İktisadi Analizde Veri ve Ölçüm Sorunu: Güvenilirlik, Manipülasyon ve Ekonometrik Çıkarım

Ekonomi büyürken neden geçim zorlaşıyor? İşsizlik düşerken neden iş bulmak kolaylaşmıyor? Ücret artarken neden satın alabildiklerimiz azalıyor?

Giriş

Arthur Conan Doyle’un Sherlock Holmes’a söylettiği ünlü söz, ampirik araştırmanın en yalın savunmalarından biridir: “Veri, veri lazım! … Kil olmadan tuğla yapamam.”^[1] (Doyle, 1892/2016, s. 284). Holmes için veri kildir; veri olmadan çıkarımın tuğlalarını örmek mümkün değildir. İktisat için de durum farklı değildir. Enflasyonun yükselip yükselmediğini, işsizliğin azalıp azalmadığını, reel ücretlerin gerileyip gerilemediğini veya uygulanan bir politikanın sonuçlarını veri olmadan tartışmak, sınanabilir bilimsel önermelerden çok kanaat üretmek anlamına gelir.

Fakat Holmes’un haklılığı bizi başka bir tehlikeye sürüklememelidir: veriyi gerçekliğin kendisi sanmak. Ölçülebilir olanı gerçek olanla özdeşleştiren güçlü pozitivist eğilim, sosyal bilimlerde özellikle iktisat için ciddi bir metodolojik sorun yaratabilir. Çünkü ekonomik veriler doğada keşfedilmeyi bekleyen nesneler değildir. “Enflasyon”, “işsizlik”, “reel ücret”, “yoksulluk” veya “milli gelir” önce kavramsallaştırılır, ardından belirli tanımlar ve yöntemler aracılığıyla ölçülebilir hâle getirilir ve ancak bundan sonra rakama dönüşür. Dolayısıyla elimizdeki veri, ekonomik gerçekliğin kendisi değil, o gerçekliğin belirli kurumsal ve metodolojik tercihler aracılığıyla oluşturulmuş temsilidir.

Holmes’un veriye duyulan ihtiyacı vurgulayan sözünün karşısına, istatistiklerin güvenilirliğine ilişkin kuşkuyu dile getiren ve Winston Churchill’e yaygın biçimde atfedilen, ancak kaynağı doğrulanamamış şu söz konulabilir: ‘Yalnızca kendi çarpıttığım istatistiklere inanırım. “Yalnızca kendi çarpıttığım istatistiklere inanırım.”^[2] Sözün Churchill’e ait olduğuna dair güvenilir kanıt bulunmaması ironiyi daha da anlamlı hâle getirir: istatistiklere ilişkin bir sözün kendisinin bile güvenilirliği sorgulanabilmektedir. Bu nedenle söz burada Churchill’in doğrulanmış bir ifadesi olarak değil, istatistiklerin üretim ve kullanım süreçlerine ilişkin yerleşik bir kuşkuyu temsil eden, aidiyeti doğrulanmamış bir deyiş olarak kullanılmaktadır.

Bu iki uç arasında iktisat için daha savunulabilir bir konum bulunmaktadır. Veri vazgeçilmezdir, fakat veri her şey değildir. Asıl mesele yalnızca daha çok veri toplamak değil; neyi ölçtüğümüzü, nasıl ölçtüğümüzü ve elde ettiğimiz ölçümün açıklamak istediğimiz ekonomik gerçekliği ne ölçüde temsil ettiğini sorgulamaktır. Çünkü ekonomik gerçekliği anlamaya yönelik analiz, önce kavramların tanımlanmasıyla başlar; bu kavramları temsil eden göstergelerin seçilmesi ve ölçülmesiyle veriler üretilir, bu veriler ekonometrik modellerde kullanılarak ampirik sonuçlara ulaşılır ve bu sonuçlardan politika önerileri geliştirilir. Dolayısıyla ölçümdeki sorunlar bütün bu süreci etkiler; zincirin başlangıcındaki sorun, en gelişmiş ekonometrik tekniklerle bile tam anlamıyla ortadan kaldırılamaz.

