Tracking the money in the wild: The efficacy of kernel functions in support vector regression for Türkiye’s hunting tourism revenue estimation

Öz

Since hunting tourism usually takes place in rural areas, it provides economic benefits to regions that would not normally be an important tourism point and helps to homogenize development on a national basis. Many developed countries greatly contribute to their economies through hunting tourism. In the study, the current economic contribution of hunting tourism to the Turkish economy was examined. This contribution was aimed to be estimated with statistical methods that produce accurate and reliable results despite limited data. For this aim, the share of hunting tourism revenue in total tourism revenues was estimated with support vector regression models using linear, radial-basis, polynomial, and sigmoid kernel functions based on data between 2003 and 2021. When selecting the parameters of the kernel functions, all values ​​in wide ranges were tried and the radial-based model, which gave the lowest error rate, was selected as the best model. It was observed that the model captured the increase and decrease trend in the revenue rate, similar to the real data. However, it could not predict the decrease that occurred only due to the travel restrictions during the pandemic. The coefficients obtained from the model show that the income from hunting tourism can create an average increase of approximately 2% in total tourism income each year.

Anahtar Kelimeler

• Hunting
• hunting tourism
• kernel function
• support vector regression
• tourism

Vahşi doğada para takibi: Türkiye av turizmi gelir tahmini için destek vektör regresyonundaki çekirdek fonksiyonlarının etkinliği

Öz

Av turizmi genellikle kırsal alanlarda gerçekleştiği için normalde önemli bir turizm noktası olmayacak bölgelere ekonomik faydalar sağlamakta ve kalkınmanın ulusal bazda homojenleşmesine yardımcı olmaktadır. Birçok gelişmiş ülke av turizmi ile ekonomilerine büyük katkılar sağlamaktadır. Bu çalışmada da, av turizminin Türkiye ekonomisine sağladığı mevcut ekonomik katkı incelenerek, bu katkının kısıtlı veriye rağmen doğru ve güvenilir sonuçlar üreten istatistiksel yöntemler ile tahmin edilmesi amaçlanmıştır. Bu amaçla, av turizminden elde edilen gelirin toplam turizm gelirleri içerisindeki payı, 2003 ve 2021 yılları arasındaki veriler baz alınarak doğrusal, radyal tabanlı, polinomiyal ve sigmoid çekirdek fonksiyonlarını kullanan destek vektör regresyonu modelleri ile tahmin edilmiştir. Çekirdek fonksiyonlarının parametreleri seçilirken geniş aralıklarda yer alan tüm değerler denenmiş ve en düşük hata oranını veren radyal tabanlı model, en iyi model olarak seçilmiştir. Modelin; gelir oranındaki artış ve azalış trendini gerçek veriye benzer şekilde oldukça iyi yakaladığı, sadece pandemi dönemindeki seyahat kısıtlamaları yüzünden gerçekleşen azalışı öngöremediği göze çarpmıştır. Model için elde edilen katsayılar, her geçen yıl av turizminden elde edilen gelirin toplam turizm gelirleri içerisinde yaklaşık ortalama %2’lik bir artış yaratabileceğini göstermiştir.

Anahtar Kelimeler

• Avcılık
• av turizmi
• çekirdek fonksiyonu
• destek vektör regresyonu
• turizm

Kaynakça

1. Agaraj, X., Murati, M., 2009. Tourism an important sector of economy development. Annals-Economy Series, 1: 83-90
2. Akgün B.T., 2003. Antalya Orman Bölge Müdürlüğünde Av Turizminin Rekresyonel Arz-Talep Yönünden İncelenmesi. İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi. İstanbul
3. Aktürk S., 2019. Bist100 Endeksinin Günlük Modellenmesi. Ondokuz Mayıs Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi. Samsun
4. Alkan U.M., 2014. Antalya Bölgesinde Yaban Hayatı Açısından Av Turizmi Üzerine İncelemeler. Kahramanmaraş Sütçü İmam Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi. Kahramanmaraş
5. Alp S., Öz, E., 2019. Makine Öğrenmesinde Sınıflandırma Yöntemleri ve R Uygulamaları. Nobel Akademik Yayıncılık, Ankara
6. Antara, M., Sumarniasih, M.S., 2017. Role of tourism in economy of Bali and Indonesia. Journal of Tourism and Hospitality Management, 5(2): 34-44
7. Antonakakis, N., Dragouni, M., Filis, G., 2015. Tourism and growth: The times they are a-changing. Annals of Tourism Research, 50: 165-169
8. Awad, M., Khanna R., 2015. Support Vector Regression. Efficient Learning Machines, Apress, Berkeley.

