119 research outputs found
The position of Cumhuriyet University to Sivas economy
No full textSosyal Bilimler Enstitüsü, İktisat Ana Bilim DalıÜniversiteler; toplumun ekonomik ve sosyal alt yapısını oluşturan, eğitim, öğretim, kültür ve bilimsel düşünce merkezleri olarak, ulusal düzeyde çok yönlü fonksiyonlar üstlenmiş kurumlardır. Üniversitelerin amaçları arasında bilginin üretilmesi, korunması, aktarımı ve bölüşümü vardır. Üniversitelerde eğitim ve öğrenimin amacı; evrensel değerlere sahip, sorgulayan, akılcı ve bilimsel düşünen, üreten, sorumlu ve etik değerleri geliştiren ve koruyan bilgi çağı insanını yetiştirmektir.Çok partili hayata geçilmesiyle birlikte yükseköğretimin ülke genelinde dengeli dağıtılması önemli ilkelerden biri olarak kabul edilmiştir ve bu doğrultuda 1990'lı yıllar itibariyle üniversitelerin bulundukları yörelere sosyo-ekonomik katkıları incelenmeye ve araştırılmaya başlanmıştır. Çalışmanın amacı, Cumhuriyet Üniversitesi öğrencilerinin sosyo-ekonomik özelliklerini belirlemek, günlük yaşam alışkanlıklarını, belirli alanlarda tutumlarını ve çeşitli harcama kalemlerine göre harcadıkları miktarları tespit ederek Cumhuriyet Üniversitesi öğrencilerinin Sivas ili ekonomisine katkısını saptamaktır. Cumhuriyet Üniversitesi merkez kampüste öğrenim gören öğrencilere kapalı ve açık uçlu soru sorma tekniğinden yararlanarak anket çalışması uygulanmıştır. Anket formları vasıtasıyla toplanan veriler SPSS.21 paket programı ile analiz edilmiştir. Demografik bilgilerin yanı sıra önemli görülen değişkenler arasında t-testi analizi uygulanmış ve yorumlanmıştır. Anket sonucunda, Cumhuriyet Üniversitesi öğrencilerinin ve Cumhuriyet Üniversitesi'nin, Sivas ili ekonomisine katkısı miktar olarak hesaplanmıştır. Anahtar Kelimeler: Cumhuriyet Üniversitesi, Sivas Ekonomisi, Sosyo-Ekonomik Gelişme, DemografiUniversities; as forming social and economical background of society and being the centre of education, culture and scientific thought, are the institutions that undertake multi directional functions in national level. Generation, protection, transfer and apportionment of knowledge are between the goals of universities. The aim of education in universities are to grow up the man of knowledge era that has universal values, questions, thinks rationally and scholarly, produces, is responsible, develops and protects ethical values.With transition to a multi-party system, it was accepted as an important principle to allocate the higher education in a balanced manner across the country and accordingly, from 1990 it was started to research and explore the socio-economic contributions of universities according to their regions. The purpose of the study is to determine the socio-economic level of the students of Cumhuriyet University and to state their contributions to Sivas' economy by arranging their daily life activities, their attitudes to special fields, and their spending amount to different expense items. A questionnaire has been conducted to students who study in central campus of Cumhuriyet University with the help of open-ended questions and close ended questions. Data, collected with the help of questionnaires, has been analyzed with the programme SPSS.21. Beside, demographic information, between variables that is seen crucial, chi-square analysis has been applied and examined. As a result of questionnaire, the contributions of students of Cumhuriyet University and Cumhuriyet University to Sivas' economy has been estimated. Keywords: Cumhuriyet University, Sivas' Economy, Socio-economic development, Demograph
Bootstrap estimation in quantile regression analysis
No full textSosyal Bilimler Enstitüsü, Ekonometri Ana Bilim DalıRegresyon analizi, istatistiksel ve ekonometrik tahmin modellerinde sıklıkla kullanılan tahmin yöntemlerinden biridir. Regresyon analizinde yardımcı analiz yöntemlerden biri de kantil regresyon yöntemidir. Kantil regresyon yönteminde herhangi bir dağılım varsayımı gerekmemektedir ve çeşitli kantillere bağlı olarak parametre katsayılarını tahmin ettiği için aşırı değerlerin bulunduğu veri setlerinde geleneksel yöntemlere göre daha iyi tahminler vermektedir. Ayrıca kantil regresyon değişen varyansın belirlenmesine imkân sağlamaktadır. Doğrusal regresyon analizinde ise veri yapısının model için uygun olması gibi şartlar vardır. Bunlardan biri veri yapısındaki aşırı değerlere karşı iyi sonuçlar vermemesidir. Bu çalışmada; Doğrusal regresyon ve Kantil regresyon yöntemleri tanıtılmış ve aralarındaki farklar belirtilmiştir. Bootstrap yöntemi hakkında bilgiler verilmiştir. Uygulama kısmında ise 2000-2017 yılları arası aylık Üretici Fiyat Endeksi(Üfe), Üfe(-2) Dönem Gecikmesi ve Beklenti Anketi verileri kullanılmıştır. Bu veriler Gretl programı yardımı ile Bootstrap yöntemi kullanılarak belirli düzeylerde veri sayıları arttırılarak Doğrusal ve Kantil Regresyon yöntemlerinin sonuçları Ortalama Mutlak Sapma (OMS) ve Hata Kareler Ortalaması Karekökü (HKOK) değerleri karşılaştırılarak hangi yöntemin en uygun modeli tahmin ettiği belirlenmiştir. Sonuç olarak OMS ve HKOK değerleri karşılaştırıldığında en küçük değeri Doğrusal Regresyon yöntemi vererek en uygun model seçilmiştir. İkinci model olarak ise Kantil Regresyon(Q2) yönteminin uygun model olduğu