Veriye karşı değil, veri fetişizmine karşı

Verinin önemini vurgulamak, pozitivizmin bütün epistemolojik öncüllerini kabul etmeyi gerektirmez. Ampirik gözlem, teorilerin sınanabilmesi ve ekonomik iddiaların keyfî kanaatlerden ayrılabilmesi açısından vazgeçilmezdir. Ancak ampirik olanla ölçülebilir olanı, ölçülebilir olanla da gerçek olanı özdeşleştirmek farklı bir iddiadır.

Eleştirel gerçekçiliğin bu noktadaki katkısı önemlidir. Bhaskar’ın (1975) ve sosyal bilimlerde Sayer’in (1992) geliştirdiği yaklaşım, gözlenen olaylarla bu olayları üreten yapısal mekanizmalar arasında ayrım yapar. Gözlemlediğimiz veri, gerçekliğin tamamı değil, daha derindeki mekanizmaların belirli koşullar altında ortaya çıkan görünümüdür. Bu nedenle açıklama, yalnızca “ne oldu?” sorusuna değil, “bunu hangi mekanizmalar üretti?” sorusuna da cevap vermelidir (Fleetwood, 2005).

İktisatta bunun açık örnekleri vardır. GSYH artabilir fakat hanelerin çoğunluğunun refahı artmayabilir. İşsizlik oranı düşebilir fakat atıl işgücü yükselebilir. Ortalama reel ücret artarken medyan çalışanın satın alma gücü düşebilir. Tüketici fiyat endeksi belirli bir oranda yükselirken düşük gelirli hanelerin karşılaştığı yaşam maliyeti çok daha hızlı artabilir. Burada rakamların mutlaka yanlış olması gerekmez. Sorun, göstergenin ekonomik kavramın yalnızca belirli bir boyutunu temsil etmesidir.

Bu nedenle ilk soru “veri var mı?” değil, “neyi ölçüyoruz?” olmalıdır.

Neyi ölçüyoruz?

İşsizlik iyi bir örnektir. İstatistiksel anlamda “işsiz” olmak, gündelik dilde çalışmıyor olmakla aynı değildir. İşgücüne dahil olma, belirli bir referans döneminde iş arama, çalışmaya hazır olma gibi ölçütler kullanılır. Çalışmak isteyen fakat uzun süredir iş bulamayacağına inandığı için aktif olarak iş aramayan biri, dar tanımlı işsizlik göstergesinde işsiz sayılmayabilir. Bu ölçüm teknik olarak yanlış değildir; fakat “ekonomide kullanılmayan emek kapasitesi ne kadardır?” sorusuna tek başına yeterli cevap vermez.

Türkiye bu bakımdan öğreticidir. TÜİK Mart 2024 için dar tanımlı işsizlik oranını yüzde 8,6, atıl işgücü oranını ise yüzde 24,1 olarak açıklamıştır. 2025 yılına ilişkin yıllık verilerde atıl işgücü oranı yüzde 29,7’ye kadar yükselmiştir (TÜİK, 2024b, 2026). Aynı kurum tarafından üretilen iki gösterge, birbirine zıt değil, farklı soruların cevaplarıdır. Sorun, siyasal veya kamusal tartışmada bunlardan yalnızca birinin “işsizliğin gerçek göstergesi” gibi sunulması halinde başlar. Burada veri hatasından çok gösterge seçimi problemi vardır.

Enflasyonda sorun daha karmaşıktır. “Fiyatlar ne kadar arttı?” sorusu görünüşte son derece basittir. Fakat hangi fiyatların, hangi tüketim sepetinin, hangi ağırlıklarla, hangi bölgelerden, hangi satış noktalarından ve hangi kalite düzeltmeleriyle ölçüldüğü sonucu etkiler. Ortalama bir tüketici sepeti, hiç kimsenin gerçek tüketim sepeti olmayabilir. Düşük gelirli haneler gelirlerinin daha büyük bölümünü gıda, kira ve enerjiye ayırıyorsa, bu kalemlerdeki hızlı fiyat artışları onların yaşadığı enflasyonu ortalama endeksten uzaklaştırabilir.

