EXAMINATION OF PLANT AND ANIMAL PRODUCTS ACCORDING TO THE PROVINCES IN TURKEY BY CLUSTER ANALYSIS

Year 2018, , 385 - 398, 10.01.2019

Şenol Çelik , Turgay Şengül Ömer Şengül Hakan İnci

https://doi.org/10.26809/joa.2018548650

Abstract

In this study, 11 agricultural variables for 81 provinces in Turkey in 2016 were used to identify homogeneous province clusters with similar structures and reveal groups of similar provinces in Turkey. For this reason, "K average means clustering" and "Hierarchical clustering" methods were used. Using cluster analysis, provinces in Turkey were statistically separated into 5, 7 and 10 clusters and tested, and the number of clusters was determined. According to the results, the most significant clustering was obtained by 7 clusters. Analysis results were also supported by Dendrogram and Agglomerative Table. According to Quadrature Euclidean and Pearson Proximity Matrix criteria, which were used as distance in the analysis, the provinces most similar to each other in Turkey based on agricultural indicators were Rize and Yalova, while the least similar provinces were Konya and Adana. The clusters of provinces that were similar to each other in terms of agricultural indicators based on 7 cluster analysis were: Adana, Ankara, Çorum, Diyarbakır, Edirne, Mardin, Şanlıurfa and Tekirdağ in Cluster 1; Eskişehir and Yozgat in Cluster 3; Balıkesir, İzmir and Van in Cluster 4; Afyonkarahisar, Aksaray, Karaman, Kayseri, Sivas and Tokat in Cluster 5; Ağrı, Aydın, Bursa, Çanakkale, Denizli, Erzurum, Manisa, Muğla, Muş, Sakarya and Samsun in Cluster 6; Konya in Cluster 7; and the remaining provinces in Cluster 2. By means of clustering, variables causing the clustering of provinces and showing a homogeneous structure, and different agricultural regions formed by the provinces were identified.

Keywords

Turkey, Cluster analysis, Euclidean distance, animal and plant products.

TÜRKİYE'DE İLLERE GÖRE HAYVANSAL VE BİTKİSEL ÜRÜNLERİN KÜMELEME ANALİZİ İLE İNCELENMESİ

Abstract

Bu araştırmada, Türkiye'de 2016 yılında 81 ile ait 11 tarım değişkeni kullanılarak, benzer yapıyı gösteren homojen il gruplarının belirlenmesi ve Türkiye’de benzer iller grubunun ortaya çıkarılması amaçlanmıştır. Bu nedenle "K ortalamalar kümeleme" ve “Hiyerarşik kümeleme” yöntemleri kullanılmıştır. Türkiye'de iller küme analizi yöntemiyle istatistiksel olarak 5, 7 ve 10 kümeye ayrılıp test edilmiştir ve küme sayısı belirlenmiştir. Bulunan sonuçlara göre en anlamlı kümeleme 7’li sınıflandırma sonucunda elde edilmiştir. Analiz sonuçları, Dendrogram ve Aglomeratif Tablo ile de desteklenmiştir. Analizde uzaklık olarak kullanılan Karesel Öklid ve Pearson Yakınlık Matriksi kriterlerine göre Türkiye’de tarım göstergelerinde birbirine en çok benzeyen illerin Rize ve Yalova, en az benzeyen illerin ise Konya ve Adana olduğu görülmüştür. 7 küme ile tarım göstergeleri bakımından birbirine benzeyen illerin kümelenmesinde; 1. Kümede Adana, Ankara, Çorum, Diyarbakır, Edirne, Mardin, Şanlıurfa ve Tekirdağ, 3. Kümede Eskişehir ve Yozgat, 4. Kümede Balıkesir, İzmir ve Van, 5. Kümede Afyonkarahisar, Aksaray, Karaman, Kayseri, Sivas ve Tokat, 6. Kümede Ağrı, Aydın, Bursa, Çanakkale, Denizli, Erzurum, Manisa, Muğla, Muş, Sakarya ve Samsun, 7. Kümede Konya ve 2. Kümede ise geriye kalan diğer iller yer almıştır. Kümeleme yöntemiyle illerin ayırımına ve homojen yapı göstermelerine sebep olan değişkenler ile illerin oluşturduğu farklı tarım bölgeleri tespit edilmiştir. 

Keywords

Türkiye, Kümeleme analizi, Öklid uzaklığı, hayvansal ve bitkisel ürünler.

References

• ALPAR, R. 2011. Uygulamalı çok değişkenli istatistiksel yöntemler. Detay Yayıncılık, Ankara, s853.
• ALDENDERFER, M. S. R. K. BLASHFIELD. 1984. Cluster analysis, Beverly hills: Sage. Publications, 43. ss.
• BLASHFİELD, R. K., ALDENFERDER, M. S. 1978. The Literature on Cluster analysis, Multivariate Behavioral Research,13:271-295.
• EVERİTT, B., LANDAU, S., LEESE, M. 2001. Cluster analysis, Oxford University Pres, London.
• FAO (Food and Agriculture Organization of the United Nations), 2016. FAOSTAT Livestock Primary, Production Quantity. http://www.fao.org/faostat/en/#data/QL
• HUBERT, L. 1974. Approximate evaluation techniques for the single-link and complete-link hierarchical clustering procedures. Journal of the American Statistical Association, 69:698-704.
• GRIMM, L. G., YARNOLD, P. R. 2000. Reading and Understanding More Multivariate Statistics, American Psychological Assoc.,Washington, DC, ISBN 1-55798-698-3, s.173-174.
• JOHNSON, A. R., WİCHERN, D. W. 1992. Applied multivariate statistical analysis. Prentice-hall international editions. New Jersey, 573-590. ss.
• KALAYCI, Ş. 2008. SPSS Uygulamalı çok değişkenli istatistik teknikleri. Asil Yayın Dağıtım Ltd. Şti. 3. Baskı, ISBN 975–9091–14–3, s.350–369.
• KARDI, T. 2015. Similarity Measurement. http:\people.revoledu.comkarditutorialSimilarity.
• LANCLAN, G. J. 1999. Mahalanobis Distance. Resonance, June 1999, 20-26.
• MARRİOT, F. H. C. 1971. Practical problems in a method of cluster analysis, Biometrics, 27. 501-514. ss.
• SHARMA, M., WADHAWAN, P. 2009. A Cluster analysis study of small and medium enterprises, IUP Journal of Management Research, 8(10):7-23.
• TATLIDİL, H. 2002. Uygulamalı çok değişkenli analiz, H.Ü. Fen Fakültesi İstatistik Bölümü, Ankara, 329-332. ss.
• TURAN, Z., ŞANVER, D., Öztürk, K. 2017. Türkiye’de hayvancılık sektöründen süt inekçiliğinin önemi ve yurt içi hasılaya katkısı ve de dış ülkelerle karşılaştırılması. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(3):60- 74.
• TURANLI, M., ÖZDEN, Ü. H., TÜREDİ, S. 2006. Avrupa Birliği’ne aday ve üye ülkelerin ekonomik benzerliklerinin kümeleme analiziyle incelenmesi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 5(9):95–108.
• TÜİK, 2017. Bölgesel İstatistikler. Tarımsal Üretim Değeri. https://biruni.tuik.gov.tr/bolgeselistatistik/degiskenlerUzerindenSorgula.do?durum=ac kapa&menuNo=191&altMenuGoster=1&secilenDegiskenListesi=#
• YILGÖR, M., SEYHAN, M., SEVİM, Z. 2013. Türkiye'de tahıl üretimi. Bandırma Ticaret Borsası, Bandırma.