gösterilmiştir.Regression analysis is one of the most commonly used estimation methods in statistical and econometric prediction models. One of the auxiliary analysis methods in regression analysis is the quantile regression method. There is no distributional assumption is required in the quantile regression model and it gives better estimates in the data sets of the structure where the outliers are estimated because it predicts the parameter coefficients depending on the various quantities. In addition, the quantile regression allows for the determination of the variance. In linear regression analysis, there are requirements such that data structure is suitable for the model. It does not provide good results against extreme values in data structure. In this study; firstly linear regression and quantile regression methods are introduced, and than the differences between them are indicated. Information about the bootstrap method is also given. In the application part, monthly Producer Price Index (PPI), PPI (-2) period delay and Expectation Questionnaire data between 2000-2017 were used. This data was used to increase the number of data at certain levels by Bootstrap method and to compare the results of Linear and Quantile Regression methods with Mean Absolute Deviation (MAD) and Root Means Square of Error (RMSE) to determine which method predicts the most suitable model. Results for Linear and Quantile Regression (Q2) methods show that the two methods with the closest and smallest values of MAD and RMSE predict the most suitable models
Multivariate non-li·near analyse of covariance wi·th
No full textSosyal Bilimler EnstitüsüÇok değişkenli kovaryans analizi, birden fazla bağımlı değişkeni aynı anda inceleyerek grup ortalamaları arasındaki farkın istatistiksel olarak anlamlı olup olmadığını araştırmaktadır. Kovaryans analizinin en temel varsayımlarından biri olan doğrusallık varsayımı, kovaryans analizi sonucunda oluşturulan modelin temsil gücünü etkileyen önemli bir etkendir. Doğrusal olmayan veriler üzerinde çok değişkenli kovaryans analizinin kullanılması, modelin temsil gücünü zayıflatacaktır. Bu çalışmada, doğrusal olmayan kovaryans analizi tanıtılmıştır. Doğrusallık varsayımını sağlayan kovaryans analizi ile farklılıkları ortaya konmuş ve yapılan uygulama ile verinin doğrusal olup olmaması veya tam doğrusal olması durumlarının çok değişkenli kovaryans analizini nasıl etkilediği incelenmiştir. Yapılan çalışma ile Sosyal Güvenlik Kapsamında Aktif Çalışan Kişi Sayısı ile Bakmakla Yükümlü Tutulanların Sayısının 4/a-4/b Çalışan Sigortalı Sayılarına Etkisi ile Zorunlu Sigortalı Sayısı ve İsteğe Bağlı Sigortalı Sayısının Cinsiyete Etkisi istatistiksel analizlerle incelenmiştir. İstatistiksel analizlerde; çok değişkenli doğrusal kovaryans analizi ve çok değişkenli doğrusal olmayan kovaryans analizi kullanılmış olup, doğrusal olmayan veriler üzerinde yapılacak analizin doğrusal olmayan kovaryans analizi ile yapılmasının daha uygun olduğunu ortaya koymuştur.By examining more than one dependent variable, multivariate analysis of covariance investigating whether differences between average of groups are statistically reasonable or unreasonable. The basic assumption of linearity the assumption of covariance the analysis of covariance generated as a result of the analysis of representation is an important factor that affects the strength of the model. Using multivariate analyse of covariance on the non-linear datas is going to weaken strenght of the model. In this study is presented non-linear ANCOVA and is revealed differences with analyses of covariance providing hypothesis of linearity and is analyzed whether linear or non-linear and linear ANCOVA how effects of the MANCOVA. In study is examined with statical analysis, within the scope of institution social security the number of active employees, the number of person, who is obliged to look after and 4/a-4/b the number of insured employees on the gender effects. In statical analysis is used multi linear analysis of covariance and multi non linear ancona and is approved that non linear analysis of covariance more convenient than the analysis on non linear data. Performed analysis has revealed that analyze on non-linear datas should be practised with analyses of non-linear covarince
Outlier detection methods in statistics: An Application on economic freedom data
No full textİstatistikte aykırı değerler, bir veri kümesinde yer alan çok büyük ya da çok küçük oldukları belirlenen değerler olarak tanımlanabilir. Aykırı değerler elde edilen analiz sonuçları üzerinde ciddi bir etki gösterebileceği gibi hiçbir etkiye de sahip olmayabilirler. Bu yüzden bir veri setinde aykırı değerlerin tespit edilmesi istatistiksel bakımdan çok önemlidir. Aykırı değerler hatalı veriler olmamaları halinde araştırmacılara sürecin nasıl düzeltilebileceği konusunda yardımcı olmaktadırlar. Aykırı değerler farklı sebeplerden dolayı ortaya çıkmaktadır. Bu sebeplerden en çok bilinenleri veri setindeki gözlemlerin doğal nedenlerinden kaynaklanarak kontrol edilemez olanlarıdır. Bunun yanı sıra ölçüm için kullanılan ölçüm aracının yetersiz olması veya yapılan yanlış okuma ve kaydetmeden kaynaklanan sebeplerdir. Aykırı değerlerin tespitinin