Measuring and Rating Socioeconomic Disparities among Provinces: A Case of Türkiye

Yıl 2025, Cilt: 12 Sayı: 1, 45 - 67, 14.02.2025

Emre Akusta

https://doi.org/10.26650/JEPR1472224

Öz

Regional disparities in the economic and social structures of countries have a great impact on their development levels. In geographically, culturally and economically diverse countries like Türkiye, determining the socioeconomic status of the provinces and regional differences is an important step for planning and implementing effective policies. Therefore, this study aims to determine the socioeconomic disparities of the provinces in Türkiye. For this purpose, a socioeconomic development index covering the economic and social dimensions of 81 provinces was constructed. For the index, 16 different indicators representing economic and social factors were used. These indicators were converted into indices using the Min-Max normalization method and Principal Component Analysis. Afterwards, using these indices, the provinces were divided into groups using the K-Means clustering algorithm and the Elbow method. In the last part of the study, the results are presented in a visual format using Scatter Plots, clustering maps and QGIS mapping tools. The results of the study show that 2 of the 81 provinces in Türkiye have very high, 30 high, 25 medium and 24 low socioeconomic indices. Istanbul and Ankara have very high socioeconomic status. In general, the provinces in western Türkiye have a high socioeconomic index, while the provinces in eastern and southeastern Anatolia face serious challenges in terms of socioeconomic indicators.

JEL Classification : R11 , O11 , O18

Anahtar Kelimeler

Socioeconomic indicators , Regions of Türkiye , Regional disparities , K-means algorithm , Clustering analysis

