Analysis of socio-economic performance: Türkiye level 2 region

Öz

Improvements in the socioeconomic performance of regions can have significant social and economic impacts. Socioeconomic performance includes factors such as economic growth, education level, labor force participation rate, income distribution, trade and tourism. The aim of the study is to develop a multi-criteria approach to compare the socioeconomic performance of Level 2 regions. Within this objective, CRITIC weighting method is used to calculate the weights of the evaluation criteria and a methodology based on COPRAS technique is proposed to select the appropriate solution. In the application, twenty-six regions of Turkey in Level 2 were evaluated considering six criteria (GDP per capita, tourism, education, labor force participation rate, poverty rate, Gini coefficient). As a result of the study, according to the CRITIC method, the poverty rate is the criterion with the highest weight between 2018 and 2022, while the criteria with the lowest weight are generally education and tourism. In addition, according to the COPRAS method, the regions with the highest performance between 2018-2022 are TR61, TR10 and TR32, while the region with the lowest performance that does not vary is TRA2. The proposed approach will enable the evaluation of both the importance of socioeconomic criteria and the selection of alternatives.

Anahtar Kelimeler

• Socioeconomic Performance
• Level 2 Region
• Multi-Criteria Decision Making Method

Sosyoekonomik performansın analizi: Türkiye düzey 2 bölgesi

Öz

Bölgelerin sosyoekonomik performanslarındaki gelişmeler sosyal ve ekonomik yönden önemli etkiler yaratabilmektedir. Sosyoekonomik performans, bölgelerin ekonomik büyüme, eğitim düzeyi, işgücüne katılım oranı, gelir dağılımı, ticaret, turizm gibi faktörleri içermektedir. Çalışmanın amacı, çok kriterli bir yaklaşımla Düzey 2 Bölgesi’nin sosyoekonomik performanslarını karşılaştırabilecek bir yaklaşım geliştirilmiştir. Bu amaçla, değerlendirme kriterlerinin ağırlıklarının hesaplanmasında, CRITIC ağırlıklandırma yöntemi kullanılmış olup uygun çözümün seçilmesi için karar verme yöntemlerinden COPRAS tekniğini temel alan bir metodoloji önerilmiştir. Uygulamada Türkiye’nin Düzey 2’de yer alan yirmi altı bölgesi, altı kriter (kişi başına GSYH, turizm, eğitim, işgücüne katılma oranı, yoksulluk oranı, Gini katsayısı) göz önünde bulundurularak değerlendirilmiştir. Çalışma sonucunda CRITIC yöntemine göre 2018-2022 yılları arasında ağırlığı en yüksek çıkan kriter yoksulluk oranı iken; en düşük olan kriterler ise genel olarak eğitim ve turizm kriterleri olmaktadır. Ayrıca COPRAS yöntemine göre ise 2018-2022 yılları arasında en yüksek performansa sahip bölgelerin TR61, TR10 ve TR32; değişkenlik göstermeyen en düşük performansa sahip bölgenin TRA2 olduğu tespit edilmiştir. Önerilen yaklaşım gerek sosyoekonomik kriterlerin önem dereceleri gerekse de alternatiflerin seçimi konusunda değerlendirme yapılmasına olanak sağlayacaktır.

Anahtar Kelimeler

• Sosyoekonomik Performans
• Düzey 2 Bölgesi
• Çok Kriterli Karar Verme Yöntemi

Kaynakça

1. Acar, E. (2022). Comparison of the performances of OECD countries in the perspective of socio-economic global indices: CRITIC-Based Cocoso method. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 73, 256-277. https://doi.org/10.51290/dpusbe.1122650
2. Baki, R. (2023). Avrupa Birliği üye ve aday ülkelerin sosyo-ekonomik performanslarının çok kriterli bir yaklaşımla değerlendirilmesi. Ekonomi Politika ve Finans Araştırmaları Dergisi, 8(4), 796-812. https://doi.org/10.30784/epfad.1324038
3. Balcı İzgi, B. & Alyu, E. (2018). Yoksulluk ve gelir dağılımı eşitsizliği: OECD ve AB ülkeleri panel veri analizi. Gaziantep University Journal of Social Sciences, 17(3), 988-996. https://doi.org/10.21547/jss.414774
4. Barska, A., Jędrzejczak-Gas, J., Wyrwa, J. & Kononowicz, K. (2020). Multidimensional assessment of the social development of EU countries in the context of implementing the concept of sustainable development. Sustainability, 12(18), 7821
5. Cahill, M. B. & Sánchez, N. (2001). Using principal components to produce an economic and social development index: An application to Latin America and the US. Atlantic Economic Journal, 29(3), 311-329
6. Çetin, B. (2021). Türkiye'de ekonomik göstergeler açısından düzey 2 bölgelerinin COPRAS yöntemi ile sıralanması (Master's thesis, Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü)
7. Dolu A. (2020). Sosyoekonomik faktörlerin eğitim performansı üzerine etkisi: PISA 2015 Türkiye örneği, Yönetim ve Ekonomi Araştırmaları Dergisi, 18(2), 41-58. https://doi.org/10.11611/yead.607838
8. Erdoğan, N. & Sağbaş, İ. (2016). Vergi ve sosyo-ekonomik gelişmişlik ilişkisi: Afyonkarahisar örneği. Maliye Araştırmaları Dergisi, 2(3), 61-79. ISSN: 2149-5203

