CHAID Algoritması ile Balık Eti Tüketimini Etkileyen Faktörlerin İncelenmesi

Bu çalışmada, Bingöl ili Merkez ilçede 384 kişiye uygulanan anket ile aylık balıketi tüketimini etkileyen faktörler CHAID algoritması ile araştırılmıştır. Kullanılan bağımlı değişken balıketi tüketim miktarıdır. Bağımsız değişkenler yaş, hane halkı sayısı, araba sahipliği, ikamet yeri, aylık gelir, gider, gıda harcamaları ve aylık balık harcaması değişkenleridir. Belirleme katsayısı (R2), düzeltilmiş belirleme katsayısı ve korelasyon katsayısı kullanılarak modelin etkinliği ve regresyon ağacı oluşturularak balıketi tüketimini etkileyen faktörler belirlenmiştir. Balıketi tüketimini etkileyen etkenler; aylık balık harcaması (P<0.01), şehirde ikamet süresi (P<0.01), toplam aylık gider (P<0.01), araba sahipliği (P<0.01), hane halkı sayısı (P<0.01) ve toplam aylık gelir (P<0.01) olmuştur. Gözlenen ve tahmin edilen balıketi tüketim miktarları arasında güçlü ve pozitif bir ilişki (r=0.837) belirlenirken, belirleme katsayısı (%) ve düzeltilmiş belirleme katsayısı (%) sırasıyla 70.06 ve 69.74 olarak hesaplanmıştır. Ortalama olarak, en fazla balıketi tüketimi sırasıyla; toplam aylık geliri, aylık balık harcaması BH > 240 TL ve ailedeki kişi sayısı 3’den fazla olan bireylerin oluşturduğu alt gruptan elde edilmiştir. Tüketicilerin balık tüketiminde ekonomik etkenler ve ailedeki kişi sayısının diğer etkenlerden daha fazla etkili olduğu görülmüştür. Bu sonuçlar ışığında, balık fiyatlarının düşürülmesi, bireylerin eğitim seviyesinin yükseltilmesi ve hane halkı sayısındaki artış balık tüketimine olumlu yansıyacaktır.

