Comparison of Predictive Performance of Logistic Regression and CART Methods for Life Satisfaction Data

Year 2020, Issue: 18, 719 - 727, 15.04.2020

Arzu Yavuz Özgül Vupa Çilengiroğlu

https://doi.org/10.31590/ejosat.691215

Cited By: 3

Abstract

Classification and regression in machine learning are methods that reveal data classes and model the relationships between variables. Decision trees, one of the classification and regression methods, create the classification rules by using the training data, test these rules in the test data and determine the algorithm success. Classification is made with the model established in logistic regression and performances are found. These methods have been used in many different disciplines recently due to their easy interpretation, application to large data sets and no assumptions. The concept of life satisfaction is an issue of many different disciplines today. Life satisfaction is a consideration of how much the individual enjoys the life the individual lives. The purpose of this study, the performance of the CART and logistic regression analysis of the decision tree method of Turkey Statistical Institute (TSI), covering the period 2017 to life satisfaction data (n = 8430) is made using. In this study, it was decided that the best model that explains life satisfaction is the logistic regression model based on performance criteria (accuracy, sensitivity, selectivity, precision, F-score, ROC curve R2). In this model, life satisfaction; It is explained by variables of gender, marital status, school status, income, social life, health and transportation.

Keywords

Machine Learning, , Logistic Regression, , CART Algorithm, , Life Satisfaction

Lojistik Regresyon ve CART Yöntemlerinin Tahmin Edici Performanslarının Yaşam Memnuniyeti Verileri için Karşılaştırılması

Abstract

Makine öğrenimi içinde yer alan sınıflandırma ve regresyon, veri sınıflarını ortaya koyan ve değişkenler arasındaki ilişkileri modelleyen yöntemlerdir. Sınıflama ve regresyon yöntemlerinden karar ağaçları, eğitim verisini kullanarak sınıflandırma kurallarını oluşturup test verisinde bu kuralları dener ve algoritma başarısını belirler. Lojistik regresyonda kurulan model ile sınıflandırma yapılıp performanslar bulunur. Bu yöntemler, kolay yorumlanması, büyük veri setlerine uygulanması ve varsayım gerektirmemesinden dolayı son zamanlarda birçok farklı disiplinlerde kullanılmaktadır. Yaşam memnuniyeti kavramı, günümüzde birçok farklı disiplinlerin ilgi alanına giren bir konudur. Yaşam memnuniyeti, bireyin sürdürmekte olduğu yaşamdan ne kadar zevk aldığının bir bütün olarak ele alınmasıdır. Bu çalışmanın amacı, karar ağacı yöntemlerinden olan CART ve lojistik regresyon çözümlemelerinin performanslarının Türkiye İstatistik Kurumuna ait (TÜİK) 2017 dönemini kapsayan yaşam memnuniyeti verilerini (n=8430) kullanarak yapılmasıdır. Bu amaçla yapılan çalışmada, yaşam memnuniyetini açıklayan en iyi modelin performans kriterlerine (doğruluk, duyarlılık, seçicilik, kesinlik, F-skor, ROC eğrisi R2) bağlı olarak lojistik regresyon modeli olduğuna karar verilmiştir. Bu modelde yaşam memnuniyeti; cinsiyet, medeni durum, okul durumu, gelir, sosyal hayat, sağlık ve ulaşım değişkenleri ile açıklanmıştır.

