İşsizlikher geçen gün yükselen oranları ile küresel bir sorun olmaya devam etmektedir.Üretim odaklı büyüyen ve bu büyümenin getirilerini halkına adil bir şekildeulaştırabilen Almanya, Hollanda, Danimarka gibi bazı ülkeler dışında, pek çokyerde, ekonomik büyümeye rağmen istihdam artışı gerçekleşmemektedir.İstihdamsız büyümenin sebepleri çok boyutlu bir konudur ve ülkeden ülkeyefarklılıklar göstermektedir. Türkiye’de işsizlik sorunu, çoğunlukla büyüme ileilişkilendirilmektedir. Büyüme rakamlarımız istenilen düzeydegerçekleşmemektedir ancak yine de büyümenin istihdam yaratması beklenmektedir.Fakat ortaya çıkan tabloda istihdam yaratmak bir yana, büyümeye rağmenişsizliğin artmakta olduğunu görmekteyiz. Türkiye özelinde ele alınan buçalışmada, istihdam dışı oranlar bulanık doğrusal regresyon analizi ile tahminedilmiştir. Bulanık doğrusal regresyon analizi, değişkenler arasındakiilişkilerin fonksiyonel formları kesin olarak ortaya konulamadığında, küçükörneklem olması durumunda ve özellikle de değişkenler arasındaki ilişkilerindoğrusallaştırılması adına herhangi bir dönüşüme ihtiyaç duyulmaksızın,problemleri olduğu gibi ele alabilmekte, gerçeğe çok daha yakın ve doğrutahminler üretebilmektedir.
The growing unemployment rates continue to be a global problem. Whilesome countries, e.g., Germany, Holland, and Denmark are successful in botheconomic growth and development, others only show economic growth but not development.The reasons are different in each country. Turkey's unemployment problem isusually associated with economic growth, which is regarded as not high enough,but economic development is still expected to increase. However, when welook at the big picture, not increasing economic development can cause unemploymentrates to rise. Increased prosperity expected from growth does not reach thepublic, and the gap between rich and poor increases with a higher Ginicoefficient. In this study, unemployment rates in Turkey are based on fuzzy linearregression. Sometimesresearchers encounter fuzzy relationships between variables, fuzzy variables,small sample problems, or nonlinear functional relationships. In such cases,fuzzy regression analysis can help researchers make estimations without havingto transform the data set. Assumptions in classical regression need not beproved for fuzzy regression and it does not require normally distributed data,stability tests, infinite trials (large samples), or any other transformationfor linearization. It handles data literally and makes truthful estimations.