İkiz dönüşüm (twin transition), dijital dönüşüm ile yeşil enerji dönüşümünün birbirinden bağımsız iki süreç olarak değil, ekonomik yapı, üretkenlik ve işgücü piyasasını birlikte etkileyebilecek bağlantılı bir dönüşüm sistemi olarak ele alındığı bir çerçevedir. Bu çalışma, 2005–2022 döneminde 17 Asya-Pasifik ekonomisinde dijital ve yeşil dönüşümün işgücü kayıt dışılığı ve emek üretkenliğiyle ilişkisini yıllık panel veriler, temel bileşen analiziyle oluşturulan bileşik indeksler, iki yönlü sabit etkili dinamik panel modelleri, Hansen tipi eşik analizi ve gelir grubu heterojenlik modelleriyle inceliyor. Tam örneklemde dijital dönüşümün kayıt dışılığı azalttığına ilişkin anlamlı ortalama bir ilişki bulunmuyor; dijital–yeşil etkileşim de kayıt dışılık için anlamlı değil. Buna karşılık aynı etkileşim emek üretkenliği düzeyiyle pozitif ve anlamlı ilişki gösteriyor. İnternet kullanım oranında yaklaşık %47,5’lik bir eşik belirleniyor ve dijitalleşme-kayıt dışılık ilişkisinin işareti bu eşiğin iki tarafında değişiyor.

Çalışmanın en dikkat çekici ancak en dikkatli yorumlanması gereken sonucu gelir grupları arasındaki heterojenliktir. Ayrı alt grup modelinde alt-orta gelirli ekonomilerde dijital ve yeşil dönüşümün etkileşim katsayısı −8,685 ve wild cluster bootstrap p-değeri 0,011’dir; bu durum birlikte ilerleyen dijital ve yeşil dönüşümün daha düşük kayıt dışılıkla ilişkili olabileceğini düşündürür. Fakat daha sonra bütün gelir gruplarını aynı denklemde karşılaştıran pooled model, alt-orta gelir grubu için ima edilen etkileşimin işaretini +6,660’a çevirmekte ve sonucu istatistiksel olarak belirsiz hale getirmektedir. Bu nedenle çalışma, alt-orta gelir ülkelerinde sağlam ve nedensel bir “ikiz dönüşüm sinerjisi” kanıtlamaz; gelir düzeyine bağlı olası heterojenliğin model seçimine duyarlı olduğuna işaret eder.

Yeşil dönüşüm indeksinin kayıt dışılıkla pozitif ilişkili görünmesi de modern yenilenebilir enerjinin kayıt dışılığı artırdığı biçiminde yorumlanmamalıdır. Kullanılan uluslararası yenilenebilir enerji göstergesi güneş, rüzgâr ve hidroelektrik gibi modern kaynaklarla odun, odun kömürü ve tarımsal artıklar gibi geleneksel biyokütleyi aynı değişkende birleştirmektedir. Geleneksel biyokütle kullanımı düşük gelir, kırsallık ve yüksek kayıt dışılıkla birlikte hareket ettiği için bu ölçüm yapısı yeşil indeksin işaretini önemli ölçüde etkileyebilir.

Araştırmanın temel problemi

Dijitalleşme ve düşük karbonlu enerji dönüşümü günümüzde çoğu politika çerçevesinde birlikte ilerleyen iki yapısal değişim olarak ele alınmaktadır. Dijital altyapı; ödeme sistemlerini, elektronik kayıtları, vergi ve sosyal güvenlik yönetimini, e-ticareti ve yeni üretim biçimlerini destekleyebilir. Yeşil enerji yatırımları ise yeni sektörler, yeni beceriler ve yeni iş ilişkileri yaratabilir. “İkiz dönüşüm” yaklaşımı bu iki sürecin birbirinin etkisini güçlendirebileceğini öne sürer.

Ancak bu varsayımın işgücü kayıt dışılığı açısından gerçekten geçerli olup olmadığı açık değildir. Dijitalleşme bir taraftan işletmelerin kayıt altına alınmasını kolaylaştırabilirken diğer taraftan platform ve gig ekonomisinde yeni güvencesiz çalışma biçimleri oluşturabilir. Yeşil dönüşüm yeni formal iş alanları yaratabilir, ancak fosil yakıt yoğun sektörlerde uyum maliyetleri de oluşturabilir. Ayrıca aynı süreçlerin etkisi yüksek gelirli ve alt-orta gelirli ekonomilerde aynı olmak zorunda değildir.

Çalışma bu nedenle üç ana soruya odaklanmaktadır: dijital ve yeşil dönüşüm kayıt dışılık ve emek üretkenliğiyle nasıl ilişkilidir; dijital kapasitenin etkisinin değiştiği bir eşik var mıdır; dijital ve yeşil dönüşümün ortak etkisi gelir grubuna göre değişmekte midir?

