Farklı kümeleme teknikleri ile Türkiye'deki illerin insani gelişmişlik endekslerinin karşılaştırılması
Comparision of human development indexes of provinces in Türkiye using different clustering techniques
- Tez No: 963554
- Danışmanlar: PROF. DR. ÖZLEM YORULMAZ
- Tez Türü: Doktora
- Konular: İstatistik, Ekonometri, Statistics, Econometrics
- Anahtar Kelimeler: Bulanık kümeler, K-ortalamalar yöntemi, Ward kümeleme yöntemi, İnsani gelişmişlik endeksi, Fuzzy sets, K-means method, Ward cluster method, Human development index
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsani gelişme, bir toplumun refahını yalnızca ekonomik büyüme ile değil aynı zamanda bireylerin yaşam kalitesini belirleyen eğitim ve sağlık boyutlarını da dikkate alan bir paradigmadır. Bu çerçevede insani gelişmeyi ölçmek amacıyla kullanılan temel göstergelerden biri Birleşmiş Milletler Gelişim Programı (UNDP) tarafından yayımlanan İnsani Gelişme Endeksi'dir (İGE). Türkiye, 2024 İGE raporuna göre“çok yüksek insani gelişme”kategorisinde yer almakla beraber iller düzeyinde İGE değerlerinde farklılıklar gözlemlenmektedir. Bu durum, illerin gelişmişlik düzeylerinin daha detaylı bir şekilde analiz edilmesini gerekli kılmaktadır. Bu kapsamda, Türkiye'deki 81 ilin 2023 dönemi İGE verileri (eğitim, sağlık, gelir) kullanılarak hiyerarşik kümeleme (Ward yöntemi), k-ortalama, k-medoids, bulanık k-ortalama, k-kırpılmış ortalama ve TCLUST gibi farklı kümeleme yöntemleriyle iller sınıflandırılmıştır. Ayrıca 2015-2023 dönemini kapsayan dönemini kapsayan panel veri de teze dahil edilerek, panel K-ortalamalar yöntemi de uygulanmıştır. Elde edilen sonuçlara göre Ward tekniği, k-medoids, bulanık c-ortalama ve panel K-ortalama yöntemlerinde en uygun küme sayısı 7 olarak belirlenirken, k-ortalamalar ve k-kırpılmış ortalamalar yöntemleri ile küme sayısı 6 ve TCLUST yöntemi ile küme sayısı 4 olarak tespit edilmiştir. Kümeleme sonuçlarına göre İstanbul, Ankara, İzmir, Kocaeli gibi metropoller İGE bileşenleri açısından en gelişmiş kümede yer alırken, Ağrı, Batman, Diyarbakır, Iğdır, Mardin, Siirt, Şanlıurfa ve Van illeri de en az gelişmiş kümede yer almıştır. Batı bölgelerinden doğuya doğru gidildikçe gelişmişliğin azaldığı gözlenmiştir. Bu çalışma, İGE bileşenleri perspektifinden farklı kümeleme teknikleri kullanarak illeri sınıflandırmayı ve böylece bölgesel eşitsizlik konusuna ışık tutmayı amaçlamaktadır.
Özet (Çeviri)
Human development is a paradigm that considers the well-being of a society not only through economic growth but also the education and health dimensions that determine the quality of life of individuals. Within this framework, one of the main indicators used to measure human development is the Human Development Index (HDI), published by the United Nations Development Programme (UNDP). While Türkiye falls into the“very high human development”category according to the 2024 HDI report, differences in HDI values are observed at the provincial level. This necessitates a more detailed analysis of provincial development levels. In this context, provinces were classified using the 2023 HDI data (education, health, income) of 81 provinces in Türkiye using various clustering methods such as hierarchical clustering (Ward's method), k-means, k-medoids, fuzzy k-means, k-trimmed means and TCLUST. Furthermore, panel data covering the period 2015-2023 was included in the thesis, and the panel k-means method was also applied. According to the results, the optimal number of clusters was determined to be 7 for the Ward technique, k-medoids, fuzzy c-means, and panel k-means methods, while the number of clusters was determined to be 6 for the k-means and k-trimmed means methods, and 4 for the TCLUST method. According to the clustering results, metropolitan areas such as İstanbul, Ankara, İzmir and Kocaeli were in the most developed clusters in terms of HDI components, while Ağrı, Batman, Diyarbakır, Iğdır, Mardin, Siirt, Şanlıurfa and Van were in the least developed cluster. It was observed that development decreased from western regions to east. This study aims to classify provinces using different clustering techniques from the perspective of HDI components and thereby shed light on regional inequalities.
Benzer Tezler
- Yapay sinir ağları ile afet yönetiminde sosyal zarar görebilirlik riskinin belirlenmesi
Utilization of artificial neural networks for calculation of social vulnerability in disaster management
DİLEK SÜRMELİ
- Clustering and recommendation system on Turkey hotel dataset
Türkiye otel verileri üzerinde kümeleme ve öneri sistemi
ÖMER ARİFOĞULLARI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. GÜNCE KEZİBAN ORMAN
- Tip 2 diyabet hastalığına ilişkin haberlerin metin madenciliği yöntemi ile incelenmesi
Analyzing the news on type 2 diabetes by text mining method
SEMA DÖKME YAĞAR
Doktora
Türkçe
2022
Sağlık Kurumları YönetimiAnkara ÜniversitesiSağlık Kurumları Yönetimi Ana Bilim Dalı
DOÇ. DR. ÇAĞDAŞ ERKAN AKYÜREK
- Evidence-based analysis of Türkiye's energy efficiency obligation scheme: sectoral applications, energy poverty, flexibility options and policy implications
Türkiye enerji verimliliği yükümlülükleri sisteminin kanita dayali analizi: sektörel uygulamalar, enerji yoksulluğu, esneklik seçenekleri ve politika çikarimlari
RABİA CİN
Doktora
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
- Advanced statistical methods for intelligent transportation systems
Akıllı ulaşım sistemleri için ileri istatistiksel yöntemler
BÜŞRA GÜNGÖR
Doktora
İngilizce
2022
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SELMA GÜRLER