G-7 Ülkelerinin Makroekonomik Performanslarının SD ve MABAC Yöntemleri ile Karşılaştırılması

Abstract

Ülkeler ekonomi politikalarını makroekonomik performans kriterlerine göre belirlemektedirler. Makroekonomik performans kriterleri ülkelerin gelişmişlik seviyeleri ile ilgili temel bilgiler sunmaktadır. İşsizliğin azalması, fiyat istikrarının ve bütçe dengesinin oluşturulması ekonomik büyümenin ve rekabetin gerçekleşmesi açısından önem ifade etmektedir. Bu Çalışmanın amacı, dünyada gelişmişlik seviyesi en yüksek olan yedi ülkenin oluşturduğu bir birlik olan G7 (Almanya, Amerika Birleşik Devletleri, Birleşik Krallık, İtalya, Fransa, Japonya ve Kanada) ‘nin 2018-2022 yılları arasındaki makroekonomik performanslarını incelemektir. Çalışmada OECD (Ekonomik Kalkınma ve İş Birliği Örgütü) tarafından “sihirli elmas “olarak adlandırılan (işsizlik, enflasyon, dış denge ve büyüme) makroekonomik kriterler ÇKKV (Çok kriterli karar verme) yöntemlerinden olan SD (Standart Sapma) ve MABAC (Multi- Attributive Border Approximation Area Comparison) yöntemleri kullanılarak uygulanmıştır. SD yönteminin sonuçlarına göre; enflasyon kriterinin 2018 ve 2019 yıllarında, işsizlik kriterinin 2020 ve 2022 yıllarında, büyüme kriterinin ise 2021 yılında makroekonomik performans üzerinde en büyük etkiye sahip olduğu görülmüştür. İlgili ülkeler arasında 2020 yılında en yüksek makroekonomik performansa sahip olan ülkenin Almanya, diğer incelenen yıllar arasında ise Japonya olduğu MABAC yönteminin sonuçlarına göre tespit edilmiştir.

Keywords

• Makroekonomik performans
• ÇKKV
• SD
• MABAC
• G7

Comparison Of G-7 Countries' Macroeconomic Performance with SD and MABAC Methods

Abstract

Countries determine their economic policies according to macroeconomic performance criteria. Macroeconomic performance criteria provide basic information on the level of development of countries. A reduction in unemployment, price stability and a balanced budget are important for achieving economic growth and competitiveness. The aim of this study is to analyse the macroeconomic performance of the G7 (Germany, the United States, the United Kingdom, Italy, France, Japan and Canada), a union of the seven countries with the highest level of development in the world, between 2018 and 2022. . In the study, macroeconomic criteria (unemployment, inflation, external balance, and growth), which are called "magic diamonds" by OECD (Organization for Economic Cooperation and Development), were applied using SD (Standard Deviation) and MABAC (Multi-Attributive Border Approximation Area Comparison) methods. According to the results of the SD method, the inflation criterion has the greatest impact on macroeconomic performance in 2018 and 2019, the unemployment criterion in 2020 and 2022, and the growth criterion in 2021. According to the results of the MABAC method, Germany had the highest macroeconomic performance in 2020, and Japan had the highest macroeconomic performance in the other analyzed years.

Keywords

• Macroeconomic performance
• MCDM
• SD
• MABAC
• G7

References

1. Al, İ.; Demirel, S. K. (2022). Türkiye’nin Makroekonomik Performansının TOPSIS Yöntemiyle Değerlendirilmesi: 2002-2019 Dönemi, Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(1), 202-222.
2. Apan, M.;Tiyek, R. (2023). Makroekonomik Performans ve Entegre CRITIC Tabanlı MABAC Karar Verme Yaklaşımı: Türkiye Ekonomisinin 2008-2021 Dönem Verisinden Kanıtlar, Süleyman Demirel Üniversitesi Vizyoner Dergisi, 14(100. Yıl Özel Sayısı), 44-65.
3. Arsić, M.; Mladenović, Z. ; Nojković, A. (2022). Macroeconomic Performance of Inflation Targeting in European and Asian Emerging Economies, Journal of Policy Modeling, 44(3), 675-700.
4. Arsu, T. (2022). Assessment of Macroeconomic Performances and Human Development Levels of BRICS and MINT Countries Using CRITIC and COPRAS Methods, Pacific Business Review (International), 14(10), 1-19.
5. Ayçin, E.; Çakın, E. (2019). Ülkelerin İnovasyon Performanslarının Ölçümünde Entropi ve MABAC Çok Kriterli Karar Verme Yöntemlerinin Bütünleşik Olarak Kullanılması, Akdeniz İİBF Dergisi, 19 (2), 326-351.
6. Bai, Y., Carriero, A.; Clark, T. E.; Marcellino, M. (2022). Macroeconomic Forecasting in A Multi‐Country Context, Journal of Applied Econometrics, 37(6), 1230-1255.
7. Belhoula, M. M.; Mensi, W.; Naoui, K. (2023). Impacts of Investor's Sentiment, Uncertainty Indexes, and Macroeconomic Factors on The Dynamic Efficiency of G7 Stock Markets, Quality & Quantity, 1-32.
8. Belke, M. (2020). CRITIC ve MAIRCA Yöntemleriyle G7 Ülkelerinin Makroekonomik Performansının Değerlendirilmesi, İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 19(Özel ek), 120-139.

