SavedAdd your journal

Journals / International Journal of Public Finance / 2024 / Cilt: 9 Sayı: 2

Clustering OECD Countries According to Tax Indicators

Selim Tüzüntürk(BURSA ULUDAĞ ÜNİVERSİTESİ)0000-0002-8987-2280
Pages
293–306
Publication Date
2024-12-25
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The tax differences indicate that countries in the first cluster collect more personal income and property taxes but fewer goods and services taxes than countries in the second cluster, which points out the characteristics of developed countries in the scope of tax policies.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:This study aims to cluster a particular group of countries (OECD countries) according to tax indicators and to determine essential variables in clustering.
📊
Key Findings & Data:The recent data on taxation percentages 2021 in OECD countries were obtained from the OECD website.
💡
Conclusion & Impact:The tax differences indicate that countries in the first cluster collect more personal income and property taxes but fewer goods and services taxes than countries in the second cluster, which points out the characteristics of developed countries in the scope of tax policies.
🔬Design:Araştırma Makalesi
📍Scope:2021 Verileri
⚙️Variables:Goods and Services Tax · Personal Income Tax · Property Tax

Abstract

This study aims to cluster a particular group of countries (OECD countries) according to tax indicators and to determine essential variables in clustering. The recent data on taxation percentages 2021 in OECD countries were obtained from the OECD website. Since the number of clusters was not known a priori, the hierarchical clustering analysis and two-stage clustering methods were used, and the findings of both methods were compared. Research findings show that OECD countries are classified into two meaningful clusters regarding statistically significant tax indicators (goods and services tax, personal income tax, and property tax) for both methods. The first cluster's goods and services tax average is lower than the second. The personal income tax average of the first cluster is higher than the second. The property tax average of the first cluster is higher than the second. The tax differences indicate that countries in the first cluster collect more personal income and property taxes but fewer goods and services taxes than countries in the second cluster, which points out the characteristics of developed countries in the scope of tax policies.

Özet

This study aims to cluster a particular group of countries (OECD countries) according to tax indicators and to determine essential variables in clustering. The recent data on taxation percentages 2021 in OECD countries were obtained from the OECD website. Since the number of clusters was not known a priori, the hierarchical clustering analysis and two-stage clustering methods were used, and the findings of both methods were compared. Research findings show that OECD countries are classified into two meaningful clusters regarding statistically significant tax indicators (goods and services tax, personal income tax, and property tax) for both methods. The first cluster's goods and services tax average is lower than the second. The personal income tax average of the first cluster is higher than the second. The property tax average of the first cluster is higher than the second. The tax differences indicate that countries in the first cluster collect more personal income and property taxes but fewer goods and services taxes than countries in the second cluster, which points out the characteristics of developed countries in the scope of tax policies.

🔖

Cite This Article

Tüzüntürk, S. (2024). Clustering OECD Countries According to Tax Indicators. International Journal of Public Finance, Cilt: 9 Sayı: 2, 293–306. https://doi.org/10.30927/ijpf.1499553

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (54)

