İhracat Performansına Göre Ülkeler: G7, Çin ve Türkiye

Year 2025, Volume: 39 Issue: 2, 158 - 180, 15.04.2025

İlker İbrahim Avşar

https://doi.org/10.16951/trendbusecon.1536037

Abstract

Bu araştırma, seçilen 95 ülkenin ihracat performanslarına göre benzerlik ve farklılık durumlarını ortaya koymayı amaçlamış ve özellikle G7 ülkeleri, Çin ve Türkiye üzerine odaklanmıştır. Ayrıca, G7 ülkelerinin ihracat performansları iki farklı zaman diliminde (2013-2017 ve 2018-2022) zamansal farklılık açısından karşılaştırılmıştır. Ülkelerin ihracat performansı, mal ve hizmet ihracatı, yüksek teknoloji ihracatı ve ticari hizmet ihracatı olmak üzere üç başlık altında değerlendirilmiş ve bu analizde kümeleme yöntemi olarak Beklenti Maksimizasyonu (Expectation Maximisation, EM) algoritması kullanılmıştır. Çalışma, 2013-2022 yılları arasında Dünya Bankası verilerine dayanmaktadır. Analiz sonuçlarına göre, yüksek teknoloji ihracatı açısından G7 ülkelerinin benzer performanslar sergilediği görülmüştür. Mal ve hizmet ihracatı açısından ise Almanya ve Birleşik Devletler benzer bir performans ortaya koyarken, Birleşik Krallık, Fransa, Japonya, Kanada ve İtalya’nın kendi aralarında daha yakın bir performans sergilediği tespit edilmiştir. Ticari hizmet ihracatı bakımından ise Birleşik Devletler, diğer ülkelerden ayrışarak benzersiz bir konumda yer almıştır. Almanya, Birleşik Krallık, Fransa ve Japonya benzer özellikler gösterirken, Kanada ve İtalya’nın da kendi aralarında yakın bir performans sergilediği belirlenmiştir. Bu çalışma, seçilen ülkelerin ihracat performanslarını değerlendiren kapsamlı bir analiz sunmakta ve elde edilen sonuçlar, politika yapıcılar için önemli çıkarımlar sağlamaktadır. Özellikle, ülkeler arasındaki benzerlikler ve farklılıklar dikkate alınarak, ülkelerin mevcut konumları daha net bir şekilde anlaşılabilir ve geleceğe yönelik stratejik planlar daha etkili bir şekilde oluşturulabilir.

Keywords

İhracat, G7, Çin, Türkiye

Thanks

Türk bilim dünyasına katkıda bulunan; dergi kurucuları, dergi yöneticileri, editör ve hakemlere teşekkür ederim.

Countries By Export Performance: G7, China and Türkiye

Abstract

This research aims to identify the similarities and differences in the export performance of 95 selected countries, with a particular focus on the G7 countries, China and Turkey. In addition, the export performance of the G7 countries was compared over two different time periods (2013-2017 and 2018-2022) to assess differences over time. The countries' export performance was assessed in three main categories: exports of goods and services, exports of high-tech products and exports of commercial services. The analysis used the Expectation Maximization (EM) clustering algorithm and was based on Worldbank data from 2013 to 2022. According to the results of the analysis, the G7 countries show similar performances in terms of high-tech exports. In terms of exports of goods and services, Germany and the United States showed comparable performances, while the United Kingdom, France, Japan, Canada and Italy were closer to each other. For exports of commercial services, the United States stood out. Germany, the United Kingdom, France and Japan had similar characteristics, while Canada and Italy were similar within their own group. This study provides a comprehensive analysis of the export performance of selected countries and offers important insights for policy makers. By considering the similarities and differences between countries, policy makers can better understand their country's current position and formulate more effective strategic plans for the future.

