Zaman Serisi Kümeleme Yöntemi ile Küresel Cinsiyet Uçurumu Endeksinin Analizi

Abstract

Bu çalışma, dünya ülkelerinin Küresel Cinsiyet Uçurumu Endeksi (Global Gender Gap Index- GGGI) temelinde kümeleme analizini amaçlamaktadır. Bu kapsamda, 2006-2024 yıllarını kapsayan GGGI verileri derlenmiş ve 18 yıllık döneme ait zaman serisi verileri kullanılarak 99 ülkenin kümeleme analizi gerçekleştirilmiştir. Ülkeler arasındaki benzerliklerin belirlenmesi için uzaklık ölçütü olarak Dinamik Zaman Bükmesi (Dynamic Time Warping-DTW) yöntemi kullanılmıştır. Kümeleme analizinde hiyerarşik kümeleme (tek bağlantı, tam bağlantı ve Ward’s yöntemi), k-medoid kümeleme (Partitioning Around Medoids - PAM) ve spektral kümeleme teknikleri uygulanmıştır. Optimum küme sayısının belirlenmesinde ortalama silüet yöntemi kullanılmıştır. Kümeleme performanslarının değerlendirilmesi amacıyla ortalama silüet skoru, Dunn endeksi, Calinski-Harabasz kriteri ve kofenetik korelasyon katsayısı hesaplanmıştır. Analizler sonucunda, dünya ülkelerinin GGGI endeksine dayalı olarak iki temel kümede toplandığı tespit edilmiştir. İlk kümede yer alan ülkelerin GGGI değerlerinde artış eğilimi gözlemlenirken, ikinci kümede yer alan ülkelerin endeks değerlerinde azalan bir trendin olduğu belirlenmiştir.

Keywords

• zaman serisi kümeleme
• makine öğrenmesi
• küresel cinsiyet farkı endeksi
• time series clustering
• machine learning
• global gender gap index