Elvan Hayat
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Elvan Hayat has a total of 33 co-authors. Here are the top co-authors by number of shared publications:
- Aslı Suner
Faculty of Medicine, Department of Biostatistics and Medical Informatics, Ege University, İzmir, Turkey
2 shared publications - Hakan Öztürk
Department of Biostatistics, Aydın Adnan Menderes University, Faculty of Medicine, Aydın, Türkiye
2 shared publications - Şaban Erteki̇n
AYDIN ADNAN MENDERES ÜNİVERSİTESİ AYDIN İKTİSAT FAKÜLTESİ MALİYE BÖLÜMÜ
2 shared publications - Afet Sözen Özden
AYDIN ADNAN MENDERES ÜNİVERSİTESİ, SOSYAL BİLİMLER ENSTİTÜSÜ, EKONOMETRİ (YL) (TEZLİ)
1 shared publication - Alper Aytekin
Department of Management Information Systems, Faculty of Economics and Administrative Sciences, Niğde Ömer Halisdemir University, Niğde, Türkiye
1 shared publication - Atilla Gökçe
Ankara Haci Bayram Veli Universitesi
1 shared publication
Latest Publications
- Open Access
- 30 April 2026
- Published by MDPI AG in Applied Sciences
- Vol. 16 (9) , 4377
Predicting Borsa Istanbul Bank Indices Using Deep Neural Networks and Text Mining
This study investigates the forecasting of the XBANK banking index traded on Borsa Istanbul by integrating financial and textual data within a deep learning framework. Unlike the majority of existing studies that focus on stable market environments, this paper explicitly examines a period of heightened political uncertainty, namely the cancellation and re-run of the 2019 Istanbul local elections. This setting provides a unique opportunity to analyze how political events and news-driven information flows influence financial market dynamics. The empirical analysis is based on a comprehensive dataset that includes daily price indicators (opening, closing, high, and low values), technical indicators, selected macroeconomic variables, and Turkish-language news headlines. Textual data are processed using topic modeling techniques to extract latent information embedded in financial news, allowing for the incorporation of qualitative signals into the forecasting framework. From a methodological perspective, this study employs a feedforward deep neural network model designed to capture nonlinear relationships across heterogeneous and contemporaneous features. Feature selection is conducted using the Boruta algorithm, while hyperparameters are optimized via grid search. The model structure reflects a deliberate design choice aimed at capturing short-term, news-driven shocks and cross-feature interactions, which are particularly relevant during periods of political uncertainty. The results indicate that incorporating textual information significantly improves forecasting performance and that news topics related to political decisions, central bank policies, and geopolitical developments have a measurable impact on the XBANK index. Furthermore, the findings suggest that the political uncertainty surrounding the 2019 local elections led to increased market sensitivity and volatility, highlighting the role of information shocks in emerging financial markets. Overall, this study contributes to the literature by combining financial and textual data in an emerging market context, utilizing Turkish-language news sources, and providing empirical evidence on the impact of political uncertainty on the BIST bank index.
- 30 April 2026
- Published by MDPI AG in Applied Sciences
- Vol. 16 (9) , 4377
Open AccessPredicting Borsa Istanbul Bank Indices Using Deep Neural Networks and Text Mining
This study investigates the forecasting of the XBANK banking index traded on Borsa Istanbul by integrating financial and textual data within a deep learning framework. Unlike the majority of existing studies that focus on stable market environments, this paper explicitly examines a period of heightened political uncertainty, namely the cancellation and re-run of the 2019 Istanbul local elections. This setting provides a unique opportunity to analyze how political events and news-driven information flows influence financial market dynamics. The empirical analysis is based on a comprehensive dataset that includes daily price indicators (opening, closing, high, and low values), technical indicators, selected macroeconomic variables, and Turkish-language news headlines. Textual data are processed using topic modeling techniques to extract latent information embedded in financial news, allowing for the incorporation of qualitative signals into the forecasting framework. From a methodological perspective, this study employs a feedforward deep neural network model designed to capture nonlinear relationships across heterogeneous and contemporaneous features. Feature selection is conducted using the Boruta algorithm, while hyperparameters are optimized via grid search. The model structure reflects a deliberate design choice aimed at capturing short-term, news-driven shocks and cross-feature interactions, which are particularly relevant during periods of political uncertainty. The results indicate that incorporating textual information significantly improves forecasting performance and that news topics related to political decisions, central bank policies, and geopolitical developments have a measurable impact on the XBANK index. Furthermore, the findings suggest that the political uncertainty surrounding the 2019 local elections led to increased market sensitivity and volatility, highlighting the role of information shocks in emerging financial markets. Overall, this study contributes to the literature by combining financial and textual data in an emerging market context, utilizing Turkish-language news sources, and providing empirical evidence on the impact of political uncertainty on the BIST bank index.
