Türkiye'deki otomobil sahipliğinin çok değişkenli istatistik yöntemlerle analizi
Analysis with multivariate statistical methods of car ownership in Turkey
- Tez No: 498404
- Danışmanlar: PROF. DR. AHMET TORTUM
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Ulaştırma Bilim Dalı
- Sayfa Sayısı: 189
Özet
Bu çalışmada, 2008-2014 yılları arasında Türkiye'deki 81 ile ait otomobil sahipliğinin analizi yapılmıştır. Çalışma iki kısımdan oluşmaktadır. İlk kısımda, araştırmanın bağımlı değişkeni, ülke genelindeki illerin, ülkede 1000 kişi başına otomobil sayısı ortalamasının altında veya üstünde olma durumu, bağımsız değişken ise 1000 kişi başına düşen otomobil sayısını etkilediği düşünülen 16 ayrı değişkendir. Bu şekilde her yılın veri seti ayrı olacak şekilde yedi ayrı veri seti oluşturulmuştur. Bu veri setleri ile lojistik regresyon, diskriminant analizi ve yapay sinir ağları ile sınıflandırma analizleri ile ayrı ayrı modeller kurularak, hangi yöntem ile kurulan modelin daha yüksek oranda sınıflandırma yaptığı ve bağımsız değişkenlerin etkisi incelenmiştir. Lojistik regresyon ve diskriminant analizi modellerinde bağımlı ve bağımsız olarak kullanılan değişkenler yapay sinir ağları ile sınıflandırma analizi için girdi ve çıktı değişkeni olarak kullanılmıştır. Analizlere göre en iyi sınıflandırma performansını yapay sinir ağları vermiştir. Çalışmanın ikinci kısmında ilk olarak mekânsal analiz yapılmıştır ve 1000 kişi başına düşen otomobil sayısına göre tematik haritalar oluşturulmuştur. Bu haritalarda iller beş kategoriye göre gruplandırılmıştır. Ayrıca otomobil sahipliği bakımından benzer illeri gruplara ayırmak için hem geleneksel k-ortalamalı kümeleme yöntemi hem de bulanık c-ortalamalı kümeleme yöntemleri kullanılarak kümeleme analizi yapılmıştır Daha sonrasında otomobil sahipliğinin oluşmasını etkileyen değişkenleri bir grupta toplamak amacıyla faktör analizi kullanılarak faktör skorları elde edilmiş ve faktör skorlarına göre de illerin sıralaması yapılmıştır. Faktör analizi sonucu belirlenen faktör skorları kullanılarak faktörlerin 1000 kişi başına düşen otomobil sayısı üzerindeki etkilerinin belirlenmesi için çoklu regresyon analizi yapılmıştır. Analiz sonucunda 2. Faktör ün daha etkili olduğu belirlenmiştir.
Özet (Çeviri)
In this study, the analysis of car ownership of 81 cities was performed between the years of 2008-2014. The study consists of two parts. In the first part, the dependent variable of the study is below or above the average number of cars per 1000 people in the cities of the country; and the independent variable is 16 different variables considered to affect the number of cars per 1000 people. In this way, seven different data sets were created, with separate data sets of each year. With these data sets, by establishing separate models with logistic regression, discriminant analysis and artificial neural networks, the effect of the independent variables and which method's model makes a higher classification were investigated. The dependent and independent variables used in logistic regression and discriminant analysis models are used as input and output variables for classification analysis with artificial neural networks. According to the analyzes, artificial neural networks gave the best classification performance. In the second part of the study, spatial analysis was first performed and thematic maps were created according to the number of cars per 1000 people. In these maps, cities were grouped by five categories. In addition, clustering analysis was performed using traditional k-means clustering method and fuzzy c-means clustering method so as to group the similar cities in terms of car ownership. Afterwards, factor analysis was used to obtain factor scores and the cities were ordered in terms of these factor scores so as to group variables that affect the formation of car ownership. Multi-regression analysis was performed to determine the effects of factors on the number of cars per 1000 people using factor scores found by factor analysis. And as a result of the analysis, factor 2 was found to be more effective.
Benzer Tezler
- Novel data partitioning and scheduling schemes for dynamic federated vehicular cloud
Dinamik federe araç bulutu için yeni bir görev yükü paylaşımı ve iş planlaması şemaları
WISEBORN MANFE DANQUAH
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Determination of walk access distance to urban ferry-boat piers in Istanbul
İstanbul'da vapur iskelelerine yürüme erişim uzunluğunun belirlenmesi
KIANA SANAJOU
- Kocaeli'de otomobil sahipliğinin lojit model ile incelenmesi
Analysis of logit model of car ownership in Kocaeli
ESRA ÖZATMACA ERDEN
Yüksek Lisans
Türkçe
2015
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HÜSEYİN ONUR TEZCAN