yapılması, belirlenmesi ve değerlendirilmesi durumunda birbirinden farklı tanımlar yapılmakta ve farklı yöntemler kullanılmaktadır. Bu yöntemler tek değişkenli ve çok değişkenli yöntemler olarak sınıflandırılabilir. Tek değişkenli analiz yöntemleri yalnızca tek değişkene ait aykırı değerlerin tespiti üzerinde çalışırken, çok değişkenli analiz yöntemler ise birden fazla değişkeni baz alarak çalışan yöntemlerdir. Çok değişkenli veri setlerinde aykırı değerler birbirinden bağımsız olarak incelenebilmektedir. Bu şekilde incelenen bazı aykırı değerlerin doğru şekilde tespit edilmediği sonucuna ulaşıldığından bu tarz veriler içine çok değişkenli aykırı değer belirleme yöntemlerinin kullanılması önerilmektedir. Ekonomik özgürlük, bireylerin kendi mülklerini ve emeğini kontrol etme hakkına sahip olmaları anlamına gelmektedir. Ekonomik özgürlüklerin ölçülmesi, ülkelerin her yıl ne kadar özgür veya özgürlükten olduklarının araştırılmasına imkan tanımaktadır. Dünya genelinde ekonomik özgürlüğün ölçülmesi konusunda çalışmalar yapan birçok kuruluş bulunmaktadır. Bu kuruluşlar her yıl düzenli aralıklarla yayımladıkları raporlar ile ülkelerin ekonomik özgürlükleri konusunda analiz ve değerlendirmeler yaparak yayınlamaktadırlar. Heritage Foundation ve Fraser Institute, ekonomik özgürlükleri endeksler kullanarak doğrudan ölçüm yapmaktadır. Freedom House ise raporlarında ekonomik özgürlüğü özgürlük endeksinin bir modülü olarak kullanmaktadır. Bu kuruluşlar, bazı temel özellikler ile ulusal bazda ekonomik özgürlük performansını ölçmek amacıyla, dünya genelinde bir ekonomik özgürlük endeksi hazırlayarak dünya ekonomilerini ekonomik özgürlük açısından yıllık olarak sıralamaktadır. Kuruluşların yapmış oldukları bu endeksler sayesinde, ekonomik özgürlüğün farklı modüllerinin ekonomik faaliyet üzerindeki etkilerinin dünya genelinde kolayca incelenmesi sağlanmaktadır. Bu çalışmada bazı tek ve çok değişkenli aykırı değer belirleme yöntemleri, 2 farklı ekonomik özgürlükler verilerine uygulanmış ve sonuçlar değerlendirilmiştir. Analizler sonucu elde edilen tek değişkenli yöntemlerin sonuçlarına göre en çok aykırı değer olarak görülen ülkeler Kuzey Kore, Küba, Sudan, Venezuela ve Zimbabve oldukları belirlenmiştir. Çok değişkenli yöntemlerin sonuçlarına göre de Sudan, Venezuela, Zimbabve, Libya, Mısır, Timor-Leste, Arjantin ve Katar ülkeleri aykırı değer olarak belirlenmiştirIn statistics, outliers can be defined as values in a data set that are determined to be too large or too small. Outliers may have a serious effect on the results of the analysis or they may have no effect at all. Therefore, it is statistically very important to detect outliers in a data set. If the outliers are not erroneous data, they help researchers on how the process can be corrected. Outliers arise for different reasons. The most well-known of these reasons are the uncontrollable ones due to the natural causes of the observations in the data set. They are also caused by the inadequacy of the measuring instrument used for the measurement or by incorrect reading and recording. In the case of detecting, identifying and evaluating outliers, different definitions are made and different methods are used. These methods can be classified as univariate and multivariate methods. While univariate analysis methods work only on the detection of outliers belonging to a single variable, multivariate analysis methods are methods that work on the basis of more than one variable. In multivariate data sets, outliers can be analysed independently of each other. Since it is concluded that some outliers analysed in this way are not detected correctly, it is recommended to use multivariate outlier detection methods for such data. Economic freedom means that individuals have the right to control their own property and labour. Measuring economic freedom allows us to investigate how free or unfree countries are each year. There are many organisations around the world working on the measurement of economic freedom. These organisations publish reports on a regular basis every year, analysing and evaluating the economic freedom of countries. Heritage Foundation and Fraser Institute directly measure economic freedom by using indices. Freedom House, on the other hand, uses economic freedom as a module of the freedom index in its reports. In order to measure economic freedom performance on a national basis with some basic characteristics, these organisations prepare a worldwide economic freedom index and rank the world economies in terms of economic freedom annually. Thanks to these indices, the effects of different modules of economic freedom on economic activity can be easily analysed worldwide. In this study, some univariate and multivariate outlier identification methods are applied to 2 different economic freedom data and the results are evaluated. According to the results of the univariate methods obtained as a result of the analyses, North Korea, Cuba, Sudan, Venezuela and Zimbabwe were found to be the countries with the highest number of outliers. According to the results of multivariate methods, Sudan, Venezuela, Zimbabwe, Libya, Egypt, Timor-Leste, Argentina and Qatar countries were determined as outliers
Clipped poisson regression analysis and an application
