Mehmet Saltuk ARIKAN, Ahmet Cumhur AKIN, Mustafa Bahadır ÇEVRİMLİ, Mustafa Agah TEKİNDAL

Türkiye’de Dana ve Koyun Eti Fiyatlarının Tavuk Eti Fiyatlarına Etki Düzeylerinin Farklı Regresyon Modelleri ve Karar Ağacı Algoritması İle Değerlendirilmesi

Türkiye’de kırmızı ette yaşanan fiyat artışlarının tavuk eti fiyatlarına yansımasının ne düzeyde olduğunun belirlenmesi, sektörün üretim planlaması başta olmak üzere pek çok hususta sektöre ışık tutacaktır. Bu çalışmanın amacı, 2005/01 Ocak ile 2018/09 Eylül döneminde aylara göre Türkiye geneli tavuk, dana ve koyun eti tüketici ortalama fiyatlarının (TL/kg) farklı regresyon modelleri ve karar ağacı algoritması ile analiz edilerek, kırmızı ette yaşanan fiyat artışlarının ne ölçüde tavuk eti tüketici fiatlarına yansıdığını ortaya koymak ve tavuk eti tüketici fiyatlarının tahmin oranlarının belirlenmesidir. Çalışmanın sonuçlarına göre dana eti fiyatlarını kullanarak tavuk eti fiyatlarının tahmin edilmesinde kübik regresyon denklemi ile %91.4 açıklama oranında başarılı bir tahmin yapılırken, koyun eti fiyatlarında kübik regresyon denklemi ile %89.9 açıklama oranında başarılı bir tahmin yapılabileceği belirlenmiştir. Dana eti fiyatlarında meydana gelecek 1 birimlik değişimin kübik regresyona göre tavuk eti fiyatlarında 1.35 birimlik bir artışa, koyun eti fiyatlarında meydana gelecek 1 birimlik değişimin ise tavuk eti fiyatlarında 0.39 birimlik bir artışa yol açacağı tahmin edilmiştir.

Assessment of the Effect of Beef and Mutton Meat Prices on Chicken Meat Prices in Turkey Using Diffrent Regression Models and the Decision Tree Algorithm

Determination of the extent to which increases in the price of red meat is reflcted in the price of chicken meat will shed light to thesector in many areas, including production planning. The purpose of this study is to present how the increases in the price of redmeat are reflcted in the consumer prices of chicken meat and to determine the estimation rate of the consumer prices of chickenmeat by analysing the monthly average consumer prices of chicken meat, beef and mutton (TRY/kg) in Turkey between January2005 and September 2018 using diffrent regression models and the decision tree algorithm. The results of the study indicate thatin predicting the prices of chicken meat using the prices of beef, the cubic regression equation gives accurate predictions at a rateof 91.4%, and in predicting the prices of chicken meat using the prices of mutton, the cubic regression equation gives accuratepredictions at a rate of 89.9%. It was estimated that 1 unit increase in the prices of beef would result in an increase by 1.35 unit in theprices of chicken meat, and a 1 unit increase in the prices of mutton would result in an increase by 0.39 unit in the prices of chicken meat.