9. Eren, H. & Gelmez, E. (2022). Ülkelerin inovasyon performansına göre kümelenmesi; Entropı, COPRAS ve ARAS yöntemleriyle değerlendirilmesi. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 12(3), 1546-1565. https://doi.org/10.30783/nevsosbilen.1153211
10. Genç, T. (2016). Doğu ve Güneydoğu Anadolu’dan seçilen illerin sosyo-ekonomik değerlendirilmesine ilişkin bir hibrit çok kriterli karar verme yaklaşımı, Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 25(2), 71-88
11. Gereffi, G. & Fonda, S. (1992). Regional paths of development. Annual Review of Sociology, 18(1), 419-448
12. Guilherme, A. A., de Araujo, J. M., Silva, L. & de Oliveira Brito, R. (2024). Two ‘Brazils’: socioeconomic status and education performance in Brazil. International Journal of Educational Research, 123, 102287. https://doi.org/10.1016/j.ijer.2023.102287
13. Gürbüz, H. & Yilmaz, V. (2023). Üniversite öğrencilerinin yatırım davranışlarını etkileyen faktörlerin bir yapısal model ile araştırılması. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 24(3), 708-722. doi: 10.17494/ogusbd.1334492
14. Güven, O. (2017). Türkiye kırsal kalkınma politikalarının analizi. Akademik Bakış Uluslararası Hakemli Sosyal Bilimler Dergisi, (63), 209-227. http://www.akademikbakis.org
15. Hondroyiannis, G., Sardianou, E., Nikou, V., Evangelinos, K. & Nikolaou, I. (2023). Recycling rate performance and socioeconomic determinants: Evidence from aggregate and regional data across European Union countries. Journal of Cleaner Production, 139877. https://doi.org/10.1016/j.jclepro.2023.139877
16. Huyugüzel Kışla, G. Ş. & Berke, B. (2022). Avro Bölgesi’nde turizm sektörü gelir dağılımını etkiliyor mu? Journal of Financial Politic & Economic Reviews/Finans Politik & Ekonomik Yorumlar, 59(662)
17. Ilıkkan Özgür, M., Soyu, E., Bağcı, H. & Demirtaş, C. (2021). Türkşeker firmalarinda CRİTİC ve EATWİOS yöntemiyle verimlilik analizi. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 11(1), 224-244. https://doi.org/10.30783/nevsosbilen.877622
18. Kazak, H. (2024). The problem of negative total faced in the COPRAS method of multi-criteria decision-making techniques and a solution proposal. International Journal of Decision Sciences, Risk and Management, n/a(n/a). https://doi.org/10.1504/IJDSRM.2024.10065457
19. Kılıçarslan, A. (2024). Kurumsal yönetim olgunluk düzeyi performansının çok kriterli karar verme yöntemleriyle değerlendirilmesi. Muhasebe ve Finansman Dergisi, (101), 45-66. https://doi.org/10.25095/mufad.1326778
20. Levent, F. F. A. C. (2021). İstikrarlı bir ekonomik büyümenin sağlanmasında istihdamın ve gelir dağılımının rolü: Türkiye örneği. Sosyal Beşeri ve İdari Bilimler Alanında Uluslararası Araştırmalar, VII, 129
21. Madić, M. & Radovanović, M. (2015). Ranking of some most commonly used non-tradıtıonal machining processes usıng rov and CRITIC methods. Upb Sci. Bull., Series D, S. 77(2), 193-204
22. Marin, G. & Vona, F. (2021). The İmpact of energy prices on socioeconomic and environmental performance: Evidence from french manufacturing establishments, 1997–2015. European Economic Review, 135, 103739. https://doi.org/10.1016/j.euroecorev.2021.103739
23. Mulliner E. Smallbone K. & Maliene V. (2013). An assessment of sustainable housing affordability using a multiple criteria decision making method, Omega, 41, 270-279
24. Neslihanoğlu, S. & Paker, M. (2021). Beta risklerinin modellenmesi ve tahmini: Türkiye’deki döviz portföyü örneği. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(2), 467-491. https://doi.org/10.18074/ckuiibfd.804693
