Okun Yasası, ekonomik faaliyet ile işsizlik arasında genellikle ters yönlü gözlenen ampirik makroekonomik ilişkidir: üretim potansiyelinin üzerine çıktığında işsizlik açığının küçülmesi, üretim zayıfladığında ise işsizliğin yükselmesi beklenir. Ángel Maridueña-Larrea ve Ángel Martín-Román'ın çalışması, bu ilişkinin tek ve evrensel bir katsayıyla açıklanıp açıklanamayacağını 1992–2023 döneminde 163 ülkenin yıllık verileriyle araştırmaktadır. Araştırma yalnız genel Okun katsayısını değil; gelir gruplarına göre heterojenliği, 2020 COVID-19 şokunun tahmine etkisini, genişleme ve daralma dönemleri arasındaki asimetriyi ve ülke katsayılarının coğrafi olarak kümelenip kümelenmediğini de incelemektedir.

Çalışmanın ana bulgusu, Okun Yasası'nın ülkelerin büyük bölümünde geçerli olmasına karşın katsayının büyüklüğünün oldukça heterojen olmasıdır. 2020 ortak şoku kontrol edildiğinde negatif ve istatistiksel olarak anlamlı Okun ilişkisi 121 ülkede görülmektedir. Ortalama mutlak katsayı yüksek gelirli ekonomilerde daha büyük, orta gelirli ekonomilerde daha küçük ve düşük gelirli ekonomilerde sıfıra yakın düzeydedir. Ayrıca işsizliğin üretim daralmalarına tepkisi, ortalamada ekonomik genişlemelerdeki ters yönlü tepkiye göre daha güçlüdür.

Mekânsal analiz de önemli bir ek bulgu sunmaktadır. Ülke düzeyinde tahmin edilen Okun katsayıları coğrafyada rastlantısal biçimde dağılmamaktadır; birbirine yakın ülkeler benzer döngüsel işsizlik hassasiyetleri gösterme eğilimindedir. Moran's I sonuçları bu mekânsal özilintinin hem genel katsayıda hem genişleme ve daralma katsayılarında pozitif ve istatistiksel olarak anlamlı olduğunu, ayrıca kümelenmenin ekonomik daralmalarda daha güçlü hale geldiğini göstermektedir. Bununla birlikte çalışma, bu sonucu komşu ülkelerin birbirine nedensel olarak belirli büyüklükte işsizlik şoku aktardığının kanıtı olarak sunmamaktadır.

Okun Yasasının temel fikri

Okun Yasası, işsizlik ile reel ekonomik faaliyet arasındaki ters yönlü döngüsel ilişkinin ampirik ifadesidir. İşgücü piyasasının üretimdeki değişime ne kadar güçlü tepki verdiği Okun katsayısı ile ölçülür. Katsayının negatif olması, üretim veya üretim açığı yükselirken işsizliğin ya da işsizlik açığının düşmesiyle uyumludur. Ancak katsayının büyüklüğü, aynı üretim şokunun farklı ekonomilerde işsizliği aynı ölçüde değiştirmek zorunda olmadığını gösterir.

Bu ayrım önemlidir; çünkü iki ülkede reel GSYH benzer oranda daralırken birinde işsizlik hızla yükselirken diğerinde değişimin önemli bölümü çalışma saatleri, kayıt dışı çalışma, kendi hesabına çalışma, işgücüne katılım veya eksik istihdam üzerinden absorbe edilebilir. Dolayısıyla düşük bir Okun katsayısı mutlaka işgücü piyasasının ekonomik şoka karşı gerçekten daha az etkilendiği anlamına gelmez; ölçülen açık işsizlik oranının şoku hangi ölçüde yakaladığı da önemlidir.

Okun Katsayısı Neyi Ölçer?

Okun katsayısı, ekonomik faaliyetteki döngüsel bir değişime işsizliğin ne ölçüde ters yönde tepki verdiğini ölçen ampirik bir katsayıdır. Bu çalışmanın gap modelinde \(\beta_1<0\), pozitif çıktı açığının daha düşük işsizlik açığıyla ilişkili olduğunu; katsayının mutlak değerinin büyümesi ise işsizliğin üretim döngüsüne daha duyarlı olduğunu ifade eder. Katsayı bir fizik yasasındaki evrensel sabit değildir; ülke yapısı, gelir grubu, işgücü piyasası ve kullanılan ekonometrik tanım değiştikçe büyüklüğü değişebilir.

