ESTIMATION OF GROSS DOMESTIC PRODUCT PER CAPITA BY PURCHASING POWER PARITY BY ARTIFICIAL NEURAL NETWORK AND REGRESSION METHOD

Öz

In a globalizing world, forecasts of economic variables for the coming years are of great importance. Purchasing power parity makes countries' currencies equal to purchasing power and is used as a criterion when comparing countries economically. In this study, estimation of gross domestic product per capita according to purchasing power parity for 12 developed and developing countries was determined by artificial neural networks and regression method. Mean absolute percent error values of the data found for the two methods were calculated. For 2018, the actual values are compared with the estimated data. As a result, it was found that artificial neural networks given more significant results than regression. For next years, both methods were estimated.

Anahtar Kelimeler

• Forecasting,Gross Domestic Product,Neural Network,Regression

YAPAY SİNİR AĞI VE REGRESYON İLE SATIN ALMA GÜCÜ PARİTESİNE GÖRE KİŞİ BAŞI GAYRİSAFİ YURT İÇİ HASILA TAHMİNİ

Öz

Küreselleşen dünyada gelecek yıllara ilişkin ekonomik değişkenlerin tahminleri büyük önem taşımaktadır. Satın alma gücü paritesi ülkelerin para birimlerini satın alma gücüne eşit hâle getirir ve ülkeleri ekonomik olarak karşılaştırırken kriter olarak kullanılmaktadır. Bu çalışmada gelişmiş ve gelişmekte olan 12 ülke için satın alma gücü paritesine göre kişi başı gayrisafi yurt içi milli hasılanın tahmini, yapay sinir ağları ve regresyon yöntemleri ile gerçekleştirilmiştir. İki yöntem için de ortalama mutlak yüzde hata değerleri kullanılarak 2018 yılına ilişkin gerçek değerler ile tahmin sonucu bulunan değerler karşılaştırılmıştır. Sonuçlar yapay sinir ağlarının regresyona göre daha yüksek performans gösterdiğini ortaya koymaktadır. Gelecek yıllar için her iki yöntemle de tahminleme yapılmıştır.

Anahtar Kelimeler

• Gayrisafi Yurt İçi Hasıla,Yapay Sinir Ağı,Regresyon,Tahminleme

Kaynakça

1. Akcan, A. & Kartal, C. (2011). İMKB Sigorta Endeksini Oluşturan Şirketlerin Hisse Senedi Fiyatlarının Yapay Sinir Ağları ile Tahmini. Muhasebe ve Finansman Dergisi 51, 27-40.
2. Akkol, S., Akıllı, A. & Cemal, İ. (2017). Kıl Keçilerinin Canlı Ağırlık Tahmininde Yapay Sinir Ağları ve Çoklu Doğrusal Regresyon Yöntemlerinin Karşılaştırılması. Yüzüncü Yıl Üniversitesi Tarım Bilimleri Dergisi 27(1), 21-29.
3. Arı, A. & Berberler, M. (2017). Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı. Acta Infologıca 1(2), 55-73.
4. Ay, A., Erdoğan, S. & Mucuk, M. (2003). İhracatın Ekonomik Büyüme Üzerine Etkisi: Türkiye Örneği (1969-2002). Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi 6(1), 117-127.
5. Aygören, H., Sarıtaş, H. & Moralı, T. (2012). İMKB 100 Endeksinin Yapay Sinir Ağları ve Newton Nümerik Arama Modelleri ile Tahmini. Uluslararası Alanya İşletme Fakültesi Dergisi 4(1), 73-88.
6. Babacan, A. (2015). İşletmelerde Toplam Satış (Finansal) Tahminlemesi: Bir Kobi Uygulaması. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 5(10), 49-62.
7. Calp, M. (2019). İşletmeler İçin Personel Yemek Talep Miktarının Yapay Sinir Ağları Kullanılarak Tahmin Edilmesi. Politeknik Dergisi 22(3), 675-686.
8. Çalışkan, M. & Deniz, D. (2015). Yapay Sinir Ağlarıyla Hisse Senedi Fiyatları ve Yönlerinin Tahmini. Eskişehir Osmangazi Üniversitesi İİBF Dergisi 10(3), 177- 194.

