oecd Ülkelerİnde kadinlarin sosyo-ekonomİk …

of 23/23
100 Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi • Cilt: 43 • Sayı: 1 • Haziran 2021, ISSN: 2587-2672, ss/pp. 100-122 DOI: 10.14780/muiibd.960297 Makale Gönderim Tarihi: Makale Gönderim Tarihi: 28.10.2020 Yayına Kabul Tarihi: Yayına Kabul Tarihi: 13.06.2021 ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE OECD ÜLKELERİNDE KADINLARIN SOSYO-EKONOMİK STATÜSÜNÜN ENTROPİ-ARAS BÜTÜNLEŞİK YÖNTEMİYLE İNCELENMESİ* EXAMINING THE SOCIAL-ECONOMIC STATUS OF WOMEN IN OECD COUNTRIES WITH THE INTEGRATED METHOD OF ENTROPY-ARAS Müge YILMAZ** Mevlüdiye ŞİMŞEK*** Gözde KOCA**** Öz Bu çalışmadaki amaç, OECD ülkelerinde kadınların sosyo-ekonomik statüsünün Çok Kriterli Karar Verme (ÇKKV) yöntemleriyle analiz edilmesidir. Sosyo-ekonomik statüyü etkileyen 9 faktör belirlenmiştir. Bu faktörler, kadınlarda kişi başına düşen gelir (GDP), kadınlarda istihdam oranı, kadınlarda işgücüne katılım oranı, kadın ilköğretim okullaşma oranı, kadın ortaöğretim okullaşma oranı, kadın yükseköğretim okullaşma oranı, kadınlarda ortalama yaşam beklentisi, kadınlarda politik katılım oranı ve cinsiyete dayalı insani kalkınma endeksi (HDI) şeklindedir. Analizde ÇKKV metotlarından Entropi ve ARAS yöntemleri kullanılmıştır. OECD ülkelerin 2010-2017 arası döneme ait verileri kullanılmıştır. Yapılan analiz sonucuna göre, kadınların sosyo-ekonomik statüsü açısından en iyi durumda olan ilk üç ülke sırasıyla Norveç, İzlanda ve İsveç olurken, kadın statüsü açısından Japonya ve Macaristan son iki sırada yer almıştır. Anahtar Kelimeler: Kadın, Sosyo-Ekonomik Statü, Çok Kriterli Karar Verme, Entropi, ARAS. JEL Sınıflandırması: C44, C60, Z13 * Bu çalışma, Bilecik Şeyh Edebali Üniversitesi, Sosyal Bilimler Enstitüsü, İktisat Anabilim Dalı’nda Prof. Dr. Mevlüdiye Şimşek danışmanlığında Müge Yılmaz tarafından hazırlanan “OECD Ülkelerinde Kadınların Sosyo-Ekonomik Statüsünün Entropi-ARAS Bütünleşik Yöntemiyle İncelenmesi” adlı yüksek lisans tezinden türetilmiştir. ** Yüksek Lisans Mezunu, Bilecik Şeyh Edebali Üniversitesi, Sosyal Bilimler Enstitüsü, Bilecik, E-Mail: [email protected] hotmail.com, ORCID ID: 0000-0001-5703-0284 *** Prof. Dr., Bilecik Şeyh Edebali Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İktisat Bölümü, Bilecik, E-Mail: mevludiye. [email protected], ORCID ID: 0000-0002-4586-6575 **** Dr. Öğr. Üyesi, Bilecik Şeyh Edebali Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İşletme Bölümü, Bilecik, E-Mail: [email protected], ORCID ID: 0000-0001-6847-6812

Post on 15-Jan-2022

1 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

100
Marmara Üniversitesi ktisadi ve dari Bilimler Dergisi • Cilt: 43 • Say: 1 • Haziran 2021, ISSN: 2587-2672, ss/pp. 100-122 DOI: 10.14780/muiibd.960297
Makale Gönderim Tarihi:Makale Gönderim Tarihi: 28.10.2020 Yayna Kabul Tarihi:Yayna Kabul Tarihi: 13.06.2021
ARATIRMA MAKALES / RESEARCH ARTICLE
NCELENMES1
*
EXAMINING THE SOCIAL-ECONOMIC STATUS OF WOMEN IN OECD COUNTRIES WITH THE INTEGRATED METHOD OF
ENTROPY-ARAS
Bu çalmadaki amaç, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün Çok Kriterli Karar Verme (ÇKKV) yöntemleriyle analiz edilmesidir. Sosyo-ekonomik statüyü etkileyen 9 faktör belirlenmitir. Bu faktörler, kadnlarda kii bana düen gelir (GDP), kadnlarda istihdam oran, kadnlarda igücüne katlm oran, kadn ilköretim okullama oran, kadn ortaöretim okullama oran, kadn yükseköretim okullama oran, kadnlarda ortalama yaam beklentisi, kadnlarda politik katlm oran ve cinsiyete dayal insani kalknma endeksi (HDI) eklindedir. Analizde ÇKKV metotlarndan Entropi ve ARAS yöntemleri kullanlmtr. OECD ülkelerin 2010-2017 aras döneme ait verileri kullanlmtr. Yaplan analiz sonucuna göre, kadnlarn sosyo-ekonomik statüsü açsndan en iyi durumda olan ilk üç ülke srasyla Norveç, zlanda ve sveç olurken, kadn statüsü açsndan Japonya ve Macaristan son iki srada yer almtr. Anahtar Kelimeler: Kadn, Sosyo-Ekonomik Statü, Çok Kriterli Karar Verme, Entropi, ARAS. JEL Snflandrmas: C44, C60, Z13
* Bu çalma, Bilecik eyh Edebali Üniversitesi, Sosyal Bilimler Enstitüsü, ktisat Anabilim Dal’nda Prof. Dr. Mevlüdiye imek danmanlnda Müge Ylmaz tarafndan hazrlanan “OECD Ülkelerinde Kadnlarn Sosyo-Ekonomik Statüsünün Entropi-ARAS Bütünleik Yöntemiyle ncelenmesi” adl yüksek lisans tezinden türetilmitir.
** Yüksek Lisans Mezunu, Bilecik eyh Edebali Üniversitesi, Sosyal Bilimler Enstitüsü, Bilecik, E-Mail: [email protected] hotmail.com, ORCID ID: 0000-0001-5703-0284
*** Prof. Dr., Bilecik eyh Edebali Üniversitesi, ktisadi ve dari Bilimler Fakültesi, ktisat Bölümü, Bilecik, E-Mail: mevludiye. [email protected], ORCID ID: 0000-0002-4586-6575
**** Dr. Ör. Üyesi, Bilecik eyh Edebali Üniversitesi, ktisadi ve dari Bilimler Fakültesi, letme Bölümü, Bilecik, E-Mail: gö[email protected], ORCID ID: 0000-0001-6847-6812
101
Abstract The purpose of this study is to analyze the socio-economic status of women in OECD countries by Multi Criteria Decision Making (MCDM) methods. Nine factors that affect socio-economic status have been identified. These factors are per capita income (GDP) for women, employment rate for women, labor force participation rate for women, female primary education schooling rate, female secondary education schooling rate, female higher education schooling rate, average life expectancy among women, the political participation rate and gender-based human development index (HDI) for women. Entropy and ARAS methods are used in the analysis. The data of OECD member countries for the period 2010-2017 are used. The results reveal that the top three countries that are in the best condition in terms of women’s socio- economic status are Norway, Iceland, and Sweden, respectively while Japan and Hungary are in the last two places in terms of women’s status. Keywords: Women, Socio-Economic Status, Multi Criteria Decision Making, Entropy, ARAS. JEL Classification: C44, C60, Z13
1. Giri
2. Teorik Çerçeve
Geçmiten bugüne iktisat tarihi ve iktisadi düünce yaplar incelendiinde, kadnn ve onlarn ilgi alanlarnn büyük ölçüde yok sayldn görmek mümkündür. lk uygarlklardan sanayi devrimine kadar olan süreçte kadnn yaam daha çok gelenekler, inanç, kültürel yap, çevre vb. birçok unsur tarafndan ekillendirilmitir. Özel mülkiyetin gelimesiyle birlikte, kadnlar toplumda tamamen ötekiletirilmi ve ekonomik yaam erkee göre ekillenmeye balamtr.1 Kadnlar yüzyllar boyunca
1 Kapanolu, S. (2006). Çin’de Kadn mgesi, Yüksek Lisans Tezi, Ankara Üniversitesi Sosyal Bilimler Enstitüsü, Dou Dilleri ve Edebiyatlar Anabilim Dal, Ankara, s.11.
