Araştırma Makalesi
BibTex RIS Kaynak Göster

Analysis of Turkey Labour Force Data by Decision Tree Methods

Yıl 2018, , 91 - 114, 29.12.2018
https://doi.org/10.18074/ckuiibfd.340236

Öz

The countries which have focused on employment,
unemployment and the problems related to these issues attach importance to
gathering data and research efforts about these issues in order to solve these
problems and create efficient policies. Various data analysis methods are
utilized in these researches. In addition to classical statistical data
analysis methods, data mining methods which contain the most effective analysis
methods on large databases are widely used because of the increase in the
amount of data obtained. In this study, it is aimed to present the situation of
labour force of the population and to provide detailed information by using the
year 2013 data of “Household Labour Force Survey” conducted by Turkish
Statistical Institute. For this purpose, statistics were obtained for the population
in the labour force, and decision tree models were created using data that
belong to the persons whose labour force situation was "not working"
at the previous year. Gender, age groups, graduation status, marital status, attending
a school and the geographical region where they reside were found to be the
most important variables affecting the labour force situation.

Kaynakça

  • Akpınar, H. (2014). Data veri madenciliği veri analizi. İstanbul: Papatya Yayıncılık.
  • Baltagi, B. H., Baskaya, Y. S., ve Hulagub, T. (2012). The Turkish wage curve: Evidence from the household labor force survey. Economics Letters, 114(1), 128-131.
  • Fayyad, U., Piatetsky-Shapiro, G., ve Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3), 37-54.
  • Han, J., ve Kamber, M. (2001). Data mining concepts and techniques. Academic Press.
  • Larose, D. T. (2005). Discovering knowledge in data: An introduction to data mining. John Wiley & Sons.
  • Oğuzlar, A. (2004). CART analizi ile hanehalkı işgücü anketi sonuçlarının özetlenmesi. Atatürk Üniversitesi İİBF Dergisi, 18, 79-90.
  • Özkan, H. Ö. (2013). Labor market mobility and marginal attachment in Turkey: Evidence from hlfs, 2000-2002. Yayınlanmamış Yüksek Lisans Tezi, Koç Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
  • Rexer Analytics. (2016, Nisan). 2015 Data science survey highlights. (Erişim tarihi:13.06.2017), http://www.rexeranalytics.com/files/Rexer_Data_ Science_Survey_Highlights_Apr-2016.pdf .
  • Silahtaroğlu, G. (2013). Veri madenciliği kavram ve algoritmalar. İstanbul: Papatya Yayıncılık.
  • Tansel, A. (2001). Economic development and female labor force participation in Turkey: time-series evidence and cross-province estimates. Economic Research Forum for the Arab Countries.
  • Tunalı, İ., ve Ercan, H. (2003). Background study on labour market. European Training Foundation: Torino.
  • TÜİK. (2014a). Hanehalkı işgücü araştırması mikro veri seti 2013. Ankara: TÜİK Matbaası.
  • TÜİK. (2014b). Türkiye İstatistik Yıllığı 2013. Ankara: TÜİK Matbaası.
  • Yılmaz, E. (2012). İstatistiksel analiz yöntemi olarak veri madenciliğinde CHAID algoritması ve Türkiye’de işgücü piyasasının durumunun ve bunun nedenlerinin belirlenmesine ilişkin bir uygulama. Yayımlanmamış Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
  • Yükseler, Z., ve Türkan, E. (2008). Türkiye'da hanehalkı: İşgücü, Gelir, Harcama ve Yoksulluk Açısından Analizi. İstanbul: TÜSİAD.

Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi

Yıl 2018, , 91 - 114, 29.12.2018
https://doi.org/10.18074/ckuiibfd.340236

Öz

İstihdam, işsizlik ve bunlara bağlı sorunlara odaklanan ülkeler, bu
sorunları çözebilmek ve sağlıklı politikalar oluşturabilmek için konu ile ilgili
veri derleme ve araştırma çalışmalarına önem vermektedirler. Bu konudaki
araştırmalarda çeşitli veri analiz yöntemlerinden faydalanılmaktadır. Klasik
istatistiksel analiz yöntemlerinin yanı sıra, elde edilen veri miktarının
artması nedeniyle, büyük veri tabanları üzerinde en etkili analiz yöntemlerini
içinde barındıran veri madenciliği yöntemleri de yaygın olarak
kullanılmaktadır. Bu çalışmada, Türkiye İstatistik Kurumu tarafından yapılan “Hanehalkı
İşgücü Araştırması” 2013 yılı verilerini kullanarak, nüfusun işgücü açısından
durumunu ortaya koymak ve işgücü durumu için karar ağacı modelleri oluşturmak amaçlanmıştır.
Bu amaçla, işgücündeki nüfus için istatistikler elde edilmiş ve bir önceki yıl
çalışmayan bireylere ait veriler kullanılarak karar ağacı modelleri oluşturulmuştur.
Bir yıl önce çalışmadığını belirten bireylerin cinsiyetleri, yaş grupları,
mezuniyet durumları, medeni durumları, bir okula devam edip etmedikleri ve
ikamet ettikleri coğrafi bölge işgücü durumlarını etkileyen en önemli değişkenler
olarak bulunmuştur.

