Journals / Ekoist: Journal of Econometrics and Statistics / 2022 / Sayı: 37

Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis

Ekonomik Faaliyet Kollarında COVID-19 Pandemi Etkisinin Çok Boyutlu Ölçekleme ve K-Ortalamalar Kümeleme Analiziyle Incelenmesi

Muhammet Atalay(Kırklareli Üniversitesi)0000-0003-3960-500X
Pages
171–198
Publication Date
2022-12-29
🏛️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)

When comparing the data of these two years in accordance with the obtained results, the number of workplaces and the number of employees with compulsory insurance were seen to have increased overall.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:With the spread of the COVID-19 pandemic all over the world, significant changes have occurred globally with regard to economic activities.
📊
Key Findings & Data:This study aims to reveal the pandemic’s impact by examining by province the number of workplaces and number of employees with compulsory insurance just before the pandemic (2019) and in the pandemic’s early period in 2020 when it was seen spread rapidly and intensely.
💡
Conclusion & Impact:When comparing the data of these two years in accordance with the obtained results, the number of workplaces and the number of employees with compulsory insurance were seen to have increased overall.
🔬Design:Research Article
📍Scope:2019 Verileri
⚙️Variables:Çok Boyutlu Ölçekleme · Kümeleme · Veri Görselleştirme

Abstract

With the spread of the COVID-19 pandemic all over the world, significant changes have occurred globally with regard to economic activities. Turkey is one of the countries to be affected by this situation on a global and local basis. The number of workplaces and employment in various segments of economic activity are important indicators through which this impact can be observed. These changes have occurred locally in different regions and different lines of business. This study aims to reveal the pandemic’s impact by examining by province the number of workplaces and number of employees with compulsory insurance just before the pandemic (2019) and in the pandemic’s early period in 2020 when it was seen spread rapidly and intensely. The study uses multidimensional scaling and clustering analyses from the statistical data analysis and data mining techniques as the research methods. The findings obtained with these methods have been visualized and interpreted in line with the purpose of the study. When comparing the data of these two years in accordance with the obtained results, the number of workplaces and the number of employees with compulsory insurance were seen to have increased overall. When examining the results on the basis of operating segments, the pandemic is seen to have had a striking impact with regard to the changes, with the operation segments based on mobility and on those prohibited by the pandemic measures being observed to have been affected by a decrease in terms of the numbers of workplaces and employees. Meanwhile, these restrictions led to growth in e-commerce, particularly by moving retail sectors to digital environments, and this caused a high rate of increase in postal and cargo activities. Home care activities were additionally concluded to be among the segments with the highest increase due to the pandemic’s effects.

Özet

COVID-19 pandemisinin tüm dünyaya yayılmasıyla ekonomik faaliyetlerde küresel bazda önemli değişiklikler meydana gelmiştir. Türkiye bu durumdan global ve lokal bazda önemli düzeyde etkilenen ülkelerdendir. Çeşitli ekonomik faaliyet kollarında iş yeri ve istihdam sayıları bu etkinin gözlenebildiği önemli göstergelerdendir. Bu çalışmada; pandeminin hemen öncesi (2019 yılı) ile hızlı ve yoğun olarak görüldüğü erken dönem (2020 yılı) iş yeri sayıları ve zorunlu sigortalı çalışan sayıları, iller bazında incelenerek faaliyet kollarına göre pandeminin etkisinin ortaya çıkarılması amaçlanmıştır. Yöntem olarak istatistiksel veri analizi ve veri madenciliği tekniklerinden çok boyutlu ölçekleme ve kümeleme analizleri kullanılmıştır. Bu yöntemler yardımıyla elde edilen bulgular görselleştirilmiş ve çalışmanın amacı doğrultusunda yorumlanmıştır. Elde edilen sonuçlara göre, iki yılın verileri karşılaştırıldığında, toplamda iş yeri sayısı ve zorunlu sigortalı çalışan sayısının arttığı görülmüştür. Faaliyet kolları bazında sonuçlar incelendiğinde değişimlerdeki pandemi etkisi göze çarpmaktadır. Mobiliteye dayalı ve pandemi tedbirlerinin engellediği faaliyet alanlarının iş yeri ve çalışan sayısı bakımından azalma yönünde etkilendiği görülmüştür. Öte yandan bu kısıtlamaların özellikle perakendecilik sektörlerini dijital ortamlara taşıyarak e-ticarette büyümeye sebep olması, posta ve kargo faaliyetlerinde yüksek oranlı artışa neden olmuştur. Bunun yanı sıra evde bakım faaliyetlerinin de pandemi etkisiyle en fazla artışın olduğu kollardan olduğu sonucuna ulaşılmıştır.

