KaydedilenlerDerginizi ekleyin

Dergiler / Uluslararası Ekonomi ve Yenilik Dergisi / 2019 / Cilt: 5 - Sayı: 2

Konut Talebine göre Benzer Özellik Gösteren Türkiye İllerinin Panel Veri Kümeleme Analizi ile Belirlenmesi

Özlem AKAY
Cahit ÇELİK
Gülsen KIRAL
Sayfa
231–245
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

İndeks değerlerine göre, veri seti için Öklid uzaklığı kullanılarak yapılan WPGMA kümeleme yönteminin uygun olduğu tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmanın temel amacı uygun kümeleme yöntemi ile Türkiye’nin konut talebinde benzer özellik gösteren illerini belirlemektir.
📊
Temel Bulgular & Veri:Bu amaç doğrultusunda, 2008-2015 yılları arasında Türkiye illerinin konut talebi ve konut talebini etkileyen ekonomik faktörleri ele alınarak panel veri seti oluşturulmuştur.
💡
Sonuç & Katkı:İndeks değerlerine göre, veri seti için Öklid uzaklığı kullanılarak yapılan WPGMA kümeleme yönteminin uygun olduğu tespit edilmiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2008-2015 Verileri
⚙️Değişkenler:Konut Talebi · Ekonomik faktörler · Panel veri

Özet

Bu çalışmanın temel amacı uygun kümeleme yöntemi ile Türkiye’nin konut talebinde benzer özellik gösteren illerini belirlemektir. Bu amaç doğrultusunda, 2008-2015 yılları arasında Türkiye illerinin konut talebi ve konut talebini etkileyen ekonomik faktörleri ele alınarak panel veri seti oluşturulmuştur. Ele alınan panel veri setine, Öklid, Gower ve K-prototip uzaklıkları kullanılarak toplamsal hiyerarşik kümeleme yöntemleri (Average, Complete, Ward, Single ve WPGMA) uygulanmıştır. Kümeleme yöntemlerinin Cophenetic korelasyon katsayısı hesaplanarak uzaklıklar için uygun kümeleme yöntemleri belirlenmiştir. Belirlenen kümeleme yöntemlerinin küme geçerlilik (Dunn, Silhouette ve Connectivity) indeks değerleri hesaplanmıştır. İndeks değerlerine göre, veri seti için Öklid uzaklığı kullanılarak yapılan WPGMA kümeleme yönteminin uygun olduğu tespit edilmiştir. WPGMA yönteminin kümeleme sonucuna göre Türkiye’nin konut talebinde benzer özellik gösteren illeri belirlenmiştir.

🔖

Bu Makaleye Atıf Yap

AKAY, Ö., ÇELİK, C., KIRAL, G. (2019). Konut Talebine göre Benzer Özellik Gösteren Türkiye İllerinin Panel Veri Kümeleme Analizi ile Belirlenmesi. Uluslararası Ekonomi ve Yenilik Dergisi, Cilt: 5 - Sayı: 2, 231–245. https://ajindex.com/articles/339571

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Akay, Ö. ve Yüksel, G. (2018). Clustering the mixed panel dataset using Gower's distance and k-prototypes algorithms. Communications in Statistics-Simulation and Computation, 47(10), 3031-3041.
  2. Akay, Ö. ve Yüksel, G. (2019). Hierarchical clustering of mixed variable panel data based on new distance. Communications in Statistics-Simulation and Computation, 1-16.
  3. Bajari, P. ve Kahn, M. E. (2005). Estimating housing demand with an application to explaining racial segregation in cities. Journal of business & economic statistics, 23(1), 20-33.
  4. Bourdieu, P. ve Wacquant, J. D. (1992). An invitation to reflexive sociology. Chicago: Chicago University Press.
  5. Çelik, C. ve Kıral, G. (2018). Kümeleme yöntemiyle konut talebinin incelenmesi: Türkiye il grupları üzerine bir uygulama. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 27(1), 123-138.
  6. Çelik, C. ve Kıral, G. Yurtdışı Yerleşiklerin ve Dış Ülkelerin Konut Taleplerini İncelemede Panel Kümeleme Analizi: Türkiye İlleri Örneği, Çukurova Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(2), 305-324.
  7. Daşkıran, F. (2015). Denizli Kentinde Konut Talebine Etki Eden Faktörlerin Hedonik Fiyatlandırma Modeli ile Tahmin Edilmesi. Journal of International Social Research, 8(37). Donaldson, C. ve Gerard, K. (1998). Economics of health care financing (Rev.ed.). Macmillan Press Ltd. Goodman, A. C. (1990). Demographics of individual housing demand. Regional Science and Urban Economics, 20(1), 83-102.
  8. Goodman, A. C. ve Kawai, M. (1982). Permanent income, hedonic prices, and demand for housing: New evidence. Journal of Urban Economics, 12(2), 214-237.
  9. Green, R. ve Hendershott, P. H. (1996). Age, housing demand, and real house prices. Regional Science and Urban Economics, 26(5), 465-480.
  10. Gujarati, D. (2016). Örneklerle ekonometri. (N. Bolatoğlu. Çev.). Ankara: BB101 Yayınları.
  11. Güriş, S., Çağlayan, E. ve Ün, T. (2011). Estimating of Probability of Homeownership in Rural and Urban Areas: Logit, Probit and Gompit Model. European Journal of Social Sciences, 21(3), 405-411.
  12. Ioannides, Y. M. ve Zabel, J. E. (2003). Neighbourhood effects and housing demand. Journal of applied Econometrics, 18(5), 563-584.
  13. Jud, G. D. ve Frew, J. (1986). Real estate brokers, housing prices, and the demand for housing. Urban Studies, 23(1), 21-31.
  14. Lu, H. ve Huang, S. (2011). Clustering Panel Data. SIAM International Workshop on Data Mining held in conjunction with the 2011 SIAM International Conference on Data Mining. 1-10.
  15. Quigley, J. M.