Keywords

Export, Group of Seven, China, Türkiye

References

• Aghabozorgi, S., Shirkhorshidi, A.S., & Wah, T.Y. (2015). Time-series clustering – A decade review. Information Systems, 53, 16-38. [CrossRef]
• Akay, Ö. (2021). Yüksek teknoloji ihracatında Türkiye’nin yeri ve belirleyicileri. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 9(4), 1128-1141. [CrossRef]
• Akın, T., Güneş, S., Gürel, S. P., & Karadam, D. Y. (2020). Yüksek teknoloji ihracatının temel belirleyicilerinin analizi: bir panel veri. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(21), 242-267. [CrossRef]
• Aktaş, N. (2022). G7 Ülkelerinin inovasyon göstergelerinin değerlendirilmesi. EUropean Journal of Managerial Research (EUJMR), 6(10), 87-104.
• Alasalı, T., & Ortakcı, Y. (2024). Clustering techniques in data mining: a survey of methods, challenges, and applications. Computer Science, 9(1), 32-50. [CrossRef]
• Altun, A., Avsar, I.I., Turan, T.,& Yanikkaya, H. (2023). Does global value chain participation boost high technology exports? Journal of International Development, 35(5), 820-837.  [CrossRef]
• Altunok Memiş, A. (2024). Susam (sesamum indicum l.) genotiplerinin ana bileşen ve kümeleme analizi ile değerlendirilmesi. Anadolu Ege Tarımsal Araştırma Enstitüsü Dergisi, 34(Özel Sayı), 140-148. [CrossRef]
• Arıca, F. & Koyuncu, G. (2024). Yüksek teknoloji ürün ihracatı ile politik istikrar ilişkisinin BRICS-T ülkeleri açısından analizi. Girişimcilik ve Kalkınma Dergisi, 19(1), 26-36.
• Aydın, Z., & Atay Polat, M. (2024). İklim değişikliği ile mücadelede uygulanan kamu politikaları bakımından Türkiye’nin Avrupa Birliği içindeki durumunun analizi. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 16(30), 173-185. [CrossRef]
• Bello-Yañez, X. V., Martínez-Rodríguez, M.-C., Campos-Villegas, L. E., Cervantes-Nájera, A. L., & Padilla-Rivera, A. (2025). Mapping Scientific and Topic Evolution Around Lithium-Based Clean Energy Technologies: A Bibliometric Analysis. Sustainability, 17(1), 255. [CrossRef]
• Bitgen Sungur, B. & Madenoğlu, F. S. (2024). Examination of provinces in Türkiye about sectoral employment share by cluster analysis. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 24(1), 347-366. [CrossRef]
• Bozkurt, S. G., & Kuşak, L. (2024). Detection of population density, LULC variation and cross-regional similarities using k-means clustering algorithm in Istanbul example. Journal of Architectural Sciences and Applications, 9(1), 69-86. [CrossRef]
• Brühl, V. (2025). The economic rise of China – an analysis of China’s growth drivers. Int Econ Econ Policy, 22, 16. [CrossRef]
• Büyüksaatçı Kiriş, S., & Tüysüz, F. (2017). Performance comparison of different clustering methods for manufacturing cell formation. Sakarya University Journal of Science, 21(5), 1031-1044. [CrossRef]
• Cengiz, K. (2020). Analyzing classifier performances based on implemented expectation-maximization algorithm to gaussian mixture model. Avrupa Bilim ve Teknoloji Dergisi, 26-37. [CrossRef]
• Changalasetty, S. B., Ghribi, W., Badawy, A. S., Bangali, H, Ahmed, A. M. & Thota, L. S. (2021). Using EM technique for Juvenile crime zoning.  2021 5th International Conference on Information Systems and Computer Networks (ISCON), Mathura, India, 1-6, [CrossRef]
• Class EM, weka.clusterers, https://weka.sourceforge.io/doc.dev/weka/clusterers/EM.html, Erişim tarihi: 01.08.2024.
• Conteduca, F.P., Giglioli, S., Giordano, C., Mancini, M. & Panon L. (2025). Trade fragmentation unveiled: five facts on the reconfiguration of global, US and EU trade. Journal of Industrial and Business Economics. [CrossRef]
• Coşar, E., & Özarı, Ç. (2019). K-Ortalamalar Kümeleme Yöntemi ile G-7 Ülkelerinin Ekonomik Özgürlükler Açısından Karşılaştırılması. Florya Chronicles of Political Economy, 5(1), 37-60.
• Çakmaklı, B. M. (2024). The impact of economic integration agreements on Turkey’s high technology product exports: ASEAN case. Fiscaoeconomia, 8(1), 304-325. [CrossRef]
• Çalışkan Çavdar, Ş., & Aydın, A.D. (2015). An Empirical Analysis about Technological Development and Innovation Indicators. Procedia - Social and Behavioral Sciences, 195, 1486-1495.
