Aşağıdaki kodlarda enflasyon ve reel kesim güven endeksini CBRT’den çekiyoruz.

enf <- getDataSeries(
“TP.FG.J0”,
CBRTKey = mycbrtkey,
startDate = “2013-05-01”,
endDate = “2025-11-01”,
freq = 5
)

guven <- getDataSeries(
“TP.GY1.N2.MA”,
CBRTKey = mycbrtkey,
startDate = “2013-05-01”,
endDate = “2025-11-01”,
freq = 5
)

cor komutu ile iki değişken arasındaki korelasyonu hesaplıyoruz.

Korelasyonun işareti ilişkinin yönünü,

korelasyon katsayısı ise ilişkinin büyüklüğünü gösterir.

cor(enf$TP.FG.J0, guven$TP.GY1.N2.MA)

Değişkenlerin betimsel istatistiklerini hesaplamak için summary komutunu kullanıyoruz.

summary(enf$TP.FG.J0)
summary(guven$TP.GY1.N2.MA)

CBRT paketinden çektiğimiz değişkenleri zaman (time) değişkenini kullanarak

birleştirmek için merge komutunu kullanıyoruz.

Böylece enflasyon ve güven değişkenleri “data” adı altında toplanmış oluyor.

data <- merge(enf, guven, by = “time”)

Verinin ilk satırlarını görmek için head komutunu kullanıyoruz.

head(data)

İki değişken arasındaki serpilme diyagramını çizdirmek için geom_point kullanıyoruz.

ggplot(data, aes(x = TP.FG.J0, y = TP.GY1.N2.MA)) +
geom_point() +
theme_minimal()

Durağanlık sınaması için adf.test komutunu kullanıyoruz.

Boş hipotez: Değişken durağan değildir.

Alternatif hipotez: Değişken durağandır.

p-değeri 0.05’ten büyükse boş hipotez reddedilemez.

p-değeri 0.05’ten küçükse değişken durağandır.

Önce değişkenin seviyesine ADF testi uyguluyoruz.

adf_enf <- adf.test(data$TP.FG.J0, alternative = “stationary”)
adf_enf

Değişken durağan değilse logaritması alınıp birinci farkı alınır.

ln_enf <- log(data$TP.FG.J0)
dln_enf <- diff(ln_enf)

Birinci fark için tekrar ADF testi uygulanır.

adf_dl_enf <- adf.test(dln_enf, alternative = “stationary”)
adf_dl_enf

Sample Page

Aylık, yıllık ya da çeyreklik datayı çekmek için freq’ten uygun olanı seçeriz.