Teorik çerçeve: dijital ve yeşil dönüşüm neden birlikte düşünülebilir?

İkiz dönüşüm teorisindeki temel mekanizma tamamlayıcılıktır. Dijital altyapı akıllı şebekeler, enerji yönetimi, çevresel izleme, elektronik ödeme, e-kayıt ve veri tabanlı üretim gibi sistemlerin çalışmasını kolaylaştırabilir. Yeşil sektörlerin büyümesi ise dijital becerilere, ölçüm altyapısına ve veri yönetimine olan talebi artırabilir. Bu karşılıklı ilişki, iki dönüşümün yalnız toplamından farklı bir etkileşim etkisi doğurabilir.

İşgücü piyasasında varsayılan mekanizma şöyledir: daha gelişmiş dijital idari ve finansal altyapı, çalışanların ve işletmelerin formal sistemlere bağlanmasını kolaylaştırırken; yeşil sektörlerde yeni işlerin ortaya çıkması kayıtlı istihdam kanallarını genişletebilir. Fakat bu mekanizma, yeterli dijital kapasite bulunmadığında çalışmayabilir. Bu nedenle araştırma doğrusal olmayan bir eşik ihtimalini ayrıca sınamaktadır.

Araştırmanın beş hipotezi

Örneklem: 17 Asya-Pasifik ekonomisi

Araştırma 2005–2022 dönemini kapsayan yıllık, dengesiz bir panel kullanmaktadır. Azami teorik örneklem 17 ülke × 18 yıl = 306 ülke-yıl gözlemidir. Bir ülkenin örnekleme alınması için kayıt dışılıkla ilgili temel işgücü serisinde en az 10 yıllık kullanılabilir gözlem bulunması ve gözlemler arasında üç yıldan uzun boşluk olmaması şartı aranmıştır. Ülke başına kullanılabilir veri uzunluğu 10–18 yıl arasında, ortalama yaklaşık 16 yıldır.

Düşük gelir grubunda yalnız Kamboçya bulunduğu için bu grup gelir-grubu alt örneklem regresyonuna dahil edilmemiştir; tek ülkeyle grup içi yatay kesit varyasyonu oluşturulamaz. Kamboçya tam örneklem modellerinde tutulmuştur.

Kayıt dışılık nasıl ölçülüyor?

Araştırmanın temel bağımlı değişkeni INF_PROXY'dir. Bu değişken, kendi hesabına çalışanlar ile ücretsiz aile işçilerinin toplam istihdam içindeki birleşik payını gösterir. Kaynak, ILO'nun daha geniş model tabanlı kayıt dışı istihdam serisindeki ülke-yıl eksikliğini aşmak amacıyla bu göstergeden yararlanmıştır. INF_PROXY'nin örneklem kapsaması %93,5 iken karşılaştırılan ILO model tabanlı kayıt dışılık serisinin aynı ülke setindeki kapsaması yaklaşık %17'dir.

Ancak INF_PROXY “bütün kayıt dışı istihdam” değildir. Kayıt dışı küçük işletmelerde ücretli çalışanları dışarıda bırakabilir; ayrıca özellikle yüksek gelirli ekonomilerde bazı kendi hesabına çalışan yüksek vasıflı profesyoneller gerçekte formal ekonomik faaliyet yürütebilir. Dolayısıyla bu makalede “kayıt dışılık” ifadesi, çalışmanın kullandığı bu özel proxy'nin sınırları içinde anlaşılmalıdır.

İkinci bağımlı değişken LAP_level, ILO tarafından modellenen çalışan başına üretim düzeyidir ve bin sabit PPP doları cinsinden ölçülmektedir. Bu değişken yıllık üretkenlik büyüme oranı değil, çalışan başına çıktı düzeyidir.

Dijital ve yeşil dönüşüm indeksleri nasıl kuruluyor?

Dijital dönüşüm üç World Development Indicators değişkeniyle temsil edilmektedir: internet kullanan bireylerin nüfustaki yüzdesi, 100 kişi başına sabit geniş bant aboneliği ve ICT malları ihracatının toplam mal ihracatındaki yüzdesi.

Yeşil dönüşüm iki değişkenden kurulmaktadır: toplam nihai enerji tüketiminde yenilenebilir enerji payı ve kişi başına CO₂ emisyonunun işareti ters çevrilmiş biçimi. CO₂ göstergesinin ters çevrilmesinin amacı daha yüksek indeks değerinin daha “yeşil” bir profile karşılık gelmesini sağlamaktır.

