SavedAdd your journal

Journals / Ekoist: Journal of Econometrics and Statistics / 2026 / Sayı: 42

Classification of Provinces in Türkiye According to the Human Development Index Using Different Clustering Techniques

Türkiye’deki İllerin İnsani Gelişmişlik Endeksine göre Farklı Kümeleme Teknikleri ile Sınıflandırılması

Uğur Özdemir(İstanbul Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü, İstatistik Ana Bilim Dalı)0000-0003-1712-2234
Özlem Yorulmaz(İstanbul Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü, İstatistik Ana Bilim Dalı)0000-0003-1029-5749
Pages
175–197
Publication Date
2025-06-25
🏛️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)

According to the results obtained, the most sui e number of clusters was determined as 7 in the Ward technique, k medoids, fuzzy c means and panel K means methods, while the number of clusters was determined as 6 in the k means and trimmed k means methods.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Human development is a paradigm that evaluates the welfare of a society not only through economic growth but also by considering dimensions that determine individuals’ quality of life, such as education and health.
📊
Key Findings & Data:According to the 2023 HDI report, Türkiye is categorised as having “very high human development”; however, significant disparities are observed among provinces in terms of HDI values.
💡
Conclusion & Impact:According to the results obtained, the most sui e number of clusters was determined as 7 in the Ward technique, k medoids, fuzzy c means and panel K means methods, while the number of clusters was determined as 6 in the k means and trimmed k means methods.
🔬Design:Araştırma Makalesi
📍Scope:2023 Verileri
⚙️Variables:Hiyerarşik kümeleme · Bulanık c ortalama · K kırpılmış ortalamalar

Abstract

Human development is a paradigm that evaluates the welfare of a society not only through economic growth but also by considering dimensions that determine individuals’ quality of life, such as education and health. In this context, one of the key indicators used to measure human development is the Human Development Index (HDI), published by the United Nations Development Programme (UNDP). According to the 2023 HDI report, Türkiye is categorised as having “very high human development”; however, significant disparities are observed among provinces in terms of HDI values. This situation necessitates a more detailed analysis of the development levels of the provinces. Within this framework, the 2023 HDI component data (education, health, income) of 81 provinces in Türkiye were used to classify the provinces using various clustering techniques, including hierarchical clustering (Ward’s method), k means, k medoids, fuzzy c means, and trimmed k means. In addition, a panel K means approach was applied based on data from the 2015–2023 period. According to the results obtained, the most sui e number of clusters was determined as 7 in the Ward technique, k medoids, fuzzy c means and panel K means methods, while the number of clusters was determined as 6 in the k means and trimmed k means methods. According to the clustering results, while metropolises such as İstanbul, Ankara, İzmir and Kocaeli were in the most developed cluster in terms of HDI components, Ağrı, Batman, Diyarbakır, Iğdır, Mardin, Siirt, Şanlıurfa and Van provinces were in the least developed cluster. It was observed that development decreased from the western regions to the east. This study aimed to shedlight on the issue of regional inequality by classifying the provinces using different clustering methods from the perspective of HDI components.

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, 2023 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 kılmıştır. 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 ve k kırpılmış ortalama gibi farklı kümeleme yöntemleriyle iller sınıflandırılmıştır. Ayrıca, 20152023 dönemini kapsayan panel veri ile panel K ortalama yöntemi de analizlere dâhil edilmiştir. 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 yöntemlerinde ise küme sayısı 6 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 ile İGE bileşenleri perspektifinden illeri farklı kümeleme yöntemleri ile sınıflandırarak bölgesel eşitsizlik konusuna ışık tutmak hede f lenmiştir.

🔖

Cite This Article

Özdemir, U., Yorulmaz, Ö. (2025). Classification of Provinces in Türkiye According to the Human Development Index Using Different Clustering Techniques. Ekoist: Journal of Econometrics and Statistics, Sayı: 42, 175–197. https://doi.org/10.26650/ekoist.2024.42.1666599

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (73)