- 29 April 2026
- Published by Bulent Evcevit University in Medical Journal of Western Black Sea
- Vol. 10 (1) , 70-80
Applications and research trends of large language models in healthcare: A bibliometric analysis
Aim: This study aims to reveal the current scientific studies and research trends on the use of Large Language Models (LLM) in the field of health by bibliometric analysis. Material and Methods: Data were sourced from open-access clinical research articles published between 2023 and 2025, extracted from the Web of Science database. A total of 173 articles meeting the inclusion criteria were analyzed using the “Bibliometrix” R package and the “Biblioshiny” interface, focusing on publication trends, co-authorship networks, keyword co-occurrences, and thematic mapping.Results: Results revealed a substantial rise in academic interest in LLMs within healthcare, with significant contributions from researchers in the United States, China, and various European countries. Prominent keywords such as "Artificial Intelligence," "ChatGPT," and "Medical Education" indicate that LLMs are increasingly explored for educational and clinical support applications. Thematic analysis identified emerging research areas including "performance," "health disparities," and "ethical challenges." While LLMs offer considerable opportunities in healthcare, they also present notable risks like data privacy issues, misinformation, and ethical oversight gaps.Conclusion: In conclusion, this study provides a comprehensive overview of LLM applications in healthcare, highlighting key research themes and identifying gaps within the current literature.
- 29 April 2026
- Published by Bulent Evcevit University in Medical Journal of Western Black Sea
- Vol. 10 (1) , 70-80
Applications and research trends of large language models in healthcare: A bibliometric analysis
Aim: This study aims to reveal the current scientific studies and research trends on the use of Large Language Models (LLM) in the field of health by bibliometric analysis. Material and Methods: Data were sourced from open-access clinical research articles published between 2023 and 2025, extracted from the Web of Science database. A total of 173 articles meeting the inclusion criteria were analyzed using the “Bibliometrix” R package and the “Biblioshiny” interface, focusing on publication trends, co-authorship networks, keyword co-occurrences, and thematic mapping.Results: Results revealed a substantial rise in academic interest in LLMs within healthcare, with significant contributions from researchers in the United States, China, and various European countries. Prominent keywords such as "Artificial Intelligence," "ChatGPT," and "Medical Education" indicate that LLMs are increasingly explored for educational and clinical support applications. Thematic analysis identified emerging research areas including "performance," "health disparities," and "ethical challenges." While LLMs offer considerable opportunities in healthcare, they also present notable risks like data privacy issues, misinformation, and ethical oversight gaps.Conclusion: In conclusion, this study provides a comprehensive overview of LLM applications in healthcare, highlighting key research themes and identifying gaps within the current literature.
- Open Access
- 29 December 2025
- Published by Pamukkale University in Pamukkale Üniversitesi İşletme Araştırmaları Dergisi
- Vol. 12 (2) , 462-476
Predicting Global Health Expenditures Using Machine Learning and Regularized Regression Methods
Health expenditures are crucial for countries’ economic sustainability and the effectiveness of health policies. Accurately modeling these expenditures is complex and requires methods beyond classical regression. This study aimed to estimate per capita health expenditures using machine learning and regularized regression approaches based on 2022 World Bank data from 190 countries. Missing values were imputed using the Multiple Imputation by Chained Equations (MICE) method. The dependent variable was per capita health expenditure, while independent variables included socioeconomic and demographic indicators. Six models—Support Vector Regression (SVR), Random Forest (RF), Extreme Gradient Boosting (XGBoost), Elastic Net, Lasso, and Ridge—were compared using RMSE, MAE, and R² metrics. SVR achieved the best performance (RMSE = 463 ± 13.3, R² = 0.940 ± 0.003). XGBoost yielded the lowest MAE (262 ± 15.5) with high accuracy (R² = 0.923 ± 0.007). GDP per capita was the most important predictor, followed by the proportion of elderly population, life expectancy, and urbanization rate. SVR and XGBoost models demonstrated high predictive power, highlighting their potential as decision-support tools for forecasting health expenditures.
- 29 December 2025
- Published by Pamukkale University in Pamukkale Üniversitesi İşletme Araştırmaları Dergisi
- Vol. 12 (2) , 462-476
Open AccessPredicting Global Health Expenditures Using Machine Learning and Regularized Regression Methods
Health expenditures are crucial for countries’ economic sustainability and the effectiveness of health policies. Accurately modeling these expenditures is complex and requires methods beyond classical regression. This study aimed to estimate per capita health expenditures using machine learning and regularized regression approaches based on 2022 World Bank data from 190 countries. Missing values were imputed using the Multiple Imputation by Chained Equations (MICE) method. The dependent variable was per capita health expenditure, while independent variables included socioeconomic and demographic indicators. Six models—Support Vector Regression (SVR), Random Forest (RF), Extreme Gradient Boosting (XGBoost), Elastic Net, Lasso, and Ridge—were compared using RMSE, MAE, and R² metrics. SVR achieved the best performance (RMSE = 463 ± 13.3, R² = 0.940 ± 0.003). XGBoost yielded the lowest MAE (262 ± 15.5) with high accuracy (R² = 0.923 ± 0.007). GDP per capita was the most important predictor, followed by the proportion of elderly population, life expectancy, and urbanization rate. SVR and XGBoost models demonstrated high predictive power, highlighting their potential as decision-support tools for forecasting health expenditures.