Türkiye’de TÜİK’in Aralık 2023 için açıkladığı yıllık TÜFE artışı yüzde 64,77 iken ENAG aynı dönem için yüzde 127,21 açıklamıştır. 5 Ekim 2026’da açıklanan Eylül 2026 verilerinde yıllık enflasyon TÜİK’e göre yüzde 29,73, ENAG’a göre yüzde 46,61 olmuştur. Enflasyon oranları gerilemiş olsa da iki kurumun ölçümleri arasındaki belirgin ayrışma sürmektedir (TÜİK, 2024a, 2026; ENAG, 2024, 2026). Bu farkın varlığı, ENAG’ın zorunlu olarak “doğru”, TÜİK’in de zorunlu olarak “yanlış” olduğu anlamına gelmez. Fakat iki seri arasındaki kalıcı ve büyük ayrışma, resmî ölçüm sistemine ilişkin kamusal güven sorununun önemli bir göstergesidir. Alternatif endekslerin yükselişini bu nedenle resmî verinin yerine geçen yeni bir “hakikat” olarak değil, resmî ölçümün doğrulanmasına yönelik toplumsal talebin bir belirtisi olarak görmek daha uygundur.

Nasıl ölçüyoruz?

“Neyi ölçüyoruz?” sorusundan sonra ikinci temel soru gelir: Nasıl ölçüyoruz?

Veri üretimi bir dizi tercihten oluşur. Örneklem seçilir, sınıflandırmalar belirlenir, eksik gözlemler için yöntemler geliştirilir, ağırlıklar hesaplanır, mevsimsel düzeltmeler uygulanır, baz yılları değiştirilir ve seriler revize edilir. Bu işlemler kendi başlarına manipülasyon değildir. Tam tersine modern istatistik üretiminin kaçınılmaz parçalarıdır.

Fakat tam da bu nedenle yöntemsel şeffaflık hayati önem taşır. Birleşmiş Milletler’in Resmî İstatistiklerin Temel İlkeleri, istatistik kurumlarının yöntem ve prosedürlerini mesleki ölçütlerle belirlemesi gerektiğini vurgular. Avrupa İstatistikleri Uygulama Esasları da profesyonel bağımsızlığı, sağlam metodolojiyi, doğruluk ve güvenilirliği, tutarlılığı ve erişilebilirliği aynı kalite rejiminin bileşenleri olarak tanımlar (United Nations Statistical Commission, 2014; Eurostat, 2017).

Dolayısıyla “veri üretilir” demek “veri keyfîdir” demek değildir. Tam tersine, veri üretildiği için üretim sürecinin şeffaf, yeniden izlenebilir ve mümkün olduğu ölçüde sınanabilir olması gerekir.

Bu ayrım, ölçüm hatası ile manipülasyonu birbirine karıştırmamak açısından da önemlidir. Her sorunlu rakam manipüle edilmiş rakam değildir. En az üç düzeyi birbirinden ayırmak gerekir: ölçüm hatası, sistematik ölçüm yanlılığı ve bilinçli manipülasyon.

Aragao ve Linsi’nin (2022) Arjantin, Brezilya ve Yunanistan örneklerinden hareketle geliştirdikleri tipoloji, siyasal müdahalenin de tek biçimli olmadığını gösterir. Doğrudan yanlış rakam yayımlamaktan yöntemsel esnekliğin siyasal amaçlarla kullanılmasına ve göstergenin girdi kaynaklarına müdahaleye kadar uzanan farklı “yanlışlık tonları” vardır. Bu nedenle akademik analiz, kanıtlanmamış her yöntem tartışmasını manipülasyon olarak nitelendirmekten kaçınmalıdır.

Arjantin burada önemli bir uç vakadır. INDEC’in enflasyon ve milli gelir istatistiklerine ilişkin sorunlar sonunda IMF düzeyinde resmî yaptırıma uğramış; IMF 2013’te ülkeyi kınamış, 2016’da istatistik sisteminde yapılan iyileştirmeler sonrasında bu kararı kaldırmıştır (IMF, 2016). Türkiye açısından Arjantin’in önemi, doğrudan özdeşlik kurmak değil; ölçüm tartışması, güven kaybı ve açık manipülasyon arasında analitik ayrım yapmamızı sağlamasıdır.

