Ecological and Economic Determinants of Happiness in MINT Countries: A Clustering-Based Approach

Öz

This study aims to investigate the impact of urban factors on the happiness of the population in MINT countries (Mexico, Indonesia, Nigeria and Turkey). Happiness is a multidimensional phenomenon that cannot be explained by the subjective life satisfaction of individuals alone. In this context, the study analyses the impact of environmental (CO₂ emissions), economic (gross domestic product per capita - GDP) and social (unemployment rate) variables on individuals' life satisfaction. The data is compiled from World Bank and World Happiness Report sources between 2010 and 2022. The study uses K-means cluster analysis to classify countries into groups with similar characteristics. Using the elbow method, the ideal number of clusters was determined to be three, and countries were divided into three clusters accordingly. As a result of the analysis, Indonesia and Nigeria are in the first cluster with similar economic and environmental characteristics; Mexico, with high happiness and economic prosperity, is in the second cluster; and Turkey, which has unemployment and environmental problems despite its high GDP, is in the third cluster.The results show that economic growth alone is not enough to increase happiness; factors such as unemployment rate and environmental pollution significantly affect individuals' life satisfaction. In the case of Turkey in particular, high GDP is not directly associated with high levels of happiness. Moreover, the happiness of individuals in countries with low carbon emissions is also found to vary according to economic conditions. These findings emphasise that environmental and social indicators, as well as economic data, should be taken into account when designing sustainable urbanisation and welfare policies.

Anahtar Kelimeler

• Happiness level
• CO₂ emissions
• K-means algorithm

MINT Ülkelerinde Mutluluğun Ekolojik ve Ekonomik Belirleyicileri: Kümeleme Tabanlı Bir Yaklaşım

Öz

Bu çalışma, MINT (Meksika, Endonezya, Nijerya ve Türkiye) ülkelerinde kentsel faktörlerin nüfusun mutluluğu üzerindeki etkisini incelemeyi amaçlamaktadır. Mutluluk, yalnızca bireylerin öznel yaşam memnuniyetleriyle açıklanamayacak kadar çok boyutlu bir olgudur. Bu bağlamda çalışma, çevresel (CO₂ emisyonu), ekonomik (kişi başına düşen gayri safi yurt içi hasıla - GSYİH) ve sosyal (işsizlik oranı) değişkenlerin bireylerin yaşam memnuniyeti üzerindeki etkilerini analiz etmektedir. Veriler, 2010-2022 yılları arasında World Bank Data ve World Happiness Report kaynaklarından derlenmiştir.Araştırmada, K-means kümeleme analizi yöntemi kullanılarak ülkeler benzer özellikler gösteren gruplara ayrılmıştır. Elbow yöntemiyle ideal küme sayısı üç olarak belirlenmiş ve ülkeler bu doğrultuda üç kümeye ayrılmıştır. Analiz sonucunda, Endonezya ve Nijerya benzer ekonomik ve çevresel özellikleriyle birinci kümede yer alırken; yüksek mutluluk skoru ve ekonomik refaha sahip Meksika ikinci kümede, yüksek GSYİH’sine rağmen işsizlik ve çevresel sorunlar yaşayan Türkiye ise üçüncü kümede yer almıştır. Sonuçlar, yalnızca ekonomik büyümenin mutluluğu artırmaya yetmediğini; işsizlik oranı ve çevresel kirlilik gibi faktörlerin bireylerin yaşam memnuniyetini önemli ölçüde etkilediğini göstermektedir. Özellikle Türkiye örneğinde, yüksek GSYİH’nin yüksek mutluluk seviyesiyle doğrudan ilişkilendirilmediği gözlemlenmiştir. Ayrıca, düşük CO₂ emisyonuna sahip ülkelerdeki bireylerin mutluluk düzeylerinin de ekonomik koşullara bağlı olarak değiştiği ortaya konmuştur. Bu bulgular, sürdürülebilir kentleşme ve refah politikalarının şekillendirilmesinde ekonomik verilerin yanı sıra çevresel ve sosyal göstergelerin de dikkate alınması gerektiğini vurgulamaktadır.

Anahtar Kelimeler

• Mutluluk seviyesi
• CO₂ emisyonu
• K-means algoritması

Kaynakça

1. Akşit, M. (2020). Büyük veride hiyerarşik kümeleme yöntemlerinin kofenetik korelasyon ile karşılaştırılması (Yüksek lisans tezi, Afyon Kocatepe Üniversitesi).
2. Aslanyürek, M., & Mesut, A. (2021). Kümeleme performansını ölçmek için yeni bir yöntem ve metin kümeleme için değerlendirilmesi. Avrupa Bilim ve Teknoloji Dergisi, 27, 53–65.
3. Aşan, D. (2024, Mart 26). Dünyada en çok karbon salınımı yapan ülkeler. https://www.dilekasan.com/dunyada-en-cok-karbon-salinimi-yapan-ulkeler/
4. Avşar, İ. İ. (2023). Lojistik performans endeksine göre seçilmiş ülkelerin K-Ortalamalar yöntemi ile kümelenmesi: Türkiye’nin durumu. Karadeniz Ekonomi Araştırmaları Dergisi, 4(1), 44–61.
5. Cömertler, S., & Cömertler, N. (2020). Çevre kalitesi ve mutluluk ilişkisi ekseninde yeşil kentler & mutlu ülkeler. Kent Kültürü ve Yönetimi Dergisi, 31, 387–403.
6. Çolak, B., Durdağ, Z., & Erdoğmuş, P. (2016). K-means algoritması ile otomatik kümeleme. El-Cezerî Fen ve Mühendislik Dergisi, 3(2), 315–323.
7. Demircioğlu, M., & Eşiyok, S. (2019). COVID–19 salgını ile mücadelede kümeleme analizi ile ülkelerin sınıflandırılması. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 19(37), 369–389.
8. Dharsini, S. (2024). Case study of predictive analysis in various sectors. Medium. https://medium.com/@sridharshini_48243/case-study-of-predictive-analysis-in-various-sectors-5b49d822f78c