Araştırmanın literatür boşluğu

Okun Yasası onlarca yıldır sınanmış olmasına rağmen literatürün önemli bölümü gelişmiş ekonomilerde yoğunlaşmıştır. Araştırmacılar bunun iki önemli sorunu görünmez bırakabileceğini vurgulamaktadır. Birincisi, enformel istihdamın ve kendi hesabına çalışmanın yaygın olduğu ekonomilerde üretim değişiminin ölçülen açık işsizliğe aktarımı daha zayıf olabilir. İkincisi, işsizlik–üretim ilişkisini bütün iş çevrimi için tek katsayıyla tahmin etmek genişleme ile daralma arasındaki asimetriyi örtebilir.

Çalışmanın bir başka özgün boyutu mekânsal bağımlılıktır. Ülkelerin işgücü piyasaları tamamen yalıtılmış değildir. Coğrafi yakınlık; ticaret, üretim yapısı, işçi hareketliliği ve benzer kurumsal özelliklerle birlikte komşu ekonomilerin döngüsel hassasiyetlerinin benzeşmesine eşlik edebilir. Araştırma bu nedenle “ülke katsayıları yalnız birbirinden farklı mı, yoksa farklılıklar coğrafi olarak örgütleniyor mu?” sorusunu da sınamaktadır.

Sekiz araştırma hipotezi

Çalışma sekiz hipotezi sistematik biçimde test etmektedir:

1. Gap modelinde ülkelerin çoğunda Okun katsayısı negatif ve istatistiksel olarak anlamlıdır.
2. 2020 COVID-19 şokunun kontrol edilmesi bazı ülkelerde katsayının büyüklüğünü veya anlamlılığını ekonomik olarak önemli ölçüde değiştirir.
3. Gap modeli ile birinci fark modeli farklı Okun katsayıları üretebilir.
4. Okun katsayısının ortalama mutlak büyüklüğü Dünya Bankası gelir grupları arasında farklıdır.
5. İşsizliğin üretim dalgalanmalarına tepkisi genişleme ve daralma evreleri arasında farklıdır.
6. Okun katsayısının mutlak büyüklüğü daralmalarda genişlemelere göre ortalamada daha yüksektir.
7. Ülke düzeyindeki Okun katsayılarında pozitif ve anlamlı mekânsal özilinti vardır.
8. Mekânsal özilinti daralma katsayılarında genişleme katsayılarına kıyasla daha güçlüdür.

Veri seti ve küresel kapsam

Örneklem 163 ülkeyi ve 1992–2023 dönemindeki yıllık gözlemleri kapsamaktadır. Reel GSYH, 2015 sabit fiyatlarıyla Dünya Bankası göstergelerinden alınmış; döngü çıkarımı için doğal logaritmaya dönüştürülmüş ve birinci fark modelinde yıllık büyüme oranının hesaplanmasında kullanılmıştır. İşsizlik oranı, ekonomik olarak aktif nüfus içinde işi olmayan fakat çalışmaya hazır ve aktif biçimde iş arayan kişilerin payını ifade etmektedir.

2023 Dünya Bankası gelir sınıflamasına göre örneklemde 54 yüksek gelirli, 90 orta gelirli ve 19 düşük gelirli ekonomi bulunmaktadır. Kaynak çalışma alt-orta ve üst-orta gelir gruplarını tek “orta gelir” kategorisinde birleştirmiştir. Bu sınıflama, farklı işgücü piyasası yapılarına sahip ekonomilerin ortalama döngüsel hassasiyetlerinin karşılaştırılması için kullanılmıştır.

Kaynağın 9. sayfasındaki dünya haritası gelir gruplarının coğrafi dağılımını göstermektedir. 10. sayfadaki ikinci harita ise 2023 işsizlik oranlarını altı aralık halinde göstermektedir. En yüksek aralıkta Botswana %23.38, Güney Afrika %32.20 ve Esvatini %35.09 ile öne çıkmaktadır. Bu haritalar temel ekonometrik kanıt değildir; daha sonraki heterojenlik ve mekânsal analizlerin küresel bağlamını görünür hale getiren betimleyici araçlardır.

