Türkiye'nin GSYH değerlerinin yapay sinir ağları ile tahmini
Neural networks with value of Turkey's GDP forecast
- Tez No: 569325
- Danışmanlar: DOÇ. DR. YAKUP AKGÜL
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Ekonometri, İşletme, Economics, Econometrics, Business Administration
- Anahtar Kelimeler: Yapısal Eşitlik Modeli, Kısmi En Küçük Kareler, Yapay Sinir Ağı, GSYH, Ekonomik büyüme, Gayri safi yurtiçi hasıla, Tahmin, Tahmin teknikleri, Yapay sinir ağları, Structural Equation Model, Partial Least Squares, Artificial Neural Network, GDP, Economic growth, Gross domestic product, Estimation, Estimation techniques, Artificial neural networks
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Alanya Alaaddin Keykubat Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Uluslararası Ticaret Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ekonomik büyüme ve ekonomik kalkınma düzeyini ölçen milli gelirin en önemli araçlarından biri olan Gayrisafi Yurtiçi Hasıla (GSYH) ülkelerin genel görünümü hakkında bilgi vermektedir. GSYH rakamları yüksek olan ekonomiler gelişmiş olarak nitelendirilmektedir. Türkiye ekonomisi için de bu rakamların yükselmesi gelişimine katkı sağlayacaktır. Bu çalışmanın amacı Türkiye'nin GSYH değerlerini tahmin etmektir. Bu bağlamda 1998-2017 yılları arasında GSYH' yi etkileyebileceği düşünülen değişkenler seçilerek öncelikle Yapısal Eşitlik Modeli, Kısmi En Küçük Kareler metodu uygulanmış olup daha sonra Yapay Sinir Ağı Modeli ile GSYH tahmini gerçekleştirilmiştir. Yapısal Eşitlik Modeli sonuçlarına göre seçilen değişkenler GSYH' yi yüksek bir değerle açıklamıştır. Modelde sabit sermaye yatırımı-toplam yurtiçi tasarruf ve tüketim değişkenleri desteklenirken diğer değişkenler desteklenmemiştir. Ayrıca uyum iyiliği endeksinin yüksek bir değer alması çalışmanın evrensel geçerliliğe sahip olduğunu göstermektedir. 2 ile 5 arasında gizli katman sayısı denenerek oluşturulan Yapay Sinir Ağı modelinin sonuçlarına bakıldığında en iyi sonuca gizli katman sayısı 5 olarak seçildiğinde ulaşılmıştır. 5 gizli katmanda R2=0,996140651, RMSE=19444911,6, MAE=15845918,2 ve MAPE=32,29791086 değerleri elde edilerek kurulan modelin kabul edilebilir olduğu sonucuna ulaşılmıştır. Ayrıca istatistiksel olarak gizli katman sayısı arttıkça modelin daha iyi sonuç verdiği görülmüştür. GSYH' nin gerçek değerleri ile tahmin değerleri birbirine çok yakın çıkmıştır. Buradan Yapay Sinir Ağının tahmin gücünün yüksek olduğu tespit edilmiştir.
Özet (Çeviri)
The Gross Domestic Product (GDP), which is one of the most important instruments of national income that measures the level of economic growth and economic development, provides information about the general outlook of the countries. Economies with high GDP figures are considered advanced. Also for Turkey's economy will contribute to the development of the rise in these figures. The aim of this study was to estimate the value of Turkey's GDP. In this context, firstly, Structural Equation Model and Partial Least Squares Method were applied by selecting the variables that could affect the GDP between 1998 and 2017 and then estimating the GDP with the Artificial Neural Network Model. According to the results of the Structural Equation Model, the selected variables explained the GDP with a high value. In the model, fixed capital investment-total domestic savings and consumption variables were supported, while other variables were not supported. In addition, a high value of the goodness of fit index shows that the study has universal validity. Looking at the results of the Artificial Neural Network model which is created by trying the hidden layer number between 2 and 5, the best result is reached when the number of hidden layers is selected as 5. It was concluded that the model established by obtaining the values of R2 = 0,996140651, RMSE = 19444911,6, MAE = 15845918,2 and MAPE = 32,29791086 in 5 hidden layers is acceptable. In addition, as the number of hidden layers increased, the model showed better results. The real values of GDP and estimation values are very close to each other. It is determined that the Artificial Neural Network has a high predictive power.
Benzer Tezler
- Yapay sinir ağları ile Türkiye'nin elektrik talep tahmini
Forecasting Turkey's electricity demand using artificial neural networks
EBRU DOĞAN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA YEŞİM KALENDER ÖKSÜZ
- Makine öğrenmesi algoritmaları kullanılarak 2040 yılına kadar Türkiye'nin enerji talep tahmini
Turkey's energy demand forecast until 2040 using machine learning algorithms
HAKAN ERDEMCİ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER ALİ KARAMAN
- OECD sağlık verilerinin veri madenciliği yöntemleri ile analizi
Analysis of OECD health data with data mining methods
KÜBRA ÇOŞAR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BUKET DOĞAN
PROF. DR. ALİ BULDU
- ЕВРАЗИЯ ЭКОНОМИКАЛЫК БИРЛИГИ: КЫРГЫЗСТАН МИСАЛЫНДА
Avrasya Ekonomik Birliği: Kırgızistan örneği / The Eurasian Economic Union: The Case Of Kyrgyzstan
ŞAMİL BALCI
Doktora
Kırgızca
2024
EkonomiKırgızistan-Türkiye Manas Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. CUSUPCAN PİRİMBAYEV
- Forecasting of Turkey's long-term energy consumption by using metaheuristic algorithms
Türkiye'nin uzun vadeli enerji tüketiminin metasezgisel algoritmalarla tahmini
MERVE BABAOĞLU
Yüksek Lisans
İngilizce
2021
EnerjiHasan Kalyoncu ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR