FemaleLFPRit= β0+ β1Education+ β2Fertility+ β3GDPpc+ β4Urban+ β5WomenParliament+ εit
Kadın istihdamını temsil eder. Kadınların ekonomik hayata katılım düzeyini analiz eder.
Adı: Labor force participation rate, female (% of female population ages 15+)
Kod: SL.TLF.CACT.FE.ZS
Varyans aşağıdaki formül kullanılarak hesaplanmıştır:
\[ \sigma^2 = \frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n} \]
ulke_isimleri <- c("Germany", "Iceland", "Japan", "Turkiye", "United States", "Viet Nam")
varyans_degerleri <- c(
1.9289056, # Germany
1.8623473, # Iceland
2.5139846, # Japan
1.8623547, # Turkiye
1.9289056, # United States
2.5139846 # Viet Nam
)
varyans_tablo <- data.frame(
Ulke = ulke_isimleri,
Varyans = varyans_degerleri
)
knitr::kable(
varyans_tablo,
col.names = c("Ulke", "Varyans"),
caption = "Secili Ulkelerin Kadin Isgucune Katilim Orani Varyanslari"
)
| Ulke | Varyans |
|---|---|
| Germany | 1.928906 |
| Iceland | 1.862347 |
| Japan | 2.513985 |
| Turkiye | 1.862355 |
| United States | 1.928906 |
| Viet Nam | 2.513985 |
Eğitim etkisini ifade eder.
Adı: School enrollment, secondary, female (% gross)
Kod: SE.SEC.ENRR.FE
Beklenen etki: Eğitim arttıkça istihdam artar.
ulke_isimleri <- c("Germany", "Iceland", "Japan", "Turkiye", "United States", "Viet Nam")
varyans_degerleri <- c(
0.329420508379376, # GERMANY
12.9793682347345, # ICELAND
0.136227631112021, # JAPAN
5.5491364203184, # TURKİYE
0.856271525972233, # United States
4.60854540086602 # VİET NAM
)
egit_data <- data.frame(
Ulke = ulke_isimleri,
Varyans = varyans_degerleri
)
knitr::kable(
egit_data,
col.names = c("Ulke", "Varyans"),
caption = "Kadin Ortaogretim Okullasma Oranı Varyanslari"
)
| Ulke | Varyans |
|---|---|
| Germany | 0.3294205 |
| Iceland | 12.9793682 |
| Japan | 0.1362276 |
| Turkiye | 5.5491364 |
| United States | 0.8562715 |
| Viet Nam | 4.6085454 |