Bu çalışmada İBBS 2. düzey bölgelerin işgücü piyasası açısından etkinliklerinin ölçülmesi amaçlanmıştır. Demografik ve sosyo-ekonomik faktörler açısından 2017 yılının verileri esas alınarak iki model oluşturulmuş ve bu veriler kullanılarak EMS (Effficiency Measurement System) programı yardımıyla Veri Zarflama Analizi uygulanarak etkinlikleri bulunmaya çalışılmıştır. Demografik faktörlerin ele alındığı birinci modelde işsiz sayısı, nüfus, yaş, işyeri sayısı, lise veya dengi ve yüksekokul veya fakülte mezun sayıları girdi olarak kullanılırken işgücü ve istihdam edilenler çıktı olarak kullanılmıştır. Bu modele göre TR21 (Tekirdağ, Edirne, Kırklareli), TR82 (Kastamonu, Çankırı, Sinop), TR90 (Trabzon, Ordu, Giresun, Rize, Artvin, Gümüşhane), TRA2 (Ağrı, Kars, Iğdır, Ardahan), TRB2 (Van, Muş, Bitlis, Hakkari), TRC2 (Şanlıurfa, Diyarbakır) bölgeleri etkin olarak bulunmuştur. Sosyo ekonomik faktörlerin dikkate alındığı ikinci modelde işsiz sayısı, toplam ithalat ve il-ilçe nüfusu girdi olarak işgücü, istihdam edilenler, ortalama günlük kazanç, toplam ihracat ve kişi başına düşen gayri safi yurt içi hasıla değişkenleri çıktı olarak kullanılmıştır. Bu modele göre ise TR10 (İstanbul), TR41 (Bursa, Eskişehir, Bilecik), TR42 (Kocaeli, Sakarya, Düzce, Bolu, Yalova), TR81 (Zonguldak, Karabük, Bartın), TR82 (Kastamonu, Çankırı, Sinop), TR90 (Trabzon, Ordu, Giresun, Rize, Artvin, Gümüşhane), TRA1 (Erzurum, Erzincan, Bayburt), TRA2 (Ağrı, Kars, Iğdır, Ardahan) ve TRC1 (Gaziantep, Adıyaman, Kilis) etkin olarak bulunmuştur. Son olarak etkin olmayan bölgeler için potansiyel iyileştirme değerleri hesaplanarak çalışma sonlandırılmıştır. Anahtar Kelimeler: İşgücü, İstihdam, İşsizlik, İşgücü Piyasası, Etkinlik, Veri Zarflama Analizi.
In this study, it is aimed to measure the effectiveness of NUTS 2 regions in terms of labor market. In terms of demographic and socio-economic factors, two models were formed based on the data of 2017 and data envelopment analysis was applied with the help of EMS (Effficiency Measurement System) program. In the first model, where demographic factors were taken into consideration, the number of unemployed, population, age, number of workplaces, high school or equivalent and college or faculty graduates were used as inputs, while labor and employed were used as outputs. According to this model, TR21 (Tekirdağ, Edirne, Kırklareli), TR82 (Kastamonu, Çankırı, Sinop), TR90 (Trabzon, Ordu, Giresun, Rize, Artvin, Gümüşhane), TRA2 (Ağrı, Kars, Iğdır, Ardahan), TRB2 (Van) , Muş, Bitlis, Hakkari), TRC2 (Şanlıurfa, Diyarbakır) regions were found to be effective. In the second model, where socio-economic factors are taken into consideration, the number of unemployed, total imports and province-district population are used as inputs, labor, employed, average daily earnings, total exports and gross domestic product per capita variables are used as outputs. According to this model, TR10 (İstanbul), TR41 (Bursa, Eskişehir, Bilecik), TR42 (Kocaeli, Sakarya, Düzce, Bolu, Yalova), TR81 (Zonguldak, Karabük, Bartın), TR82 (Kastamonu, Çankırı, Sinop), TR90 (Trabzon, Ordu, Giresun, Rize, Artvin, Gümüşhane), TRA1 (Erzurum, Erzincan, Bayburt), TRA2 (Ağrı, Kars, Iğdır, Ardahan) and TRC1 (Gaziantep, Adıyaman, Kilis) were found to be active. Finally, potential improvement values for inactive regions were calculated and the study was finalized. Keywords: Labor, Employment, Unemployment, Efficiency, Labor Market, Data Envelopment Analysis: Labor, Employment, Unemployment, Efficiency, Labor Market, Data Envelopment Analysis.
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı, 2019.