Kara kedi ve ekonometrinin sınırı

Ölçüm sorununun belki de en ciddi sonucu, hatalı veya yetersiz ölçülmüş verilerin ekonometrik analize girdiği noktada ortaya çıkar.

Peter Kennedy, A Guide to Econometrics’te ekonomistleri “karanlık bir odada var olmayan kara kediyi arayan” kişiler olarak betimleyen yerleşik ironiyi aktarır; ekonometrisyenlerin ise o kediyi bulmakla suçlandığını ekler (Kennedy, 1992, s. 82). Gujarati (2020) model spesifikasyonu tartışmasına tam bu sözle başlar.

Aynı metaforun Adrian Pagan’a atfedilen ve Maddala (1999) tarafından aktarılan daha keskin biçiminde ekonometrisyen, karanlık odada aslında bulunmayan kediyi arar ve sonunda onu bulduğunu ilan eder. Bu ironi ekonometrinin gereksiz olduğunu söylemez. Tam tersine, ekonometrik sofistikasyonun kendiliğinden epistemolojik güvence sağlamadığını hatırlatır.

Bu metaforu verilerin ya da ekonometrik analizin bütünüyle reddi olarak okumamak gerekir. Veriler ekonomik gerçekliği anlamak için vazgeçilmezdir; ancak kullanılan tanımların, ölçüm yöntemlerinin ve veri üretim süreçlerinin izlerini taşır. Ekonometrik yöntemler de uygun koşullarda ölçüm hatalarını azaltmaya ve ekonomik ilişkileri açıklamaya önemli katkılar sağlar. Buradaki uyarı, veriye ve yönteme duyulan güvenin sorgusuz bir kabule dönüşmesine ilişkindir. ‘Olmayan kediyi bulmak’, verinin üretiminden modelin kurulmasına kadar uzanan süreçteki sorunların, gerçekte bulunmayan bir ilişkiyi varmış gibi gösterebilmesi riskini anlatır. Bu nedenle hem verinin açıklamak istediğimiz olguyu ne ölçüde temsil ettiğini hem de modelden elde edilen sonuçların hangi varsayımlara bağlı olduğunu dikkatle sorgulamak gerekir.

Klasik ölçüm hatası teorisi bunun en basit örneğidir. Araştırmacının açıklayıcı değişkenin gerçek değerini (x) olarak değil, ölçüm hatası içeren gözlenmiş değerini (x^*) kullandığını düşünelim. Bu durumda gözlenen değişken,

\[ x^{*} = x + u \]

Burada:

\( x \) : değişkenin gerçek değeri,

\( x^{*} \) : veri setinde gözlediğimiz değer,

\( u \) : ölçüm hatasıdır.

Örneğin gerçek gelir 50.000 TL iken ankette 45.000 TL bildiriliyorsa, araştırmacı gerçekte \( x \) ’i değil, hata içeren \( x^{*} \) ’ı kullanmaktadır.

Burada (u), gerçek değer ile gözlenen değer arasındaki ölçüm hatasını göstermektedir. Eğer bu hata klasik ölçüm hatası varsayımlarını sağlıyorsa, açıklayıcı değişkenin katsayısı çoğu durumda sıfıra doğru yanlı tahmin edilir; başka bir ifadeyle değişkenler arasındaki gerçek ilişki olduğundan daha zayıf görünür. Ancak gerçek ekonomik verilerde ölçüm hataları her zaman bu kadar iyi huylu değildir. Ölçüm hatası gelir düzeyi, kayıt dışılık, siyasal koşullar veya başka açıklayıcı değişkenlerle sistematik biçimde ilişkiliyse, yanlılığın yönü ve büyüklüğü öngörülemez hale gelir.

Dolayısıyla olmayan ilişkilerin “bulunması” çoğu zaman ekonometrinin matematiğinden değil, ölçüm–model–çıkarım zincirinin birlikte bozulmasından kaynaklanır. Ekonometrik tekniklerin karmaşıklığı arttıkça, modelin ‘yanlış kediyi mi?’ veya ‘var olmayan kediyi mi bulduğu’ yoksa ‘ölçüm hatasının yarattığı hayaleti mi modellediği’ sorusu silikleşmektedir.