🔖

Cite This Article

Atalay, M. (2022). Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis. Ekoist: Journal of Econometrics and Statistics, Sayı: 37, 171–198. https://doi.org/10.26650/ekoist.2022.37.1035240

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (93)

  1. Açıkgöz, Ö., & Günay, A. (2020). The early impact of the Covid-19 pandemic on the global and Turkish economy. Turkish Journal of Medical Sciences, 2020(50), 520-526.
  2. Adanacıoğlu, H., Artukoğlu, M., & Güneş, E. (2017). Türkye’de Tarımsal Kredi Performansının Çok Boyutlu Ölçekleme Yaklaşımıyla Analizi. Tarım Ekonomisi Dergisi, 23(2), 195-204. doi:10.24181/tarekoder.364932
  3. Albayrak, A. S., & Koltan Yılmaz, Ş. (2009). Veri Madenciliği: Karar Ağaçları ve İMKB Verileri Üzerine Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), 31-52.
  4. Allahverdi, M., & Alagöz, A. (2019). İllerin Vergi Gelirleri Açısından Sınıflandırılmasında Kümeleme Analizi Kullanımı. Maliye Dergisi(176), 441-473.
  5. Alpar, R. (2017). Uygulamalı Çok Değişkenli İstatistik Yöntemler (5. b.). Ankara: Detay Yayıncılık.
  6. Amaratunga, D., Cabrera, J., Ghosh, D., Katehakis, M. N., Wang, J., & Wang, W. (2021). Socio- economic impact on COVID-19 cases and deaths and its evolution in New Jersey. Annals of Operations Research. doi:10.1007/s10479-021-03941-4
  7. Arı, E., & Hüyüktepe, B. (2019). Sosyo-Ekonomik Göstergeler İçin Çok Değişkenli Veri Analizi: Türkiye İçin Ampirik Bir Uygulama. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(1), 7-20. http://aksarayiibd.aksaray.edu.tr/en/pub/issue/47272/527996 adresinden alındı
  8. Ashraf, B. N. (2020). Economic Impact of Government Interventions during the COVID-19 Pandemic: International Evidence from Financial Markets. Journal of Behavioral and Experimental Finance, 27, 100371. doi:10.1016/j.jbef.2020.100371
  9. Ashraf, B. N. (2020). Stock markets’ reaction to COVID-19: Cases or fatalities? Research in International Business and Finance, 54(Aralık 2020), 101249. doi:10.1016/j.ribaf.2020.101249
  10. Atalay, M. (2019). Kümeleme Analizi ile Türkiye’deki İllerin Turizm Verileri Açısından İncelenmesi. Ekonomi Maliye İşletme Dergisi, 2(2), 103-115. https://dergipark.org.tr/tr/pub/ emid/issue/52225/682061?publisher=adil-akinci adresinden alındı
  11. Ataş, H., & Gündüz, S. (2020). Türkiye’nin Sağlık Hizmetleri Kapasitesinin Çok Boyutlu Ölçekleme Tekniği ile Analizi. Adıyaman Üniversitesi Sosyal Bilimler Enstitüsü Dergisi(36), 355-382. doi:10.14520/adyusbd.790074
  12. Atılgan Yaşa, A., & Yüzbaşı Künç, G. (2020). Kamu Harcamaları ve Sosyoekonomik Gelişmişlik Düzeyleri Bakımından İllerin Gruplandırılması: Türkiye Üzerine Bir Uygulama. Akademik Araştırmalar ve Çalışmalar Dergisi, 12(22), 276-297. doi:10.20990/kilisiibfakademik.597161
  13. Aydın, L., & Ari, I. (2020). The impact of Covid-19 on Turkey’s non-recoverable economic sectors compensating with falling crude oil prices: A computable general equilibrium analysis. Energy Exploration & Exploitation, 38(5), 1810-1830. doi:10.1177/0144598720934007
  14. Bache, S. M., & Wickham, H. (2020). magrittr: A Forward-Pipe Operator for R. R package version 2.0.1. https://CRAN.R-project.org/package=magrittr adresinden alındı