9. Çuhadar, M. & Kayacan, C. (2005). Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye’deki Konaklama İşletmeleri Üzerine Bir Deneme. Anatolia: Turizm Araştırmaları Dergisi 16(1), 24-30.
10. Erkaymaz, H. & Yaşar, Ö. (2011). Yapay Sinir Ağı ile Hava Sıcaklığı Tahmini. 5th International Computer & Instructional Technologies Symposium, (22-24 Eylül), Elazığ/Türkiye, 1144-1150.
11. Girginer, N. & Cankuş, B. (2010). Eskişehir’de Belediye Hizmetlerine İlişkin Algı ve Memnuniyetin İkili Lojistik Regresyon Analizi ile Ölçülmesi. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi 11(1), 297-322.
12. Göngen, M. (2013). Küreselleşmenin Ekonomik Boyutu Küreselleşmeyi Yöneten Üç Ana Kurum: IMF, Dünya Bankası, Dünya Ticaret Örgütü. SDÜ Fen Edebiyat Fakültesi Sosyal Bilimler Dergisi 29, 117-134.
13. Güngör, İ. & Çuhadar, M. (2005). Antalya İline Yönelik Alman Turist Talebinin Yapay Sinir Ağları Yöntemiyle Tahmini. Gazi Üniversitesi Ticaret ve Turizm Eğitim Fakültesi Dergisi 1, 84-98.
14. Kalathilparmbil, Ç. & Şahin, Ö. (2019). Türkiye’deki Hava Taşımacılığı Üzerine Bir Tahminleme Çalışması. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi 7(4), 53–62.
15. Karabaş, S. & Gürler, A. (2012). Organik Ürün Tercihinde Tüketici Davranışları Üzerine Etkili Faktörlerin Logit Regresyon Analizi ile Tahminlenmesi. Adıyaman Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 10, 129-156.
16. Karahan, M. (2015). Yapay Sinir Ağları Metodu ile İhracat Miktarlarının Tahmini: ARIMA ve YSA Metodunun Karşılaştırmalı Analizi. Ege Akademik Bakış 15(2), 165-172.
17. Kaynar, O., Taştan, S. & Demirkoparan, F. (2011). Yapay Sinir Ağları ile Doğalgaz Tüketim Tahmini. Atatürk Üniversitesi İİBF Dergisi 25 (10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı), 463-474.
18. Keskenler, M. & Keskenler, E. (2017). Geçmişten Günümüze Yapay Sinir Ağları ve Tarihçesi. Takvim-i Vekayi 5(2), 8-18.
19. Okkan, U. & Mollamahmutoğlu, A. (2010). Yiğitler Çayı Günlük Akımlarının Yapay Sinir Ağları ve Regresyon Analizi ile Modellenmesi. Dumlupınar Üniversitesi Fen Bilimleri Enstitüsü Dergisi 23, 33-48.
20. Özdemir, A. & Özdemir, A. (2006). Talep Tahminlemesinde Kullanılan Yöntemlerin Karşılaştırılması: Seramik Ürün Grubu Firma Uygulaması. Ege Akademik Bakış Dergisi 6(2), 105-114.
21. Söyler, H. & Kızılkaya, O. (2015). Türkiye’nin GSYİH Tahmini İçin Yapay Sinir Ağları Model Performanslarının Karşılaştırılması. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi 16(1), 45-58.
22. Takma, Ç., Atıl, H. & Aksakal, V. (2012). Çoklu Doğrusal Regresyon ve Yapay Sinir Ağı Modellerinin Laktasyon Süt Verimlerine Uyum Yeteneklerinin Karşılaştırılması. Kafkas Üniversitesi Veteriner Fakültesi Dergisi 18(6), 941-944.
23. Tolon, M. & Güneri Tosunoğlu, N. (2008). Tüketici Tatmini Verilerinin Analizi: Yapay Sinir Ağları ve Regresyon Analizi Karşılaştırması. Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 10(2), 247-259.
24. Türkiye İstatistik Kurumu TUİK. (t.y). Uluslararası Seçilmiş Göstergeler. Erişim adresi: https://biruni.tuik.gov.tr/secilmisgostergeler/tabloYilSutunGetir.do?d urum=acKapa&menuNo=44&altMenuGoster=1
25. Tüzemen, A. & Yıldız, Ç. (2018). Geleceğe Yönelik Tahminleme Analizi: Türkiye Çimento Üretimi Uygulaması. Yönetim ve Ekonomi Araştırmaları Dergisi 16(3), 162-177.
26. Yanar, R. & Zengin, G. (2018). Satın Alma Gücü Paritesi Yapısal Kırılmalar Altında Türkiye Örneği: 2003-2018. Al-Farabi Uluslararası Sosyal Bilimler Dergisi 2(4), 158-164.
27. Yıldırım, A. & Hacıhasanoğlu, R. (2011). Sağlık Çalışanlarında Yaşam Kalitesi ve Etkileyen Değişkenler. Psikiyatri Hemşireliği Dergisi 2(2), 61-68.
28. Yılgör, M., Özekin, A. & Yılmaz, M. (2017). G8 Ülkelerinde Gayri Safi Yurtiçi Hâsıla ve İhracat İlişkisi: Bir Panel Veri Analizi. Route Education and Social Science Journal 4(8), 413-427.