No full textSosyal Bilimler EnstitüsüRegresyon analizi aralarında neden sonuç ilişkisi olan iki veya daha fazla değişkenin aralarındaki ilişkiyi gözlemek ve konuya ait öngörüde bulunabilmek için elde edilen matematiksel bir modelle belirtilen istatistiksel bir yöntemdir. Basit doğrusal regresyon modeli bir bağımlı bir bağımsız değişken olmak üzere aralarındaki fonksiyonel ilişkiyi gözlemlerken, çoklu doğrusal regresyon modeli bir bağımlı ve birden fazla bağımsız değişken arasındaki fonksiyonel ilişkiyi incelemektedir. Literatürde verilerin veya kurulacak modellerin farklı yapıları için farklı regresyon modelleri tanıtılmıştır. Bunlardan biri de Poisson regresyon modelidir. Poisson regresyonu sayıma dayalı olarak elde edilen bağımlı değişkenin modellenmesinde kullanılır. Bununla birlikte, bağımlı değişkenin sayıma dayalı olarak elde edildiğinde, bağımsız değişken kategorileri için relatif risk değerini de hesaplamaktadır. Negatif Binom dağılımı, Poisson regresyon modeline göre aşırı yayılım gösteren verilerin modellenmesi amacıyla kullanılır. Veri kümesinde aşırı yayılım olması durumunda Poisson regresyon modelini kullanmak yanlı parametre tahminlerinin elde edilmesine yol açacağından yayılımı dikkate alan Negatif Binom regresyonunun kullanılması daha uygun olmaktadır. Aşırı uçlu verilerde Poisson regresyon analizi yanlı tahminler vermektedir. Bu yanlılığı ortadan kaldırmada Kırpılmış Poisson Regresyon Analizi kullanımı tavsiye edilmektedir. Bu çalışmada Kırpılmış Poisson Regresyon Analizi, üç farklı veri seti üzerinde test edilmiştir. Birinci veri seti için en iyi sonuçlar Negatif Binom Regresyonu ile elde edilirken, ikinci ve üçüncü veri setlerinde Kırpılmış Poisson Regresyonu en iyi model sonuçlarını vermiştir. Bu çalışma ile Kırpılmış Poisson Regresyon Analizinin Kategorik bağımlı değişken yapılarındaki regresyon modellerinde başarılı sonuçlar verebileceği bu yüzden de karşılaştırmalar yaparken bu teknikten de yararlanılması gerektiği vurgulanmıştır.Regression analysis is a statistical method which is expressed by a mathematical model obtained to observe the relationship between two or more variables with cause-effect relationship and to make predictions about the subject. While the simple linear regression model observes the functional relationship between one dependent and one independent variable, the multiple linear regression model examines the functional relationship between one dependent and multiple independent variables. Various regression models have been introduced in the literature for the models to be established or different structures of the data. One of them is the Poisson regression model. Poisson regression is used to model the dependent variable obtained based on the counting. It also calculates the relative risk value for the independent variable categories when the dependent variable is obtained based on the counting. Negative binomial distribution is used to model the data with excessive spread compare to the Poisson regression model. In case of excessive spread in the data set, it is more appropriate to use Negative Binomial regression considering the spread, since using Poisson regression model leads to biased parameter estimation. In extreme pointed data Poisson regression analysis gives biased estimates. In order to eliminate this bias, the use of Clipped Poisson Regression Analysis is recommended. In this study, Clipped Poisson Regression Analysis was tested on three different data sets. The best results for the first data set were obtained by Negative Binomial Regression, while Clipped Poisson Regression gave the best model results in the second and third data sets. In this study, it is emphasized that Cropped Poisson Regression Analysis can give successful results in regression models in categorically dependent variable structures therefore this technique should be used when making comparisons
Contributions to Theil-Sen regression analysis parameter estimation with weighted median
No full textSosyal Bilimler Enstitüsü, Ekonometri Ana Bilim DalıBir bağımlı ve bir bağımsız değişken arasındaki ilişkiyi inceleyen, ilişkinin hangi yönde olduğunu belirleyen, bu ilişkinin matematiksel olarak ifade edilmesini ve iktisadi olarak yorumlanmasına olanak sağlayan analize regresyon analizi adı verilmektedir. Regresyon analizinde en yaygın olarak kullanılan yöntem En Küçük Kareler yöntemidir. Regresyon analizi yöntemleri kendi içinde alt başlıklara ayrılmaktadır. Bunlar Parametrik, Parametrik Olmayan ve Yarı-Parametrik olarak üç gruba ayrılmaktadır. En Küçük Kareler yöntemi de Parametrik Regresyon Yöntemleri grubuna dahil edilmektedir. Parametrik denmesinin sebebi ise parametrelerin doğrusal bir çizgide ilerlemesinden kaynaklanmaktadır. Bununla birlikte bir modelin Parametrik olması için birçok şartı da yerine getirmesi gerekmektedir. Bu şartların bir tanesi ise bağımsız değişken grubunda ki gözlem değerlerinin içinde aykırı değer olmamasıdır. Aykırı değerin olduğu durumlarda model yanlı sonuç vereceğinden dolayı parametrik regresyon analizi yerine parametrik olmayan regresyon analizi yöntemlerine başvurulmaktadır. Bir grup veri setinde aykırı değer bulunmasından dolayı yapılan analizde, bu aykırı değer birçok