BANKA KARTI, KREDİ KARTI VE İNTERNETTEN KART İLE YAPILAN ÖDEMELERİN SEKTÖREL DAĞILIMININ ORTOGONAL (DİKEY) VE DİAGONAL (KÖŞEGEN) MATRİSLER İLE ANALİZİ

Abstract

Banka Kartı, Kredi Kartı ve İnternetten Kart ile Yapılan Ödemelerin enflasyondan arındırılmış (reel) değerleri ile (2003-2020) yılları arasındaki sektörel bileşimini ortaya koymak, benzeşen ve ayrışan sektörleri tespit ederek ödeme sistemlerinin etkinliğinin arttırılmasını sağlamak maksadıyla, korelasyon matrisleri ile İkili Yükler (Ortogonal (Dikey) ve Diagonal (Köşegen)) matrisler oluşturulmuştur. Matrislerden elde edilen özdeğerler, özvektörler (yükler) ve sıradan korelasyon sonuçları ikili yük grafik düzleminde birleştirilerek ve Mahalanobis mesafeleri kullanılarak sütunların şekilleri özdeğerlere eşitlenmekte ve vektörler arasındaki açıların kosinüsleri değişkenler arasındaki korelasyonlara eşit olacak şekilde gözlem ölçeklendirmesi olmadan, sonuçlar yalnızca sabit bir orantılılık içerisinde yorumlanmaktadır. Özdeğerler, değerler, özdeğerlerdeki ileriye doğru fark, açıklanan toplam varyans oranı gibi sonuçlar ışığında, kart ile ödeme yapılan sektörlerden bazılarının diğer sektörlerden ciddi ölçüde ayrıştığı ve pozitif veya negatif yükler (varyanslar) taşıyarak kümelendiği tespit edilmiştir.

Keywords

• Banka Kartı
• Kredi Kartı
• İnternetten Kart ile Ödeme
• Ortogonal Matris
• Diagonal Matris
• İkili Yükler Grafiği

ANALYSIS OF SECTORAL DISTRIBUTION OF BANK CARD, CREDIT CARD AND INTERNET CARD PAYMENTS WITH ORTOGONAL (VERTICAL) AND DIAGONAL (CORNER) MATRIX

Abstract

In order to reveal the sectoral composition between the years (2003-2020) with the inflation-free (real) values of the Payments made by Debit Card, Credit Card and Internet Card, and to increase the efficiency of payment systems by identifying similar and differentiated sectors, Binary Loads (Orthogonal (Vertical) and Diagonal (Diagonal) matrices are created. The eigenvalues, eigenvectors (charges) and ordinary correlation results obtained from the matrices are combined in the plane of the binary load graph and the shapes of the columns are equalized to the eigenvalues using Mahalanobis distances, and without observation scaling so that the cosines of the angles between the vectors are equal to the correlations between the variables, the results are interpreted only in a constant proportionality. In the light of results such as eigenvalues, values, forward difference in eigenvalues, and the total variance ratio explained, it was determined that some of the sectors paid by card differ significantly from other sectors and clustered by carrying positive or negative loads (variances).

Keywords

• Debit Card
• Credit Card
• Online Card Payment
• Orthogonal Matrix
• Diagonal Matrix
• Orthonormal Loadings Biplot

References

1. Aitchison, J., & Greenacre, M., “Biplots of compositional data”, Journal of the Royal Statistical Society: Series C (Applied Statistics), 51(4), 2002, pp.375-392.
2. Bankalararası Kart Merkezi, Aylık Kart Kullanım İstatistikleri
3. Berry, M. W., Drmac, Z., & Jessup, E. R., “Matrices, vector spaces, and information retrieval”, SIAM review, 41(2), 1999, pp.335-362.
4. Chou, Y., Lee, C., & Chung, J., “Understanding m-commerce payment systems through the analytic hierarchy process”, Journal of Business Research, 57(12), 2004, pp.1423-1430.
5. Darolles, S., Dubecq, S., & Gouriéroux, C., “Contagion analysis in the banking sector”, Available at SSRN 2455826, 2014, pp.1-36
6. Eviews, Principal Components, http://www.eviews.com/help/helpintro.html#page/ content/ groups-Principal_Components.html, (Erişim Tarihi: 25.09.2020)
7. Filiz, Z., & Kolukısaoğlu, S., “Doğrusal Olmayan Kanonik Korelasyon Analizi ve Lokanta Müşterilerinin Memnuniyeti Üzerinde Bir Uygulama”, Ekev Akademı̇ Dergı̇sı̇, Yıl:16, Sayı:51, Bahar 2012, pp.357-368
8. Floyd, F.J. and Widaman, K.F. (1995), “Factor analysis in the development and refinement of clinical assessment instruments”, Psychological Assessment, Vol. 7 No. 3, pp. 286-299.

9. Gabriel, K. R., “The biplot graphic display of matrices with application to principal component analysis”, Biometrika, 58(3), 1971, pp.453-467. Hair, J.F., Anderson, R.E. and Tatham, R.L., Multivariate Data Analysis, Macmillan, New York, NY, 1998
10. Ibrahim, E. E., Joseph, M., & Ibeh, K. I., “Customers' perception of electronic service delivery in the UK retail banking sector”, International Journal of Bank Marketing, 2006, pp.475.493
11. Johnson, R. A., & Wichern, D. W., Discrimination and classification, In Applied multivariate statistical analysis, Vol. 4, Prentice-Hall, 1992
12. Mahalanobis, P. C., On the generalized distance in statistics, National Institute of Science of India, 1936
13. Neo, V. W., & Naylor, P. A., “Second Order Sequential Best Rotation Algorithm with Householder Reduction for Polynomial Matrix Eigenvalue Decomposition”, In ICASSP 2019-2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), May 2019, pp.8043-8047). IEEE.
14. Skretting, P. K., “Value at risk analysis by means of random orthogonal matrix simulation”, Master's thesis, University of Stavanger, Norway, 2013, pp.1-49
15. Sørensen, C. K., & Puigvert Gutierrez, J. M., “Euro area banking sector integration: using hierarchical cluster analysis techniques”, No. 627, ECB working paper, 2006, pp.1-38
16. Stewart, D.W., “The application and misapplication of factor analysis in marketing research”, Journal of Marketing Research, Vol. XVIII, February, 1981, pp. 51-62.
17. Türkiye Cumhuriyet Merkez Bankası (TCMB) Elektronik Veri Dağıtım Sistemi (EVDS), https://evds2.tcmb.gov.tr, (Erişim Tarihi: 25.09.2020)
18. Yılmaz, H., Budak, G. S., & Başaran, B., “Kredi Kartı Kullanım Alışkanlıklarında Kategorik Değişkenler Arasındaki İlişkiler ve Bireylerin Davranışsal Eğilimleri: Bilecik Örneği”, Uluslararası Yönetim İktisat ve İşletme Dergisi, 9(19), 2013, pp.31-49.
19. Zhao, W., Li, H., Jin, M., Liu, Y., & Yoo, S. J., “Enhanced Detection Algorithms Based on Eigenvalues and Energy in Random Matrix Theory Paradigm”, IEEE Access, 8, 2020, pp.9457-9468.