Bölgesel Kalkınma Perspektifinden İşgücü Hareketliliğinin Değerlendirilmesi: Dirençli Temel Bileşenleri Analizi Uygulaması

Bölgesel kalkınma hedeflerinin gerçekleştirilmesi gerekçesiyle bölgeler arası adaletsizliklerin giderilmesinde işgücü hareketliliği her zaman gündemde olan bir konu olmuştur. Türkiye’nin çeşitli bölgelerinde işgücü hareketliliğinin farklı olması, bölgeler arası adaletsizlikleri artırmaktadır. Nitekim ülkemizin çoğunlukla kıyı kesimlerinde yer alan illeri kapsayan bölgeleri, istihdam, işgücüne katılım gibi işgücü hareketliliğini temsil eden değişkenlerde oldukça yüksek değerlere sahip iken, doğu ve iç kesimlerde yer alan illeri kapsayan bölgelerinde bu durumun tam tersi şeklinde olduğu görülmektedir. Bölgesel kalkınma perspektifinden bu eşitsizliklerin üstesinden gelinmesi, bölgelerin işgücü hareketliliklerinin objektif bir şekilde değerlendirilmesi ile mümkün olmaktadır. Bu çalışmada Türkiye’nin İstatistiki Bölge Birimleri Sınıflandırması-2 (İBBS-2) düzeyindeki 26 bölgesi ve bu bölgelerin işgücü hareketliliğiyle ilgili temel değişkenlere ait değerleri, dirençli temel bileşenler analizi (TBA) kapsamında kullanılmaktadır. 2014 -2018 arasındaki her yıl için tekrarlanan bu analiz sayesinde, bölgelerin ilgili yıllara göre işgücü hareketlilikleri karşılaştırmalı olarak değerlendirilmektedir. Çalışma sonucunda elde edilen bulgular göstermektedir ki, işgücü hareketliliğinin düşük olduğu bölgeler, kalkınmada geride kalan bölgelerdir. Bu bölgelerin işgücü hareketliliklerini artırıcı yönde uygulanacak olan politikalar ise bölgesel kalkınma hedeflerinin yakalanmasına katkı sağlayacaktır.

Assessing Labor Mobility in Regional Development: Application of Robust Principal Component Analysis

Labor mobility is always on the agenda in eliminating injustices between regions due to the realization of regional development targets. Labor mobility, which is quite different in various regions of Turkey, increase inequities between regions. Indeed, the regions of our country covering the provinces located on the coastal area have quite high values in many variables that represent labor mobility such as employment, participation in the labor force. Conversely, the regions covering the provinces located on the east and inland have a reverse situation. It is possible to overcome these inequalities from the perspective of regional development by objectively evaluating the labor mobility of the regions. In this study, 26 regions in Nomenclature of Territorial Units for Statistics-2 (NUTS-2) levels in Turkey, and these regions' values of the labor mobility variables, are used in the robust principal component analysis (PCA). Thanks to this repeated analysis for each year between 2014 and 2018, labor mobility of regions is evaluated comparatively according to the relevant years. The findings of the study show that the regions with low labor mobility are the regions left behind in development. For this reason, the policies to be implemented to increase the labor mobility of the relevant regions will contribute to the achievement of regional development targets.