25. Özdemir, M. (2020). Cazibe merkezleri programı kapsamındaki illerin sosyo-ekonomik gelişmişlik düzeyinin MULTIMOORA yöntemi ile karşılaştırılması. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 20(3), 1-16. https://doi.org/10.18037/ausbd.801673
26. Paksoy, S. & Şahin, H. (2023). Türkiye, G7 ve E7 ülkelerinin sosyo-ekonomik göstergeler ile karşılaştırılması: CRITIC Tabanlı MARCOS yöntemi comparison of Turkey, G7 and E7 countries considering socio-economic ındicators: CRITIC-Based MARCOS method. doi:10.36880/C15.02853
27. Podvezko, V. (2011). The comparative analysis of MCDA methods SAW and COPRAS, Inzinerine Ekonomika-Engineering Economics, 22(2), 134-146
28. Poledníková, E. & Třída, S. (2014). Comparing regions ranking by MCDM methods: the case of visegrad countries. Wseas transactions on business and economics, 11(1), 496-507. http://www.ekf.vsb.cz
29. Podvezko V. (2011). The comparative analysis of MCDA methods SAW and COPRAS, Inzinerine Ekonomika-Engineering Economics, 22 (2), 134-146. http://dx.doi.org/10.5755/j01.ee.22.2.310
30. Podviezko, A. & Podvezko, V. (2014). Absolute and relative evaluation of socio-economic objects based on multiple criteria decision making methods, Engineering Economics, 25(5), 522-529. https://etalpykla.vilniustech.lt/handle/123456789/147662
31. Smędzik-Ambroży, K., Guth, M., Stępień, S. & Brelik, A. (2019). The influence of the European Union’s common agricultural policy on the socio-economic sustainability of farms (the case of Poland). Sustainability, 11(24), 7173. https://doi.org/10.3390/su11247173
32. Stiglitz, J. E., Sen, A. & Fitoussi, J. P. (2009). The measurement of economic performance and social progress revisited (Vol. 33). France: Ofce.
33. Şeker, S. & Kahraman, C. (2021). Socio-economic evaluation model for sustainable solar PV panels using a novel integrated MCDM methodology: A case in Turkey. Socio-Economic Planning Sciences, 77, 100998. https://doi.org/10.1016/j.seps.2020.100998
34. Şepit, A. & Paksoy, T. (2019). Şehirlerin sürdürülebilirlik performanslarinin bir bulanık çok kriterli karar verme tekniği ile değerlendirilmesi. Selçuk Üniversitesi Mühendislik, Bilim ve Teknoloji Dergisi, 7(1), 30-48. https://doi.org/10.15317/Scitech.2019.180
35. Tumelero, C., Sbragia, R. & Evans, S. (2019). Cooperation in R&D and eco-innovations: The role in companies' socioeconomic performance. Journal of Cleaner Production, 207, 1138-1149. https://doi.org/10.1016/j.jclepro.2018.09.146
36. Queiroz, M. V. A. B., Sampaio, R. M. B. & Sampaio, L. M. B. (2020). Dynamic efficiency of primary education in Brazil: Socioeconomic and infrastructure influence on school performance. Socio-Economic Planning Sciences, 70, 100738. https://doi.org/10.1016/j.seps.2019.100738
37. Zavadskas, E. K. & Kaklauskas, A. (1996). Systemotechnical evaluation of buildings (Pastatų sistemotechninis įvertinimas). Vilnius: Technika, 280 p. (in Lithuanian). https://etalpykla.vilniustech.lt/handle/123456789/147525
38. Zavadskas E. K., Kaklauskas A., Turskis, Z. & Tamosaitiene, J. (2008). Contractor selection multiattribute model applynig copras method with grey ınterval numbers, International Conference 20th EURO Mini Conference “continuous optimization and knowledge-based technologies” (EurOPT2008), 20-23 May 2008, Neringa, Lithuania, 241-247. https://etalpykla.vilniustech.lt/handle/123456789/120283
39. Zhang, H. & Wei, G. (2023). Location selection of electric vehicles charging stations by using the spherical fuzzy CPT–CoCoSo and D-CRITIC method. Computational and Applied Mathematics, 42(1), 60. https://doi.org/10.1007/s40314-022-02183-9