- Nicel Bilimler Dergisi
- Vol: 2 Issue: 1
- TÜRKİYE’NİN GSYH DEĞERLERİNİN YAPAY SİNİR AĞLARI İLE TAHMİNİ ÜZERİNE BİR İNCELEME
TÜRKİYE’NİN GSYH DEĞERLERİNİN YAPAY SİNİR AĞLARI İLE TAHMİNİ ÜZERİNE BİR İNCELEME
Authors : Gizem Geçgil, Yakup Akgül
Pages : 61-77
View : 15 | Download : 8
Publication Date : 2020-06-30
Article Type : Other
Abstract :Makroekonominin en önemli konularından birisi milli gelir analizleri ve bu analizlerin yorumlanmasıdır. Bu analizlerin iyi yorumlanması ekonomilerin gidişatı hakkında fikir sahibi olmamızı sağlar. Milli gelirin en önemli araçlarından biri olan Gayrisafi Yurtiçi Hasıla (GSYH) kavramı ülkelerin ekonomisi hakkında genel bir görünüm vermektedir. GSYH ülkelerin ekonomik büyüme ve ekonomik kalkınma düzeyleri hakkında bilgi sahibi olmamızı sağlayan bir ölçüttür. Bu değerler ülke içindeki yerli ve yabancı vatandaşlar tarafından üretilen tüm mal ve hizmetleri kapsadığı için önem arz etmektedir. Gelişmekte olan Türkiye ekonomisi için de bu hasıla değerlerinin yüksek olması ekonomisinin gelişmesine katkıda bulunacaktır. Bu çalışmanın amacı Türkiye’nin GSYH değerlerini tahmin etmektir. Teknolojinin ivme kazanması ile son zamanlarda önemi daha çok artan yapay sinir ağı teknolojileri sayesinde birçok öngörü modellemesi yapılabilmektedir. Öngörü modellemesi ekonomik etkinlik ve milli gelir düzeyinin ölçülmesinde de kullanılabilmektedir. Bu bağlamda bu çalışmada GSYH’ ye etki edebilecek değişkenler seçilerek GSYH değerlerinin öngörülmesi amaçlanmıştır. Veriler 1998-2017 yıllarını kapsamaktadır. Bu çalışmada literatürde yer alan çalışmalar da göz önünde bulundurularak GSYH’ yi etkileyebileceği düşünülen hanehalkı tüketim harcaması-devlet nihai tüketim harcaması, ithalat-ihracat, sabit sermaye yatırımı-toplam yurtiçi tasarruf, brüt dış borç stoku-sanayi-üretim ve döviz alış-döviz satış kurları bağımsız değişken olarak belirlenmiştir. Modelin bağımlı değişkeni ise GSYH’ dir. Yapay sinir ağları (YSA) modellerinin geliştirilmesinde MATLAB R2013a programından faydalanılmıştır. 240 tane yıllık verinin %70’lik bölümü eğitim, %15’lik bölümü geçerlilik, kalan %15’lik bölümü ise test için rastgele ayrılmıştır. Öğrenme algoritması olarak Levenberg-Marquardt algoritması seçilmiştir. 2 ile 5 arasında gizli katman sayısı denenerek oluşturulan modelde en iyi sonuca gizli katman sayısı 5 olarak seçildiğinde ulaşılmıştır. 5 gizli katmanda R2=0,996140651, RMSE=19444911,6, MAE=15845918,2 ve MAPE=32,29791086 değerleri elde edilerek kurulan modelin kabul edilebilir olduğu sonucuna ulaşılmıştır. Ayrıca istatistiksel olarak gizli katman sayısı arttıkça modelin daha iyi sonuç verdiği görülmüştür. GSYH’ nin gerçek değerleri ile tahmin değerleri birbirine çok yakın çıkmıştır. Buradan Yapay Sinir Ağının tahmin gücünün yüksek olduğu tespit edilmiştir.Keywords : Yapay Sinir Ağı, GSYH, Milli Gelir, Tahmin