Kaynakça

• Albayrak, A. S. (2005). TürkİYe’de illerin sosYoekonomik gelişmişlik düzeYLerinin çok değişkenli istatistik Yöntemlerle incelenmesi. Uluslararası Yönetim İktisat ve İşletme Dergisi, 1(1), 153-177. google scholar Aldenderfer, M. S., & Blashfield, R. K. (1984). Cluster analYsis. NewberrY Park. google scholar
• AlpaYkut, S. (2017). TürkİYe’de illerin Yaşam memnunİYetinin temel bileşkenler analizi ve TOPSIS YÖntemİYle ölçümü üzerine bir inceleme. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (29), 367-395. google scholar
• Altıparmak, A., & Özdemir, A.İ. (2005). SosYoekonomik Göstergeler Açısından İllerin Gelişmişlik DüzeYİnin Karşılaştırma Analizi. Erciyes Üniversitesi İİBF Dergisi, 24, 97-100. google scholar
• AmasYali, M. F., & ErsoY, O. (2008, April). The performance factors of clustering ensembles. İn 2008 IEEE 16th Signal Processing, Commu-nication and Applications Conference (pp. 1-4). IEEE. google scholar
• Arı, E., & HÜYÜktepe, B. (2019). SosYoekonomik göstergeler için çok değişkenli veri analizi: TürkİYe için ampirik bir UYgulama. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(1), 7-20. google scholar
• Bholowalia, P., & Kumar, A. (2014). EBK-means: A clustering technique based on elbow method and k-means in WSN. International Journal of Computer Applications, 105(9). google scholar
• Birkalan, A. Ö., & Bay, H. (2022). Bölgesel Asgari Ücret Varsayımı Altında Bölgelerin Kümeleme Analizi Yöntemleriyle Tespiti. Maliye Dergisi, Temmuz-Aralık, 183, 24-48. google scholar
• Blashfield, R. K. (1976). Mixture model tests of cluster analYsis: accuracY of four agglomerative hierarchical methods. Psychological Bulletin, 83(3), 377. google scholar
• Buonanno, P., & Montolio, D. (2008). IdentifYing the socio-economic and demographic determinants of crime across Spanish provinces. International Review of law and Economics, 28(2), 89-97. google scholar
• Çakmak, E., & Örkcü, H. H. (2016). TürkiYe’deki illerin etkinliklerinin sosYoekonomik temel göstergelerle veri zarflama analizi kullanarak incelenmesi. Karabük Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 6(1), 30-48. google scholar
• CaLinski, T., & Harabasz, J. (1974). A dendrite method for cluster analYsis. Communications in Statistics-theory and Methods, 3(i), 1-27. google scholar
• Çelik, Ş. (2013). Kümeleme analizi ile sağlık göstergelerine göre türkiYe’deki illerin sınıflandırılması. Doğuş Üniversitesi Dergisi, 14(2), 175-194. google scholar
• ÇeLik, Ş. (2015). Çok boYutLu öLçekLeme anaLizi iLe haYvancıLık açısından TürkiYe’de iLLerin sınıflandırıLması. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 31(4), 159-167. google scholar
• Chairat, K., SantipoLvut, S., & Sukharomana, S. (2015). ProvinciaL cLustering in the South of ThaiLand: ConceptuaL and empiricaL. Regional Science Inquiry, 7(1), 55-67. google scholar
• Coşkun, E., Gündoğan, E., KaYa, M., & Alhajj, R. (2021). Veri madenciLiği YÖntemLeri kullanarak Yoğun bakım ünitesindeki hastaların sınıflandırması. Computer Science, (Special), 319-328. google scholar
• CzirâkY, D., Puljiz, J., Jurlin, K., Malekovic, S., & Polic, M. (2002). Covariance structure anaLYsis of regionaL deveLopment data: An appLication to municipaLitY deveLopment assessment. From Industry to Advanced Services: Perspectives of European Metropolitan Region. Dortmund: European Regional Science Association. google scholar
• Davies, D. L., & BouLdin, D. W. (1979). A cLuster separation measure. IEEE transactions on pattern analysis and machine intelligence, (2), 224-227. google scholar
• DoğruL, H. G., & Çelikkol, M. M. (2017). TürkİYe'de illerin kümeLeme analizi ile Yaratıcı sınıf ve ekonomik gelişmişlik göstergeLerine göre sınıflandırıLması. Third Sector Social Economic Review, 52(2), 90. google scholar
• DumaYas, A. (2023). The Structure and EvoLution of CitY SYstem in the PhiLippines. In Industrial Location and Vitalization of Regional Economy (pp. 137-163). Singapore: Springer Nature Singapore. google scholar
• Everitt, B. S., Landau, S., Leese, M., & StahL, D. (2011). CLuster AnaLYsis, 5th Edition. London: A John WiLeY & Sons, Ltd., PubLication. google scholar
• Filiz, Z. (2005). İllerin sosyoekonomik düzeYLerine göre grupLandırıLmasında farklı YakLaşımLar, Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 6(1), 77-100. google scholar
• Han, J., Gao, M., & Sun, Y. (2020). Measurement of CitY CLusters’ Economic Growth Effects and AnaLYsis of the Influencing Factors. Chinese Journal of Urban and Environmental Studies, 8(01), 2050006. google scholar
• HoteLLing, H. (1933). AnaLYsis of a compLex of statisticaL variabLes into principaL components. Journal of educational psychology, 24(6), 417. google scholar
• JoLLiffe, I. T. (2002). PrincipaL component anaLYsis for speciaL tYpes of data (pp. 338-372). Springer New York. google scholar
• Kandemir, A. Ş. (2018). Bulanık KümeLeme Analizi ile TürkİYe’deki İllerin Konaklama İstatistiklerine Göre Sınıflandırılması. Seyahat ve Otel İşletmeciliği Dergisi, 15(3), 657-668. google scholar
• Kansakar, A. R., & Gupta, R. (2023, ApriL). A surveY on cLassification of GeospatiaL CLustering. In 2023 International Conference on Computational Intelligence, Communication Technology and Networking (CICTN) (pp. 441-446). IEEE. google scholar
• Karadaş, K., & Erilli, N. A. (2023). Gri KümeLeme Analizi ile TürkİYe’deki Şehirlerin SosYoekonomik Verilere Göre Sınıflandırılması. istatistik Araştırma Dergisi, 13(2), 60-74. google scholar