Durağanlık kontrolü neden gerekli?

Gap ve birinci fark modellerinin geçerli biçimde tahmin edilebilmesi için kullanılan dönüştürülmüş serilerin durağanlığı kontrol edilmiştir. Araştırmacılar Augmented Dickey–Fuller (ADF), Phillips–Perron (PP) ve Kwiatkowski–Phillips–Schmidt–Shin (KPSS) testlerini birlikte uygulamışlardır. Gap modelinde HP filtresinden elde edilen çıktı ve işsizlik açıkları; birinci fark modelinde ise yıllık işsizlik değişimi ile reel çıktı büyümesi test edilmiştir.

Ek Tablo A1 ülke bazındaki test sonuçlarını ayrıntılı biçimde sunmaktadır. Çalışma, kullanılan dönüştürülmüş serilerin ekonometrik tahmin için gerekli durağanlık özelliklerini karşıladığını raporlamaktadır.

COVID-19 Neden Ayrı Bir 2020 Kontrolüyle Modellenmiştir?

Çalışma 2020 yılını, 163 ekonomiyi aynı takvim döneminde etkileyen olağanüstü ve ortak bir küresel şoku düzenli iş çevrimi hareketlerinden ayırabilmek için kukla değişkenle kontrol etmektedir. Bu kukla, pandeminin bütün ülkelerde aynı büyüklükte etkili olduğunu varsaymaz; yalnız ortak zamanlamayı ayırmayı amaçlar. Önceki krizlere aynı tek-yıl yaklaşımının uygulanmamasının nedeni, bu krizlerin ülkeler arasında başlangıç zamanı, süresi ve şiddeti bakımından çok daha heterojen olmasıdır.

Çalışmanın Yöntemi ve Bulguları

1. Gap modeli

Temel gap modeli, gerçekleşen işsizlik oranının doğal işsizlik oranından sapmasını, reel çıktının potansiyel çıktısından sapmasıyla ilişkilendirir:

\[ (u_t-u_t^*)=\beta_0+\beta_1(y_t-y_t^*)+\varepsilon_t \tag{1} \]

Burada \(u_t\) gerçekleşen işsizlik oranı, \(u_t^*\) doğal işsizlik oranı, \(y_t\) reel çıktının doğal logaritması, \(y_t^*\) potansiyel reel çıktının doğal logaritması ve \(\varepsilon_t\) hata terimidir. \((u_t-u_t^*)\) işsizlik açığını, \((y_t-y_t^*)\) çıktı açığını gösterir. \(\beta_1\), gap tanımındaki Okun katsayısıdır ve teorik beklenti \(\beta_1<0\)'dır.

Doğal işsizlik oranı ve potansiyel çıktı doğrudan gözlenmediği için Hodrick–Prescott filtresi kullanılmıştır. Yıllık seriler için düzgünleştirme parametresi \(\lambda=100\) olarak belirlenmiştir. Araştırmacılar, HP filtresinin trend seçimine bağlı olmasından dolayı sonuçları yalnız gap modeline dayandırmamış, ayrıca filtresiz birinci fark modeliyle sağlamlık kontrolü yapmıştır.

Gap modelleri Ordinary Least Squares (OLS) yöntemiyle ve White heteroskedastisite-sağlam standart hatalarıyla tahmin edilmiştir. Geniş ve heterojen ülke örneklemi nedeniyle istatistiksel anlamlılık sınırı %10 veya daha iyi olarak kabul edilmiş; Ek Tablo A2 ayrıca %1, %5 ve %10 anlamlılık düzeylerini ayrı yıldızlarla raporlamıştır.

2. COVID-19 kontrollü gap modeli

2020 ortak şokunu ayırmak için model şu biçimde genişletilmiştir:

\[ (u_t-u_t^*)=\beta_0+\beta_1(y_t-y_t^*)+\beta_2D_t+\varepsilon_t \tag{2} \]

\(D_t\), 2020 için 1, diğer yıllar için 0 değerini almaktadır. Böylece \(\beta_1\), 2020 ortak şoku kontrol edildikten sonraki döngüsel işsizlik hassasiyetini temsil eder.