Araştırmacılar dijital ve yeşil gösterge kümelerine ayrı ayrı Temel Bileşen Analizi (Principal Component Analysis, PCA) uygulamaktadır. Dijital indeksin ilk temel bileşeni toplam varyansın %68,7'sini açıklamaktadır. Yükler internet kullanımı için 0,655, geniş bant için 0,645 ve ICT ihracatı için 0,394'tür. Yeşil indeksin ilk bileşeni varyansın %82,5'ini açıklamakta; yenilenebilir enerji payı ile ters çevrilmiş CO₂ göstergesi 0,707'şer yük almaktadır.

`DIGI_std` ve `GREEN_std` indekslerinin ikisi de ortalaması sıfır ve standart sapması bir olacak biçimde standartlaştırılmıştır. `DIGI_std × GREEN_std` çarpım terimi H3'te öngörülen ikiz dönüşüm etkileşimini temsil eder.

Yeşil indeksin bilimsel sınırı özellikle önemlidir. Yenilenebilir enerji payı enerji arzının bileşimini, ters CO₂ ise bütün ekonominin emisyon yoğunluğunu yansıtır; bu iki gösterge aynı gizli yapının kusursuz ölçümleri değildir. Kaynak, GREEN indeksini doğrulanmış bir latent değişken modeli olarak değil, raporlama için kullanılan özet indeks olarak tanımlar.

Yeşil dönüşüm endeksi neden daha yüksek kayıt dışılıkla ilişkili görünüyor?

Kaynak çalışmanın en güçlü açıklaması, uluslararası “yenilenebilir enerji tüketimi” göstergesinin modern güneş, rüzgâr ve hidroelektrik enerjisiyle birlikte odun, odun kömürü ve tarımsal artıkların geleneksel yakılmasını da içermesidir. Düşük gelirli kırsal ekonomiler hem geleneksel biyokütle kullanımında hem de kayıt dışı çalışmada daha yüksek değerlere sahip olduğundan, ham yenilenebilir enerji göstergesi modern yeşil enerji yayılımının gerçek işgücü etkisini izole etmez; bu nedenle pozitif GREEN–kayıt dışılık katsayısı modern yenilenebilir enerjinin kayıt dışılığı artırdığının kanıtı olarak yorumlanamaz.

Bu ölçüm problemi kaynak şekillerinde de açıkça görülmektedir. Çalışmanın 13. sayfasındaki Şekil 2'de yüksek gelir grubunun ortalama ham yenilenebilir enerji payı yaklaşık %7,7 iken düşük gelir grubunda %63,9'dur. Aynı şeklin ikinci panelinde yenilenebilir enerji payı ile INF_PROXY arasında yaklaşık r = 0,80 pozitif ilişki görülmektedir. Araştırmacılar bu deseni esas olarak geleneksel biyokütle karışmasıyla açıklamakta, ancak biyokütleyi modern yenilenebilirlerden ayrı ölçen tam panel veri bulunmadığından mekanizmanın doğrudan ekonometrik olarak ayrıştırılmadığını da açıkça belirtmektedir.

Kontrol değişkenleri

Temel modellerde reel kişi başına GSYH'nin doğal logaritması (`LGDP`), ticaret açıklığı (`OPEN`), net doğrudan yabancı yatırım girişleri (`FDI`), kentleşme oranı (`URB`) ve kamu eğitim harcaması (`EDU`) kontrol edilmektedir. 2020–2021 dönemi için COVID-19 kuklası da temel spesifikasyonlara dahil edilmiştir; ancak yıl sabit etkilerinin bulunduğu pooled gelir-grubu modelinde COVID değişkeni yıl etkileri tarafından absorbe edildiği için ayrıca tahmin edilmemektedir.

Dinamik panel modeli

Temel ekonometrik model ülke ve yıl sabit etkilerini ve bağımlı değişkenin bir dönem gecikmesini birlikte kullanır:

\[ INF_{it} = \alpha + \rho INF_{i,t-1} + \beta_1 DIGI\_std_{it} + \beta_2 GREEN\_std_{it} + \beta_3(DIGI\_std\times GREEN\_std)_{it} + \gamma X_{it} + \mu_i + \lambda_t + \varepsilon_{it} \]

Burada \(INF_{it}\), i ülkesinin t yılındaki kayıt dışılık proxy'sini; \(\rho\), kayıt dışılığın geçmiş yıldan devamlılığını; \(\beta_1\), dijital indeksle; \(\beta_2\), yeşil indeksle; \(\beta_3\), dijital-yeşil etkileşimle ilişkili katsayıyı gösterir. \(X_{it}\) kontrol değişkenleri vektörüdür. \(\mu_i\) ülkeye özgü zaman içinde değişmeyen özellikleri, \(\lambda_t\) bütün ülkeleri etkileyen ortak yıl şoklarını, \(\varepsilon_{it}\) ise modele açıklanmayan hata terimini temsil eder.

