Mekansal Ekonometri

Mekânsal veri analizi, gözlemlerin yalnızca içeriksel özelliklerini değil, aynı zamanda coğrafi konumlarına göre birbirleriyle olan ilişkilerini de dikkate alan, çok disiplinli bir analiz yöntemidir. Ekonomiden coğrafyaya, tarımdan kent planlamasına kadar birçok alanda kullanılmakta olan bu yöntem, mekânın analiz sürecine doğrudan dâhil edilmesiyle geleneksel analizlerden ayrılır. Mekânsal veri analizinde temel amaç, birimlerin konumsal komşuluk ilişkilerini göz önünde bulundurarak daha tutarlı ve gerçekçi sonuçlara ulaşmaktır.

Mekânsal veriler, gözlemlenen birimlerin yalnızca özelliklerini değil, aynı zamanda uzaydaki konumlarını da içerir. Bu nedenle mekânsal veriler, konum bilgisine göre sıralanmış rassal değişkenler dizisi olarak tanımlanabilir. Zaman serilerinden farklı olarak, mekânsal verilerde bağımlılık yalnızca geçmiş gözlemlerle sınırlı kalmaz; bir gözlem birimi, konumsal olarak yakın olduğu diğer birimlerin etkisine açıktır. Bu durum, mekânsal bağımlılık (spatial dependence) olarak adlandırılır.

Mekânsal veri analizinin iki temel sorunsalı vardır: mekânsal bağımlılık ve mekânsal heterojenlik.

• Mekânsal bağımlılık, Tobler’in İlk Coğrafya Yasası'na dayanır: “Her şey her şeyle ilişkilidir, ancak yakın olanlar daha fazla ilişkilidir.” Bu yasa, komşu bölgelerde benzer özelliklerin görülme olasılığının daha yüksek olduğunu ifade eder (örneğin, yüksek işsizlik oranı komşu bölgelerde de görülebilir).
• Mekânsal heterojenlik, bir modelin parametrelerinin tüm mekânda sabit olmadığı durumlarda ortaya çıkar. Yani aynı model, farklı bölgelerde farklı etkilere sahip olabilir.

Mekânsal veri analizinin temel yapı taşlarından biri mekânsal ağırlık matrisidir. Bu matris, gözlemler arasındaki komşuluk ilişkisini gösterir. İki ana türü bulunur:

• Sınırdaşlığa dayalı (contiguity-based): Ortak sınır paylaşımı dikkate alınır (Örneğin, iki il sınır komşusuysa, ilgili matris hücresi 1 olur.).
• Uzaklığa dayalı (distance-based): Fiziksel mesafeye göre ağırlıklandırma yapılır.

Bu matris sayesinde, belirli bir gözlemdeki değişim, yalnızca o gözlemi değil, onun komşularını da etkileyen bir yapıya dönüşür.

Mekânsal regresyon modelleri, mekânsal bağımlılığı modelleme sürecine dahil eden istatistiksel araçlardır. En yaygın modeller şunlardır:

• SAR (Spatial Autoregressive Model): Bağımlı değişkenin komşu bölgelerdeki değerlerinden etkilendiği varsayılır.
• SEM (Spatial Error Model): Modeldeki hata terimlerinin komşu birimlerle ilişkili olduğu durumları yansıtır.
• SDM (Spatial Durbin Model): Hem bağımlı hem de bağımsız değişkenlerin mekânsal etkilerini birlikte ele alır.

Bu modeller, Moran's I, LM testleri gibi belirleme testleri ile seçilir ve değerlendirilir.

Mekânsal veri analizi sosyal bilimlerden mühendisliğe pek çok alanda uygulanmaktadır:

• Tarım: Sebze üretim alanlarının komşu bölgelerdeki etkileri üzerine analizler yapılabilir (Örneğin, komşu illerde üretim artışı varsa bu illerde de artış eğilimi gözlenebilir.).
• Bölgesel Kalkınma: İller arası ekonomik büyüme analizlerinde bölgesel dışsallıklar (spillover effects) tespit edilebilir.
• Sosyal Bilimler: Sosyal normların, komşuluk etkilerinin ve referans gruplarının bireyler üzerindeki etkileri mekânsal modelleme ile analiz edilebilir.
• Veri Zarflama ve Temel Bileşenler Analizi ile Entegrasyon: Ceren Yaman Yılmaz’ın çalışmasında olduğu gibi, VZA ve TBA ile elde edilen sonuçlar mekânsal regresyon modellerine entegre edilerek daha derinlemesine analizler gerçekleştirilebilir.