GM (1,1) Modeli ve Doğrusal Trend Analizi ile Türkiye’nin Ziyaretçi Sayısı ve Kişi Başı Ortalama Harcama Miktarı Temelinde Turizm Geliri ve Giderinin Tahmini

Year 2021, Volume: 12 Issue: 2, 303 - 324, 29.05.2021

Ali Şimşek , Nuri Ömürbek

Abstract

Turizm sektörü gelişmekte olan ve gelişmiş olan ülkeler için büyük bir öneme sahiptir. Bu önem, bilgi ve iletişim teknolojisinin gelişmesi, ulaşım standartlarının yükselmesi ve refah düzeyinin artması gibi nedenlerle giderek değeri katlanan bir hal almıştır. Bu çalışmanın amacı, Türkiye’nin turizm geliri (gelen ziyaretçi sayısı ve kişi başı ortalama harcama) ve gideri (giden ziyaretçi vatandaş sayısı ve kişi başı ortalama harcama) değerlerinin GM(1,1) modeliyle ve doğrusal trend analizi yöntemiyle tahmin edilmesidir. Turizm geliri ve gideri değerlerine ait veri seti 2012-2019 yılları arasını kapsamakta olup Türkiye İstatistik Kurumu’ndan alınmıştır. 2020-2023 yılları arasındaki tahmini değerlerin elde edilmesi için Excel (GM(1,1) Modeli) ile Minitab programı (Doğrusal Trend Analizi) kullanılmıştır. Her iki yöntem açısından çalışmanın sonucunda, turizm geliri (kişi başı ortalama harcama) ile gideri (kişi başı ortalama harcama) değerlerinin negatif yönlü bir eğilim içinde oldukları tespit edilmiştir. Ziyaretçi sayısının ve ziyaretçi vatandaş sayısının ise pozitif yönlü bir eğilim göstereceği belirlenmiştir.

Keywords

Gri Teori, GM(1,1) Modeli, Turizm Geliri, Turizm Gideri

Estimate of Tourism Income and Expense Based on The Number of Visitors and Average Expenditure Per Person of Turkey Using GM (1,1) Model and Linear Trend Analysis

Abstract

The tourism sector is of great importance to developing and developed countries. This importance has become a value added by expense due to reasons such as the development of information and communication technology, the increase in transportation standards and the increase in the level of welfare. The aim of this study is to estimate Turkish tourism income (number of visitors and average per-person expenditure) and outgoings (number of visitors to outside and average per-person expenditure) using the GM(1,1) model and linear trend analysis method. Data on tourism income and expenses are gathered for the years 2012-2019 and are taken from the Turkish Statistical Institute. Excel (GM(1,1) model) and Minitab (Linear Trend Analysis) tools were used to calculate the projected values between 2020 and 2023. The study of both approaches showed that the prices of tourism income (average expenditure per person) and outgoings (average expenditure per person) are in a negative trend. It's been decided that the number of tourists and the number of people attending would demonstrate an optimistic pattern.