Bu nedenle şu önerme önemlidir:

Ekonometrinin sofistikasyonu, verinin epistemik kusurlarını ortadan kaldırmaz; bazı durumlarda bu kusurlara sahte bir kesinlik kazandırabilir.

Reel ücret örneği: iki ölçümün bölümü

Türkiye açısından reel ücretler bu sorunu özellikle açık biçimde gösterir. Reel ücret doğrudan gözlenen bir değişken değildir. Basit biçimiyle reel ücret,

\[ w_{r} = \frac{w_{n}}{P} \] şeklinde ifade edilir.

Burada \( w_{r}\ \) reel ücreti, \( w_{n}\ \) nominal ücreti ve \( P\ \) ise fiyat düzeyini göstermektedir. Dolayısıyla reel ücret, doğrudan gözlenen bir değişken değil; nominal ücret ile fiyat düzeyine ilişkin iki ayrı ölçümün bir araya getirilmesiyle elde edilen türetilmiş bir göstergedir.

Burada hemen iki soru ortaya çıkar. Birincisi hangi ücret? Ortalama ücret mi, medyan ücret mi, asgari ücret mi, belirli bir sektörün ücreti mi? İkincisi hangi fiyat endeksi? Genel TÜFE mi, ücretlilerin tüketim kalıbını daha iyi temsil eden bir endeks mi, düşük gelirli hanelerin karşılaştığı yaşam maliyeti mi?

Nominal ücret yüzde 50 artarken genel TÜFE yüzde 40 yükselirse reel ücretin arttığı sonucuna varılabilir. Fakat düşük ücretli çalışanın tüketiminde yüksek ağırlığa sahip kira, gıda ve enerji fiyatları yüzde 60–70 artmışsa, o çalışanın fiilî satın alma gücü gerilemiş olabilir. Burada hesaplama yanlış değildir; ölçülen reel ücret ile açıklanmak istenen yaşam standardı aynı şey değildir.

Bu örnek, ölçüm probleminin niçin yalnızca istatistik kurumlarının değil, veriyi kullanan iktisatçıların da sorumluluğunda olduğunu gösterir.

Ne yapılabilir?

İlk olarak, ekonomik kavram ile kullanılan gösterge açık biçimde ayrılmalıdır. Araştırmacı “işsizlik”, “refah”, “reel ücret” veya “yoksulluk” yazdığında, aslında hangi operasyonel göstergeyi kullandığını ve bu göstergenin neyi dışarıda bıraktığını belirtmelidir.

İkinci olarak, mümkün olduğunda tek gösterge yerine gösterge ailesi kullanılmalıdır. İşgücü piyasası yalnızca dar işsizlikle değil; atıl işgücü, işgücüne katılım ve eksik istihdamla birlikte değerlendirilmelidir. Reel gelir analizi ortalama ücretin yanında medyan ücret ve farklı fiyat endekslerine duyarlılık analizlerini içerebilir.

Üçüncü olarak, ekonometrik çalışmalar ölçüm belirsizliğini sağlamlık analizlerinin parçası haline getirmelidir. Alternatif tanımlar, farklı deflatörler, alternatif veri kaynakları ve ölçüm hatasına duyarlı tahmin yöntemleri sonuçların ne kadar kırılgan olduğunu gösterebilir.

Dördüncü olarak, resmî istatistik kurumlarının profesyonel bağımsızlığı ve metodolojik şeffaflığı güçlendirilmelidir. Holt’un (2008) vurguladığı gibi, resmî istatistiklere duyulan güven demokratik düzenin tali değil merkezî bileşenlerinden biridir. Ancak bağımsızlık tek başına yeterli değildir; yöntem, revizyon ve mikro veri erişimi de mümkün olduğunca açık olmalıdır.

Son olarak, alternatif veri kaynakları düşman olarak görülmemelidir. Sağlıklı bir sistemde alternatif veri resmî istatistiği ikame etmez; onu sınar, tamamlar ve kör noktalarını gösterir. Resmî veri ancak karşılaştırmaya açık olduğunda daha güçlü hale gelir.

Sonuç

Sherlock Holmes haklıydı, kil olmadan tuğla yapılamaz. İktisat da veri olmadan ilerleyemez. Fakat, kilin varlığı sağlam bir bina için yeterli değildir. Hangi malzemeyi kullandığımızı, onun niteliğini ve hangi mimari içinde bir araya getirildiğini bilmek gerekir.