• Çiftçi, N., & Dilsiz, G. (2024). G7 ülkelerindeki ar-ge faaliyetlerinin ihracat çeşitliliği üzerindeki etkisi. Sakarya İktisat Dergisi, 13(2), 110-132.
• Dağ, O. (2023). OECD ülkelerinin ihraç ve ithal edilen ürün gruplarına göre kümelenmesi. GMBD, 9(4), 186–200.
• Dağ, O., & Karaatlı, M. (2020). Resort otellerin kümeleme analizi ile incelenmesi: Antalya ili örneği. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (36), 200-232.
• de Melo, J., Solleder, JM. (2025). How can the African Continental Free Trade Area (AfcFTA) help develop regional value chains across Africa? An exploration. Rev World Econ. [CrossRef]
• Dempster A.P., Laird N.M., & Rubin D.B. (1977). Maximum Likelihood from Incomplete Data via the EM Algorithm. Journal of the Royal Statistical Society. Series B (Methodological), 39(1), 1-38.
• Dinçer, N.G., Güneri Ö.İ. & Yalçın M.O (2016). Zaman serisi kümelemesinin Türkiye’deki hava kirliliği izleme istasyonlarındaki bilgi fazlalığının tespit edilmesine uygulanması. Sakarya University Journal of Science, 20(3), 605-616. [CrossRef]
• Doğuç, O., Şahinbaş, K., & Silahtaroğlu, G. (2024). analysis of city demographics in Türkiye using data mining techniques. Acta Infologica, 7(1), 107-123. [CrossRef]
• Dörterler S., Dumlu H., Özdemir D., & Temurtaş H. (2024). Hybridization of meta-heuristic algorithms with k-means for clustering analysis: case of medical datasets. GMBD, 10(1), 1–11.
• Dündar, A. (2024). Kümeleme analizi ile Türkiye’deki illerin mahalli idareler bütçe gelirlerine göre sınıflandırılması. Sayıştay Dergisi, (132), 101-130. [CrossRef]
• Ecemiş, O. & Irmak, S. (2018), Paslanmaz çelik sektörü satış tahmininde veri madenciliği yöntemlerinin karşılaştırılması/comparison of data mining methods in stainless steel sector sales forecasting, Sosyal Bilimler Dergisi, 8(1), 148-169.
• Eminoğlu, Ö., Mutlu, N. M., & İmre Bıyıklı, S. (2024). İleri eğitimli kadın iş gücünün sürdürülebilir büyümeye etkisi: Kümeleme analizi. Gazi İktisat ve İşletme Dergisi, 10(1), 67-86. [CrossRef]
• Erdal, M. (2000). Yüksek teknoloji ürünleri pazarlaması. Öneri Dergisi, 3(14), 129-136. [CrossRef]
• Eren, H. & Aksoy, E. (2021). Ülkelerin lojistik performanslarına göre uluslararası demiryolları istatistikleri açısından kümelenmesi. Ekonomi Bilimleri Dergisi, 13(2), 111-137
• Ergün, Ü. R., & Bulut, E. (2024). Türkiye’nin demir çelik ithalatının kümeleme analizi ile incelenmesi. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(2), 370-393. [CrossRef]
• Evdokimova, S.A. (2021).  J. Phys.: Conf. Ser. 2032 012117. [CrossRef]
• Ferreira, L., & Hitchcock, D. B. (2009). A comparison of hierarchical methods for clustering functional data. Communications in Statistics - Simulation and Computation, 38(9), 1925–1949. [CrossRef]
• Glover, P.W.J., Mohammed-Sajed, O.K., Akyüz, C., Lorinczi P., & Collier R. (2022). Clustering of facies in tight carbonates using machine learning. Marine and Petroleum Geology, 144, 105828. [CrossRef]
• Göksu, A., & Yıldız, K. (2024). Adıyaman doğal badem popülasyonundaki genotiplerde gözlenen değişkenliğin çok değişkenli analizlerle incelenmesi. Anadolu Tarım Bilimleri Dergisi, 39(1), 1-10. [CrossRef]
• Grassi, R., Bartesaghi, P., Benati, S. & Clemente, G. P. (2021). Multi-Attribute community detection in ınternational trade network. Netw Spat Econ, 21, 707–733. [CrossRef]
• Güler N., & Karahasan, M. (2013). Zaman serisi kümelemesi yaklaşımı ile OECD ülkelerinin ithalatının tahmini. Finans Politik & Ekonomik Yorumlar, 50(586), 61-73.
• Hassan E., Malik F., Khan Q. W., Ahmad N., Sardaraz M., Karim F. K., Elmannai H. (2025). A Hybrid K-Means++ and Particle Swarm Optimization Approach for Enhanced Document Clustering. IEEE Access, 1-24. [CrossRef]
• Işıkay, T. & Ozansoy, T. (2024). Tüketicilerin gizlilik endişesi ve reklam değerlerine bağlı olarak bölümlendirilmesi. Doğuş Üniversitesi Dergisi, 25(2), 201-211. [CrossRef]
• Kalkan, Y., & Pala, F. (2022). Yüksek teknoloji ihracatı belirleyicilerinin panel ARDL analizi ile incelenmesi. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (35), 193-204. [CrossRef]