PDF

___

1. Erdoğdu H, Çiçek H: Modelling beef consumption in Turkey: The ARDL/bounds test approach. Turk J Vet Anim Sci, 41 (2): 255-264, 2017. DOI: 10.3906/vet-1606-43
2. OECD: Meat consuption. OECD Agriculture Statistics: OECD-FAO. Agricultural Outlook, 2018. https://data.oecd.org/agroutput/meatconsumption.htm; Accessed: 10.05.2019
3. TURKSTAT: Turkish Statistical Institute. Consumer prices data. Ankara, 2018. https://biruni.tuik.gov.tr/medas/?kn=110&locale=tr Accessed: 15.03.2018.
4. Aral Y, Aydın E, Demir P, Akın AC, Cevger Y, Kaya Kuyululu ÇY, Arıkan MS: Consumer preferences and consumption situation of chicken meat in Ankara Province, Turkey. Turk J Vet Anim Sci, 37 (5): 582-587, 2013. DOI: 10.3906/vet-1210-36
5. Keskin B, Demirbaş N: Türkiye’de kanatlı eti sektöründe ortaya çıkan gelişmeler: sorunlar ve öneriler. U Ü Ziraat Fak Derg, 26 (1): 117-130, 2012.
6. Akın AC, Arıkan MS, Çevrimli MB: Effct of import decisions in Turkey between 2010-2017 on the red meat sector. In, 1 st International Health Science and Life Congress in Burdur, May 2-5, Burdur-Turkey, 2018.
7. Çınar G, Keskin B: The spillover effct of imported inputs on broiler prices in Turkey. New Medit, 17 (1): 37-47, 2018. DOI: 10.30682/nm1801d
8. Demir P, Aral Y, Cevger Y, Aydın E: An economic assessment of the chicken meat/feed price interactions in Turkish broiler sector. In, 2nd Mediterraean Summit of WPSA, Prospects of World Poultry: A Mediterrane an Perspective, 04-07 October, Antalya - Turkey, 2009.
9. Çiçek H, Tandoğan M: Türkiye’de piliç eti fiyatları ve etkili faktörler. JPR, 7 (1): 52-57, 2007.
10. Koca S: Piliç eti sektörü: H edefler ve potansiyel problemler. In, I. Uluslararası Beyaz Et Kongresi, 11-15 Mayıs, Antalya-Turkey, 2011.
11. Aral Y, Demir P, Cevger Y, Aydın E: An economic assessment of the chicken meat/feed price interactions in Turkish broiler sector. J Anim Vet Adv, 9 (9): 1366-1369, 2010. DOI: 10.3923/javaa.2010.1366.1369
12. Aydın E, Sakarya E: Kars ve Erzurum illeri entansif sığır besi işletmelerinin ekonomik analizi. Kafkas Univ Vet Fak Derg, 18 (6): 997-1005, 2012. DOI: 10.9775/kvfd.2012.6917
13. Aral Y, Demir P, Aydın E, Akın AC, Sakarya E, Çavuşoğlu E, Polat M: Factors affcting beef consumption and consumer preferences in Turkey A case of Ankara Province. In, 64th Annual Meeting of the European Federation of Animal Science-EAAP, 26-30 August, Nantes - France, 2013.
14. Aydın E, Aral Y, Can MF, Cevger Y, Sakarya E, İşbilir S: Türkiye de son 25 yılda kırmızı et fiyatlarındaki değişimler ve ithalat kararlarının etkilerinin analizi. Vet Hekim Der Derg, 82 (1): 3-13, 2011.
15. Arıkan MS, Çevrimli MB, Akın AC, Tekindal MA: Determining the change in retail prices of veal in Turkey by GARCH method between 2014-2017. Kafkas Univ Vet Fak Derg, 25 (4): 499-505, 2019. DOI: 10.9775/ kvfd.2018.21187
16. Fidan H: The impacts of beef prices and VAT on chicken meat consumption: A partial equilibrium approach. Turk J Vet Anim Sci, 29 (5): 1083-1091, 2005.
17. Sacli Y, Özer OO: Analysis of factors affcting red meat and chicken meat consumption in Turkey using an ideal demand system model. Pak J Agri Sci, 54 (4): 933-942, 2017. DOI: 10.21162/PAKJAS/17.5849
18. Demirtas B: The effct of price increases on fresh meat consumption in Turkey. Acta Univ Agric Silvic Mendelianae Brun, 66 (5): 1249-1259, 2018. DOI: 10.11118/actaun201866051249
19. Çiçek H, Doğan İ: Türkiye’de canlı sığır ve sığır eti ithalatındaki gelişmeler ve üretici fiyatlarının trend modelleri ile incelenmesi. Kocatepe Vet J, 11 (1): 1-10, 2018.