- 23 December 2025
- Published by Turkuaz Kongre Organizasyonu Fuarcılık Yayıncılık Eğitim Turizm ve Ticaret Ltd. Şti.
- p. 103-123
KUYRUK BAĞIMLILIĞININ KOPULA VE AŞIRI DEĞER TEORİSİ ÇERÇEVESİNDE ANALİZİ: BIST SINAİ ENDEKSİ-DÖVİZ KURU UYGULAMASI
Finansal piyasalarda risk yönetimi uzun yıllar boyunca büyük ölçüde normal dağılım varsayımına ve doğrusal korelasyon temelli yaklaşımlara dayanmıştır. Ancak finansal zaman serilerinin kalın kuyruk yapısı, oynaklık kümelenmesi ve ekstrem değerlerde artan birlikte hareket gibi özellikler sergilemesi, geleneksel yaklaşımların özellikle kriz dönemlerinde önemli ölçüde yetersiz kaldığını ortaya koymaktadır. Bu çalışmada, Borsa İstanbul Sınai Endeksi (BIST Sınai) ile ABD Doları-Türk Lirası döviz kuru (USD/TRY) arasındaki bağımlılık yapısı, Aşırı Değer Teorisi (Extreme Value Theory – EVT) ve kopula fonksiyonları birlikte kullanılarak incelenmiştir. Çalışmada 03.01.2022–03.12.2025 dönemine ait 981 günlük logaritmik getiri verisi kullanılmıştır. Gaussian, Student-t, Clayton ve Gumbel olmak üzere dört farklı kopula modeli karşılaştırılmış ve Akaike Bilgi Kriteri (AIC) sonuçlarına göre Gumbel kopulasının en uygun model olduğu belirlenmiştir. Bu bulgu, BIST Sınai endeksi ile USD/TRY arasındaki ilişkinin özellikle pozitif şoklar sırasında üst kuyrukta asimetrik ve güçlü bir bağımlılık yapısı sergilediğini ortaya koymaktadır. Ayrıca eşit ağırlıklı bir portföy için %99 güven düzeyinde hesaplanan Riske Maruz Değer (VaR) sonuçları, geleneksel normal dağılıma dayalı yöntemlerin riski yaklaşık %21 oranında eksik tahmin ettiğini göstermektedir. Elde edilen bulgular, finansal riskin yalnızca piyasalar arası korelasyondan değil, aynı zamanda marjinal dağılımlardaki şişman kuyruk (fat-tail) yapısından da kaynaklandığını ortaya koymakta ve EVT tabanlı kopula yaklaşımlarının risk yönetiminde kullanılmasının önemini vurgulamaktadır.
- 23 December 2025
- Published by Turkuaz Kongre Organizasyonu Fuarcılık Yayıncılık Eğitim Turizm ve Ticaret Ltd. Şti.
- p. 103-123
KUYRUK BAĞIMLILIĞININ KOPULA VE AŞIRI DEĞER TEORİSİ ÇERÇEVESİNDE ANALİZİ: BIST SINAİ ENDEKSİ-DÖVİZ KURU UYGULAMASI
Finansal piyasalarda risk yönetimi uzun yıllar boyunca büyük ölçüde normal dağılım varsayımına ve doğrusal korelasyon temelli yaklaşımlara dayanmıştır. Ancak finansal zaman serilerinin kalın kuyruk yapısı, oynaklık kümelenmesi ve ekstrem değerlerde artan birlikte hareket gibi özellikler sergilemesi, geleneksel yaklaşımların özellikle kriz dönemlerinde önemli ölçüde yetersiz kaldığını ortaya koymaktadır. Bu çalışmada, Borsa İstanbul Sınai Endeksi (BIST Sınai) ile ABD Doları-Türk Lirası döviz kuru (USD/TRY) arasındaki bağımlılık yapısı, Aşırı Değer Teorisi (Extreme Value Theory – EVT) ve kopula fonksiyonları birlikte kullanılarak incelenmiştir. Çalışmada 03.01.2022–03.12.2025 dönemine ait 981 günlük logaritmik getiri verisi kullanılmıştır. Gaussian, Student-t, Clayton ve Gumbel olmak üzere dört farklı kopula modeli karşılaştırılmış ve Akaike Bilgi Kriteri (AIC) sonuçlarına göre Gumbel kopulasının en uygun model olduğu belirlenmiştir. Bu bulgu, BIST Sınai endeksi ile USD/TRY arasındaki ilişkinin özellikle pozitif şoklar sırasında üst kuyrukta asimetrik ve güçlü bir bağımlılık yapısı sergilediğini ortaya koymaktadır. Ayrıca eşit ağırlıklı bir portföy için %99 güven düzeyinde hesaplanan Riske Maruz Değer (VaR) sonuçları, geleneksel normal dağılıma dayalı yöntemlerin riski yaklaşık %21 oranında eksik tahmin ettiğini göstermektedir. Elde edilen bulgular, finansal riskin yalnızca piyasalar arası korelasyondan değil, aynı zamanda marjinal dağılımlardaki şişman kuyruk (fat-tail) yapısından da kaynaklandığını ortaya koymakta ve EVT tabanlı kopula yaklaşımlarının risk yönetiminde kullanılmasının önemini vurgulamaktadır.