Standart hatalar ülke düzeyinde kümelenmiştir. Bunun amacı aynı ülkenin zaman içindeki gözlemlerinde heteroskedastisite ve seri korelasyon nedeniyle ortaya çıkabilecek yapıyı dikkate almaktır.

Model 17 ülke ve en fazla 18 yıllık panel için iki yönlü within sabit etkiler tahmincisini kullanmaktadır. Araştırmacılar sistem GMM'nin küçük yatay kesitte çok sayıda araç değişken üretme sorununa dikkat çekerek bunu ana model olarak seçmemiştir.

Nickell yanlılığı ve endojenlik neden önemli?

Gecikmeli bağımlı değişken içeren sabit etkili panel tahminlerinde, zaman boyutu sonlu olduğunda Nickell yanlılığı ortaya çıkabilir. Çalışmada ülke başına ortalama zaman boyutu yaklaşık 16 yıldır; bu nedenle yanlılığın ihmal edilemeyeceği kabul edilmektedir. Beklenen yön, gecikmeli bağımlı değişken katsayısını sıfıra doğru çekmesidir.

Ayrıca `DIGI_std`, `GREEN_std` ve `LGDP`, ülke ve yıl sabit etkileri altında koşullu dışsal varsayılmaktadır. Oysa kayıt dışı ekonominin yapısı dijitalleşme veya yeşil altyapı yatırımlarını da etkileyebilir; üçüncü bir politika veya yapısal şok hem açıklayıcı değişkenleri hem kayıt dışılığı birlikte hareket ettirebilir. Bu nedenle katsayılar nedensel etki değil, koşullu ilişki olarak yorumlanmalıdır.

Kaynak, gelecekte bias-corrected dinamik panel tahmincileri, collapsed-instrument Arellano–Bond/Blundell–Bond GMM ve endojenliği içeren dinamik panel eşik modellerinin sınanmasını öneriyor; ancak mevcut küçük N nedeniyle bu yöntemlerin de güvenilirliğinin sınırlı olabileceğini belirtiyor.

Eşik analizi nasıl yapılıyor?

H4'ü sınamak için internet penetrasyonu (`INT`) eşik değişkeni olarak kullanılmıştır. Aday eşikler internet penetrasyonu dağılımının %15 ile %85 yüzdelikleri arasındaki kesilmiş grid üzerinde taranmıştır. Her aday eşikte ülke ve yıl sabit etkili model tahmin edilmiş ve artık kareler toplamını en aza indiren değer seçilmiştir.

Eşik modelinin artık kareler toplamı doğrusal modelle karşılaştırılmıştır. Burada önemli bir metodolojik sınır vardır: kaynak, Hansen'in likelihood-ratio yöntemine dayalı resmi eşik güven setini hesaplamamıştır. Ayrıca bu eşik spesifikasyonu, temel dinamik modelde kullanılan gecikmeli bağımlı değişkeni içermeyen statik Hansen tipi yapıdır.

%47,5 internet penetrasyonu eşiği ne anlama geliyor?

%47,5 değeri, taranan internet penetrasyonu gridinde eşik modelinin artık kareler toplamını en aza indiren tahmindir: bu değerin altında `DIGI_std` katsayısı +3,039, üstünde −1,633'tür ve böylece ilişkinin işareti değişir. Ancak iki rejim katsayısı da geleneksel %5 düzeyinde ayrı ayrı anlamlı değildir ve eşik için resmi güven aralığı hesaplanmamıştır; dolayısıyla %47,5 kesin veya evrensel bir “politika sınırı” değil, dijital kapasite arttıkça ilişkinin doğrusal olmayabileceğini gösteren açıklayıcı bir kırılma tahminidir.

Az sayıda ülke kümesinde çıkarım nasıl korunuyor?

Gelir grubu modellerinde yalnız 4–6 ülke bulunduğundan klasik cluster-robust standart hatalar aşırı iyimser anlamlılık üretebilir. Bu nedenle `DIGI × GREEN` katsayısı için ayrıca wild cluster bootstrap-t uygulanmıştır. Sıfır etkileşim null hipotezi altında ülke kümeleri seviyesinde Rademacher ağırlıkları kullanılarak 999 bootstrap tekrarı üretilmiştir. Kaynak yorumda geleneksel ve bootstrap p-değerlerinden daha koruyucu olanı esas almaktadır.

Multicollinearity tanıları

Küçük gelir grubu örneklemlerinde regresörler arasında güçlü doğrusal bağlantılar katsayıları kararsızlaştırabilir. Araştırma bu nedenle Variance Inflation Factor (VIF) tanıları raporlamıştır.

Bu tablo, ciddi çoklu bağlantının özellikle yüksek gelir ve üst-orta gelir alt gruplarında yoğunlaştığını göstermektedir. Alt-orta gelir modelinde maksimum VIF daha düşüktür; ancak 12,6 yine de ihmal edilebilir değildir. Bu yüzden gelir grubu katsayıları kesin yapısal parametreler olarak yorumlanmamalıdır.

