Journals / İşletme Araştırmaları Dergisi / 2015 / Cilt: 7 - Sayı: 4

Classifying OECD Countries According to Health Indicators Using Fuzzy Clustering Analysis

OECD Ülkelerinin Sağlık Göstergelerine Göre Bulanık Kümeleme Analizi İle Sınıflandırılması1,2

Pages
137–155
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)

Other countries in the same cluster along with Turkey are Estonia, Hungary, Mexico, Poland and Chile.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:This study was conducted in order to classify OECD countries according to health indicators using fuzzy clustering analysis, to identify the cluster in which Turkey is in and the other countries located in the same cluster with Turkey and to determine whether Turkey shows similar characteristics with other countries located in the same cluster or not.
📊
Key Findings & Data:In the study, 34 OECD member countries were discussed.
💡
Conclusion & Impact:Other countries in the same cluster along with Turkey are Estonia, Hungary, Mexico, Poland and Chile.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

This study was conducted in order to classify OECD countries according to health indicators using fuzzy clustering analysis, to identify the cluster in which Turkey is in and the other countries located in the same cluster with Turkey and to determine whether Turkey shows similar characteristics with other countries located in the same cluster or not. In the study, 34 OECD member countries were discussed. With ten variables that directly and indirectly affect the health, c-means clustering analysis was performed. The NCSS 10 software package was used to analyze the data. In the analysis, it was determined that the most appropriate cluster number is five; three countries involved in the first cluster, nine countries involved in the second cluster, nine countries involved in the third cluster, six countries involved in the fourth cluster and seven countries involved in the fifth cluster. Turkey is located in the fourth cluster. Other countries in the same cluster along with Turkey are Estonia, Hungary, Mexico, Poland and Chile.

Özet

Bu çalışma, OECD ülkelerinin belirlenen sağlık göstergeleri açısından bulanık kümeleme analizi ile sınıflandırılması, Türkiye'nin ait olduğu kümenin ve o kümede yer alan diğer ülkelerin tespit edilmesi ve Türkiye'nin içinde bulunduğu kümedeki ülkeler ile benzer özellikler gösterip göstermediğinin belirlenmesi amacıyla yapılmıştır. Çalışmada, OECD'ye üye 34 ülke ele alınmış ve sağlığı doğrudan ve dolaylı olarak etkilediği düşünülen on değişken ile bulanık c-ortalamalar kümeleme analizi gerçekleştirilmiştir. Verilerin analizinde NCSS 10 paket programı kullanılmıştır. Analiz sonucunda, en uygun küme sayısının beş olduğu; birinci kümede üç, ikinci kümede dokuz, üçüncü kümede dokuz, dördüncü kümede altı ve beşinci kümede yedi ülkenin yer aldığı belirlenmiştir. Türkiye, dördüncü kümede yer almaktadır. Türkiye ile birlikte aynı kümede yer alan diğer ülkeler Estonya, Macaristan, Meksika, Polonya ve Şili'dir.

🔖

Cite This Article

ALPTEKİN, N., YEŞİLAYDIN, G. (2015). Classifying OECD Countries According to Health Indicators Using Fuzzy Clustering Analysis. İşletme Araştırmaları Dergisi, Cilt: 7 - Sayı: 4, 137–155. https://ajindex.com/articles/269525

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (10)

  1. Adang, E. M. ve Borm, G. F., (2007). "Is there an association between economic performance and public satisfaction in health care?", The European Journal of Health Economics, Vol. 8, No: 3, 279-285.
  2. Afonso, A. ve Aubyn, M., (2005). "Non-parametric approaches to education and health efficiency in OECD countries", Journal of Applied Economics, Vol. 8, No: 2, 227-246.
  3. Afonso, A. ve Aubyn, M. S., (2007). "Assessing health efficiency across countries with a two-step and bootstrap analysis", Evaluation and Efficiency of Public Policies Workshop, Luxembourg. Akat, Y., (2007). Ülkelerin askeri benzerliklerine göre kümeleme analizi yardımıyla sınıflandırılması, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü Savunma Teknolojileri Anabilim Dalı, Yüksek Lisans Tezi, İstanbul.
  4. Aksoy, İ., (2014). Klasik ve bulanık veri zarflama analizi yardımı ile ülkelerin sağlık etkinliklerinin karşılaştırılması ve verilerin bulanıklaştırılmasına alternatif yöntem arayışı, Muğla Sıtkı Koçman Üniversitesi Fen Bilimleri Enstitüsü İstatistik Anabilim Dalı, Yüksek Lisans Tezi, Muğla. Alexander, C. A., Busch, G. ve Stringer, K., (2003). "Implementing and interpreting a data envelopment analysis model to assess the efficiency of health systems in developing countries", Journal of Management Mathematics, Vol. 14, No: 1, 49- 63. Altınel, F., (2012). An empirical study on fuzzy c-means clustering for turkish banking system, Orta Doğu Teknik Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı, Yüksek Lisans Tezi, Ankara.
  5. Altıntaş, T., (2012). Türkiye ve Avrupa Birliği'ne üye ülkelerin sağlık göstergeleri açısından çok değişkenli istatistik yöntemlerle karşılaştırılması, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, Doktora Tezi, İstanbul.
  6. Alpar, R., (2011). Uygulamalı Çok Değişkenli İstatistiksel Yöntemler, Detay Yayıncılık, Ankara.
  7. Arıç, K. H., Erilli, N. A. ve Erkekoğlu, H., (2014). "Testing of APEC countries' competitiveness dynamics through fuzzy clustering analysis and some findings", Ege Akademik Bakış, Vol. 14, No: 3, 441-450.
  8. Atalay, A. ve Tortum, A., (2010). "Türkiye'deki illerin 1997-2006 yılları arası trafik kazalarına göre kümeleme analizi", Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt. 16, Sayı: 3, 335-343.
  9. Aydın, S. ve Mollahaliloğlu, S., (2013). Uluslararası sağlık kuruluşları ve Türkiye ilişkileri, (Ed: H. Sur ve T. Palteki), İçinde: Hastane yönetimi, Nobel Tıp Kitabevleri, İstanbul, ss.1093-1112.
  10. Bayrakçı, N. ve Barışçı, N.,