• KarYpis, M. S. G., Kumar, V., & Steinbach, M. (2000, August). A comparison of document cLustering techniques. In TextMining Workshop at KDD2000 (2000). google scholar
• KaYgısız, Z., SaraçLı, S., & Dokuzlar, K. U. (2005). İllerin gelişmişlik düzeYİni etkileYen faktörlerin path analizi ve kümeLeme analizi ile inceLenmesi. VII. Ulusal Ekonometri ve istatistik Sempozyumu, 26, 27. google scholar
• Ketchen, D. J., & Shook, C. L. (1996). The appLication of cLuster anaLYsis in strategic management research: an anaLYsis and critique. Strategic management journal, 17(6), 441-458. google scholar
• Kılıç, İ., SaraçLı, S., & KoLukısaoğLu, S. (2011). Sosyo- Ekonomik Göstergeler Bakımından İllerin Bölgesel Bazda Benzerliklerinin Çok Değişkenli Analizler İle İncelenmesi. istatistikçiler Dergisi, 4, 57-68. google scholar
• KronthaLer, F. (2003). A StudY of The Competitiveness of Regions Based on A CLuster AnaLYsis: The ExampLe of East GermanY. University of Jyväskylä, 43rd European Congress of the Regional Science Association, Finland, 1-31. google scholar
• Krzanowski, W. J., & Lai, Y. T. (1988). A criterion for determining the number of groups in a data set using sum-of-squares clustering. Bio-metrics, 23-34. google scholar
• Li, J. M., Zhang, W. Z., Sun, T. S., & Zhang, A. P. (2014). Characteristics of clustering and economic performance of urban agglomerations in China. Acta geographica sinica, 69(4), 474-484. google scholar
• MacQueen, J. (1967, June). Some methods for classification and analYsis of multivariate observations. In Proceedings of the fifth Berkeley symposium on mathematical statistics and probability (Vol. 1, No. 14, pp. 281-297). google scholar
• MeiLâ, M., & Heckerman, D. (1998, JuLy). An experimental comparison of several clustering and initiaLization methods. İn Proceedings of the Fourteenth Conference on UncertaintY in Artificial Intelligence, 386-395. google scholar
• Mohamed, E., & CeLik, T. (2022). EarLY detection of faiLures from vehicLe equipment data using K-means cLustering design. Computers and Electrical Engineering, 103, 108351. google scholar
• OECD. (2008). Joint Research Centre-European Commission. (2008). Handbook on constructing composite indicators: methodoLogY and user guide. OECD pubLishing. google scholar
• Özkubat, G., & SeLim, S. (2019). TürkİYe’de illerin sosYoekonomik gelişmişliği: Bir mekânsaL ekonometrik anaLiz. Alphanumeric journal, 7(2), 449-470. google scholar
• Özkubat, G., & SeLim, S. (2019). TürkİYe’de illerin sosYoekonomik gelişmişliği: Bir mekânsaL ekonometrik anaLiz. Alphanumeric journal, 7(2), 449-470. google scholar
• Pearson, K. (1901). Lİİİ. On Lines and pLanes of cLosest fit to sYstems of points in space. The London, Edinburgh, and Dublin philosophical magazine and journal of science, 2(11), 559-572. google scholar
• Risheh, A., TavakoLian, P., MeLinkov, A., & MandeLis, A. (2022). İnfrared computer vision in non-destructive imaging: Sharp deLineation of subsurface defect boundaries in enhanced truncated correLation photothermaL coherence tomographY images using K-means cLustering. NDT & E International, 125, 102568. google scholar
• Rousseeuw, P. J. (1987). SiLhouettes: a graphicaL aid to the interpretation and vaLidation of cLuster anaLYsis. Journal of computational and applied mathematics, 20, 53-65. google scholar
• SaveLeva, E. O. (2022). QuantifYing SpatiaL Structure of the Largest RegionaL Centers in Russia: GeneraL Patterns and TYpoLogicaL Features. Regional Research of Russia, 12(2), 227-240. google scholar
• Servi, T., & ErişoğLu, Ü. (2020). TürkİYe'deki şehirlerin sosYoekonomik gelişmişlik düzeYLerinin istatistiksel analizi. Al Farabi Uluslararası Sosyal Bilimler Dergisi, 5(2), 174-186. google scholar
• Soares, J. O., Marques, M. M. L., & Monteiro, C. M. F. (2003). A muLtivariate methodologY to uncover regionaL disparities: A contribution to improve European Union and governmentaL decisions. European Journal of Operational Research, 145(1), 121-135. google scholar
• Steinbach, M., KarYpis, G., & Kumar, V. (2000). A comparison of document cLustering techniques, TechnicaL Report, 1-22. google scholar
• SYakur, M. A., Khotimah, B. K., Rochman, E. M. S., & Satoto, B. D. (2018, ApriL). İntegration k-means cLustering method and eLbow method for identification of the best customer profiLe cLuster. İn IOP conference series: materials science and engineering (VoL. 336, p. 012017). İOP PubLishing. google scholar
• Taşçı, E., & Onan, A. (2016). K-en Yakın komşu algoritması parametrelerinin sınıflandırma performansı üzerine etkisinin incelenmesi. Akademik Bilişim, 1(1), 4-18. google scholar
• TatLıdiL, H. (1992). Uygulamalı çok değişkenli istatistiksel analiz. Engin YaYınLarı. google scholar
• Tekin, B. (2015). TemeL sağLık göstergeLeri açısından TürkiYe’deki iLLerin grupLandırıLması: bir kümeLeme anaLizi uYguLaması. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(2), 389-416. google scholar
• TrYon, R., & BaiLeY, D. E. (1939). CLuster AnaLYsis, Mc Graw-HiLL, New York. google scholar
• Tunç, T., EriLLi, A., Öner, Y., Yolcu, U. (2009). İllerin sosYoekonomik verilere daYanarak bulanık kümeleme analizi ile sınıflandırılması. Physical Sciences, 4(1), 1-11. google scholar
• Turgel, I. D., Bozhko, L. L., & PandzhİYeva, V. T. (2020). CLuster policies of Large cities in Russia and Kazakhstan. R-Economy. 2020. Vol. 6. Iss. 1, 6(1), 28-39. google scholar
• Xu, R., & Wunsch II, D. C. (2009). CLustering, A John WiLeY & Sons. Inc., Publication. google scholar