9. Baiburiev, R., David, L., Abdreyeva, S., Zhakupova, A., Artemyev, A., 2018. Impacts of tourism activities on economy of Kazakhstan. GeoJournal of Tourism & Geosites, 22(2): 480-488
10. Bayraktar F., 2020. Kripto Para Fiyat Değişimlerinin Büyük Veri Araçları İle Analizi. Eskişehir Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, Yüksek Lisans Tezi. Eskişehir
11. Bilişik, M.T., 2011. Destek Vektör Makinesi, Çoklu Regresyon ve Doğrusal Olmayan Programlama ile Perakendecilik Sektöründe Gelir Yönetimi için Dinamik Fiyatlandırma. 11. Üretim Araştırmaları Sempozyumu, İstanbul Kültür Üniversitesi, 23-24 Haziran 2011, İstanbul, s. 785-799
12. Britannica, 2021. Hunting. https://www.britannica.com/sports/hunting-sport (Ziyaret tarihi: 15.12.2023).
13. Büyükarıkan, U., 2018. Avcı ölçeği ile Türkiye’de avcı profilinin analizi. Turkish Journal of Forestry, 19(2): 163-169
14. Cam, O., Çılgınoğlu, H., 2024. Av turizminin iktisadi etkisinin tespit edilmesi: Balıkesir ili örneği. Journal of Applied Tourism Research, 5(1): 28-39
15. Camacho-Murillo, A., 2019. Methods and measurement techniques in tourism. Turismo y Sociedad, 24: 211-216
16. Cortes, C., Vapnik, V., 1995. Support-vector networks. Machine Learning, 20(3): 273-297
17. Çelik, B., Akkaya, M., 2021. Osmanlı Dönemi’nde İzmir ve çevresinde avcılık. Tarih ve Gelecek Dergisi, 7: 142-154
18. Demirezen S., 2020. Türkiye’de Gün Öncesi Piyasası İçin Elektrik Fiyatlarının Tahmini, Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi. Ankara
19. Drucker, H., Burges, C. J., Kaufman, L., Smola, A., Vapnik, V., 1997. Support vector regression machines. Advances in Neural Information Processing Systems, 9: 155-161
20. DKMP, 2013. Doğa Koruma ve Milli Parklar Genel Müdürlüğü. Av yönetimi. tarimorman.gov.tr/DKMP (Ziyaret tarihi: 07.04.2023)
21. DKMP, 2021. Doğa Koruma ve Milli Parklar Genel Müdürlüğü. Av turizmi uygulama talimatı. tarimorman.gov.tr/DKMP/Belgeler/AV%20Y%C3%96NET%C4%B0M%C4%B0%20DA%C4%B0RES%C4%B0/20212022+AV+YILI+AV+TURIZMI+UYGULAMA+TALIMATI.pdf (Ziyaret tarihi: 05.05.2023)
22. Dogru, T., Bulut, U., Kocak, E., Isik, C., Suess, C., Sirakaya-Turk, E., 2020. The nexus between tourism, economic growth, renewable energy consumption, and carbon dioxide emissions: contemporary evidence from OECD countries. Environmental Science and Pollution Research, 27(32): 40930-40948
23. Einlou H., 2019. Sarima ve Destek Vektör Regresyonu ile Talep Tahmini. Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi. Ankara
24. Enilov, M., Wang, Y., 2022. Tourism and economic growth: Multi-country evidence from mixed-frequency Granger causality tests. Tourism Economics, 28(5): 1216-1239
25. Fan, R.E., Chen, P.H., Lin, C.J., 2006. A study on SMO-type decomposition methods for support vector machines. IEEE Transactions on Neural Networks, 17: 893-908
26. Ghosh, S., 2019. Uncertainty, economic growth its impact on tourism, some country experiences. Asia Pacific Journal of Tourism Research, 24(1): 83-107
27. Haakana, H. P., 2007. Product development in hunting tourism: German hunters as a target group for a finnish service provider. https://www.theseus.fi/handle/10024/17547 (Ziyaret tarihi: 12.11.2023)
28. Hassan, M. R., Ullah, M. M., Chowdhury, M.S.A., 2013. Impact of tourism in Bangladesh economy. World, 3(6): 1-19
29. Haini, H., Wei Loon, P., Yong, S.K., Husseini, S., 2024. Does social globalization affect the relationship between international tourism and economic growth? Journal of Travel Research, 63(1): 252-269
30. Henrique, B. M., Sobreiro, V. A., Kimura, H., 2018. Stock price prediction using support vector regression on daily and up to the minute prices. The Journal of Finance and Data Science, 4(3): 183-201
31. Huang, T.M., Kecman, V., Kopriva, I., 2006. Kernel Based Algorithms for Mining Huge Data Sets: Supervised. Semi-supervised and Unsupervised Learning, Springer, New York
32. Ito, K, Nakano, R., 2003. Optimizing Support Vector Regression Hyperparameters Based on Cross-Validation. Proceedings International Joint Conference on Neural Networks, 3: 2077-2082
33. Kaytez, F., Taplamacioglu, M. C., Cam, E., Hardalac, F. 2015. Forecasting electricity consumption: A comparison of regression analysis, neural networks and least squares support vector machines. International Journal of Electrical Power & Energy Systems, 67: 431-438