Çalışmanın Yöntemi ve Bulguları

Tanımlayıcı istatistikler

INF_PROXY'nin örneklem ortalaması %35,3'tür ancak %5,9 ile %74,8 arasında çok geniş bir dağılım göstermektedir. Kaynağın 12. sayfasındaki Şekil 1, bütün gelir gruplarında zaman içinde düşüş görülmesine rağmen yüksek gelirli ülkeler ile düşük/alt-orta gelirli gruplar arasında yaklaşık 45–50 yüzde puanlık yapısal farkın büyük ölçüde sürdüğünü göstermektedir.

Basit korelasyonlar ne gösteriyor?

İki değişken arasındaki basit korelasyonlar kontrol değişkenlerini veya ülke/yıl sabit etkilerini hesaba katmaz, fakat veri yapısındaki güçlü gelişmişlik gradyanını gösterir. `DIGI_std` ile INF_PROXY arasındaki Pearson korelasyonu −0,780; `GREEN_std` ile INF_PROXY arasındaki korelasyon +0,803; `LGDP` ile INF_PROXY arasındaki korelasyon −0,854'tür.

Özellikle `DIGI_std` ile `GREEN_std` arasındaki korelasyon −0,815, `GREEN_std` ile `LGDP` arasındaki korelasyon −0,848 ve kentleşme ile `GREEN_std` arasındaki korelasyon −0,873'tür. Bu desen, GREEN indeksinin büyük ölçüde gelir düzeyi ve geleneksel biyokütle kullanımıyla birlikte hareket ettiğine ilişkin ölçüm uyarısını destekler; tek başına nedensellik göstermez.

Tam örneklemde kayıt dışılık sonuçları

* p<0,10; ** p<0,05; *** p<0,01.

Kayıt dışılık denklemlerinde gecikmeli bağımlı değişken katsayısı yaklaşık 0,48'dir ve %1 düzeyinde anlamlıdır. Bu, INF_PROXY'nin zaman içinde belirgin devamlılık gösterdiğine işaret eder.

H1'in kayıt dışılık kısmının aksine `DIGI_std`, dört kayıt dışılık spesifikasyonunun hiçbirinde istatistiksel olarak anlamlı değildir. Tahminler yaklaşık +0,36 ile +0,75 arasındadır. Dolayısıyla ülke ve yıl sabit etkileri ile geçmiş kayıt dışılık hesaba katıldığında tam örneklemde dijital dönüşümün ortalama olarak kayıt dışılığı azalttığı gösterilememektedir.

`GREEN_std` ise üç temel spesifikasyonda pozitif ve anlamlıdır. Kaynak bu sonucu modern yenilenebilir enerji yayılımının olumsuz etkisi olarak değil, GREEN indeksindeki geleneksel biyokütle ölçüm sorununun önemli bir yansıması olarak yorumlamaktadır.

`DIGI × GREEN` etkileşimi tam örneklemde kayıt dışılık için 0,591 ve 0,230'dur; her iki katsayı da anlamlı değildir. Buna göre H3 için pooled örneklemde ortalama bir formalizasyon sinerjisi gösterilmemiştir.

Emek üretkenliği için sonuç farklı

Model 5'te bağımlı değişken çalışan başına üretim düzeyidir. Burada `DIGI × GREEN` katsayısı 1,685 ve p<0,01'dir. `DIGI_std` tek başına da +0,985 katsayı ve p=0,090 ile marjinal pozitif ilişki göstermektedir.

Bu bulgu, dijital ve yeşil dönüşümün üretkenlik açısından birbirini tamamlayabileceğini; ancak aynı ortak dönüşümün kayıt dışı çalışanları otomatik olarak formal istihdama geçirdiğinin söylenemeyeceğini gösterir. Üretkenlik ve formalizasyon farklı ekonomik sonuçlardır ve aynı hızda hareket etmek zorunda değildir.

47,5% internet penetrasyonu eşiği

Dijital katsayının pozitiften negatife dönmesi, tam örneklemde neden yaklaşık sıfıra yakın ortalama bir dijitalleşme ilişkisi görüldüğünü açıklayabilecek heterojenliği göstermektedir. Fakat rejim katsayıları tek tek kesin değildir; bu nedenle “internet oranı %47,5'i geçtiğinde dijitalleşme kesin olarak kayıt dışılığı azaltır” biçimindeki bir yorum kaynak tarafından desteklenmez.

Kaynağın 16. sayfasındaki Şekil 4, turuncu düşük-internet ve mavi yüksek-internet rejimlerini ayrı noktalar ve fitted doğrularla göstermektedir. Grafik işaret değişimini görsel olarak güçlü biçimde anlatır; ancak nokta bulutu ülke-yıl gözlemleri içerdiğinden çizgi eğimi nedensel müdahale etkisi değildir.