İktisadi araştırmada asıl mesele “veri mi teori mi?” ikiliği değildir. Veri teoriden, ölçüm de kavramdan bağımsız değildir. Bir ekonomik olguyu ölçmeden önce onu tanımlarız, sınırlarını belirleriz ve hangi göstergenin onu temsil edeceğine karar veririz. Dolayısıyla iyi ampirik iktisat, çok veri kullanan iktisat değil; kullandığı verinin neyi temsil ettiğini ve neyi temsil etmediğini bilen iktisattır.

Türkiye’de enflasyon, işsizlik ve reel ücret tartışmaları bu sorunun yalnızca akademik olmadığını gösterir. Ölçüm tercihleri ücretleri, gelir dağılımını, para politikasını ve kamusal güveni doğrudan etkileyebilir. Arjantin örneği ise ölçüm sorununun açık manipülasyona dönüştüğü durumda maliyetlerin ne kadar büyüyebileceğini göstermektedir.

Bu nedenle veriye kuşkuyla yaklaşmak, veriyi reddetmek değildir. Tersine, veriyi ciddiye almanın gereğidir. Çünkü ölçmediğimizi kontrol etmemiz güçtür, fakat yanlış ölçtüğümüzü kontrol ettiğimizi sanmak daha büyük bir yanılsamadır.

Belki de ekonometrinin kara kedisi tam burada saklıdır: mesele onu daha güçlü bir projektörle aramak değil, önce odada gerçekten bir kedi olup olmadığını sormaktır.

Kaynakça

Aragao, R., & Linsi, L. (2022). Many shades of wrong: What governments do when they manipulate statistics. Review of International Political Economy, 29, 88–113.

Bhaskar, R. (1975). A realist theory of science. Leeds Books.

Doyle, A. C. (2016). Sherlock Holmes’un maceraları (M. C. Uğur, Çev.; 4. basım). Cem Yayınevi. (Özgün eser 1892’de yayımlanmıştır).

Enflasyon Araştırma Grubu (ENAG). (2024, 3 Ocak). E-TÜFE, Aralık 2023.

Enflasyon Araştırma Grubu (ENAG). (2026, 5 Ekim). E-TÜFE, Eylül 2026.

Eurostat. (2017). European statistics code of practice. European Commission.

Fleetwood, S. (2005). Ontology in organization and management studies: A critical realist perspective. Organization, 12(2), 197–222.

Gujarati, D. N. ve Porter, D. C. (2020). Temel Ekonometri (G. G. Şenesen ve Ü. Şenesen, Çev.). Literatür Yayıncılık. (Özgün eser basım tarihi 2018)

Holt, D. T. (2008). Official statistics, public policy and public trust. Journal of the Royal Statistical Society: Series A (Statistics in Society), 171(2), 323–346.

IMF. (2016). IMF Executive Board removes declaration of censure on Argentina. International Monetary Fund.

Kennedy, P. E. (1992). A guide to econometrics (3rd ed.). MIT Press.

Maddala, G. S. (1999). On the use of panel data methods with cross-country data. Annales d’Économie et de Statistique, 55–56, 429–448.

Sayer, A. (1992). Method in social science: A realist approach (2nd ed.). Routledge.

TÜİK. (2024a). Tüketici fiyat endeksi, Aralık 2023. Türkiye İstatistik Kurumu.

TÜİK. (2024b). İşgücü istatistikleri, Mart 2024. Türkiye İstatistik Kurumu.

TÜİK. (2026). İşgücü istatistikleri, 2025. Türkiye İstatistik Kurumu.

United Nations Statistical Commission. (2014). Fundamental principles of official statistics. United Nations.

TÜİK. (2026). Tüketici fiyat endeksi, Ekim 2026. Türkiye İstatistik Kurumu.

1. Özgün ifade: “Data! Data! Data! … I can’t make bricks without clay.” Türkçe alıntıda Mehmet Can Uğur’un çevirisi esas alınmıştır. ↑
2. Özgün ifade: “I only believe in statistics that I doctored myself.” ↑