___

  • Akın, N. (2006). Bölgesel Kalkınma Araçları ile Kalkınma Ajanslarının Uyum, İşbirliği ve Koordinasyonu. TEPAV Bölgesel Kalkınma ve Bölgesel Yönetişim Sempozyumu. 295-304.
  • Azadeh, A., Ghaderi, S. F. ve Ebrahimipour, V. (2007). An Integrated PCA DEA Framework for Assessment and Ranking of Manufacturing Systems Based on Equipment Performance.Engineering Computations. 24(4). 347-372.
  • Berber, M. ve Çelepçi, E. (2005). Türk Bölgesel Kalkınma Politikalarında Yeni Arayışlar: Kalkınma Ajansları ve Türkiye’de Uygulanabilirliği.Doğu Karadeniz Bölgesel Kalkınma Sempozyumu. 13-14.
  • Bozdoğan, M. (2014). Bölgesel Kalkınma ve İBBS Esasına Dayanan Yeni Yatırım Teşvik Sisteminin Uygulama Sonuçlarının Değerlendirilmesi. Türkiye’de Bölgesel Kalkınma ve Teşvik Politikaları (Editör: Mine Nur Bozdoğan). Ankara: Nobel Yayıncılık.
  • Cam, E. ve Atan, M. (2018). Türkiye'de İl Bazında İstihdam Politikalarının Etkinliği. Bilgi. 20(1). 102-123.
  • Campbell, N. A. (1980). Robust Procedures in Multivariate Analysis I: Robust Covariance Estimation.Journal of the Royal Statistical Society: Series C (Applied Statistics). 29(3). 231-237.
  • Candès, E. J., Li, X., Ma, Y. ve Wright, J. (2011). Robust Principal Component Analysis? Journal of the Association for Computing Machinery. 58(3). 1-37.
  • Cankorkmaz, Z. (2011). Türkiye’de Bölgesel Kalkınma Ajansları ve Bu Ajanslara Yönelik Eleştiriler. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 26. 113-138.,
  • Cerev, G. ve Yenihan, B. (2017). İşgücü Piyasası Temel Kavramları Doğrultusunda Elazığ İli İşgücü Piyasasının Mevcut Durumu ve Analizi. Fırat Üniversitesi Harput Araştırmaları Dergisi.4(1).77-90.
  • Croux, C. ve Haesbroeck, G. (2000). Principal Component Analysis Based on Robust Estimators of the Covariance or Correlation Matrix: Influence Functions and Efficiencies.Biometrika. 87(3). 603-618.
  • Croux, C. ve Ruiz-Gazen, A. (2005). High Breakdown Estimators for Principal Components: The Projection-Pursuit Approach Revisited.Journal of Multivariate Analysis. 95(1). 206-226.
  • De la Torre, F. ve Black, M. J. (2001, July). Robust Principal Component Analysis for Computer Vision. In Proceedings Eighth IEEE International Conference on Computer Vision. ICCV 2001. 362-369.
  • Feng, J., Xu, H. ve Yan, S. (2013). Online Robust PCA via Stochastic Optimization. In Advances in Neural Information Processing Systems. 404-412.
  • Gündoğan, N. ve Biçerli, M. K. (2003). Çalışma Ekonomisi.Eskişehir: AÜ Yayınları.
  • Hasanoğlu, M. ve Aliyev, Z. (2006). Avrupa Birliği ile Bütünleşme Sürecinde Türkiye’de Bölgesel Kalkınma Ajansları. Sayıştay Dergisi.60. 81-103.
  • Huber, P. J. ve Ronchetti, E. (1981). Robust Statistics. New York: John Wiley & Sons.Işığıçok, E. (2011). İstihdam ve İşsizlik. Bursa: Ekin Kitabevi.
  • Johnson R. A. ve Wichern D. W. (2007). Multivariate Statistical Analysis (6.th Edition). Upper Saddle River, New Jersey: Pearson Prentice Hall.
  • Keleş, R. (2000). Kentleşme Politikası. Ankara: İmge Kitabevi.Le, T. H., Chang, Y., Taghizadeh-Hesary, F. veYoshino, N. (2019). Energy Insecurity in Asia: A Multi-Dimensional Analysis. Economic Modelling. 83. 84-95.
  • Li, G. ve Chen, Z. (1985). Projection-Pursuit Approach to Robust Dispersion Matrices and Principal Components: Primary Theory and Monte Carlo. Journal of the American Statistical Association. 80(391). 759-766.
