Türkiye’de Bölgelere Göre Kaba Ölüm Oranı Analizi-I

Year 2024, Volume: 10 Issue: 1, 65 - 80, 26.04.2024

Ersin Kıral

https://doi.org/10.20979/ueyd.1397048

Abstract

Bu makale Türkiye ve bölgelerinin kaba ölüm hızı oranları (KÖH, 1/1000) yıllık verileri üzerine üstel fonksiyon modellemesi yaparak analiz ve tahmin etmektedir. Covid döneminde karesel bir fonksiyon modellenip Türkiye’de beklenen ölüm oranları hesaplanmıştır. Sonuçlar: a) Türkiye’nin 2023 yılı 6 Şubat büyük depremi ile birlikte ölüm sayısı 577832 olarak beklenmektedir, KÖH, %2,4478’lik artışla 6,0861 hesaplanmıştır. Bölgelerde 2023 KÖH tahminleri: Batı Karadeniz %2,1656 artışla 8,9605’e ulaşacaktır. Batı Marmara -%1,093 değişimle 8,8539 hesaplanmıştır. Doğu Karadeniz -%0,203’lük artışla 8,6633 bulunmuştur. Ege %1,0319 artışla 7,7505 bulunmuştur. Orta Anadolu %5,0633 artışla 7,0085 hesaplanmıştır. Doğu Marmara %1,2841 değişimle 6,4294 hesaplanmıştır. Akdeniz %2,9542 artışla 5,8906 olarak hesaplanmıştır. Batı Anadolu %4,5652 artış ile 5,7600 olarak bulunmuştur. Kuzeydoğu Anadolu %3,6404 artışla 5,4206 olacaktır. İstanbul %3,5996 artışla 4,8131’e ulaşacaktır. Ortadoğu Anadolu %4,0291 artışla 4,4827 bulunmuştur. Güneydoğu Anadolu %6,201 artışla 3,7307 hesaplanmıştır. b) Covid sürecinde Türkiye’de beklenen KÖH ortalaması 5,8643 gerçekleşen ortalama KÖH 6,3793 olmuştur. Bu dönemde Türkiye’de KÖH beklenen değerden 1,2575 fazla gerçekleşmiştir.

Keywords

Ekonometri, Kaba Ölüm Hızı, Üstel fonksiyon modelleme, En Küçük Kareler Yöntemi, Karesel Fonksiyon modelleme

Crude Mortality Rate Analysis by Regions in Turkey-I

Abstract

This article analyzes and estimates the crude death rate rates (CDR) of Turkey and its regions by using exponential function modeling. The exponential function created for death rates was made linear by taking its logarithm, and the initial value C and increase rate A coefficients were calculated by the least squares method. The models were created on the crude death rates (1/1000) data of Turkey and 12 regions. Furthermore, a quadratic function was modeled on CMR data during the Covid period and the expected and actual death rates in Turkey were calculated. Results obtained from the study: a) Turkey's 2023 PES rate is expected to be 6.0861 with an increase of 2.4478%. 2023 CMR rate predictions in the regions are: TR8 Western Black Sea will reach 8.9605 with an increase of 2.1656%. TR2 West Marmara was calculated as 8.8539 with a change of -1.093%. TR9 Eastern Black Sea was found to be 8.6633 with an increase of -0.203%. TR3 Aegean was found to be 7.7505 with an increase of 1.0319%. TR7 Central Anatolia was estimated as 7.0085 with an increase of 5.0633%. TR4 East Marmara was calculated as 6.4294 with a change of 1.2841%. TR6 Mediterranean was calculated as 5.8906 with an increase of 2.9542%. TR5 Western Anatolia was found to be 5.7600 with an increase of 4.5652%. TRA Northeast Anatolia will be 5.4206 with an increase of 3.6404%. TR1 Istanbul will reach 4.8131 with an increase of 3.5996%. TRB Middle East Anatolia was found to be 4.4827 with an increase of 4.0291% in 2023. TRC Southeastern Anatolia was calculated as 3.7307 with an increase of 6.201%. Apart from these: b) While Turkey's expected average PES rate was 5.8643 during the Covid period from mid-2019 to the end of 2022, the actual average PES rate was 6.3793. During this period, Turkey's PPP rate was 1.2575 higher than the expected value.

Keywords

Econometrics, Crude Death Rate, Exponential function modeling, Least Squares Method, Quadratic Function modeling

References

• Acar Bolat, B. ve Lorcu, F. (2009). Yaşlara Göre Ölüm Oranları ile Sosyo-Ekonomik Göstergeler Arasındaki İlişkinin İncelenmesi. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 38 (2), 124-133.
• Akpınar, A. ve Cankurt, M. (2015). Türkiye'de Kişi Başına Düşen Yeşil Alan Miktarı İle Ölüm Oranı Arasındaki İlişkinin İncelenmesi. Adnan Menderes Üniversitesi Ziraat Fakültesi Dergisi, 12, (2), 101-107.
• Akturan, S., Gümüş, B., Özer, Ö., Balandız, H. ve Erenler, A. K. (2019). TÜİK Verilerine Göre Türkiye'de 2009 ve 2016 Yılları Arasındaki Ölüm Oranları ve Nedenleri. Konuralp Medical Journal, 11 (1), 9-16.
• Barlas, E., Şantaş, F., ve Kar, A. (2014). Türkiye’de Bölgesel Bebek Ölüm Hızlarının Sağlık Ekonomisi Perspektifinden Karşılaştırmalı Analizi. Uluslararası Avrasya Ekonomileri Konferansı, 1-10.
• Burcu, E. ve Akalın, E. (2008). Ölüm Olgusu Üzerine Sosyolojik Tartışmalar. Hacettepe Üniversitesi Türkiyat Araştırmaları (HÜTAD), (8), 29-54.
• Çilingiroğlu N., Subaşı N., Çiçekli Ö., AV K., Ferlengez E. ve Kocatürk Ö. (2005). Hacettepe Üniversitesi Erişkin Hastanesindeki 2004 Yılı Ölümlerinin Değerlendirilmesi. Hacettepe Sağlık İdaresi Dergisi, 8(3):308-324.
• Gökhan, K. (2023). Mekânsal Ekonometri Analizi ile Türkiye’de Bölgeler Arası Bebek Ölüm Oranı Belirleyicileri Üzerine Bir İnceleme. EKOIST Journal of Econometrics and Statistics, (38), 149-170.
• Keskin, S. , Demir, C. ve Demir, Y. (2020). Türkiye’deki Yeni Koronavirüs (2019-Ncov) Vaka Sayısının Seyri için İstatistik Model Yaklaşımı. Van Sağlık Bilimleri Dergisi, COVID-19 Özel Sayı, 29-32.
• Meral D., Hilal A., Çekin N., Gülmen M.K. ve Akçan R. (2007). Çukurova Üniversitesi Hastanesinde Defin Ruhsatları ve Ölüm Nedenleri. Adli Tıp Bülteni, 12:10-14.
• Sudarno and Widiharih, T., (2021). Determination Parameter of Exponential Function Based Positive Number. J. Phys.: Conf. Ser., 1943 (012152): 742- 6596.
• Şahinarslan, F., V., (2019). Makine Öğrenmesi Algoritmaları ile Nüfus Tahmini: Türkiye Örneği. Sosyal Bilimler Enstitüsü İşletme [Yüksek Lisans Tezi]. İstanbul Teknik Üniversitesi.
• Şenol, O. , Metin, A. ve Korucu, K.S. (2019). Ülkelerin Ölüm Göstergeleriyle Karşılaştırılması: Veri Zarflama Analizi. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (33), 82-103.