Müge YILMAZ • Mevlüdiye MEK • Gözde KOCA
102
üretimin her aamasna katkda bulunmular; fakat modern anlamda kadnn ücretli içi statüsünü almas ve çalma hayatna girmesi Sanayi Devrimi ile gerçeklemitir.2 Kapitalist ekonomik sistem içerisinde önemli bir yer tutan emek arz, iktisatçlar tarafndan, teorik yaklamlarn gelitirildii ve tartmaya oldukça açk bir konudur. Ancak iktisadi yaklamlarn geneline bakldnda; gerek klasik ve Neoklasik iktisatçlarda gerekse Kurumsal ve Marksist iktisatçlarda igücü piyasalarna ait teorilerin büyük oranda erkek emei göz önüne alnarak oluturulduu görülmektedir. Kadn emei üzerinde fazla durulmam ve dolaysyla kadn konusu ikinci planda kalmtr.3
Kadnn kalknmadaki öneminin uzunca bir süre göz ard edilmesinden sonra, kalknma iktisadnda kadnn rolü ilk defa Danimarkal aratrmac Esther Boserup’un “Ekonomik Kalknmada Kadnn Rolü4” isimli çalmasnda ele alnmtr. Boserup; ‘modernleme ile birlikte tarmda ve dier alanlarda verimlilik artlar yaandn; teknoloji ve makine kullanmnn bu süreçte erkeklerin kontrolüne geçmesiyle kadnn ikincil konuma itildii geleneksel i bölümünün olutuunu’ ileri sürmektedir.5 Bu eserle literatürde ‘Kalknmada Kadn’ kavram ön plana çkmtr. 1970’li yllarda ‘bütün kalknma çabalarna kadnlarn tam entegrasyonu’ en çok tekrarlanan cümle haline gelmitir. Kalknmada kadn kavramnn benimsenmesiyle frsat eitliine, kadnlarn üretken sektördeki dezavantajlarnn azaltlmasna ve ayrmcla son verecek kalknma stratejilerine vurgu yaplmtr.6 Ancak Boserup, kadnlarn kalknmaya dâhil edilmesini savunurken, sürece dâhil olunacak kadar radikal bir deiiklik talep etmemektedir.7
Kalknma, ekonomik anlamda refah art yannda, sosyal ve beeri anlamda da refah artn içermektedir. Ekonomik kalknma için üretim faktörlerinin en yüksek düzeyde ve verimlilikte kullanlmas, sosyal refahn artrlmas, cinsiyet eitliinin salanmas, salk, eitim gibi artlardan toplumdaki her bireyin eit faydalanmas öncelikli amaç olmaldr. Kalknma bilimiyle uraanlara göre; büyüme hz kadar büyümenin kalitesi de önem tamaktadr. Baka bir ifadeyle, ekonomik kalknma nicel olmaktan ziyade nitel bir olgu olup; ekonomik büyümenin yannda çok sayda konuyu kapsamaktadr. Söz konusu konular; büyümeden kimin yararland, kadn ve erkeklerin büyümenin faydalarndan nasl yararland, büyümenin tüm gelir gruplarna eit dalm olup olmad, büyümeden belli sektörlerin mi yoksa tüm toplumun mu fayda salad ve ekonomik büyümenin, bir ülkenin insanlar arasnda refah eitlii sonucunu yaratp yaratmad gibi konulardr.8
Sürdürülebilir büyüme ve kalknma, toplumlarn ayakta kalmas ve istikrar için oldukça önemlidir. Ülkelerin kalknmlk seviyelerinin belirlenmesinde birçok faktör bulunmakla birlikte ekonomik
2 Durmaz, . (2016). gücü Piyasasnda Kadnlar ve Karlatklar Engeller, Ahi Evran Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2(3): 38.
3 Kaplan,  A.  (2019). Bölgesel Kalknmada Kadn stihdamnn Etkisi: GAP Bölgesi’nde Kadnn Güçlendirilmesinde Yenilikler Projesi, Yüksek Lisans Tezi, Mersin Üniversitesi Sosyal Bilimler Enstitüsü, ktisat Anabilim Dal, Mersin, s.4.
4 Boserup, E. (1970). Women’s Role in Economic Development, St. Martin’s Press, Newyork. 5 Boserup, 1970. 6 Toksöz, G. (2011). Kalknmada Kadn Emei, Varlk Yaynlar, 2. Bask, stanbul, s.52. 7 Visvanathan, N. (1997). Theories of Women, Gender and Development, N. Visvanathan, L. Duggan, N. Wiegersma, L.
Nisonoff (Ed.), The Women, Gender and Development Reader, Zed Books, Londra, s.23. 8 imek, M. (2008). Küreselleen Dünyada Kadnn Ekonomik Konumu, Ekin Yaynevi, Bursa, s.11.
