Author :
Abstract
Bu çalışmada Türkiye’nin de yer aldığı toplam 36 OECD ülkesinin 2017 yılı ekonomik özgürlük endeks kategorilerinin, k-NN algoritması yardımı ile 2016 yılı verileri kullanılarak tahmin edilmesi amaçlanmıştır. Bu amaç doğrultusunda dört makro ekonomik değişkenden (ithalat, ihracat, işsizlik, enflasyon) ve ekonomik özgürlük puanlarından yararlanılmıştır. Bir başka ifade ile bu değişkenler ve ekonomik özgürlük puanları yardımıyla hesaplanan analiz doğrultusunda OECD ülkelerinin 2017 yılına ait ekonomik özgürlük kategorileri tahmin edilerek gerçek kategorileriyle karşılaştırılmıştır. Sınıflandırma yöntemlerinden biri olan k-NN algoritmasının kullanıldığı bu araştırmada, farklı k değerleri üzerinden değerlendirmeler yapılmıştır. Yedi ülkede, belirlenen tüm k değerleri için algoritmanın doğru tahmin ettiği ve iki ülkede de tüm k değerleri için yanlış tahminde bulunduğu çalışmanın en önemli bulguları arasındadır.
Keywords
Abstract
The aim of this study is to predict 2017 economic freedom index categories of 36 OECD countries including Turkey by the help of k-nearest neighbor algorithm using the data for 2016. For this purpose, four basic macro-economic indicators (import, export, unemployment and inflation) and economic freedom scores were used. In other words, with the help of analysis implemented with these variables, the economic freedom categories of 36 OECD countries were predicted for the year 2017. In this study, which uses one of the classification methods, the k-NN algorithm, evaluations were made on different k values. The most important findings of this study are; for each k value, the algorithm predicted correctly for seven countries among 36 OECD countries and the algorithm predict incorrectly for two countries.
Keywords
- Beach, W. W. and T. Kane (2008). “Methodology: Measuring the 10 Economic Freedoms”. 2008 Index of Economic Freedom the Heritage Foundation. Washington DC. 39-41.
- Bengoa, M., & Sanchez-Robles, B. (2003). Foreign direct investment, economic freedom and growth: new evidence from Latin America. European journal of political economy, 19(3), 529-545.
- Choong, J. (2015). Powerful Forecasting with MS-Excel. http://www.xlpert.com/ebook/ Powerful_Forecasting_With_MS_Excel_sample.pd f, (10.02.2015)
- Cover, T. M., & Hart, P. E. (1967). Nearest Neighbour Pattern Classification. IEEE Transactions on Information Theory, IT- 13(1):21–27.
- Çalış, K., Gazdağı, O., & Yıldız, O. (2013). Reklam İçerikli Epostaların Metin Madenciliği Yöntemleri ile Otomatik Tespiti. Bilişim Teknolojileri Dergisi, 6(1), 1-7.
- Çalışkan, S. K., & Soğukpınar, İ. (2008). KxKNN: K-Means ve K En Yakın Komşu Yöntemleri ile Ağlarda Nüfuz Tespiti. EMO Yayınları, 120-24.
- Güney, T. (2017). Türkiye ve BRICS Ülkelerinde Ekonomik Özgürlüğün Ekonomik Büyüme Üzerine Etkisi. International review of economics and management, 5(2), 30-47.
- Henley, W. E. & Hand, D. J. (1996) “A k-Nearest-Neighbour classifier for assessing consumer credit risk”, The Statistician, vol. 45(1): 77
- İlarslan, K. (2016). K-En Yakın Komşu (K-NN) Algoritması ile Hisse Senedi Fiyatlarının Tahmin Edilmesi: BİST’den Örnek Bir Uygulama. Akademik Sosyal Araştırmalar Dergisi, 4(30), 375-392.
- Kangallı, S. G., Uyar, U., & Buyrukoğlu, S. (2014). OECD Ülkelerinde Ekonomik Özgürlük: Bir Kümeleme Analizi. Journal of Alanya Faculty of Business/Alanya Isletme Fakültesi Dergisi, 6(3).
- Karakoyun, M., & Hacıbeyoğlu, M. (2014). Biyomedikal Veri Kümeleri ile Makine Öğrenmesi Sınıflandırma Algoritmalarının İstatistiksel Olarak Karşılaştırılması. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 16(48), 30-42.
- Karlik, B. & Hayta Ş.B. (2014, 7-9 Nisan). Comparison Machine Learning Algorithms for Recognition of Epileptic Seizures in EEG, 2nd International Work Conference on Bioinformatics and Biomedical Engineering, Granada-Spain.
- Kaşıkçı, T., & Gökçen, H. (2014). Metin Madenciliği ile E-Ticaret Sitelerinin Belirlenmesi. International Journal of Informatics Technologies, 7(1).
- Kaya, D. (2019). Alt Uzay k-NN ile Eritmato-Skuamöz Hastalık Türlerinin Sınıflandırılması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 31(2), 583-587.
- Kılınç, D., Borandağ, E., Yücalar, F., Tunalı, V., Şimşek, M., & Özçift, A. (2016). KNN algoritması ve R dili ile Metin Madenciliği Kullanılarak Bilimsel Makale Tasnifi. Marmara Fen Bilimleri Dergisi, 28(3), 89-94.
- Kırlıoğlu, H., & Ceyhan, İ. F. (2014). Mali Tablo Denetiminde Ön Analitik İnceleme Tekniği Olarak Veri Madenciliğinin Kullanımı: Borsa İstanbul Uygulaması. Akademik Yaklaşımlar Dergisi, 5(1), 13-36.
- Miles, M. A. & Holm K, R. & O’grady, M. A., (2006). “2006 Index of Economic Freedom”, the Wall Street Journal, New York.
- Miller, T., Kim A. B. ve Roberts J. M. (2019), 2019 Index of Economic Freedom, 25th Anniversary Edition: https://www.heritage.org/index/pdf/2019/book/index_2019.pdf, (Erişim Tarihi: 20. 07. 2019).
- Patry, W. (2009). Moral Panics and the Copyright Wars. New York: Oxford University.
- Sharma, S. K. ve Sharma, V. (2012). Time series prediction using knn algorithms via euclidian distance function: A case of foreign exchange rate prediction. Asian Journal of Computer Science and Information Technology, 2 /7, 219 – 221
- Shmueli, G., Patel, N.R. and Bruce, P.C., (2010). “Data mining: for Business Intelligence”, John Wiley & Sons, New Jersey.
- Taşcı, E., & Onan, A. (2016). K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi. Akademik Bilişim.
- Tekeli, K., & Aşlıyan, R. (2016). Çok Katmanlı Algılayıcı, K-NN ve C4. 5 Metotlarıyla İstenmeyen E-postaların Tespiti.
- Yenipazarlı, A. (2010). Ekonomik özgürlükler ve ekonomik büyüme üzerine etkisi: Türkiye üzerine bir zaman serisi analizi.
