Karar ağaçları algoritmaları ile lojistik regresyon analizinin işgücü verilerine uygulanması
Applying decision tree algorithms and logistic regression to labor market data
- Tez No: 993208
- Danışmanlar: PROF. DR. MEHMET SAİT EKİNCİ
- Tez Türü: Doktora
- Konular: Ziraat, Biyoistatistik, Agriculture, Biostatistics
- Anahtar Kelimeler: Veri madenciliği, sınıflandırma algoritmaları, lojistik regresyon, istihdam, İŞKUR, Kahramanmaraş, Data mining, classification algorithms, logistic regression, employment, Turkish Employment Agency, Kahramanmaraş
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
tihdam, ekonomik kalkınmanın ve toplumsal refahın temel belirleyicilerinden biridir. Bu nedenle bireylerin işe yerleşme durumlarını etkileyen faktörlerin analiz edilmesi, işgücü piyasasına yönelik daha doğru ve veri temelli politika önerilerinin geliştirilmesi açısından büyük önem taşımaktadır. Bu çalışmanın amacı, bireylerin sosyo-demografik özellikleri ile işe yerleşme durumlarını arasındaki ilişkileri karar ağaçları algoritmaları ve lojistik regresyon ile analiz etmektir. Araştırmanın ana materyalini Kahramanmaraş Çalışma ve İş Kurumu İl Müdürlüğü'ne ait 2022 yılı işgücü verileri oluşturmaktadır. Veri seti toplam 108.726 gözlemden oluşmaktadır. Hatalı girişler ve eksik veriler nedeniyle yapılan veri temizleme işlemleri sonucunda analizler 102.696 geçerli gözlem üzerinden gerçekleştirilmiştir. Toplam 102.696 gözlemin %88.4'ü işe yerleşmeyenler ve %11.6'sı işe yerleşenlerden oluşmaktadır. Elde edilen nihai verilere CART, CHAID, QUEST ve Exhaustive CHAID algoritmaları uygulanmış ve sonuçlar lojistik regresyon analizi sonuçları ile karşılaştırılmıştır. Elde edilen sonuçlar, tüm sınıflandırma algoritmaları ile lojistik regresyon analizinin tutarlı sonuçlar verdiğini göstermektedir. Tüm modellerde“başvuru türü”, işe yerleşme durumunu etkileyen en önemli değişken olmuştur.“Daha iyi şartlarda iş arayanlar”ın yüksek yerleşme oranları, iş deneyimi ve beşerî sermayenin işgücü piyasasındaki belirleyici rolünü ortaya koymaktadır. Buna karşılık“ilk kez iş arayanlar”ve“çalışırken işsiz kalanlar”düşük yerleşme oranlarıyla dezavantajlı gruplar olarak öne çıkmıştır. Üniversite mezunlarının düşük yerleşme oranları, Türkiye işgücü piyasasında eğitim-istihdam uyumsuzluğunu göstermektedir. Gençlerin yaşlılara göre daha yüksek yerleşme olasılıklarına sahip olmaları, kadınların ise özellikle iş hayatına ilk kez katıldıkları dönemde erkeklere kıyasla daha düşük yerleşme oranlarına sahip olmaları, toplumsal cinsiyet eşitsizliğinin istihdama yansımasıdır. Model performansları değerlendirildiğinde, lojistik regresyon genel doğruluk ve ayırt etme gücü (AUC) bakımından en başarılı model olurken; duyarlılık ve sınıf dengesizliği (F1 skoru) açısından CART modeli daha avantajlı bulunmuştur. Sonuç olarak, istihdam politikalarının özellikle kadınlar, ilk kez iş arayanlar ve eğitim-istihdam uyumsuzluğu yaşayan bireyler gibi dezavantajlı grupların işgücü piyasasına entegrasyonunu güçlendirecek biçimde tasarlanması gerektiğini göstermektedir.
Özet (Çeviri)
Employment is a key determinant of economic development and social welfare. Therefore, analyzing the factors affecting individuals' employment status is essential for developing more accurate and data-driven labor market policies. This study examines the relationship between the socio-demographic characteristics and employment status of individuals by employing data mining methods. In this context, CART, CHAID, QUEST, and Exhaustive CHAID algorithms results were compared with logistic regression results. The main material of this research consists of 2022 labor force data obtained from the Kahramanmaraş Provincial Directorate of Labor and Employment. After data cleaning procedures to remove erroneous and missing entries, the final sample comprised 102.696 valid observations out of an initial 108.726. Within this sample, 88.4% of individuals did not obtain employment, while 11.6% successfully entered employment. The CART, CHAID, QUEST, and Exhaustive CHAID algorithms were applied to the final dataset and their performance was compared against logistic regression results. The findings indicate that all classification algorithms and the logistic regression model produced consistent results. Across all models,“application type”was the most influential variable determining employment status. Higher placement rates among those“seeking better working conditions”demonstrate the importance of work experience and human capital in the labor market. In contrast,“first-time job seekers”and“those who became unemployed while working”were identified as disadvantaged groups due to lower placement rates. The lower employment rates of university graduates highlight the education–employment mismatch in Türkiye. Younger individuals were more likely to find employment, while women, especially those in the labor force for the first time, had significantly lower placement rates than men, reflecting gender inequality in employment. In terms of model performance, logistic regression achieved the highest overall accuracy and discriminative power (AUC), whereas the CART model performed better in sensitivity and class imbalance (F1 score). These findings suggest that employment policies should focus on enhancing the labor market integration of disadvantaged groups, particularly women, first-time job seekers, and individuals experiencing education–employment mismatches.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Koroner arter bypass operasyonlarında risk değerlendirmesi için makine öğrenimi tabanlı hibrit bir sistemin geliştirilmesi
Development of a machine learning based hybrid system for risk assessment in coronary artery bypass operations
AYŞE BANU BİRLİK
Doktora
Türkçe
2025
Mühendislik Bilimleriİstanbul Medipol ÜniversitesiSağlık Sistemleri Mühendisliği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. HAKAN TOZAN
DR. ÖĞR. ÜYESİ KEVSER BANU KÖSE
- Makine öğrenmesi algoritmaları ile tiroit kanseri teşhisi
Diagnosis of thyroid cancer with machine learning algorithms
İREM TURAN
Yüksek Lisans
Türkçe
2023
Endokrinoloji ve Metabolizma Hastalıklarıİstanbul ÜniversitesiSayısal Yöntemler Ana Bilim Dalı
PROF. DR. ÇİĞDEM ARICIGİL ÇİLAN
- Büyük veri araçları ile COVİD-19 pandemisinin İstanbul trafiğine etkisinin analizi
Impact analysis of COVID-19 pandemic on Istanbul traffic with big data tools
UĞUR ALCAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-CerrahpaşaElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT KAÇAR