Kümeleme analizinde yapay sinir ağlarının küme geçerlilik indeksi olarak kullanılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Sivas Cumhuriyet Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2018
Tezin Dili: Türkçe
Öğrenci: HATİCE MALKOÇ
Danışman: NECATİ ALP ERİLLİ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kümeleme Analizinde amaç; grupları kesin olarak bilinmeyen, birimleri, değişkenleri birbiriyle benzer alt kümeleri (grup, sınıf) saptayarak kümeleme yapılarını oluşturmaktır. Kümeleme Analizinde sağlıklı sonuçlara ulaşabilmek için en uygun küme sayısının belirlenmesi önemlidir. Fakat Kümeleme Analizinde anlamlı ve geçerli sonuçlara ulaşmada ve uygun küme sayısının önceden belirlenmesi kümeleme analizinin tartışmalı konusu olmuştur. Kümeleme kalitesinin ve uygun küme sayısının belirlenmesinde küme geçerlilik indeksleri kullanılmaktadır. Fakat bazı karmaşık yapılar içeren verilerde, küme sayılarında kararsızlıklar nedeniyle küme geçerlilik indeksleri birbirleriyle çelişen sonuçlar verebilmektedir. Bunun yanı sıra hangi indeksin en uygun küme sayısını belirlediğini ortaya koyan bir ölçütte bulunmamaktadır. Bu çalışmada en uygun küme sayısı belirlenmede; Silhouette indeksi, Calinski Harabasz indeksi, Krzanowski Lai indeksi ve Wilk's Lambda istatistiği ile Yapay Sinir Ağları'ndan elde edilen değerler karşılaştırılarak en uygun küme sayısı hakkında karar verilmeye çalışılmıştır. Uygulamada; TR72 bölgesinde bulunan Kayseri, Sivas ve Yozgat'a bağlı 46 ilçe, 15 değişkene göre kümeleme analizi ile sınıflandırılmıştır. Değişkenler; nüfus, ortalama hane halkı büyüklüğü, işsizlik oranı, şehirleşme oranı, tarım sektöründe çalışanların oranı, okur yazar oranı, nüfus artış hızı, sanayi sektöründe çalışanların oranı, bebek ölüm oranı, nüfus yoğunluğu, hizmet sektöründe çalışma oranı, fert başına genel bütçe geliri, nüfus bağlılık oranı, tarımsal üretimin ülke içindeki payı ve vergi gelirlerinin ülke içindeki payı 22.09.2002 tarihinde Türkiye İstatistik Kurumu ve Devlet Planlama Teşkilatı tarafından İstatistikî Bölge Birimleri Sınıflandırması (İBBS) Düzey 2'de hazırlanan verilerden alınmıştır. Analiz sonuçlarına göre, Silhouette indeksi 3 kümeye, Calinski Harabasz indeksi 4 kümeye, Krzanowski Lai indeksi 3 kümeye ve Wilk's Lambda istatistiği ise 4 kümeye ayırmıştır. Yapay Sinir Ağları ile de 4 kümeye ayrılmıştır. Oluşan kümeler incelendiğinde Calinski Harabasz indeksi ve Wilk's Lambda istatistiği ile YSA'nın daha başarılı sonuçlar verdiği belirlenmiştir. Bu sonuçlara göre YSA'nın da uygun küme sayısının belirlenmesinde küme geçerlilik teknikleri arasında kullanılabileceği gözlenmektedir. Anahtar Kelimeler: Kümeleme Analizi, Silhouette indeksi, Calinski Harabasz indeksi, Krzanowski Lai indeksi, Wilk's Lambda istatistiği, YSA.