- Open Access
- 27 December 2023
- Published by Adnan Menderes University in Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi
- Vol. 10 (2) , 120-139
Hisse Senedi Piyasası Analizinde Farklı Derin Sinir Ağı Modellerinin Karşılaştırılması
Yatırımcılar, tasarruflarını getiri potansiyeli yüksek varlıklara yönlendirerek portföylerini güçlendirmeyi ve daha yüksek getiri elde etmeyi hedefliyor. Çeşitli finansal araçlar arasında hisse senetleri yüksek getiri potansiyeli sunan yatırım araçları olarak değerlendirilmektedir. Sonuç olarak hisse senedi fiyat tahmini birçok yatırımcı ve araştırmacının merak konusu olmuştur ve olmaya da devam etmektedir. Ancak yüksek getiri arayışı aynı zamanda yüksek riskleri ve belirsizlikleri de beraberinde getiriyor. Bu belirsizliğin temel kaynakları arasında hisse senedi fiyatlarını etkileyen siyasi olaylar, toplumsal gelişmeler, uluslararası ilişkiler ve sektörel değişimler yer alıyor. Bu çok yönlü ve karmaşık faktörlerin tahmini zordur ve hisse senedi fiyat hareketlerini tahmin etme görevini doğası gereği zorlaştırır. Geleneksel olarak hisse senedi fiyat tahminleri istatistiksel ve ekonometrik yöntemlere dayanmaktaydı. Son yıllarda teknoloji ve bilgisayar bilimlerindeki ilerlemeler, hisse senedi fiyat tahminlerinde yapay zeka ve makine öğrenmesi metodolojilerinin giderek daha fazla kullanılmasına yol açmıştır. 2000'li yıllardan itibaren derin öğrenme yöntemlerinin gelişmesiyle birlikte hisse senedi fiyat hareketlerindeki karmaşık ilişkiler tespit edilmeye başlanmış ve başarılı sonuçlar elde edilmiştir. Bu çalışmada, çok değişkenli Derin Sinir Ağları (Deep Neural Network-DNN), Evrişimsel Sinir Ağları (Convolutional Neural Network-CNN) ve Tekrarlayan Sinir Ağları (Recurrent Neural Networks-RNN) modelleri kullanılarak hisse senedi fiyatlarını tahmin etmek ve modellerin performanslarını karşılaştırmak amaçlanmıştır. Bu amaçla, Vestel Elektronik Sanayi ve Ticaret A.Ş. (VESTL) için 03/06/2013-28/05/2021 tarihleri arasında günlük hisse senedi kapanış fiyatları serisi ve bu seriye etki edebilecek bağımsız değişkenler ele alınarak analizler yapılmıştır. Analiz sonuçlarına göre, en iyi performans gösteren modelin CNN olduğu belirlenmiş ve bu modelin RMSE değeri 0.0858 olarak hesaplanmıştır.
- 27 December 2023
- Published by Adnan Menderes University in Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi
- Vol. 10 (2) , 120-139
Open AccessHisse Senedi Piyasası Analizinde Farklı Derin Sinir Ağı Modellerinin Karşılaştırılması
Yatırımcılar, tasarruflarını getiri potansiyeli yüksek varlıklara yönlendirerek portföylerini güçlendirmeyi ve daha yüksek getiri elde etmeyi hedefliyor. Çeşitli finansal araçlar arasında hisse senetleri yüksek getiri potansiyeli sunan yatırım araçları olarak değerlendirilmektedir. Sonuç olarak hisse senedi fiyat tahmini birçok yatırımcı ve araştırmacının merak konusu olmuştur ve olmaya da devam etmektedir. Ancak yüksek getiri arayışı aynı zamanda yüksek riskleri ve belirsizlikleri de beraberinde getiriyor. Bu belirsizliğin temel kaynakları arasında hisse senedi fiyatlarını etkileyen siyasi olaylar, toplumsal gelişmeler, uluslararası ilişkiler ve sektörel değişimler yer alıyor. Bu çok yönlü ve karmaşık faktörlerin tahmini zordur ve hisse senedi fiyat hareketlerini tahmin etme görevini doğası gereği zorlaştırır. Geleneksel olarak hisse senedi fiyat tahminleri istatistiksel ve ekonometrik yöntemlere dayanmaktaydı. Son yıllarda teknoloji ve bilgisayar bilimlerindeki ilerlemeler, hisse senedi fiyat tahminlerinde yapay zeka ve makine öğrenmesi metodolojilerinin giderek daha fazla kullanılmasına yol açmıştır. 2000'li yıllardan itibaren derin öğrenme yöntemlerinin gelişmesiyle birlikte hisse senedi fiyat hareketlerindeki karmaşık ilişkiler tespit edilmeye başlanmış ve başarılı sonuçlar elde edilmiştir. Bu çalışmada, çok değişkenli Derin Sinir Ağları (Deep Neural Network-DNN), Evrişimsel Sinir Ağları (Convolutional Neural Network-CNN) ve Tekrarlayan Sinir Ağları (Recurrent Neural Networks-RNN) modelleri kullanılarak hisse senedi fiyatlarını tahmin etmek ve modellerin performanslarını karşılaştırmak amaçlanmıştır. Bu amaçla, Vestel Elektronik Sanayi ve Ticaret A.Ş. (VESTL) için 03/06/2013-28/05/2021 tarihleri arasında günlük hisse senedi kapanış fiyatları serisi ve bu seriye etki edebilecek bağımsız değişkenler ele alınarak analizler yapılmıştır. Analiz sonuçlarına göre, en iyi performans gösteren modelin CNN olduğu belirlenmiş ve bu modelin RMSE değeri 0.0858 olarak hesaplanmıştır.