20. Bayram B, Akbulut Ö: Esmer ve siyah alaca sığırlarda büyüme eğrilerinin doğrusal ve doğrusal olmayan modellerle analizi. J Anim Prod, 50 (2): 33-40, 2009.
21. Yıldız G, Soysal Mİ, Gürcan EK: Tekirdağ ilinde yetiştirilen Karacabey merinosu x kıvırcık melezi kuzularda büyüme eğrisinin farklı modellerle belirlenmesi. Tekirdağ Ziraat Fak Derg, 6 (1): 11-19, 2009.
22. Eyduran E, Karakus K, Keskin S, Cengiz F: Determination of factors inflencing birth weight using regression tree (RT) method. J Appl Anim Res, 34 (2): 109-112, 2008. DOI: 10.1080/09712119.2008.9706952
23. Shih ML, Huang BW, Chiu NH, Chiu C, Hu WY: Farm price prediction using case-based reasoning approach-A case of broiler industry in Taiwan. Comput Electron Agr, 66 (1): 70-75, 2009. DOI: 10.1016/j.compag.2008.12.005
24. Ercan U, Canbazoğlu E: Determination of socioeconomic and demographic factors affecting household red meat consumption by CHAID analysis. In, International Conference on Food and Agricultural Economics, 27-28 April, Antalya - Turkey, 2017.
25. Yılmaz I, Eyduran E, Kaygısız A: Determination of non-genetic factors inflencing birth weight using regression tree method in brownswiss cattle. Can J App Sci, 1 (3): 382-387, 2013.
26. Bakır G, Keskin S, Mirtagioglu H: Determination of the effctive factors for 305 days milk yield by Regression Tree (RT) method. J Anim Vet Adv, 9 (1): 55-59, 2010. DOI: 10.3923/javaa.2010.55.59
27. Schittkowski K: EASY-FIT: A software system for data fitting in dynamical systems. Struct Multidiscipl Optim, 23, 153-169, 2002. DOI: 10.1007/s00158-002-0174-6
28. Quinlan JR: C4. 5: Programs for Machine Learning. Elsevier. 2014.
29. Witten IH, Frank E, Hall MA, Pal CJ: Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 2016.
30. Domingos P, Hulten G: Mining high-speed data streams. In, Proceedings of the sixth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 71-80, 20-23 August, Boston-Massachusetts, 2000.
31. Landwehr N, Hall M, Frank E: Logistic model trees. Mach Learn, 59 (1-2): 161-205, 2005. DOI: 10.1007/s10994-005-0466-3
32. Doetsch P, Buck C, Golik P, Hoppe N, Kramp M, Laudenberg J, Mauser A: Logistic model trees with auc split criterion for the kdd cup 2009 small challenge. In, Proceedings of the 2009 International Conference on KDD-Cup 2009-Volume 7: 77-88, 28 June-01 July, Paris, 2009.
33. Breiman L: Random forests. Mach Learn, 45 (1): 5-32. 2001.
34. Fan W, Wang H, Yu PS, Ma S: “Is Random Model Better? On Its Accuracy and Efficiency”, In, The Third IEEE International Conference on Data Mining, 51-58, 22 November, Melbourne, 2003.
35. Zhao Y, Zhang Y: Comparison of decision tree methods for finding active objects. Adv Space Res, 41 (12): 1955-1959, 2008. DOI: 10.1016/j. asr.2007.07.020
36. Onan A: Şirket iflslarının tahmin edilmesinde karar ağacı algoritmalarının karşılaştırmalı başarım analizi. BTD, 8 (1): 9-19, 2015. DOI: 10.17671/ btd.36087
37. Turhan Ş, Erdal B, Çetin B: Türkiye’de kırmızı ette fiyat oluşumu ve etkileyen faktörler. In, Türkiye IX. Tarım Ekonomisi Kongresi, 22-24 Eylül Şanlıurfa-Türkiye, 2010.
38. Gale F, Arnade C: Effcts of rising feed and labor costs on China’s chicken price. Int Food Agrıbus Man, 18, 137-150, 2015.
39. Dağdemir V, Demir O, Keskin A: Estimation of supply and demand models for chicken meat in Turkey. J Appl Anim Res, 25 (1): 45-48, 2004. DOI: 10.1080/09712119.2004.9706472
40. Akbay C, Bilgic A, Miran B: Türkiye’de önemli gıda ürünlerinin talep esneklikleri. Tarım Ekonomisi Derg, 14 (1-2): 55-65, 2008.
41. Akçay A, Sarıözkan S, Al S: Akademik personelin et tüketim tercihlerinin analitik hiyerarşi prosesi ile değerlendirilmesi. Vet Hekim Der Derg, 89 (1): 11 -24, 2018.