2. düzeydeki 26 istatistiki bölgenin iyi oluş durumlarının incelenmesi

Çalışmanın amacı İstatistiki Bölge Birimleri Sınıflaması (İBBS) kriterlerine göre Türkiye’deki Düzey 2 bölgelerini iyi oluş durumlarına göre çok boyutlu olarak incelemektir. Bu amaçla, ele alınan 26 bölge için 14 adet değişkenden oluşan bölgesel iyi oluş endeksi verileri kullanılmıştır. Bu değişkenler kullanılarak bölgelerin iyi oluş durumlarını incelemek amacıyla çok boyutlu ölçekleme analizi (ÇBÖ) yapılmıştır. ÇBÖ analizi, n tane nesne arasındaki ilişkinin bilinmediği durumlarda uzaklık değerlerini kullanarak bu nesnelerin ilişki yapısını olabildiğince az boyutla mümkün olan en doğru şekilde ortaya koymaya yarayan bir yöntemdir. Yapılan analiz neticesinde 2. Düzeydeki bölgelerin iyi oluş durumları bakımından benzerlikleri ve farklılıkları ortaya konulmuştur. Ayrıca bölgesel iyi oluş kriterlerinin Türkiye’nin bölgeleri bazında nasıl algılandığı belirlenerek bölgesel iyi oluş endeksine ait 14 adet değişkenden birincil ve ikincil boyutta en önemli değişkenler ile daha az öneme sahip değişkenler belirlenmiştir. Bölgeler için elde edilen koordinat tablosuna göre birincil boyutta Tekirdağ, Balıkesir, Bursa, Ankara ve Zonguldak alt bölgeleri bölgesel iyi oluş endeksi açısından en benzer bölgelerken Şanlıurfa ve Mardin en farklı bölgeler olarak elde edilmiştir. Değişkenler için elde edilen koordinat tablosuna göre ise birincil boyutta kişi başına düşen harcanabilir gelir, istihdam oranı ve kişi başına düşen oda sayısı bölgesel iyi oluş endeksi açısından en benzer değişkenlerken hava kirliliği en farklı değişken olarak belirlenmiştir.

Anahtar Kelimeler:

Çok Boyutlu Ölçekleme Analizi, Bölgesel İyi Oluş, İBBS, Düzey 2 Bölgeleri

Investigation of regional well being status of 26 statistical region at level 2

The aim of this study is to examine the Nomenclature of Territorial Units for Statistics (NUTS) 2 regions in Turkey according to the well-being as a multidimensional case. For this purpose, regional well-being index data consisting of 14 variables are used for 26 regions. Multidimensional scaling (MDS) analysis is conducted to examine the well-being of the regions by using these variables. MDS analysis is a method that used to reveal the relationship structure of the objects with as little dimension as possible in cases where the relationship between n objects is unknown. As a result of the analysis, the similarities and differences of the regions at Level 2 in terms of their well-being have been revealed. Among the 14 variables belonging to the regional well-being index, the most important variables in the primary and secondary dimensions and the variables with less importance are determined. According to the coordinate table obtained for the regions, Tekirdağ, Balıkesir, Bursa, Ankara and Zonguldak sub-regions in the primary dimension are the most similar regions in terms of regional well-being index. Also Şanlıurfa and Mardin are obtained as the most different regions. According to the coordinate table obtained for the variables, in the primary dimension, disposable income per capita, employment rate and number of rooms per person are the most similar variables in terms of regional well-being index. Also, air pollution has been determined as the most different variable.

Keywords:

Multidimensional scaling Analysis, Regional well being, NUTS, Level 2 regions,

PDF

___

Albayrak, A. S. (2006). Uygulamalı çok değişkenli istatistik teknikleri. Ankara: Asil Yayınları.
Ayvaz Kızılgöl, Ö., & Kuvat, Ö. (2020). Sosyo-ekonomik göstergelere göre Türkiye’de düzey 1 bölgelerinin çok boyutlu ölçekleme analizi ile incelenmesi. Karadeniz Sosyal Bilimler Dergisi, 12(22), 113-136. Erişim adresi: https://dergipark.org.tr/en/pub/ksbd/issue/55048/687887
Baday Yıldız, E., Sivri, U., & Berber, M. (2012). Türkiye’de illerin sosyoekonomik gelişmişlik sıralaması (2010). Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 39, 147-167. Erişim adresi: http://iibf.erciyes.edu.tr/dergi/sayi39/ERUJFEAS_Jan2012_147to167.pdf
Bayat, T., & Özdemir, Ş. (2019). Ulaştırma altyapısının bölgesel bazlı lojistik sektörü üzerindeki etkinliğinin veri zarflama yöntemi ile ölçülmesi. Kırıkkale Üniversitesi Sosyal Bilimler Dergisi (KÜSBD), 9(2), 259-286. Erişim adresi: https://pdfs.semanticscholar.org/ea8c/baa0dfeea6b094a8d5cc002281207f688fc3.pdf
Bulut, H. (2018). Türkiye’deki illerin yaşam endekslerine göre kümelenmesi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 23(1), 74-82. Erişim adresi: https://pdfs.semanticscholar.org/d04b/513b2b3d0a5500e59a9aedb4568362f27538.pdf
Bülbül, S., & Köse, A. (2010). Türkiye’de bölgelerarası iç göç hareketlerinin çok boyutlu ölçekleme yöntemi ile incelenmesi. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 39(1), 75-94. Erişim adresi: http://eds.b.ebscohost.com/eds/pdfviewer/pdfviewer?vid=0&sid=a84db119-3c02-4b2f-8470-b1722aa67992%40pdc-v-sessmgr05
Çelik, Ş. (2013). Kümeleme analizi ile sağlık göstergelerine göre Türkiye’deki illerin sınıflandırılması. Doğuş Üniversitesi Dergisi, 14(2), 175-194. Erişim adresi: http://journal.dogus.edu.tr/index.php/duj/article/view/641
Diener, E., Oishi, S., & Lucas, R. E. (2003). Personalıty, culture, and subjectıve well-beıng: Emotional and cognitive evaluations of life. Annual Review of Psychology, 54, 403–425. https://www.annualreviews.org/doi/pdf/10.1146/annurev.psych.54.101601.145056
Dikmen, F. C. (2018). Product management and quantitative methods investigation of well-being and quality of life of the Turkish provinces by clustering analysis. F. B. Candan & H. Kapucu (Ed.) Current debates in business studies içinde (s. 169-176). United Kingdom: IJOPEC Publication.
Dodge, R., Daly, A., Huyton, J., & Sanders, L. (2012). The challenge of defining wellbeing. International Journal of Wellbeing, 2(3), 222-235. Retrieved from https://www.internationaljournalofwellbeing.org/index.php/ijow/article/view/89
Filiz, Z. (2005). İllerin sosyo-ekonomik gelişmişlik düzeylerine göre gruplandırılmasında farklı yaklaşımlar. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 6(1), 77-100. Erişim adresi: https://dergipark.org.tr/en/download/article-file/113019
Gökdemir, Ö., & Veenhoven, R. (2014). Kalkınmaya farklı bir bakış: iyi oluş. A. F. Aysan & D. Dumludağ (Ed.) Kalkınmada Yeni Yaklaşımlar içinde (s. 337-363). Ankara: İmge Yayınevi.
Gürçaylılar Yenidoğan, T. (2008). Pazarlama araştırmalarında çok boyutlu ölçekleme analizi: Üniversite öğrencilerinin marka algısı üzerine bir araştırma. Akdeniz İ.İ.B.F. Dergisi, 15, 138-169. Erişim adresi: http://www.acarindex.com/dosyalar/makale/acarindex-1423868778.pdf
Kalaycı, Ş. (2009). SPSS uygulamalı çok değişkenli istatistik teknikleri. Ankara: Asil Yayın Dağıtım.
Karabulut, M., Gürbüz, M., & Sandal, E. K. (2004). Hiyerarşik kluster (küme) tekniği kullanılarak Türkiye’de illerin sosyo-ekonomik benzerliklerinin analizi. Coğrafi Bilimler Dergisi, 2(2), 65-78. Erişim adresi: https://dergipark.org.tr/en/pub/aucbd/issue/44490/551499
Kılıç, İ., Saraçlı, S., & Kolukısaoğlu, S. (2011). Sosyo-ekonomik göstergeler bakımından illerin bölgesel bazda benzerliklerinin çok değişkenli analizler ile incelenmesi. İstatistikçiler Dergisi, 4, 57-68. Erişim adresi: https://pdfs.semanticscholar.org/b6eb/553415b226fc32f48b0e3085aaa9572f73e9.pdf
Şengül, Ü., Shiraz, S. E., & Eren, M. (2013). Türkiye’de istatistikî bölge birimleri sınıflamasına göre düzey 2 bölgelerinin ekonomik etkinliklerinin VZA yöntemi ile belirlenmesi ve Tobit model uygulaması. Yönetim Bilimleri Dergisi, 11(21), 75-99. Erişim adresi: https://dergipark.org.tr/en/pub/comuybd/issue/4102/54041
Taş, B. (2006). AB uyum sürecinde Türkiye için yeni bir bölge kavramı: İstatistiki bölge birimleri sınıflandırması (İBBS). Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 8(2), 185- 197. Erişim adresi: https://acikerisim.aku.edu.tr/xmlui/handle/11630/3611
Tatlıdil, H. (2002). Uygulamalı çok değişkenli istatistiksel analiz. Ankara: Ziraat Matbaacılık.
Turanlı, M., & Deniz, Ö. (2008). Ülkelerin çok boyutlu ölçekleme analizi ile karşılaştırılması. Öneri Dergisi, 29, 187-192. Erişim adresi: https://dergipark.org.tr/en/pub/maruoneri/issue/52306/683201
Veenhoven, R. (2005). Apparent quality of life in nations: How long and happy people live. Social Indicators Research, 71, 61-68. Retrieved from https://link.springer.com/chapter/10.1007/1-4020-3602-7_3
Yılancı, V. (2010). Bulanık kümeleme analizi ile Türkiye’deki illerin sosyoekonomik açıdan sınıflandırılması. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(3), 453-470. Erişim adresi: https://dergipark.org.tr/en/download/article-file/194560
Yılmaz S., Dericioğlu T., Elliott I. A., & Özden M. S. (2007, Ekim). Kalkınma birliklerinden kalkınma ajanslarına yönelirken. 12.Ulusal Bölge Bilimi Planlama Kongresi, İTÜ Mimarlık Fakültesi, İstanbul. Erişim adresi: https://dergipark.org.tr/tr/pub/deuiibfd/issue/22731/242604