DETERMINATION OF COUNTRIES’ POSITION USING BETTER LIFE INDEX: THE ENTROPY BASED MULTIMOORA APPROACH

Yıl 2018, , 353 - 366, 27.12.2018

Serpil Kılıç Depren , Seda Bağdatlı Kalkan

https://doi.org/10.26468/trakyasobed.466902

Cited By: 4

Öz

The most significant requirement for people to maintain their
lives comfortably, is to have a specific level of welfare. Therefore, a country
having a high level of welfare is preferred as a livable country. This has
significant influences on the economies of countries. One of most significant
researches conducted for determining the welfare levels of countries is the
Better Life Index (BLI) research conducted by Organization for Economic
Co-operation and Development (OECD) every year on a regular basis. With this
research, 38 countries are ranked based on main criteria and sub-criteria, but
a general ranking is not made. The aim of this study is to rank the countries
by using Better Life Index data created by OECD. In the study, the criterion
weights were determined and then, the countries were ranked with MULTIMOORA
method. Then, the relationship between ranking of countries and their Human
Development Index (HDI) rankings were investigated with Spearman’s Rank
Correlation Coefficient and the results were interpreted.

Anahtar Kelimeler

Better Life Index, Entropy, MULTIMOORA, Human Development Index

ÜLKELERİN KONUMLARININ DAHA İYİ YAŞAM ENDEKSİNE GÖRE BELİRLENMESİ: ENTROPİ TABANLI MULTİMOORA YAKLAŞIMI

Öz

Kişilerin yaşamlarını rahat bir şekilde
sürdürebilmeleri için en önemli koşul refah düzeyinin belirli bir seviyede
olmasıdır. Dolayısıyla, iyi bir refah düzeyi olan ülke yaşanılabilir ülke
olarak tercih edilmektedir. Bu durum, ülkelerin ekonomileri üzerinde ciddi
etkiler yaratmaktadır. Ülkelerin refah düzeyini belirlemek adına yapılan
araştırmaların en önemlilerinden biri Ekonomik Kalkınma ve İşbirliği Örgütü (Organisation
for Economic Co-operation and Development: OECD) tarafından her yıl düzenli
olarak gerçekleştirilen Daha İyi Yaşam Endeksi (Better Life Index: BLI)
araştırmasıdır. Bu araştırma ile 38 ülke ana kriterler ve alt kriterler bazında
sıralanmakta ancak genel bir sıralama yapılmamaktadır. Bu çalışmanın amacı,
OECD tarafından oluşturulan Daha İyi Yaşam Endeksi verilerini kullanarak
ülkelerin sıralamalarını elde etmektedir. Çalışmada ilk olarak kriter
ağırlıkları entropi ile belirlenmiş, daha sonrasında ise MULTIMOORA metodu ile
ülkeler sıralanmıştır. Bu aşamadan sonra ise ülkelerin elde edilen sıralamaları
ile İnsani Gelişme Endeksi (Human Development Index: HDI) sıralamaları
arasındaki ilişki Spearman Sıra Korelasyon Katsayısı ile incelenmiş ve sonuçlar
yorumlanmıştır.

Anahtar Kelimeler

Daha İyi Yaşam Endeksi, Entropi, MULTIMOORA, İnsani Gelişme Endeksi

Kaynakça

• Alpaykut, S. (2017). Türkiye'de İllerin Yaşam Memnuniyetinin Temel Bileşenler Analizi TOPSIS Yöntemiyle Ölçümü Üzerine Bir İnceleme. Jouranl Of Süleyman Demirel University Institude of Social Sciences, 367-395.
• Bai, L., Wang, H., Huang, N., Du, Q., & Huang, Y. (2018). An Environmental Management Maturity Model of Construction Programs Using the AHP-Entropy Approach. Int. J. Environ. Res. Public Health , 1317.
• Brauers, W. K., Zavadskas, E. K., & Kildiene, S. (2014). Was the Construction Sector in 20 European Countries Anti-Cyclical during the Recession Years 2008-2009 as measured by Multicriteria Analysis (MULTIMOORA)? Procedia Computer Science, 949-956.
• Brauers, W., & Zavadskas, E. (2011). Multimoora optimization used to decide on a bank loan to buy property. Technological and Economic Development of Economy, 174-188.
• Doğan, H. G., & Gürler, A. Z. (2013). Türkiye’ de İnsani Gelişmişlik Endeksinin Analitik Olarak Değerlendirilmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 3(2), 69-76.
• Genç, E. G. (2017). Üniversitelerin Ülke Sıralamaları ve İnsani Gelişme Endeksi: Panel Nedensellik Analizi. Avrasya Ekonometri, İstatistik ve Ampirik Ekonomi Dergisi, 6, 89-101.
• Kaya, P., İpekçi Çetin, E., & Kuruüzüm, A. (2011). Çok Kriterli Karar Verme ile Avrupa Birliği ve Aday Ülkelerinin Yaşam Kalitesinin Analizi. İktisat Fakültesi Ekonometri ve İstatistik Dergisi, 80-94.
• Kildiene, S. (2013). Assessment of Opportunities for Construction Enterprises, In: European Union Member States Using the MULTIMOORA Method. 11th International Conference on Modern Building Materials, Structures and Techniques, Procedia Engineering, (s. 557-564). Lithuania.
• OECD (2017). Available Online: http://www.oecdbetterlifeindex.org/ (accessed on 03.05.2018)
• Orakçı, E., & Özdemir, A. (2017). Telafi Edici Çok Kriterli Karar Verme Yöntemleri İle Türkiye ve AB Ülkelerinin İnsani Gelişmişlik Düzeylernin Belirlenmesi. Journal of Economics and Administrative Sciences, 61-74.
• Ömürbek, N., Eren, H., & Dağ, O. (2017). Entropi-ARAS VE Entropi-MOOSRA Yöntemleri İle Yaşam Kalitesi Açısından Ab Ülkelerinin Değerlendirilmesi. Ömer Halis Demir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 29-48.
• Özden, Ü. H. (2009). Türkiyede'ki Mevduat Bankalarının Performansları Çok Kriterli Karar Verme Yöntemleri Analiz. Ankara: Detay.
• Özden, Ü. H. (2012). AB'ye Üye Ülkelerin ve Türkiye'nin Ekonomik Performanslarına Göre VIKOR Yöntemi ile Sıralanması. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 455-468.
• Republic of Turkey Ministry of Foreign Affairs. Available Online: http://www.mfa.gov.tr/brezilya-ekonomisi.tr.mfa (accessed on 06.05.2018).
• Sevgin, H., & Kundakçı, N. (2017). TOPSIS VE MOORA Yöntemleri ile Avrupa Birliği'ne Üye Oalan Ülkerin ve Türkiye'nin Ekonomik Göstergelere Göre Sıralanması. Anadolu University Journal of Social Sciences, 87-107.
• Tian, Z.-p., Wang, J.-g., & Zang, H.-y. (2018). An integrated approach for failure mode and effects analysis based on fuzzy best-worst, relative entropy, and VIKOR methods. Applied Soft Computing, 1-11.
• Wu, J., Sun, J., Liang, L., & Zha, Y. (2011). Determination of weights for ultimate cross efficiency using Shannon entropy. Expert Systems with Applications, 5162-5165.