Şekil 3'ün karşılaştırması, COVID kontrolünün genel ilişkinin işaretini büyük ölçüde değiştirmediğini göstermektedir. COVID kuklası eklenmeden ve eklendikten sonra 117 ülke istatistiksel olarak anlamlı kalmış; bunların 116'sında beklenen negatif işaret görülmüştür. Yalnız 10 ülke anlamlılık kategorisi değiştirmiştir: beş ülke anlamlılık kazanmış, beş ülke anlamlılığını kaybetmiştir.

Bununla birlikte katsayıların büyüklüğü tamamen sabit değildir. Mutlak değişimin medyanı yaklaşık 0.01'dir ve ülkelerin yaklaşık %60'ında değişim 0.01'in altındadır. Buna karşılık örneklemin yaklaşık %15'inde değişim 0.05'i aşmaktadır. Bu nedenle COVID kontrolü, ilişkinin küresel varlığını yeniden yazmaktan çok bazı ülkelerin katsayı büyüklüğünün daha doğru karşılaştırılmasını sağlamaktadır.

2020 kontrolü altında negatif ve istatistiksel olarak anlamlı Okun ilişkisi toplam 121 ülkede gözlenmektedir. 32 ülkede negatif fakat istatistiksel olarak anlamlı olmayan katsayılar bulunmakta; 10 durumda katsayı beklenen negatif işareti veya gerekli anlamlılığı sağlamadığından hipotezi destekleyen kanıt olarak kullanılmamaktadır.

3. Birinci fark modeli

Gap modelindeki potansiyel çıktı ve doğal işsizlik gibi gözlenemeyen trend bileşenlerine bağımlılığı azaltmak için çalışma ikinci bir standart Okun tanımı kullanmaktadır:

\[ u_t-u_{t-1}=\gamma_0+\gamma_1g_{yt}+\gamma_2D_t+\epsilon_t \tag{3} \]

\(\Delta u_t=u_t-u_{t-1}\) işsizlik oranındaki yıllık değişimi, \(g_{yt}\) reel çıktı büyümesini, \(\gamma_1\) birinci fark tanımındaki Okun katsayısını ve \(\gamma_2\) 2020 ortak şokunun etkisini gösterir. Teorik beklenti yine \(\gamma_1<0\)'dır.

Gap ve birinci fark modelleri ilişkinin yönü ve geniş ülke örüntüsü konusunda büyük ölçüde aynı sonuca ulaşmaktadır. Buna karşılık gap modeli çoğu ülkede daha büyük mutlak katsayı üretmektedir. Bu durum, “Okun katsayısı” denilen sayının kullanılan ekonometrik spesifikasyondan tamamen bağımsız evrensel bir değer olmadığını göstermektedir.

Okun Katsayısı Neden Gelir Grupları Arasında Bu Kadar Farklıdır?

Kaynak çalışmanın yorumuna göre farkın önemli bölümü işgücü piyasasının üretim şokunu hangi kanal üzerinden absorbe ettiğine bağlıdır. Yüksek gelirli ve daha formel ücretli istihdam yapısına sahip ekonomilerde üretim daralması açık işsizliğe daha doğrudan yansıyabilir; enformel çalışma, tarım ve kendi hesabına çalışmanın yaygın olduğu ekonomilerde ise aynı şok açık işsizlik yerine eksik istihdam, kendi hesabına çalışma, geçimlik faaliyet veya işgücüne katılım değişiklikleri üzerinden absorbe edilebilir. Çalışma bu kurumsal mekanizmaları doğrudan nedensel olarak tahmin etmemekte, ülke örüntülerini mevcut literatürle bu çerçevede yorumlamaktadır.

Bu değerler gelir grubu ortalamalarıdır; tek tek ülkeler grubun ortalamasından önemli ölçüde sapabilir. Örneğin gap modelinde İspanya −0.95, Polonya −0.90 ve ABD −0.63 ile yüksek mutlak katsayılara sahiptir. Orta gelir grubunda Arnavutluk −0.63, Kosta Rika −0.50 ve Cezayir yaklaşık −0.50 ile kendi grup ortalamasının üzerinde hassasiyet göstermektedir.