parametrenin yanlı sonuç vermesine neden olacaktır. Bu durum analizin birçok hatayı gözardı etmesine olanak sağlayacak ve beklenen sonuçtan tahminciyi uzaklaştıracaktır. Parametrik olmayan regresyon yöntemlerinden olan Theil-Sen regresyon analizi ise bu duruma karşı daha dayanıklı ve daha iyi sonuçlar vermektedir. Ayrıca aykırı değer, EKK yönteminde aritmetik ortalamayı saptırırken, klasik Theil-Sen yönteminde ise Medyan parametresi kullanıldığından dolayı bu duruma karşı daha duyarsız olmaktadır. Böylece tahminciye daha iyi sonuçlar vermesi için olanak sağlamaktadır. Çalışmamızda bir bağımlı ve bir bağımsız değişken olmak üzere bir grup veri seti elimizde bulunmaktadır. Bu veri setinin bağımsız değişkeni olan değişkeninin son gözlem değeri aykırı değer olarak tanımlanmıştır. Bu aykırı değer nedeni ile parametrik regresyon analizi yöntemlerinden herhangi bir yöntem ile çalışılamadığı için dirençli (robust) regresyon analizi olan Theil-Sen regresyon analizi yöntemi ile çalışmaya karar verilmiştir. Klasik Theil-Sen regresyon analizinde Medyan parametresi kullanıldığından buna ek olarak Ağırlıklandırılmış Medyan parametresi ile de regresyon analizi yapılmış ve her iki parametre ile yapılan analiz sonuçları karşılaştırılmıştır. Bu analizde son olarak, bulunan Model Seçim Kriterleri 5%'den 5'er 5'er artarak 80%'e kadar kırpılmış ve sonuçlar tablolar halinde karşılaştırılmıştır.An analysis that studies the relationship between a dependent and an independent variable, determines which direction the relationship is in, and allows this relationship to be expressed mathematically and interpreted economically, is called regression analysis. The most commonly used method in regression analysis is the least squares method. Regression analysis methods are divided into subheadings in themselves. They are divided into three groups, parametric, nonparametric and quasi-parametric. Least squares method is included in the group of parametric regression methods. The reason why it is called parametric is because the parameters go along a linear line. However, in order for a model to be parametric, it must also meet many conditions. One of these conditions is that there are no outliers in the observation values in the independent variable group. Because the model will give biased results in cases where there is an outlier value, nonparametric regression analysis methods are used instead of parametric regression analysis. In an analysis performed due to the presence of an outlier value in a group of data sets, this outlier value will cause many parameters to give biased results. This will allow the analysis to detect many errors and distract the forecaster from the expected result. Theil-Sen regression analysis, which is one of the nonparametric regression methods, is more resistant to this situation and gives better results. In addition, the outlier deviates the arithmetic mean in the EKK method, while the classical Theil-Sen method is more insensitive to this situation because the median parameter is used. In this way, it allows the forecaster to give better results. In our study, we have a group of data sets, including a dependent and an independent variable. The last observation value of the variable that is the argument of this dataset is defined as the outlier value. Because of this outlier value, it was decided to work with Theil-Sen regression analysis method, which is robust regression analysis, since it could not be worked with any method of parametric regression analysis methods. Since the median parameter is used in classical Theil-Sen regression analysis, in addition, regression analysis was performed with the weighted median parameter and the results of the analysis with both parameters were compared. Finally, in this analysis, the model selection criteria found were trimmed from 5% to 5 by 5% to 80%, and the results were compared in tables
Comparison of fuzzy clustering analysis methods with socio-economic data of provinces in Turkey 2002-2008-2013-2018
No full textSosyal Bilimler Enstitüsü, Ekonometri Ana Bilim Dalı, Ekonometri Bilim DalıÜlke içinde illerin sosyoekonomik durumlarının karşılaştırılması, politika üretmekte ve uygulamada belirleyici bir etkendir. Bir ülkedeki iller arasındaki dengelerin belirlenmesi için, doğruya en yakın sonuçları veren sosyoekonomik veriler kullanılmaktadır. Sosyo-ekonomik veriler ile yapılacak sınıflama çalışmalarının illerin veya bölgelerin değişimini de ortaya koyması açısından karar vericiler açısından önemi büyüktür. Kümeleme Analizi de sınıflama çalışmalarında en çok kullanılan yöntem olan literatürde kullanılmaktadır. Bu çalışmada Türkiye'deki illere ait sosyoekonomik göstergeler, bulanık kümeleme analizinde sıkça kullanılan Gustafson Kessel (GK), Gath-Geva (GG) ve Bulanık C-Ortalamalar (FCM) yöntemi kullanılarak sınıflandırılmıştır. Türkiye'deki iller 2002, 2008, 2013 ve 2018 yıllarındaki sosyo-ekonomik, Tarım, Eğitim, Sağlık ve Demografik verileri yardımıyla kümelere ayrılmışlardır. Çalışmada kullanılan veriler, Türkiye İstatistik Kurumu'nun internet adresinden alınmış ve derlenmiştir. Kümeleme Analizleri MATLAB.2009 paket programı ile yapılmıştır. Her analiz için en uygun küme sayısı Yapay Sinir Ağına dayalı Küme Geçerlilik