- Open Access
- 15 June 2023
- Published by Yonetim ve Ekonomi in Yönetim ve Ekonomi Dergisi
- Vol. 30 (2) , 225-238
Estimating the Number of Unemployed Months for Individuals in Turkey with the Poisson and Negative Binomial Regression Models
Unemployment is one of the greatest economic and social problems in Turkey, as well as it is in many other countries in the world. Unemployment is often explained by macroeconomic factors. However, demographic and individual characteristics also have an effect on the unemployment duration of individuals, in addition to the macroeconomic factors. The present study aims to find the factors that have an effect on the duration of unemployment of individuals in Turkey with count data regression models. Therefore, the present study examined Poisson Regression (PR) and Negative Binomial Regression (NBR) models, which are used in cases that the dependent variable is count data. The study also aims to determine the model with the best fit to the dataset among the estimated models. In the study, the number of months in which individuals were unemployed was modeled, using the data obtained from the Survey of Income and Living Conditions (SILC) micro dataset of the Turkish Statistical Institute (TURKSTAT) in 2019. 62713 people aged 15 and over participated in the SILC, of which 5889 reported that they were unemployed for one month or more. A model with the best fit and with the independent variables of marital status, education status, and general health status was determined among the seven models determined by the forward selection method. It has been determined that the model that best fits the dataset among the predicted models is the NBR model according to the Akaike Information Criterion (AIC). Key Words: Count data, Poisson Regression Model, Negative Binomial Regression Model JEL Classification: C10, C46, D30
- 15 June 2023
- Published by Yonetim ve Ekonomi in Yönetim ve Ekonomi Dergisi
- Vol. 30 (2) , 225-238
Open AccessEstimating the Number of Unemployed Months for Individuals in Turkey with the Poisson and Negative Binomial Regression Models
Unemployment is one of the greatest economic and social problems in Turkey, as well as it is in many other countries in the world. Unemployment is often explained by macroeconomic factors. However, demographic and individual characteristics also have an effect on the unemployment duration of individuals, in addition to the macroeconomic factors. The present study aims to find the factors that have an effect on the duration of unemployment of individuals in Turkey with count data regression models. Therefore, the present study examined Poisson Regression (PR) and Negative Binomial Regression (NBR) models, which are used in cases that the dependent variable is count data. The study also aims to determine the model with the best fit to the dataset among the estimated models. In the study, the number of months in which individuals were unemployed was modeled, using the data obtained from the Survey of Income and Living Conditions (SILC) micro dataset of the Turkish Statistical Institute (TURKSTAT) in 2019. 62713 people aged 15 and over participated in the SILC, of which 5889 reported that they were unemployed for one month or more. A model with the best fit and with the independent variables of marital status, education status, and general health status was determined among the seven models determined by the forward selection method. It has been determined that the model that best fits the dataset among the predicted models is the NBR model according to the Akaike Information Criterion (AIC). Key Words: Count data, Poisson Regression Model, Negative Binomial Regression Model JEL Classification: C10, C46, D30
- Open Access
- 30 December 2022
- Published by Erciyes Universitesi (DergiPark) in Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi
- No. 63,p. 39-47
TÜRKİYE’DE İLLERİN KAMU HARCAMALARI VE KAMU GELİRLERİ AÇISINDAN KÜMELEME ANALİZİ YÖNTEMİ İLE SINIFLANDIRILMASI
Tüm Dünya’da olduğu gibi Türkiye’de de doğal ve toplumsal kaynakların dengeli ve eşit dağılmadığı bir gerçektir. Bu gerçeklik bir ülkedeki iller ve bölgeler ve hatta ülkeler arasındaki gelişmişlik farklılıklarının en önemli sebeplerinden biri kabul edilmektedir. Bölgesel gelişmişlik farklılıkların azaltılmasında kamu kesimi tarafından kullanılan mali araçların başında ise kamu harcamaları ve kamu gelirleri gelmektedir. Bu çalışmada Türkiye’de fonksiyonel kamu harcamalarının ve kamu gelirlerinin iller arasındaki dağılımı analiz edilmiş ve kamu harcamalarının ve kamu gelirlerinin dağılımına göre illerin nasıl kümelendikleri incelenmiştir. Analizde Kümeleme Analizi Yöntemi kullanılmıştır. Yapılan analiz sonucunda kamu harcamalarının büyük oranda nüfusun, iktisadi ve ticari hayatın kısmen daha yoğun olan Kocaeli, İstanbul, İzmir gibi iller tarafından ödenen vergilerle finanse edildiği sonucuna ulaşılmıştır. Harcamaların ise daha çok Tunceli, Iğdır ve Artvin gibi illerde yoğunlaştığı kısaca sosyal hukuk devleti olmanın gereği olarak kamu bütçesi yoluyla yerel ihtiyaçlara uygun olarak transfer edildiği gözlemlenmiştir.
