SavedAdd your journal

Journals / Bitlis Eren Üniversitesi Fen Bilimleri Dergisi / 2026 / Volume: 9 Issue: 1

Asya Ülkelerinin Beklenen Yaşam Süresi Bakımından Sınıflandırılmasında Etkili Olan Sosyoekonomik Değişkenlerin Kısmi En Küçük Kareler Diskriminant Analizi ile Belirlenmesi

Esra Polat(HACETTEPE ÜNİVERSİTESİ, FEN FAKÜLTESİ, İSTATİSTİK BÖLÜMÜ)0000-0001-9271-485X
Alime Kıvılcım Kozan(ÇUKUROVA KALKINMA AJANSI GENEL SEKRETERLİĞİ)0000-0001-8631-2627
Pages
—
Publication Date
2020-03-13
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Analiz sonucunda Asya ülkelerinin beklenen yaşam sürelerine göre Asya ortalamasının üstünde ve altında olmak üzere iki sınıf olarak sınıflandırılmasında en önemli/etkili değişkenin BÖO (Bebek Ölüm Oranı) olduğu görülmüştür.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Her ne kadar son yıllarda yapılan çalışmalar doğumda yaşam beklentisinin (DYB) hemen hemen tüm toplumlarda artmakta olduğunu göstermiş olsa da, ölümlerde ve dolayısıyla DYB'de toplum içinde olduğu gibi toplumlar arasında da önemli farklılıklar vardır.
📊
Key Findings & Data:DYB'deki bu eşitsizliğin köklerinin, farklı sosyal grupların farklı sosyoekonomik arka planlarında olduğuna inanılmaktadır.
💡
Conclusion & Impact:Analiz sonucunda Asya ülkelerinin beklenen yaşam sürelerine göre Asya ortalamasının üstünde ve altında olmak üzere iki sınıf olarak sınıflandırılmasında en önemli/etkili değişkenin BÖO (Bebek Ölüm Oranı) olduğu görülmüştür.
🔬Design:Research Article
📍Scope:2015 Verileri
⚙️Variables:Beklenen Yaşam Süresi · Sosyoekonomik Faktörler · Kısmi En Küçük Kareler Diskriminant Analizi

Özet

Her ne kadar son yıllarda yapılan çalışmalar doğumda yaşam beklentisinin (DYB) hemen hemen tüm toplumlarda artmakta olduğunu göstermiş olsa da, ölümlerde ve dolayısıyla DYB'de toplum içinde olduğu gibi toplumlar arasında da önemli farklılıklar vardır. DYB'deki bu eşitsizliğin köklerinin, farklı sosyal grupların farklı sosyoekonomik arka planlarında olduğuna inanılmaktadır. Yaşam beklentisi, en önemli sağlık sonuçlardan biri ve insani gelişmişliğin önemli bir göstergesi olarak kabul edilmektedir. Bu çalışmanın amacı, bir kaç sosyoekonomik faktörün beklenen yaşam süresi ile ilişkisini araştırmak ve Asya’daki 51 ülke için DYB’ye etkili olan en önemli faktörleri belirlemektir. Bu amaçla, Dünya Nüfus Veri Sayfası, 2015’den elde edilen veri kümesi üzerinde Kısmi En Küçük Kareler Diskriminant Analizi uygulanmıştır. Analiz sonucunda Asya ülkelerinin beklenen yaşam sürelerine göre Asya ortalamasının üstünde ve altında olmak üzere iki sınıf olarak sınıflandırılmasında en önemli/etkili değişkenin BÖO (Bebek Ölüm Oranı) olduğu görülmüştür.

