The Integrated Usage of Entropy and MABAC Multi Criteria Decision-Making Methods for Measurement of Innovation Performance of Countries

Year 2019, , 326 - 351, 15.11.2019

Ejder Ayçin , Enver Çakın

https://doi.org/10.25294/auiibfd.649275

Cited By: 21

Abstract

In recent years, economic development levels
of countries are closely related to the R&D, innovation, technology and
science. For this reason, countries are constantly supporting the R&D and
innovation activities by increasing the innovation ecosystem and the activities
of the actors in the ecosystem. In this study, innovation performance of
countries was measured by using Entropy and MABAC methods. The criteria are weighted
by entropy method and innovators, intellectual assets, finance and support
variables were the most important criteria. Innovation performance values of
the countries were calculated by MABAC method. It is concluded that the
countries with the highest performance of innovation are Switzerland, Sweden
and Denmark, while the lowest countries are Ukraine, Romania and Macedonia.

Keywords

Innovation Performance, Entropy, MABAC, Multi Criteria Decision Making

Ülkelerin İnovasyon Performanslarının Ölçümünde Entropi ve MABAC Çok Kriterli Karar Verme Yöntemlerinin Bütünleşik Olarak Kullanılması

Abstract

Son yıllarda ülkelerin ekonomik olarak kalkınmışlık düzeyleri Ar-Ge,
inovasyon, teknoloji ve bilime verdikleri değer ile yakından ilişkilidir. Bu
nedenle ülkeler sürekli olarak inovasyon ekosistemini ve ekosistemde yer alan
aktörlerin etkinliklerini arttırarak Ar-Ge ve inovasyon faaliyetlerini önemli
ölçüde desteklemektedir. Bu çalışmada Entropi ve MABAC yöntemleri bütünleşik
olarak kullanılarak ülkelerin inovasyon performansı ölçülmüştür. Entropi
yöntemi ile kriterler ağırlıklandırılmış ve yenilikçilik, fikri varlıklar,
finansman ve destekler değişkenlerinin en önemli kriterler olduğu
belirlenmiştir. MABAC yöntemi ile de ülkelerin inovasyon performans değerleri
hesaplanmıştır. İnovasyon performansı en yüksek olan ülkelerin İsviçre, İsveç
ve Danimarka, en düşük olan ülkelerin ise Ukrayna, Romanya ve Makedonya olduğu
sonucuna ulaşılmıştır.