Marmara Üniversitesi ktisadi ve dari Bilimler Dergisi • Cilt: 43 • Say: 1 • Haziran 2021, ISSN: 2587-2672, ss/pp. 100-122
103
anlamda kalknmann yönünü ve hzn belirleyen en önemli faktör insan gücüdür. Söz konusu gücün yaklak yars ise kadnlardan olumaktadr. Kadnlarn ekonomik statüsünün belirlenmesinde isizlik oranlar, milli gelirden aldklar pay, istihdam ve igücüne katlm oranlar gibi faktörler oldukça önemlidir. Ancak geçmite kalknma dendiinde sadece ekonomik verilerin ortaya konulduu bir yaklam benimsenirken; artk günümüz dünyasnda ekonomik verilerin yan sra insan odakl, eitim düzeylerini ve niteliklerinin artrlmasn, yoksulluk ve gelir dalm gibi konular da içine alan bir kalknma anlay öne çkmaya balamtr.9 Baarl bir kalknmadan bahsedebilmek için kadn erkek ayrmakszn toplumun tüm bireylerinin ekonomik faaliyetlere katlmnn salanmas, eitim ve salk imkânlarndan eit ekilde faydalanlmas öncelikli amaç olmaldr. Ancak, toplumsal cinsiyet eitsizlii, ekonomik alanda olduu gibi sosyal alanda da kendini göstermektedir. Kadnn statüsü genelde kadnn gelir düzeyi, ekonomik bamszl, eitimi, sal, aile ve toplum içindeki rolü gibi faktörlerle tanmlanmaktadr. Ancak toplumun kadna bak, kadn rollerini alglay biçimi ve bu rollere verdii deerden de etkilenmektedir.10 Geçmiten bugüne, kadnn ekonomik ve sosyal statüsünde gelimeler görülse de, hala büyük oranda eitsizlikler mevcuttur. Bu eitsizliin yaand bir alan da siyasi ortamdr. Kadnlar, yllarca kendilerine yönelik bak açs sebebiyle siyaset alanndan uzak kalm ve bunun doal sonucu olarak günümüzde erkeklere oranla siyaset alannn farkl kademelerinde daha az yer almlardr.11 Kadnlarn haklarn elde edebilmeleri ve toplumsal cinsiyet eitliinin daha fazla salanabilmesi için kadnlarn siyasette daha fazla yer almalar büyük önem tamaktadr. Bütüne bakldnda aslnda kadnlarn sosyal, ekonomik ve politik statüsünü etkileyen tüm faktörler ayn zamanda birbirleriyle etkileim içindedir. Kadnlar; igücüne katlm, eitim ve salk imkânlarndan yararlanma, siyasi hayata katlma gibi konularda gerek ekonomik gerekse ekonomik olmayan birçok nedenle karlamaktadrlar. Kadnlarn ekonomik sisteme katlm, gelimenin hem girdisi hem de çktsdr. öyle ki; daha fazla kadn igücü olarak piyasada yer aldnda ekonomik büyüme hzlanacak ve ülkeler geliecektir. Ülkelerin gelimesiyle birlikte kadnlarn yetenekleri de geliecek, üzerlerindeki sosyal bask ve kstlamalar zayflayacak ve kadnlarn ev dna çkmalarna imkân tannm olacaktr.
3. Literatür ncelemesi
Son yllarda çok kriterli karar verme yöntemlerinin uygulama alan artm bulunmakla birlikte, kadn konusu üzerine yaplm çalmalar oldukça kstldr. Yaplan literatür incelemesi sonucunda uluslararas literatürde, ÇKKV yöntemlerinin kadn konusuna uygulanmas ile ilgili snrl sayda çalma ile karlalmtr. Fakat ulusal literatürde kadn konusu ile ilgili oldukça fazla çalma bulunmakla birlikte, ÇKKV yöntemlerinin kullanld herhangi bir çalmaya rastlanlmamtr. Bu nedenle literatür taramasnda kadn konusunu ve ÇKKV yöntemlerini içeren çalmalara yer verilmitir. Uluslararas literatürde kadn konusunu ve ÇKKV yöntemlerinin uygulanmasn içeren çalmalar u ekildedir:
9 Açk, Y. (2018).  Dünyasnda Kadn Raporu Cilt III’e Önsöz, (Eriim Tarihi: 5.11.2019, http://www.turkonfed.org/tr/ icerikler/arastirma-raporlari/), s.5.
10 Mhçokur, S., Akn, A. (2003). Kadnn Statüsü ve Anne Ölümleri, Hacettepe Üniversitesi Kadn Sorunlar Uygulama ve Aratrma Merkezi (HÜKSAM). Hacettepe Üniversitesi Yaynlar, Ankara, s. 127.
11 Kurt Topuz, S. (2014). Sosyo-Ekonomik, Siyasal ve Kültürel Faktörler Ekseninde Kadn Milletvekili Temsil Oranna likin Bir Analiz: OECD Ülkeleri Örnei, H.Ü. ktisadi ve dari Bilimler Fakültesi Dergisi, 32(1): 213.
104
Chou, Yen ve Sun13 çalmalarnda; 21. yüzylda kadnlarn bilim ve teknoloji (WIST) alanndaki rolünün önemi üzerinde durmulardr. Çalmalarnda entropi ve Vikor yöntemini kullanmlardr. Yaplan analiz sonucunda kadnlarn bilim ve teknoloji (WIST) alanndaki rolünde en iyi performansa sahip ülke Güney Kore olurken, Hollanda ve Japonya onu takip etmektedir.
Ramezani, Montazeri ve Montazeri14 çalmalarnda; ARAS yöntemini kullanarak, tipik kadn giriimcilii özelliklerinin ölçülmesine yönelik kriterlere öncelik vermek için 11 giriimci kadn seçmilerdir Yaplan analiz sonucu i ve aile arasndaki ölçütler arasndaki denge en yüksek arlk olarak görülürken, ayn anda farkl ileri yapmak kriteri en düük arlk olarak görülmektedir. Bununla birlikte, tipik giriimci kadnlar üretkenlik, endüstriyel, ticari, sosyal, kültürel ve hatta bunlardan daha yüksek alanlarda kullanmann her ülkenin ilerleme ve büyümesinin ana eksenlerinden olduu vurgulanmtr.
pekçi Çetin ve Çetin15 çalmalarnda; Avrupa Birlii ve Aday ülkelerinde özellikle kadnlarla ilgili baz yeterlilik düzeyleri ve istihdam göstergelerini deerlendirmi ve sralamlardr. Bu çalmada ÇKKV yöntemlerinden VIKOR yöntemi kullanlmtr. Kullanlan deikenler; mesleki eitim alanna göre kadnlara verilen yükseköretim yeterliliklerinin oran, ya grubuna göre istihdam edilenlerin oran (25-39; 40-64), 25-64 ya grubundaki kadnlarn eitim durumuna göre isizlik oranlar ve meslek kategorisine göre kadn istihdamnda yükseköretim mezunlar eklindedir. Çalmada 28 ülke deerlendirilmitir. Deerlendirme sonucuna göre sveç, yeterlilik düzeyleri ve istihdam açsndan yirmi sekiz ülke arasnda en iyi ülkedir. kinci ve üçüncü ülkeler srasyla Portekiz ve Finlandiya’dr. Türkiye ise listenin sonunda yer almaktadr.
Meshram, Boiroju ve Kodali16 çalmasnda kadn ve çocuklarn beslenme ve salk göstergeleri ile ilgili verileri kullanarak incelenen bölgedeki eyalet ve ilçeleri sralamak için TOPSIS ad verilen çok kriterli bir karar verme yöntemi kullanlmtr. Bulgular, Krishna bölgesinin birinci srada olduunu ve Vizianagaram’n son srada olduunu göstermektedir. Kii bana düen gelir, kentleme, temiz yakt kullanm ve anne eitimi gibi göstergeler yüksek gözlenirken, iyi performans gösteren bölgelerde bebek
12 Mirghafouri, S.H.A. (2006). Ranking The Barriers of Women’s Promotion to Managerial Positions: A Case Study of Yazd Province’s Public Sector, Womens Studies, 4(1): 101-122.
13 Chou, Y. ve dierleri (2014). An ntegrate Method for Performance of Women in Science and Technology Based on Entropy Measure for Objective Weighting, Qual Quant, 48: 157–172.
14 Ramezani, E., ve dierleri (2014). A Study on Prioritizing Typical Women’s Entrepreneur Characteristics, Management Science Letters, 4: 1271-1278.
15 pekçi Çetin, E., Çetin H.H. (2016). Using VIKOR Method for Analyzing of Qualification Levels and Transition to Employment of European Union and Candidate Countries, The Online Journal of Science and Technology, 6: 99-102.
