eastern mediterranean region:
a health production function. International journal of health policy and management, 1(1), 57.
Bloom, D. E., & Sachs, J. D. (1998). Geography, demography, and economic growth in Africa. Brookings
Papers on Economic Activity, 2, 207–273.
Bloom, D. E., Canning, D., & Sevilla, J. (2003). The demographic dividend. Santa Monica: RAND.
Cervellati, M., & Sunde, U. (2011). Life expectancy and economic growth: the role of the demographic
transition. Journal of economic growth, 16(2), 99-133.
Gallup, J. L., Sachs, J. D., & Mellinger, A. D. (1999). Geography and economic development. International
Regional Science Review, 22(2), 179–232.
Granger, C.W.J. (1969) Investigating Causal Relations by Econometric Models and Cross-Spectral Methods,
Econometrica, 37, pp.553-560.
Greene, W. H. (2003). Econometric analysis. Pearson Education India.
Halicioglu F., (2011), Modelling Life Expectancy in Turkey, Economic Modelling, vol. 28, iss.5, 2075-2082.
Jones, C. I. (2002). Why Have Health Expenditures as a Share fo GDP Risen So Much? (No. w9325). National
Bureau of Economic Research.
Kabir, M. (2008). Determinants of life expectancy in developing countries. The journal of Developing areas,
185-204.
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ YURTİÇİ HASILA VE…
637
bmij (2020) 8 (1): 624-639
Lichtenberg, F. R. (2002). Sources of US longevity increase, 1960-1997 (No. w8755). National Bureau of
Economic Research.
Lorentzen, P., McMillan, J., & Wacziarg, R. (2008). Death and development. Journal of Economic Growth,
13(2), 81–124.
Lütkepohl H. (2010). Variance Decomposition. Durlauf, S., & Blume, L. (Eds.). Macroeconometrics and time
series analysis içinde (s. 369-372). Palgrave Macmillan, UK.
Morand, O.F. (2004), Economic Growth Longevity and the Epidemiological Transition, The European Jounal of
Health and Economics, 5, (2), 166 – 74.
Mucuk, M., & Alptekin, V. (2008). Türkiye’de Vergi ve Ekonomik Büyüme İlişkisi: VAR Analizi (19752006). Maliye Dergisi, 155, 159-174.
Mushkin, Selma J. (1962); Health as An Investment, The Journal of Political Economy, Vol.70, No.5, Part 2.
Nixon, J., & Ulmann, P. (2006). The relationship between health care expenditure and health outcomes. The
European Journal of Health Economics, 7(1), 7-18.
Özgen, F. B., & Güloğlu, B. (2004). Türkiye'de ic borclarin iktisadi etkilerinin VAR Tekniğiyle analizi. METU
Studies in Development, 31(1), 93.
Shaw, J. W., Horrace, W. C., & Vogel, R. J. (2005). The determinants of life expectancy: an analysis of the
OECD health data. Southern Economic Journal, 768-783.
Sims, C. A. (1980). Macroeconomics and reality. Econometrica: journal of the Econometric Society, 1-48.
Tarı, R. (2015), Ekonometri, 11. Baskı, Kocaeli: Umuttepe Yayınları.
Teker, D., Teker, S., & Sönmez, M. (2012). Ekonomik değişkenlerin kadın ve erkeğin yaşam süresine etkisi.
İşletme Araştırmaları Dergisi, 4(3), 118-126.
Tüylüoğlu, Ş., & Tekin, M. (2009). Gelir düzeyi ve sağlık harcamalarının beklenen yaşam süresi ve bebek ölüm
oranı üzerindeki etkileri. Çukurova Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(1), 1-31.
Wang, Jia, Dean T.Jamison, Eduard Bos ve My Thi Vu (1997). Poverty and Mortality Among The Elderly:
Measurament of Performance in 33 Countries 1960- 1992. Tropical Medicine and International Health, October,
Vol. 2, No.10, pp. 1001-1010.
http://www.oecd.org/els/health-systems/health-data.htm (Erişim tarihi: 05.01.2020)
Business & Management Studies: An International Journal Vol.:8 Issue:1 Year:2020
638
Yasin ACAR
EK: Karakteristik Polinomial Kökler
Roots of Characteristic Polynomial
Endogenous variables: D(LEX) D(HEXP) D(GDPPC)
Exogenous variables: C
Lag specification: 1 3
Date: 01/08/20 Time: 22:26
Root
Modulus
0.997465
0.997465
0.858246 - 0.374704i
0.936477
0.858246 + 0.374704i
0.936477
-0.300306 - 0.647688i
0.713921
-0.300306 + 0.647688i
0.713921
0.540649 - 0.383588i
0.662904
0.540649 + 0.383588i
0.662904
-0.481111
0.481111
-0.202874
0.202874
No root lies outside the unit circle.
VAR satisfies the stability condition.
SAĞLIK HARCAMALARI, KİŞİ BAŞINA DÜŞEN GAYRİ SAFİ YURTİÇİ HASILA VE…
639