  1. Adıgüzel, A. (2013). Kız çocuklarının okullaşma engelleri ve çözüm önerileri (Şanlıurfa örneği). EKEV Akademi Dergisi, 17(56), 325-344. google scholar
  2. Akyüz, B., & Çetin, E. (2022). İnsani gelişme endeksi ve Vıkor yöntemine göre Türkiye'deki illerin sıralaması. Verimlilik Dergisi, (1), 60-77. https://doi.org/10.51551/verimlilik.824462. google scholar
  3. Alpar, R. (2011). Uygulamalı çok değişkenli istatistiksel yöntemler. Detay Yayıncılık. google scholar
  4. Babuska, R. (2001). Fuzzy and neural controls DISC Course Lecture Notes. Delft. google scholar
  5. Baltagi, B. (2005). Econometric analysis of panel data (3rd ed.). John Wiley&Sons. google scholar
  6. Barro, R. (2001). Human capital and growth. The American Economic Review, 91(2),12-17. google scholar
  7. Barro, R., & Lee, J. (2013). A new data set of educational attainment in the world, 1950-2010. Journal of Development Economics, (104), 184-198. google scholar
  8. Bezdek, J. (1981). Pattern recognition with fuzzy objective function algorithms. Plenum Press. google scholar
  9. Bezdek, J., Ehrlıch, R., & Full, W. (1984). FCM: the fuzzy c-means clustering algorithm. Computers & Geosciences, 10(2-3), 191-203. google scholar
  10. Bostan, H. (2021). Türkiye’de iç göçlerin toplumsal yapıda neden olduğu değişimler, meydana getirdiği sorunlar ve çözüm önerileri. google scholar
  11. İstanbul Üniversitesi Press Coğrafya Dergisi, 35(1), 1-16. https://doi.org/10.26650/JGEOG330955. google scholar
  12. Camkıran, C., & Çilingirtürk, A. (2024). Ülkelerin dünya yönetişim göstergelerine göre panel kümeleme ile sınıflandırılması. Holistgence Publications, 131-149. google scholar
  13. Chatfield, C., & Collins, A. J. (1980). Introduction to multivariate analysis. Chapman and Hall. google scholar
  14. Celeux, G., & Govaert, G. (1992). A classification EM algorithm for clustering and two stochastic versions. Journal of Computational Statistics and Data Analysis, 14(3), 315-332. google scholar
  15. Çelikyılmaz, A., & Türksen, I.B. (2009). Modeling uncertainty with fuzzy logic: with recent theory and applications: Berlin Springer-Verlag. google scholar
  16. Deniz, M., & Üzülmez, M. (2023). Coğrafi bilgi sistemleri ile okullara erişebilirlik analizi: Gümüşhane şehri. Gümüşhane Üniversitesi Sosyal Bilimler Dergisi, 14(1), 210-223. google scholar
  17. Demir, S. (2006). Birleşmiş Milletler kalkınma programı insani gelişme endeksi ve Türkiye açısından değerlendirme. Ankara. https://www. sbb.gov.tr/wp-content/uploads/2022/08/Birlesmis-Milletler-Kalkinma-Programi-Insani-Gelisme-Endeksi-ve-Turkiye-Acisindan- Degerlendirme.pdf. google scholar
  18. Demir, S. (2011). Türkiye’nin insani gelişme endeksi ve endeks sıralamasının analizi. Ankara. https://sbb.gov.tr/wp content/ uploads/2018/11/Turkiyenin_Insani_Gelisme_EndeksiveEndeksSiralamasininAnalizi.pdf google scholar
  19. Despotis, D. (2005). A reassessment of the human development index via data envelopment analysis. Journal of the Operational Research Society, 56(8), 969-980. google scholar
  20. Djouzı, K., & Beghdad-Bey, K. (2019). A review of clustering algorithms for big data, Conference: 2019 International Conference on Networking and Advanced Systems (ICNAS), 1-6. google scholar
  21. Doğan, İ. (2002). Kümeleme analizi ile seleksiyon. Turkish Journal of Veterinary and Animal Sciences, 26 (1), 47-53. google scholar
  22. Döring, C. L., & Kruse, R. (2006). Data analysis with fuzzy clustering methods. Computational Statistics & Data Analysis, 51(1), 192-214. google scholar
  23. Dunn, J.C. (1974). Well-Separated clusters and optimal fuzzy partitions. Journal of Cybernetics, (4), 95-104. google scholar
  24. Düşündere, A. (2020). 81 ilde insani gelişme endeksi ve Türkiye’nin 2020 küresel performansı, Türkiye Ekonomi Politikaları Araştırma Vakfı. google scholar