16 Meshram, I.I., ve dierleri (2017). Ranking of Districts in Andhra Pradesh Using Women and Children Nutrition and Health Indicators by Topsis Method, Indian J Community Health, 29(4): 350-6.
Marmara Üniversitesi ktisadi ve dari Bilimler Dergisi • Cilt: 43 • Say: 1 • Haziran 2021, ISSN: 2587-2672, ss/pp. 100-122
105
Jalil ve Sharif17 Shannon’n entropi yöntemini kullanarak bir dourganlk endeksi gelitirmeyi amaçlamlar. Çalma, Malezya’da dourganlk orannn dümesi nedeniyle yaplm olup; sonuçlarna göre; Selangor, Johor ve Sarawak’m en yüksek dourganlk endeksine sahip olduu gözlenmitir. Dier yandan, Terengganu, W.P. Labuan ve Perlis ise dourganlk endeksine göre son srada yer almaktadr. Bu nedenle, azalan dourganlk hz nedeniyle, stratejik ve etkili önlemlerin planlanmas ve uygulanmas gerektii vurgulanmtr.
Martin ve Pandiamal18 çalmalarnda; kadn giriimcilerin problemlerini aratrmak amacyla Vikor sralama yöntemini Linguistik Sekizgen Nötrosofik Yumuak matris (LONSM) ile birlikte kullanmaktadr. Yaplan analiz sonucunda; incelenen 10 kriter içinde sosyal ayrmclk, cinsiyet önyarglar ve risklerle baa çkma becerilerinin eksiklii kadn giriimcilerin karlat üç ana problem olarak ortaya çkmaktadr.
Stefanovi vd.19 çalmalarndaki amaç, iyerlerini çok kriterli karar verme yöntemini kullanarak kadnlarn istihdam edildii üretim süreçlerinde risk deerlendirmesi açsndan sralamaktr. Sralama sonuçlar, çalan bana düen riski en yüksek i yeri olarak kaba dikili giysilerdeki iyerine iaret eder. yerinde salk ve güvenlik riski en düük olan iyeri otomobil endüstrisinin üretim sürecindedir. Sonuçlar, çalma koullarn iyiletirmek, kadn çalanlarn saln korumak, memnuniyetlerini artrmak ve kurumsal hedeflere daha iyi ulamak için önemlidir.
4. Veri ve Metot
Bu çalmada Çok Kriterli Karar Verme (ÇKKV) yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün saptanmas amaçlanmaktadr. Kadnlarn sosyal ve ekonomik statüsünü etkileyen birçok faktör bulunmakla birlikte ülkelerin verileri; kadnlarda kii bana düen gelir (GDP), kadn istihdam oran, kadn igücüne katlm oran, kadnlarda okullama oran (ilk-orta-yükseköretim), ortalama yaam beklentisi, politik katlm oran ve cinsiyete dayal insani kalknma endeksi (HDI) kriterleri çerçevesinde deerlendirilmitir. Kadnlarda okullama oranna ait baz ülkelerin salkl verilerine ulalamad için, bu kriterin yllar itibariyle deerleri; ilköretim, ortaöretim ve yükseköretimde olan kadn nüfusunun toplam kadn nüfusuna oranlanmasyla tarafmzdan elde edilmitir. Bu hesaplamada kullanlan veriler UNESCO (http://data.uis.unesco.org) sitesinden alnmtr. Ayrca OECD üyesi 36 ülke bulunmakla birlikte srail ve Lüksemburg’un eitimle ilgili salkl verilerine ulalamad için analize 34 ülke dahil edilmitir. Deerlendirmede kullanlan kriterler, ülkelerin 2010-2017 dönemini kapsamaktadr.
17 Jalil, W.A.F.W.A. ve Sharif, S. (2017). Development of Malaysian Women Fertility Index: Evidence from Shannon’s Entropy, AIP Conference Proceedings, 1905.
18 Martin, N., Pandiammal, P. (2018). Ranking the Problems of Women Entrepreneurs in India Using Vikor Method with Lonsm, International Journal of Mathematics Trends and Technology (IJMTT) – Special Issue, s. 68-72.
19 Stefanovi, V., ve dierleri (2019). Multi-Criteria Ranking of Workplaces from the Aspect of Risk Assessment in the Production Processes in Which Women are Employed, Safety Science, 116: 116-126.
Müge YILMAZ • Mevlüdiye MEK • Gözde KOCA
106
ÇKKV, ekonomi, enformatik psikoloji, matematik ve sosyal bilimler gibi birçok disiplinin bir araya gelip, karar vericiye problemini farkl boyutlarda deerlendirme ve karar alma imkân salayan yöntemlerin bir araya getirildii bir yapdr. ÇKKV problemlerini, birden fazla kriterin optimize edildii mümkün olan çözüm setleri içerisinde en iyi alternatifin seçildii problemler olarak da tanmlamak mümkündür.20 Kiisel seçim problemlerinden, endüstriyel, finansal, eitim ve politik karar problemlerine kadar birçok alanda kullanlan ÇKKV yöntemleri, 1960’l yllarn bandan itibaren karar verme sürecine yardmc olacak çözüm yöntemlerine ihtiyaç duyulmasyla gelitirilmeye balanmtr. ÇKKV yöntemlerini kullanmadaki amaç, alternatif ve kriter saylarnn çok olduu durumda karar verme mekanizmasn kontrol altnda tutabilmek ve karar sonucunu mümkün olduunca kolay ve çabuk elde etmektir.21
4.2. Entropi Yöntemi
Entropi kavram ilk olarak 1965 ylnda Rudolph Clausius tarafndan bir sistemde meydana gelen düzensizliin ve belirsizliin bir ölçüsü olarak ifade edilmitir22. Entropi yöntemi karar probleminin hiyerarik bir yap oluturmadan kriterlerin önem düzeylerinin ortaya çkard ve AHP (Analitik Hiyerari Prosesi), Delphi teknikleri gibi karar vericilerin sübjektif yarglarna gerek kalmadan verileri dikkate alarak kriter arlklarn hesaplad için objektif bir deerlendirme yöntemidir.23 Entropi, sosyal bilimler, fizik ve bilgi teorisinde kullanm tercih edilen önemli kavramlardan olmakla birlikte ÇKKV problemlerinde her bir kriterin uygun arlklarn bulmak için uygun bir yöntemdir. Entropi yönteminin admlar aadaki gibidir24:
Adm 1: Karar matrisinde birbirinden farkl indeks boyutlarnn eölçülemezlik üzerindeki etkilerini yok etmek amacyla indeksler çeitli yöntemlerle standartlatrlabilmektedir. Fayda ve maliyet indekslerine göre kriterler Eitlik (1) ve (2) yardmyla normalize edilmektedir.
