AI Summary & Key Takeaways
AI InsightAccordingly, it is seen that SVM is better predicting the possibility of ownership and non-ownership decisions.
📌 3 Key Takeaways
Abstract
The main purpose of this study is; to compare two different econometric methodologies within the framework of the factors affecting households' decision to become a homeowner. The data set used in the study obtained from the “Household Budget Survey” which is created by TurkStat and has an observation value of about ten thousand. Using this data set, the study primarily investigates the importance of the factors that are likely to affect the decision to host. Additionally, with the traditional Logistic Regression, Support Vector Machines (SVM) algorithm is compared in terms of the accuracy of classification. Accordingly, it is seen that SVM is better predicting the possibility of ownership and non-ownership decisions.
Özet
Bu çalışmanın temel amacı; hane halkının konut sahibi olma kararlarını etkileyen faktörler çerçevesinde, iki farklıekonometrik metodolojiyi karşılaştırmaktır. Çalışmada kullanılan veri seti, TÜİK tarafından oluşturulan ve yaklaşık10 bin gözlem değerine sahip “Hane Halkı Bütçe Anketi”nden elde edilmiştir. Ele alınan veri seti çerçevesindeçalışmada ilk olarak hane halkının ev sahibi olma kararını etkileyen faktörlerin etkileme gücü ve yönübelirlenmektedir. Bununla birlikte, geleneksel lojistik regresyon yaklaşımı ile makine öğrenmesi temelli DestekVektör Makineleri (DVM) yöntemi tahmin gücü açısından karşılaştırılmaktadır. Buna göre, DVM’nin konut sahibiolma ve olmama yönünde ihtimaliyetleri daha iyi tahmin ettği görülmektedir.