MEASUREMENT OF INNOVATION PERFORMANCE OF OECD AND EU MEMBER COUNTRIES USING THE MEREC-MARCOS INTEGRATED MODEL

Yıl 2022, Cilt: 24 Sayı: 3 , 1039 - 1063 , 30.09.2022

Nazlı Ersoy

https://doi.org/10.16953/deusosbil.1106249

Cited By: 11

https://izlik.org/JA22MG63FJ

Öz

This study aimed to measure the innovation performance of 34 “Organisation for Economic Co-operation and Development” (OECD) and “European union” (EU) member countries using Multi Criteria Decision Making (MCDM) methods. Accordingly, the Global Innovation Index (GII) database, which ranks countries according to their innovation capacities and achievements, was used to determine alternatives and criteria. The MEthod based on the Removal Effects of Criteria (MEREC) was used to weight the criteria and the Measurement of Alternatives and Ranking according to COmpromise Solution (MARCOS) method was preferred to rank the alternatives according to their performance. A two-stage sensitivity analysis was applied for testing the reliability of the results. In the first stage, criteria weights were recalculated using different methods (Entropy, Equal Weight) and the analysis was repeated. In the second stage, the results obtained with the MARCOS method were compared with different MCDM methods Proximity Indexed Value (PIV), Range of Value (ROV), simple additive weighting (SAW), Combined Compromise Solution (CoCoSo)). It has been determined that the rankings obtained with different criterion weights and different methods are not exactly the same and show small deviations.

Anahtar Kelimeler

Innovation Performance , MCDM , MEREC , MARCOS

OECD VE AB ÜYESİ ÜLKELERİN İNOVASYON PERFORMANSLARININ MEREC-MARCOS BÜTÜNLEŞİK MODELİ İLE ÖLÇÜMÜ

https://izlik.org/JA22MG63FJ

Öz

Bu çalışmada, Organization for Economic Co-operation and Development (OECD) ve Avrupa Birliği (AB)’ye üye 34 ülkenin inovasyon performansının Çok Kriterli Karar Verme (ÇKKV) yöntemleri ile ölçülmesi amaçlanmıştır. Bu doğrultuda, alternatif ve kriterlerin belirlenmesinde ülkeleri inovasyon kapasitelerine ve başarılarına göre sıralayan Küresel İnovasyon Endeksi (KİE) veri tabanı kullanılmıştır. MEthod based on the Removal Effects of Criteria (MEREC) tekniği, kriterlerin ağırlıklandırılması için kullanılırken, Measurement of Alternatives and Ranking according to COmpromise Solution (MARCOS) yöntemi ise alternatiflerin performansları doğrultusunda sıralanması için kullanılmıştır. Sonuçların hassasiyetini ve güvenilirliğini test etmek amacıyla iki aşamalı bir duyarlılık analizi gerçekleştirilmiştir. İlk aşamada farklı tekniklerle (Entropy, Eşit ağırlık) kriter ağırlıkları yeniden hesaplanmış ve analiz tekrarlanmıştır. İkinci aşamada ise MARCOS yöntemi ile elde edilen sonuçlar farklı ÇKKV yöntemleri (Proximity Indexed Value (PIV), Range of Value (ROV), Simple Additive Weighting (SAW), Combined Compromise Solution (CoCoSo)) ile karşılaştırılmıştır. Farklı kriter ağırlıkları ve farklı yöntemlerle elde edilen sıralamaların birebir aynı olmadığı, küçük sapmalar gösterdiği tespit edilmiştir.

