Forecasting of the Monthly Unemployment Rates in Turkey with Artificial Neural Network

Yıl 2021, Cilt: 16 Sayı: 62, 492 - 508, 30.04.2021

Emek Aslı Cinel , Ufuk Yolcu

https://doi.org/10.19168/jyasar.848091

Cited By: 1

Öz

Since the labor market contains human factors, unlike other markets, the economic policies that are implemented to stabilize the labor market cannot be effective alone, therefore, social and psychological factors also come into play. As of today, it is seen that the high unemployment rates appear to be increasing every day and become one of the main issues of Turkey's economy. Unemployment becomes prevalent especially in the younger population of Turkey, and individuals in the young age group are rendered advantageous since the burden of subsistence does not devolve upon most of them. Upon considering that the pressure and adverse conditions caused by unemployment may be different for each age group and the economic and social policies that are required to be developed against such necessity to be different in this context, it is quite crucial to forecast the unemployment rate, especially for different age groups.
The aim of the study is constituted by the forecasting of the monthly unemployment rates in Turkey depending on age groups via artificial neural networks. In line with this purpose, based on official data obtained from the TSI by taking into account the monthly unemployment rates for the age groups over the period 2005-2019 as well as the general unemployment rates for the same period, the monthly unemployment rates for the year 2019 were forecasted using feed-forward and feed-back artificial neural network models. As a result of the study, it was revealed with both error criteria and some visual findings that the observed values for all age groups, overall monthly unemployment rates, and the forecasting by artificial neural networks (ANN) were quite close to each other.

Anahtar Kelimeler

Monthly Unemployment Rate, Age Groups, Labor Market, Feed-Forward Artificial Neural Networks, Feed-Back Artificial Neural Networks

Türkiye’de Aylık İşsizlik Oranlarının Yapay Sinir Ağları ile Öngörüsü

Öz

İşgücü piyasası diğer piyasalardan farklı olarak insan unsuru içerdiği için işgücü piyasasının istikrara kavuşmasında uygulanan ekonomi politikaları tek başına etkin olamamakta, sosyal ve psikolojik faktörler de devreye girmektedir. Günümüzde görülen yüksek oranlı işsizliğin her geçen gün artmakta olduğu ve Türkiye ekonomisinin temel sorunlarından biri haline geldiği görülmektedir. İşsizlik ülkemizde özellikle genç nüfus üzerinde artış göstermekte olup genç yaş grubunda yer alan bireylerin çoğunun ev geçindirme gibi bir yük taşımıyor olmaları onları avantajlı konuma getirmektedir. Her bir yaş gurubu için işsizliğin oluşturduğu baskı ve olumsuz koşulların farklı olabileceği ve buna karşı geliştirilmesi gerekli ekonomik ve sosyal politikaların da bu bağlamda farklı olması zorunluluğundan hareketle, özellikle farklı yaş grupları bakımından işsizlik oranının öngörülmesi oldukça önemlidir.
Bu çalışmanın amacını Türkiye’de yaş gruplarına bağlı aylık işsizlik oranlarının yapay sinir ağları ile öngörülmesi oluşturmaktadır. Bu amaç doğrultusunda, TÜİK resmi verilerine dayalı, 2005-2019 dönemine ait yaş gruplarına ilişkin aylık işsizlik oranlarının yanı sıra yine aynı döneme ait genel işsizlik oranları ele alınarak, 2019 yılına ait aylık işsizlik oranları ileri ve geri beslemeli yapay sinir ağı modelleri ile öngörülmüştür. Çalışmanın sonucunda tüm yaş grupları ve genel aylık işsizlik oranlarına ilişkin gözlem değerleri ile yapay sinir ağları tarafından üretilen öngörülerin birbirine oldukça yakın değerler verdiği, hem hata kriterleri hem de bazı görsel bulgularla ortaya konmuştur.

Anahtar Kelimeler

Aylık İşsizlik Oranı, Yaş Grupları, İşgücü Piyasası, İleri Beslemeli Yapay Sinir Ağları, Geri Beslemeli Yapay Sinir Ağları

Kaynakça

• Aygören, H., Sarıtaş, H. ve Moralı, T. (2012). “İMKB 100 Endeksinin Yapay Sinir Ağları ve Newton Nümerik Arama Modelleri ile Tahmini”. Uluslararası Alanya İşletme Fakültesi Dergisi, 4(1), 73-88.
• Barwell, R. (2001). “Age Structure and the UK Unemployment Rate”. Bank of England Working Paper, 124.
• Cheron, A., Hairault, J. ve Langot, F. (2011). ‘‘Age-Dependent Employment Protection”. The Economic Journal, 121(557), 1477-1504.