- 30 December 2022
- Published by Erciyes Universitesi (DergiPark) in Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi
- No. 63,p. 39-47
Open AccessTÜRKİYE’DE İLLERİN KAMU HARCAMALARI VE KAMU GELİRLERİ AÇISINDAN KÜMELEME ANALİZİ YÖNTEMİ İLE SINIFLANDIRILMASI
Tüm Dünya’da olduğu gibi Türkiye’de de doğal ve toplumsal kaynakların dengeli ve eşit dağılmadığı bir gerçektir. Bu gerçeklik bir ülkedeki iller ve bölgeler ve hatta ülkeler arasındaki gelişmişlik farklılıklarının en önemli sebeplerinden biri kabul edilmektedir. Bölgesel gelişmişlik farklılıkların azaltılmasında kamu kesimi tarafından kullanılan mali araçların başında ise kamu harcamaları ve kamu gelirleri gelmektedir. Bu çalışmada Türkiye’de fonksiyonel kamu harcamalarının ve kamu gelirlerinin iller arasındaki dağılımı analiz edilmiş ve kamu harcamalarının ve kamu gelirlerinin dağılımına göre illerin nasıl kümelendikleri incelenmiştir. Analizde Kümeleme Analizi Yöntemi kullanılmıştır. Yapılan analiz sonucunda kamu harcamalarının büyük oranda nüfusun, iktisadi ve ticari hayatın kısmen daha yoğun olan Kocaeli, İstanbul, İzmir gibi iller tarafından ödenen vergilerle finanse edildiği sonucuna ulaşılmıştır. Harcamaların ise daha çok Tunceli, Iğdır ve Artvin gibi illerde yoğunlaştığı kısaca sosyal hukuk devleti olmanın gereği olarak kamu bütçesi yoluyla yerel ihtiyaçlara uygun olarak transfer edildiği gözlemlenmiştir.
- Open Access
- 29 December 2022
- Published by Adnan Menderes University in Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi
- Vol. 9 (2) , 129-148
Chaid Analizi ile Türkiye’de Cepten Yapılan Sağlık Harcamalarının İncelenmesi
Cepten yapılan sağlık harcamaları, bireylerin ve hanehalklarının sağlık hizmetlerinden yararlanmak için doğrudan hizmet sunuculara yaptığı ve kendilerine geri ödemesi yapılmayan harcamalar olarak tanımlanmaktadır. Bireyleri, hanehalklarını ve sağlık sektörü finansmanını etkileyen cepten sağlık harcamalarının belirleyicilerinin tespit edilmesi oldukça önemlidir. Bu çalışmada “Türkiye’de bireylerin ve hanehalklarının cepten sağlık harcaması yapmalarında etkili olan demografik değişkenler nelerdir?” sorusuna cevap aranmaya çalışılmıştır. Bu amaçla Türkiye’de hane halklarının yapmış oldukları cepten sağlık harcamalarını etkileyen faktörlerin karar ağacı algoritmalarından biri olan CHAID algoritması ile belirlenmesi amaçlanmıştır. Bu amaçla, Türkiye İstatistik Kurumu’nun (TÜİK) yayınladığı 2019 yılı Hanehalkı Bütçe Anketi (HBA) verileri elde edilerek CHAID analizi gerçekleştirilmiştir. CHAID analizi bulgularına göre; hanelerin cepten sağlık harcaması yapıp yapmama durumunu etkileyen en önemli değişkenin “reel gelir” değişkeni olduğu belirlenmiştir. Reel gelirin çeşitli düzeylerine göre de “hanede 65 yaş üstü birey olup olmaması”, “hanehalkı reisinin medeni durumu” ve “hanede 5 yaş altı bireyin olup olmaması” değişkenleri cepten sağlık harcaması yapıp yapmama durumunu etkileyen önemli değişkenler olarak belirlenmiştir.
