TÜRKİYE’DEKİ İLLERİN İYİ OLUŞ VE YAŞAM KALİTESİNİN R KÜMELEME ÇÖZÜMLEMESİYLE İNCELENMESİ

Öz İyi oluş ve yaşam kalitesi açısından her ilin kendine özgü özellikleri bulunmaktadır. Bu özgün özelliklere göre illeri sınıflandırmak mümkündür. Bu çalışma, Türkiye İstatistik Kurumu’nun 2015 yılı için yayınladığı yaşam endeksi gösterge değerlerine dayanarak illeri kendi içinde birbirine benzer diğer gruplardan mümkün olduğu ölçüde ayrık gruplara ayırmaya çalışmaktadır. İllerin bu benzerlik ve ayrışmasında 81 ilin konut, çalışma hayatı, gelir ve servet, sağlık, eğitim, çevre, güvenlik, sivil katılım, altyapı hizmetlerine erişim ve sosyal yaşam göstergeleri temel alınmaktadır. Bu bağlamda illerin benzer özelliklerine göre sınıflandırılmasında ve özet bilgi elde edilmesinde kümeleme analizinden yararlanılmıştır. Kümeleme analizi sosyal, mühendislik, tıp ve ziraat gibi bilim alanlarında yaygın olarak kullanılan çok değişkenli bir istatistiksel yöntemdir. Kümeleme analizinde analiz öncesi verilerin kaç gruba ayrılacağı bilinmemektedir. Küme sayısının belirlenmesi araştırmacıya aittir. Bu nedenle en uygun küme sayısını belirlemek için üç deneme (k=3, k=4, k=5) yapılmıştır. İlleri iyi oluş ve yaşam kalitesi açısından dört ya da üç kümeye ayırmanın anlamlı olacağı sonucu ortaya çıkmaktadır.