Anahtar Kelimeler

İnovasyon Performansı , ÇKKV , MEREC , MARCOS

Kaynakça

• Altıntaş, F. F. (2020a). Avrupa Birliği Ülkelerinin İnovasyon Etkililik, Etkinlik ve Verimlilik Performanslarının Analizi. Turkish Studies-Social Sciences, 15(5), 2337-2361.
• Altıntaş, F. F. (2020b). İnovasyon Performanslarının Entropi Tabanlı Gri İlişkisel Analiz Yöntemi ile Değerlendirilmesi: G7 Grubu Ülkeleri Örneği. Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 7(2), 151-172.
• Ayçin, E. & Çakin, E. (2019). Ülkelerin inovasyon performanslarının ölçümünde Entropi ve Mabac çok kriterli karar verme yöntemlerinin bütünleşik olarak kullanılması. Akdeniz İİBF Dergisi, 19(2), 326-351.
• Bakir, S. & Çakir, S. (2021). Seçilmiş Ülkelerin Yenilik Performanslarinin Bütünleşik Critic-Evamix Yöntemleriyle Ölçümü. Uluslararasi Yönetim Iktisat ve Isletme Dergisi, 17(4), 971-992.
• Belgin, Ö. & Avşar, B. A. (2019). Türkiye’de Bölgeler ve İller Düzeyinde Ar-Ge Ve Yenilik Performansinin Gri İlişkisel Analiz Yöntemi İle Ölçülmesi. Verimlilik Dergisi, (2), 27-48.
• Bülbül, M. E. (2014). İnovasyon performansı değerlendirme sürecinde AHS ve GIA bütünleşik yaklaşımı: süt ürünleri sektöründe bir uygulama (Yayımlanmamış Yüksek Lisans Tezi). Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Enstitüsü.
• Çakin, E. & Özdemir, A. (2020). Ülkelerin İnovasyon Performansının Ölçülmesinde Yapay Sinir Ağları, Bulanık DEMATEL Tabanlı Analitik Ağ Süreci ve Ağırlık Kısıtlı Veri Zarflama Analizi Yaklaşımlarının Bütünleşik Olarak Kullanılması ve Bir Uygulama. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, 21(2), 287-314.
• Chang, H. F. & Tzeng, G. H. (2010). A causal decision making model for knowledge management capabilities to innovation performance in Taiwan's high-tech industry. Journal of technology management & innovation, 5(4), 137-146.
• Garcia-Bernabeu, A., Cabello, J. M. & Ruiz, F. (2020). A multi-criteria reference point based approach for assessing regional innovation performance in Spain. Mathematics, 8(5), 797, 1-21.
• Global Innovation Index (2021). https://www.wipo.int/global_innovation_index/en/2021/, Erişim Tarihi: 17.01.2022.
• González, M. F., García, Á. L. F., Salomon, V. A. P., Marx-Gómez, J. & Hernández, C. T. (2016). Sustainability performance measurement with analytic network process and balanced scorecard: cuban practical case. Production, 26:527-539.
• Güler, E. Ö. & Kanber, S. (2011). İnovasyon Aktivitelerinin İnovasyon Performansi Üzerine Etkileri: İmalat Sanayii Uygulamasi. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 20(1), 61-76.
• Hájek, P., Stříteská, M. & Prokop, V. (2018). Integrating balanced scorecard and fuzzy TOPSIS for innovation performance evaluation. The annual Pacific Asia Conference on Information Systems (PACIS), Yokohama, Japan.
• İnel, M. N. & Türker, M. V. (2016). Ulusal İnovasyon Performansının Ölçümü için Çok Nitelikli Karar Verme Teknikleri ile Bir Model Denemesi. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 38(2), 147-166.
• Kaynak, S., Altuntas, S. & Dereli, T. (2017). Comparing the innovation performance of EU candidate countries: an entropy-based TOPSIS approach. Economic research, 30(1), 31-54.
• Kim, S. K. (2014). Explicit design of innovation performance metrics by using analytic hierarchy process expansion. International Journal of Mathematics and Mathematical Sciences, 2014, 1-8.
• Lu, M. T., Tzeng, G. H. & Tang, L. L. (2013). Environmental strategic orientations for improving green innovation performance in fuzzy environment-Using new fuzzy hybrid MCDM model. International Journal of Fuzzy Systems, 15(3), 297-316.
• Maheshwari, N., Choudhary, J., Rath, A., Shinde, D. & Kalita, K. (2021). Finite Element Analysis and Multi-criteria Decision-Making (MCDM)-Based Optimal Design Parameter Selection of Solid Ventilated Brake Disc. J. Inst. Eng. (India) Ser. C, 102(2), 349-359.
• Minarcíková, E. (2015). MCDM Methods: Alternative for Evaluation of Regional Innovation Performance. In Proceedings of the European Conference on Innovation and Entrepreneurship, 17–18 September, Genoa, Italy.
• Murat, D. (2020). The Measurement of Innovation Performance in OECD Countries. Yönetim ve Ekonomi Araştırmaları Dergisi, 18(4), 209-226.
• Noori, B. (2015a). Prioritizing strategic business units in the face of innovation performance: Combining fuzzy AHP and BSC. International Journal of Business and Management, 3(1), 36-56.
• Noori, B. (2015b). Strategic business unit ranking based on innovation performance: a case study of a steel manufacturing company. International Journal of System Assurance Engineering and Management, 6(4), 434-446.
• Ömürbek, N. & Karataş, T. (2018). Girişimci Ve Yenilikçi Üniversitelerin Performanslarinin Çok Kriterli Karar Verme Teknikleri ile Değerlendirilmesi, Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 10(24), 176-198.
• Oralhan, B. & Büyüktürk, M. A. (2019). Avrupa Birliği ülkeleri ve Türkiye’nin inovasyon performansının çok kriterli karar verme yöntemleriyle kıyaslanması. Avrupa Bilim ve Teknoloji Dergisi, (16), 471-484.
• Sałabun, W., Atróbski, J.& Shekhovtsov, A. (2020). Are MCDA methods benchmarkable? A comparative study of TOPSIS, VIKOR, COPRAS, and PROMETHEE II Methods. Symmetry, 12, 1-56.
• Satici, S. (2021). Ülkelerin İnovasyon Performansının CRITIC Temelli WASPAS Yöntemiyle Değerlendirilmesi. Girişimcilik ve Kalkınma Dergisi, 16(2), 91-104.
• Su, C. H., Tzeng, G. H. & Hu, S. K. (2016). Cloud e-learning service strategies for improving e-learning innovation performance in a fuzzy environment by using a new hybrid fuzzy multiple attribute decision-making model. Interactive Learning Environments, 24(8), 1812-1835.
• Wang, S., Liu, Q., Dinçer, H. & Yüksel, S. (2020). Analysis of innovation performance for retail banking industry with the hybrid fuzzy decision-making approach. SAGE Open, 10(2), 1-13.
• Wicher, P., Zapletal, F. & Lenort, R. (2019). Sustainability performance assessment of industrial corporation using fuzzy analytic network process. Journal of Cleaner Production, 241:1-14.
• Yuksel, S., Dinçer, H. & Emir, S. (2018). Analysis of service innovation performance in turkish banking sector using a combining method of fuzzy MCDM and text mining. MANAS Sosyal Araştırmalar Dergisi, 7(3), 479-504.
• Zhang, X., Wang, C., Li, E. & Xu, C. (2014). Assessment model of eco-environmental vulnerability based on improved entropy weight method. The Scientific World Journal, 2014:1-7.