Keywords

İnovasyon Performansı, Entropi, MABAC, Çok Kriterli Karar Verme

References

• Abbasi, F., Hajihoseini, H. ve Haukka, S. (2010). “Use of virtual index for measuring efficiency of innovation systems: a cross-country study”, International Journal of Technology Management & Sustainable Development, 9(3), 195-212.
• Apokin, A. ve Ipatova, I. (2016). “How R&D Expenditures Influence Total Factor Productivity and Technical Efficiency?”, Higher School of Economics Research Paper No. 128/EC/2016.
• Aydın, H.İ. ve Yalçınkaya, Ö. (2016). “Ar-Ge Yatırımlarının Toplam Faktör Verimliliği Üzerindeki Etkileri: OECD Ülkeleri Üzerinde Panel Veri Analizi (1994-2014)”, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 26, 178-196
• Bayraktutan, Y. ve Kethudaoğlu, F. (2017). “Ar-Ge ve İktisadi Büyüme İlişkisi: OECD Örneği”, Uluslararası Sosyal Araştırmalar Dergisi, 10(53), 1-16
• Božanić, D. A., Pamučar, D. S. ve Karović, S. M. (2016). “Use of the fuzzy AHP–MABAC hybrid model in ranking potential locations for preparing laying-up positions”, Vojnotehnički Glasnik / Military Technical Courier, 64(3), 705-729.
• Çakır, S. ve Perçin, S. (2013). “AB ülkelerinde bütünleşik Entropi ağırlık-TOPSIS yöntemiyle Ar-Ge performansının ölçülmesi”, Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 32(1), 77-95.
• Çatı, K., Eş, A. ve Özevin, O. (2017). “Futbol takımlarının finansal ve sportif etkinliklerinin Entropi ve TOPSIS yöntemiyle analiz edilmesi: Avrupa’nın 5 büyük ligi ve süper lig üzerine bir uygulama”, Uluslararası Yönetim İktisat ve İşletme Dergisi. 13(1), 199-222.
• Chaghooshi, A. J., Fathi, M. R. ve Kashef, M. (2012). “Integration of fuzzy Shannon’s Entropy with fuzzy TOPSIS for industrial robotic system selection”, Journal of Industrial Engineering and Management, 5(1), 102-114.
• Chen, C. P., Yang, C. H. ve Hu, J. L. (2011). “An international comparison of R&D efficiency of multiple innovative outputs: The role of the national innovation system”, Innovation: Management, Policy & Practice, 13, 341–360.
• Chen, G. (2017). “An Entropy-TOPSIS method for evaluation innovation performance of the high-tech industry”, Boletín Técnico, 55(3), 155-163.
• Elçi, Ş. (2007). İnovasyon: Kalkınma ve Rekabetin Anahtarı. INOMER: İstanbul.
• Erol, İ. ve Ferrell Jr, W.(2009). “Integrated approach for reorganizing purchasing: theory and a case analysis on a Turkish company”, Computers & Industrial Engineering, 56(4), 1192-1204.
• Gault, F. (2018). “Defining and measuring innovation in all sectors of the economy”, Research Policy, 47, 617–622.
• Ghazinoory, S., Riahi, P., Azar, A. ve Miremadi, T. (2014). “Measuring innovation performance of developing regions: learning and catch-up in provinces of Iran”, Technological and Economic Development of Economy. 20(3), 507–533.
• Gigović, L., Pamučar, D., Božanić, D. ve Ljubojević, S. (2017). “Application of the GIS-DANP-MABAC multi-criteria model for selecting the location of wind farms: A case study of Vojvodina, Serbia”, Renewable Energy, 103, 501-521.
• Gömleksiz, M., Şahbaz, A. ve Mercan, B. (2017). “Toplam Faktör Verimliliğinin Belirleyicileri Üzerine Ampirik Bir İnceleme: Seçilmiş OECD Ülkeleri Örneği”, Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 12(2), 65-82
• Griffith, R., Redding, S. ve Reenen, J.V. (2004). “Mapping The Two Faces of R&D: Productivity Growth In A Panel of OECD Industries”, Review of Economics and Statistics, 86(4), 883-895
• Hagedoorn, J. ve Cloodt, M. (2003). “Measuring innovative performance is there an advantage in using multiple indicators”, Research Policy, 32, 1365–1379.
• Hung, C. C. ve Chen, L. H. (2009). “A fuzzy TOPSIS decision making model with Entropy weight under intuitionistic fuzzy environment”, Proceedings of the International MultiConference of Engineers and Computer Scientists IMECS 2009, Hong Kong.
• Işık, N. ve Kılınç, E.C. (2011). “Bölgesel Kalkınma’da Ar‐Ge ve İnovasyonun Önemi: Karşılaştırmalı Bir Analiz”, Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 6(2), 9‐54
• İnel, M. N. ve Türker, M. V. (2016). “Ulusal inovasyon performansının ölçümü için çok nitelikli karar verme teknikleri ile bir model denemesi”, Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 38(2), 147-166.
• Katila, R. (2000). “Using patent data to measure innovation performance, International Journal of Business Performance Measurement”, 2, 180-193.
• Kijek, A. ve Kijek, T. (2010). “The comparative analysis of innovation performance in the EU countries”, Acta Universitatis Lodziensis Folia Oeconomica. 242, 193-204.
• Konings, R. ve Louw, E. (2014). “Innovation performance of the transport sector at regional level”, International Conference on Traffic and Transport Engineering - Belgrade, 27-28 November.
• Korkmaz, S. (2010). “Türkiye’de Ar‐Ge Yatırımları ve Ekonomik Büyüme Arasındaki İlişkinin VAR Modeli ile Analizi”, Journal of Yasar University, 20(5), 3320‐3330
