Journals / Öneri Dergisi / 2006 / Cilt: 7 - Sayı: 26

AVRUPA BİRLİĞİNE ÜYE VE ADAY ÜLKELER ARASINDAKİ AYIRIMIN ÇOK DEĞİŞKENLİ İSTATİSTİKSEL TEKNİKLERLE ANALİZİ

Pages
205–212
Publication Date
2006-06-15
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)

Yapılan analizler sonucunda, Avrupa Birliğine üye ve aday ülkeler arasındaki ayırımı en fazla etkileyen faktörün; nakit fazlası, kişi başına gayri safi yurt içi gelir, nüfus artışı (yıllık yüzde olarak), bağışlar hariç gelir (GSYIH’nm yüzdesi olarak), işsizlik (genç nüfus toplamı-15-24 yaş arası toplam emeğin %’ si olarak) ve doğum başına yaşam beklentisi (yıllık toplam olarak) değişkenlerinin kombinasyonundan oluştuğu bulunmuştur.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmanın amacı Avrupa Birliğine üye ve aday ülkeler arasındaki ayırımın, çeşitli ekonomik göstergeler yardımıyla belirlenmeye çalışılmasıdır.
📊
Key Findings & Data:Analizlerin yapıldığı veriler 1999-2003 dönemini kapsamaktadır.
💡
Conclusion & Impact:Yapılan analizler sonucunda, Avrupa Birliğine üye ve aday ülkeler arasındaki ayırımı en fazla etkileyen faktörün; nakit fazlası, kişi başına gayri safi yurt içi gelir, nüfus artışı (yıllık yüzde olarak), bağışlar hariç gelir (GSYIH’nm yüzdesi olarak), işsizlik (genç nüfus toplamı-15-24 yaş arası toplam emeğin %’ si olarak) ve doğum başına yaşam beklentisi (yıllık toplam olarak) değişkenlerinin kombinasyonundan oluştuğu bulunmuştur.
🔬Design:Research Article
📍Scope:2003 Verileri
⚙️Variables:Avrupa Birliği · Faktör Analizi · Diskriminant Analizi

Özet

Bu çalışmanın amacı Avrupa Birliğine üye ve aday ülkeler arasındaki ayırımın, çeşitli ekonomik göstergeler yardımıyla belirlenmeye çalışılmasıdır. Çalışmada, öncelikle faktör analizi yardımıyla boyut indirgemesi yapılmış, ardından ise diskriminant ve lojistik regresyon analizleri yardımıyla değişkenler sınıflandırılmaya çalışılmıştır. Analizlerin yapıldığı veriler 1999-2003 dönemini kapsamaktadır. Yapılan analizler sonucunda, Avrupa Birliğine üye ve aday ülkeler arasındaki ayırımı en fazla etkileyen faktörün; nakit fazlası, kişi başına gayri safi yurt içi gelir, nüfus artışı (yıllık yüzde olarak), bağışlar hariç gelir (GSYIH’nm yüzdesi olarak), işsizlik (genç nüfus toplamı-15-24 yaş arası toplam emeğin %’ si olarak) ve doğum başına yaşam beklentisi (yıllık toplam olarak) değişkenlerinin kombinasyonundan oluştuğu bulunmuştur.

🔖

Cite This Article

OĞUZLAR, A. (2006). AVRUPA BİRLİĞİNE ÜYE VE ADAY ÜLKELER ARASINDAKİ AYIRIMIN ÇOK DEĞİŞKENLİ İSTATİSTİKSEL TEKNİKLERLE ANALİZİ. Öneri Dergisi, Cilt: 7 - Sayı: 26, 205–212. https://ajindex.com/articles/35995

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (19)

  1. Avrupa Komisyonu Türkiye Delegasyonu. ('http://www.deltur.cec.eu.int/'). [18.07.2005]
  2. Bozkurt, V. (1993). Avrupa Birliği. Bursa: Ezgi Kitabevi
  3. Tatildi], H. (1996). Uygulamalı Çok Değişkenli İstatistiksel Analiz. Ankara: Cem Web Ofset
  4. Oktay, F.S.Ü. (1995). Marmara Üniversitesinin Sosyal Bilim Öğrencilerinin Bazı Özelliklerinin Çok Değişkenli İstatistik Tekniklerle Analizi. Yayınlanmamış Doçentlik Çalışması
  5. Oktay, F.S.Ü. & Demirhan, A. (2003). Ticaret Bankalarının 1999 ve 2000 Yıllarındaki Finansal Performanslarının Faktör Analizi ve Diskriminant Analizi Kullanılarak Karşılaştırılması. İ.Ü. İşletme Fakültesi Dergisi, 32(2), 9- 27
  6. Stevens, J. (2002). Applied Multivariate Statistics for the Social Sciences. New Jersey: Lawrence Erlbaum Associates
  7. Ünsal, A. (2000). Diskriminant Analizi ve Uygulaması Üzerine Bir Örnek. Gazi Üniversitesi İ.İ.B.F. Dergisi, 2(3), 19-36
  8. Özdamar, K. (2002). Paket Programlar ile İstatistiksel Veri Analizi 2. Eskişehir: Kaan Kitapevi
  9. Akgül, A. & Çevik, O. (2003). İstatistiksel Analiz Teknikleri “SPSS’ de İşletme Yönetimi Uygulamaları". Ankara: Emek Ofset Ltd. Şti
  10. Powers, D. A. & Xie, Y. (2000). Statistical Methods for Categorical Data Analysis. San Diego, California! Academic Press
  11. Oğuzlar, A. (2005). Lojistik Regresyon Analizi Yardımıyla Suçlu Profilinin Belirlenmesi. Atatürk Üniversitesi İİBF Dergisi, 19(1), 21-35
  12. Özdamar, K. (1999). Paket Programlar ile İstatistiksel Veri Analizi 1. Eskişehir: Kaan Kitapevi
  13. LogisticRegression. ('http://www2.chass.ncsu.edu/garson /pa765/logistic.htm). [18.09.2004]
  14. Cosset, J. & Roy, J. (1991). The Determinants of Country Risk Ratings. Journal of International Business Studies, 22(1), 135-142
  15. Doumpos, M.; Pentaraki, K; Zopounidis, C. & Agorastos, C. (2001). Assessing Country Risk Using A Multi-Group Discrimination Method: A Comparative Analysis. Managerial Finance, 27(8), 16-37
  16. Hoti, S. & McAleer, M. (2004). An Empirical Assessment of Country Risk Ratings and Associated Models. Journal of Economic Surveys, 18(4), 539-587
  17. Yim, J. & Mitchell, H. (2005). Comparison of country risk models: hybrid neural networks, logit models, discriminant analysis and cluster techniques. Expert Systems with Applications,28, 137-148
  18. Leech, N.L. (2004). SPSS for Intermediate Statistics: Use and Interpretation. New Jersey: Lawrence Erlbaum Associates
  19. Atlaş, D. (2002). Hayat ve Hayat Dışı Sigorta Şirketlerinin Çok Değişkenl