Entegre NMV-APLOCO Yöntemleriyle G7 Ülkelerinin Makroekonomik Performanslarının İncelenmesi

Abstract

Çok sayıda alternatif ve kriterin olduğu karar alma süreçlerinde yaşanan karmaşıklığı azaltmak ve karar sürecini kolaylaştırmak amacıyla geliştirilen çok kriterli karar verme yöntemleri, karar problemlerinin çözülmesinde kullanılan sistematik yaklaşımları içermektedir. Bu çalışmada da dünyanın ekonomik olarak en güçlü ülkelerinin bir araya gelerek oluşturduğu G7 ülkelerinin 2023 yılı verilerine göre makroekonomik performansları literatüre görece yeni kazandırılan entegre NMV-APLOCO yöntemleriyle incelenmektedir. Çalışmada kriter olarak GSYH büyüme oranı, enflasyon oranı, işsizlik oranı ve kişi başına GSYH oranları kullanılmıştır. Kriterlerin ağırlıkları NMV yöntemi ile belirlenmiştir. Ardından APLOCO yöntemi ile ülkeler makroekonomik göstergelere göre sıralanmıştır. EDAS, COPRAS, GİA ve WASPAS yöntemleri ile de elde edilen sonuçlar karşılaştırılmıştır. Uygulama sonucunda ağırlığı en yüksek kriter Kişi Başına GSYH kriteri olmuştur. Sırasıyla Doğrudan yabancı yatırımlar, GSYH Büyüme oranı, enflasyon oranı ve işsizlik oranı kriterleri yer almaktadır. Ağırlıklar arasında çok büyük farklılıklar bulunmamaktadır. Ülke sıralamasında ise Japonya ilk sırada, İtalya son sırada yer almaktadır. APLOCO yönteminin EDAS, COPRAS ve GİA yöntemleriyle pozitif yüksek düzeyde ilişkisi olduğu sonucu elde edilmiştir.

Keywords

• NMV
• APLOCO
• Çok kriterli karar verme
• Makroekonomik performans

Analyzing Macroeconomic Performance of G7 Countries with Integrated NMV-APLOCO Methods

Abstract

The multi-criteria decision-making methods, which are developed to reduce the complexity of decision-making processes with many alternatives and criteria and to facilitate the decision process, include systematic approaches used to solve decision problems. In this study, the macroeconomic performance of the G7 countries, which are composed of the most economically powerful countries in the world, according to the data of 2023, is analyzed with the integrated NMV-APLOCO methods, which are relatively new to the literature. GDP growth rate, inflation rate, unemployment rate, and GDP per capita are used as criteria for the study. The weights of the criteria are determined by the NMV method. Then, countries are ranked according to macroeconomic indicators using the APLOCO method. The results were also compared with the EDAS, COPRAS, GRA, and WASPAS methods. As a result of the application, the GDP per capita criterion has the highest weight. The following criteria are Foreign Direct Investments, GDP growth rate, inflation rate, and unemployment rate. There are no significant differences between the weights. In the country ranking, Japan ranks first, and Italy ranks last. It is concluded that the APLOCO method has a high positive correlation with the EDAS, COPRAS, and GRA methods.

Keywords

• NMV
• APLOCO
• Multi-criteria decision making
• Macroeconomic performance

References

1. Bağcı, H. ve Sarıay, İ. (2021). Halka açık piyasa değeri ve piyasa değeri ve piyasa değerinin işletme performansındaki rolü: Bist halka arz endeksi’nde bir uygulama. Finansal Araştırmalar ve Çalışmalar Dergisi. 13(24), 36-54.
2. Bildir, M. (2024). Küresel ekonomik güç dengesi ve güvenlik politikaları, Novus Orbis Journal of Politics and International Relations, 6(1), 118-152.
3. Bulut, T. (2017). Çok kriterli karar verme (ÇKKV) modellerinde kriterlerin ağırlıklandırılmasına yönelik bir model önerisi: normalize edilmiş maksimum değerler [nmd] metodu (normalized maximum values [nmv] method), URL: https://tevfikbulutcom.wordpress.com/2017/06/21/coklu-karar-verme-modellerinde-kriterlerin-agirliklandirilmasina-yonelik-model-onerisi/.
4. Bulut, T. (2018). A new multi criteria decision making method: approach of logarithmic concept (APLOCO), International Journal of Artificial Intelligence and Applications, 9(1), 15-33.
5. Chattopadhyay, S., ve Bose, S. (2015). Global macroeconomic performance: a comparative study based on composite scores. Journal of Reviews on Global Economics, 4, 51-68.
6. Cihan, Y.ve Salur, M. N. (2017). Comparison of the economic performance between Turkey and BrRICS countries using topsis method. Journal of Current Researches on Business and Economics, 7(2), 350-358.
7. Çağdaş Sağ, S. (2022). Görsel sanatlar öğretmen adayı seçim sınavında yeni bir boyut: kişilik testi. Pamukkale üniversitesi, Eğitim Bilimleri Enstitüsü, Yüksek Lisans Tezi, Denizli. URL: http://acikerisim.pau.edu.tr/xmlui/handle/11499/45600.
8. Demirbaş, D. (2024). Türkiye ve Altı Batı Balkan ülkesinin 2010-2023 yılları arasında CRITIC ve MAIRCA Yöntemleriyle makroekonomik performanslarının karşılaştırması ve Türkiye-Sırbistan ekonomik ilişkilerinin geliştirilmesi. Avrasya Dosyası, 15(1), 38-61.