olarak da tanmlamak mümkündür. 20 Kiisel seçim problemlerinden, endüstriyel, finansal, eitim ve politik karar problemlerine kadar birçok alanda kullanlan ÇKKV yöntemleri, 1960’l yllarn bandan itibaren karar verme sürecine yardmc olacak çözüm yöntemlerine ihtiyaç duyulmasyla gelitirilmeye balanmtr. ÇKKV yöntemlerini kullanmadaki amaç, alternatif ve kriter saylarnn çok olduu durumda karar verme mekanizmasn kontrol altnda tutabilmek ve karar sonucunu mümkün olduunca kolay ve çabuk elde etmektir.21
4.2. Entropi Yöntemi
Entropi kavram ilk olarak 1965 ylnda Rudolph Clausius tarafndan bir sistemde meydana gelen düzensizliin ve belirsizliin bir ölçüsü olarak ifade edilmitir 22 . Entropi yöntemi karar probleminin hiyerarik bir yap oluturmadan kriterlerin önem düzeylerinin ortaya çkard ve AHP (Analitik Hiyerari Prosesi), Delphi teknikleri gibi karar vericilerin sübjektif yarglarna gerek kalmadan verileri dikkate alarak kriter arlklarn hesaplad için objektif bir deerlendirme yöntemidir.23 Entropi, sosyal bilimler, fizik ve bilgi teorisinde kullanm tercih edilen önemli kavramlardan olmakla birlikte ÇKKV problemlerinde her bir kriterin uygun arlklarn bulmak için uygun bir yöntemdir. Entropi yönteminin admlar aadaki gibidir24:
Adm 1: Karar matrisinde birbirinden farkl indeks boyutlarnn eölçülemezlik üzerindeki etkilerini yok etmek amacyla indeksler çeitli yöntemlerle standartlatrlabilmektedir. Fayda ve maliyet indekslerine göre kriterler Eitlik (1) ve (2) yardmyla normalize edilmektedir.
rij = xij/maxij (i = 1, … , m j = 1, … , n) (1)
rij = minij/xij (i = 1, … , m j = 1, … , n) (2)
Adm 2: Farkl ölçü birimlerindeki aykrlklar ortadan kaldrmak için normalizasyon ilemi yaplarak deeri hesaplanr.
20 Klç, O. (2016). Uzlak Çok Ölçütlü Karar Verme Yöntemleri Kullanlarak TCDD Yatrm Projelerinin Sralanmas, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimler Enstitüsü, Endüstri Mühendislii Anabilim Dal, Ankara, s.19. 21 Taabat, S.E., ve dierleri (2015). Farkl Arlklandrma Tekniklerinin Denendii Çok Kriterli Karar Verme Yöntemleri ile Türkiye’deki Mevduat Bankalarnn Mali Performanslarnn Deerlendirilmesi, Social Sciences Research Journal, 4 (2): 96. 22 Zhang, H., ve dierleri (2011). The Evaluation of Tourism Destination Competitiveness by TOPSIS & Information Entropy–A case in the Yangtze River Delta of China. Tourism Management, 32(2): 444. 23 Çakr, S., Perçin, S. (2013). AB Ülkeleri’nde Bütünleik Entropi Arlk-Topsis Yöntemiyle Ar-Ge Performansnn Ölçülmesi, Uluda Üniversitesi, ktisadi ve dari Bilimler Fakültesi Dergisi, 3(1): 79. 24 Karami, A., Johansson, R. (2014). Utilization of Multi Attribute Decision Making Techniques to Integrate Automatic and Manual Ranking of Options, Journal of Information Science and Engineering, 30: 523-524.
(1)
4.2. Entropi Yöntemi
Entropi kavram ilk olarak 1965 ylnda Rudolph Clausius tarafndan bir sistemde meydana gelen düzensizliin ve belirsizliin bir ölçüsü olarak ifade edilmitir 22 . Entropi yöntemi karar probleminin hiyerarik bir yap oluturmadan kriterlerin önem düzeylerinin ortaya çkard ve AHP (Analitik Hiyerari Prosesi), Delphi teknikleri gibi karar vericilerin sübjektif yarglarna gerek kalmadan verileri dikkate alarak kriter arlklarn hesaplad için objektif bir deerlendirme yöntemidir.23 Entropi, sosyal bilimler, fizik ve bilgi teorisinde kullanm tercih edilen önemli kavramlardan olmakla birlikte ÇKKV problemlerinde her bir kriterin uygun arlklarn bulmak için uygun bir yöntemdir. Entropi yönteminin admlar aadaki gibidir24:
Adm 1: Karar matrisinde birbirinden farkl indeks boyutlarnn eölçülemezlik üzerindeki etkilerini yok etmek amacyla indeksler çeitli yöntemlerle standartlatrlabilmektedir. Fayda ve maliyet indekslerine göre kriterler Eitlik (1) ve (2) yardmyla normalize edilmektedir.
rij = xij/maxij (i = 1, … , m j = 1, … , n) (1)
rij = minij/xij (i = 1, … , m j = 1, … , n) (2)
Adm 2: Farkl ölçü birimlerindeki aykrlklar ortadan kaldrmak için normalizasyon ilemi yaplarak deeri hesaplanr.
20 Klç, O. (2016). Uzlak Çok Ölçütlü Karar Verme Yöntemleri Kullanlarak TCDD Yatrm Projelerinin Sralanmas, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimler Enstitüsü, Endüstri Mühendislii Anabilim Dal, Ankara, s.19. 21 Taabat, S.E., ve dierleri (2015). Farkl Arlklandrma Tekniklerinin Denendii Çok Kriterli Karar Verme Yöntemleri ile Türkiye’deki Mevduat Bankalarnn Mali Performanslarnn Deerlendirilmesi, Social Sciences Research Journal, 4 (2): 96. 22 Zhang, H., ve dierleri (2011). The Evaluation of Tourism Destination Competitiveness by TOPSIS & Information Entropy–A case in the Yangtze River Delta of China. Tourism Management, 32(2): 444. 23 Çakr, S., Perçin, S. (2013). AB Ülkeleri’nde Bütünleik Entropi Arlk-Topsis Yöntemiyle Ar-Ge Performansnn Ölçülmesi, Uluda Üniversitesi, ktisadi ve dari Bilimler Fakültesi Dergisi, 3(1): 79. 24 Karami, A., Johansson, R. (2014). Utilization of Multi Attribute Decision Making Techniques to Integrate Automatic and Manual Ranking of Options, Journal of Information Science and Engineering, 30: 523-524.
(2)
olarak da tanmlamak mümkündür. 20 Kiisel seçim problemlerinden, endüstriyel, finansal, eitim ve politik karar problemlerine kadar birçok alanda kullanlan ÇKKV yöntemleri, 1960’l yllarn bandan itibaren karar verme sürecine yardmc olacak çözüm yöntemlerine ihtiyaç duyulmasyla gelitirilmeye balanmtr. ÇKKV yöntemlerini kullanmadaki amaç, alternatif ve kriter saylarnn çok olduu durumda karar verme mekanizmasn kontrol altnda tutabilmek ve karar sonucunu mümkün olduunca kolay ve çabuk elde etmektir.21
4.2. Entropi Yöntemi
Entropi kavram ilk olarak 1965 ylnda Rudolph Clausius tarafndan bir sistemde meydana gelen düzensizliin ve belirsizliin bir ölçüsü olarak ifade edilmitir 22 . Entropi yöntemi karar probleminin hiyerarik bir yap oluturmadan kriterlerin önem düzeylerinin ortaya çkard ve AHP (Analitik Hiyerari Prosesi), Delphi teknikleri gibi karar vericilerin sübjektif yarglarna gerek kalmadan verileri dikkate alarak kriter arlklarn hesaplad için objektif bir deerlendirme yöntemidir.23 Entropi, sosyal bilimler, fizik ve bilgi teorisinde kullanm tercih edilen önemli kavramlardan olmakla birlikte ÇKKV problemlerinde her bir kriterin uygun arlklarn bulmak için uygun bir yöntemdir. Entropi yönteminin admlar aadaki gibidir24:
Adm 1: Karar matrisinde birbirinden farkl indeks boyutlarnn eölçülemezlik üzerindeki etkilerini yok etmek amacyla indeksler çeitli yöntemlerle standartlatrlabilmektedir. Fayda ve maliyet indekslerine göre kriterler Eitlik (1) ve (2) yardmyla normalize edilmektedir.
rij = xij/maxij (i = 1, … , m j = 1, … , n) (1)
rij = minij/xij (i = 1, … , m j = 1, … , n) (2)
Adm 2: Farkl ölçü birimlerindeki aykrlklar ortadan kaldrmak için normalizasyon ilemi yaplarak deeri hesaplanr.
