SAYMA VERİLERİNİN MODELLENMESİ VE BİREYLERİN İŞSİZ KALMA SÜRESİ ÜZERİNE BİR UYGULAMA

Bağımlı değişkenin sayıma dayalı veri olması durumunda güvenilir tahminler yapabilmek için Sayma Verisi Regresyon Modellerinin kullanılması daha uygundur. Sayıma dayalı veriler kesikli bir yapıda olduğundan bu regresyon modelleri kesikli dağılımlardan yararlanılarak geliştirilmiştir. Bu çalışmada, Türkiye İstatistik Kurumu insert ignore into journalissuearticles values(TÜİK); 2019 yılı Gelir ve Yaşam Koşulları Araştırması insert ignore into journalissuearticles values(GKYA); verilerinden yararlanarak bir sayma verisi olan bireylerin işsiz kaldığı sürenin insert ignore into journalissuearticles values(ay cinsinden); modellenmesi amaçlanmıştır. Analizde kullanılacak bağımsız değişkenler, tüm olası alt küme yöntemi ile medeni durum, eğitim durumu, genel sağlık ve kronik hastalık olarak belirlenmiştir. Sayma veri regresyon modellerinden Poisson Regresyon insert ignore into journalissuearticles values(PR);, Negatif Binom Regresyon insert ignore into journalissuearticles values(NBR);, Sıfır Değer Ağırlıklı Negatif Binom Regresyon insert ignore into journalissuearticles values(ZINB); ve Genelleştirilmiş Poisson Regresyon insert ignore into journalissuearticles values(GPR); modelleri ele alınarak, bu dört model tahmin edilmiş ve veri setine en iyi uyum sağlayan model bilgi kriterleri ile belirlenmiştir. Tahmin edilen modeller içerisinde veri setine en iyi uyum sağlayan modelin ZINB modeli olduğu belirlenmiştir.