• Karaatlı, M., & Altıntaş, E. (2018). Borsa İstanbul işletmelerinin veri madenciliği ile kümelenmesi- clustering the companies listed on stock exchange ıstanbul by data mining. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 10(26), 871-886. [CrossRef]
• Kaya, V., & Uğurlu, S. (2013). Ar-Ge Harcamaları ile İhracat Arasındaki İlişki: Türkiye Örneği, 1990-2011. EKEV Akademi Dergisi, (57), 269-282.
• Kaygısız, E., Sahin, B., & Kara, K. (2024). Determination and classification of entrepreneurial efficiency of countries: Data envelopment analysis and hierarchical clustering analysis. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 17(1), 85-112. [CrossRef]
• Kocabaş Akay, M., Çiftçi, M. M., & Şahin Günkut, M. (2024). İnsanların gelir düzeyleri ile enflasyon artışından kaynaklı harcama alışkanlıklarının veri madenciliği algoritmaları ile analizi. Dünya İnsan Bilimleri Dergisi, (1), 32-47. [CrossRef]
• Kong, D.-D., Jin, Z.-H., & Wang, R. (2025). Can talent allocation drive transformation and upgrading of export trade through technological innovation under low-carbon background. Technological and Economic Development of Economy, 1–23. [CrossRef]
• Krkošková, R. (2021). Analysis of Czech/Slovak exports and German economy. Ekonomický časopis. Journal of Economics, 69(1), 18-33, 0013-3035. [CrossRef]
• Librantz A.F.H., & Santos F.C.R.d. (2023). Intelligent clustering techniques for the reduction of chemicals in water treatment plants. Sustainability, 15(8), 6579. [CrossRef]
• Lin, Y., Lai, F., Liu, X., Shi, Z., & Chen, D. (2024). Examining trend and synergistic development of China’s ‘new three’ industries, China-Europe trade, and China Railway Express. All Earth, 37(1), 1–22. [CrossRef]
• Liu, K., Wang, X., & Zhang, T. (2025). Rollover restrictions and firm export behavior: evidence from China. Journal of Applied Economics, 28(1). [CrossRef]
• Liu D, Liang J, Xu S., & Ye M. (2023). Analysis of carbon emissions embodied in the provincial trade of china based on an input–output model and k-means algorithm. Sustainability, 15(12), 9196. [CrossRef]
• Loder, A.K.F. (2025). Master's programs’ dropout and graduation clusters in a university system with a multiple enrollment policy, International Journal of Educational Research Open, 8, 100423, [CrossRef]
• Martins J.M., Gul A., Mata M. N., Haider S. A., Ahmad S.. (2023). Do economic freedom, innovation, and technology enhance Chinese FDI? A cross-country panel data analysis. Heliyon, 9(6), e16668.
• Massadikov, K., & Özhan, M. (2022). High technology policy in the European Union. Yaşar Üniversitesi E-Dergisi, 17(65), 209-235. [CrossRef]
• Morck, R., Sepanski, J. & Yeung, B. (2001), Habitual and Occasional Lobbyers in the U.S. Steel Industry: An EM Algorithm Pooling Approach. Economic Inquiry, 39, 365-378.  [CrossRef]
• Namlı, E., & Murat, S. (2019). Müşteri odaklı pazarlama stratejileri için veri madenciliği teknikleri kapsamında perakende sektöründe kümeleme analizi uygulaması. Gümüşhane Üniversitesi Sosyal Bilimler Dergisi, 10, 317-327. [CrossRef]
• NbClust, NbClust Package for determining the best number of clusters. NbClust function – Rdocumentation.
• Nguyen, C. H. (2020). The impact of foreign direct ınvestment, aid and exports on economic growth in Vietnam. The Journal of Asian Finance, Economics and Business, 7(10), 581–589. [CrossRef]
• Özarı, Ç., & Can, E. N. (2023). Finansal Göstergeler Açısından Borsa İstanbul’da Faaliyet Gösteren Üretim Şirketlerinin Değerlendirilmesi: Silhouette İndeksine ve Elbow Yöntemine Göre K-Ortalamalar ile Kümelenmesi. Muhasebe Enstitüsü Dergisi, (69), 1-19. [CrossRef]
• Özarı, Ç., & Demirkale, Ö. (2020). K-Ortalamalar kümeleme yöntemi ile temel makroekonomik ve finansal göstergeler ile değerlendirilmesi: kırılgan beşli ülkelerinin örneği. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(1), 22-32. [CrossRef]
• Özkan, S., & Gültepe, M. (2024). Dijitalleşme sürecinde ERP ve CRM yazılımı kullanımının x-means kümeleme analizi ile sınıflandırılması. Karadeniz Sosyal Bilimler Dergisi, 16(30), 305-324. [CrossRef]