  1. Akçakaya, E. D. U. & Ömürbek, N. (2021). “OECD Ülkelerinin Demokrasi Kalitesi Göstergeleri Açısından Kümelenmesi”. Uluslararası Toplum Araştırmaları Dergisi. 11(18), 1365-1393. https://doi.org/10.26466/opus.865115
  2. Akça, H., Ünlükaplan, İ. & Yurdadoğ, V. (2017). “OECD Ülkelerinde Yolsuzluk: Küme Analizi”. 15. Uluslararası Türk Dünyası Sosyal Bilimler Kongresi (116-123).
  3. Akdamar, E. (2019). “OECD Ülkelerinin Bazi İş Gücü Piyasasi Göstergeleri Kullanılarak Kümeleme Analizi ve Çok Boyutlu Ölçekleme Analizi ile İrdelenmesi”. Akademik Araştırmalar ve Çalışmalar Dergisi. 11(20), 50-65. https://doi.org/10.20990/kilisiibfakademik.534700
  4. Akın, H. B. & Eren, Ö. (2012). “OECD Ülkelerinin Eğitim Göstergelerinin Kümeleme Analizi ve Çok Boyutlu Ölçekleme Analizi ile Karşılaştırmalı Analizi”. Öneri. 10(37), 175-181. https://dergipark.org.tr/en/pub/maruoneri/issue/17895/187692
  5. Aksaraylı, M. & Pala, O. (2017). “Veri Zarflama Analizi ve Kümeleme Analzi Kullanılarak OECD’ye Üye Ülkelerin Ekonomik Performansları, Yaşam Memnuniyeti ve İnovasyon Düzeyleri Açısından Değerlendirilmesi”. Aydın İktisat Fakültesi Dergisi. 2(2), 67-80. https://dergipark.org.tr/en/pub/aifd/issue/33315/370061
  6. Alkaya, A. & Alkaş, C. (2021). “OECD Ülkelerinin Sağlık Göstergelerine Göre Kümeleme Analizi Sınıflaması”. Sosyal Güvence Dergisi. 10(19), 427-474. https://doi.org/10.21441/sosyalguvence.1050881
  7. Alpar, R. (2011). Uygulamalı Çok Değişkenli İstatistiksel Yöntemler. Ankara: Detay Yayıncılık.
  8. Alptekin, N. & Yeşilaydın, G. (2015). “OECD Ülkelerinin Sağlık Göstergelerine Göre Bulanık Kümeleme Analizi ile Sınıflandırılması”. Journal of Business Research Turk. 7(4), 137-155. https://www.ceeol.com/search/article-detail?id=689986
  9. Arı, E. & Gülcemal, M. E. (2019). “OECD Ülkelerinin Sigorta Pazar Paylarının Çok Değişkenli İstatistiksel Yöntemlerle İncelenmesi”. Batman Üniversitesi Yaşam Bilimleri Dergisi. 9(2), 136-157. https://dergipark.org.tr/en/download/article-file/910223
  10. Arı, E. & Yıldız, A. (2018). “OECD Ülkelerinin Göç İstatistikleri Bakimindan Bulanık Kümeleme Analizi ile İncelenmesi”. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 33, 17-28. https://doi.org/10.30794/pausbed.402883
  11. Aslan, B. Y. & Açıkgöz, Ş. (2019). “OECD Ülkelerinde İşgücü Piyasası Esnekliği ve Güvenceli Esneklik Göstergelerine Yönelik Bir Değerlendirme”. Çalışma İlişkileri Dergisi. 10(2), 45-68. https://dergipark.org.tr/tr/download/article-file/898778
  12. Ayabakan, B. Ç. (2022). “OECD Ülkelerinin Küresel Cinsiyet Uçurumu Endeksi Verilerini Kümeleme Analizi ile Değerlendirilmesi”. Uluslararası Soyal Bilimlerde Yenilikçi Yaklaşımlar Dergisi. 6(2), 40-58. https://doi.org/10.29329/ijiasos.2022.458.1
  13. Birkalan, A. Ö. & Tekeli, R. (2022). “K-Means Yöntemi ile Türkiye’nin Vergi Takozu Açısından OECD Ülkeleri Arasındaki Yerinin Belirlenmesi”. 12. Uluslararası Sosyal Araştımalar ve Davranış Bilimleri Konferansı (260-270).