20 Klç, O. (2016). Uzlak Çok Ölçütlü Karar Verme Yöntemleri Kullanlarak TCDD Yatrm Projelerinin Sralanmas, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimler Enstitüsü, Endüstri Mühendislii Anabilim Dal, Ankara, s.19. 21 Taabat, S.E., ve dierleri (2015). Farkl Arlklandrma Tekniklerinin Denendii Çok Kriterli Karar Verme Yöntemleri ile Türkiye’deki Mevduat Bankalarnn Mali Performanslarnn Deerlendirilmesi, Social Sciences Research Journal, 4 (2): 96. 22 Zhang, H., ve dierleri (2011). The Evaluation of Tourism Destination Competitiveness by TOPSIS & Information Entropy–A case in the Yangtze River Delta of China. Tourism Management, 32(2): 444. 23 Çakr, S., Perçin, S. (2013). AB Ülkeleri’nde Bütünleik Entropi Arlk-Topsis Yöntemiyle Ar-Ge Performansnn Ölçülmesi, Uluda Üniversitesi, ktisadi ve dari Bilimler Fakültesi Dergisi, 3(1): 79. 24 Karami, A., Johansson, R. (2014). Utilization of Multi Attribute Decision Making Techniques to Integrate Automatic and Manual Ranking of Options, Journal of Information Science and Engineering, 30: 523-524.
deeri hesaplanr.
20 Klç, O. (2016). Uzlak Çok Ölçütlü Karar Verme Yöntemleri Kullanlarak TCDD Yatrm Projelerinin Sralanmas, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimler Enstitüsü, Endüstri Mühendislii Anabilim Dal, Ankara, s.19.
21 Taabat, S.E., ve dierleri (2015). Farkl Arlklandrma Tekniklerinin Denendii Çok Kriterli Karar Verme Yöntemleri ile Türkiye’deki Mevduat Bankalarnn Mali Performanslarnn Deerlendirilmesi, Social Sciences Research Journal, 4 (2): 96.
22 Zhang, H., ve dierleri (2011). The Evaluation of Tourism Destination Competitiveness by TOPSIS & Information Entropy–A case in the Yangtze River Delta of China. Tourism Management, 32(2): 444.
23 Çakr, S., Perçin, S. (2013). AB Ülkeleri’nde Bütünleik Entropi Arlk-Topsis Yöntemiyle Ar-Ge Performansnn Ölçülmesi, Uluda Üniversitesi, ktisadi ve dari Bilimler Fakültesi Dergisi, 3(1): 79.
24 Karami, A., Johansson, R. (2014). Utilization of Multi Attribute Decision Making Techniques to Integrate Automatic and Manual Ranking of Options, Journal of Information Science and Engineering, 30: 523-524.
Marmara Üniversitesi ktisadi ve dari Bilimler Dergisi • Cilt: 43 • Say: 1 • Haziran 2021, ISSN: 2587-2672, ss/pp. 100-122
107
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
(3)
4.2. Entropi Yöntemi
Entropi kavram ilk olarak 1965 ylnda Rudolph Clausius tarafndan bir sistemde meydana gelen düzensizliin ve belirsizliin bir ölçüsü olarak ifade edilmitir 22 . Entropi yöntemi karar probleminin hiyerarik bir yap oluturmadan kriterlerin önem düzeylerinin ortaya çkard ve AHP (Analitik Hiyerari Prosesi), Delphi teknikleri gibi karar vericilerin sübjektif yarglarna gerek kalmadan verileri dikkate alarak kriter arlklarn hesaplad için objektif bir deerlendirme yöntemidir.23 Entropi, sosyal bilimler, fizik ve bilgi teorisinde kullanm tercih edilen önemli kavramlardan olmakla birlikte ÇKKV problemlerinde her bir kriterin uygun arlklarn bulmak için uygun bir yöntemdir. Entropi yönteminin admlar aadaki gibidir24:
Adm 1: Karar matrisinde birbirinden farkl indeks boyutlarnn eölçülemezlik üzerindeki etkilerini yok etmek amacyla indeksler çeitli yöntemlerle standartlatrlabilmektedir. Fayda ve maliyet indekslerine göre kriterler Eitlik (1) ve (2) yardmyla normalize edilmektedir.
rij = xij/maxij (i = 1, … , m j = 1, … , n) (1)
rij = minij/xij (i = 1, … , m j = 1, … , n) (2)
Adm 2: Farkl ölçü birimlerindeki aykrlklar ortadan kaldrmak için normalizasyon ilemi yaplarak deeri hesaplanr.
20 Klç, O. (2016). Uzlak Çok Ölçütlü Karar Verme Yöntemleri Kullanlarak TCDD Yatrm Projelerinin Sralanmas, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimler Enstitüsü, Endüstri Mühendislii Anabilim Dal, Ankara, s.19. 21 Taabat, S.E., ve dierleri (2015). Farkl Arlklandrma Tekniklerinin Denendii Çok Kriterli Karar Verme Yöntemleri ile Türkiye’deki Mevduat Bankalarnn Mali Performanslarnn Deerlendirilmesi, Social Sciences Research Journal, 4 (2): 96. 22 Zhang, H., ve dierleri (2011). The Evaluation of Tourism Destination Competitiveness by TOPSIS & Information Entropy–A case in the Yangtze River Delta of China. Tourism Management, 32(2): 444. 23 Çakr, S., Perçin, S. (2013). AB Ülkeleri’nde Bütünleik Entropi Arlk-Topsis Yöntemiyle Ar-Ge Performansnn Ölçülmesi, Uluda Üniversitesi, ktisadi ve dari Bilimler Fakültesi Dergisi, 3(1): 79. 24 Karami, A., Johansson, R. (2014). Utilization of Multi Attribute Decision Making Techniques to Integrate Automatic and Manual Ranking of Options, Journal of Information Science and Engineering, 30: 523-524.
: normalize edilmi deerler
= ∑
=1 (3)
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
: verilen fayda deerleri
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
entropi deeri Eitlik (4) yardmyla hesaplanr.
= ∑
=1 (3)
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
(4)
= ∑
=1 (3)
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
belirsizlii hesaplanr.
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
(5)
= ∑
=1 (3)
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
=1 (3)
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
(6)
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
Adm 1: Öncelikle ilk satrnda her bir kritere ait optimal deerin yer ald karar matrisi oluturulur.
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision- Making, Technological and Economic Development of Economy, 16(2): 159-172.
26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13.
27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91.