• Pourahmad, S., Foroozani, S., Nourelahi, M., Hosseini, A. & Razmkhah, M. (2021). Evaluation of Twenty Genes in Prognosis of Patients with Ovarian Cancer Using Four Different Clustering Methods. Asian Pacific Journal of Cancer Prevention, 22(6), 1781-1787. [CrossRef]
• Pehlivanoğlu, F., & Narman, Z. (2024). Teknolojik yenilik ve ekonomik büyüme ilişkisi: seçilmiş OECD ülkeleri örneği. Kocaeli Üniversitesi Sosyal Bilimler Dergisi, 2(46), 1-10. [CrossRef]
• Pioch M. (2017). BRICS in trade clusters: the prospects of convergent trade policies of large emerging economies. St Petersburg University Journal of Economic Studies, 33(2), 282-302.
• Sardá-Espinosa, A. (2019). Time-Series Clustering in R Using the dtwclust Package. The R Journal, 11(1), 22-43.
• Sarıhan, A. Y. (2024). Export efficiency and competitiveness in high tech products: an examination on developed markets. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (60), 23-34. [CrossRef]
• Sebastiani, P., & Ramoni, M., (2001). Common trends in european school populations, Research in Official Statistics, 169-183.
• Sözen, Ç., & Bulut, H. (2024). Clustering of countries according to programme for international student assessment (PISA) scores. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, 14(2), 424-434. [CrossRef]
• Şimşek, A. B. (2024). Evaluation of provinces in Türkiye with health indicators by density-based spatial clustering analysis. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(2), 135-157. [CrossRef]
• Tanasiichuk, A., Dybchuk, L., Shevchuk, A., Hromova, O., Mykhailo, H., Zakharchuk, I., & Ulianych, Y. (2025). International Marketing Diversification: A Path to Sustainable Enterprise Development. European Journal of Sustainable Development, 14(1), 266. [CrossRef]
• Tengelin, K., & Sopasakis A. (2020). Tick based clustering methodologies establishing support and resistance levels in the currency exchange market[J]. National Accounting Review, 2(4), 354-366. [CrossRef]
• Thota, L.S., Baireddy, R.R., Changalasetty, S.B., & Pemula, R. (2022). Juvenile Crime Categorization with EM Clustering. In: Reddy, V.S., Prasad, V.K., Mallikarjuna Rao, D.N., Satapathy, S.C. (eds) Intelligent Systems and Sustainable Computing. Smart Innovation, Systems and Technologies, 289. Springer, Singapore. [CrossRef]
• Ul-Haq, J., Visas, H., Krivins, A., Remeikienė, R., & Hye, Q. M. A. (2025). The drivers of export product diversification in China: does natural resource endowments matter? Technological and Economic Development of Economy, 1–22. [CrossRef]
• Wang, X, Wang, J., & Fečkan, M. (2020). BP neural network calculus in economic growth modelling of the group of seven. Mathematics, 8(1), 37. [CrossRef]
• Wen, J., & Zhou, Y. (2025). Trade openness and urban green innovation: A dual perspective based on financial agglomeration and human capital accumulation. Sustainable Futures, 9, 100478. [CrossRef]
• Witten, I.H., & Frank E. (2005). Data mining: practical machine learning tools and techniques. Morgan Kaufmann Publishers is an imprint of Elsevier, 500 Sansome Street, Suite 400, San Francisco.
• Dünyabankası, World development indicators, https://databank.worldbank.org, Erişim tarihi: 27.07.2024.
• Yağış, O. (2024). Yüksek teknolojili ürün ihracatı ve ekonomik büyüme ilişkisi: panel veri analizi. Artvin Çoruh Üniversitesi Uluslararası Sosyal Bilimler Dergisi, 10(1), 18-29. [CrossRef]
• Yaşar, F., & Bolat, İ. (2023). BRICS ülkeleri ile türkiye’nin ekonomik performansının dış ticaret verileri kapsamında TOPSIS yöntemi ile incelenmesi. Erzincan Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16(2), 181-194. [CrossRef]
• Yıgıt, P. (2024). Assessing and clustering countries based on Covıd-19 and related indicators: clustering and MULTIMOORA approaches. Yönetim Bilimleri Dergisi, 22(53), 876-896. [CrossRef]
• Zhang, X., & Cui X. (2025). Impact of cutting-edge hybrid electric vehicle technological innovation on carbon emissions in China. Sustainable Futures, 9, 100447. [CrossRef]