Keywords

Gray Theory, , GM(1,1) Model, Tourism Income, Tourism Expenditures

References

• Aksoy, E. ve Akçakanat, Ö. (2019). Bankalarda bireysel kredi riskinin gm(1,1) modeli ile tahmin edilmesi. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(2), 70-98.
• Alagöz, M. ve Erdoğan, S. (2008). İhracat ile turizm gelirlerindeki değişimin cari işlemler dengesi üzerine etkisi: 1985-2005. Karamanoğlu Mehmetbey Üniversitesi Sosyal ve Ekonomik Araştırmalar Dergisi, 2008(1), 214-227.
• Aydemir, E., Karaatlı, M., Yılmaz, G. & Aksoy, S. (2014). 112 acil çağrı merkezine gelen çağrı sayılarını belirleyebilmek için bir yapay sinir ağları tahminleme modeli geliştirilmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 20(5), 145-149.
• Bilgil, H., Öztürk, Z. & Özgül, E. (2019). Gri tahmin modeli ve uygulaması. Aksaray University Journal of Science and Engineering, 3(2), 75-81.
• Chen, C.-F., Chang, Y.-H. & Chang, Y.-W. (2009). Seasonal arıma forecasting of inbound air travel arrivals to Taiwan. Transportmetrica, 5(2), 125-140.
• Chen, S.-W., Li, Z.-G. & Zhou, S.-X. (2005). Application of non-equal interval gm(1,1) model in oil monitoring of internal combustion engine. Journal of Central South University of Technology, 12(6), 705-708.
• Çiçek, H. ve Doğan, İ. (2018). Türkiye’de canlı sığır ve sığır eti ithalatındaki gelişmeler ve üretici fiyatlarının trend modelleri ile incelenmesi. Kocatepe Veterinary Journal, 11(1), 1-10.
• Çuhadar, M. (2020). Türkiye’nin dış aktif turizm gelirlerinin alternatif yaklaşımlarla modellenmesi ve tahmini. Ankara Hacı Bayram Veli Üniversitesi Turizm Fakültesi Dergisi, 23(1), 115-141.
• Dang, H.-S., Huang, Y.-F., Wang, C.-H. & Nguyen, T.-M.-T. (2016). An application of the short-term forecasting with limited data in the healthcare traveling industry. Sustainability, 8(10/1037), 1-14.
• Dikmetaş Yardan, E., Demirkıran, M. & Yabana Kiremit, B. (2016). Türkiye sağlık harcamaları trendi. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(1), 157-175.
• Ertuğrul, İ. ve Bekin, A. (2016). Türkiye’de bazı temel gıda fiyatları için yapay sinir ağları ve zaman serisi tahmin modellerinin karşılaştırmalı analizi. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(13), 253-280.
• Es, H. A. (2020). Gri tahmin modelleri ile toplam enerji talep tahmini: Türkiye örneği. Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 10(3), 771-782.
• Hsu, L.-C. (2011). Using improved grey forecasting models to forecast the output of opto-electronics industry. Expert Systems with Applications, 38(11), 13879–13885.
• Hu, Y.-C. (2017). Predicting foreign tourists for the tourism industry using soft computing-based grey–markov models. Sustainability, 9(7/1228), 1-12.
• Hu, Y.-C. ve Jiang, P. (2020). Fuzzified grey prediction models using neural networks for tourism demand forecasting. Computational and Applied Mathematics, 39(145), 1-15.
• Hu, Y.-C., Jiang, P. & Lee, P.-C. (2019). Forecasting tourism demand by incorporating neural networks into grey–markov models. Journal of the Operational Research Society, 70(1), 12-20.
• Huang, Y.-L. (2012). Forecasting the demand for health tourism in Asian countries using a gm(1,1)-alpha model. Tourism and Hospitality Management, 18(2), 171-181.
• Iqelan, B. M. (2017). Forecasts of female breast cancer referrals using grey prediction model gm(1,1). Applied Mathematical Sciences, 11(54), 2647-2662.
• Javed, S. A., Ikram, M., Tao, L. & Liu, S. (2020). Forecasting key indicators of china’s inbound and outbound tourism: optimistic–pessimistic method. Grey Systems: Theory and Application, https://doi.org/10.1108/GS-12-2019-0064.
