KaydedilenlerDerginizi ekleyin

Dergiler / Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2019 / Cilt: 35 - Sayı: 3

Çok Değişkenli Uyarlanabilir Regresyon Eğrileri Yöntemi ile OECD Ülkelerindeki İşsizlik

Multivariate Adaptive Regression Splines (Mars) Method For Unemployment in OECD Countries

Tuba KOÇ
Haydar KOÇ
Emre DÜNDER
Sayfa
46–51
Yayın Tarihi
2022-11-04
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)

Bu sonuçların yanı sıra, sanayi üretimi, sanayi katma değeri ve cari işlemler dengesi birkaç yıl için etkili bulunmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:İşsizlik tüm ülkelerde en önemli makroekonomik problemlerden biridir ve işsizliğin temel göstergelerinin belirlenmesi oldukça önemlidir.
📊
Temel Bulgular & Veri:Bu nedenle son yıllarda işsizliği etkileyen faktörlerin belirlenmesi araştırmacıların ilgisini çekmiştir.
💡
Sonuç & Katkı:Bu sonuçların yanı sıra, sanayi üretimi, sanayi katma değeri ve cari işlemler dengesi birkaç yıl için etkili bulunmuştur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2000-2017 Verileri
⚙️Değişkenler:Alan Parametreleri

Özet

İşsizlik tüm ülkelerde en önemli makroekonomik problemlerden biridir ve işsizliğin temel göstergelerinin belirlenmesi oldukça önemlidir. Bu nedenle son yıllarda işsizliği etkileyen faktörlerin belirlenmesi araştırmacıların ilgisini çekmiştir. Bu çalışmada OECD ülkelerindeki işsizlik oranlarını etkileyen faktörler belirlenmeye çalışıldı. Bu bağlamda 2000-2017 yıllarına ait veriler MARS metodu kullanılarak analiz edildi. Her bir yıl için MARS modelleri tahmin edildi ve etkili olan açıklayıcı değişkenler değerlendirildi. Sonuçlara göre Gayrı safi yurt içi hasıla (Gsyih), vergi gelir oranı, uzun vadeli faiz oranı, tasarruf oranı ve enflasyon göstergeleri genellikle işsizlik oranları üzerinde önemli bir etkiye sahiptir. Yıllık ithalat büyüme oranı, ihracat ve döviz kuru oranları işsizlik oranlarını etkilememektedir. Bu sonuçların yanı sıra, sanayi üretimi, sanayi katma değeri ve cari işlemler dengesi birkaç yıl için etkili bulunmuştur.

Abstract

Unemployment is one of the most important macroeconomic problemsin all countries and it is very important task for identification of the keydeterminants of it. Therefore, in recent years determining the factors affecting theunemployment is attracting the researcher. In this study, the factors affectingunemployment in Organization for Economic Co-operation and Development(OECD) countries were tried to be determined. In this context, data for the years2000-2017 were analyzed by using MARS method. For each year, we estimated theMultivariate Adaptive Regression Splines (MARS) models and we tracked theeffective predictors. According to our findings, the indicators Gross domesticproduct (Gdp), tax revenue rate, long term interest rate, saving rate and inflationusually have a significant impact on the unemployment rates. The annual growthrate of import, export and exchange rate do not influence the unemploymentratios. Besides these results, the industrial production, the industrial value addedand current account balance are influential for a few years.

🔖

Bu Makaleye Atıf Yap

KOÇ, T., KOÇ, H., DÜNDER, E. (2022). Çok Değişkenli Uyarlanabilir Regresyon Eğrileri Yöntemi ile OECD Ülkelerindeki İşsizlik. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 35 - Sayı: 3, 46–51. https://ajindex.com/articles/650137

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Gatti, D., Vaubourg, A.G. 2010. The Financial Determinants of Unemployment: do they interact with labor market institutions?. Wiliam Davidson Institute Working Paper, Vol.273. Gyekye, K.B., Kyei, K.A. 2011. Determinants of unemployment in Limpopo province in South Africa: exploratory studies. Journal of Emerging Trends in Economics and Management Sciences, 2(1), 54-61.
  2. Güriş, S., Yaman, B. 2018. OECD Ülkelerinde İşsizliği Etkileyen Faktörlerin Panel Veri Modelleri ile Analizi. Social Sciences Research Journal, C, 7, 136-146.
  3. Bayrak, R., Tatli, H. 2018. The Determinants of Youth Unemployment: A Panel Data Analysis of OECD Countries. The European Journal of Comparative Economics, 15(2), 231-248.
  4. Bruno, G.S., Choudhry Tanveer, M., Marelli, E., Signorelli, M.2017. The short-and long-run impacts of financial crises on youth unemployment in OECD countries. Applied Economics, 49(34), 3372-3394.
  5. Uzunkaya, S. Ş., Dinçer, H., Yüksel, S. 2019. ABD’nin Ekonomik Gelişmesinin Tarihsel Bir Analizi (1947- 2017). MANAS Sosyal Araştırmalar Dergisi, 8(1/1), 215-228.
  6. Di Sanzo, S., Bella, M., & Graziano, G. 2017. Tax structure and economic growth: A panel cointegrated VAR analysis. Italian Economic Journal, 3(2), 239-253.
  7. Dinçer, H., Hacıoğlu Ü., Yüksel, S. 2017. Determining Influencing Factors of Currency Exchange Rate for Decision Making in Global Economcy using MARS Method. Chapter 13: Geopolitics and Strategic Management in the Global Economy, IGA Global. Bolder, J., Rubin, T. 2007. Optimization in a Simulation Setting: Use of Function Approximation in Debt Strategy Analysis. Bank of Canada Working Paper, 1-92.
  8. Yüksel, S., Zengin S., Kartal, M.T. 2016. Identifying the Macroeconomic Factors Influencing Credit Card Usage in Turkey by Using MARS Method. China-USA Business Review, 15(12), 611-615.
  9. Friedman, J.H. 1991. Multivariate adaptive regression splines. The annals of statistics, 19(1), 1-67.
  10. Lee, T.S., Chiu, C.C., Chou, Y.C., Lu, C.J.2006. Mining the customer credit using classification and regression tree and multivariate adaptive regression splines. Computational Statistics & Data Analysis, 50(4), 1113- 1130. Friedman, J., Hastie, T., Tibshirani, R. 2001. The elements of statistical learning. Vol. 1, No. 10, New York: Springer series in statistics. Salford Systems, 2001. TreeNet stochastic gradient boosting: An implementation of the MART methodology. Craven, P., Wahba, G. 1979. Estimating the correct degree of smoothing by the method of generalized cross-validation”, N