  25. Erilli, A. (2014). TR72 bölgesi ilçelerinin sosyo-ekonomik verilere göre bulanık kümeleme analizi ile sınıflandırılması. Ekonomik ve Sosyal Araştırmalar Dergisi, 10(2), 33-45. google scholar
  26. Fukuda-Parr, S. (2003). The human development paradigm: operationalizing Sen’s ideas on capabilities. Feminist Economics, 9(2-3), 301-317. google scholar
  27. Garcıa-E., & Luis A. (2010). A review of robust clustering methods. Advances in Data Analysis and Classification, 4(2-3), 89-109. google scholar
  28. Genolini, C., & Falissard, B. (2011). KmL: K-means for longitudinal data. Computer Methods and Programme in Biomedicine, 104(3), 112-121. google scholar
  29. Gersho, A., & Gray, R.M. (1991). Vector quantization and signal compression. Kluwer Academic Publishers Norwell. google scholar
  30. Gülel, F., Çağlar, A., Uyar, S., Karadeniz, O., & Yeşilyurt, M. (2017). Türkiye’de illere göre insani gelişme endeksi, Pamukkale Üniversitesi SBE Dergisi, (27), 208-216. google scholar
  31. Günsoy, G. (2005). İnsani gelişmenin iller bazında farklılaşması: Eskişehir üzerine bir inceleme. ZKÜ Sosyal Bilimler Dergisi, (13), 1-13. google scholar
  32. Gürbüz, M., Karabulut, M., & Sandal, E. (2007). Türkiye’de bölgesel farklılıkların kırsal ölçekte analizi. TÜİK, İstatistik Araştırma Dergisi, 5(1), 99-112. google scholar
  33. Güven, O. (2024), Bölgeler arası ekonomik gelişmişlik farklılıklarını etkileyen faktörler. Bölgesel Kalkınma Dergisi, 2(1), 80-92. https:// doi.org/10.61138/bolgeselkalkinmadergisi.1415395. google scholar
  34. Han, J., & Kamber, M. (2006). Data mining concepts and techniques. Morgan Kaufmann Publishers Inc. google scholar
  35. Haq, M. (1996). Reflections on human development. Oxford University Press. google scholar
  36. Harritan, J., & Wong, M. (1979). Algorithm AS 136: A K-Means clustering algorithm. Applied Statistics, 28(1), 100-108. google scholar
  37. Hickel, J. (2020). What does degrowth mean? A few points of clarification. Economics and Climate Emergency, 18(7), 1105-1111. google scholar
  38. Höppner, F., Klawonn, F., Rudolf, K., & Runkler, T. (1999). Fuzzy cluster analysis. Wiley Publishers. google scholar
  39. Ilgar, R. (2023), Türkiye’de eğitimde yaşanan bölgesel farklılıklar. Uluslararası Sosyal Bilimler Dergisi Eğitim Dergisi, 9(2), 20-45. https:// doi.org/10.47615/issej.1329419. google scholar
  40. James, C. R. (2005). Estimates of regional and global life expectancy, 1800–2001. Population and Development Review, 31(3), 537-543. google scholar
  41. Jerven, M. (2013). Poor numbers: how we are misled by African development statistics and what to do about it. Cornell University Press. google scholar
  42. Johnson, R. A., & Wıchern, D. W. (1998). Applied multivariate statistical analysis. Prentice Hall. google scholar
  43. Kalkınma Bakanlığı. (2011). Türkiye’nin insani gelişme endeksi ve endeks sıralamasının analizi. https://sbb.gov.tr/wp-content/uploads/ 2018/11/Turkiyenin_Insani_Gelisme_EndeksiveEndeksSiralamasininAnalizi.pdf google scholar
  44. Kaufman, L., & Rousseeuw, P. J. (1990). Finding groups in data an introduction to cluster analysis. John Wiley & Sons. google scholar
  45. Kaufman, L., & Rousseeuw, P. J. (1987). Clustering by means of medoids. Statistical Data Analysis Based on The L1–Norm and Related Methods, edited by Y. Dodge, North-Holland, 405–416. google scholar
  46. Kanbir, Ö. (2022). Türkiye’de insani gelişme: iller ve bölgeler temelinde bir analiz. Giresun Üniversitesi İİBF Dergisi, 8(2), 1-24. https:// doi.org/10.46849/guiibd.1115142. google scholar
  47. Larasatı, S., Nisa, K., & Herawatı, N. (2021). Robust principal component trimmed clustering of Indonesian provinces based on human development index indicators. Journal of Physics: Conference Series, 1-8. google scholar
  48. Lııde, Y., & Buzo, A. (1980). An algorithm for vector quantizer design. IEEE Transactions on Communications, 28(1), 84-95. google scholar
