Dergiler / Uluslararası Ekonomi ve Yenilik Dergisi / 2019 / Cilt: 5 - Sayı: 2

Differences in Efficiency of Innovation Performance among Middle Income Countries: An Empirical Approach

Sayfa
213–229
Yayın Tarihi
2019-10-24
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular orta gelirli ülkerlerde inovasyon performansı açısından etkinlik sorununun varlığını doğrulamaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmanın amacı, orta gelirli ülkelerde inovasyon performansının etkinliğindeki farklılıkları ampirik olarak tespit etmektir.
📊
Temel Bulgular & Veri:İnovasyon performansının etkinliğini belirlerken, Kula ve Ünlü (2019) tarafından önerilen süreç takip edilmiştir.
💡
Sonuç & Katkı:Bulgular orta gelirli ülkerlerde inovasyon performansı açısından etkinlik sorununun varlığını doğrulamaktadır.
🔬Tür:Araştırma Makalesi
📍Kapsam:2019 Verileri
⚙️Değişkenler:İnovasyon · Orta Gelirli Ülkeler · Kümeleme Analizi

Özet

Bu çalışmanın amacı, orta gelirli ülkelerde inovasyon performansının etkinliğindeki farklılıkları ampirik olarak tespit etmektir. Bu amaca ulaşmak için, çok değişkenli istatistiksel tekniklerden kümeleme analizi kullanılmıştır. Bu analiz için Ward’ın aglomeratif hiyerarşik yöntemi kullanılmıştır. İnovasyon performansının etkinliğini belirlerken, Kula ve Ünlü (2019) tarafından önerilen süreç takip edilmiştir. Böylece girdi ve çıktı göstergeleri için analizler ayrı ayrı yapılmıştır. İkinci olarak, etkinlikte farklılıklara yol açan faktörleri belirlemek için diskriminant analizi kullanılmıştır. Dünya Bankası'nın gelir sınıflandırmasına göre, 23 alt-orta gelirli ve 31 üst-orta gelirli ülke l olmak üzere toplam 54 ülke analize dahil edilmiştir. Analizde kullanılan veriler Global İnovasyon Endeksinden elde edilmiştir. Bulgular orta gelirli ülkerlerde inovasyon performansı açısından etkinlik sorununun varlığını doğrulamaktadır.

Abstract

The purpose of this paper is to determine empirically the differences in the efficiency of innovation performance in middle-income countries. To achieve this aim, it was used cluster analysis which is one of the multivariate statistical techniques. Ward’s agglomerative hierarchical method was employed for cluster analysis. In determining efficiency of innovation performance, it was followed process suggested by Kula and Ünlü (2019). So, cluster analysis was performed separately for inputs and outputs indicators. Secondly, discriminant analysis was used to identify factors that lead to differences in the efficiency. According to the World Bank's income classification, it was included a total of 54 countries, including 23 lower-middle income and 31 upper-middle income. The data used in the analysis was obtained from Global Innovation Index. The findings confirm the existence of the inefficiency problem in terms of innovation performance in the middle income countries.

🔖

Bu Makaleye Atıf Yap

ÜNLÜ, F. (2019). Differences in Efficiency of Innovation Performance among Middle Income Countries: An Empirical Approach. Uluslararası Ekonomi ve Yenilik Dergisi, Cilt: 5 - Sayı: 2, 213–229. https://ajindex.com/articles/417283

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Agresti, A. (1996). An Introduction to Categorical Data Analysis. USA: John Wiley and Sons Ltd. Akın, H. B. ve Eren, Ö. (2012). OECD Ülkelerinin Eğitim Göstergelerinin Kümeleme Analizi ve Çok Boyutlu Ölçekleme Analizi ile Karşılaştırmalı Analizi, Öneri Dergisi, 10 (37), 175-181.
  2. Altınel, F. (2012). An Empirical Study on Fuzzy C-Means Clustering for Turkish Banking System, The Graduate School of Social Sciences of Middle East Technical University, Ankara.
  3. Arı, E. and Yıldız, A. (2018), OECD Ülkelerinin Göç İstatistikleri Bakımından Bulanık Kümeleme Analizi ile İncelenmesi, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 33, 17-28.
  4. Artis, M.J. and Zhang, W. (2002). Membership of EMU: A Fuzzy Clustering Analysis of Alternative Criteria, Journal of Economic Integration, 17(1), 54-79.
  5. Atik, H. and Ünlü, F. (2017). Science Performance of Turkey in 21St Century: A Multivariate Statistical Comparison with the OECD Countries, In: Researches on Science and Art in 21st Century Turkey, Arapgirlioğlu H., Atik A., Elliot R. L., Turgeon E. (Eds.), Gece Publishing, Ankara,1030-1038.
  6. Baculakova, K. and Gress, M. (2015). Cluster Analysis of Creative Industries in the EU, Economic Annals-XXI, 9-10, 15-18.
  7. Barasa, L.; Vermeulen, P.; Knoben, J.; Kinyanjui, B. and Kimuyu, P. (2019). Innovation inputs and efficiency: manufacturing firms in Sub-Saharan Africa, European Journal of Innovation Management, 22 (1), 59-83.
  8. Bivand, R.S.; Wilk, J. and Kossowski, T. (2017). Spatial association of population pyramids across Europe: The application of symbolic data, cluster analysis and join-count tests, Spatial Statistics, 21, 339–361.
  9. Broekel, T.; Rogge, N. and Brenner, T. (2013). The innovation efficiency of German regions-a shared-input DEA approach, Working Papers on Innovation and Space Philipps-Universität Marburg. Cai, Y. (2011). Factors Affecting the Efficiency of the BRICSs’ National Innovation Systems: A Comparative Study based on DEA and Panel Data Analysis, Economics Discussion Paper No. 2011-52.
  10. Chou, J. and Gao, F. (2013).
  11. Innovation Efficiency, Global Diversification, and Firm Value, http://cafd.cufe.edu.cn/docs/2013-05/20130527101741442337.pdf, (Access: 15.01.2019)
  12. Christensen, I. A., K. Davidian, D. Kaiser and J. Foust. (2010). Applying Disruptive Innovation Theory in Emerging Markets for Crew On-Orbit Transportation, https://swfound.org/media/199710/ic_iac_sep2010.pdf (Access: 15.11.2015)
  13. Çiçek, H. and Onat, O. K. (2012), İnovasyon Odaklı Faaliyetlerin Firma Per