BULANIK KÜMELEME ANALİZİ İLE OECD ÜLKELERİNİN GÖÇ İSTATİSTİKLERİ BAKIMINDAN SINIFLANDIRILMASI

Year 2018, Issue: 33, 17 - 28, 25.10.2018

Erkan Arı Ayşegül Yıldız

https://doi.org/10.30794/pausbed.402883

Cited By: 1

Abstract

İnsanlık
tarihinin başlangıcından beri var olan göç hareketliliği çoğunlukla ekonomik, sosyal, kültürel,
çevresel ve siyasi nedenlerle ortaya çıkmaktadır. Daha iyi yaşam koşulları
arayışı, bireyleri gelişmiş ülkelere göç etme arzusuyla karşı karşıya
getirmektedir. Bu sebeple ülkelerin ekonomik ve sosyal yapısını derinden
etkileyen uluslararası göç hareketliliğinin sebeplerinin incelenmesi büyük önem
arz etmektedir. Çalışmada, bulanık kümeleme analizi aracılığıyla 2015 yılına
ait veriler kullanılarak OECD ülkelerinin göç istatistiklerini oluşturan
belirleyiciler arasındaki benzerlik ve farklılıkların belirlenmesi amaçlanmıştır.
Her bir küme sayısı (n= 2,3,4..) için ortalama gölge istatistiği hesaplanmış ve
en uygun küme sayısının iki olduğuna karar verilmiştir. Elde edilen bu sonuç,
Diskriminant Analizi ile doğru sınıflandırma oranı hesaplanarak
desteklenmiştir. Türkiye; Amerika Birleşik Devletleri, Çek Cumhuriyeti,
Macaristan, Meksika, Polonya, Slovakya ve Şili ile benzer özellikler göstererek
aynı ülke grubunda yer almıştır. Çalışmanın analizinde NCSS.12 ve SPSS.22
istatistiksel paket programından yararlanılmıştır.

Keywords

Bulanık Kümeleme Analizi, Diskriminant Analizi, Göç İstatistikleri, OECD Ülkeleri

