BANKALARDAKİ MEVDUAT VE KREDİLER AÇISINDAN KÜMELEME YÖNTEMLERİ KULLANILARAK İLLERİN SINIFLANDIRILMASI

Creative Commons License

ÖNER B.

Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, cilt.27, sa.2, ss.461-489, 2026 (TRDizin)

Özet

Literatürdeki birçok çalışma, Türkiye'deki illeri sosyoekonomik gelişmişlik, eğitim ve sağlık gibi çeşitli göstergeler kullanarak sınıflandırmakta ve benzerlikler veya farklılıklara dayalı kümelenme yapılarını incelemektedir. Bu çalışma, illeri banka mevduatları ve banka kredileri açısından sınıflandırarak kümelenme modellerini değerlendirmesi bakımından farklılık göstermektedir. Mevduat ve kredilerle ilgili altı değişken kullanılmış ve veriler Türkiye Bankalar Birliği'nin 2022 istatistiklerinden elde edilmiştir. Kişi başına banka mevduatları ve kredileri, 2022 il nüfus rakamları kullanılarak hesaplanmış ve bu kişi başına değerlere dayalı olarak kümelenme analizleri yapılmıştır. Küme sayısı olarak, Sanayi ve Teknoloji Bakanlığı'nın SEGE2017 sosyo- ekonomik gelişmişlik sıralamasında tanımlanan altı kademe benimsenmiştir. Ek olarak, farklı küme sayıları için kümelenme yapılarındaki değişiklikler incelenmiştir. Çeşitli sınıflandırma çalışmaları mevcut olmakla birlikte, bu çalışma, finansal göstergeler kullanılarak illeri SEGE2017'ye göre değerlendiren, sosyoekonomik gelişmişlik düzeyleri açısından yeni bir girişimdir. Kümelenme için k-means, tam bağlantı, Ward yöntemi ve medyan kümelenme uygulanmıştır. Tüm yöntemlerde, kişi başına mevduat ve kredilere dayalı sonuçlar, küme sayısına bakılmaksızın dikkate değer benzerlikler göstermektedir. İstanbul ve Ankara sürekli olarak tek bir kümede yer alırken, İzmir, Antalya, Bursa ve Muğla başka bir kümede gruplandırılmıştır. Bunun nedeni olarak nüfus yoğunluğunun bu illerde toplanmış ve bu illerin gelişmişlik düzeyinin diğer illere göre daha yüksek olması olabilir. Çoğu il, iki geniş kümeye girmiş ve bu yönden SEGE2017 il sınıflandırma yapısı ile uyumluluk göstermemektedir.
Numerous studies in the literature classify provinces in Turkey using various indicators such as socio- economic development, education, and health, and examine clustering structures based on similarities or differences. This study differs by classifying provinces according to bank deposits and bank loans and evaluating their clustering patterns. Six variables related to deposits and loans were used, and the data were obtained from the 2022 statistics of the Turkish Banks Association. Per capita bank deposits and loans were calculated using 2022 provincial population figures, and clustering analyses were conducted based on these per capita values. As the number of clusters, six tiers defined in the SEGE2017 socio-economic development rankings of the Ministry of Industry and Technology were adopted. Additionally, changes in clustering structures were examined for different cluster counts. Although various classification studies exist, this study represents a new attempt in terms of socio-economic development levels, as it evaluates provinces according to SEGE2017 while using financial indicators. For clustering, k-means, complete linkage, Ward’s method, and median clustering were applied. Across all methods, results based on both per capita deposits and loans exhibit notable similarities regardless of the number of clusters. Istanbul and Ankara consistently appear together in a single cluster, while Izmir, Antalya, Bursa, and Mugla are grouped in another. This may be due to the concentration of population in these provinces and their higher level of development compared to other provinces. Most provinces fall into two broad categories and are therefore not compatible with the SEGE2017 provincial classification structure.