Türkiye'de Yoksulluğun Sosyo-Ekonomik ve Demografi k Değişkenlerle İlişkilerinin Lojistik Regresyon ve Mars Yöntemleri Kullanılarak İncelenmesi

Türkiye'de Yoksulluğun Sosyo-Ekonomik ve DemograŞ k Değişkenlerle İlişkilerinin Lojistik Regresyon ve Mars Yöntemleri Kullanılarak İncelenmesiYoksulluk genel olarak, toplumda belirli gelir ya da tüketim düzeyinin altında yaşayan bireyleri niteleyen çok boyutlu bir sorundur. Bu çalışmada yoksulluğun temel göstergesi kabul edilen gelir düzeyinin oluşumunda etkili sosyo ekonomik ve demograŞ k değişkenlerin belirlenebilmesi, yoksul ve yoksul olmayanların belirlenen değişkenler kullanılarak kurulan modellerle sınıfl anması amaçlanmıştır. Türkiye İstatistik Kurumu tarafından uygulanan Gelir ve Yaşam Koşulları Araştırması 2009 yılı kesit verileri kullanılarak, göreli yoksulluk sınırı hesaplanmış, "yoksulluk durumu" bağımlı değişkenine göre gözlem değerleri kategorize edilmiştir. Lojistik Regresyon ve Çok Değişkenli Uyumlu Regresyon Uzanımları (MARS) yöntemleri kullanılarak bağımlı değişken, veri içeriğinde bulunan hane ve fert düzeyindeki değişkenlerle analiz edilmiştir. Lojistik Regresyon kullanılarak kurulan modelin %88,3, MARS yöntemi ile kurulan modelin %88,5 oranında yoksulluk durumunu doğru sınıfl ayabildiği görülmüştür.

Examination of The Correlations Between Poverty Variable and Socio-Economic and Demographic Variables in Turkey by Using Logistic Regression and Mars Methods

Examination of The Correlations Between Poverty Variable and Socio-Economic and Demographic Variables in Turkey by Using Logistic Regression and Mars Methods Poverty which corresponds to individuals those live below a particular income or consumption level is a multi dimensional problem. In this study, the main purposes are identiŞ cation of socio-economic and demographic variables affecting formation of the basic poverty indicator that belongs to income level and classiŞ cation of poor and non-poor households by building models including preset variables. Relative poverty level is calculated by using cross sectional-data obtained from TURKSTAT Income and Living Conditions Survey 2009 and the dependent variable ''poverty status'' is categorized accordingly.Using Logistic Regression and Multivariate Adaptive Regression Splines(MARS) methods, dependent variable is analyzed with respect to household and individual variables found in data set. Accuracy of models over poverty status classŞ cation are found out to be 88,3% and 88,5% respectively for model built upon Logistic Regression and for model built using MARS method.

PDF

___

Agresti, A. (2002). Categorical Data Analysis (2nd ed.). Florida:Wiley and Sons, Inc.
Alıcı, S. (1999). Türkiye'de Yoksulluğun Sosyo Ekonomik Analizi. Uzmanlık Tezi. DİE. Ankara
Bircan, H.(2004). Lojistik Regresyon Anali- zi: Tıp Verileri Üzerine Bir Uygulama. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergi- si.2004/2:185-208.26.07.2013 tarihinde http:// www.academia.edu/3205383/Lojistik_regresyon_ analizi_Tip_verileri_uzerine_bir_uygulama adre- sinden erişildi.
Cafrı, R. (2009). Adana İlinde Yoksulluğun Anali- zi: Sınırlı Bağımlı Değişkenli Modellerle Bir İnce- leme. Yüksek Lisans Tezi. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü. Adana
Çokluk, Ö. (2010). Lojistik Regresyon Analizi: Kavram ve Uygulama. Kuram ve Uygulamada Eğitim Bilimleri Dergisi.10 (3).1357-1407. 27.07.2013 tarihinde http://www.edam.com.tr/kuyeb/pdf/tr/3e2b1f84ce847e4fef09b68db9b1a420k FULL.pdf adresinden erişildi.
FULL.pdf adresinden erişildi. Dansuk, E. (1997). Türkiye'de Yoksulluğun Öl- çülmesi ve Sosyo-Ekonomik Yapılarla İlişkisi. Uz- manlık Tezi. DPT. Ankara
Dumanlı, R. (1996). Yoksulluk ve Türkiye'deki Boyutları. Uzmanlık Tezi. DPT. Ankara
Erdoğan, G. (1996).Türkiye'de Bölge Ayrımında Yoksulluk Sınırı Üzerine Bir Çalışma. Uzmanlık Tezi. DİE. Ankara
Francis, L.(2000). Martian Chronicles: Is MARS better than Neural Networks?. Salford Sys- tems.02.02. 2012 tarihinde https://www.salford- systems.com/en/resources/publications adresinden erişildi.
Friedman, J.H. (1991). Multivariate Adaptive Reg- ression Splines. Annals of Statistics .19. 1-67
Haugton, J.H., Khandker, S.R. (2009). Handbook on Poverty and Inequality. Washington D.C: World Bank Publications
Hosmer, D.W.,Lemeshow,S. (2000). Applied Lo- gistic Regression (2nd ed.). New York: Wiley and Sons, Inc.
Kale, H.T. (2007). Yoksulluk, Yoksulluğun Ölçül- mesi ve Bölgesel Karşılaştırma. Uzmanlık Tezi. TÜİK. Ankara
Kızılgöl, Ö. (2008).Yoksulluğun Belirleyicileri: Türkiye Örneği. Finans Politik & Ekonomik Yo- rumlar Dergisi.526,70-79
Lister, R. (2004). Poverty. Cambridge: Polity Press.
Menard, Scott W. (2002). Applied Logistic Regres- sion (2nd ed.). California: SAGE
Özdamar, K. (2002). Paket Programlar ile İstatistik- sel Veri Analizi (4.baskı). Eskişehir: Kaan Kitapevi.
Salford Systems.(2001). MARS User Guide.San Diego,CA. 22.02.2012 tarihinde https://www.sal- ford-systems.com/en/products/mars adresinden erişildi.
Selim, S., Canbay, T. (2010). Türkiye'de Hanehal- kı Yoksulluğu. Ege Akademik Bakış.2, 627-649. 01.2012 tarihinde http://onlinedergi.com/eab/ arsiv/arsivDetay.aspx?yil=2010&peryot=2 adre- sinden erişildi.
Tatlıdil, H. (2002). Uygulamalı Çok Değişkenli İs- tatistiksel Analiz. Ankara: Engin Yayınları
TÜİK. (2011). Gelir ve Yaşam Koşulları Araştırma- sı Mikro Veri Seti (Kesit), 2009. (CD-ROM). Ankara
United Nations Economic and Social Council (ECOSOC). (1998). Statement of commitment for action to eradicate poverty adopted by administra- tive committee on coordination. 17.01.2012 tari- hinde http://www.unesco.org/most/acc4pov.htm adresinden erişildi
Ünal, B. (2009). Çok Değişkenli Uyarlamalı Reg- resyon Uzanımları. Yüksek Lisans Tezi. Hacettepe Üniversitesi. Ankara
World Bank. (1990). World Development Report.25-28. Washington D.C.: Oxford Univertsity Press.05.01.2012 tarihinde http://www-wds. worldbank.org/external/default/WDSContentServer/IW3P/IB/2000/12/13/000178830_981019033 45649/Rendered/PDF/multi_page.pdf adresinden erişildi.