28 Zavadskas, 2010, 163-165.
108






=
=
ij ij x
x 1* = (9)
1 1
Adm 2: ARAS yönteminde






=
=
ij ij x
x 1* = (9)
1 1
j jw (11)
normalize karar matrisi






=
=
ij ij x
x 1* = (9)
1 1
deerlerinden olumaktadr.






=
=
ij ij x
x 1* = (9)
1 1
deerleri kriterin fayda ya da maliyet özellii göstermesine göre iki ekilde hesaplanmaktadr. Kriter performans deerlerinin maksimum olmas daha iyi kabul ediliyorsa, normalize deerler Eitlik (8) kullanlarak hesaplanmaktadr.






=
=
ij ij x
x 1* = (9)
1 1
Kriter performans deerlerinin minimum olmas daha iyi kabul ediliyorsa, normalizasyon ilemi iki admda (Eitlik (9) ve Eitlik (10)) gerçekletirilir. Öncelikle performans deerleri kullanlarak fayda durumuna dönütürülür, daha sonra ise normalize deerler hesaplanr.






=
=
ij ij x
x 1* = (9)
1 1
(9)






=
=
ij ij x
x 1* = (9)
1 1
= ∑
=1 (3)
Adm 3: Bu admda entropi deeri Eitlik (4) yardmyla hesaplanr.
= ( −1 ln ()) ∑ [ ]
=1 ; ∀ ( −1 ln ()) = (4)
k: Entropi katsays
= 1 − ; ∀ (5)
Adm 5: j kriterinin önem derecesi olarak arlklar hesaplanr. Elde edilen arlklar 0 ve 1 aralnda olmal ve arlklarn toplam 1 deerini vermelidir.
= ∑
Zavadskas ve Turksis25 tarafndan gelitirilen ARAS yöntemi, alternatiflerin fayda fonksiyonu deerlerini, karar problemine aratrmac tarafndan eklenen optimal alternatife ait fayda fonksiyonu deerleri ile karlatrmaktadr26. Bu yöntem, her bir alternatifin ideal alternatife göre oransal benzerliini ortaya çkarmaktadr. Böylece ARAS dier ÇKKV yöntemleri arasnda oransal derecelendirme hedefine en yakn yöntem olarak görünmektedir.27 ARAS yönteminin admlar u ekildedir28:
25 Zavadskas, E.K., Turskis, Z. (2010). A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision-Making, Technological and Economic Development of Economy, 16(2): 159-172. 26 Sliogeriene, J., ve dierleri (2013). Analysis and Choice of Energy Generation Technologies: The Multiple Criteria Assessment on the Case Study of Lithuania, Energy Procedia, (32): 13. 27 Ecer, F. (2016). Aras Yöntemi Kullanlarak Kurumsal Kaynak Planlamas Yazlm Seçimi, Uluslararas Alanya letme Fakültesi Dergisi, 8(1): 91. 28 Zavadskas, 2010, 163-165.
arlklar kullanlarak arlklandrlm normalize karar matrisi oluturulur. Kriterlere ait arlklar toplam Eitlik (11)’ de gösterildii gibidir:
1 1
Eitlik (12) ile de normalize deerler kullanlarak arlklandrlm normalize deerleri elde edilmektedir.
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
arlklandrlm normalize deerleri elde edilmektedir.
Eitlik (12) ile de normalize deerler kullanlarak arlklandrlm normalize deerleri elde edilmektedir.
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
(12)
Marmara Üniversitesi ktisadi ve dari Bilimler Dergisi • Cilt: 43 • Say: 1 • Haziran 2021, ISSN: 2587-2672, ss/pp. 100-122
109
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
Eitlik (12) ile de normalize deerler kullanlarak arlklandrlm normalize deerleri elde edilmektedir.
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
(13)
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
deerleri,
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
optimal deerine oranlanarak
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
fayda dereceleri Eitlik (14) yardmyla hesaplanr.
Eitlik (12) ile de normalize deerler kullanlarak arlklandrlm normalize deerleri elde edilmektedir.
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
(14)
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
oranlar kullanlarak alternatiflerin fayda fonksiyonu deerleri hesaplanabilmektedir. Deerler, büyükten küçüe doru sralanarak alternatifler deerlendirilir.
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010 – 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881 DANMARKA 40293 55.669 77.302 7.8270 6.9487 6.4951 82.7 37.4 0.919 ESTONYA 21896 53.375 73.654 6.1453 4.9045 4.7467 82.4 26.7 0.876 FNLANDYA 34504 50.208 74.308 6.3631 6.1596 5.8675 84.4 42 0.917 FRANSA 32518 45.841 67.612 6.0572 8.3509 5.5544 85.3 39 0.894
Müge YILMAZ • Mevlüdiye MEK • Gözde KOCA
110
HOLLANDA 38767 54.917 75.223 6.4066 6.8836 5.8486 83.7 36 0.913 RLANDA 42771 50.155 63.79 11.1662 6.3197 5.8344 83.5 22.2 0.926 SPANYA 26954 42.229 69.249 6.0021 5.4214 4.6538 86 39.1 0.879 SVEÇ 41743 56.843 80.588 6.5795 5.7742 6.1503 84.3 43.6 0.927 SVÇRE 47938 59.686 79.686 5.5155 6.7843 5.7996 85.3 32.5 0.937 TALYA 25767 34.629 54.976 4.3991 7.0538 4.6036 85.3 31 0.863 ZLANDA 38004 70.841 86.052 9.1093 8.6577 7.1292 84.3 47.6 0.92 JAPONYA 27209 49.153 68.417 5.0155 5.1939 4.5394 87.3 9.3 0.894 KANADA 34928 57.139 74.579 6.2019 6.1268 6.2137 84.2 26.3 0.916 GÜNEY KORE 22572 50.345 58.603 5.1866 5.7085 6.1376 85.6 17 0.866 LETONYA 20822 50.973 74.375 5.6924 4.9312 4.3549 79.8 16 0.858 LTVANYA 24366 52.731 74.149 3.5114 7.1375 5.5555 80.9 21.3 0.868 MACARSTAN 19931 45.72 63.736 3.6856 7.3943 5.6317 79.9 10.1 0.83 MEKSKA 11065 42.533 47.334 10.3234 10.2163 8.4359 77.8 42.6 0.752 NORVEÇ 60153 58.589 75.88 8.2684 7.1267 6.4054 84.2 39.6 0.945 POLONYA 20367 46.388 62.502 5.7504 5.4536 5.6933 82.3 28 0.866 PORTEKZ 23095 48.327 70.676 5.3802 5.8187 5.0316 84.5 34.8 0.839 SLOVAKYA 22600 48.043 65.776 3.9868 8.4539 5.8402 80.7 20 0.85 SLOVENYA 26898 47.868 68.704 5.7940 5.9358 4.7267 83.8 36.7 0.898 L 15137 46.806 57.496 8.0391 8.0553 7.5631 82.3 15.8 0.823 TÜRKYE 15576 27.706 36.126 6.3564 12.8654 7.8918 80.1 14.6 0.755 YEN ZELLANDA 25872 60.501 75.129 7.6474 8.5037 6.5001 83.7 34.2 0.9 YUNANSTAN 19658 33.617 60.695 6.1422 5.7298 4.7686 84.4 18.3 0.853
Kaynak: (*) https://www.undp.org/EriimTarihi:30.11.2019; (**) https://data.worldbank.org/ Eriim Tarihi:30.11.2019; (***) Tarafmzdan hesaplanmtr.