Gelir grubuna göre ayrı modeller

Ayrı alt grup modeli en güçlü negatif etkileşimi alt-orta gelir grubunda göstermektedir. Bu grupta Vietnam, Endonezya, Filipinler, Sri Lanka, Pakistan ve Bhutan bulunur. `DIGI_std` katsayısı +10,127, `GREEN_std` +19,456 ve ikisinin etkileşimi −8,685'tir. Matematiksel olarak negatif etkileşim, iki indeks birlikte yükseldikçe bağımsız pozitif ana etkilerin toplamının zayıfladığını ve belirli ortak düzeylerde negatif marjinal ilişkiye dönebileceğini ifade eder.

Ancak burada metodolojik bir ayrıntı önemlidir: gelir grubu alt modellerinde örneklem küçüldüğü için yıl sabit etkileri kullanılmamıştır; modeller entity fixed effects içerir. Sonraki pooled model hem ülke hem yıl sabit etkilerini birlikte kullanır. Dolayısıyla iki sonuç birebir aynı spesifikasyonun yalnız farklı veri parçaları değildir.

Alt-orta gelir grubunda dijital–yeşil sinerji kanıtlanmış bir sonuç mu?

Hayır. Ayrı alt grup regresyonu güçlü ve bootstrap düzeltmesinden sonra da anlamlı negatif `DIGI × GREEN` katsayısı üretmektedir; ancak ülke ve yıl sabit etkileriyle bütün gelir gruplarını aynı denklemde karşılaştıran pooled model, alt-orta gelir grubu için ima edilen katsayının işaretini −8,685'ten +6,660'a çevirmekte ve sonucu istatistiksel olarak belirsiz hale getirmektedir. Bu nedenle kaynak çalışmanın en güvenli yorumu, gelir düzeyine bağlı heterojenliğin mümkün ve araştırmaya değer olduğu, fakat sağlam bir alt-orta gelir sinerjisinin veya nedensel mekanizmanın henüz kanıtlanmadığıdır.

Pooled gelir-grubu etkileşim modeli neden kritik?

Pooled modelde yüksek gelir ekonomileri referans gruptur. Temel `DIGI × GREEN` katsayısı −3,231 ve p=0,619'dur. Üst-orta gelir için üçlü diferansiyel −3,154 ve p=0,626; alt-orta gelir için üçlü diferansiyel +9,891 ve p=0,210'dur.

Bu katsayılar grup bazında birleştirildiğinde:

Alt-orta ve üst-orta gelir diferansiyellerinin doğrudan Wald karşılaştırması χ²=5,374 ve p=0,020 iken iki grup etkileşim teriminin ortak testi χ²=5,388 ve p=0,068'dir. Tek tek grup diferansiyelleri anlamlı değildir. Kaynak, N=186 ülke-yıl ve 16 ülke kümesiyle bu modelin çok parametreli olduğunu ve büyük standart hataların spesifikasyon kararsızlığını yansıttığını belirtmektedir.

Kaynağın sonuç bölümündeki önemli yorum gerilimi

Kaynağın sonuç bölümünün ilk kısmı, alt-orta gelir grubundaki ayrı model bulgusunu çalışmanın merkezi katkısı olarak kuvvetli biçimde vurgular. Buna karşılık aynı makalenin abstract'ı, Bölüm 5.4'ü, pooled model analizi ve sınırlılıklar bölümü, bu sonucu açıkça “specification-sensitive” olarak nitelendirir ve sağlam bir nedensel sinerji kanıtı saymaması gerektiğini söyler. Verianla açısından bilimsel olarak güvenli okuma, ikinci ve daha ihtiyatlı çerçevedir; kuvvetli alt grup tahmini raporlanmalı, fakat pooled işaret dönüşü hiçbir koşulda gizlenmemelidir.

Hipotezler hangi ölçüde desteklendi?

Politika açısından çalışma ne öneriyor?

Kaynak politika sonuçlarını güçlü reçeteler değil, test edilmesi gereken gündem önerileri olarak sunmaktadır. Dijital ve yeşil stratejilerin koordineli düşünülmesi gerektiğini, fakat her gelir grubunda aynı etkiyi oluşturacağının varsayılmaması gerektiğini belirtmektedir.

Alt-orta gelirli ekonomiler için kaynakta tartışılan olası araçlar; yeşil sanayi teşviklerinin formal dijital ödeme ve elektronik kayıt sistemleriyle ilişkilendirilmesi, yenilenebilir enerji yatırımlarının bulunduğu kırsal ve çevre-kentsel bölgelerde dijital kimlik ve mobil ödeme altyapısının genişletilmesi ve gelişen yeşil değer zincirlerindeki kendi hesabına çalışanlara dijital finansal kapsama programlarının yöneltilmesi gibi birlikte tasarlanmış müdahalelerdir.

