| Popis: |
İnsan nüfusu modellemesi ve tahmini kalkınma planları ile ekonomik ve kamusal kararlarda önemli bir yer teşkil etmektedir. Öyle ki, geleceğe dönük yaşa bağlı nüfus tahminleri özel teşebbüs ve kamu kaynaklarının gelecek nüfusa aktarımı ve dağıtımını şekillendiren politikaları etkilemektedir. Literatürde nüfus tahminleri genel olarak üç temel demografik unsur olarak ifade edilen ölüm, doğum ve göç değerlerinin deterministik ve stokastik yöntemlerle modellenmesine dayanır. Ancak, hem deterministik hem de stokastik modellerin karşılanması zor olan bir takım varsayımlara dayandıkları bilinmektedir. Bu çalışmada, yukarıda bahsedilen durumları göz önünde bulundurarak demografik unsurları modellemek ve gelecek değerleri tahmin etmek amacıyla iki seviyeli yaşa özel bir bulanık yöntem önerilmektedir. Modele gömülü olan iki seviyeli yapı literatürde sıkça karşılaşılan Lee-Carter metoduna dayanmakta olup bulanık regresyon, tekil değer ayrışımı, kısıtsız doğrusal olmayan programlama ve hiyerarşik kümeleme yöntemlerini kullanmaktadır. Bu iki seviyeli yapı ile ilgilenilen ülkenin genel özelliklerinin demografik unsurlar üzerine etkileriyle birlikte yaş gruplarının farklı demografik davranışları da yansıtılmaktadır. Demografik unsurların gelecek değerlerini tahmin etmek amacıyla bulanık yöntemden elde edilen parametreler üzerine Bayesgil bir yaklaşımla zaman serisi modelleri oluşturulmuştur. Tahmin edilen gelecek ölüm, doğum ve göç değerleri yeni ve özgün bir bulanık nüfus modeli ile birleştirilmiş, böylece gelecek nüfus değerlerinin tahminine yönelik bir bulanık nüfus modeli ortaya konmuştur. Önerilen özgün yöntem Finlandiya'ya ait ölüm, doğum ve göç verileri üzerine uygulanmış ve geleceğe dönük nüfus seviyeleri tahmin edilmiştir. Ayrıca önerilen yöntemden elde edilen sonuçlar literatürde yer alan Bayesgil bir yöntemin sonuçlarıyla kıyaslanmıştır. Sayısal bulgular önerilen yöntemin var olan yönteme kıyasla daha dar tahmin aralıklarında daha doğru sonuçlar verdiğini göstermekte, böylece önerilen bulanık yöntemin yaşa özel demografik unsurlar ve nüfus değerlerini modellemek ve tahmin etmek için etkili bir yaklaşım olabileceğini ortaya koymaktadır. Human population modeling and forecasting are significant issues in development planning and financial and public decision making. Age-specific population estimates of immediate future or long-term forecasts shape the policies in allocating the resources among public and private investments and the future population. In literature, population estimation is generally based on deterministic or stochastic models for the three vital demographic indicators: mortality, fertility, and migration. The existing deterministic and stochastic models for demographic modeling and forecasting rely on strict assumptions which may sometimes be difficult to satisfy. Considering the above mentioned issues, a fuzzy bi-level method for modeling and forecasting age-specific demographic indicators is proposed in this thesis study. The bi-level structure embedded in the model makes use of the well-known Lee-Carter method as well as fuzzy regression, singular value decomposition technique, unconstrained nonlinear optimization, and hierarchical clustering approaches; and reflects the general characteristics of the country of concern together with the distinct demographic behaviors of the age groups. Time series models through Bayesian approach are fitted to the time-variant fuzzy parameters obtained via the proposed fuzzy bi-level method to forecast future demographic values. Finally, the future mortality, fertility, and migration forecasts are aggregated within a novel fuzzy population estimation model based on the conventional cohort component method. The proposed novel method is applied on age-specific mortality, fertility, and migration data of Finland, and the future demographic values and population levels are forecasted. In addition, the outputs of the proposed fuzzy method are compared with the outputs of an existing Bayesian method. The numerical findings display that the proposed fuzzy method yields superior forecasts within narrower prediction intervals compared to the existing Bayesian approach, therefore, it can be viewed as an efficient method for modeling and forecasting age specific demographic values and the future population. 166 |
