Clustering of OECD Countries by Exported and Imported Product Groups

Abstract

The world has become a global market with the development of communication and transportation technologies. With the globalization of the market, countries can import some products that cannot be produced due to various reasons such as natural resources, cost, climatic conditions, labor force or that require high costs, as well as import products that they produce or develop within the borders of the country if appropriate conditions are met. On the one hand, countries seek to ensure a sustainable structure for product groups in which they have a competitive advantage; on the other hand, they develop strategies to procure product groups in which they do not have a relative advantage under the most favorable conditions. In addition, with the strategies developed by the World Trade Organization, it is planned to realize international trade under free and transparent competition conditions and to increase the level of world welfare. In this study, it is aimed to cluster countries according to the product groups they export and import. While the data of OECD countries consisting of 37 countries are considered in the study, the data used in the analysis were obtained from the World Trade Organization. While clustering algorithms suitable for numerical data structure were used during the analysis of the study, Expectation Maximization and Canopy algorithms, which gave the most appropriate results when clustering OECD countries, were used. As a result of the analysis made according to Expectation Maximization and Canopy algorithms, countries were divided into four clusters in terms of exports and imports.

Keywords

• Import
• Export
• Clustering
• OECD
• Expectation Maximisation
• Canopy

OECD Ülkelerinin İhraç ve İthal Edilen Ürün Gruplarına Göre Kümelenmesi

Abstract

Dünya, iletişimin ve taşıma teknolojilerinin gelişimiyle birlikte küresel bir pazar haline gelmiştir. Pazarın küreselleşmesiyle birlikte ülkeler doğal kaynaklar, maliyet, iklim koşulları, işgücü gibi çeşitli sebeplerden dolayı üretilemeyen veya yüksek maliyet gerektiren bazı ürünleri ithal edebildiği gibi uygun koşulların sağlanması halinde ülke sınırları içerisinde ürettikleri ya da geliştirdikleri ürünlerin ithalatını da gerçekleştirebilmektedir. Ülkeler bir yandan rekabet üstünlüğü bulunan ürün gruplarını sürdürülebilir bir yapıya kavuşturmak isterken; diğer yandan da göreceli üstünlüğü bulunmayan ürün gruplarını en uygun koşullar altında temin etmek için birtakım stratejiler geliştirmektedir. Bunun yanı sıra Dünya Ticaret Örgütü’nün de geliştirmiş olduğu stratejiler ile uluslararası ticaretin serbest ve şeffaf rekabet koşulları altında gerçekleştirilmesi ve dünya refah seviyesinin artması planlanmıştır. Yapılan bu çalışmada da ülkelerin ihraç ve ithal ettikleri ürün gruplarına göre kümelenmesi amaçlanmıştır. Çalışmada 37 ülkeden meydana gelen OECD ülkelerine ait veriler ele alınırken, analiz sırasında kullanılmış olan veriler Dünya Ticaret Örgütü’nden elde edilmiştir. Çalışmanın analizi sırasında sayısal veri yapısına uygun kümeleme algoritmaları kullanılırken, OECD ülkelerinin kümelenmesi sırasında en uygun sonucu veren Beklenti Maksimizasyonu ve Canopy algoritmalarından yararlanılmıştır. Beklenti Maksimizasyonu ve Canopy algoritmalarına göre yapılan analiz neticesinde ülkeler ihracat ve ithalat bakımından dört kümeye ayrılmıştır.

Keywords

• İthalat
• İhracat
• Kümeleme
• OECD
• Beklenti Maksimizasyonu
• canopy

References

1. [1] B. K. Aktaş, N. Ömürbek and M. Karaatlı, “Entopi-CRITIC temelli EM algoritması ile internet kullanımı açısından OECD ülkelerinin kümelenmesi,” Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, vol.12, no.24, pp.648-679, 2021. doi: 10.36543/kauiibfd.2021.027.
2. [2] M. Karaatlı and E. Yıldız, “Mevduat bankaların finansal yapılarının kümeleme analizi ile incelenmesi,” BMIJ, vol.9, no.1, pp.1-17, 2021. doi: 10.15295/bmij.v9i1.1594.
3. [3] J. A. Adeyiga, S. O. Olabiyisi and E. O. Omidiora, “A comparative analysis of selected clustering algorithms for criminal profiling,” Nigerian Journal of Technology, vol. 39, pp.464-471, 2020. doi: 10.4314/njt.v39i2.16.
4. [4] F. M. N. Ali and A. A. M. Hamed, “Usage Apriori and clustering algorithms in WEKA tools to mining dataset of traffic accidents,” Journal of Information and Telecommunation, vol. 2, no.3, pp.231-245, 2018. doi: 10.1080/24751839.2018.1448205.
5. [5] P. A. Widya and M. Suderma, “Implementation of EM algorithm in data mining for cluster female cooperative,” International Journal of Engineering and Emerging Technology, vol.3, no.1, pp.75-79, 2018. doi: 10.24843/IJEET.2017.v02.i01.
6. [6] İ. İ. Avşar, “Türkiye ve Avrupa Birliği ülkelerinin demiryolu hat uzunluğuna göre kümelenmesi,” Tarsus Üniversitesi Uygulamalı Bilimler Fakültesi Dergisi, vol.3, no.1, pp.13-25, 2023.
7. [7] M. Karaatlı, T. Karataş and N. Ömürbek, “Ülkelerin insani özgürlük endeksine göre kümelenmesi,” Anadolu Üniversitesi Sosyal Bilimler Dergisi, vol.20, no.3, pp.271-286, 2020. doi: 10.18037/ausbd.801788.
8. [8] T. Kocabıyık, M. Karaatlı and K. B. Aktaş, “Borsa İstanbul 30 endeksinde yer alan hisse senetlerinin kümelenmesi: Covıd-19 öncesi ve Covıd-19 dönemi incelemesi,” İşletme Araştırmaları Dergisi, vol.13, no.3, pp.2537-2551, 2021. doi: 10.20491/isarder.2021.1276.