4. Döngüsel asimetri modeli

Ekonominin genişleme ve daralma dönemlerinde aynı katsayıyı üretip üretmediğini incelemek için çıktı açığı pozitif ve negatif bileşenlerine ayrılmıştır:

\[ (y_t-y_t^*)^+=\max(y_t-y_t^*,0) \]

\[ (y_t-y_t^*)^-=\min(y_t-y_t^*,0) \]

Asimetrik model:

\[ (u_t-u_t^*)= \theta_0+ \beta^+(y_t-y_t^*)^+ + \beta^-(y_t-y_t^*)^- + \delta D_t+ \mu_t \tag{4} \]

\(\beta^+\), üretimin potansiyelin üzerinde olduğu genişleme dönemlerindeki; \(\beta^-\) ise negatif çıktı açığı bulunan daralma dönemlerindeki işsizlik hassasiyetidir. Her iki katsayının da teorik olarak negatif olması beklenir. \(|\beta^-|>|\beta^+|\) olması, işsizliğin daralmalara genişlemelerden daha güçlü tepki verdiğini ifade eder.

İşsizlik Neden Daralmalarda Genişlemelerden Daha Güçlü Tepki Veriyor?

Kaynak sonuçları, işsizliğin üretim daralmalarına tepkisinin ortalamada genişleme dönemlerindeki iyileşmeden daha güçlü olduğunu göstermektedir; ancak bu örüntü her ülke için değişmez bir yasa değildir. Yazarların tartıştığı açıklamalar arasında işverenlerin durgunluk dönemlerinde daha hızlı işgücü azaltıp toparlanmada daha temkinli işe alım yapması, işe alma ve işten çıkarma maliyetlerinin farklılığı, riskten kaçınma, işgücü piyasası kurumları ve enformel istihdamın şokları farklı kanallarda absorbe etmesi bulunmaktadır.

Kaynağın 14. sayfasındaki Şekil 7'de gözlemlerin çoğu 45 derecelik eşitlik çizgisinin altında bulunmaktadır; bu, \(\beta^-\)'nin mutlak büyüklüğünün çoğunlukla \(\beta^+\)'dan daha büyük olduğu anlamına gelir. Daralma hassasiyeti İspanya'da −1.00, ABD'de −0.93 ve Yunanistan'da −0.72 gibi oldukça yüksek değerlere ulaşmaktadır.

Bu dağılım önemli bir yorum sınırı oluşturur. Ortalama sonuç daralmalardaki katsayının daha güçlü olduğunu gösterse de 36 ülkede yalnız genişleme katsayısının, 31 ülkede ise yalnız daralma katsayısının anlamlı olması ülkeler arasında ciddi yapısal farklılık bulunduğunu ortaya koymaktadır. Dolayısıyla “her ülkede işsizlik daima daralmada daha güçlü tepki verir” biçiminde evrensel bir sonuç çıkarılamaz.

Türkiye'nin kaynak sonuçlarındaki yeri

Türkiye, kaynak Tablo 2'de orta gelir grubunda yer almakta ve istatistiksel olarak anlamlı ters Okun ilişkisi yalnız negatif çıktı açığı, yani daralma fazı için raporlanan ülkeler arasında bulunmaktadır. Bu sınıflandırma Türkiye'nin 1992–2023 kaynak örneklemindeki tahminine aittir; farklı dönem, veri frekansı veya model seçimi altında katsayının aynı kalacağı anlamına gelmez.

5. Mekânsal bağımlılık ve Moran's I

Ülke bazlı Okun katsayıları tahmin edildikten sonra araştırmacılar, benzer katsayıların coğrafi olarak yan yana kümelenip kümelenmediğini Moran's I istatistiğiyle sınamıştır:

\[ I= \frac{n}{S_0} \frac{ \sum_i\sum_j w_{ij}(X_i-\bar{X})(X_j-\bar{X}) }{ \sum_i(X_i-\bar{X})^2 } \tag{5} \]

Burada \(n\) ülke sayısı, \(X_i\) ülke \(i\)'nin Okun katsayısı veya faza özgü katsayısı, \(\bar{X}\) ülke katsayılarının kesitsel ortalaması, \(w_{ij}\) ülkeler arasındaki coğrafi komşuluk ağırlığı ve \(S_0\) bütün mekânsal ağırlıkların toplamıdır. Pozitif ve istatistiksel olarak anlamlı Moran's I, birbirine coğrafi olarak yakın ülkelerin benzer katsayılara sahip olma eğilimini gösterir.