İndeksi ile belirlenmiştir. Elde edilen kümeleme sonuçlarına göre Türkiye'deki illerin farklı yıllara ve farklı yöntemlere göre sınıflara ayrılmasında belirli bir düzen olamdığı görülmektedir. Özellikle sosyo-ekonomik verilerin dönemsel farklılıkları, bölgeler arası yüksek değişimlerin bu sonuçta etkili olduğu düşünülmektedir.Comparing the socioeconomic status of provinces within the country is a determining factor in policy production and implementation. To determine the balances between provinces in a country, socioeconomic data is used, which gives the closest results to the truth. Socio-economic data and classification studies are of great importance for decision makers in terms of revealing the change of provinces or regions. Clustering analysis is also used in the literature, which is the most commonly used method in classification studies.In this study, socio-economic indicators of provinces in Turkey were classified using Gustafson Kessel (GK), Gath-Geva (GG) and Fuzzy C-Means (FCM) method, which are frequently used in fuzzy clustering analysis. Provinces in Turkey were divided into clusters with the help of socio-economic, Agriculture, Education, Health and demographic data in 2002, 2008, 2013 and 2018. The data used in the study was taken and compiled from the Internet address of the Turkish Statistical Institute. Clustering analysis was made with the MATLAB.2009 package program. The optimal number of clusters for each analysis was determined by the cluster validity index based on the artificial neural network. According to the results of the clustering obtained, there is no specific order in the division of provinces in Turkey into classes according to different years and different methods. In particular, periodic differences in socio-economic data, high interregional changes are thought to be related to this result
Exchange rates, the relationship between foreign trade and economic growth: An application on Turkey
No full textSosyal Bilimler EnstitüsüKüreselleşen dünyada ülkelerin birbirleriyle etkileşimlerinin kaçınılmaz olması dış ticaret ve döviz kuru büyüklükleri arasındaki ilişkiyi önemli hale getirmiştir. Ekonomik büyümenin sürdürülebilir olması ise ülkenin dışarıdan sermaye akımını çekmesi ve yatırımların devamlılığı açısından mühimdir. Çalışmamızda Türkiye için 2010M01-2019M04 dönemini kapsayan aylık bazdaki veriler aracılığıyla döviz kuru göstergesi olarak tüketici fiyat endeksi bazlı reel efektif döviz kuru; dış ticaret göstergesi olarak ihracat birim değer endeksi ve ithalat birim endeksi; ekonomik büyüme göstergesi olarak da mevsimsel etki ve şoklardan arındırılmış sanayi üretim endeksi değişken olarak kullanılmıştır. Serilerin düzey seviyesinde durağanlıkları ve birim köke sahip olup olmadıkları ADF (Augmented Dickey-Fuller (Genişletilmiş Dickey Fuller)) ve PP (Phillips-Perron) Birim Kök Testleri aracılığıyla tespit edilmiştir. Değişkenlerimizin düzey değerlerinde birim kök sorunu olduğu için değişkenlerin birinci farklarıyla çalışılmıştır. ADF testiyle en uygun modelin trendli ve sabitli olduğu anlaşılmıştır. Yapılan Granger testi sonuçlarına göre dış ticaret göstergelerinden olan ithalatla döviz kuru arasında döviz kurundan ithalata ve ihracattan ithalata doğru tek yönlü nedensellik ilişkisine rastlanmıştır. Diğer değişkenler arasında nedensellik ilişkisi tespit edilememiştir.The inevitable interaction of countries in a globalizing world has made the relationship between foreign trade and exchange rate magnitudes important. The sustainability of economic growth is important in terms of attracting capital flows from abroad and continuity of investments. In our study, monthly data through the base exchange rate as an indicator of consumer price index for the period covering the 2010M01-2019M04 Turkey based real effective exchange rate; export unit value index and import unit index as foreign trade indicator; as the indicator of economic growth, seasonally adjusted and shockfree industrial production index was used as variable. Stability of the series at the level and the presence of unit roots were determined by ADF (Augmented Dickey-Fuller) and PP (Phillips-Perron) Unit Root Tests. Since there is a unit root problem in the level values of our variables, the first differences of the variables were studied. With the ADF test, the most suitable model was found to be trendy and stable. According to the results of Granger test, one-way causality relationship was found between import and exchange rate, which is one of the foreign trade indicators, from exchange rate to import and from export to import. The causality relationship between the other variables could not be determined
In non-parametric regression analysis bootstrap method