34. Khan, A. M., Naseem, S., Khan, U., 2021. Tourism industry and its impact on economic growth of five GCC countries. International Journal of Entrepreneurship, 25:1-9
35. KTB. 2023. Türkiye Cumhuriyeti Kültür ve Turizm Bakanlığı. Turizm Çeşitleri. ktb.gov.tr/TR-96269/turizm-cesitleri.html (Ziyaret tarihi: 25.12.2023)
36. Matilainen, A., Keskinarkaus, S., 2010. The Economic Role of Hunting Tourism–examples from Northern Areas. Reports 64, University of Helsinki, Finland
37. Meral G., Saraçlı S., 2020. Destek vektör makineleri ve Türkiye’deki enerji santrallerinde doğal gaz tüketimi üzerine bir uygulama. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 24(2): 411-418
38. Narayan, P.K., 2004. Economic impact of tourism on Fiji’s economy: empirical evidence from the computable general equilibrium model. Tourism Economics, 10(4): 419-433
39. Olcay A., Dağlıoğlu T., Sürme M., 2019. Turistleri av turizmine yönelten nedenlerin belirlenmesine yönelik araştırma. Journal of Recreational Tourism Research, 6(3): 285-293
40. Özdemir, M., 2020. R ile Programlama ve Makine Öğrenmesi. Nobel Akademik Yayıncılık, Ankara
41. Özer, O., 2020. Türkiye’nin av turizmi potansiyeli konusunda bir değerlendirme. Journal of Gastronomy Hospitality and Travel, 3(1): 71-86
42. Özer, O., 2024. Av turizminin kırsal kalkınmaya etkisi: Türkiye ile kuzey ülkeleri karşılaştırılması. GSI Journals Serie A: Advancements in Tourism Recreation and Sports Sciences, 7(1): 343-366
43. RG, 2024. Resmi Gazete. Kararnameler. resmigazete.gov.tr/eskiler/2024/07/20240714-5.pdf (Ziyaret tarihi: 02.09.2024)
44. R Core Team, 2020. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria
45. Saçlı M., 2020. Dağıtım Şebekesinde Kısa Dönem Yük Tahmini. İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi. İstanbul
46. Smola, A.J., Schölkopf, B., 2004. A tutorial on support vector regression. Statistics and Computing, 14 (1): 199-222
47. Şafak, İ., 2009. Türkiye’deki av turizmi uygulamalarının özel avlak işletmelerine etkileri. Turkish Journal of Forestry, 4(2): 133-148
48. Şengül, A., Çılgınoğlu, H., 2022. Av turizminin ekonomik etkisinin belirlenmesi: Kastamonu örneği. Abant Sosyal Bilimler Dergisi, 22(3): 1333-1345
49. Tang, C.H.H., Jang, S.S., 2009. The tourism–economy causality in the United States: A sub-industry level examination. Tourism Management, 30(4): 553-558
50. Thommandru, A., Espinoza-Maguiña, M., Ramirez-Asis, E., Ray, S., Naved, M., Guzman-Avalos, M., 2023. Role of tourism and hospitality business in economic development. Materials Today: Proceedings, 80: 2901-2904
51. TOB, 2024. Türkiye Cumhuriyeti Orman Bakanlığı. Avlanma faaliyetleri. https://www.tarimorman.gov.tr/DKMP/Belgeler/dkmp%20resmi%20istatistik/resmiistatistikler/yabanhayatiistatistikleri/2021/%C4%B0statistiki%20Tablolar/avlanmafaaliyetleri_2000-2021.xls (Ziyaret tarihi: 05.01.2024)
52. TOB, 2013. Türkiye Cumhuriyeti Tarım ve Orman Bakanlığı. Türkiye’de av ve yaban hayatı kitapçığı. https://www.tarimorman.gov.tr/DKMP/Belgeler/dkmp%20resmi%20istatistik/kutuphane/77.pdf (Ziyaret tarihi: 29.10.2024)
53. TÜİK, 2024. Türkiye İstatistik Kurumu. Yabancı ziyaretçi ve yurt dışında ikamet eden vatandaş ziyaretçilerinden elde edilen turizm geliri. https://data.tuik.gov.tr/Bulten/Index?p=Turizm-Istatistikleri-I.-Ceyrek:-Ocak-Mart,-2024-53657 (Ziyaret tarihi: 25.02.2024)
54. Ulu, Ş., 2017. Mersin Orman Bölge Müdürlüğünde Yaban Hayatı Ekonomisi Açısından İncelemeler. Kahramanmaraş Sütçü İmam Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi. Kahramanmaraş
55. Ulusoy, H., 2015. Av turizminin kırsal turizm açısından kırsal kalkınma üzerinde etkisinin irdelenmesi, Türk Bilimsel Derlemeler Dergisi, 8(2): 74-80
56. UNWTO, 2021. United Nations World Tourism Organization. Turizm Terimleri Sözlüğü. https://www.unwto.org/glossary-tourism-terms (Ziyaret tarihi 15.09.2023)
57. Vapnik, V., 2000. SVM method of estimating density, conditional probability, and conditional density. IEEE International Symposium on Circuits and Systems, 2: 749-752
58. Yaswanth, K.K., Sathish Kumar, V., Revathy, J., Murali, G., Pavithra, C., 2024. Compressive strength prediction of ternary blended geopolymer concrete using artificial neural networks and support vector regression. Innovative Infrastructure Solutions, 9(2): 1-24