9. Diakoulaki, D. ; Mavrotas, G. ; Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The critic method, Computers & Operations Research, 22(7), 763-770.
10. Dovern, J.; Weisser, J. (2011). Accuracy, unbiasedness, and efficiency of professional macroeconomic forecasts: An empirical comparison for the G7, International Journal of Forecasting, 27(2), 452-465.
11. Duman, Y. K. (2017). Türkiye’de Cari Işlemler Dengesi ve Ekonomik Büyüme Arasındaki İlişki, Sakarya İktisat Dergisi, 6(4), 12-28.
12. Eyüboğlu, K. (2017). Türk Dünyasında Yer Alan Ülkelerin Makro Performanslarının Karşılaştırılması, Bilig, 83, 331-350.
13. Giannellis, N.; Koukouritakis, M. (2019). Gold Price and Exchange Rates: A Panel Smooth Transition Regression Model for the G7 Countries, The North American Journal of Economics and Finance, 49, 27-46.
14. Gupta, D.; Parikh, A.; Datta, T. K. (2021). A Multi-Criteria Decision-Making Approach to Rank the Sectoral Stock Indices of National Stock Exchange of India Based on their Performances, National Accounting Review, 3(3), 272-292.
15. Humpe, A.; McMillan, D. G. (2020). Macroeconomic Variables and Long-Term Stock Market Performance: A Panel ARDL Cointegration Approach for G7 Countries, Cogent Economics & Finance, 8(1), 1816257.
16. Kahreman,Y. (2023). OECD Ülkelerinin Ekonomik Performanslarının CRITIC-MABAC Yöntemi ile Ölçülmesi, Uluslararası Bankacılık Ekonomi ve Yönetim Araştırmaları Dergisi, 6(1), 96-122.
17. Karahan, M.; Çetintaş, F., Karahan, M. S. (2021). Turkey and Some EU Countries’ Economic Performance Analysis with Multi-Criteria Decision-Making Methods: Promethee GAIA Application in, Digital Conversion on the Way to Industry 4.0 içinde, Ed., Durakbasa N. M. and Gençyılmaz M. G., Springer, Newyork, pp. 584-597.
18. Koşaroğlu, Ş. M. (2021). E7 Ülkelerinin Makroekonomik Performanslarının ENTROPİ ve ARAS Yöntemleriyle Karşılaştırılması, Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 68, 203-221.
19. Neanidis, K. C.; Savva, C. S. (2013). Macroeconomic Uncertainty, Inflation, and Growth: Regime-Dependent Effects in The G7, Journal of Macroeconomics, 35, 81-92.
20. Pamučar, D.; 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.
21. Tekinay, O. N. (2022). Covid-19 Salgın Dönemi G7 Ülkeleri ve Türkiye’nin Ekonomik Performans Sıralaması ve Karşılaştırılması, Yalova Sosyal Bilimler Dergisi, 12(1), 1-25.
22. Uludağ, A. S.; Ümit, A. Ö. (2020). Türk Dünyası Ülkelerinin Katma Değerli Üretim ve Makroekonomik Performanslarının DEMATEL ve COPRAS Yöntemleriyle Analizi, Sosyoekonomi, 28(45), 139-164.
23. Uludağ, A.S.; Doğan, H. (2021). Üretim Yönetiminde Çok Kriterli Karar Verme Yöntemleri: Literatür, Teori ve Uygulama, Ankara: Nobel Akademik Yayıncılık.
24. Veličković, G.; Stanojević, J. (2022). “Magic Diamond” in a Macroeconomic Performance: An Empirical Assessment of Selected EU Countries. Economic Alternatives, 4, 587-605.
25. Welsch, H.; Kühling, J. (2016). Macroeconomic Performance and Institutional Change:Evidence from Subjective Well-Being Data, Journal of Applied Economics, 19(2), 193-217.
26. Yazgan, A. E. (2022). Bütünleşik SD ve MABAC Yöntemleri Ile BRICS-T Ülkelerinin Makro Ekonomik Performanslarının Incelenmesi. Ekonomik Büyüme Alanında Güncel Çalışmalar içinde. Ed. Üçler Telli, Y., Eğitim Yayınevi: Konya, pp.79-91.
27. Zlaugotne, B.; Zihare, L.; Balode, L.; Kalnbalkite, A.; Khabdullin, A.; Blumberga, D. (2020). Multi-criteria Decision Analysis Methods Comparison.,Environmental and Climate Technologies, 24(1), 454-471.