İş Kazalarının Box-Jenkins ARIMA Tekniği Kullanılarak Modellenmesi

Yıl 2018, Cilt: 9 Sayı: 1, 58 - 71, 13.06.2018

Deniz Boz Eravcı

Öz

Bu çalışmada, Türkiye’deki iş kazalarının zaman serileri
analizi ile gelecek yıllara ilişkin öngörü modelinin kurulması amaçlanmıştır.
Bu kapsamda SGK 1970-2016 yılları iş kazası verileri üzerinden zaman serileri
veri seti oluşturulmuştur. Modellemede yöntem olarak Box-Jenkins ARIMA tekniği
kullanılmıştır. Seriye ilişkin otokorelasyon (ACF) ve kısmi otokorelasyon
(PACF) grafikleri incelenmiş ve Genişletilmiş Dickey-Fuller (ADF) test ile
serinin 1. fark işleminden sonra durağanlaştığı tespit edilmiştir. Tahmin
edilen olası modeller içerisinde AIC 
(Akaike Bilgi Kriteri), BIC (Bayesci Bilgi Kriteri) ve RMSE (Kare
ortalamalarının karekökü) değerleri en küçük olan model seçilmiştir. Ülkemizde
iş kazalarının tahmin edilmesine yönelik olarak en iyi modelin ARIMA (1, 1, 0)
olduğu tespit edilmiştir. Bu modele göre, 2020 yılında iş kazası sayısının
67463 olacağı tahmin edilmiştir.

Anahtar Kelimeler

Tahmin Modelleri, Zaman serileri, Box-Jenkins- ARIMA, iş kazaları

Kaynakça

• 5510 sayılı Sosyal sigortalar ve Genel Sağlık Sigortası Kanunu. (2006, 05 31). Mevzuatı Geliştirme ve Yayın Genel Müdürlüğü Mevzuat Bilgi Sistemi: http://www.mevzuat.gov.tr/Metin.Aspx?MevzuatKod=1.5.5510&MevzuatIliski=0&sourceXmlSearch adresinden alındı 6331 Sayılı İş Sağlığı ve Güvenliği Kanunu. (30.06.2012). http://www.mevzuat.gov.tr/MevzuatMetin/1.5.6331.pdf adresinden alındı Alma, Ö. G. (2013, Aralık). Performance Comparisions of Model Selection Criteria: AIC, BIC, ICOMP and World's For PLSR. TÜİK İstatistik Araştırma Dergisi, 10(3), s. 15-34. Bircan, H., & Karagöz, Y. (2003). Box-Jenkins Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2(6), s. 49-62. Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2009). Stochastic models and their forecasting. G. Box, G. M. Jenkins, & G. C. Reinsel içinde, Time Series Analysis, Forecasting and Control (Cilt Fifth Edition, s. 21-126). WILEY. Chatfield, C. (2003). Texts in statistical Science: The Analysis of Time Series (Cilt Sixth Edition). USA: CHAPMAN&HALL/CRC. Chung, S. (2001). Demand modeling and analysis for the management of underground infrastructure systems. Doktora Tezi. USA: Purdue University. Cryer, J. D., & Chan, K.-S. (2008). Time series Analysis with Applications in R (Cilt Second Edition). USA: Springer. Çelik, Ş. (2013). Zaman Serileri Analizi ve Trafik Kazası Verilerine Uygulanması. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 3(4), 43-51. Erginel, N., & Toptancı, Ş. (2017). İş Kazası Verilerinin Olasılık Dağılımları ile Modellenmesi. Mühendislik Bilimleri ve Tasarım Dergisi(22), s. 201-212. Gujarati, D. N. (2008). Zaman Serileri Ekonometrisi I: Durağanlık, birim Kökler, Eşbütünleşim. D. N. Gujarati içinde, Temel Ekonometri (Ü. Şenesen, & G. Günlük Şenesen, Çev., s. 713). İstanbul: Literatür Yayınları. ILO. (2018, Mart 29). Safety and Health at Work. International Labour Organization: http://www.ilo.org/global/topics/safety-and-health-at-work/lang--en/index.htm adresinden alındı İslamoğlu, E. (2015). Aralık Değerli Zaman Serilerinde Kullanılan Modelleme Teknikleri. EÜFBED-Fen Bilimleri Enstitüsü Dergisi, 8(2), s. 178-193. doi:http://dv.doi.org/10.18185/eufbed.04685 Jabbari, M., & Ghorbani, R. (2016). Developinf technigues for cause-responsibility analysis of occupational accidents. Accident Analysis and Prevention(96), s. 101-107. Kaya, M., & Çankaya, E. (2013, Temmuz). Bayes Faktörü, Bayesci Bilgi Ölçütü ve Sapma Model Bilgi Ölçütü Kullanımıyla Bayesci Model Seçiminin Bir Uygulaması. TÜİK İstatistik Araştırma Dergisi, 10(2), s. 25-41. Kaya, Y., & Yeşilova, A. (2012, Ocak). Karışımlı İkilil Lojistik Regresyon Modeline İlişkin bir Uygulama. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Mühendislik Bilimleri Dergisi, 14(1), s. 39-47. Kaynar, O., & Taştan, S. (2009, Temmuz-Aralık). Zaman Serisi Analizinde MLP Yapay sinir Ağları ve ARIMA Modelinin Karşılaştırılması. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi(33), s. 161-172. Machiwal, D., & Kumar Jha, M. (2012). Stochastic Modelling of Time Series. D. Machiwal, & M. Kumar Jha içinde, Hydrologic Time Series Analysis: Theory and Practice (s. 85-94). India: Springer. Reese, C., & Edison, J. (2006). Handbook of OSHA Construction Safety and Health. United states of America: CRC Press, Taylor & Francis Group. Taneja, K., Ahmad, S., Ahmad, K., & Attri, S. (2016). Time series analysis of aerosol optical depth over New Delhi using Box-Jenkins ARIMA modelling approach. Atmospheric Pollution Research(7), s. 585-596. Turgut, D., & Temiz, İ. (2015). Ankara'daki Hava Kirliliği için Zaman Serileri Analizi ve Tahmin: Box-Jenkins Yaklaşımı. The Journal of Operations Research, Statistics, Econometrics and Management Information Systems, 3(2), s. 131-138. Wei, W. (2006). Time series analysis. Addison Wesley Publishing Company. Yaffee, A. R., & McGee, M. (2000). Introduction to BoxJenkins Time Series Analysis. A. R. Yaffee, & M. McGee içinde, Time Series Analysis and Forecastings with Applications of SAS and SPSS (s. 69-100). Academic Press. Yoon, S., Lin, H., Chen, G., Yi, S., Choi, J., & Ru, Z. (2013). Effect of occupational healthand safety management system on work-related accident rate and differencesof occupational health and safety management system awareness betweenmanagers in South Korea’s construction industry. Safety Health Work(4), s. 201-209.