1 CLUSTERING CITIES IN TURKEY WITH USING CLUSTER AND DISCRIMINANT ANALYSIS FOR SOME DEMOGRAPHIC, EDUCATIONAL AND HEALTH INDICATORS Filiz Ersöz, Nural Bekiroğlu, Şafak Aktaş, Pınar Günel, Yeliz Sevimli Turkish Military Academy, Defence Sciences Institute, Department of Operational Research, Ankara, Marmara University, Medical School, Department of Biostatistics, Marmara University, Institute of Health Sciences, Department of Biostatistics, İstanbul, fersoz@yahoo.com, nural@marmara.edu.tr, ABSTRACT Objective; The aim of this study is to show that clustering 81 cities in Turkey with using indicators related with specific discipline gives more accurate and reliable results than using general and several indicators from each discipline. Material and Methods; In this study, selected demographic, educational and health indicators were used to cluster cities in Turkey. To decide the number of clusters for 81 cities, the hierarchical clustering method is used, and then non-hierarchical clustering (K-means) method is applied. To verify the validity of the results, they are compared with Discriminant Analysis. To analyze of the data, standard normal data by Z score transformation is used. Results; According to analysis of selected demographic, educational and health indicators; the hierarchical clustering result with dendogram, then non-hierarchical (K-means) clustering result and discriminant analysis result were given. Two summary tables; one is for each disciplines (Health; 4 indicators, Educational; 4 indicators, Demographic; 4 indicators) and the other one for all of the three disciplines with 12 Indicators were also given showing the Turkish cities in each cluster. Conclusion; Although number of clusters was found relatively small when 12 indicators are used to cluster 81 cities in Turkey, in this case the power of the analysis becomes poor because of fixed number of cities (sample size). However clustering 81 cities in Turkey according to specific purposes and disciplines with using very specific, reasonable and relatively less indicators, the results of cluster analysis becomes more reliable. Key words: Discriminant Analysis, Cluster Analysis, Health, Education, Demographic, Indicators ÖZET Amaç; Çalışmanın amacı, Türkiye’nin 81 ilinin kümelenmesinde, her bir disiplin için yapılan kümeleme analizinin, tüm disiplinlerin bir arada kullanılması ile yapılan kümeleme analizine göre daha kesin ve güvenilir sonuçlar olduğunu göstermektir. Gereç ve Yöntemler; Bu çalışmada, Türkiye’nin 81 ili için seçilen demografik, eğitim ve sağlık göstergeleri kullanılarak kümeleme analizi uygulanmıştır. Küme sayısına karar vermek için, aşamalı kümeleme yöntemi ve aşamalı olmayan kümeleme (K-Ortalamalar) yöntemi kullanılmıştır. Elde edilen sonuçların geçerli olduğunu doğrulamak amacıyla Diskriminant (Ayırma) Analizi uygulanarak karşılaştırma yapılmıştır. Verileri analiz etmek üzere her üç disiplin için hesaplanan dönüştürülmüş Z skorları kullanılmıştır. Bulgular; Seçilen demografik, eğitim ve sağlık göstergeleri için yapılan analizlere göre, dendogram ile aşamalı kümeleme, aşamalı olmayan kümeleme ve diskriminant analizi sonuçları verilmiştir. Ayrıca her kümede yer alan şehirleri gösteren, biri her disiplin için ayrı ayrı (sağlık; 4 gösterge, eğitim; 4 gösterge, demografik; 4 gösterge), diğeri 12 göstergeyi içeren tüm disiplinler birlikte olmak üzere iki adet özet tablo verilmiştir. Sonuç; Türkiye’nin 81 ilinin kümeleme analizinde, 12 gösterge kullanıldığında küme sayısı oldukça küçük çıkmasına rağmen, bu durumda analizin gücü, illerin sabit sayısı nedeniyle zayıf olmuştur. Oysa özel disiplinler ve özgün amaçlar için yapılan Türkiye’deki 81 ilin kümeleme analizi sonuçları, özgün, makul ve görece olarak daha az gösterge kullanıldığından daha güvenilir olmaktadır. Anahtar Kelimeler: Diskriminant (Ayırma) Analizi, Kümeleme analizi, Sağlık, Eğitim, Demografik, Göstergeler 1. INTRODUCTION Grouping techniques are often used in many fields such as sociology, health sciences, econometrics etc.