Ancak kaynak aynı bölümde bu mekanizmanın mevcut panel tarafından sağlam biçimde tanımlanmadığını özellikle vurgular. Ülke düzeyinde uygulama için sektör ayrıştırması, alternatif kayıt dışılık ölçüleri, yalnız modern yenilenebilir enerji serileri ve ülkeye özgü izleme gereklidir.

%47,5 internet penetrasyonu da mekanik bir “önce/sonra” politika düğmesi değildir. Kaynak, çok düşük dijital kapasitedeki ekonomilerde bağlantı, dijital kimlik ve ödeme altyapısının öncelikli olabileceğini; eşik civarı veya üzerindeki ekonomilerde yeşil sektör formalizasyon politikalarının mevcut dijital altyapıyla daha doğrudan birleştirilebileceğini tartışmaktadır. Fakat bu öneri eşik belirsizliği ve pooled modeldeki spesifikasyon hassasiyeti nedeniyle hipotez düzeyinde değerlendirilmelidir.

Çalışmanın desteklediği sonuçlar

• Asya-Pasifik örnekleminde kayıt dışılık gelir grupları arasında büyük yapısal farklılık göstermektedir.
• Dijital dönüşümün kayıt dışılıkla tam örneklem ortalama ilişkisi anlamlı değildir.
• GREEN indeksinin pozitif kayıt dışılık katsayısı ciddi bir geleneksel biyokütle ölçüm problemi taşımaktadır.
• Dijital–yeşil etkileşim emek üretkenliği düzeyinde pozitif ve anlamlıdır.
• İnternet penetrasyonu çevresinde yaklaşık %47,5 düzeyinde ilişki işaretinin değiştiği bir eşik deseni vardır.
• Ayrı gelir grubu modelleri güçlü heterojenlik olasılığı göstermektedir.
• Alt-orta gelir alt grubunda negatif DIGI × GREEN tahmini wild cluster bootstrap düzeltmesinden sonra da anlamlıdır.
• Pooled model bu alt-orta gelir deseninin sağlam olmadığını ve işaretinin spesifikasyona bağlı biçimde tersine dönebildiğini göstermektedir.

Çalışmanın desteklemediği sonuçlar

• Dijitalleşmenin bütün Asya-Pasifik ülkelerinde otomatik olarak kayıt dışılığı azalttığı söylenemez.
• Modern yenilenebilir enerjinin kayıt dışılığı artırdığı sonucuna varılamaz.
• %47,5 internet kullanımının evrensel ve kesin bir politika eşiği olduğu söylenemez.
• Alt-orta gelir ülkelerinde ikiz dönüşümün kayıt dışılığı nedensel olarak azalttığı kanıtlanmamıştır.
• Vietnam, Endonezya veya Filipinler için tek tip bir politika reçetesi çıkarılamaz.
• INF_PROXY bütün kayıt dışı istihdam biçimlerini temsil etmez.
• 17 ülkelik panelden bütün gelişmekte olan dünyaya doğrudan genelleme yapılamaz.

Başlıca sınırlılıklar

Birinci sınırlılık: kayıt dışılık ölçümü. INF_PROXY yalnız kendi hesabına çalışanları ve katkıda bulunan aile işçilerini kapsar; ILO'nun tam iş ve işletme tabanlı kayıt dışılık tanımıyla eşdeğer değildir.

İkinci sınırlılık: yeşil dönüşüm ölçümü. Yenilenebilir enerji değişkeninde geleneksel biyokütle ile modern yenilenebilirler ayrılamamaktadır. Bu durum özellikle düşük gelirli ekonomilerde GREEN indeksini yorumlamayı zorlaştırır.

Üçüncü sınırlılık: küçük ülke sayısı. Ana panel yalnız 17 ekonomiden oluşur; pooled gelir-grubu modeli tek düşük gelir ülkesini dışladıktan sonra 16 ülke kümesi ve 186 kullanılabilir gözleme iner.

Dördüncü sınırlılık: spesifikasyon hassasiyeti. Alt-orta gelir grubundaki `DIGI × GREEN` katsayısı ayrı modelde −8,685 iken pooled modelde ima edilen katsayı +6,660'tır.

Beşinci sınırlılık: Nickell yanlılığı. Kullanılan dinamik sabit etkiler tahmincisi sonlu T altında bu yanlılığı düzeltmemektedir.

Altıncı sınırlılık: endojenlik. Dijitalleşme, yeşil dönüşüm ve kayıt dışılık karşılıklı belirleniyor olabilir. Kullanılan tasarım bu problemi geçerli araç değişkenlerle çözmemektedir.