  14. Blashfield, R. K. & Aldenderfer, M. S. (1978). “The Literature on Cluster Analysis”. Multivariate Behavioral Research. 13 (3), 271-295. https://doi.org/10.1207/s15327906mbr1303_2
  15. Bulut, Y. (2023). “Denetimsiz Öğrenme: Kümeleme Analizi ile OECD Ülkelerinde Özgürlük”. ESBİD Uluslararası Eğitim ve Sosyal Bilimler Dergisi. 2(2), 83-106. https://doi.org/10.5281/zenodo.10429529
  16. Bülbül, Ş. & Camkıran, C. (2018). “Bankaların Klasik ve Bulanık Yaklaşımlarla Sınıflandırılması”. Trakya Üniversitesi Sosyal Bilimler Dergisi. 20(2), 367-385. https://doi.org/10.26468/trakyasobed.464442
  17. Bülbül, Ş., Çilingirtürk, A. M., Altaş, D., Yıldırım, E. & Yakut, S. G. (2017). “Türkiye'de İşgücü Talep Yapısına Göre İllerin Sınıflandırılması”. Journal of Awareness. 2(4), 15-36. https://dergipark.org.tr/en/pub/joa/issue/43500/531666
  18. Çemrek, F., Şentürk, S. & Terlemez, L. (2010). “Bulanık Kümeleme Analizi ile OECD Ülkelerinin Co2 Emisyonları Bakımından İncelenmesi”. E-Journal of New World Sciences Academy. 5(3), 52-69. https://dergipark.org.tr/en/pub/nwsaphysic/issue/20033/213536
  19. Çetintürk, İ. & Gençtürk, M. (2020). “OECD Ülkelerinin Sağlık Harcama Göstergelerinin Kümeleme Analizi ile Sınıflandırılması”. Süleyman Demirel Üniversitesi Vizyoner Dergisi. 11(26), 228-244. https://doi.org/10.21076/vizyoner.650681
  20. Dağ, O. (2023). “OECD Ülkelerinin İhraç ve İthal Edilen Ürün Gruplarına Göre Kümelenmesi”. Gazi Journal of Engineering Sciences. 9(4), 186-200. https://doi.org/10.30855/10.30855/gmbd.0705S18
  21. Dalkılıç, N. (2013). “Özel Emeklilik Fonlarının OECD Ülkelerinde Değerlendirilmesi”. The Journal of Financial Researches and Studies. 4(8), 35-53. https://dergipark.org.tr/en/pub/marufacd/issue/502/4565
  22. Değirmenci, N. & Ayan, T. Y. (2020). “OECD Ülkelerinin Sağlık Göstergeleri Açısından Bulanık Kümeleme Analzi ve TOPSI Yöntemien Göre Değerlendirilmesi”. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 38(2), 229-241. https://doi.org/10.17065/huniibf.592991
  23. Engin, M. (2018). “Hiyerarşik Kümeleme Analizi ile OECD Ülkelerinin Bilgi Ekonomi İndekslerine Göre Sınıflandırılması”. Paradoks Ekonomi, Ssoyoloji ve Politika Dergisi. 14(1), 73-86. https://dergipark.org.tr/en/pub/paradoks/issue/41450/427508
  24. Eren, H. & Ömürbek, N. (2021). “OECD Ülkelerinin Lojistik Performanslari Açısından Kümelenmesi”. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 26(2), 153-166. https://dergipark.org.tr/tr/pub/sduiibfd/issue/62132/869510
  25. Eroğlu, A. & Özen, A. (2023). “OECD Ülkelerinde Yolsuzluk ve Belirleyicilerinin Hiyerarşik Kümeleme ile Analizi”. Sosyoekonomi. 31(57), 331-355. https://doi.org/ https://doi.org/10.17233/sosyoekonomi.2023.03.16
  26. Ertaş, S. A. & Atik, H. (2016). “Kalkınma Göstergeleri Bakımından Türkiye’nin OECD Ülkeleri Arasındaki Yeri: İstatistiksel Bir Analiz”. Kesit Akademi Dergisi. 2(5), 13-24. https://dergipark.org.tr/en/pub/kesitakademi/issue/59841/864775
  27. Filiz, M. & Budak, O. (2024). “Classifıcation of OECD Countries According to Health Data with Clustering Analysis.” International Journal of Health Administration and Education (Sanitas Magisterium). 10(1), 1-15. https://dergipark.org.tr/tr/download/article-file/3657700
