OECD ÜLKELERİNİN BAZI İŞ GÜCÜ PİYASASI GÖSTERGELERİ KULLANILARAK KÜMELEME ANALİZİ VE ÇOK BOYUTLU ÖLÇEKLEME ANALİZİ İLE İRDELENMESİ

Ülkelerin iş gücü piyasasındaki koşullarının değerlendirilmesi, ülkelerin içinde bulunduğu sosyo-ekonomik durumu yansıtması bakımından oldukça önemlidir. Bu değerlendirmeler yapılırken, hem güvenilir göstergelerden yararlanmak hem de kapsamlı ve doğru sonuçlar veren analizler kullanmak gerekmektedir. Bu anlayıştan hareketle OECD ülkeleri, OECD tarafından güvenilir kabul edilen 4 adet iş gücü piyasası göstergesi kullanılarak, kümeleme analizi ve çok boyutlu ölçekleme analizi ile irdelenmiştir. OECD ülkeleri, hiyerarşik kümeleme analizi sonucunda 4 kümeye ayrılmıştır. Çok boyutlu ölçekleme analizi sonucunda ise; düşük stres değeri elde edilmiş ve OECD ülkelerinin konumları, iyi ile mükemmel arası bir uyumla iki boyutlu uzayda gösterilmiştir. Bununla birlikte bu çalışmada, kümeleme analizi ve çok boyutlu ölçekleme analizi bulguları birlikte değerlendirilmiş; hiyerarşik kümeleme analizi sonuçları, çok boyutlu ölçekleme analizinden elde edilen iki boyutlu koordinatlarla birleştirilmiş ve görselleştirilmiştir. İki analizin birlikte kullanılmasından elde edilen bu yeni görselin, kümeleme yapılarının anlaşılmasında ve sonuçların yorumlanmasında kolaylık sağladığı görülmüştür. Buradan hareketle, hiyerarşik kümeleme analizi sonuçlarının dendogram grafiği haricinde yorumlanabildiği, çok boyutlu ölçekleme analizi tabanlı yeni bir görselleştirme yaklaşımı önerilmektedir.

Anahtar Kelimeler:

Kümeleme Analizi, Çok Boyutlu Ölçekleme Analizi, İş gücü Piyasası

PDF

___

BLASHFİELD, R. K. (1976). “Mixture model tests of cluster analysis: Accuracy of four agglomerative hierarchical methods.”, The Psychological Bulletin, 83, 377–388.
FERREİRA, L. VE HİTCHCOCK, D. B. (2009). “A comparison of hierarchical methods for cluster functional data.”, Communications in Statistics-Simulation and Computation, 38(9), 1925-1949.
HANDS, S. AND EVERİTT, B. (1987). “A Monte Carlo study of the recovery of cluster structure in binary data by hierarchical clustering techniques.”, Multivariate Behavioral Research, 22, 235–243
KENKEL, N. C., & ORLÓCİ, L. (1986). “Applying metric and nonmetric multidimensional scaling to ecological studies: some new results.”, Ecology, 67(4), 919-928.4
KRUSKAL, J. B. (1964). “Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis.”, Psychometrika, 29(1), 1-27.
KUİPER, F. K. AND FİSHER, L. (1975). “A Monte Carlo comparison of six clustering procedures.”, Biometrics, 31, 777–783.
MACKAY, D. B., & ZİNNES, J. L. (1986). “A probabilistic model for the multidimensional scaling of proximity and preference data.”, Marketing Science, 5(4), 325-344.
MACQUEEN, J. (1967). “Some methods for classification and analysis of multivariate observations.”, In Proceedings of the fifth Berkeley symposium on mathematical statistics and probability, 1(14), 281-297
MURTAGH, F. VE LEGENDRE, P. (2014). “Ward’s hierarchical agglomerative cluster method: Which algorithms implement ward’s criterion?.”, Journal of Classification, 31(3), 274-295.
OECD Employment Outlook 2017, https://www.oecd-ilibrary.org/docserver/c8583216-tr.pdf?expires=1548179231&id=id&accname=guest&checksum=EEFCDAB874DF76FB6BAD90A67629E16F (Erişim Tarihi: 11.1.2019)
OECD (2019a), http://www.oecd.org/about/ (Erişim Tarihi: 11.1.2019)
OECD (2019b), http://www.oecd.org/about/membersandpartners/ (Erişim Tarihi: 11.1.2019)
OECD.Stat (2019), https://stats.oecd.org/ (Erişim Tarihi: 11.1.2019)
OECD BETTER LIFE INDEX (2019a), http://www.oecdbetterlifeindex.org/about/better-life-initiative/#question1 (Erişim Tarihi: 11.1.2019)
OECD BETTER LIFE INDEX (2019b), https://www.oecd.org/statistics/OECD-Better-Life-Index-2017-definitions.pdf (Erişim Tarihi: 11.1.2019)
ROMESBURG, C. (2004). Cluster analysis for researchers. Lulu. com.
SHEPARD, R. N. 1962. “The analysis of proximities: multidimensional scaling with an unknown distance function.”, Psychometrika, 27:125-139, 219-246.
TATLIDİL, H., 1992, Uygulamalı Çok Değişkenli İstatistiksel Analiz, Hacettepe.