Kaynakça

  • Akpınar, H. (2014). Data veri madenciliği veri analizi. İstanbul: Papatya Yayıncılık.
  • Baltagi, B. H., Baskaya, Y. S., ve Hulagub, T. (2012). The Turkish wage curve: Evidence from the household labor force survey. Economics Letters, 114(1), 128-131.
  • Fayyad, U., Piatetsky-Shapiro, G., ve Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3), 37-54.
  • Han, J., ve Kamber, M. (2001). Data mining concepts and techniques. Academic Press.
  • Larose, D. T. (2005). Discovering knowledge in data: An introduction to data mining. John Wiley & Sons.
  • Oğuzlar, A. (2004). CART analizi ile hanehalkı işgücü anketi sonuçlarının özetlenmesi. Atatürk Üniversitesi İİBF Dergisi, 18, 79-90.
  • Özkan, H. Ö. (2013). Labor market mobility and marginal attachment in Turkey: Evidence from hlfs, 2000-2002. Yayınlanmamış Yüksek Lisans Tezi, Koç Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
  • Rexer Analytics. (2016, Nisan). 2015 Data science survey highlights. (Erişim tarihi:13.06.2017), http://www.rexeranalytics.com/files/Rexer_Data_ Science_Survey_Highlights_Apr-2016.pdf .
  • Silahtaroğlu, G. (2013). Veri madenciliği kavram ve algoritmalar. İstanbul: Papatya Yayıncılık.
  • Tansel, A. (2001). Economic development and female labor force participation in Turkey: time-series evidence and cross-province estimates. Economic Research Forum for the Arab Countries.
  • Tunalı, İ., ve Ercan, H. (2003). Background study on labour market. European Training Foundation: Torino.
  • TÜİK. (2014a). Hanehalkı işgücü araştırması mikro veri seti 2013. Ankara: TÜİK Matbaası.
  • TÜİK. (2014b). Türkiye İstatistik Yıllığı 2013. Ankara: TÜİK Matbaası.
  • Yılmaz, E. (2012). İstatistiksel analiz yöntemi olarak veri madenciliğinde CHAID algoritması ve Türkiye’de işgücü piyasasının durumunun ve bunun nedenlerinin belirlenmesine ilişkin bir uygulama. Yayımlanmamış Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
  • Yükseler, Z., ve Türkan, E. (2008). Türkiye'da hanehalkı: İşgücü, Gelir, Harcama ve Yoksulluk Açısından Analizi. İstanbul: TÜSİAD.
Toplam 15 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Ekonomi
Bölüm Karatekin İİBF
Yazarlar

Engin Yıldıztepe

Ahmet Kocataş Bu kişi benim

Yayımlanma Tarihi 29 Aralık 2018
Yayımlandığı Sayı Yıl 2018

Kaynak Göster

APA Yıldıztepe, E., & Kocataş, A. (2018). Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi. Çankırı Karatekin Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 8(2), 91-114. https://doi.org/10.18074/ckuiibfd.340236
AMA Yıldıztepe E, Kocataş A. Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. Aralık 2018;8(2):91-114. doi:10.18074/ckuiibfd.340236
Chicago Yıldıztepe, Engin, ve Ahmet Kocataş. “Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi”. Çankırı Karatekin Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi 8, sy. 2 (Aralık 2018): 91-114. https://doi.org/10.18074/ckuiibfd.340236.
EndNote Yıldıztepe E, Kocataş A (01 Aralık 2018) Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 8 2 91–114.
IEEE E. Yıldıztepe ve A. Kocataş, “Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi”, Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, c. 8, sy. 2, ss. 91–114, 2018, doi: 10.18074/ckuiibfd.340236.
ISNAD Yıldıztepe, Engin - Kocataş, Ahmet. “Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi”. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 8/2 (Aralık 2018), 91-114. https://doi.org/10.18074/ckuiibfd.340236.
JAMA Yıldıztepe E, Kocataş A. Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 2018;8:91–114.
MLA Yıldıztepe, Engin ve Ahmet Kocataş. “Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi”. Çankırı Karatekin Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, c. 8, sy. 2, 2018, ss. 91-114, doi:10.18074/ckuiibfd.340236.
Vancouver Yıldıztepe E, Kocataş A. Türkiye İşgücü Verilerinin Karar Ağacı Yöntemleriyle Analizi. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 2018;8(2):91-114.