- 29 December 2022
- Published by Adnan Menderes University in Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi
- Vol. 9 (2) , 129-148
Open AccessChaid Analizi ile Türkiye’de Cepten Yapılan Sağlık Harcamalarının İncelenmesi
Cepten yapılan sağlık harcamaları, bireylerin ve hanehalklarının sağlık hizmetlerinden yararlanmak için doğrudan hizmet sunuculara yaptığı ve kendilerine geri ödemesi yapılmayan harcamalar olarak tanımlanmaktadır. Bireyleri, hanehalklarını ve sağlık sektörü finansmanını etkileyen cepten sağlık harcamalarının belirleyicilerinin tespit edilmesi oldukça önemlidir. Bu çalışmada “Türkiye’de bireylerin ve hanehalklarının cepten sağlık harcaması yapmalarında etkili olan demografik değişkenler nelerdir?” sorusuna cevap aranmaya çalışılmıştır. Bu amaçla Türkiye’de hane halklarının yapmış oldukları cepten sağlık harcamalarını etkileyen faktörlerin karar ağacı algoritmalarından biri olan CHAID algoritması ile belirlenmesi amaçlanmıştır. Bu amaçla, Türkiye İstatistik Kurumu’nun (TÜİK) yayınladığı 2019 yılı Hanehalkı Bütçe Anketi (HBA) verileri elde edilerek CHAID analizi gerçekleştirilmiştir. CHAID analizi bulgularına göre; hanelerin cepten sağlık harcaması yapıp yapmama durumunu etkileyen en önemli değişkenin “reel gelir” değişkeni olduğu belirlenmiştir. Reel gelirin çeşitli düzeylerine göre de “hanede 65 yaş üstü birey olup olmaması”, “hanehalkı reisinin medeni durumu” ve “hanede 5 yaş altı bireyin olup olmaması” değişkenleri cepten sağlık harcaması yapıp yapmama durumunu etkileyen önemli değişkenler olarak belirlenmiştir.
- Open Access
- 30 June 2022
- Published by Tokat Gaziosmanpasa Universitesi Sosyal Bilimler Arastirmalari Dergisi in Sosyal Bilimler Araştırmaları Dergisi
- Vol. 17 (1) , 79-91
KAMU SOSYAL HARCAMALARININ YOKSULLUK RİSKİ ÜZERİNDEKİ ETKİSİNİN EKONOMETRİK ANALİZİ
Yoksulluk olgusu genel olarak az gelişmiş ülkelere özgü bir sorun olarak algılansa da, gelişmiş ülkeler için de önemli bir problem olmaya devam etmektedir. Bu sebeple, gelişmiş ülkelerde de yoksullukla mücadele devlete atfedilen görevler arasında kabul edilmektedir. Bu çalışmada, Avrupa Birliği ve Türkiye’de kamu sosyal harcamalarının yoksulluk üzerindeki etkileri belirlenmeye çalışılmıştır. Bunun için 23 ülkenin 2005-2019 dönemine ait yoksulluk riski ile kamu sosyal harcamaları, kamu sağlık harcamaları, vergi yükü ve enflasyon oranının yıllık verileri kullanılarak yoksulluk ile kamu sosyal harcamalar arasındaki ilişki panel veri analiziyle tahmin edilmiştir. Analiz sonuçlarında AB ülkeleri ve Türkiye’de kamu sosyal harcamaları ile yoksulluk arasında literatüre uygun olarak negatif yönlü bir ilişki olduğu sonucu elde edilmiştir. Elde edilen sonuçlara göre sosyal harcamalardaki 1 birimlik artışın, yoksulluk riskini 0.194 birim azalttığı belirlenmiştir. Özellikle Covid-19 gibi salgın dönemlerinde yoksullukla mücadelede sosyal harcamaların etkin bir araç olarak kullanılabileceği belirlenmiştir.
- 30 June 2022
- Published by Tokat Gaziosmanpasa Universitesi Sosyal Bilimler Arastirmalari Dergisi in Sosyal Bilimler Araştırmaları Dergisi
- Vol. 17 (1) , 79-91
Open AccessKAMU SOSYAL HARCAMALARININ YOKSULLUK RİSKİ ÜZERİNDEKİ ETKİSİNİN EKONOMETRİK ANALİZİ
Yoksulluk olgusu genel olarak az gelişmiş ülkelere özgü bir sorun olarak algılansa da, gelişmiş ülkeler için de önemli bir problem olmaya devam etmektedir. Bu sebeple, gelişmiş ülkelerde de yoksullukla mücadele devlete atfedilen görevler arasında kabul edilmektedir. Bu çalışmada, Avrupa Birliği ve Türkiye’de kamu sosyal harcamalarının yoksulluk üzerindeki etkileri belirlenmeye çalışılmıştır. Bunun için 23 ülkenin 2005-2019 dönemine ait yoksulluk riski ile kamu sosyal harcamaları, kamu sağlık harcamaları, vergi yükü ve enflasyon oranının yıllık verileri kullanılarak yoksulluk ile kamu sosyal harcamalar arasındaki ilişki panel veri analiziyle tahmin edilmiştir. Analiz sonuçlarında AB ülkeleri ve Türkiye’de kamu sosyal harcamaları ile yoksulluk arasında literatüre uygun olarak negatif yönlü bir ilişki olduğu sonucu elde edilmiştir. Elde edilen sonuçlara göre sosyal harcamalardaki 1 birimlik artışın, yoksulluk riskini 0.194 birim azalttığı belirlenmiştir. Özellikle Covid-19 gibi salgın dönemlerinde yoksullukla mücadelede sosyal harcamaların etkin bir araç olarak kullanılabileceği belirlenmiştir.
