OECD-maiden työttömyyden klusterirakenteista
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Ask about the availability of the thesis by sending email to the Aalto University Learning Centre oppimiskeskus@aalto.fi
Authors
Date
2016-10-25
Department
Major/Subject
Systeemianalyysi ja operaatiotutkimus
Mcode
F3008
Degree programme
Teknillisen fysiikan ja matematiikan koulutusohjelma
Language
fi
Pages
84
Series
Abstract
Tämän työn tarkoituksena on tutkia OECD-maiden työttömyyden klusterirakenteita käyttäen hierarkkisia klusterointimenetelmiä. Työttömyydestä sekä muista kansantalouden hyvinvoinnin mittareita on aikaisemmin löydetty klusteroitumista maantieteellisten, kulttuurillisten sekä kielellisten tekijöiden perusteella. Tässä työssä työttömyyden käsitettä laajennetaan muihin työvoiman hyödyntämisen mittareihin ja nuorten työelämästä syrjäytymiseen, sekä etsitään 27 OECD-maasta klusterirakenteita koskien näitä tekijöitä. Työn aineisto on vuosilta 2010 ja 2014. Klusterianalyysin suorittamisen lisäksi työssä keskitytään eri klusterointimenetelmiin. Työn tuloksena on, että jokaisella työssä käytetyllä hierarkkisella klusterointimenetelmällä aineistosta on tunnistettavissa klusterirakenteita. Näitä tunnistettuja klusterirakenteita voidaan luonnehtia maantieteellisten tekijöiden perusteella kuten Pohjoismaat ja Etelä-Eurooppa. Muuta merkittävää tuloksissa on, että otosmaat sisältävät muutamia poikkeavia havaintoja (Kreikka, Turkki, Meksiko, Israel, Espanja), joiden työttömyys- ja työelämästä syrjäytymisluvut ovat huomattavasti erillään muista maista. Työn tulokset ovat suuntaa-antavia enemmän kuin määrittäviä, mutta tulosten stabiilisuutta vahvistaa eri menetelmillä saadut samankaltaiset tulokset.The purpose of this thesis work is to study unemployment related cluster structures of OECD member countries. Hierarchical clustering methods are applied in the analysis. Previous studies have found geographical, lingual, and cultural clusters of OECD countries, when clustering was based on variables related to unemployment and other measures of welfare. In this thesis, instead using of simple unemployment rates, we in addition consider different aspects of unemployment, including youth not in education, employment or training. We then perform cluster analysis using these several unemployment related variables. In the analysis, we have data from 27 different OECD member countries from years 2010 and 2014. In addition to applying cluster analysis, this thesis gives a review of current clustering methods. Cluster structures were found with every hierarchical clustering method we applied. The found clusters can be characterized using common regional labels such as Nordic Countries and Southern Europe. Other significant result is that the data contains some outliers. Greece, Turkey, Mexico, Israel and Spain have high enough unemployment figures to stand out clearly from the rest of the countries. The results of this thesis are more descriptive than determining; nevertheless the repeated results of different approaches speak in behalf of the stability of the results.Description
Supervisor
Ilmonen, PauliinaThesis advisor
Ilmonen, PauliinaKeywords
klusterointi, työttömyys, hierarkkinen klusterointi, OECD-maat