Ülkelerin yolsuzluk göstergelerine göre DBSCAN ile kümelenmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: ŞULE AYDIN
Danışman: Ahmet Mete Çilingirtürk
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kümeleme analizi, verilerin birbirilerine benzerliklerine göre kümelerde toplanmasını sağlayan çok değişkenli analiz yöntemidir. Kümeleme analizinde genel amaç, gözlemleri ya da değişkenleri benzerliklerine göre kategorize etmek, kümelerine ayırmaktır. İyi bir kümeleme algoritmasından farklı şekilde kümeleri tespit etmesi ve aykırı değerlerden etkilenmemesi beklenir. Gerçek hayat veri setlerinde, gürültü içeren veri setleri ile karşılaşmak mümkündür ve bu veri setleri, küresel olmayan, farklı şekilde kümelemeler içerebilmektedir. Bu problemleri çözmek amacıyla yoğunluk tabanlı kümeleme algoritmaları geliştirilmiştir. Bu çalışmada, yoğunluk tabanlı kümeleme algoritmalarından en sık kullanılan yöntem olan DBSCAN ile klasik kümeleme analizi yöntemlerinden sık kullanılan K-Means algoritması detaylıca anlatılmış olup, uygulama bölümünde 204 ülke, yolsuzluk göstergelerine göre her iki yöntemle de kümelenip karşılaştırılmıştır. Dünya Bankası'nın yolsuzluğu ölçmek amacıyla hesapladığı Küresel Yönetişim Göstergeleri kullanılmış olup 2020 yılına ait veriler kullanılmıştır. İki yöntemin kümeleme sonuçlarını karşılaştırmak amacıyla Silhouette katsayısı kullanılmış, küme atamaları arasında bağlılığı araştırmak amacıyla Ki-Kare Bağımsızlık testi yapılmıştır. Analizler sonucunda aynı ülkeler iki yöntemde de benzer kümelerde yer alsa da iki yöntemin küme atamaları arasında bağımsızlık saptanmıştır. Yolsuzluk göstergeleri çerçevesinde K-Means algoritmasının DBSCAN algoritmasından daha iyi kümeleme yaptığı sonucuna varılmıştır.