___

  • Abdikoğlu Dİ, Azabağaoğlu MÖ, Unakıtan G (2015). Tekirdağ ilinde balık tüketim eğilimlerinin belirlenmesi. Balkan And Near Eastern Journal Of Social Sciences Balkan ve Yakın Doğu Sosyal Bilimler Dergisi. 01 (01)
  • Akbay C, Bilgiç A, Miran B (2008). Türkiye’de önemli gıda ürünlerinin talep esneklikleri. Tarım Ekonomisi Dergisi. 14 (2): 55 – 65.
  • Akbay C, Meral Y, Yılmaz Hİ, Gözek S (2013). Türkiye’de ailelerin su ürünleri tüketiminin ekonomik analizi. KSÜ Doğa Bilimleri. Dergisi., 16(3): 1-7.
  • Anonim (2015). Bingöl nüfusu. (www.nufusu.com/) (Erişim Tarihi: 20.06.2016).
  • Anonim (2015a). (http://tuik.gov.tr) (Erişim Tarihi: 20.06.2016)
  • Anonim (2016). Balığın %70’i Karadeniz’de avlanıyor. (http://www.milliyet.com.tr) (Erişim Tarihi: 20.01.2017)
  • Armagan G, Akbay C (2007). An econometric analysis of urban households animal products consumption in Turkey. Applied Economics, 40 (15): 1-8.
  • Bakır G, Keskin S, Mirtagioğlu H (2010). Determination of the effective factors for 305 days milk yield by regression tree (RT) method. Journal of Animal and Veterinary Advances , 9, (1) : 55-59.
  • Bashimov G (2017). Niğde ilinde balık tüketim alışkanlığının belirlenmesi. Türk Tarım ve Doğa Bilimleri Dergisi 4(2): 1–8.
  • Büyükbay OE, Sayılı M, Uzunöz M (2009). Tüketicilerin sosyo- ekonomik özellikleri ile salça tüketimleri arasındaki ilişki: Tokat ili örneği. Gıda Teknolojileri Elektronik Dergisi, 4(1): 1-7.
  • Çobanoğlu F, Konak K, Bozkurt M (2003). Aydın ilinde etlik piliç işletmelerinin ekonomik analizi ve pazarlama durumu. Akdeniz Üniversitesi Ziraat Fakültesi Dergisi, 15(1): 27-36.
  • Çolakoğlu FA, İşmen A, Özen Ö, Çakır F, Yığın Ç, Ormancı HB (2006). Çanakkale ilindeki su ürünleri tüketim davranışlarının değerlendirilmesi, E.Ü. Su Ürünleri Dergisi, 23(1/3): 387-392.
  • Dağtekin M, Ak O (2007). Doğu Karadeniz Bölgesinde su ürünleri tüketimi, ihracat ve ithalat potansiyeli.Yunus Araştırma Bülteni, 7 (3): 14-17.
  • Doğan I (2003). Holştayn ırkı ineklerde süt verimine etki eden faktörlerin CHAID analizi ile incelenmesi. Ankara Üniversitesi Veteriner Fakültesi Dergisi, 50:65-70.
  • Ercan O, Şahin A (2016). Kahramanmaraş kent merkezinde balık eti tüketim analizi. KSÜ Doğa Bilimleri Dergisi., 19(1): 51-65.
  • Erdal G, Esengün K (2008). Tokat ilinde balık tüketimini etkileyen faktörlerin logit model ile analizi. Ege Üniversitesi Su Ürünleri Dergisi, 25(3): 203-209.
  • Eyduran E, Karakuş K, Keskin S, Cengiz F (2008). Determination of factors influencing birth weight using regression tree (RT) method. J. Appl. Anim. Res. 34: 109-112.
  • FAO (2015). Fishery statistical databases, (www.fao.org) (Erişim Tarihi, 18.01.2017).
  • GTHB (2017). Gıda, Tarım ve Hayvancılık Bakanlığı, Su ürünleri istatistikleri. (http://www.tarim.gov.tr)
  • Grzesiak W, Zaborski D (2012). Examples of the use of data mining methods in animal breeding. S. 1-22.
  • Gül Yavuz G, Yasan Ataseven Z, Gül U, Gülaç ZN (2015). Su ürünleri tüketiminde tüketici tercihlerini etkileyen faktörler: Ankara ili örneği. Yunus Araştırma Bülteni, (1): 73-82.
  • Günden C, Miran B (2007). Yeni çevresel paradigma ölçeğiyle çiftçilerin çevre tutumunun belirlenmesi: İzmir ili Torbalı ilçesi örneği. Ekoloji, 18(69): 41-50.
  • Gürel E, Doğan HG, Polat S, Yeşilayer N, Buhan C (2017). Ağrı ili merkez ilçede yaşayan bireylerin balık tüketim alışkanlıklarının belirlenmesi. Gaziosmanpaşa Bilimsel Araştirma Dergisi (GBAD), 6 (3): 26-35.
  • Hatırlı SA, Demircan V, Aktaş AR (2004). Isparta ilinde ailelerin balık tüketiminin analizi. Süleyman Demirel Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 9(1) 245-256.
  • Karakaya E, Kırıcı M (2016). Bingöl ili kent merkezinde balık eti tüketim alışkanlıklarının belirlenmesi. Uluslararası Sosyal ve Ekonomik Bilimler Dergisi International Journal of Social and Economic Sciences, 6 (1): 74-85.
  • Kass G (1980). An Exploratory technique for investigating large quantities of categorical data, Applied Statistics, 29 (2): 119-127.
  • Kayri M, Boysan M (2007). Araştırmalarda Chaid analizinin kullanımı ve baş etme stratejileri ile ilgili bir uygulama. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Dergisi, 40(2): 133-149.
  • Khan MA, Tariq MM, Eyduran E, Tatlıyer A, Rafeeq M, Abbas F, Rashid N, Awan MA, Javed K (2014). Estimating body weight from several body measurements in Harnai sheep without multicolinearity problem. Journal of Animal Plant Science, 24(1) 120-126.
  • Koyuncugil AS (2007). Borsa şirketlerinin sektörel risk profillerinin veri madenciliğiyle belirlenmesi. Sermaye piyasası kurulu araştırma raporu, Araştırma Dairesi, s. 1-29, Ankara.
  • Mendeş M, Akkartal E (2009). Regression tree analysis for predicting slaughter weight in broilers. Italian Journal of Animal Science, 8: 615-624.
  • Miran B (2013). Temel İstatistik, Ege Üniversitesi Basımevi, İzmir, s. 312. Newbold P (1995). Statisticsfor Business and Economics, Prentice Hall Inc., USA. s. 1016.
  • Nisbet R, Elder J, Miner G (2009). Handbook of statistical analysis and data mining applications. Academic Press, s.864 Canada.
  • Olgunoğlu İA, Bayhan YK, Olgunoğlu MP, Artar E, Ukav İ (2014). Adıyaman ilinde balık eti tüketim alışkanlıklarının belirlenmesi. Gıda Teknolojileri Elektronik Dergisi, 9(1): 21-25.
  • Pazarlıoğlu MV, Miran B, Üçdoğruk S, Akbay C (2007). Using econometric modelling to predict demand for fluid and farm milk: A case study from Turkey. Food Quality and Preference, 18(2): 416-424.
  • Şen B, Canpolat Ö, Sevim AF, Sönmez F (2008). Elazığ ilinde balık eti tüketimi. Fırat Üniversitesi. Fen ve Müh. Bil. Dergisi. 20 (3): 433-437.
  • Şen A (2011). Konya ve Mersin il merkezlerinde yaşayan bireylerin balık tüketimi konusundaki alışkanlık ve bilgi düzeylerinin karşılaştırılması. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü. Konya.
  • TÜİK (2015). Su ürünleri istatistikleri. (tuik.gov.tr) (Erişim Tarihi, 10.01.2017).