No full textSosyal Bilimler EnstitüsüRegresyon analizi aralarında sebep sonuç ilişkisi olan iki veya daha fazla değişkenin aralarındaki ilişkiyi incelemek ve konuyla ilgili tahmin yapabilmek amacıyla oluşturulan matematiksel bir model ile ifade edilen istatistiksel analizdir. Basit doğrusal regresyon analizi bir bağımlı ve bir bağımsız değişken arasındaki fonksiyonel ilişkiyi incelerken, çoklu doğrusal regresyon analizi bir bağımlı ve birden çok bağımsız değişken arasındaki fonksiyonel ilişkiyi inceler. Regresyon analizi, parametrik regresyon, parametrik olmayan regresyon ve yarı parametrik regresyon olmak üzere üç ana başlık altında incelenebilir. Parametrik regresyon analizi bağımlı ve bağımsız değişkenler ile bu değişkenler arasındaki ortalama ilişkinin matematiksel bir fonksiyonla gösterilmesi ve bu fonksiyondaki parametre vektörlerinin açık olarak gösterilmesidir. Parametrik olmayan regresyon analizi bir bağımlı değişken ve bu değişken ile nasıl bir ilişki içerisinde olduğu bilinmeyen bir bağımsız değişkenden oluşmaktadır. Parametrik olmayan regresyon analizinin amacı parametreleri tahmin etmekten çok bilinmeyen yanıt fonksiyonunu tahmin etmektir. Yarı parametrik regresyon modeli ise bağımlı değişkenin bağımsız değişkenlerden bazıları ile aralarındaki ilişkinin belirlenebildiği fakat diğer bağımsız değişken veya değişkenlerle aralarındaki ilişkinin kolay olarak belirlenemediği bir modeldir. Bootstrap yöntemi ise kısaca verilerin yeniden örnekleme mantığına dayanan bir yöntem olarak ifade edilebilir. Geleneksel parametrik sonucun dağılım varsayımları ve matematiksel analizden daha büyük oranda hesaplamayı içeren bootstrap, istatistiksel sonuca yaklaşım olarak kullanılmaktadır. Bootstrap yöntemi örneklem ortalaması, standart hatalarının hesaplanması ve güven aralıklarının belirlenmesini amaçlayarak geliştirilmiştir. Bu tez çalışmasında; parametrik olmayan regresyon analizinde, yeniden örnekleme yöntemlerinden olan Bootstrap yöntemi birlikte kullanılmıştır. Yöntem sonuçları, farklı veri yapılarında EKK, Theil-Sen, Mood-Brown, Optimum ve Hodges-Lehman tahmin modellerinden elde edilen sonuçlar ile karşılaştırılmış ve yorumlanmıştır. Ayrıca Bootstrap ile elde edilen farklı veri yapılarına, belirli oranda aykırı değerler eklenerek, uygulanan yöntemin gücü test edilmiştir. Sonuç olarak Bootstrap tekniği ile parametrik olmayan regresyon analizine alternatif bir yöntem sunulmuş, sonuçlar yorumlanarak karşılaştırmalar yapılmıştır.Regression analysis is a statistical analysis which is used to examine the relationship between two or more variables which have causative relationship between them and to make predictions on the subject. Simple linear regression analysis examines the functional relationship between a dependent and an independent variable. Multiple linear regression analysis examines the functional relationship between a dependent and multiple independent variables. Regression analysis can be examined under three main headings. Parametric regression, nonparametric regression and semi-parametric regression. The parametric regression analysis is a mathematical function of the dependent and independent variables and the relationship between these variables. Nonparametric regression analysis consists of a dependent variable and an independent variable that is not associated with this variable. The aim of the nonparametric regression analysis is to estimate the unknown response function rather than predict parameters. The semi-parametric regression model is a model in which the relationship between the dependent variable and some of the independent variables can be determined but the relationship between the other independent variables or variables cannot be easily determined. The Bootstrap method can be briefly expressed as a method based on the resampling logic of the data. The bootstrap, which includes the calculation of the traditional parametric result and the calculation of a larger proportion than the mathematical analysis, is used as the approach to the statistical result. The Bootstrap method was developed with the aim of determining the sample mean, the calculation of standard errors and the determination of confidence intervals. In this thesis; In the nonparametric regression analysis, Bootstrap method, which is one of the resampling methods, was used together. The results of the method were compared and interpreted with the results obtained from EKT, Theil-Sen, Mood- Brown, Optimum and Hodges-Lehman estimation models in different data structures. In addition, the power of the applied method has been tested by adding certain values to the different data structures obtained with Bootstrap. As a result, an alternative method for nonparametric regression analysis was presented with Bootstrap technique
Grey clustering analysis and an application
No full textSosyal Bilimler Enstitüsü, Ekonometri Ana Bilim DalıSınıflandırma, herhangi bir konu hakkında gözlemlenen verilerin yapılarını inceleyerek verileri birbilerine benzer gruplara, içeriklere ve belirlediğimiz bazı özelliklere göre gruplandırma işlemi olarak tanımlanabilir. Böylece birbirlerine benzeyen gruplarda yer alan gözlemlerin araştırma amaçlarına göre değerlendirilmesi ve yorumlanması kolaylaşacaktır. Kümeleme analizi sınıflandırma çalışmalarında en sık kullanılan yöntemlerden biridir. Kümeleme analizi sınıfları (doğal grupları) bulunmayan verileri grup veya kümelerin sınırlı bir sayısına ayırmayı amaçlayan çok değişkenli istatistiksel bir yöntemdir. Ayırma, aynı gruptaki gözlemlerin birbirine benzer iken farklı gruplardaki gözlemlerin birbirlerinden farklı olacak şekilde yapılandırılması işlemleridir. Böylece gruplar içi homojen, gruplar arası ise heterojen yapılar elde edilebilecektir. Gri