- Open Access
- 3 January 2022
- Published by Academician Publishing
Bireyden Yapay Zekaya Sosyoekonomik ve Kültürel Çalışmalar
Bartın Üniversitesi Yönetim Bilişim Sistemleri Öğrencilerinin Cep Telefonu Seçiminin Analitik Hiyerarşik Süreç ve Bulanık Analitik Hiyerarşik Süreç Yöntemleri Kullanılarak Belirlenmesi Alper AYTEKİN Fatma AKGÜN Hakan AYDOGAN Teknoloji ve Kültür Cemal ÇELİK Yavuz Tansoy YILDIRIM Avrupa Birliği Hukukunda ve Türk Hukukunda Ürün Güvenliği Ebru CEYLAN Büyük Veri ve Gayrimenkul Sektöründe Uygulama Örnekleri Elvan HAYAT Doğrusal Olmayan Zaman Serilerinde Birim Kök Testleri: KSS ve Kruse Testleri Gülçin KENDİRKIRAN Atilla GÖKÇE Geleneksel Tarihi Çevrelerde Kültür Turizmi, Kula (Katakekaumene-Yanık Diyar) Kentsel Sit Alanı Özlem ATALAN Dağlık Karabağ’ın Yeniden İmarı ve Kalkınmasında Azerbaycan-Türkiye Ekonomik İşbirliğinin Rolü ve Önemi Tekmez KULU Elşad YUSİFOV Azerbaycan’da Yenilikçi Gelişimin Analizi ve Uluslararası Deneyim Elşad YUSİFOV Tekmez KULU İnsan Kaynakları Yönetiminde Blok Zincir Teknolojisinin Kullanımı Zümrüt Hatun DEMİREL Türk Sosyal Sigortalar Sisteminde Ölüm Geliri/Aylığı Bağlanmasında Hak Sahibi Olma Şartları ve Bu Şartların Diğer Veriler Kapsamında Revize Edilmesine Yönelik Bir Değerlendirme Neşe ÖNDER YAŞAR Muhammed KARATAŞ Kadızâde Mehmed Efendi’ye Ait Bir İlmihal Kitabı: Cevâhirü’l-İslâm Bilal ELBİR
- 3 January 2022
- Published by Academician Publishing
Open AccessBireyden Yapay Zekaya Sosyoekonomik ve Kültürel Çalışmalar
Bartın Üniversitesi Yönetim Bilişim Sistemleri Öğrencilerinin Cep Telefonu Seçiminin Analitik Hiyerarşik Süreç ve Bulanık Analitik Hiyerarşik Süreç Yöntemleri Kullanılarak Belirlenmesi Alper AYTEKİN Fatma AKGÜN Hakan AYDOGAN Teknoloji ve Kültür Cemal ÇELİK Yavuz Tansoy YILDIRIM Avrupa Birliği Hukukunda ve Türk Hukukunda Ürün Güvenliği Ebru CEYLAN Büyük Veri ve Gayrimenkul Sektöründe Uygulama Örnekleri Elvan HAYAT Doğrusal Olmayan Zaman Serilerinde Birim Kök Testleri: KSS ve Kruse Testleri Gülçin KENDİRKIRAN Atilla GÖKÇE Geleneksel Tarihi Çevrelerde Kültür Turizmi, Kula (Katakekaumene-Yanık Diyar) Kentsel Sit Alanı Özlem ATALAN Dağlık Karabağ’ın Yeniden İmarı ve Kalkınmasında Azerbaycan-Türkiye Ekonomik İşbirliğinin Rolü ve Önemi Tekmez KULU Elşad YUSİFOV Azerbaycan’da Yenilikçi Gelişimin Analizi ve Uluslararası Deneyim Elşad YUSİFOV Tekmez KULU İnsan Kaynakları Yönetiminde Blok Zincir Teknolojisinin Kullanımı Zümrüt Hatun DEMİREL Türk Sosyal Sigortalar Sisteminde Ölüm Geliri/Aylığı Bağlanmasında Hak Sahibi Olma Şartları ve Bu Şartların Diğer Veriler Kapsamında Revize Edilmesine Yönelik Bir Değerlendirme Neşe ÖNDER YAŞAR Muhammed KARATAŞ Kadızâde Mehmed Efendi’ye Ait Bir İlmihal Kitabı: Cevâhirü’l-İslâm Bilal ELBİR