Güdüz, SelimDemirbay, Sevim Gülin2025-04-092025-04-092025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=P3dtmmHrq-mzEcmCLi1CqTetA6TmyWBmOsW5LPXekiP_wUL2yaaaSLxaH4q_XwMahttps://hdl.handle.net/20.500.14669/4232Lisansüstü Eğitim Enstitüsü, İşletme Ana Bilim DalıThe rapid increase in population, industrialization, urbanization, and changing consumption patterns has placed significant pressure on the ecological balance of our planet. This situation has led to the uncontrolled and unsustainable demand for natural resources. As ecological degradation becomes increasingly evident, the concept of the "Ecological Footprint" has emerged in line with the goals of sustainable development. This study analyzes the effects of renewable energy consumption, globalization, and economic growth on the ecological footprint. Using data from the period 1995–2021, estimations were conducted through panel data analysis and artificial neural network methods. Panel data analysis was employed to examine the impact of independent variables on the dependent variable in detail, and these variables were then used as inputs for the artificial neural network model. Consequently, a high-accuracy model was developed for predicting the ecological footprint. The findings indicate that the independent variables included in the model have significant and varying effects on the ecological footprint. In particular, Gross Domestic Product (GDP) and the KOF Globalization Index have been identified as key factors that positively influence the ecological footprint. On the other hand, renewable energy consumption has been determined as a crucial variable in reducing the ecological footprint. Based on the results, it has been concluded that increasing investments in renewable energy is essential for controlling the rise in the ecological footprint. During the modeling process, a feedforward artificial neural network approach was adopted, and the Levenberg-Marquardt algorithm was utilized for model training. The artificial neural network model demonstrated high reliability in forecasting ecological footprints for each OECD country. The limited number of studies in the literature that simultaneously employ panel data analysis and artificial neural network methods for predicting ecological footprints served as a primary motivation for this research. Therefore, this dissertation aims to contribute significantly to the literature both methodologically and in terms of content.Hızla artan nüfus, sanayileşme, kentleşme ve tüketim alışkanlıklarındaki artış, dünyamızın ekolojik denge üzerinde ciddi baskılar oluşturmasına neden olmaktadır. Bu durum, doğal kaynakların kontrolsüz ve sürdürülemez bir şekilde talep edilmesine yol açmıştır. Ekolojik tahribatın giderek daha görünür bir hale gelmesi, sürdürülebilir kalkınma hedefleri doğrultusunda "Ekolojik Ayak İzi" kavramının ortaya çıkmasını sağlamıştır. Araştırmada, yenilenebilir enerji tüketimi, küreselleşme ve ekonomik büyümenin ekolojik ayak izi üzerindeki etkileri analiz edilmiştir. Çalışma kapsamında, 1995-2021 yılları arasında elde edilen veriler kullanılarak panel veri analizi ve yapay sinir ağı yöntemleri ile tahminleme yapılmıştır. Panel veri analizi ile bağımsız değişkenlerin bağımlı değişken üzerindeki etkileri detaylı bir şekilde incelenmiş ve bu değişkenler, yapay sinir ağı modeli için girdi olarak kullanılmıştır. Böylece, ekolojik ayak izinin tahmin edilmesine yönelik yüksek doğruluklu bir model geliştirilmiştir. Araştırma sonucunda, modelde yer alan bağımsız değişkenlerin, ekolojik ayak izi üzerindeki etkilerinin anlamlı ve farklılık gösterdiği tespit edilmiştir. Özellikle gayrisafi yurt içi hasıla ve KOF küreselleşme endeksi, ekolojik ayak izini pozitif yönde etkileyen önemli faktörler olarak öne çıkmıştır. Diğer yandan, yenilenebilir enerji tüketiminin ekolojik ayak izini azaltan önemli bir değişken olduğu belirlenmiştir. Elde edilen sonuçlar doğrultusunda, ekolojik ayak izinin artışının kontrol altına alınabilmesi için yenilenebilir enerji yatırımlarının artırılması gerektiği sonucuna ulaşılmıştır. Modelleme sürecinde ileri beslemeli yapay sinir ağı yöntemi tercih edilmiş ve modelin eğitimi için Levenberg-Marquardt algoritması kullanılmıştır. Yapay sinir ağı modeli, her bir OECD ülkesi için yüksek güvenilirlikle tahminleme yaptığı sonucuna ulaşılmıştır. Literatürde ekolojik ayak izlerinin tahmin edilmesinde panel veri analizi ve yapay sinir ağı yöntemlerinin eş zamanlı olarak kullanılmasına yönelik çalışmaların sınırlı sayıda olması, bu araştırmanın motivasyonunu oluşturmuştur. Dolayısıyla, bu tez çalışması, hem yöntemsel hem de içerik açısından literatüre önemli bir katkı sağlamayı hedeflemektedir.eninfo:eu-repo/semantics/openAccessİşletmeBusiness AdministrationDoctoral Thesis2491927075