Keywords

Makine Öğrenimi, , CART Algortiması, Lojistik Regresyon, Yaşam Memnuniyeti

References

• Akın, A. &. Yalnız, A. (2015). Yaşam Memnuniyeti Ölçeği Türkçe Formu: Geçerlilik ve Güvenilirlik Çalışması, Elektronik Sosyal Bilimler Dergisi, 4(54): 95-102.
• Arı, E. & Yıldız, Z. (2016). Bireylerin Yaşam Memnuniyetini Etkileyen Faktörlerin Sıralı Lojistik Regresyon Analizi ile İncelenmesi, Uluslararası Sosyal Araştırmalar Dergisi, 9(42): 1362-1374.
• Berker, A. (2015). Zorunlu Göçün Yol Açtığı Refah Kaybının İncelenmesi: Yaşam Memnuniyeti Yaklaşımı, Türkiye ve Orta Doğu Amme İdaresi Enstitüsü, 1-30.
• Beşel, F. (2015). 2013 Yılı Yaşam Memnuniyeti Araştırma Sonuçlarının İl Bazlı Ekonomik, Sosyal ve Siyasi Analizi, Karabük Ünv. Sosyal Bilimler Enstitüsü Dergisi, 5(2): 227-236.
• Bozan, F. (2010). www.farukbozan.com/2010/01/cartclassification-and-regression-tree/. Son Erişim Tarihi: 18 Şubat 2020.
• Bölükbaşı A. & Şentürk, Ö. (2017). Sigorta Sektöründe Çalışanların Yaşam Memnuniyeti Üzerine Bir Araştırma, Finansal Araştırmalar ve Çalışmalar Dergisi, 9(17): 2017.
• Cox, M. & Ellsworth, D. (1997). Application-Controlled Demand Paging for Out-of-core Visualization, Proceedings of the 8th Conference on Visualization, IEEE.
• Dağlı, A. & Baysal, N. (2016). Yaşam Doyumu Ölçeğinin Türkçe’ye Uyarlanması: Geçerlilik ve Güvenilirlik Çalışması, Elektronik Sosyal Bilimler Dergisi, 15(59): 1250-1262.
• Demir, İ. (2011). Gençlerde Yaşam Doyumu ile Kimlik İşlevleri Arasındaki İlişkilerin İncelenmesi, Elektronik Sosyal Bilimler Dergisi, 10(38): 99-113.
• Demir, R. & Murat, M. (2017). Öğretmen Adaylarının Mutluluk, İyimserlik, Yaşam Anlamı ve Yaşam Doyumlarının İncelenmesi, Uluslararası Toplum Araştırmaları Dergisi, 7(13): 347-378.
• Doğan, Ş. & Türkoğlu, İ. (2007). Hypothyroidi and Hyperthyroidi Detection from Thyroid Hormone Parameters by Using Decision Trees, Doğu Anadolu Bölgesi Araştırmaları Dergisi, 5(2): 163-169.
• Doğan, T. & Sapmaz, F. (2012). Oxford Mutluluk Ölçeği Türkçe Formunun Psikometrik Özelliklerinin Üniversite Öğrencilerinde İncelenmesi, Düşünen Adam Psikiyatri ve Nörolojik Bilimler Dergisi, 25: 297-304.
• Gahi, Y., Guennoun, M., Mouftah, H. T. (2016). Big Data Analytics: Security and Privacy Challenges. 2016 IEEE Symposium on Computers and Communication (ISCC), Messina, Italy, 953.
• Güler, B.K. & Emeç, H. Yaşam Memnuniyeti ve Akademik Başarıda İyimserlik Etkisi, Dokuz Eylül Ünv. İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(2): 129-149.
• Güner, Z.B. (2014). Veri Madenciliğinde CART ve Lojistik Regresyon Analizinin Yeri: İlaç Provizyon Sistemi Verileri Üzerinde Örnek Bir Uygulama, Sosyal Güvence Dergisi, 6: 53-99.
• Gürsakal, S. & Öngen, K.B. (2008). 2007 Yaşam Memnuniyeti Anketinin İstatistiksel Yöntemler İle Analizi, Uludağ Ünv. İİBF Dergisi, XXVII(1): 1-14.
• Hand, D.J. (1998). Data Mining: Statistics and More? The American Statistician, 52(2): 112-118.
• Kanbur, E. & Özdemir, B. (2017). Yaşam Memnuniyeti ve Öncülleri: Karadeniz Bölgesi İncelemesi, Al-Farabi Uluslararası Sosyal Bilimler Dergisi, 1(1): 147-157.
• Kıran, N. , Srinath, M., Sharma, R. (2010). A Level Set Method-Based Derivation Of Differential Equation For Developable Surfaces, International Electronic Journal of Geometry 3: 11-15
• Kurt, I., Ture, M., Kurum, A. T., (2008). Comparing Performances of Logistic Regression, Classification and Regression Tree, and Neural Networks for Predicting Coronary Artery Disease, Expert Systems with Applications, 34: 366–374.
• Korkmaz, M., Germir, H.N., Gürkan, A. (2015). Yaşam Memnuniyeti Üzerine Etkili Olan Sosyodemografik Bileşenler Üzerine Bir Analiz, Uluslararası Hakemli Psikiyatri ve Psikoloji Araştırmaları Dergisi, 3(2): 78-111.
• Lyn, T. C. (2000). A Survey of Credit and Behavioral Scoring: Forecasting Financial Risk of Lending to Consumer, International Journal of Forecasting, 16(2): 149–172.
• Pehlivan, G. (2006). Chaid Analizi ve Bir Uygulama, Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul. Saygılı M., Onay, Ö.A., Ayhan, M. (2017). Kişilik Özellikleri Bağlamında Yaşam Memnuniyeti Üzerine Bir Araştırma, Yorum-Yönetim-Yöntem Uluslararası Yönetim-Ekonomi ve Felsefe Dergisi, 5(2): 61-72.
• Sezer, E. A., Bozkır, A. S., Yağız, S., Gökçeoğlu C. (2010). Karar Ağacı Derinliğinin CART Algoritmasında Kestirim Kapasitesine Etkisi: Bir Tünel Açma Makinesinin İlerleme Hızı Üzerinde Uygulama, Akıllı Sistemlerde Yenilikler ve Uygulamaları Sempozyumu, Kayseri.
• Şehiribanoğlu, S. & Diler, S. (2018). 2013 Yılı Yaşam Memnuniyet Araştırmasının CART ve CHAID Algoritmaları ile İncelenmesi, The Journal of Academic Social Science, 6(67): 132-141.
• Taşlıyan M., Hırlak, B, Güler, B., Gündoğdu, E. (2018). İnternet Bağımlılığı, Yaşam Doyumu ve Bazı Demografik Değişkenler Arasındaki İlişkiler, Osmaniye Korkut Ata Üniversitesi, İİBF Dergisi, 2(2):166-179.
• Tuncay, F.Ö. & Fertelli, T.K. (2018). Yaşlılarda Bilişsel İşlevlerin Günlük Yaşam Aktiviteleri ve Yaşam Doyumu ile İlişkisi, DEÜ Tıp Fakültesi Dergisi, 32(3): 183-190.
• TÜİK (Türkiye İstatistik Kurumu). Yaşam Memnuniyeti Araştırması, 2018.
• Tümlü, G.Ü. & Recepoğlu, E. (2013). Üniversite Akademik Personelinin Psikolojik Dayanıklılık ve Yaşam Doyumu Arasındaki İlişki, Yükseköğretim ve Bilim Dergisi, 3(3): 205-213.
• Vahaplar, A. (2003). Bir Coğrafi Veri Madenciliği Uygulaması, Yüksek Lisans Tezi, Ege Üniversitesi Fen Bilimleri Enstitüsü, İzmir.
• Yücel, Y. B. (2017). Yaşam memnuniyetini etkileyen faktörlerin sınıflama ve regresyon ağacı ile belirlenmesi, Yüksek Lisans Tezi, İstanbul Ticaret Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik, İstanbul.