Sonucun tek bir komşuluk tanımına bağlı olup olmadığını görmek için üç k-en yakın komşu matrisi kurulmuştur: \(k=1\), \(k=5\) ve \(k=10\). Analiz genel katsayı, genişleme katsayısı ve daralma katsayısı için ayrı ayrı yapılmıştır.

Moran's I Sonucu Komşu Ülkelerin Birbirine Nedensel Olarak İşsizlik Şoku Aktardığını Kanıtlıyor mu?

Hayır. Pozitif ve anlamlı Moran's I, benzer Okun hassasiyetlerinin coğrafi olarak kümelendiğini gösterir; fakat bir ülkenin katsayısının ne kadarının komşu ülke ekonomilerinden nedensel olarak kaynaklandığını ölçmez. Bu tür doğrudan ve dolaylı spillover etkilerini nicelendirmek için spatial lag, spatial error veya Spatial Durbin gibi daha ileri mekânsal ekonometrik modeller gerekir.

Bu karşılaştırma çalışmanın yedinci ve sekizinci hipotezlerini desteklemektedir. Döngüsel işsizlik hassasiyetleri coğrafi olarak kümelenmektedir ve bu kümelenme ekonomik daralma dönemlerinde daha kuvvetlidir.

İşgücü piyasası yapısı sonuçları nasıl etkileyebilir?

Kaynak tartışması, gelir düzeyi ile katsayı arasındaki ilişkiyi yalnız “zengin ülkelerde yasa daha güçlüdür” biçiminde yorumlamamaktadır. Yüksek gelirli ekonomilerde ücretli ve formel istihdamın daha büyük paya sahip olması, üretim kaybının daha kolay açık işsizlik olarak kayda geçmesine yol açabilir. Enformel istihdamın, tarımın ve kendi hesabına çalışmanın daha yaygın olduğu ekonomilerde ise çalışanlar işsiz olarak kayda geçmek yerine başka düşük verimli veya geçimlik faaliyetlere kayabilir.

İşgücüne katılım da önemli bir marjdır. İşini kaybeden bazı kişiler iş aramayı bırakarak işgücünün dışına çıkarken, hane gelirindeki düşüşü telafi etmek isteyen başka kişiler işgücüne katılabilir. İşsizlik oranı bu hareketlerin tamamını tek başına göstermez. Dolayısıyla ülke katsayısı aynı zamanda ölçülen işsizliğin ilgili ekonomide işgücü piyasası uyumunun ne kadarını yakaladığını da yansıtır.

Çalışmanın politika yorumu

Kaynağın politika mesajı “bütün ülkeler için tek bir Okun katsayısı kullan” değildir; tam tersidir. Ortalama bir katsayı üzerine kurulmuş politika kalibrasyonu, işgücü piyasası yapısı güçlü biçimde farklılaşan ekonomilerde yanıltıcı olabilir.

Düşük gelirli ekonomilerde enformel ve kendi hesabına çalışan kesim üretim şokunun önemli bölümünü açık işsizlik dışında absorbe ettiği için, yalnız formel işsizlik üzerinden çalışan talep yönetimi araçlarının kapsama alanı sınırlı olabilir. Kaynak yazarları bu bağlamda formelleşmenin ve işsizlik sigortası kapsamının geliştirilmesini önemli bir önkoşul olarak tartışmaktadır.

Orta gelirli ekonomilerde formel bir çekirdeğin yanında geçici ve enformel çalışanların geniş bir kesimi bulunabilir. Bu nedenle sorun yalnız politika aracının varlığı değil, desteğin hangi çalışanlara ulaşabildiğidir. Yalnız formel çekirdeği koruyan önlemler, ayarlanma yükünü daha kırılgan çalışanlara aktarabilir.

Yüksek gelirli ekonomilerde ise ölçülen işsizlik tepkisi daha keskin olduğundan, daralma dönemlerinde iş ilişkisini koruyan kısa çalışma veya işte tutma programları daha doğrudan bir politika aracı olarak tartışılmaktadır.