• Julang, D. (1982). Control problems of grey systems. Systems & Control Letters, 1(5), 288-294.
• Julang, D. (1989). Introduction to grey system theory. The Journal of Grey System, 1(1), 1-24.
• Kaleli, A. R., Ceviz, M. A. & Erentürk, K. (2014). İçten yanmalı motorların ardışık çevrimlerinde oluşan maksimum basınç verilerinin gri öngörücüler kullanılarak tahmini. Ordu Üniversitesi Bilim ve Teknoloji Dergisi, 4(1), 1-14.
• Karaçor, Z. ve Alpteki̇n, V. (2006). 1980 sonrası istikrar politikaları ışığında Türkiye ekonomisinin trend analizi yardımıyla değerlendirilmesi. Sosyal Ekonomik Araştırmalar Dergisi, 6(11), 306-342.
• Kayacan, E. ve Kaynak, O. (2011). Single-step ahead prediction based on the principle of concatenation using grey predictors. Expert Systems with Applications, 38(8), 9499-9505.
• Lin, C-T., Lee, I.-F. & Huang, Y.-L. (2009). Forecasting Thailand’s medical tourism demand and revenue from foreign patients. The Journal of Grey System, 4, 369-376.
• Liu, S. ve Lın, Y. (2006). Grey information: theory and practical applications. London: Springer.
• Liu, S., Yang, Y. & Forrest, J. (2017). Grey data analysis: methods, models and applications. London: Springer.
• Liu, X., Peng, H., Bai, Y., Zhu, Y. & Liao, L. (2014). Tourism flows prediction based on an improved grey gm(1,1) model. Procedia - Social and Behavioral Sciences, 138, 767-775.
• Lu, S.-L. ve Tsai, C.-F. (2016). Petroleum demand forecasting for Taiwan using modified fuzzy-grey algorithms. Expert Systems, 33(1), 60-69.
• Mao, M. ve Chirma, E. C. (2006). Application of grey model gm(1, 1) to vehicle fatality risk estimation. Technological Forecasting & Social Change, 73(5), 588-605.
• Mostafaei, H. ve Kordnoori, S. (2012). Hybrid grey forecasting model for Iran’s energy consumption and supply. International Journal of Energy Economics and Policy, 2(3), 97-102.
• Nguyen, N.-T. ve Nguyen, L.-X. T. (2019). Applying dea model to measure the efficiency of hospitality sector: the case of Vietnam. International Journal of Analysis and Applications, 17(6), 994-1018.
• Nguyen, N.-T., Nguyen, B.-P.-U. & Tran, T.-T. (2020). Application of grey system theory and arıma model to forecast factors of tourism: a case of binh thuan province in Vietnam. International Journal of Advanced and Applied Sciences, 7(1), 87-99.
• Nguyen, N.-T., Nguyen, L.-X.-T. & Tran, T.-T. (2019). Forecasting vietnamese tourists’ accommodation demand using grey forecasting and arıma models. International Journal of Advanced and Applied Sciences, 6(11), 42-54.
• Nguyen, T.-L., Shu, M.-H., Huang, Y.-F. & Hsu, B.-M. (2013). Accurate forecasting models in predicting the inbound tourism demand in Vietnam. Journal of Statistics and Management Systems, 16(1), 25-43.
• Onalan, O. ve Basegmez, H. (2018). Estimation of economic growth using grey cobb-douglas production function: an application for us economy. Journal of Business, Economics and Finance (JBEF), 7(2), 178-190.
• Oruç, K. O. ve Başağaoğlu Fındık, A. (2020). Gri tahminleme ile süleyman demirel üniversitesi ağız diş sağlığı merkezi’nde yatan hasta sayılarının tahmini. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (37), 193-212.
• Oruç, K. O. ve Çelik Eroğlu, Ş. (2017). Isparta ili için doğal gaz talep tahmini. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(1), 31-42.
• Ömürbek, V., Aksoy, E. & Akçakanat, Ö. (2018). Bankaların grup bazlı karlılıklarının gri tahmin yöntemi ile değerlendirilmesi. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 10(23), 75-89.
• Özcan, H. (2018). Sigortacılık teknik karşılıklarındaki değişen faktörlerin trafik muallak hasar ve ıbnr etkisi üzerine bir araştırma. Finansal Araştırmalar ve Çalışmalar Dergisi, 10(19), 330-341.