  28. Giray, S. (2016). “İki Aşamalı Kümeleme Analizi ile Hükümlü Verilerinin İncelenmesi”. İstanbul Üniversitesi İktisat Fakültesi Ekonometri ve İstatistik Dergisi. 25, 1-31.
  29. Gore, P. A. (2000). “Handbook of Applied Multivariate Statistics and Mathematical Modeling”., In Tinsley, H. E. A. & Brown, S. D. (Eds.), Cluster Analysis (pp. 297-321). Massachusetts: Academic Press.
  30. Güler, E. Ö. & Veysikarani, D. (2018). “OECD Ülkelerinin İnovasyon Göstergeleri Açısından Çok Değişkenli İstatistiksel Analizlerle Karşılaştırılması”. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi. 19(2), 157-168. http://esjournal.cumhuriyet.edu.tr/tr/pub/issue/40744/430554
  31. Güler, E. Ö. & Veysikarani, D. (2022). “Sosyo-Ekonomik Göstergeler ve PISA Skorlarına Göre Sınıflandırılması: OECD Örneği”. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 15(3), https://doi.org/506-522. 10.24287. 958903 Gülşen, M. İ. (2019). “Türkiye ve OECD Ülkelerinin Vergi Ödeme Sürelerinin Bulanık Kümeleme Analizi ile Modellenmesi”. İnsan ve Toplum Bilimleri Araştırmaları Dergisi. 8(1), 447-471.
  32. Kandemir, A. Ş. (2020). “Yaralanmalı Trafik Kaza Sayılarının OECD Ülkelerine Göre İncelenmesi”. Journal of Original Studies. 1(1), 31-38. https://doi.org/10.47243/jos.1.1.03
  33. Kangallı, S. G., Uyar, U. & Buyrukoğlu, S. (2014). “OECD Ülkelerinde Ekonomik Özgürlük: Bir Kümeleme Analizi”. Uluslararası Alanya İşletme Fakültesi Dergisi. 6(3), 95-109. https://dergipark.org.tr/en/pub/uaifd/issue/21601/231994
  34. Kayri, M. (2007). “Araştırmalarda İki Aşamalı Kümeleme Analizi ve Bir Uygulaması”. Euroasian Journal of Educational Research. 28, 89-99. https://ejer.com.tr/wp-content/uploads/2021/01/ejer_2007_issue_28.pdf
  35. Keklik, A., Başol, O. & Yalçın, E. C. (2020). “İş Yaşam Dengesinin Daha İyi Yaşam Endeksi Çerçevesinde Değerlendirilmesi: OECD Ülkeleri Üzerine Bir İnceleme”. Kırklareli Üniversitesi Sosyal Bilimler Dergisi. 4(1), 20-33. https://dergipark.org.tr/en/download/article-file/1166909
  36. Köse, A. (2022). “OECD Ülkelerinin Sağlık Göstergeleri Açısından Kümeleme Analizi Yöntemine Göre Değerlendirilmesi”. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 12(4), 2010-2021. https://doi.org/10.30783/nevsosbilen.1080274
  37. Kuşkaya, S. & Gençoğlu, P. (2017). “OECD Ülkelerinin 1995-2015 Yılları İtibariyle Sera Gazı Salınımları Açısından Karşılaştırılması: İstatistiksel Bir Analiz”. International Journal of Disciplines Economics & Administrative Sciences Studies. 3(3), 177-188.
  38. Kutlar, A., Gülmez, A. Koç, P. & Öncel, A. (2023). “Pandemi Sürecinde Meydana Gelen Makroekonomik Kayıpların Analizi: OECD Ülkeleri Üzerine Bir Araştırma”. Sakarya İktisat Dergisi. 12(1), 125-150. https://dergipark.org.tr/tr/pub/sid/issue/76355/1234245
  39. Landau, S. & Ster, I. C. (2010). “Cluster Analysis: Overview”. International Encyclopedia of Education, 72-82. https://doi.org/10.1016/B978-0-08-044894-7.01315-4