Yedinci sınırlılık: tamamlanmamış sağlamlık paketi. Kaynak leave-one-country-out, alternatif clustering, placebo gelir-grubu atamaları ve alternatif gelir sınıflandırmaları gibi testlerin gelecekte yapılması gerektiğini açıkça belirtir; yapılmamış testler yapılmış gibi sunulmamıştır.

Sekizinci sınırlılık: eşik belirsizliği. %47,5 eşik tahmini için Hansen likelihood-ratio güven seti hesaplanmamıştır ve eşik modeli dinamik gecikmeli bağımlı değişkeni içermemektedir.

Bilimsel anlam

Çalışmanın en önemli bilimsel katkısı, “ikiz dönüşüm kayıt dışılığı azaltır mı?” sorusunun tek bir ortalama katsayıyla yanıtlanamayabileceğini göstermesidir. Ölçüm yöntemi, dijital kapasite, gelir grubu ve ekonometrik spesifikasyon sonucu ciddi biçimde değiştirebilir.

Bu nedenle makalenin en güvenli mesajı, belirli bir politika modelini doğrulamak değil; dijital ve yeşil dönüşümün işgücü piyasası sonuçlarını incelerken gelişmişlik aşamasını ve ölçüm tasarımını modelin merkezine koymak gerektiğidir. Özellikle geleneksel biyokütlenin modern yenilenebilirlerle karıştırılması ve alt grup sonucunun pooled modelde tersine dönmesi, büyük ve anlamlı görünen katsayıların tek başına sağlam yapısal kanıt olmadığını açık biçimde göstermektedir.

Kaynak ve Yöntem Notu

Özgün başlık: Twin Transition and Labor Informality in Asia-Pacific: Threshold Effects and Income-Group Heterogeneity

Yazarlar: Vu Mai Phuong; Nguyen Thi Giang; Le Thi Anh.

Sorumlu yazar: Nguyen Thi Giang.

Kurum: Faculty of Political Theory, Banking Academy of Vietnam, Hanoi 100000, Vietnam.

Dergi: Economies.

Yayınevi: MDPI.

Bibliyografik kayıt: Economies, 2026, 14(9), 398.

DOI: 10.3390/economies14090398

Resmî yayın bağlantısı: https://doi.org/10.3390/economies14090398

Yayın süreci: Received 13 Temmuz 2026; revised 27 Ağustos 2026; accepted 28 Ağustos 2026; published 7 Eylül 2026.

Kaynak türü: Hakemli açık erişim araştırma makalesi.

Lisans: Creative Commons Attribution (CC BY).

Veri kaynakları: ILOSTAT ve World Bank World Development Indicators; veri erişimi ILO SDMX veri servisi ve World Bank Data360 API üzerinden gerçekleştirilmiştir.

Yazılım: Stata 18.

Temel yöntem: Yıllık ülke paneli; PCA tabanlı dijital ve yeşil indeksler; iki yönlü sabit etkiler; gecikmeli bağımlı değişkenli dinamik panel; ülke-kümeli standart hatalar; Hansen tipi internet penetrasyonu eşik regresyonu; gelir grubu alt örneklem modelleri; 999 tekrarlı wild cluster bootstrap-t; VIF tanıları; pooled gelir-grubu üçlü etkileşim modeli.

Finansman: Araştırma Banking Academy of Vietnam (BAV) tarafından finanse edilmiştir.

Etik kurul: Uygulanabilir değil.

Bilgilendirilmiş onam: Uygulanabilir değil.

Veri erişilebilirliği: Temel veriler ILOSTAT ve World Bank'ta kamuya açıktır. İşlenmiş veri seti, veri oluşturma betikleri ve replikasyon kodu sorumlu yazardan makul talep üzerine edinilebilir.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir.

Yazar katkıları: Kavramsallaştırma N.T.G. ve V.M.P.; yöntem N.T.G.; yazılım V.M.P.; doğrulama N.T.G., V.M.P. ve L.T.A.; formal analiz N.T.G. ve V.M.P.; araştırma L.T.A.; kaynaklar L.T.A.; veri kürasyonu V.M.P.; ilk taslak N.T.G.; gözden geçirme ve düzenleme üç yazar; görselleştirme V.M.P.; danışmanlık ve proje yönetimi N.T.G.; finansman edinimi N.T.G.

Temel bilimsel sınır: Kullanılan modeller gözlemsel panel veride koşullu ilişkileri tahmin etmektedir. Endojenlik kesin biçimde çözülmediği ve dinamik sabit etkiler tahmincisi Nickell yanlılığını düzeltmediği için sonuçlar nedensel etki olarak okunmamalıdır. Özellikle alt-orta gelir grubundaki negatif dijital–yeşil etkileşim ayrı alt grup modelinde güçlü olsa da pooled modelde işaret değiştirmektedir.