Journals / Trakya Üniversitesi Sosyal Bilimler Dergisi / 2020 / Cilt: 22 - Sayı: 2

EXAMINATION WITH THE RIDGE REGRESSION ANALYSIS OF LOGISTICS PERFORMANCE INDICES OF OECD COUNTRIES

OECD ÜLKELERİNİN LOJİSTİK PERFORMANS ENDEKSLERİNİN RİDGE REGRESYON ANALİZİ İLE ARAŞTIRILMASI

Pages
899–919
Publication Date
2020-12-18
DOI
—
🏛️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)

Aynı zamanda LPE konusunda yeni bir yöntemin denenmiş olması da bu çalışmanın diğer ayrıcalıklı özelliğidir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmanın amacı, OECD ülkelerinin Lojistik Performans Endeksi değerlerine göre incelenmesidir.
📊
Key Findings & Data:Günümüzde lojistik sektörü, dünyada hızlı gelişme gösteren en etkili sektörlerden biri olmuştur.
💡
Conclusion & Impact:Aynı zamanda LPE konusunda yeni bir yöntemin denenmiş olması da bu çalışmanın diğer ayrıcalıklı özelliğidir.
🔬Design:Review & Systematic Survey
📍Scope:2018 Verileri
⚙️Variables:OECD ülkeleri · Lojistik Performans Endeksleri · Ridge Regresyon

Özet

Bu çalışmanın amacı, OECD ülkelerinin Lojistik Performans Endeksi değerlerine göre incelenmesidir. Günümüzde lojistik sektörü, dünyada hızlı gelişme gösteren en etkili sektörlerden biri olmuştur. Böylece lojistik sektörünün gelişen dünya düzeni ile birlikte birçok ülkeyi diğerlerinden ayıran bir kriter olduğu söylenebilir. Gelişmeleri takiben ülkelerin lojistik faaliyetlerini ölçmek için bazı performans göstergelerinin geliştirilmesi mecburi hale gelmiştir. Bunlardan en önemlisi Dünya Bankası tarafından geliştirilmiş. Lojistik Performans Endeksi (LPE)’dir. Araştırmada 2018 yılında yayımlanan Lojistik Performans Endeksi istatistiklerine dayalı olarak Ridge regresyon analizi uygulanmıştır. Çok değişkenli verileri analiz etmek için kullanılan Ridge regresyon, çoklu bağlantı olması durumunda EKK yöntemine alternatif olarak geliştirilen yanlı tahmin yöntemlerinden biridir. Bu yöntemin işleyişi en küçük kareler yöntemine benzerdir. Ayrıca sadece varyans ve kovaryans matrisinin köşegen değerlerine küçük bir yanlılık sabiti Ridge parametresi (k) eklenmesiyle en küçük kareler yönteminden ayrılmaktadır. Bağımlı değişken olarak genel LPE puanının alındığı çalışmada; gümrük, altyapı, uluslararası taşımacılık, lojistik yeterliliği ve kalitesi, takip ve kolaylık ile zamanlılık bağımsız değişkenler olarak kullanılmıştır. Analiz sonucunda; genel LPE puanı ile gümrük, altyapı, uluslararası taşımacılık, lojistik yeterliliği ve kalitesi ile zamanlılık değişkenleri arasında anlamlı bir ilişki olduğuna karar verilmiştir. Lojistik Performans Endeksi kapsamında OECD ülkelerini ele almış çalışmalar, literatürde sınırlı sayıda bulunmaktadır. Dolayısıyla yapılmış olan çalışma literatürde yer alan bu boşluğa bir katkı sağlayacaktır. Aynı zamanda LPE konusunda yeni bir yöntemin denenmiş olması da bu çalışmanın diğer ayrıcalıklı özelliğidir.

🔖

Cite This Article

EYGÜ, H., KILINÇ, A. (2020). EXAMINATION WITH THE RIDGE REGRESSION ANALYSIS OF LOGISTICS PERFORMANCE INDICES OF OECD COUNTRIES. Trakya Üniversitesi Sosyal Bilimler Dergisi, Cilt: 22 - Sayı: 2, 899–919. https://ajindex.com/articles/202736

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. Akçay A. ve Sariözkan S. (2015). Yumurta tavukçuluğunda gelirin ridge regresyon analizi ile tahmini. Ankara Üniv Vet Fak Derg, 62, 69-74.
  2. Albayrak, A.S. (2005). Çoklu doğrusal bağlantı halinde en küçük kareler tekniğinin alternatifi yanlı tahmin teknikleri ve bir uygulama. ZKÜ Sosyal Bilimler Dergisi, 1(1), 105-126.
  3. Alpu, Ö., Şamkar, H. ve Altan, E. (2010). Sağlam ridge regresyon analizi ve bir uygulama. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(2),137-148.
  4. Bakar, M.A.A., ve Jaafar, H.S. (2016). Malaysian logistics performance: A manufacturer’s perspective. 6th International Research Symposium in Service Management, IRSSM-6 2015, Social and Behavioral Sciences, 224, 571-578.
  5. Baki, B. ve Gergin, R.E. (2015). Türkiye‘deki bölgelerin lojistik performanslarının bütünleştirilmiş AHS ve TOPSIS yöntemiyle değerlendirilmesi. Business and Economics Research Journal, 6(4), 115-135.
  6. Bayat, T. ve Özdemir, Ş. (2016). Yeni bir lojistik performans endeks oluşturmak için gerekli olan kriterlerin belirlenmesi üzerine araştırma. V. Ulusal Lojistik Ve Tedarik Zinciri Kongresi, 26- 28 Mayıs, Mersin. Bayraktutan, Y., Tüylüoğlu, Ş. ve Özbilgin, M. (2012). Lojistik sektöründe yoğunlaşma analizi ve lojistik gelişmişlik endeksi: Kocaeli örneği. Uluslararası Alanya İşletme Fakültesi Dergisi, 4(3), 61-71.
  7. Behar, A. ve Manners, P., (2008).
  8. Logistics and exports, The Centre for the Study of African Economies, 13, 1-16.
  9. Büyükuysal, M.Ç. ve Öz, İ.İ.(2016). Çoklu doğrusal bağıntı varlığında en küçük karelere alternatif yaklaşım: Ridge regresyon. Düzce Üniversitesi Sağlık Bilimleri Enstitüsü Dergisi / DÜ Sağlık Bil Enst Derg Journal of Duzce University Health Sciences Institute / J DU Health Sci Inst, 6(2), 110-114.
  10. Boopen, S. (2006). Transport infrastructure and economic growth: Evidence from Africa using dynamic panel estimates. The Empirical Economics Letters, 5(1), 37-52.
  11. Bozkurt, C. ve Mermertaş, F. (2019). Türkiye ve G8 ülkelerinin lojistik performans endeksine göre karşılaştırılması. İşletme ve İktisat Çalışmaları Dergisi, 7(2), 107-118.
  12. Chu, Z. (2010). Logistics and economic growth: A panel data approach. The Annals of Regional Science, 49, 87-102.
  13. Çakır, S. (2017). Measuring logistics performance of OECD countries via fuzzy linear regression. Journal Of Multi-Criteria Decision Analysis, (Wiley Research Article), 24 (3-4), 177–186.
  14. Çemberci, M, Civelek, M.E. ve Canbolat, N. (2015). The moderator effect of global competitiveness index on dimensions o