  15. Bahar, O., & Çelik İlal, N. (2020). The economic effects of Coronavirus (COVID-19) in the tourism industry. International Journal of Social Sciences and Education Research, 6(1), 125-139.
  16. Bakırtaş, İ., & Ozan, E. C. (2021). COVID-19’un Ekonomik Etkileri Üzerine Genel Bir İnceleme. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(4), 59-74. doi:10.52791/ aksarayiibd.984183
  17. Başdeğirmen, A., & Yalçıner Çal, D. (2021). Sektör Bazında İşyerleri ve Zorunlu Sigortalıların İllere Göre Kümelemesi. Hak İş Uluslararası Emek ve Toplum Dergisi, 10(28), 409-429. doi:10.31199/hakisderg.921647
  18. Başkır, D. A. (2016). Bankaların 2012 Yılı Sermaye Yeterlilik Rasyolarına Göre Kümeleme Analizi ve Çok Boyutlu Ölçekleme Sonucu Sınıflandırılma Yapıları. Bankacılık ve Sigortacılık Araştırmaları Dergisi, 1(5), 29-47. doi:10.1501/bsad_0000000015
  19. Beyhan Acar, A. (2018). İşgücü Piyasası Temel Göstergeleri Bakımından Çok Boyutlu Ölçekleme Analizi ile Türkiye ile Diğer OECD Ülkelerinin Karşılaştırılması. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü Yönetim Dergisi, 24(75), 121-144. https://dergipark.org.tr/ en/pub/iuiieyd/issue/9206/115580 adresinden alındı
  20. Bülbül, S., & Köse, A. (2009). Türkiye’de bölgelerarası iç göç hareketlerinin çok boyutlu ölçekleme yöntemi ile incelenmesi. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 39(1), 75-94. https:// dergipark.org.tr/en/pub/iuisletme/issue/9249/115718 adresinden alındı
  21. Chen, J. M., Rehman, M. U., & Vo, X. V. (2021). Clustering commodity markets in space and time: Clarifying returns, volatility, and trading regimes through unsupervised machine learning. Resources Policy, 73, 102162. doi:10.1016/j.resourpol.2021.102162
  22. Çakır Zeytinoğlu, F., & Sadıç, C. (2013). Türkiye’deki İllerin Turizm Verileri Açısından Çok Boyutlu Ölçekleme Analizi ile İncelenmesi. Trakya Üniversitesi Sosyal Bilimler Dergisi, 15(2), 77-94. https://dergipark.org.tr/en/pub/trakyasobed/issue/30216/326174 adresinden alındı
  23. Çelik, C., & Kıral, G. (2018). Kümeleme Yöntemiyle Konut Talebinin İncelenmesi: Türkiye İl Grupları Üzerine Bir Uygulama. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 27(1), 123-138. https://dergipark.org.tr/tr/pub/cusosbil/issue/36563/415459 adresinden alındı
  24. Çelik, S., & Akdamar, E. (2018). Büyük Veri ve Veri Görselleştirme. Akademik Bakış Dergisi(65), 253-264.
  25. Çelik, Ş. (2013). Kümeleme Analizi ile Sağlık Göstergelerine Göre Türkiye’deki İllerin Sınıflandırılması. Doğuş Üniversitesi Dergisi, 14(2), 175-194. https://dergipark.org.tr/en/pub/ doujournal/issue/66669/1043083 adresinden alındı
  26. Çelik, Ş. (2015). Çok boyutlu ölçekleme analizi ile hayvancılık açısından Türkiye’de illerin sınıflandırılması. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 31(4), 159- 167. https://dergipark.org.tr/en/pub/erciyesfen/issue/25543/269498 adresinden alındı
  27. Çetin, A. C. (2020). Koronavirüs (Covid-19) Salgınının Türkiye’de Genel Ekonomik Faaliyetlere ve Hisse Senedi Borsa Endeksine Etkisi. MAKÜ-Uyg. Bil. Derg., 4(2), 341-362.