9. Dinçer, S. E. (2011). Multi-criteria analysis of economic activity for European union member states and candidate countries: topsis and wisa applications. European Journal of Social Sciences, 21(49), 563-572.
10. Doğan, H. (2022). Türkiye’nin makroekonomik performansının 2010-2020 yılları için critic temelli aras yöntemi ile değerlendirilmesi. Asya Studies, 6(19), 189-202.
11. Duman, M. (2002). Hegemonya ve Güçler Dengesi Bağlamında Uluslararası Siyaset ve İktisat İlişkileri, Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2, 1-16.
12. Ela, M., Doğan A. ve Uçar, O. (2018). Avrupa Birliği Ülkeleri ve Türkiye’nin Makroekonomik Performanslarının TOPSIS Yöntemi ile Karşılaştırılması. Osmaniye Korkut Ata Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 2(2), 129-143.
13. Ergun, H., Gülal, M. & Kılıçarslan, A. (2022). Lisanslı Depoculuk Sektöründe Faaliyet Gösteren Şirketlerin İşlem Performanslarının Çok Kriterli Karar Verme Yöntemleriyle Ölçülmesi . Muhasebe ve Finansman Dergisi, (94), 105-132. DOI: 10.25095/mufad.1054068
14. Eyüboğlu, K. (2017). Türk Dünyasında Yer Alan Ülkelerin Makro Performanslarının Karşılaştırılması. Bilig Türk Dünyası Sosyal Bilimler Dergisi, 83, 331-350.
15. Fındık, O. ve Özkaynak, E. (2021). Link Prediction Based on Node Weighting in Complex Networks. Soft Comput. 25, 2467-2482.
16. Fındık, O. ve Özkaynak, E. (2019). Node Weighting Method in Centrality Measure of Complex Networks. International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES 2019), Apr 26-28, 2019 Alanya, Turkey, 342-348.
17. Hajnal, P. (2016). The G8 System and The G20: Evolution, Role and Documentation. New York: Routledge.
18. Kete, H. ve Karasaç, F. (2022). Covid-19 Sürecinde Avrupa Birliği Ülkeleri ve Türkiye’nin Ekonomik Performanslarının COPRAS Yöntemi ile Değerlendirilmesi. Journal of Economic Policy Researches, 9(2), 373-395.
19. Kete, H. (2023). Türkiye’de 2000-2021 Döneminde Kamu Mali Göstergelerinin Performans Analizi. Kırklareli University Journal of the Faculty of Economics and Administrative Sciences, 12(1), 34-54.
20. Kılıçarslan, A. ve Sucu, M. Ç. (2021). Çok Ölçütlü Karar Verme Yöntemleri ile Finansal Performans Sıralamaları Portföy Yönetim Şirketleri Üzerine Bir Uygulama. Erciyes Akademi, 35(4), 1451-1480. DOI: 10.48070/erciyesakademi.994546
21. Kılıçarslan, A. (2022). Türkiye Sermaye Piyasalarında Aracılık Hizmeti Sunan Aracı Kurumların Finansal Performans Analizi / İktisadi ve İdari Bilimlerde Teori ve Araştırmalar-I (pp.215-246): Bölüm 13. Serüven Yayınevi.
22. Konak, A. (2020). G-7 Ülkelerinde İhracatın Ekonomik Büyüme Üzerindeki Etkisi: Panel Nedensellik Analizi. Bartın Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(21), 232-251.
23. Kou, G., Shi, Y., ve Wang, S. (2011). Multiple Criteria Decision Making and Decision Supports Systems – Guest Editor’s Introduction, Decision Support Systems, 51(2), 247-249.
24. Masca, M. (2017). Economic Performance Evaluation of European Union Countries by Topsis Method. North Economic Review, 1(1), 83-94.
25. Matthew, M. (2012) Consensus formation in the global economy: the success of the g7 and the failure of the g20, Studies in Political Economy, 90(1), 115-136, DOI: 10.1080/19187033.2012.11674993
26. Mishra, A. K., Joshi, N., Mathur, I. (2020). A Fuzzy based integrated model for identification of vital node in terrorist network using logarithmic concept, Journal of Intelligent & Fuzzy Systems, 39(3), 3617-3631.
27. Orhan, M. (2020). Avrupa Birliği ülkeleri ile Avrupa Birliği üyeliğine aday olan ülkelerin makroekonomik performanslarının aras yöntemi ile kıyaslanması, Journal of Humanities and Tourism Research 10(1), 115-129.
28. Özkaynak, E. (2020). Karmaşık ağlarda düğüm ağırlıklı bağlantı yöntemlerinin geliştirilmesi. Doktora Tezi, Karabük Üniversitesi
29. Bilgisayar Mühendisliği.
30. Şahin, M. (2022). Güncel ve uygulamalı çok kriterli karar verme yöntemleri. Nobel Yayınları.
31. Telli Üçler, Y. (2024). Comparison of G-7 countries’ macroeconomic performance with sd and mabac methods. Politik Ekonomik Kuram, 8(1), 243-255.
32. Waligora, K. (2015). Developed societies = happy societies? growth or development – BRIC. Journal of International Studies, 8(1), 114-125.
33. Wang, C.-N. ve Le, A. (2018). Measuring the macroeconomic performance among developed countries and asian developing countries: past, present, and future. Sustainability. 10(10), 36-64.
34. Wallerstein, I. (1996). Tarihsel kapitalizm (Çev. N.Alpay), Metis Yayınları.