Bulanik Kümeleme Anali̇zi̇ İle Oecd Ülkeleri̇ni̇n Göç İstati̇sti̇kleri̇ Bakimindan Siniflandirilmasi

Arı, Erkan; Yıldız, Ayşegül

doi:10.30794/pausbed.402883

Cited by 3 publications

(1 citation statement)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bulanık kümeleme analizi, OECD ülkelerinin göç istatistiklerini oluşturan faktörler temelinde benzerlik ve farklılıkların belirlenmesi amacıyla (Ari & Yildiz, 2018) veya Türkiye'nin sağlık istatistikleri açısından Avrupa Birliği ve OECD ülkelerine kıyasla konumunu araştırmak için (Alptekin N., 2014), (Alptekin N. & Yeşilaydın G., 2015) kullanılmıştır. Türkiye'nin sağlık göstergeleri açısından hangi OECD ülkeleri ile benzerlik gösterdiğini belirlemek için de (Mut & Akyürek E. Ç., 2017); tüm Dünyayı etkisi altına alan Covid 19 salgınında AB ve OECD üyesi olan 36 ülkenin vaka, ölüm ve iyileşen kişi sayılarını karşılaştırırken de (Demircioğlu M. & Eşiyok S., 2020) Kortalamalar yöntemini kullanmışlardır.…”

Section: Kaynak Araştırmasıunclassified

Bulanık C - Ortalamalar İle Ülkelerin İşsizlik Göstergeleri Temelinde Kümelenmesi

Ok¹

2022

European Journal of Science and Technology

View full text Add to dashboard Cite

ÖzBu çalışmada, işsizlik göstergeleri temel alınarak, 36 OECD ülkesine ilaveten Çin ve Rusya gibi OECD üyesi olmayan 6 farklı ülkenin de dâhil edildiği bir kümeleme analizi çalışması yapılmıştır. Bu amaçla, işsizlik ile ilgili 18 adet gösterge değişkenine ait veriler, bulanık C-ortalamalar yöntemi kullanılarak kümeleme analizi yapılmıştır. Ülkelerin, kilit bir ekonomik gösterge olan işsizlik temelinde sınıflandırılması, politika yapıcılar için benzerlik ve farklılıklar boyutunda analizler yapmalarında yol gösterici olacaktır. Bulanık kümeleme analizi, hem MATLAB hem de R ortamlarında gerçekleştirilmiş, farklı küme sayıları için de ekstra analiz yapılmıştır. Uygulama sonucunda işsizliğin fazla olduğu ülkelerin ayrıldığı küme dağılımının, küme sayısı değiştiğinde farklılaşabileceği görülmüştür. Bu bağlamda doğru küme sayısının bulunması için başvurulan geçerlilik indeksleri de analize dâhil edilmiştir.

show abstract

Section: Kaynak Araştırmasıunclassified

Bulanık C - Ortalamalar İle Ülkelerin İşsizlik Göstergeleri Temelinde Kümelenmesi

Ok¹

2022

European Journal of Science and Technology

View full text Add to dashboard Cite

show abstract

Veri̇ Madenci̇li̇ği̇ Kümeleme Yöntemleri̇ Kullanarak Karbon Emi̇syonu Göstergeleri̇ Açisindan Oecd Ülkeleri̇ni̇n Siniflandirilmasi

Sel

2020

Karadeniz Uluslararası Bilimsel Dergi

View full text Add to dashboard Cite

değerleri de yıllar itibariyle artış durumundadır. Sera gazlarının artması günümüzün en önemli sorunlarından biri olan küresel ısınmanın başlıca sebepleri arasındadır. Çalışmada Organisation for Economic Co-operation and Development (OECD) üye olan 36 ülkesinin Dünya Bankası verilerinde yer alan 15 göstergeye göre 1990-2014 yılları değerleri kullanılarak kümeleme analizi uygulanmıştır. Toplam veri sayısının fazla olmasından dolayı veri madenciliği yöntemleri ve iki aşamalı kümeleme analizi kullanılarak veriler değerlendirilmiştir. Uygulama sırasında ideal küme sayısı dört olarak bulunmuştur. SPSS, MATLAB ve WEKA programları kullanılarak kümeleme sonuçları ayrı ayrı elde edilmiştir. Kümeleme yöntemleri olarak iki aşamalı ve self organizing map (SOM) tipi yapay sinir ağları tercih edilmiştir. Elde edilen kümeleme sonuçları için ülkelerin yinelenen küme değerleri dikkate alarak birleştirme işlemine tabi tutulmuştur. Sonuç olarak kullanılan karbon salınım değerleri yüksekten düşüğe doğru sıralanacak şekilde ülkeler kümelenmiştir. Küme altında bulunan ülkelerin sayıları ise, birinci kümede 1, ikinci kümede 9, üçüncü kümede 10 ülke olmak üzere dördüncü kümede 16 ülke bulunmuştur. Kümeleme sonuçları aynı kümede yer alan ülkelere karbon emisyonu değerlerini düşürmek için uygulanacak programlara yol gösterici olabilir. Ayrıca OECD çatısı altında ilgili kümede yer alan ülkeleri içeren komisyonlar kurulabilir. Son zamanlarda iklim değişiklerinin kendisini fazlasıyla hissettirmesi önlemlerin ve uygulamaların bir an önce hayata geçirilmesini desteklemektedir.

show abstract

Clustering OECD Countries According to Tax Indicators

Tüzüntürk

2024

International Journal of Public Finance

View full text Add to dashboard Cite

This study aims to cluster a particular group of countries (OECD countries) according to tax indicators and to determine essential variables in clustering. The recent data on taxation percentages 2021 in OECD countries were obtained from the OECD website. Since the number of clusters was not known a priori, the hierarchical clustering analysis and two-stage clustering methods were used, and the findings of both methods were compared. Research findings show that OECD countries are classified into two meaningful clusters regarding statistically significant tax indicators (goods and services tax, personal income tax, and property tax) for both methods. The first cluster's goods and services tax average is lower than the second. The personal income tax average of the first cluster is higher than the second. The property tax average of the first cluster is higher than the second. The tax differences indicate that countries in the first cluster collect more personal income and property taxes but fewer goods and services taxes than countries in the second cluster, which points out the characteristics of developed countries in the scope of tax policies.

show abstract

Bulanik Kümeleme Anali̇zi̇ İle Oecd Ülkeleri̇ni̇n Göç İstati̇sti̇kleri̇ Bakimindan Siniflandirilmasi

Cited by 3 publications

References 12 publications

Bulanık C - Ortalamalar İle Ülkelerin İşsizlik Göstergeleri Temelinde Kümelenmesi

Bulanık C - Ortalamalar İle Ülkelerin İşsizlik Göstergeleri Temelinde Kümelenmesi

Veri̇ Madenci̇li̇ği̇ Kümeleme Yöntemleri̇ Kullanarak Karbon Emi̇syonu Göstergeleri̇ Açisindan Oecd Ülkeleri̇ni̇n Siniflandirilmasi

Clustering OECD Countries According to Tax Indicators

Contact Info

Product

Resources

About