# Güneş Işığı, Tüketici Güveni ve Perakende Hacmi

**Erkam Sait Aygün · Sabancı Üniversitesi · DSA210**
**Dönem:** 2015–2024 · Almanya, İspanya, Türkiye ve Birleşik Krallık
**Proje:** https://dsa210.erkamaygun.com/

## Öz

Bu çalışma aylık güneşlenme süresi ile tüketici güveni ve perakende hacmi arasındaki ilişkiyi inceler. Dört ülkeden 480 ülke-ay gözlemi kullanılmıştır. Resmi OECD tüketici güveni serisi, nüfus ağırlıklı şehir hava verileri ve makroekonomik kontrollerle birleştirilmiştir. Modeller 2019–2024 yıllarında altı genişleyen eğitim penceresiyle değerlendirilmiştir. Ülke bazında mevsim ve trend kontrollü regresyonlar, HAC(12) belirsizlik aralıkları ve 12 test için Benjamini–Hochberg düzeltmesi kullanılmıştır. Hiçbir düzeltilmiş q-değeri 0,05'in altında değildir. Önceki ayın gözlenen değeri, tüketici güveninde güçlü bir referans oluşturur. Bulgular nedensel bir hava etkisi veya gerçek zamanlı tahmin üstünlüğü kanıtlamaz.

## 1. Kişisel motivasyon ve araştırma sorusu

Bu proje kişisel bir merakla başladı. Veri bilimi öğrenirken psikoloji ve karar ekonomisine, ruh hâlimizin ve çevremizin gündelik seçimlerimizle nasıl ilişkilendiğine ilgi duyuyorum. Bu merakı yalnız sezgi düzeyinde bırakmayıp veride incelemek istedim: güneşlenme, sıcaklık ve makroekonomik koşullar tüketici güveni ve harcama davranışıyla ölçülebilir bir ilişki taşıyor mu?

Tüketici güveni ekonomik algıya, perakende hacmi ise harcama davranışına ilişkin iki farklı pencere sunar. Ülke düzeyindeki bu göstergeler bireylerin ruh hâlini doğrudan ölçmez.

## 2. Veri

Panel her ülkede 120 ay olmak üzere 480 gözlem içerir. OECD tüketici güveni endeksi bütün gözlemlerde mevcuttur: MEASURE=CCICP, ADJUSTMENT=AA, TRANSFORMATION=IX, UNIT_MEASURE=IX; veri kümesi sürümü 4.1. Resmi seri 31 Ekim 2026'da alınmıştır; uzun dönem ortalaması 100 olan genlik ayarlı endekstir.

Perakende hacmi Almanya, İspanya ve Türkiye'de toplam 360 gözlemde bulunur. Birleşik Krallık perakende modeli dışında tutulur; eksik hedefler doldurulmaz. Birleşik Krallık işsizliği 69, enflasyonu 71 ayda gözlenir. Hava ölçümü ülke başına beş seçili şehrin sabit nüfus ağırlıklı aylık değerlerinden oluşur. Başkent ölçümü coğrafi duyarlılık analizi için kullanılır.

## 3. Yöntem

Her test yılı için eğitim önceki yılın Kasım ayı sonunda biter; Aralık ayı bir aylık boşluktur. Ocak–Aralık test dönemi bütün ülkelerde ortaktır. İmputasyon, eksiklik göstergeleri, ölçekleme, ülke kodlama ve iki bileşenli hava PCA dönüşümü yalnız eğitim verisinde öğrenilir.

Ülke ortalaması ve önceki ayın gözlenen hedefi temel modellerdir. Hava, makro ve birleşik özellikli Random Forest modelleri aynı test gözlemlerinde karşılaştırılır. Gecikmeli hedef içeren bir orman ve PCA-Ridge modeli de değerlendirilir. Random Forest 160 ağaç, azami derinlik 6, asgari yaprak 5; Ridge alpha=10 ve tohum=42 kullanır. Sonuçlara göre hiperparametre seçimi yapılmaz.

Ülke bazında güneşlenme regresyonları ay etkileri ve doğrusal trend içerir. HAC kovaryansında 12 gecikme ve küçük örneklem düzeltmesi kullanılır. Dört ülke ve üç belirtimden oluşan 12 testin tamamına BH düzeltmesi uygulanır. Güven aralıkları noktasal %95 aralıklardır.

## 4. Bulgular

### Model karşılaştırması

| Hedef | Model | N | RMSE | MAE | R² |
| --- | --- | ---: | ---: | ---: | ---: |
| CCI | Country mean | 288 | 2.9442 | 2.2729 | -0.8863 |
| CCI | Persistence | 288 | 0.4923 | 0.3505 | 0.9473 |
| CCI | RF combined | 288 | 2.9146 | 2.3005 | -0.8485 |
| CCI | RF combined + lag | 288 | 1.0204 | 0.6952 | 0.7734 |
| CCI | RF macro | 288 | 2.9308 | 2.3169 | -0.8691 |
| CCI | RF weather | 288 | 2.9420 | 2.2490 | -0.8835 |
| CCI | Ridge + weather PCA | 288 | 2.9985 | 2.2854 | -0.9565 |
| retail_index | Country mean | 216 | 22.1882 | 13.2932 | -0.5163 |
| retail_index | Persistence | 216 | 3.5918 | 2.2134 | 0.9603 |
| retail_index | RF combined | 216 | 13.7238 | 9.1387 | 0.4199 |
| retail_index | RF combined + lag | 216 | 10.3756 | 5.6927 | 0.6684 |
| retail_index | RF macro | 216 | 13.7238 | 9.0679 | 0.4199 |
| retail_index | RF weather | 216 | 22.1804 | 13.2015 | -0.5152 |
| retail_index | Ridge + weather PCA | 216 | 16.0419 | 10.2966 | 0.2074 |

Tüketici güveninde önceki ay referansı güçlüdür. Perakendede makro ve birleşik modellerin benzer başarımı, birleşik modelin başarısının hava koşullarına atfedilemeyeceğini gösterir.