9. Eminoğlu, Ö., Manav Mutlu, N., & İmre Bıyıklı, S. (2024). İleri eğitimli kadın iş gücünün sürdürülebilir büyümeye etkisi: Kümeleme analizi. Gazi İktisat ve İşletme Dergisi, 10(1), 67–86.
10. Fırat, M., Dikbaş, F., Koç, A. C., & Güngör, M. (2012). K-Ortalamalar yöntemi ile yıllık yağışların sınıflandırılması ve homojen bölgelerin belirlenmesi. İMO Teknik Dergi, 23(113), 6037–6050.
11. Görentaş, M. B., & Uçkan, T. (2023). Makine öğrenmesi yöntemleri kullanılarak mahkeme kararlarının kümelenmesi. Journal of Computer Science, 8(2), 148–158.
12. Hamurcu, Ç. (2020). Mutluluk borsa endeksini etkileyebilir mi? İskandinav ülkeleri üzerine bir araştırma. Politik Ekonomik Kuram, 4(2), 281–295.
13. Helliwell, J., & Layard, R. (2022). World Happiness Report. https://worldhappiness.report/ed/2022/
14. Hinz, K. (2024). Lloyd's algorithm. Wikipedia. https://en-m-wikipedia-org.translate.goog/wiki/Lloyd's_algorithm?_x_tr_sl=en&_x_tr_tl=tr&_x_tr_hl=tr&_x_tr_pto=wa
15. İskenderoğlu, M. (2005). Thomas Aquinas’ta mutluluk. Sakarya Üniversitesi İlahiyat Fakültesi Dergisi, 7(11), 97–120.
16. Kangal, A. (2013). Mutluluk üzerine kavramsal bir değerlendirme ve Türk hane halkı için bazı sonuçlar. Elektronik Sosyal Bilimler Dergisi, 12(44), 214–233.
17. Kılıç, G., Budak, İ., & Organ, A. (2020). K-Ortalamalar kümeleme analizi ile belediyelerin çevre hizmetlerinin değerlendirilmesi. Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 15(1), 209–230.
18. Lloyd, S. P. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2), 129–137. https://doi.org/10.1109/TIT.1982.1056489
19. Madhulatha, T. (2012). An overview on clustering methods. IOSR Journal of Engineering, 2(4), 719–725.
20. Maleki, M., & Ghahari, S. (2024). Comprehensive clustering analysis and profiling of COVID-19 vaccine hesitancy and related factors across U.S. counties: Insights for future pandemic responses. Healthcare, 12(15), 1458. https://doi.org/10.3390/healthcare12151458
21. Noviandy, T. R., Hardi, I., Zahriah, Z., Sofyan, R., Sasmita, N. R., Hilal, I. S., & Idroes, G. M. (2024). Environmental and economic clustering of Indonesian provinces: Insights from K-means analysis. Leuser Journal of Environmental Studies, 2(1), 41–51. https://doi.org/10.60084/ljes.v2i1.181
22. Özarı, Ç., & Eren, Ö. (2018). İllerin yaşam endeksi göstergelerinin çok boyutlu ölçekleme ve K-Ortalamalar kümeleme yöntemi ile analizi. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 20(2), 303–313.
23. Sarıman, G. (2011). Veri madenciliğinde kümeleme teknikleri üzerine bir çalışma: K-means ve K-medoids kümeleme algoritmalarının karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 15(3), 192–202.
24. Şener, S., & Koltan Yılmaz, Ş. (2021). Entropi tabanlı ELECTRE TRI ve K-Ortalamalar yöntemleriyle ülkelerin refah düzeyine göre değerlendirilmesi. Akdeniz İİBF Dergisi, 21(1), 191–209.
25. Tatar, M., Harati, J., Farokhi, S., Taghvaee, V., & Wilson, F. A. (2024). Good governance and natural resource management in oil and gas resource-rich countries: A machine learning approach. Resources Policy, 89, 104583. https://doi.org/10.1016/j.resourpol.2023.104583
26. Tekin, B., & Temelli, F. (2020). Türkiye’deki illerin kredi kullanım düzeyleri açısından kümelenmesi: K-Ortalamalar yöntemi yaklaşımı. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(1), 91–124.
27. Wikipedia. (2023). Eudaimonia. https://tr.wikipedia.org/wiki/Eudaimonia
28. World Bank. (n.d.). World Development Indicators. World Bank. 3 Mart 2025 tarihinde https://data.worldbank.org/indicator adresinden erişildi
29. World Happiness Report. (2023). World happiness, trust, and social connections in times of crisis. https://worldhappiness.report/ed/2023/world-happiness-trust-and-social-connections-in-times-of-crisis/
30. Yeşilbudak, M., Kahraman, H. T., & Karacan, H. (2011). Veri madenciliğinde nesne yönelimli birleştirici hiyerarşik kümeleme modeli. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 26(1), 27–39. Yıldız, İ., & Abut, F. (2022). Türkiye’de mutluluk düzeyini etkileyen faktörlerin makine öğrenme ve nitelik seçme algoritmaları ile belirlenmesi. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 11(1), 1–9.