ilişkisel analiz (GİA) yöntemi, birden çok kriterin olduğu durumlarda alternatifler arasından seçim yapmak için kullanılabilen bir yöntemdir. GİA özellikle örneklemin küçük olduğu ve örneklem dağılımının bilinmediği durumlarda değişkenleri gruplandırmak için kullanılır. GİA yönteminin uygulanabilmesi için veri setinin küçük olması, hesaplama işlemlerinin basit olması ve bundan dolayı yazılımcılar tarafından özel bir paket program yazılımının hazırlanmasına gerek duyulmaması bu yöntemin avantajları olarak gösterilebilir. Gri İlişkisel Kümeleme (GİK) yöntemi, Gri İlişkisel Analiz gibi Gri Sistem Teorisi'nin konularından biridir. Gri ilişkisel kümelemenin temel amacı alternatif gözlemler arasından karar verme kriterlerini dikkate alarak benzer gözlemleri tespit etmektir. Gri İlişkisel Kümeleme yönteminde kümelerin belirli bir kurala göre gruplanmış nesnelerden oluştuğu için kümeler homojenliğe sahip olması ve yeniden hesaplama yapılmaya gerek duymadan nesnelerin kendi içerisinde ayrımını yapabilen bir yöntemdir. Bu nedenle işlem süresi açısından avantaj getirmektedir. Ayrıca küme sayısı analiz öncesinde değil, kümeleme gerçekleştirildikten sonra belirlenebileceği için yaygın kullanılan diğer kümeleme algoritmalarına göre alternatif bir yaklaşım sunabilmektedir. Gri kümeleme analizi, gözlemleri sınıflandırabilmek veya tanımlanmış bir sınıfa nesneleri dâhil etmek için gri ilişki matrisleri veya gri sayıların beyazlaştırma ağırlık fonksiyonuna dayanan bir yöntem olarak da tanımlanmaktadır. Beyazlaştırma ağırlık fonksiyonlarını kullanan gri kümeleme yöntemi esas olarak gözlem nesnelerinin önceden belirlenmiş sınıflara ait olup olmadıklarını test etmek için uygulanabilmektedir. Bu çalışmada Türkiye'deki illerin sosyo-ekonomik veriler yardımıyla gri kümeleme analizi ile sınıflandırılması amaçlanmıştır. Türkiye İstatistik Kurumu'ndan alınmış veriler ile öncelikle gri ilişkisel katsayı matrisleri oluşturulmuş ve sonrasında kümeleme analizi yapılarak illerin sosyo-ekonomik verilere göre dağılımı belirlenmiştir. Analizler eğitim, tarım, istihdam gibi alt başlıklarda verilen veri kategorileri için de ayrı ayrı yapılarak Türkiye'nin sosyo-ekonomik haritası belirlenmeye çalışılmıştır.Classification can be defined as the process of grouping the data into similar groups, contents and some features we have determined by examining the structures of the data we observe about any subject. Thus, it will be easier to evaluate and interpret the observations in similar groups according to the research objectives. Cluster analysis is one of the most commonly used methods in classification studies. Cluster analysis is a multivariate statistical method that aims to separate data without classes (natural groups) into a limited number of groups or clusters. Separation is the process of structuring observations in different groups to be different from each other while observations in the same group are similar to each other. Thus, homogeneous structures within groups and heterogeneous structures between groups can be obtained. Gray relational analysis (GRA) method is a method that can be used to choose among alternatives in cases where there are multiple criteria. The TIA is used to group variables, especially when the sample is small and the sample distribution is unknown. In order to apply the GIA method, the small data set, the simple computation process, and therefore the fact that there is no need for a special package program software to be prepared by the developers can be shown as the advantages of this method. Gray Relational Clustering (GCC) is one of the topics of the GST, like Gray Relational Analysis. The main purpose of gray relational clustering is to identify similar observations by considering the decision criteria among alternative observations. In the Gray Relational Clustering method, since the clusters consist of objects grouped according to a certain rule, the clusters have homogeneity and it is a method that can distinguish the objects within themselves without the need for recalculation. Therefore, it brings advantage in terms of processing time. In addition, since the number of clusters can be determined after the clustering is performed, not before the analysis, it can offer a more realistic approach compared to other commonly used clustering algorithms. Gray cluster analysis is also defined as a method based on gray relationship matrices or the whitening weight function of gray numbers to classify observations or include objects in a defined class. The gray clustering method using whitening weight functions can be applied mainly to test whether the observation objects belong to predetermined classes. In this study, it is aimed to classify the provinces in Turkey with the help of socio-economic data using gray cluster analysis. First of all, gray relational coefficient matrices were created with the data obtained from the Turkish Statistical Institute, and then clustering analysis was performed to determine the distribution of provinces according to socio-economic data. The socio-economic map of Turkey was tried to be determined by making the analysis separately for the data categories given under the sub-headings such as education, agriculture and employment
- …