  28. Çukur, T., Saner, G., & Güler, H. (2010). Türkiye’de Tarımsal Mekanizasyon Düzeyi ve Tarım Makineleri Parkının Çok Boyutlu Ölçekleme Analizi ile İncelenmesi: Ege Bölgesi Örneği. Adnan Menderes Üniversitesi Ziraat Fakültesi Dergisi, 2(2), 33-40. https://dergipark.org.tr/en/ pub/aduziraat/issue/26427/278203 adresinden alındı
  29. Eurostat. (2006, Aralık 20). NACE Rev. 2 - Statistical Classification of Economic Activities. (Statistical Office of the European Union.) Kasım 2, 2021 tarihinde European Union Statistics: https://ec.europa.eu/eurostat/web/nace-rev2 adresinden alındı
  30. Fernandes, N. (2020, March 23). Economic Effects of Coronavirus Outbreak (COVID-19) on the World Economy. doi:10.2139/ssrn.3557504
  31. Filiz, Z. (2005). İllerin Sosyo-Ekonomik Gelişmişlik Düzeylerine Göre Gruplandırılmasında Farklı Yaklaşımlar. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 6(1), 77-100.
  32. Gazel, S., & Akel, V. (2018). Borsa İstanbul’da Sektör Sınıflandırmasının Kümeleme Analizi İle Belirlenmesi. Muhasebe ve Finansman Dergisi(77), 147-164. doi:10.25095/mufad.401472
  33. Gorodov, E. Y., & Gubarev, V. V. (2013). Analytical review of data visualization methods in application to big data. Journal of Electrical and Computer Engineering, 2013(Article ID 969458), 7 Pages. doi:10.1155/2013/969458
  34. Güler, D. (2021). Türkiye’de İpek Böcekçiliğinin Çok Boyutlu Ölçekleme ve Kümeleme Analizleri ile İncelenmesi. KSÜ Tarım ve Doğa Derg, 24(1), 212-220. doi:10.18016/ksutarimdoga. vi.723998
  35. Güler, İ., & Aydınbaş, Y. E. (2021). Being Stronger in New Global Supply Chain After the Pandemic: Seeking to Increase Foreign Trade Volume and Employment Simultaneously in Turkey Economy. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 8(3), 1476-1498. doi:10.30798/makuiibf.859593
  36. Güre, Ö. B., Kayri, M., & Şevgin, H. (2021). Kayri, M., & Sevgin, H. (2021). Investigation of Coronavirus Pandemic Indicators of the Countries with Hierarchical Clustering and Multidimensional Scaling. Eastern Journal of Medicine, 26(2), 308-315.
  37. Gürsakal, S. (2019). Sosyal Bilimlerde SPSS Uygulamalı Çok Değişkenli İstatistiksel Analiz Teknikleri. Bursa: Dora Yayıncılık.
  38. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data Analysis (7. b.). Edinburgh Gate: Pearson.
  39. Horozoğlu, Ö., Hallaç, Y., & Sığırlı, D. (2017). Türkiye ile Avrupa Birliği’ne Üye ve Aday Ülkelerin Sağlık Düzeyi Ölçütlerinin Çok Boyutlu Ölçekleme Analiziyle İncelenmesi. Uludağ Üniversitesi Tıp Fakültesi Dergisi, 43(2), 49-52. https://dergipark.org.tr/tr/pub/uutfd/issue/35309/391941 adresinden alındı
  40. Hussain, S., Atallah, R., Kamsin, A., & Hazarika, J. (2018). Classification, clustering and association rule mining in educational datasets using data mining tools: A case study. R. Silhavy (Dü.) içinde, Advances in Intelligent Systems and Computing, Cybernetics and Algorithms in Intelligent Systems, CSOC2018 (Cilt 765). Springer, Cham. doi:10.1007/978-3-319-91192-2_21
  41. Jiang, F., He, J., & Tian, T. (2019). A clustering-based ensemble approach with improved pigeon- inspired optimization and extreme learning machine for air quality prediction. Applied Soft Computing, 85, 105827. doi:10.1016/j.asoc.2019.105827