  • Lordoğlu, K., Özkaplan, N. ve Törüner, M. (1999). Çalışma İktisadı.İstanbul: Beta Basım Yayın ve Dağıtım.
  • Lu, D. (2009). The Economic Consequence of Labor Mobility in China’s Regional Development. Asian Economic Papers. 8(2). 85-114.
  • Meyer, J. R. (1966). Bölgesel İktisat: Bir Araştırma, İktisadi Kalkınma Seçme Yazılar.Ankara: ODTÜ İdari İlimler Fakültesi Yayını.
  • Ngai, E. W. T. ve Cheng, T. C. E. (1997). Identifying Potential Barriers to Total Quality Management Using Principal Component Analysis and Correspondence Analysis.International Journal of Quality & Reliability Management. 14(4). 391-408.
  • Özaslan, A. ve Ünlü, H. (2015). Türkiye’de Bölgesel Kalkınma Politikalarında Değişim ve Kalkınma Ajansları. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 13. 64-83.
  • Özdemir, V. (2014). Türkiye’de Planlı Kalkınma Deneyimleri. Marmara Üniversitesi [https://dumludag. files.wordpress.com /2013/09/ozdemir_planlama.pdf]. (Erişim: 06 Ağustos 2020).
  • Razin, A. ve Yuen, C. W. (1997). Factor Mobility and Income Growth: Two Convergence Hypotheses. Review of Development Economics. 1(2). 171-190.
  • Rösch, İ. A. (1992). Almanya’da Bölgesel Kalkınma Yaklaşımları.Ankara: DPT Kalkınmada Öncelikli Yöreler ve Bölgesel Kalkınma Genel Müdürlüğü Yayınları.
  • Sakal, M. ve Demirhan, H. (2014). Bölgesel Politikalar Eksenindeki Değişim Sürecinde Türkiye’de İzlenen Bölgesel Kalkınma Politikalarının Analizi. Türkiye’de Bölgesel Kalkınma ve Teşvik Politikaları (Editör: Mine Nur Bozdoğan). Ankara: Nobel Yayıncılık.
  • Sezgin, A. (2013). Kalkınma Ajansı Uygulamasının Gelişmiş ve Az Gelişmiş Ülke Örnekleri Açısından Sonuçları(Yüksek Lisans Tezi).Hitit Üniversitesi Sosyal Bilimler Enstitüsü. Çorum.
  • Singh, D. ve Singh, B. (2019). Investigating the Impact of Data Normalization on Classification Performance. Applied Soft Computing. 105524, doi: 10.1016/j.asoc.2019.105524.
  • Sivri, U., Ceylan, S. ve Artan, S. (2000). Bölgelerarası Gelir Farklılıkları ve Kuznets Hipotezi. 9. Ulusal Bölge Bilimi/Bölge Planlama Kongresi.KTÜ Basımevi. Trabzon.
  • Stanimirova, I., Walczak, B., Massart, D. L. ve Simeonov, V. (2004). A Comparison between Two Robust PCA Algorithms.Chemometrics and Intelligent Laboratory Systems. 71(1). 83-95.
  • Şahinkaya, S. (2001). Bölgesel İktisadi Dengesizlikleri Giderme Çabaları/Politikaları Üzerinde Bazı Değerlendirmeler. Cevat Geray’a Armağan.Ankara: Mülkiyeliler Birliği Yayınları.
  • Takım, A. (2011). Türkiye’de 1960-1980 Yılları Arasında Uygulanan Kalkınma Planlarında Maliye Politikaları. Maliye Dergisi. 160. 154-176.
  • Tansel, A. (2012). 2050’ye Doğru Nüfus, Bilim ve Yönetim: İşgücü Piyasasına Bakış.İstanbul: TÜSİAD.
  • Walras, L. (1953). Abrege des Elements d'Economie Politique Pure. Librairie Generale de Droit et de Jurisprudence. Paris.
  • Wright, J., Ganesh, A., Rao, S., Peng, Y. ve Ma, Y. (2009). Robust Principal Component Analysis: Exact Recovery of Corrupted Low-Rank Matrices via Convex Optimization. In Advances in Neural Information Processing Systems. 2080-2088.
  • Xu, H., Caramanis, C. ve Sanghavi, S. (2010). Robust PCA via Outlier Pursuit. In Advances in Neural Information Processing Systems. 2496-2504.
  • Zou, H., Hastie, T. ve Tibshirani, R. (2006). Sparse Principal Component Analysis. Journal of Computational and Graphical Statistics. 15(2). 265-28