___

  • Akın,H.B., Eren, Ö., (2012). OECD Ülkelerinin Eğitim Göstergelerinin Kümeleme Analizi Ve Çok Boyutlu Ölçekleme Analizi İle Karşılaştırmalı Analizi, Öneri.C.10.S.37., 175-181.
  • Akoğul, S., Erişoğlu, M., (2016). A Comparison of Information Criteria in Clustering Based on Mixture of Multivariate Normal Distributions, Math. Comput. Appl., 21, 34; doi:10.3390/mca21030034
  • Alpar, R., (2017). Uygulamalı Çok Değişkenli İstatistiksel Yöntemler, Detay Yayıncılık, Ankara Charrad, M., Ghazzali, N., Boiteau, V., Niknafs, A., (2014). NbClust: An R Package for Determining the Relevant Number of Clusters in a Data Set”, Journal of Statistical Software, Volume 61, Issue 6.
  • Choudhary, A.,(2016). Survey on K-Means and Its Variants, International Journal of Innovative Research in Computer and Communication Engineering, Vol. 4, Issue 1
  • Cleff, T., (2019). Applies Statistics and Multivariate Data Analysis for Business and Economics A Modern Approach Using SPSS, Stata and Excel, Springer, Switzerland
  • Çelik, Ş., (2013). Kümeleme Analizi İle Sağlık Göstergelerine Göre Türkiye’deki İllerin Sınıflandırılması, Doğuş Üniversitesi Dergisi, 14 (2) 2013, 175-194.
  • Dinçer,B., Özaslan, M., Kavasoğlu, T.,(2003). İllerin Sosyo-Ekonomik Gelişmişlik Sıralaması Araştırması, DPT, Bölgesel Gelişme ve Yapısal Uyum Genel Müdürlüğü.
  • Dunn, J. C., (1974). Well-Separated Clusters and Optimal Fuzzy Partitions, Journal of Cybernetics, Volume 4, Issue 1
  • Erol, E.(2013). Türkiye Ve Avrupa Birliği Üyesi Ülkelerin Sosyo - Ekonomik Gelişmişlik Düzeylerinin Karşılaştırmalı Analizi. Sosyal ve Beşeri Bilimler Dergisi, 5 (1) , 198-208.
  • European Comision, (2011). Eurobarometer Qualitative Studies, Well-Being Aggregate Report Everitt,B.S., Landau,S., Leese, M., Stahl, D., (2011). Cluster Analysis, John Wiley & Sons, Ltd.
  • Hartigan, J. A., Wong, M. A, (1979). Algorithm AS 136: A K-Means Clustering Algorithm”, Journal of the Royal Statistical Society. Series C (Applied Statistics) , 1979, Vol. 28, No. 1 (1979), pp. 100-108
  • İlknur, Ö., (1998). İlçelerin Sosyo-Ekonomik Gelişmişlik Sıralaması ve Gruplandırılmasına İlişkin Bir Çalışma, Hazine Dergisi, S.11, 41-61.
  • Karabulut, M., Gürbüz, M., Sandal, E.K., (2004). Hiyerarşik Kluster(Küme) Tekniği Kullanılarak Türkiye’de İllerin Sosyo-Ekonomik Benzerliklerinin Analizi, Coğrafi Bilimler Dergisi, C.2, S.2, 71-85.
  • Kassambara, A., 2017. Practical Guide to Cluster Analysis in R Unsupervised machine Learning, STHDA (http://www.sthda.com)
  • Kaufman, L. and Rousseeuw, P. J., (1990). Finding Groups in Data. An Introduction to Cluster Analysis. John Wiley & Sons, Inc., New York.
  • Koç, S., (2001). Türkiye’de İllerin Sosyo-Ekonomik Özelliklere Göre Sınıflandırılması, 5.Ulusal Ekonometri ve İstatistik Sempozyumu, Çukurova Üniversitesi, Adana.
  • Madhulatha, T.S., (2012). An Overvıew On Clusterıng Methods, Journal of Engineering, Vol. 2(4) pp: 719-725
  • Marriott, F. H. C., (1971). Practical Problems in a Method of Cluster Analysis, Biometrics, Vol. 27, No. 3, pp. 501-514.
  • Morissette, L., Chartier, S., (2013). The K-Means Clustering Technique: General Considerations And İmplementation in Mathematica, Vol.9(1),15-24.
  • Morissette,L., Chartier, S., (2013). The k-means clustering technique: General considerations and implementation in Mathematica, Tutorials in Quantitative Methods for Psychology 2013, Vol. 9(1), p. 15-24.
  • Sandal, E. K., Karabulut, M., (2005). Sosyo-Ekonomik Kriterler Bakımından Türkiye’nin Konumu ve Avrupa Birliği, Fırat Üniversitesi Sosyal Bilimler Dergisi, C.15, S.1, 1-14.
  • Sheikholeslami C, Chatterjee S, Zhang A., (2000). WaveCluster: A Multi-Resolution Clustering Approach for Very Large Spatial Database. The International Journal on Very Large Data Bases, 8(3–4), 289–304.
  • Şahin, M., Hamarat, B., (2002). Avrupa Birliği ve OECD Ülkelerinin Sosyo_Ekonomik Benzerliklerinin Fuzzy Kümeleme Analizi ile Belirlenmesi, ODTÜ Uluslararası Ekonomi Kongresi, VI, Ankara, 1-19.
  • Tekin, B., (2015). Temel Sağlık Göstergeleri Açısından Türkiye’deki İllerin Gruplandırılması: Bir Kümeleme Analizi Uygulaması, Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt 5, Sayı 2, ss.389-416
  • Tibshirani, R, Walther, G., Hastie, T., (2001). Estimating The Number Of Clustersin A Data Set Via Gap Statistic, Royal Statistical Society, 63, Part 2, pp.411-423
  • Turanlı, M., Özden, Ü. H., Türedi, S., (2006). Avrupa Birliği’ne Aday Ve Üye Ülkelerin Ekonomik Benzerliklerinin Kümeleme Analiziyle İncelenmesi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, Yıl:5 Sayı:9 Bahar 2006/1 s.95-108
  • Yılancı, V., (2010). Bulanık Kümeleme Analizi İle Türkiye’deki İllerin Sosyoekonomik Açıdan Sınıflandırılması, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, C.15, S.3 s.453-470.