  49. Macqueen, J. B. (1967). Some methods for classification and analysis of multivariate observations, Statistics, University of California Press, 5(1), 281-297. google scholar
  50. Meral, İ., Yıldırım, U., & Aytekin, İ. (2023). Türkiye’de iller bazında insani gelişim endeksi değerlerinin hesaplanması ve insani gelişim açısından Türkiye’nin değerlendirilmesi. Politik Ekonomik Kuram, 7(2), 412-426. https://doi.org/10.30586/pek.1352455. google scholar
  51. Meydan, M., & Sarı, V. (2018). İnsani gelişme endeksi ve alt endekslerinin Türkiye’deki iller için ölçülmesi. Kent Araştırmaları Dergisi, 24(9), 387-429. https://doi.org/10.31198/idealkent.450118. google scholar
  52. Naes, T., & Mevik, B. H. (1999). The flexibility of fuzzy clustering illustrated by examples. Journal of Chemometrics, (13), 435–444. google scholar
  53. Oeppen, J., & Vaupel, W. (2002). Broken limits to life expectancy. Policy Forum, 296(5570), 1029-1031. google scholar
  54. Özdamar, K. (2004). Paket programlar ile istatistiksel veri analizi (10.baskı). Nisan Yayınları. google scholar
  55. Ranis, G., Stewart, F., & Ramirez, A. (2000). Economic growth and human development. World Development, 28(2), 197- 219. google scholar
  56. Riley, James C. (2005). Estimates of regional and global life expectancy, 1800–2001. Population and Development Review, 31(3), 407-603. google scholar
  57. Ruspini, E.H. (1973). New experimental results in fuzzy clustering. Information Sciences, (6), 273-284. google scholar
  58. Sarul, S. (2025). Ülkelerin insani gelişmişlik ölçüsüne göre seviyelerinin belirlenmesinde kümeleme algoritmalarının kullanılmasına ilişkin bir uygulama. Black Sea Journal of Engineering and Science, 8(1), 161-171. https://doi.org/10.34248/bsengineering.1581168. google scholar
  59. Saxena, A., Prasad, M., Gupta, A., Bharill, N., Patel, O., & Tiwari, A., (2017). A review of clustering techniques and developments. Neurocomputing, 267, 664-681. google scholar
  60. Sen, A. (1999). Development as freedom. Oxford University Press. google scholar
  61. Sharma, S. (1996). Applied multivariate techniques. John Wiley & Sons. google scholar
  62. Stıglıtz, J. E., Sen, A.F., & Jean, P. (2009). Mismeasuring our lives why GDP doesn’t add up. The New Press. google scholar
  63. Tatlıdil, H. (1996). Uygulamalı çok değişkenli istatistiksel analiz. Cem Ofset. google scholar
  64. Türkiye İstatistik Kurumu [TUİK]. (2023). Enflasyon ve Fiyat İstatistikler. Erişim adresi: https://data.tuik.gov.tr. google scholar
  65. Timm, N. H. (2002). Applied multivariate analysis. Springer. google scholar
  66. Unıted Nations Development Programme, [UNDP]. (1990). Human Development Report 1990, Oxford University Press. google scholar
  67. Unıted Nations Development Programme, [UNDP]. (2023). Human Development Report 2023, Oxford University Press. google scholar
  68. Ünal, Ç., (2008). İnsani gelişmişlik endeksine göre Türkiye’nin bölgesel farklılıkları. Coğrafi Bilimler Dergisi, 6 (2), 89-113. google scholar
  69. Yavuz, N., & Sevüktekin, M. (2021). Veri madenciliğinde iki aşamalı kümeleme ile insani gelişme endeks incelenmesi. Fırat Üniversitesi Sosyal Bilimler Dergisi, 32(3), 1153-1168. google scholar
  70. Yakut, S., & Ergüt, Ö. (2024). Kümeleme analizine farklı yaklaşımlar ve sosyal bilimler alanında uygulamalar. Holistenge Publications. google scholar
  71. Yang, M. (1993). A survey of fuzy clustering. Mathematical and Computer Modelling, 18(11), 1-16. google scholar
  72. Yılancı, V. (2010). Bulanık kümeleme analizi ile Türkiye’deki illerin sosyoekonomik açıdan sınıflandırılması. Süleyman Demirel Üniversitesi İİBF Dergisi, 15(3), 453-470. google scholar
  73. Yorulmaz, Ö. (2016). Dayanıklı istatistiksel yöntemler ve R uygulamaları. Beta Yayınevi. google scholar