Kaynakça var.
Bu çalışmada İBBS 2. düzey bölgelerin işgücü piyasası açısından etkinliklerinin ölçülmesi amaçlanmıştır. Demografik ve sosyo-ekonomik faktörler açısından 2017 yılının verileri esas alınarak iki model oluşturulmuş ve bu veriler kullanılarak EMS (Effficiency Measurement System) programı yardımıyla Veri Zarflama Analizi uygulanarak etkinlikleri bulunmaya çalışılmıştır. Demografik faktörlerin ele alındığı birinci modelde işsiz sayısı, nüfus, yaş, işyeri sayısı, lise veya dengi ve yüksekokul veya fakülte mezun sayıları girdi olarak kullanılırken işgücü ve istihdam edilenler çıktı olarak kullanılmıştır. Bu modele göre TR21 (Tekirdağ, Edirne, Kırklareli), TR82 (Kastamonu, Çankırı, Sinop), TR90 (Trabzon, Ordu, Giresun, Rize, Artvin, Gümüşhane), TRA2 (Ağrı, Kars, Iğdır, Ardahan), TRB2 (Van, Muş, Bitlis, Hakkari), TRC2 (Şanlıurfa, Diyarbakır) bölgeleri etkin olarak bulunmuştur. Sosyo ekonomik faktörlerin dikkate alındığı ikinci modelde işsiz sayısı, toplam ithalat ve il-ilçe nüfusu girdi olarak işgücü, istihdam edilenler, ortalama günlük kazanç, toplam ihracat ve kişi başına düşen gayri safi yurt içi hasıla değişkenleri çıktı olarak kullanılmıştır. Bu modele göre ise TR10 (İstanbul), TR41 (Bursa, Eskişehir, Bilecik), TR42 (Kocaeli, Sakarya, Düzce, Bolu, Yalova), TR81 (Zonguldak, Karabük, Bartın), TR82 (Kastamonu, Çankırı, Sinop), TR90 (Trabzon, Ordu, Giresun, Rize, Artvin, Gümüşhane), TRA1 (Erzurum, Erzincan, Bayburt), TRA2 (Ağrı, Kars, Iğdır, Ardahan) ve TRC1 (Gaziantep, Adıyaman, Kilis) etkin olarak bulunmuştur. Son olarak etkin olmayan bölgeler için potansiyel iyileştirme değerleri hesaplanarak çalışma sonlandırılmıştır. Anahtar Kelimeler: İşgücü, İstihdam, İşsizlik, İşgücü Piyasası, Etkinlik, Veri Zarflama Analizi.
In this study, it is aimed to measure the effectiveness of NUTS 2 regions in terms of labor market. In terms of demographic and socio-economic factors, two models were formed based on the data of 2017 and data envelopment analysis was applied with the help of EMS (Effficiency Measurement System) program. In the first model, where demographic factors were taken into consideration, the number of unemployed, population, age, number of workplaces, high school or equivalent and college or faculty graduates were used as inputs, while labor and employed were used as outputs. According to this model, TR21 (Tekirdağ, Edirne, Kırklareli), TR82 (Kastamonu, Çankırı, Sinop), TR90 (Trabzon, Ordu, Giresun, Rize, Artvin, Gümüşhane), TRA2 (Ağrı, Kars, Iğdır, Ardahan), TRB2 (Van) , Muş, Bitlis, Hakkari), TRC2 (Şanlıurfa, Diyarbakır) regions were found to be effective. In the second model, where socio-economic factors are taken into consideration, the number of unemployed, total imports and province-district population are used as inputs, labor, employed, average daily earnings, total exports and gross domestic product per capita variables are used as outputs. According to this model, TR10 (İstanbul), TR41 (Bursa, Eskişehir, Bilecik), TR42 (Kocaeli, Sakarya, Düzce, Bolu, Yalova), TR81 (Zonguldak, Karabük, Bartın), TR82 (Kastamonu, Çankırı, Sinop), TR90 (Trabzon, Ordu, Giresun, Rize, Artvin, Gümüşhane), TRA1 (Erzurum, Erzincan, Bayburt), TRA2 (Ağrı, Kars, Iğdır, Ardahan) and TRC1 (Gaziantep, Adıyaman, Kilis) were found to be active. Finally, potential improvement values for inactive regions were calculated and the study was finalized. Keywords: Labor, Employment, Unemployment, Efficiency, Labor Market, Data Envelopment Analysis: Labor, Employment, Unemployment, Efficiency, Labor Market, Data Envelopment Analysis.