### Güneşlenme ve tüketici güveni

| Ülke | Belirtim | CCI puanı / 100 saat | %95 HAC aralığı | HAC p | BH q |
| --- | --- | ---: | --- | ---: | ---: |
| Germany | Weighted cities | -0.7503 | [-1.7230, 0.2224] | 0.1306 | 0.3134 |
| Germany | Capital city | -0.4454 | [-1.3017, 0.4108] | 0.3079 | 0.4561 |
| Germany | First differences | -0.0402 | [-0.0997, 0.0193] | 0.1856 | 0.3712 |
| Spain | Weighted cities | 0.6546 | [-0.6959, 2.0050] | 0.3421 | 0.4561 |
| Spain | Capital city | 0.9478 | [-0.1427, 2.0383] | 0.0885 | 0.3134 |
| Spain | First differences | 0.2374 | [-0.0233, 0.4981] | 0.0744 | 0.3134 |
| Turkey | Weighted cities | -0.1205 | [-2.4105, 2.1694] | 0.9178 | 0.9178 |
| Turkey | Capital city | 0.8731 | [-0.7291, 2.4754] | 0.2855 | 0.4561 |
| Turkey | First differences | -0.0821 | [-0.4719, 0.3078] | 0.6799 | 0.7853 |
| UK | Weighted cities | -1.4942 | [-3.3493, 0.3610] | 0.1144 | 0.3134 |
| UK | Capital city | -1.5694 | [-3.4541, 0.3153] | 0.1027 | 0.3134 |
| UK | First differences | -0.0238 | [-0.1536, 0.1061] | 0.7198 | 0.7853 |

Hiçbir q-değeri 0,05'in altına inmez. Bu, etkinin kesinlikle sıfır olduğu anlamına gelmez; bu örneklem ve tasarımda ortak, kararlı bir ilişki için güçlü kanıt bulunmadığını gösterir.

### Sonraki ayın yönü

284 test gözleminde ROC AUC=0.5706, doğruluk=%52.11; eğitim-oranı referansının doğruluğu=%46.13. Tanımsız dört son ay etiketi dışarıda bırakılmıştır. Bu değerler operasyonel tahmin yararı veya istatistiksel üstünlük kanıtı değildir.

## 5. Sınırlılıklar

Dört ülke ve on yıllık dönem genellenebilirliği sınırlar. Şehir ortalamaları bireysel maruziyeti ölçmez; sabit nüfus ağırlıklarının referans yılı mevcut değildir. Hava, perakende ve makro serileri sürümlenmiş anlık görüntülerdir; ham Eurostat yanıtları ve kesin indirme zamanları mevcut değildir. Ekonomik seriler geçmişe dönük güncellenebilir. Aynı aya ait açıklayıcı değişkenler uygulamadaki tahmin anında erişilebilir olmayabilir. Sonuçlar geçmiş veriye dayalı açıklayıcı değerlendirmelerdir. HAC ve çoklu test düzeltmesi bütün atlanmış değişkenleri, yapısal kırılmaları veya nedensellik sorunlarını çözmez.

## 6. Sonuç

Çalışma, çevre ve ekonomik davranış hakkındaki kişisel bir soruyu ülke düzeyindeki verilerle inceler. Bulgular güçlü bir nedensel güneş–güven iddiasını desteklemez. Basit referans modelleri, zaman sıralı değerlendirme ve veri kapsamının dikkate alınması yorum açısından belirleyicidir. Gelecek çalışmalar birey/şehir düzeyinde maruziyet, daha geniş örneklemler ve gerçek zamanlı veri sürümleriyle araştırmayı geliştirebilir.

## Kaynaklar

- [OECD consumer confidence: definition](https://www.oecd.org/en/data/indicators/consumer-confidence-index-cci.html)
- [Official CCI data query (4.1, CCICP, AA, IX)](https://sdmx.oecd.org/public/rest/data/OECD.SDD.STES,DSD_STES@DF_CLI,4.1/DEU+ESP+TUR+GBR.M.CCICP......?startPeriod=2015-01&endPeriod=2024-12&dimensionAtObservation=AllDimensions)
- [Open-Meteo historical weather documentation](https://open-meteo.com/en/docs/historical-weather-api)
- [Eurostat retail volume definition](https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Retail_trade_volume_index_overview)
- [scikit-learn: avoiding data leakage](https://scikit-learn.org/stable/common_pitfalls.html)
- [Calendar/time-series cross-validation](https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html)
- [statsmodels: HAC covariance](https://www.statsmodels.org/stable/generated/statsmodels.regression.linear_model.RegressionResults.get_robustcov_results.html)
- [False-discovery-rate adjustment](https://www.statsmodels.org/stable/generated/statsmodels.stats.multitest.multipletests.html)