• Özer Keçe, F., Ömürbek, V. & Acar, D. (2016). Gri temelli maliyet tahmini. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(2), 453-461.
• Öztürk, Y., Yılmaz. K. & Burdurlu, E. (2017). Veri madenciliği ile Türkiye mobilya sektörü için 2023 öngörüleri. İleri Teknoloji Bilimleri Dergisi, 6(3), 757-763.
• Öztürk, Z. ve Bilgil, H. (2019). Mathematical estimation of expenditures in the health sector in turkey with grey modeling. Erciyes University Journal of Institute of Science and Technology, 35(3), 52-58.
• Parlakay, O. ve Duru, S. (2017). Türkiye’de işlenmiş tarım ürünleri dış ticaretinde dâhilde işleme rejiminin etkilerinin trend analizi yöntemiyle incelenmesi. Harran Tarım ve Gıda Bilimleri Dergisi, 21(1), 62-72.
• Pirthee, M. (2017). Grey-based model for forecasting mauritius international tourism from different regions. Grey Systems: Theory and Application, 7(2), 259-271.
• Sahin, U. (2018). Forecasting of turkey’s electricity generation and consumption with grey prediction method. Mugla Journal of Science and Technology, 4(2), 205-209.
• Semerci, A. (2017). Türkiye arıcılığının genel durumu ve geleceğe yönelik beklentiler. Mustafa Kemal Üniversitesi Ziraat Fakültesi Dergisi, 22(2), 107-118.
• Şahin, E. E. ve Bağcı, B. (2020). Kripto para fiyatlarının tahmininde gri sistem teorisi: yöntemsel karşılaştırma. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 20(1), 219-232.
• Şahin, T. (2019). Ruh sağlığı ve hastalıkları polikliniğine olan talebin zaman serileri modelleri ile tahmini. Hacettepe Sağlık İdaresi Dergisi, 22(4), 749-764.
• Taşçı, L. (2017). Çok değişkenli gri sistem teorisi ile deformasyon tahmini. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 29(1), 277-283.
• Tseng, F.-M., Yu, H.-C. & Tzeng, G.-H. (2001). Applied hybrid grey model to forecast seasonal time series. Technological Forecasting and Social Change, 67(2-3), 291-302.
• Türkiye İstatistik Kurumu (2020). Çıkış yapan ziyaretçi istatistikleri, aylara göre turizm geliri, ziyaretçi sayısı ve kişi başına ortalama harcama (30 Ekim 2020). https://data.tuik.gov.tr/Kategori/GetKategori?p=egitim-kultur-spor-ve-turizm-105&dil=1, Erişim Tarihi: 15.11.2020.
• Türkiye İstatistik Kurumu (2020). Giriş yapan vatandaş istatistikleri, aylara göre turizm gideri, ziyaretçi sayısı ve kişi başı ortalama harcama (30 Ekim 2020). https://data.tuik.gov.tr/Kategori/GetKategori?p=egitim-kultur-spor-ve-turizm-105&dil=1, Erişim Tarihi: 15.11.2020.
• Tüzün, P. (2020). Türk bankalarında dijital bankacılık uygulamalarının insan kaynakları stratejileri kapsamında işe alımlar üzerine bir tahmin. IBAD Sosyal Bilimler Dergisi, (Özel Sayı), 433-452.
• Wang, C.-H. (2004). Predicting tourism demand using fuzzy time series and hybrid grey theory. Tourism Management, 25(3), 367-374.
• World Travel & Tourism Council (2020). Travel & tourism: global economic impact & trends 2020. https://wttc.org/, Erişim Tarihi: 05.12.2020.
• World Travel & Tourism Council (2020). Turkey: 2020 annual research: key highlights. https://wttc.org/, Erişim Tarihi: 05.12.2020.
• Wu, L., Liu, S., Yao, L., Xu, R. & Lei, X. (2014). Using fractional order accumulation to reduce errors from inverse accumulated generating operator of grey model. Soft Computing, 19, 483-488.
• Wu, W.-Y., Hsiao, S.-W. & Tsai, C.-H. (2008). Forecasting and evaluating the tourist hotel industry performance in Taiwan based on grey theory. Tourism and Hospitality Research, 8(2), 137-152.
• Zhao, Z., Wang, J., Zhao, J. & Su, Z. (2012). Using a grey model optimized by differential evolution algorithm to forecast the per capita annual net income of rural households in china. Omega, 40(5), 525-532.