🔖

Cite This Article

Polat, E., Kozan, A. K. (2020). Asya Ülkelerinin Beklenen Yaşam Süresi Bakımından Sınıflandırılmasında Etkili Olan Sosyoekonomik Değişkenlerin Kısmi En Küçük Kareler Diskriminant Analizi ile Belirlenmesi. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, Volume: 9 Issue: 1. https://doi.org/10.17798/bitlisfen.621756

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (18)

  1. Ali M., Ali M. 2015. Discriminant Analysis of Socioeconomic Factors of Life Expectancy at Birth in Asia, Science International (Lahore), 27(5): 3971-3975.
  2. Dowd K., Blake D., Cairns A.J.G. 2010. Facing up to Uncertain Life Expectancy: The Longevity Fan Charts, Demography, 47(1): 67-78.
  3. Wagstaff A. 2000. Socioeconomic Inequalities in Child Mortality: Comparisons Across Nine Developing Countries, Bulletin of the World Health Organization, 78: 19-29
  4. Sastry N. 2004. Trends in Socioeconomic Inequalities in Mortality in Developing Courtries: The Case of Child Survival in Sao Paulo, Brazil, Demography, 41(3): 443-464.
  5. Sufian A.J.M. 2013. Life Expectancy and Its Socioeconomic Determinants-A Discriminant Analysis of National Level Data, International Journal of Humanities and Social Science, Special Issue 3(12): 303-312.
  6. Polat E. 2009. Kısmi En Küçük Kareler Regresyonu. Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans tezi, 170s, Ankara.
  7. Polat E., Gunay S. 2015. The Comparison of Partial Least Squares Regression, Principal Component Regression and Ridge Regression with Multiple Linear Regression for Predicting PM10 Concentration Level Based on Meteorological Parameters, Journal of Data Science, 13(2): 663-692.
  8. Rosipal R., Krämer N. 2006. Overview and Recent Advances in Partial Least Squares, in Subspace, Latent Structure and Feature Selection, Edited by Saunders C., Grobelnik M., Gunn S. & Taylor J.S., Springer: Berlin, 34–51.
  9. Wold S., Sjöström M., Eriksson L. 2001. PLS-Regression: A Basic Tool of Chemometrics, Chemometrics and Intelligent Laboratory Systems, 58: 109-130.
  10. Polat E. 2018. Determination of the Effective Economic and/or Demographic Indicators in Classification of European Union Member and Candidate Countries Using Partial Least Squares Discriminant Analysis, Journal of Data Science, 16 (1): 79-92.
  11. Pérez-Enciso M., Tenenhaus M. 2003. Prediction of Clinical Outcome with Microarray Data: A Partial Least Squares Discriminant Analysis (PLS-DA) Approach, Human Genetics, 112: 581–592.
  12. Polat E., Gunay, S. 2009. Kısmi En Küçük Kareler ve Bir Uygulama, VI. İstatistik Günleri Sempozyumu Bildiriler Kitabı, 437-444.
  13. Goyal M.K., Ojha C.S.P. 2010. Application of PLS-Regression as Downscaling Tool for Pichola Lake Basin in India, International Journal of Geosciences, 1: 51-57.
  14. Ibrahim M.A.M. 2009. Comparison Between Different Procedures to Determine the Relative Importance of the Lifetime Performance Traits in Predicting Breeding Values of Holstein Cows, Egyptian Journal of Animal Production, 46(2): 93-102.
  15. Rohman A., Lumakso F.A., Riyanto S. 2016. Use of Partial Least Square Discriminant Analysis Combined with Mid Infrared Spectroscopy for Avocado Oil Authentication, Research Journal of Medicinal Plants, 10(2): 175-180.
  16. Almeida M.R., Correa D.N., Rocha W.F.C., Scafi F.J.O. 2013. Discrimination Between Authentic and Counterfeit Banknotes Using Ramanspectroscopy and PLS-DA with Uncertainty Estimation, Microchemical Journal, 109: 170-177.
  17. Partial Least Squares Discriminant Analysis PLSDA Tutorial. 2018. https://help.xlstat.com/customer/en/portal/articles/2062368-partial-least-squares-discriminant-analysis-plsda-tutorial?b_id=9283 (Erişim tarihi: 18.09.2019)
  18. Xlstat (2018), Paris, France. https://help.xlstat.com/customer/en/portal/articles/2178395-download-the-xlstat-help-documentation (Erişim tarihi: 18.09.2019)