  42. Jílková, P., & Králová, P. (2021). Digital Consumer Behaviour and eCommerce Trends during the COVID-19 Crisis. International Advances in Economic Research(27), 83-85. doi:10.1007/ s11294-021-09817-4
  43. Kartal, E., Balaban, M. E., & Bayraktar, B. (2021). Küresel COVID-19 Salgınının Dünyada ve Türkiye’de Değişen Durumu ve Kümeleme Analizi. Journal of Istanbul Faculty of Medicine, 84(1), 9-19. doi:10.26650/IUITFD.2020.0077
  44. Kassambara, A. (2020). ggpubr: ‘ggplot2’ Based Publication Ready Plots. R package version 0.4.0. https://CRAN.R-project.org/package=ggpubr adresinden alındı
  45. Kaygısız, Z., & Gürbüz, H. (2005). Gayrisafi Yurtiçi Hasılanın Coğrafi Dağılımının Çok Boyutlu Ölçekleme Analizi, Kümeleme Analizi ve Temel Bileşenler Analizleri ile Karşılaştırmalı Olarak İncelenmesi. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, 5(1), 101-112.
  46. Kılıç, İ., Saraçlı, S., & Kolukısaoğlu, S. (2011). Sosyo-ekonomik göstergeler bakımından illerin bölgesel bazda benzerliklerinin çok değişkenli analizler ile incelenmesi. İstatistikçiler Dergisi:İstatistik ve Aktüerya, 4(2), 57-68. https://dergipark.org.tr/en/pub/jssa/ issue/10045/123884 adresinden alındı
  47. Koç, P., Kutlar, A., Gülmez, A., & Öncel, A. (2021). The Analysis of the Effect of Covid 19 on Macroeconomic Indicators via MDS and Clustering Methods. Research Square, Preprint (Version 1). doi:10.21203/rs.3.rs-194221/v1
  48. Koçak, A. (2021). Türkiye’ de Toplumsal Cinsiyetin Çok Boyutlu Ölçekleme ile İncelenmesi.
  49. İstatistik Araştırma Dergisi, 11(2), 71-82. https://journal.tuik.gov.tr/ adresinden alındı
  50. Kruskal, J. B. (1964). Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis. Psychometrika, 29(1), 1-27.
  51. Kruskal, J. B., & Carmone, F. J. (1967). How to Use MDSCAL, Version 5-M, and Other Useful Information. Murray Hill, NJ.: Bell Laboratories.
  52. Kuvat, Ö. (2021). Türkiye’de illerin turist geliş ve geceleme sayılarına göre konumlandırılmasında çok boyutlu ölçekleme analizi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi(UTK 2021 Turizm Özel Sayısı), 1433-1447. doi:10.31795/baunsobed.1023477
  53. Leeuw, J. d., & Mair, P. (2009). Multidimensional Scaling Using Majorization: SMACOF in R.
  54. Journal of Statistical Software, 31(3), 1-30. https://www.jstatsoft.org/v31/i03/ adresinden alındı
  55. Likas, A., Vlassis, N., & Verbeek, J. (2001). The Global K-Means Clustering Algorithm. University of Amsterdam Computer Science Institute. Amsterdam: Intelligent Autonomous Systems.
  56. Machado, J., & Lopes, A. (2020). Rare and extreme events: the case of COVID-19 pandemic.
  57. Nonlinear Dynamics, 100(3), 2953–2972. doi:10.1007/s11071-020-05680-w
  58. Mair, P., Groenen, P. J., & Leeuw, J. d. (2021). More on Multidimensional Scaling in R: smacof Version 2. Journal of Statistical Software.
  59. McKibbin, W., & Fernando, R. (2020). The economic impact of COVID-19. R. Baldwin, & B. W. Mauro içinde, Economics in the Time of COVID-19. London: CEPR Press.