Asimetrik sonuç, zamanlama açısından da önemlidir. Daralmada kaybedilen istihdam toparlanma sırasında aynı hızla geri kazanılmıyorsa, karşı-döngüsel desteğin daralma derinleştikten sonra değil erken aşamada uygulanması daha değerli olabilir. Mekânsal kümelenmenin daralmalarda güçlenmesi ise eşzamanlı şok yaşayan komşu ekonomilerin belirli durumlarda politika koordinasyonundan yararlanabileceği fikrini desteklemektedir. Kaynak açıkça bunları kesin reçeteler değil, heterojen bulgulardan türeyen politika yönelimleri olarak sınırlamaktadır.

Çalışmanın desteklediği sonuçlar

• Okun Yasası, örneklemdeki ülkelerin çoğunda negatif işsizlik–üretim ilişkisi olarak ampirik destek bulmaktadır.
• 2020 COVID-19 kontrolü çoğu ülkenin katsayısının işaretini veya anlamlılık durumunu değiştirmez; ancak bazı ülkelerde katsayı büyüklüğünü önemli ölçüde değiştirir.
• Gap ve birinci fark modelleri ilişkinin yönünde büyük ölçüde uzlaşsa da katsayı büyüklüğü kullanılan yönteme duyarlıdır.
• Yüksek gelirli ülkelerin ortalama mutlak Okun katsayısı orta ve düşük gelir gruplarından daha büyüktür.
• İşsizlik hassasiyeti ortalamada ekonomik daralmalarda genişlemelere göre daha güçlüdür.
• Okun katsayıları coğrafi olarak pozitif kümelenme göstermektedir.
• Mekânsal kümelenme daralma dönemlerinde genişlemelere kıyasla daha güçlüdür.

Çalışmanın desteklemediği sonuçlar

• Okun katsayısı bütün ülkelerde aynı değildir ve evrensel sabit olarak yorumlanamaz.
• Her ülkede daralma katsayısının mutlaka genişleme katsayısından daha büyük olduğu söylenemez.
• Düşük gelirli ülkelerde küçük katsayı, işgücü piyasasının ekonomik şoklardan etkilenmediğini kanıtlamaz.
• COVID kuklası pandeminin her ülkedeki farklı büyüklükteki etkisini tam olarak modellemez; yalnız 2020 ortak zaman şokunu ayırır.
• Moran's I sınır ötesi nedensel spillover büyüklüğünü ölçmez.
• Çalışma işgücü piyasası kurumlarının, enformelliğin veya işten çıkarma maliyetlerinin Okun katsayısına nedensel etkisini doğrudan tahmin etmez.
• Yıllık veriler kısa dönemli veya çeyreklik/aylık işgücü piyasası hareketlerini ayrıntılı biçimde yakalayamaz.

Sınırlılıklar ve gelecek araştırmalar

İlk temel sınırlılık veri frekansıdır. Yıllık veri orta ve uzun dönemli hareketleri karşılaştırmak için geniş bir küresel kapsama izin verirken, kısa süreli işgücü piyasası ayarlanmalarını düzleştirir. Veri bulunabilirliği geliştikçe çeyreklik veya daha yüksek frekanslı küresel karşılaştırmalar daha ayrıntılı zaman dinamikleri sunabilir.

İkinci sınırlılık ülkeler arası işsizlik karşılaştırılabilirliğidir. Resmî işsizlik oranı, formel ve enformel istihdam arasındaki sınırı farklı ekonomilerde aynı derinlikle yansıtmaz. Bu sorun, araştırmanın kendisinin belgelediği katsayı heterojenliğinin bir bölümünü açıklayabilecek önemli bir ölçüm boyutudur.

Üçüncü olarak 2020, ortak küresel zaman şoku olarak özel biçimde modellenmiştir; daha önceki krizler için ülkeye özgü kırılma tarihleri ve şiddetleri ayrı ayrı tahmin edilmemiştir. Dördüncü olarak çalışma enformellik ve kurumsal işgücü piyasası yapısıyla tutarlı örüntüler göstermesine rağmen bu belirleyicileri doğrudan nedensel regresörler olarak tahmin etmemektedir.

Mekânsal analiz de tanımlayıcı mekânsal bağımlılık düzeyindedir. Moran's I, katsayıların coğrafi düzenini saptamakta ancak komşu ülke etkisinin doğrudan ve dolaylı büyüklüğünü ayırmamaktadır. Spatial lag, spatial error ve Spatial Durbin modelleri; sektör bazlı Okun tahminleri; kadınlar ve gençler gibi demografik grupların ayrı analizi ve daha yüksek frekanslı veriler çalışmanın önerdiği doğal devam yollarıdır.