  40. Madenoğlu, F. S. (2023). “Cluster Analysis of OECD Countries During the Covid-19 Pandemic”. International Journal of Economic and Administrative Academic Research. 3(2), 163-180. https://ijerdergisi.com/index.php/ijer/article/view/47
  41. Morey, L. C., Blashfield, R. K. & Skinner, H. A. (1983). “A Comparison of Cluster Analysis Techniques Within a Sequential Validation Framework”. Multivariate Behavioral Research. 18, 309-329. https://doi.org/10.1207/s15327906mbr1803_4
  42. Mut, S. & Akyürek, Ç. E. (2017). “OECD Ülkelerinin Sağlık Göstergelerine Göre Kümeleme Analizi ile Sınıflandırılması”. International Journal of Academic Value Studies. 3(12), https://doi.org/411-422. 10.13934/1999.393
  43. Rencher, A. C. & Christensen, W. F. (2012). Methods of multivariate analysis. New Jersey: John Wiley & Sons, Inc.
  44. Sel, A. (2020). “Veri Madenciliği Kümeleme Yöntemleri Kullanarak Karbon Emisyonu Göstergeleri Açısından Oecd Ülkelerinin Sınıflandırılması”. Karadeniz Uluslararası Bilimsel Dergi. 46, 169-187. https://doi.org/10.17498/kdeniz.679555
  45. Shih, M. Y., Jheng, J. W. & Lai, L. F. (2010). “A Two-Step Method for Clustering Mixed Categorical and Numeric Data”. Tamkang Journal of Applied Science and Engineering. 13(1), 11-19. https://doi.org/10.6180/jase.2010.13.1.02
  46. Soydan, N. T. Y. & Yakut, S. G. (2018). “Yenilenebilir Enerji Kullanımı Açısından OECD Ülkelerinin Etkinliğinin İncelenmesi”. 3. Uluslararası Sosyal Beşeri ve Eğitim Bilimleri Kongresi.
  47. Şen, H. & Varüer, İ. (2019). “OECD Üye Ülkeleri için İntihar Oranları Araştırması: Bir Kümeleme Analizi Çalışması”. Alphanumeric Journal. 7(2), 471-484. https://doi.org/10.17093/alphanumeric.573611
  48. Taşçı, M. & Özarı, Ç. (2019). “OECD Ülkelerinin Ekonomik Özgürlük Göstergelerinin K-Ortalamalar Kümeleme Yöntemi ve Gri İlişkisel Yöntemi ile Analizi”. Akademik Sosyal Araştırmalar Dergisi. 7(96), 464-488. http://dx.doi.org/10. 29228/ASOS.36738
  49. Tatlıdil, H. (2002). Uygulamalı Çok Değişkenli İstatistiksel Analiz. Ankara: Akademi Matbaası.
  50. Timm., N. H. (2002). Applied Multivariate Analysis. New York: Springer.
  51. Turanlı, M., Özden, Ü. H. & Türedi, S. (2006). “Avrupa Birliği’ne Aday ve Üye Ülkelerin Ekonomik Bnezerliklerinin Kümeleme Analiziyle İnclenmesi”. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi. 5(9), 95-108.
  52. Ünal, S. (2021). “K-Means Kümeleme Algoritması ile OECD Ülkelerinin Vergi Yükü ve Kayıtdışı Ekonomi Analizi”. Kırklareli Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi. 2(2), 1-15. https://doi.org/10.51969/klusbmyo.1033170
  53. Yılmaz, T. (2022). “OECD Ülkelerinin İş Gücü Endeksi Açısından Kümeleme Analizi ile İncelenmesi”. Journal of International Management, Educational and Economics Perspectives. 10(1), 84–101.
  54. Yorulmaz, Ö, Yakut, S. G. & Gacar, B. K. (2018). “Doğrudan Yabancı Yatırımları Etkileyen Faktörlerin Çok Değişkenli İstatistiksel Yöntemler ile İncelenmesi”. Uluslararası İnsan Çalışmaları Dergisi. 1(2), 157-171. https://doi.org/10.35235/uicd.475432