İnsani Gelişmişlik Endeksinin Karar Ağacı Algoritmaları ile Modellenmesi: BM’de Bir Uygulama 2010-2017 Dönemi

Abstract

Öz İnsani Gelişme Endeksi (İGE), ülkelerin gelişmişliklerini gözönünde bulundurarak insanların mutluluğunu, sağlıklı bir yaşam ile birlikte başarılı bir hayat sürmelerini dikkate alan bir kalkınma endeksidir. Ülkelerin milli gelirlerini karşılaştırarak o ülkenin daha gelişmiş olduğunu açıklamak yeterli değildir. Birleşmiş Milletler Kalkınma Programı (UNDP) tarafından yayımlanan İGE, insan hayatının daha kaliteli bir hayat sürmesi açısından ülkelerin milli geliri, eğitim ve sağlık göstergelerine dayanarak hesaplanmaktadır. Dolayısıyla İGE, insan hayatının zenginliği açısından ülkelerarası karşılaştırma yapmak için başvurulan bir gösterge değer olmuştur. Bu çalışmada UNDP'nin 2010-2017 yıllarını kapsayan 79 ülkenin verileri kullanılarak veri madenciliğinin karar ağacı tekniklerinden C5.0 ve Gini algoritmaları ile karar ağaçları oluşturulmuştur. Karar ağaçları ile birlikte İGE'ye etki eden faktörler belirlenmiş ve ülkeler çok yüksek, yüksek, orta ve düşük düzey gelişmiş ülkeler olarak sınıflandırılarak kurallar elde edilmiştir. Yapılan analizler sonucunda C5.0 algoritması ile %97,94 ve Gini algoritması ile %91,93'lük doğru sınıflandırma başarısı elde edilmiştir. Bunun dışında duyarlılık ve belirleyicilik istatistikleri de hesaplanmıştır. İGE'ye en fazla etki eden değişkenlerin eğitim, istihdam ve sağlık göstergelerindeki değişkenler olduğu tespit edilmiştir.

Prediction of Human Development Index with Health Indicators Using Tree-Based Regression Models

“…Also, given the impact of numbers of physicians, nurses, and midwives on human development, it is obvious that more healthcare staff investment will increase human development at higher rates. These results are very consistent with the literature [8]. The limitation of this study is that the HDI index of 2020 and 2021 could not be predicted.…”

“…Rençber and Mete [7] classified countries according to the Human Development Index (HDI) using machine learning techniques such as Artificial Neural Network (ANN) and Adaptive Neural Fuzzy Inference System (ANFIS) and compared the results with the HDI. Yakut and Korkmaz [8] created decision trees with C5.0 and Gini algorithms using data from 79 countries from 2010-2017. They determined the HDI factors by the decision trees method and classified the countries as very high, high, medium, and low-level developed countries.…”