Kaynak ve Yöntem Notu

Özgün başlık: Cyclical Asymmetries and Spatial Dependence in Okun’s Law: Global Evidence from 163 Countries

Yazarlar: Ángel Maridueña-Larrea; Ángel Martín-Román.

Sorumlu yazar: Ángel Martín-Román.

Kurumlar: Facultad de Ciencias Sociales, Educación Comercial y Derecho, Universidad Estatal de Milagro; Facultad de Economía Agrícola, Universidad Agraria del Ecuador; Centro de Estudios Económicos para el Desarrollo del Ecuador; Observatorio de la Política Económica y Competitividad del Ecuador; Facultad de Ciencias Sociales, Jurídicas y de la Comunicación, Universidad de Valladolid.

Dergi: Economies.

Yayıncı: MDPI.

Bibliyografik kayıt: 2026, 14(7), Makale 272.

DOI: 10.3390/economies14070272.

Tarihler: Alınma 17 Mart 2026; revizyon 26 Haziran 2026; kabul 3 Temmuz 2026; yayın 13 Temmuz 2026.

Kaynak türü: Hakemli, yayımlanmış ülkeler arası makroekonometrik araştırma makalesi.

Lisans: Creative Commons Attribution (CC BY). Verianla metni kaynak makalenin tam metin çevirisi veya cümle-cümle yeniden yazımı değildir; kaynakta raporlanan yöntem, veri, katsayılar ve sınırlılıklar bağımsız öğretici yapıda açıklanmıştır.

Örneklem: 163 ülke, 1992–2023 yıllık veri.

Ana veri kaynakları: Reel GSYH ve işsizlik göstergeleri için World Bank Indicators; ülke coğrafi referansları için geoBoundaries.

Temel yöntemler: Hodrick–Prescott filtresiyle \(\lambda=100\) kullanan gap modeli; 2020 COVID kuklası; birinci fark modeli; genişleme ve daralma bileşenlerine ayrılmış asimetrik gap modeli; OLS; White heteroskedastisite-sağlam standart hataları; ADF, PP ve KPSS durağanlık testleri; \(k=1,5,10\) en yakın komşu ağırlık matrisleri altında Moran's I mekânsal özilinti analizi.

Finansman: İspanya Hükûmeti Bilim ve Yenilik Bakanlığı, PID2020-112509 GB-I00 projesi.

Veri erişilebilirliği: Okun Yasası tahminlerinde kullanılan gösterge verileri World Bank Indicators veritabanından; georeferans verileri geoBoundaries üzerinden erişilebilirdir.

Etik beyan: Institutional Review Board ve informed consent hükümleri uygulanabilir değildir.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir.

Yazar katkıları: Kavramsallaştırma ve yöntem Ángel Martín-Román; yazılım, kaynak ve veri kürasyonu Ángel Maridueña-Larrea; doğrulama, biçimsel analiz ve araştırma iki yazar; ilk taslak Ángel Maridueña-Larrea; gözden geçirme ve düzenleme Ángel Martín-Román; görselleştirme iki yazar; gözetim Ángel Martín-Román; proje yönetimi iki yazar; finansman edinimi Ángel Martín-Román tarafından yürütülmüştür.

Yöntemsel sınır: Bu çalışma ülkeler arası gözlemsel makroekonomik ilişkileri tahmin etmektedir. Okun katsayısındaki farklılıklar, enformellik veya belirli işgücü piyasası kurumlarının nedensel etkisinin doğrudan tahmini değildir. Moran's I de nedensel sınır ötesi spillover katsayısı değildir.

Şekil notu: Kaynak 9–10. sayfalarda gelir grubu ve işsizlik dünya haritaları; 11–14. sayfalarda COVID kontrolü, yöntem karşılaştırması, gelir grupları ve döngüsel asimetri grafikleri; 16. sayfada dokuz panelli Moran's I mekânsal saçılım yapısı sunmaktadır. Makale içi yeniden çizimde kaynak sayısal değerleri kullanılmalı, yalnız raster grafikten sahte hassasiyetle ülke noktaları çıkarılmamalıdır.