9. [9] B. Erkan and İ. Duman, “Türkiye’nin SITC ve ISIC sınıflandırmasına göre ihracat verilerinin değerlendirilmesi (2000-2020),” Uluslararası Türk Dünyası Sosyal Bilimler Sempozyumu, Aralık 2-3 2022, İzmir, Türkiye, 2022 , pp.1-15.
10. [10] A. Karataş, “COVID 19’un Türkiye dış ticaretine kısa dönem etkilerinin ürün grubu bazında incelenmesi,” İnsan ve Toplum Bilimleri Araştırmaları Dergisi, vol.10, no.3, pp.2129-2152, 2021. doi: 10.15869/itobiad.877872.
11. [11] K. Sarıçoban, “RCEP ülkelerinin dış ticareti ve standart ürün grupları bazında ihracattaki karşılaştırmalı üstünlükleri,” Elektronik Sosyal Bilimler Dergisi, vol.21, no.84, pp.1991-2012, 2022. doi: 10.17755/esosder.1140018.
12. [12] M. Nasrullah, L. Chang, K. Khan, M. Rizwanullah and F. Zulfiqar, “Determinants of forest product group trade by gravity model approach: a case study of China,” Forest Policy and Economics, vol.113, pp.1-14, 2020. doi: 10.1016/j.forpol.2020.102117.
13. [13] N. Kuşat, “Açıklanmış karşılaştırmalı üstünlüklere göre Türkiye-BRICS rekabet gücü analizi (2008-2019),” Kocatepe İktisadi ve İdari Bilimler Fakültesi Dergisi, vol.23, no.1, pp.94-111, 2021. doi: 10.33707/akuiibfd.839333.
14. [14] A. Albayrak and Ş. K. Yılmaz, “Veri madenciliği: karar ağacı algoritmaları ve İMKB verileri üzerine bir uygulama,” Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, vol.14, no.1, pp.31-52, 2009.
15. [15] J. Sun, J. Liu and L. Zhao, “Clustering algorithm research,” Journal of Software, vol.19, no.1, pp.48-61, 2008.
16. [16] Ö. Pasin, “Sağlık Alanında Yapılan Araştırmalarda Kümeleme Algoritmalarının Kullanımı: Bir Uygulama,” Yüksek Lisans Tezi, Düzce Üniversitesi Sağlık Bilimleri Enstitüsü, Düzce, Türkiye, 2015.
17. [17] A. P. Dempster, N. M. Laird and D. B. Rubin, “Maximum likelihood from ıncomplete data via the EM algorithm,” Journal of the Royal Statistical Society, vol.39, no.1, pp.1–38, 1977.
18. [18] L. Bruzzone and F. Prieto, “An adaptive semiparametric and context-based approach to unsupervised change detection in multitemporal remote-sensing ımages,” IEEE Transactions on Geoscience and Remote Sensing, vol.11, no.4, pp.452-466, 2002.
19. [19] C. Bal and K. Özdamar, “Eksik gözlem sorununun türetilmiş veri setleri yardımıyla çözümlenmesi,” Osmangazi Üniversitesi Tıp Fakültesi Dergisi, vol.26, no.2, pp.67-76, 2004.
20. [20] H. Akpınar, Data: Veri Madenciliği Veri Analizi, Ankara: Papartya, 2017.
21. [21] World Trade Organisation, [Online]. Available: https://www.wto.org, [Accessed: 11/10/2023].
22. [22] B. Everitt, Cluster Analysis, London: Heinemann Edicational Books, 1974.
23. [23] İ. Pelit, “Türkiye’nin ülke gruplarına göre ithalat ve ihracatının kümeleme analizi ile incelenmesi: 2013-2022 dönemi”, İşletme ve İktisat Çalışmaları Dergisi, vol.11, no.2, pp.103-113, 2023.