K-En Yakın Komşu Algoritması ile ekonomik özgürlük endeksinin tahmin edilmesi: OECD ülkelerinde örnek uygulama

Abstract

Çalışmamda Türkiye'nin de yer aldığı toplam 36 OECD ülkesinin 2017 yılı ekonomik özgürlük endeks kategorilerinin, en çok kullanılan sınıflandırma algoritmalarından biri olan k-NN (K-En Yakın Komşu) algoritması yardımı ile 2016 yılı makroekonomik göstergeler kullanılarak tahmin edilmesi amaçlanmıştır. Bu bağlamda ekonomik özgürlük endeksi ile dört temel makro ekonomik değişkenden (ithalat, ihracat, işsizlik, enflasyon) yararlanılmıştır.Çalışmada öncelikle farklı k değerleri için, verilerin hedeflenen (tahmin edilmek istenen) veriye olan uzakları hesaplanıp, belirlenen uzaklıklar küçükten büyüğe doğru dizilip en yakın uzaklığa bağlı olarak komşuluklar belirlenmiştir. Uzaklığa en küçük olan veri 1. komşu, en büyük olan veri n. komşu (n ise toplam veri sayısı) olarak belirlenmiştir. Bu bağlamda k tane en yakın komşu sınıfları (kategorileri) toplanıp ardından en uygun komşu kategorisine ulaşılmıştır. Bir başka ifade ile bu değişkenler ve ekonomik özgürlük puanları yardımıyla farklı k değerleri ile hesaplanan analiz doğrultusunda OECD ülkelerinin 2017 yılına ait ekonomik özgürlük kategorileri tahmin edilerek gerçek kategorileriyle karşılaştırılmıştır. Bunlara ek olarak k-NN algoritması ve ekonomik özgürlükler ile ilgili geçmiş yıllara ait literatür taraması yapılmıştır.Çalışmadan elde edilen bulgulara göre; yedi ülkede (Belçika, Almanya, Letonya, Lüksemburg, Norveç, İspanya ve Türkiye) tüm k değerleri için algoritmanın doğru tahmin ettiği ve iki ülkede (Yunanistan ve Slovenya) da tüm k değerleri için yanlış tahminde bulunduğu çalışmanın en önemli bulguları arasındadır. Belirlenen k değerlerinden örnek olarak k=1 değeri için %80,5 oranında başarı sağlandığı gözlemlenmiştir.Anahtar Kelimeler: OECD, İthalat, İhracat, İşsizlik, Enflasyon, K-NN Algoritması, İndeks, Ekonomik İndeks

This study is to predict 2017 economic freedom index categories of 36 OECD countries including Turkey by the help of k-nearest neighbor (k-NN) 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 for different k values to measure the sensitivity of k parameter.In this study, first the distances of each data to the predicted data were calculated for different k values, the determined distances were arranged from nearest to farthest, and the neighborhoods were determined based on the closest distance. Data with the nearest distance is labeled as 1. neighbor, data with the farthest distance is labeled as the n. neighbor (n is the total number of data). In this context, k closest neighbor classes (categories) were collected and then the most suitable neighbor category is predicted. In other words, by the help of k-NN algorithm for different k values with macro-economic variables and economic freedom scores, the economic freedom categories of OECD countries for 2017 were estimated and compared with their real categories. In addition to these, a literature review of the previous years related to the k-NN algorithm and economic freedoms has been done.According to the findings obtained from the study; algorithm made the correct prediction for the seven countries (Belgium, Germany, Latvia, Luxembourg, Norway, Spain and Turkey). In addition, algorithm did not make the correct prediction for two countries such as Greece and Slovenia. One of the most interesting discoveries in this study that 80.5% success was achieved for k = 1 value.Keywords: OECD, Import, Export, Unemployment, Inflation, Index, Economic Index