• Li, W., Yi, P. ve Zhang, D. (2018). “Sustainability evaluation of cities in Northeastern China using dynamic TOPSIS-Entropy methods”, Sustainability. 10, 1-15.
• Li, X., Wang, K., Liu, L., Xin, J., Yang, H. ve Gao, C. (2011). “Application of the Entropy weight and TOPSIS method in safety evaluation of coal mines”, Procedia Engineering, 26, 2085–2091.
• Mavi, R. K. ve Standing, C. (2017). “Eco-innovation analysis with DEA: an application to OECD countries”, International Journal on Computer Science and Information Systems, 12(2), 133-147.
• Milosavljević, M., Bursać, M. ve Tričković, G. (2018). “Selection of the railroad container terminal in Serbia based on multi criteria decision-making methods”, Decision Making: Applications in Management and Engineering, 1(2), 1-15.
• OECD (2005). Oslo Klavuzu: Yenilik Verilerinin Toplanması ve Yorumlanması İçin İlkeler. Avrupa Komisyonu.
• Ömürbek N., Karaatlı, M. ve Balcı, H. F. (2016). “Entropi temelli MAUT ve SAW yöntemleri ile otomotiv firmalarının performans değerlemesi”, Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 31(1), 227-255.
• Özdağoğlu, A., Yakut, E. ve Bahar, S. (2017). “Machine selection in a dairy product company with Entropy and SAW method integration”, Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 32(1), 341-359.
• Pamučar, D. ve Ćirović, G. (2015). “The selection of transport and handling resources in logistics centers using multi-attributive border approximation area comparison (MABAC)”, Expert Systems with Applications, 42(6), 3016-3028.
• Pamučar, D., Petrović, I. ve Ćirović, G. (2018).” Modification of the Best–Worst and MABAC methods: A novel approach based on interval-valued fuzzy-rough numbers”, Expert Systems with Applications, 91, 89-106.
• Pop, D. M. ve Pop, M. T. (2018). “Measuring the innovation of economy through global and European tools”, MATEC Web of Conferences, 184, 1-5.
• Roszko-Wójtowicz, E. ve Białek, J. (2016). “A multivariate approach in measuring innovation performance”, Zb. rad. Ekon. fak. Rij, 34(2), 443-479.
• Sadraoui, T. ve Zina, N. B. (2009). “A Dynamic Panel Data Analysis for R&D Cooperation and Economic Growth”. International Journal of Foresight and Innovation Policy, 5(4), 218‐233.
• Sarı, E.B. (2017). “Endüstri İşletmelerinde Ar-Ge Projelerini Öncelik Sıralamasında Entropi Ağırlıklı TOPSIS Yöntemine Dayalı Çok Kriterli Bir Analiz”, International Journal of Academic Value Studies, 3(11), 159 -170.
• Sarı, E. B. (2017). “Toplam Verimli Bakım Uygulayan Bir İşletmede Bakım Personelinin Performans Değerleme Puanlarının Entropi Tabanlı VIKOR Sıralaması ile Karşılaştırılması”, İşletme Bilimi Dergisi, 5(3), 59-78.
• Taş, Ş., Taşar, İ. ve Açcı, Y. (2017). “Ar-Ge Harcamaları ve Ekonomik Büyüme Arasındaki İlişki: Türkiye Örneği”, Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(2), 197-206
• Tiryakioğlu, M. (2007). “Araştırma Geliştirme-Ekonomik Büyüme İlişkisi: Seçilmiş OECD Ülkeleri Üzerine Uygulama”, Yüksek Lisans Tezi, Afyon Kocatepe Üniversitesi Sosyal Bilimler Enstitüsü
• Vesković, S., Stević, Z., Stojić, G., Vasiljević, M. ve Milinković, S. (2018). “Evaluation of the railway management model by using a new integrated model Delphi-SWARA-MABAC”, Decision Making: Applications in Management and Engineering, 1(2), 34-50.
• Vujičić, M. D., Papić, M. Z. ve Blagojević, M. D. (2017). “Comparative analysis of objective techniques for criteria weighing in two MCDM methods on example of an air conditioner selection”, Tehnika, 72(3), 422-429.
• Wakelin, K. (2001). “Productivity Growth and R&D Expenditure in UK Manufacturing Firms”, Research Policy, 30, 1079–1090
• Wang, T. C. ve Lee, H. D. (2009). “Developing a fuzzy TOPSIS approach based on subjective weights and objective weights”, Expert Systems with Applications, 6(5), 8980-8985.
• Xue, Y. X., You, J. X., Lai, X. D. ve Liu, H. C. (2016). “An interval-valued intuitionistic fuzzy MABAC approach for material selection with incomplete weight information”, Applied Soft Computing, 38, 703–713.
• Yu, S. M., Wang, J. ve Wang, J. Q. (2017). “An interval type-2 fuzzy likelihood-based MABAC approach and its application in selecting hotels on a tourism website”, International Journal of Fuzzy Systems, 19(1), 47-61.
• Zhang, H., Gu, C. L, Gu, L. W. ve Zhang, Y. (2011). “The evaluation of tourism destination competitiveness by TOPSIS & information entropy–a case in the Yangtze River delta of China”, Tourism Management, 32(2), 443-451.
• Zhang, Y. (2015). “TOPSIS method based on entropy weight for supplier evaluation of power grid enterprise”, 2nd International Conference on Education Reform and Modern Management (ERMM 2015).
• Zhuparova, A. S. (2012). “Problems of measuring effectiveness of innovation performance”. International Journal of Social, Behavioral, Educational, Economic, Business and Industrial Engineering, 6(6), 1601-1608.
• Zizlavsky, O. (2016). “Innovation performance measurement: research into Czech business practice”, Economic Research-Ekonomska Istraživanja, 29(1), 816-838.