Journals / Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi / 2018 / Cilt: 35 - Sayı: 2

CHAID Algoritması ile Balık Eti Tüketimini Etkileyen Faktörlerin İncelenmesi

Pages
85–93
DOI
—
🏛️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)

Bu sonuçlar ışığında, balık fiyatlarının düşürülmesi, bireylerin eğitim seviyesinin yükseltilmesi ve hane halkı sayısındaki artış balık tüketimine olumlu yansıyacaktır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada, Bingöl ili Merkez ilçede 384 kişiye uygulanan anket ile aylık balıketi tüketimini etkileyen faktörler CHAID algoritması ile araştırılmıştır.
📊
Key Findings & Data:Belirleme katsayısı (R2), düzeltilmiş belirleme katsayısı ve korelasyon katsayısı kullanılarak modelin etkinliği ve regresyon ağacı oluşturularak balıketi tüketimini etkileyen faktörler belirlenmiştir.
💡
Conclusion & Impact:Bu sonuçlar ışığında, balık fiyatlarının düşürülmesi, bireylerin eğitim seviyesinin yükseltilmesi ve hane halkı sayısındaki artış balık tüketimine olumlu yansıyacaktır.
🔬Design:Experimental Field Trial
📍Scope:Comprehensive Sample
⚙️Variables:Regresyon ağacı · CHAID algoritması · balıketi

Özet

Bu çalışmada, Bingöl ili Merkez ilçede 384 kişiye uygulanan anket ile aylık balıketi tüketimini etkileyen faktörler CHAID algoritması ile araştırılmıştır. Kullanılan bağımlı değişken balıketi tüketim miktarıdır. Bağımsız değişkenler yaş, hane halkı sayısı, araba sahipliği, ikamet yeri, aylık gelir, gider, gıda harcamaları ve aylık balık harcaması değişkenleridir. Belirleme katsayısı (R2), düzeltilmiş belirleme katsayısı ve korelasyon katsayısı kullanılarak modelin etkinliği ve regresyon ağacı oluşturularak balıketi tüketimini etkileyen faktörler belirlenmiştir. Balıketi tüketimini etkileyen etkenler; aylık balık harcaması (P<0.01), şehirde ikamet süresi (P<0.01), toplam aylık gider (P<0.01), araba sahipliği (P<0.01), hane halkı sayısı (P<0.01) ve toplam aylık gelir (P<0.01) olmuştur. Gözlenen ve tahmin edilen balıketi tüketim miktarları arasında güçlü ve pozitif bir ilişki (r=0.837) belirlenirken, belirleme katsayısı (%) ve düzeltilmiş belirleme katsayısı (%) sırasıyla 70.06 ve 69.74 olarak hesaplanmıştır. Ortalama olarak, en fazla balıketi tüketimi sırasıyla; toplam aylık geliri, aylık balık harcaması BH > 240 TL ve ailedeki kişi sayısı 3’den fazla olan bireylerin oluşturduğu alt gruptan elde edilmiştir. Tüketicilerin balık tüketiminde ekonomik etkenler ve ailedeki kişi sayısının diğer etkenlerden daha fazla etkili olduğu görülmüştür. Bu sonuçlar ışığında, balık fiyatlarının düşürülmesi, bireylerin eğitim seviyesinin yükseltilmesi ve hane halkı sayısındaki artış balık tüketimine olumlu yansıyacaktır.

🔖

Cite This Article

KARAKAYA, E., ÇELİK, Ş., TAYSI, M. R. (2018). CHAID Algoritması ile Balık Eti Tüketimini Etkileyen Faktörlerin İncelenmesi. Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi, Cilt: 35 - Sayı: 2, 85–93. https://ajindex.com/articles/162549

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. Abdikoğlu Dİ, Azabağaoğlu MÖ, Unakıtan G (2015). Tekirdağ ilinde balık tüketim eğilimlerinin belirlenmesi. Balkan And Near Eastern Journal Of Social Sciences Balkan ve Yakın Doğu Sosyal Bilimler Dergisi. 01 (01) Akbay C, Bilgiç A, Miran B (2008). Türkiye’de önemli gıda ürünlerinin talep esneklikleri. Tarım Ekonomisi Dergisi. 14 (2): 55 – 65. Akbay C, Meral Y, Yılmaz Hİ, Gözek S (2013). Türkiye’de ailelerin su ürünleri tüketiminin ekonomik analizi. KSÜ Doğa Bilimleri. Dergisi., 16(3): 1-7.
  2. Anonim (2015). Bingöl nüfusu. (www.nufusu.com/) (Erişim Tarihi: 20.06.2016). Anonim (2015a). (http://tuik.gov.tr) (Erişim Tarihi: 20.06.2016)
  3. Anonim (2016). Balığın %70’i Karadeniz’de avlanıyor. (http://www.milliyet.com.tr) (Erişim Tarihi: 20.01.2017)
  4. Armagan G, Akbay C (2007). An econometric analysis of urban households animal products consumption in Turkey. Applied Economics, 40 (15): 1-8.
  5. Bakır G, Keskin S, Mirtagioğlu H (2010). Determination of the effective factors for 305 days milk yield by regression tree (RT) method. Journal of Animal and Veterinary Advances, 9, (1): 55-59.
  6. Bashimov G (2017). Niğde ilinde balık tüketim alışkanlığının belirlenmesi. Türk Tarım ve Doğa Bilimleri Dergisi 4(2): 1–8.
  7. Büyükbay OE, Sayılı M, Uzunöz M (2009). Tüketicilerin sosyo- ekonomik özellikleri ile salça tüketimleri arasındaki ilişki: Tokat ili örneği. Gıda Teknolojileri Elektronik Dergisi, 4(1): 1-7.
  8. Çobanoğlu F, Konak K, Bozkurt M (2003). Aydın ilinde etlik piliç işletmelerinin ekonomik analizi ve pazarlama durumu. Akdeniz Üniversitesi Ziraat Fakültesi Dergisi, 15(1): 27-36.
  9. Çolakoğlu FA, İşmen A, Özen Ö, Çakır F, Yığın Ç, Ormancı HB (2006). Çanakkale ilindeki su ürünleri tüketim davranışlarının değerlendirilmesi, E.Ü. Su Ürünleri Dergisi, 23(1/3): 387-392.
  10. Dağtekin M, Ak O (2007). Doğu Karadeniz Bölgesinde su ürünleri tüketimi, ihracat ve ithalat potansiyeli.Yunus Araştırma Bülteni, 7 (3): 14-17.
  11. Doğan I (2003). Holştayn ırkı ineklerde süt verimine etki eden faktörlerin CHAID analizi ile incelenmesi. Ankara Üniversitesi Veteriner Fakültesi Dergisi, 50:65-70.
  12. Ercan O, Şahin A (2016). Kahramanmaraş kent merkezinde balık eti tüketim analizi. KSÜ Doğa Bilimleri Dergisi., 19(1): 51-65.
  13. Erdal G, Esengün K (2008). Tokat ilinde balık tüketimini etkileyen faktörlerin logit model ile analizi. Ege Üniversitesi Su Ürünleri Dergisi, 25(3): 203-209.
  14. Eyduran E, Karakuş K, Keskin S, Cengiz F (2008). Determination of factors influencing birth weight using regression tree (RT) method. J. Appl. An