References

• Aldenderfer, M. S., Blashfield, R. K. (1984). Cluster Analysis. Beverly Hills: Sage Publications.
• Alpar, R. (2013). Çok Değişkenli İstatistiksel Yöntemler. 4. Baskı, Detay yayıncılık, Ankara.
• Alptekin, N., ve Yeşilaydın, G. (2015). “OECD Ülkelerinin Sağlık Göstergelerine Göre Bulanık Kümeleme Analizi İle Sınıflandırılması.” Journal of Business Research-Turk, 7(4):137-155.
• Barışık, S., & Çetintaş, H. (2003). Küreselleşme ve Beyin Göçü. II. Ulusal Bilgi, Ekonomi ve Yönetim Kongresi Bildiriler Kitabı, 17-18.
• Bayraklı, C. (2007). Dış-Göçün Sosyo-Ekonomik Etkileri: Görece Göçmen Konutlarında (İzmir) Yaşayan Bulgaristan Göçmen Örneği. Yüksek Lisans Tezi, Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilimdalı.
• Bezdek, J.C. (1981). Pattern Recognition With Fuzzy Objective Function Algorithms. Plenum Press, New York.
• Boreiko, D. (2003). “EMU And Accession Countries: Fuzzy Clusteranalysis Of Membership.” International Journal of Finance & Economics,c8(4): 309- 325.
• Diekhoff, G. (1992). Statistics For The Social And Behavioral Sciences: Univariate, Bivariate And Multivariate, USA: Wm. C. Brown Publishers.
• Dişbudak, C. (2004). “Uluslararası Göç Ve Türkiye.” İşletme, İktisat ve Finans Dergisi, 217: 84–93.
• Döring, C., Lesot, L., and Kruse, R. (2006). “Data Analysis With Fuzzy Clustering Method.” Computational Statistics & Data Analysis, 51: 192-214.
• Erilli, A. (2014). “TR72 Bölgesi İlçelerinin Sosyo-Ekonomik Verilere Göre Bulanık Kümeleme Analizi İle Sınıflandırılması.” Ekonomik ve Sosyal Araştırmalar Dergisi, 10(2): 33-45.
• Garson, G. D. (2012). Discriminant Function Analysis, Asheboro, NC: Statistical Associates Publishers.
• Giray, S., Yorulmaz, Ö., ve Ergüt, Ö. (2016). “Ülkelerin Gini Katsayısı, Göç, Suçluluk Ve Mutluluk Değişkenleri Açısından Bulanık Ve Dayanıklı Kümeleme Metotları İle Karşılaştırılması.” Journal of Awareness, 1(2): 1-16.
• İçduygu, A., & Sirkeci, İ. (1999). Bilanço’ 98, 75 Yılda Köylerden Sehirlere, Cumhuriyet Dönemi Türkiye’sinde Göç Hareketleri, Türkiye İş Bankası Yayınları: İstanbul.
• Jing, Z., Wang, G., Zhang, S., and Qiu, C. (2017). “Building Tianjin Driving Cycle Based On Linear Discriminant Analysis.” Transportation Research Part D, 53: 78–87. doi:10.1016/j.trd.2017.04.005
• Kalaycı, Ş. (2009). SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri, 4. Baskı, Asil yayıncılık, Ankara.
• Katseli, Louka T., Lucas, R.E.B. and Xenogiani,T. (2006). “Effects of Migration on Sending Countries: What Do We Know?” OECD Development Centre, Working Paper No.250,(August):1-90.
• Kılıç, İ., Lenger, Ö. F., ve Bozkurt, Z. (2012). “Bulanık Kümeleme Analizi İle Türkiye’deki İllerin Hayvancılık İstatistikleri Bakımından Sınıflandırılması.” Kocatepe Veteriner Dergisi, 5(1): 21-28.
• Klecka, W. (1980). Discriminant Analysis, Sage Publications, London.
• Kutlu, E. (1992). Uluslararası işgücü hareketi teorisi çerçevesinde Türkiye’den AT’ye işgücü göçünün Türkiye ekonomisi üzerindeki etkilerinin analizi. T.C. Anadolu Üniversitesi Yayınları, No:656, Eskişehir.
• Lachenbruch, P. A. (1975). “Some Unsolved Practical Problems In Discriminant Analysis.” University of North Carolina at Chapel Hill. Institute of Statistics Mimeo Series No. 1050.
• NCSS User’s Guide-IV (2006). Multivariate Analysis, Clustering, Meta-Analysis, Forecasting/Time Series, Operations Research, and Mass Appraisal, USA.
• OECD (2017). International Migration Outlook 2017. OECD Publishing, Paris. http://dx.doi.org/10.1787/migr_outlook-2017-en (4.03.2018)
• Özdamar, K. (2010). Paket Programlar İle İstatistiksel Veri Analizi- 2 (Çok Değişkenli Analizler), 7. Baskı, Kaan Kitabevi, Eskişehir.
• Parasız, İ., ve Bildirici, M. (2002). Modern Emek Ekonomisi, 1. Baskı, Ezgi Kitabevi, Bursa.
• Rousseeuw, P. J. (1987). “Silhouettes: A Graphical Aid To The Interpretation And Validation Of Cluster Analysis.” Journal of Computational and Applied Mathematics, 20(1): 53–65.
• Sönmez, H., & Er, F. (2007). “Türkiye’de İllere İç Göç Hareketlerinin Modern Kümeleme Teknikleri İle İncelenmesi.” Eskişehir Osmangazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 20(1): 17-32.
• Şahin, M., ve Hamarat, B. (2002). G10 - Avrupa Birliği ve OECD ülkelerinin sosyo-ekonomik benzerliklerinin fuzzy kümeleme analizi ile belirlenmesi. erc/ODTÜ Uluslararası Ekonomi Kongresi VI. Ankara. 11-14 Eylül, s. 1-19.
• Tatlıdil, H. (1992). Uygulamalı Çok Değişkenli İstatistiksel Analiz. Akademi Matbaası, Ankara.
• Tibshirani, R., Walther, G., & Hastie, T. (2001). “Estimating The Number Of Clusters İn A Data Set Via The Gap Statistics.” Journal of Royal Statistical Society: Series B, Vol. 63: 411-423.
• Torra, V. (2005). Fuzzy c means for fuzzy hierarchical clustering. FUZZ-IEEE 2005, Reno, Nevada, 22-25 Mayıs, s. 646- 651.
• Tütmez, B., ve Tercan, E. (2006). “Bulanık Modelleme Yaklaşımının Tenör Kestiriminde Kullanılması.” Madencilik, 45(2): 39-47.
• Yalçın, C. (2004). Göç Sosyolojisi. Anı Yayıncılık, Ankara.
• Yılancı, V. (2010). “Bulanık Kümeleme Analizi Türkiye’deki İllerin Sosyoekonomik Açıdan Sınıflandırılması.” Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(3): 453-470.