Coğrafi ağırlıklı diskriminant analizi: Seçim sonuçları üzerine bir uygulama
Geographically weighted discriminant analysis: An Application on election results
- Tez No: 903474
- Danışmanlar: PROF. FATMA ZEREN
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Diskriminant Analizi, Coğrafi Ağırlıklı Betimsel İstatistikler, Coğrafi Ağırlıklı Diskriminant Analizi, Cumhurbaşkanlığı Seçimleri, Discriminant Analysis, Geographically Weighted Summary Statistics, Geographically Weighted Discriminant Analysis, Presidential Elections
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Ekonometri Bilim Dalı
- Sayfa Sayısı: 81
Özet
Diskriminant Analizi (DA), birden fazla değişken arasındaki ilişkileri incelemek için kullanılan geniş bir istatistiksel terimdir. Bu analiz hedef bir grubun üyeliğini tahmin etmek için bağımsız değişkenlerin lineer kombinasyonunu kullanır. Fisher'ın 1936'daki ilk çalışmalarından bu yana bu alandaki araştırmalar gelişmiş ve genişlemiştir. Bu tez çalışmasının odağı Coğrafi Ağırlıklı Diskriminant Analizini (GWDA) tanıtmaktır. DA'nın temel amacı, farklı grupları birbirinden ayıran diskriminant fonksiyonlarını bulmak ve bu fonksiyonlar yardımıyla gruplar arası ayrıma en fazla etki yapan diskriminant değişkenleri ortaya çıkarmaktır. GWDA, diskriminant analizine coğrafi değişkenlerin eklenmesiyle genişletilmiş bir yaklaşımdır. Bu yöntem, coğrafi veri setlerinin analizinde grupları daha etkin bir şekilde ayırmayı ve coğrafi özelliklerin sınıflandırmada daha fazla ağırlığını dikkate almaktadır. DA ve GWDA yöntemlerinin coğrafi veri analizindeki potansiyeli ve pratik uygulamaları bu çalışmada araştırılarak mevcut literatüre yeni bir katkı sunma amaçlanmaktadır. GWDA odaklı bu eserde ayrıca Coğrafi Ağırlıklı Betimsel İstatistikler (GWSS) tanıtılacaktır. Bu bağlamda da sıradan betimsel istatistiklerin ötesinde farklı bir perspektife de odaklanılacaktır. Coğrafi ağırlıklı bu istatistikler, mekânsal heterojenlik veya coğrafi heterojenlik temellidir. Uygulama çalışmasında ise seçmen davranışlarına etki eden çeşitli faktörler analiz edilecektir. Türkiye'deki 81 il bazında 28 Mayıs 2023 tarihinde gerçekleştirilen cumhurbaşkanlığı ikinci seçim sonuçlarına ait veriler kullanıldı. Analiz amacıyla kullanılan faktörler şunlardır: kentleşme oranı, ilköğretim mezun oranı, lise mezun oranı, fakülte mezunu oranı, yüksek lisans mezunu oranı, genç yaş oranı, orta yaş oranı, yaşlı yaş oranı, işsizlik oranı, okuma yazma bilmeyen oranı, cumhurbaşkanlığı seçimi kadın seçmen oranı ile logaritmik kişi başına düşen GSYİH. Seçim sonuçlarının DA ve GWDA ile analiz sürecinde bu faktörlerden yararlanıldı. GWDA, seçim sonuçlarını etkileyen faktörlerin mekânsal farklılıklarını analiz eder. Her gözlem noktasında ayrı hesaplamalar yaparak yerel özelliklerin etkilerini ortaya koyar. Ayrıca GWDA, bölgeler arasındaki farklılıkları detaylı şekilde inceleyerek bölgesel dinamiklerin ve faktörlerin anlaşılmasını sağlar. Elde edilen amprik analiz bulgularına göre GWDA'nın DA'ya göre daha güçlü sonuçlar verdiği gözlenmiştir. Türkiye'deki Cumhurbaşkanlığı seçim sonuçlarını etkileyen sosyo-ekonomik ve demografik faktörler için önemli ipuçları elde edilmiştir.
Özet (Çeviri)
Discriminant Analysis (DA) is a broad statistical term used to examine relationships between multiple variables. This analysis uses a linear combination of independent variables to predict membership of a target group. Research in this area has developed and expanded since Fisher's initial work in 1936. The focus of this thesis is to introduce Geographically Weighted Discriminant Analysis (GWDA). The main purpose of GWDA is to find the discriminant functions that distinguish different groups from each other, and with the help of these functions, to reveal the discriminant variables that have the most effect on the separation between groups. GWDA is an extended approach by adding geographical variables to discriminant analysis. This method takes into account the more effective separation of groups in the analysis of geographical data sets and the greater weight of geographical features in classification. The potential and practical applications of DA and GWDA methods in geographical data analysis are investigated in this study, aiming to make a new contribution to the existing literature. In this GWDA-oriented work, Geographically Weighted Descriptive Statistics (GWSS) will also be introduced. In this context, it will also focus on a different perspective beyond ordinary descriptive statistics. These geographically weighted statistics are based on spatial heterogeneity or geographical heterogeneity. In the application study, various factors affecting voter behaviour will be analysed. Data from the results of the second presidential election held on 28 May 2023 in 81 provinces in Turkey were used. The factors used for analysis are as follows: urbanisation rate, primary school graduation rate, high school graduation rate, high school graduation rate, faculty graduation rate, master's degree graduation rate, young age rate, middle age rate, old age rate, unemployment rate, illiteracy rate, presidential election female voter rate and logarithmic GDP per capita. These factors were used in the process of analysing the election results with DA and GWDA. GWDA analyses the spatial differences of the factors affecting the election results. It reveals the effects of local characteristics by making separate calculations at each observation point. Moreover, GWDA provides an understanding of regional dynamics and factors by analysing the differences between regions in detail. According to the findings of the empirical analyses, GWDA provides stronger results than DA. Important clues have been obtained for the socio-economic and demographic factors affecting the presidential election results in Turkey.
Benzer Tezler
- Bölgeler arası eşitsizlik perspektifiyle iç göç ? sosyoekonomik gelişmişlik ilişkisi ve Türkiye örneği
Relation between internal migration and socioeconomic development with inter-regional inequality perspective: A case study from Turkey
MURAT ÇİFTÇİ
Doktora
Türkçe
2011
DemografiYıldız Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. BETÜL ŞENGEZER
- Coğrafi bilgi sistemleri tabanlı heyelan duyarlılık haritalarının oluşturulmasında istatistiksel yöntemlerin ve yapay sinir ağlarının kullanılması: Kumluca-Ulus (Bartın) bölgesi
Usage of statistical techniques and artificial neural networks in producing landslide susceptibility maps based on geographical information systems: Kumluca-Ulus (Bartın) region
NESLİHAN YÜKSEL
Doktora
Türkçe
2007
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF.DR. HÜSNÜ AKSOY
- Küresel iklim değişiminde doğal afetler ve konut tasarımı ilişkileri
Natural disasters and housing design relations in global climate change
LÜTFİYE ÇETİN MURAT
Yüksek Lisans
Türkçe
2022
MimarlıkAksaray ÜniversitesiJeodezi ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAVVA ÜLGEN BEKİŞOĞLU
- A study on possible variant forms of anchovy in the Black Sea
Karadeniz'de hamsinin olası farklı formları üzerine bir çalışma
EZGİ ŞAHİN
Yüksek Lisans
İngilizce
2014
Deniz BilimleriOrta Doğu Teknik ÜniversitesiDeniz Biyolojisi ve Balıkçılık Ana Bilim Dalı
DOÇ. DR. ALİ CEMAL GÜCÜ
- Anadolu karaçamı (Pinus nigra Arn.ssp.pallasiana Lamb.Holmboe)nın coğrafik varyasyonları
Variabilite geographique de Pinus nigra Arn.ssp.pallasiana Lamb. Holmboe
C. ÜNAL ALPTEKİN
Doktora
Türkçe
1986
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiSilvikültür Ana Bilim Dalı
PROF. DR. SUAD ÜRGENÇ