Çift makine öğrenmesi çerçevesinde fiyat esnekliği analizi: Geliştirilmiş yöntemsel bir model
Price elasticity analysis in a double machine learning framework: An improved methodological model
- Tez No: 987947
- Danışmanlar: DOÇ. DR. BAHADIR GÜLSÜN, DOÇ. DR. İREM OTAY
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, dijital dönüşümün etkisiyle artan veri hacmi ve karmaşıklığının, geleneksel ekonometrik modellerin nedensel ilişkileri tahmin etmedeki yetersizliklerine yanıt olarak, fiyat esnekliği tahmini için makine öğrenmesi temelli bir model önermektedir. Geleneksel yöntemler (En Küçük Kareler, Araçsal Değişkenler, Panel Veri), sınırlı yapıları nedeniyle yüksek boyutlu veri ortamlarında sapma, varyans ve uç değer sorunlarına karşı dayanıksız kalmaktadır. Bu doğrultuda, çalışmada nedensel analizlerde önyargıyı azaltmak amacıyla geliştirilen Double Machine Learning (DML) yaklaşımı temel alınmış ve mevcut modellerin ötesine geçen DML3 modeli sunulmuştur. Önerilen DML3 modeli; birden fazla makine öğrenmesi algoritmasının (XGBoost, LightGBM, LASSO, Gradient Boosting Regresör, Gradient Boosting Machine, Random Forest) birlikte kullanıldığı ensemble öğrenme, daha güçlü doğrulama için iç içe çapraz doğrulama (nested cross-fitting), uç değerlere duyarsız sağlam skor fonksiyonları ve ardışık şekilde uygulanan iteratif tahmin güncellemeleri gibi bileşenleri bütünleştiren esnek bir yapıya sahiptir. Bu yapı, varyans-sapma dengesini optimize ederek daha düşük hata ile daha kararlı nedensel etki tahminleri üretmeyi mümkün kılmaktadır. Modelin ampirik değerlendirmesi, büyük hacimli ve doğal fiyat-talep değişkenliği içeren New York City Yellow Taxi veri seti üzerinde gerçekleştirilmiştir. Fiyat ve talep değişkenlerine log-log dönüşümü uygulanmış; seyahat süresi, mesafe, yolcu sayısı ve saat gibi değişkenler kontrol değişkeni olarak modele dahil edilmiştir. Elde edilen bulgular, DML3 modelinin hem klasik yöntemlere hem de önceki DML versiyonlarına kıyasla daha düşük standart hata, daha yüksek açıklayıcılık gücü ve uç değerlere karşı daha fazla dayanıklılık sağladığını ortaya koymuştur. Bu yönüyle tez çalışması, yalnızca teorik katkı sunmakla kalmayıp; dinamik fiyatlandırma, gelir optimizasyonu ve kamu politikası analizleri gibi çeşitli uygulama alanlarında veriye dayalı karar destek sistemleri için etkili bir analitik çerçeve önermektedir. Modelin metodolojik katkısı ise, hem ekonometrik analizde hem de makine öğrenmesi temelli nedensel çıkarımda yeni bir standart oluşturmayı amaçlamaktadır.
Özet (Çeviri)
This thesis proposes a machine learning-based model for price elasticity estimation in response to the inadequacies of traditional econometric models in estimating causal relationships in the face of increasing data volume and complexity due to digital transformation. Traditional methods (Least Squares, Instrumental Variables, Panel Data) are vulnerable to bias, variance and outlier problems in high-dimensional data environments due to their limited structure. Accordingly, this study is based on the Double Machine Learning (DML) approach developed to reduce bias in causal analysis and presents the DML3 model that goes beyond the existing models. The proposed DML3 model has a flexible structure that integrates components such as ensemble learning using multiple machine learning algorithms (Random Forest, LASSO, XGBoost, LightGBM, Gradient Boosting), nested cross-fitting for stronger validation, robust score functions insensitive to outliers, and iterative prediction updates applied sequentially. This structure makes it possible to produce more stable causal effect estimates with lower error by optimizing the variance-deviation trade-off. The empirical evaluation of the model is carried out on the New York City Yellow Taxi dataset, which contains large volumes and natural price-demand variability. Price and demand variables are log-log transformed and variables such as travel time, distance, number of passengers and hours are included in the model as control variables. The findings reveal that the DML3 model provides lower standard errors, higher explanatory power and greater robustness to outliers compared to both classical methods and previous DML versions. In this respect, the thesis makes not only a theoretical contribution but also proposes an effective analytical framework for data-driven decision support systems in various application areas such as dynamic pricing, revenue optimization and public policy analysis. The methodological contribution of the model aims to set a new standard in both econometric analysis and machine learning-based causal inference.
Benzer Tezler
- The empirical analysis of international climate policies for energy decisions
Uluslararası iklim politikalarının enerji kararları için ampirik analizi
MUHAMMED MÜCAHİT DENK
Doktora
İngilizce
2025
EnerjiKoç ÜniversitesiEndüstri Mühendisliği ve Operasyon Yönetimi
PROF. DR. CEYDA OĞUZ
- Makine öğrenmesi algoritmalarıyla Türk işaret dilinde harf ve dinamik sözcük tanıma
Alphabet and dynamic word recognition in Turkish sign language with machine learning algorithms
ZEKERİYA KATILMIŞ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CİHAN KARAKUZU
- İki boyutlu nano yapıların özelliklerinin incelenmesinde makine ögrenim metotlarının kullanılması
The investigation of the properties of 2d nanostructures using machine learning methods
DİLARA İÇKECAN
Doktora
İngilizce
2025
Fizik ve Fizik MühendisliğiMarmara ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. ERDİ ATA BLEDA
PROF. DR. DOĞAN ERBAHAR
- Out-of-plane behaviour assessment of double-leaf masonry walls and numerical model for nonlinear analysis
Çift yapraklı yığma duvarların düzlem dışı davranışlarının değerlendirilmesi ve doğrusal olmayan analiz için sayısal model önerilmesi
ALVAND MOSHFEGHI
Doktora
İngilizce
2025
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN ENGİN BAL
- Seyahat ingilizcesi için yapay zeka destekli sanal gerçeklik uygulamasının geliştirilmesi
Developing of artificial intelligence supported virtual reality application for travel English
CEREN BOSTANCI
Doktora
Türkçe
2025
Eğitim ve Öğretimİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. İRFAN ŞİMŞEK