  60. NCSS. (2021, Ağustos 30). NCSS Documentation. Kasım 15, 2021 tarihinde NCSS Statistical Software: https://www.ncss.com/wp-content/themes/ncss/pdf/Procedures/NCSS/Multidimensional_ Scaling.pdf adresinden alındı
  61. Orhunbilge, N. (2010). Çok Değişkenli İstatistik Yöntemler. İstanbul: İstanbul Üniversitesi İşletme Fakültesi.
  62. Önay, O. (2015). Enflasyon, İthalat ve İhracat Açısından Türkiye ve Diğer OECD Ülkelerinin Çok Boyutlu Ölçekleme Analizi ile Karşılaştırılması. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 44(2), 77-93. https://dergipark.org.tr/en/pub/iuisletme/issue/9259/115853 adresinden alındı
  63. Özdamar, K. (2018). Paket Programlar ile İstatistiksel Veri Analizi. Eskişehir: Nisan Kitabevi.
  64. R Core Team. (2022). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria. https://www.R-project.org/ adresinden alındı
  65. RStudio. (2021, Eylül 1). RStudio | Open source & professional software for data science teams.
  66. Kasım 5, 2021 tarihinde RStudio: https://www.rstudio.com/ adresinden alındı
  67. Sandbrook, C., Gómez-Baggethun, E., & Adams, W. M. (2020). Biodiversity conservation in a post-COVID-19 economy. Oryx, 1– 7. doi:10.1017/S0030605320001039
  68. Sarıgül, H. (2014). Kümeleme Analizi İle İllerin Bankacılık Hizmetlerine Erişim ve Kullanım Göstergelerinin Karşılaştırılması. Bankacılar Dergisi(89), 41-62.
  69. Sertkaya, B., & Baş, S. (2021). COVID-19 Salgınının Türkiye Ekonomisi Üzerine Etkileri: Riskler ve Olası. Dicle Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(21), 147-167.
  70. SGK. (2021, Ekim 14). Sosyal Güvenlik Kurumu İstatistik Yıllığı Sigortalı ve İş Yeri İstatistikleri 2020. Ankara, Balgat, Türkiye. Kasım 2, 2021 tarihinde http://www.sgk.gov.tr/wps/portal/sgk/ tr/kurumsal/istatistik/sgk_istatistik_yilliklari adresinden alındı
  71. Shanti, R. (2019). Multivariate Data Analysis: Using SPSS and AMOS. Chennai: MJP Publisher.
  72. Sığırlı, D., Ediz, B., Cangür, Ş., Ercan, İ., & Kan, İ. (2006). Türkiye ve Avrupa Birliği’ne Üye Ülkelerin Sağlık Düzeyi Ölçütlerinin Çok Boyutlu Ölçekleme Analizi ile Ölçülmesi. İnönü Üniversitesi Tıp Fakültesi Dergisi, 13(2), 81-85.
  73. Soy Temür, A. (2021). COVID-19 Finansal Kriz mi? Borsa İstanbul (BIST) Üzerindeki Etkilerinin Geçmiş Finansal Krizlerle Karşılaştırılması. International Conference on Economics (ICE- TEA2021). Turkish Economic Association.
  74. Soylu, Ö. B. (2020). Türkiye Ekonomisinde COVID-19’un Sektörel Etkileri. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 7(6), 169-185.
  75. Şenaras, A. E., & Çetin, İ. (2017). Kamu Hizmetlerinden Memnuniyetin Çok Boyutlu Ölçekleme ile Analizi. Bolu Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 17(2), 195-
  76. https://dergipark.org.tr/en/pub/basbed/issue/38797/456377 adresinden alındı
  77. Talbot, D., & Ordonez-Ponce, E. (2022). Canadian banks’ responses to COVID-19: a strategic positioning analysis. Journal of Sustainable Finance & Investment, 12(2), 423-430. doi:10.108 0/20430795.2020.1771982
  78. Tekin, B. (2015). Temel Sağlık Göstergeleri Açısından Türkiye’deki İllerin Gruplandırılması: Bir Kümeleme Analizi Uygulaması. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(2), 389-416. https://dergipark.org.tr/en/pub/ckuiibfd/issue/32905/365558 adresinden alındı
  79. Tekin, B. (2018). Ward, K-Ortalamalar ve İki Adımlı Kümeleme Analizi Yöntemleri ile Finansal Göstergeler Temelinde Hisse Senedi Tercihi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(40), 401-436. doi:10.31795/baunsobed.492464
  80. Tekin, B. (2020a). COVID-19 Pandemisi Döneminde Ülkelerin COVID-19, Sağlık ve Finansal Göstergeler Bağlamında Sınıflandırılması: Hiyerarşik Kümeleme Analizi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(2), 336-349. doi:10.29106/fesa.738322
  81. Tekin, B. (2020b). Koronavirüs (COVID-19) Salgını ve Ekonomik Finansal Etkileri: Bir Literatür İncelemesi. F. Kalay, & Y. A. Ünvan (Dü) içinde, İktisadi ve İdari Bilimlerde Güncel Araştırmalar (s. 39-64). Cetinje: IVPE.
  82. Tekin, B., & Temelli, F. (2020a). K-Ortalamalar Yöntemi ile Bankaların Sermaye Yeterlilik Rasyolarına Göre Kümelenmesi. Kırıkkale Üniversitesi Sosyal Bilimler Dergisi, 10(1), 11-36. https://dergipark.org.tr/tr/pub/kusbd/issue/52299/617882 adresinden alındı
  83. Tekin, B., & Temelli, F. (2020b). Türkiye’deki İllerin Kredi Kullanım Düzeyleri Açısından Kümelenmesi: K-Ortalamalar Yöntemi Yaklaşımı. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(1), 91-124. https://dergipark.org.tr/tr/pub/iibfdkastamonu/ issue/55279/734428 adresinden alındı
  84. The R Foundation. (2020, Ekim 10). The R Project for Statistical Computing. Kasım 5, 2021 tarihinde R Project: https://www.r-project.org/ adresinden alındı
  85. Tokmergenova, M., Bánhidi, Z., & Dobos, I. (2021). Analysis of I-DESI dimensions of the digital economy development of the Russian Federation and EU-28 using multivariate statistics. St Petersburg University Journal of Economic Studies, 37(2), 189-204. doi:10.21638/ spbu05.2021.201
  86. Torgerson, W. S. (1952). Multidimensional Scaling: I. Theory and Method. Psychometrika, 17(4), 401-419.
  87. Tunalı, Ç. B. (2020). Covid-19 Pandemisinin Ekonomik Büyüme Üzerindeki Etkisi. D. Demirbaş, V. Bozkurt, & S. Yorgun içinde, Covid-19 Pandemisinin Ekonomik, Toplumsal ve Siyasal Etkileri (s. 25-34). İstanbul: İstanbul Üniversitesi Yayınevi.
  88. Tüzüntürk, S. (2009). Çok Boyutlu Ölçekleme Analizi: Suç İstatistikleri Üzerine Bir Uygulama. Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2), 71-91.
  89. Venables, W. N., & Ripley, B. D. (2002). Modern Applied Statistics with S (4. b.). New York: Springer. https://www.stats.ox.ac.uk/pub/MASS4/ adresinden alındı
  90. Wickham, H., & Bryan, J. (2019). readxl: Read Excel Files. R package version 1.3.1. https:// CRAN.R-project.org/package=readxl adresinden alındı
  91. Wickham, H., François, R., Henry, L., & Müller, K. (2020). dplyr: A Grammar of Data Manipulation. R package version 1.0.2. https://CRAN.R-project.org/package=dplyr adresinden alındı
  92. Yagi, M., & Managi, S. (2021). lobal supply constraints from the 2008 and COVID-19 crises. Economic Analysis and Policy, 69(March 2021), 514-528. doi:10.1016/j.eap.2021.01.008
  93. Yetiz, F. (2021). COVID-19 Pandemi Sürecinin Türk Bankacılık Sektörü Çalışanlarına ve Müşterilerine Etkileri: SWOT Analizi. Avrupa Bilim ve Teknoloji Dergisi(22), 109-117.