Tablo 2: 2017 Yl çin Ej, dj ve Wj Deerlerinin Hesaplanmas
GDP stihdam Oran
gücüne Katlm Oran
HDI
Ej 0.9831 0.9962 0.9970 0.9882 0.9935 0.9964 0.9999 0.9810 0.9996 dj 0.0169 0.0038 0.0030 0.0118 0.0065 0.0036 0.0001 0.0190 0.0004 Wj 0.2592 0.0583 0.0461 0.1808 0.1006 0.0559 0.0013 0.2921 0.0057
Kriter arlklar srasyla; politik katlm oran, GDP, okullama (ilköretim ve ortaöretim), istihdam oran, igücüne katlm oran, yüksekörenim okullama oran, HDI ve ortalama yaam beklentisi eklindedir.
5.2. 2017 Yl için ARAS Yönteminin Uygulanmas
ARAS yöntemi için 2017 ylna ait karar matrisi Tablo 3’te ve Optimallik Fonksiyon Deerleri Tablo 4’te verilmitir.
111
ÜLKELER GDP
stihdam oran
HDI
Optimal Deer 60153 70.841 86.052 11.1662 12.8654 8.4359 87.3 47.6 0.945 ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881 DANMARKA 40293 55.669 77.302 7.8270 6.9487 6.4951 82.7 37.4 0.919 ESTONYA 21896 53.375 73.654 6.1453 4.9045 4.7467 82.4 26.7 0.876 FNLANDYA 34504 50.208 74.308 6.3631 6.1596 5.8675 84.4 42 0.917 FRANSA 32518 45.841 67.612 6.0572 8.3509 5.5544 85.3 39 0.894 HOLLANDA 38767 54.917 75.223 6.4066 6.8836 5.8486 83.7 36 0.913 RLANDA 42771 50.155 63.79 11.1662 6.3197 5.8344 83.5 22.2 0.926 SPANYA 26954 42.229 69.249 6.0021 5.4214 4.6538 86 39.1 0.879 SVEÇ 41743 56.843 80.588 6.5795 5.7742 6.1503 84.3 43.6 0.927 SVÇRE 47938 59.686 79.686 5.5155 6.7843 5.7996 85.3 32.5 0.937 TALYA 25767 34.629 54.976 4.3991 7.0538 4.6036 85.3 31 0.863 ZLANDA 38004 70.841 86.052 9.1093 8.6577 7.1292 84.3 47.6 0.92 JAPONYA 27209 49.153 68.417 5.0155 5.1939 4.5394 87.3 9.3 0.894 KANADA 34928 57.139 74.579 6.2019 6.1268 6.2137 84.2 26.3 0.916 GÜNEY KORE 22572 50.345 58.603 5.1866 5.7085 6.1376 85.6 17 0.866 LETONYA 20822 50.973 74.375 5.6924 4.9312 4.3549 79.8 16 0.858 LTVANYA 24366 52.731 74.149 3.5114 7.1375 5.5555 80.9 21.3 0.868 MACARSTAN 19931 45.72 63.736 3.6856 7.3943 5.6317 79.9 10.1 0.83 MEKSKA 11065 42.533 47.334 10.3234 10.2163 8.4359 77.8 42.6 0.752 NORVEÇ 60153 58.589 75.88 8.2684 7.1267 6.4054 84.2 39.6 0.945 POLONYA 20367 46.388 62.502 5.7504 5.4536 5.6933 82.3 28 0.866 PORTEKZ 23095 48.327 70.676 5.3802 5.8187 5.0316 84.5 34.8 0.839 SLOVAKYA 22600 48.043 65.776 3.9868 8.4539 5.8402 80.7 20 0.85 SLOVENYA 26898 47.868 68.704 5.7940 5.9358 4.7267 83.8 36.7 0.898 L 15137 46.806 57.496 8.0391 8.0553 7.5631 82.3 15.8 0.823 TÜRKYE 15576 27.706 36.126 6.3564 12.8654 7.8918 80.1 14.6 0.755 YEN ZELLANDA 25872 60.501 75.129 7.6474 8.5037 6.5001 83.7 34.2 0.9 YUNANSTAN 19658 33.617 60.695 6.1422 5.7298 4.7686 84.4 18.3 0.853
Müge YILMAZ • Mevlüdiye MEK • Gözde KOCA
112
Tablo 4: 2017 Yl çin ARAS Yöntemi le Elde Edilen Optimallik Fonksiyon Deerleri ÜLKELER
Tablo 3: 2017 Yl çin Karar Matrisi
ÜLKELER
HDI
Optimal Deer 60153 70.841 86.052 11.1662 12.8654 8.4359 87.3 47.6 0.945 ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881 DANMARKA 40293 55.669 77.302 7.8270 6.9487 6.4951 82.7 37.4 0.919 ESTONYA 21896 53.375 73.654 6.1453 4.9045 4.7467 82.4 26.7 0.876 FNLANDYA 34504 50.208 74.308 6.3631 6.1596 5.8675 84.4 42 0.917 FRANSA 32518 45.841 67.612 6.0572 8.3509 5.5544 85.3 39 0.894 HOLLANDA 38767 54.917 75.223 6.4066 6.8836 5.8486 83.7 36 0.913 RLANDA 42771 50.155 63.79 11.1662 6.3197 5.8344 83.5 22.2 0.926 SPANYA 26954 42.229 69.249 6.0021 5.4214 4.6538 86 39.1 0.879 SVEÇ 41743 56.843 80.588 6.5795 5.7742 6.1503 84.3 43.6 0.927 SVÇRE 47938 59.686 79.686 5.5155 6.7843 5.7996 85.3 32.5 0.937 TALYA 25767 34.629 54.976 4.3991 7.0538 4.6036 85.3 31 0.863 ZLANDA 38004 70.841 86.052 9.1093 8.6577 7.1292 84.3 47.6 0.92 JAPONYA 27209 49.153 68.417 5.0155 5.1939 4.5394 87.3 9.3 0.894 KANADA 34928 57.139 74.579 6.2019 6.1268 6.2137 84.2 26.3 0.916 GÜNEY KORE 22572 50.345 58.603 5.1866 5.7085 6.1376 85.6 17 0.866 LETONYA 20822 50.973 74.375 5.6924 4.9312 4.3549 79.8 16 0.858 LTVANYA 24366 52.731 74.149 3.5114 7.1375 5.5555 80.9 21.3 0.868 MACARSTAN 19931 45.72 63.736 3.6856 7.3943 5.6317 79.9 10.1 0.83 MEKSKA 11065 42.533 47.334 10.3234 10.2163 8.4359 77.8 42.6 0.752 NORVEÇ 60153 58.589 75.88 8.2684 7.1267 6.4054 84.2 39.6 0.945 POLONYA 20367 46.388 62.502 5.7504 5.4536 5.6933 82.3 28 0.866 PORTEKZ 23095 48.327 70.676 5.3802 5.8187 5.0316 84.5 34.8 0.839 SLOVAKYA 22600 48.043 65.776 3.9868 8.4539 5.8402 80.7 20 0.85 SLOVENYA 26898 47.868 68.704 5.7940 5.9358 4.7267 83.8 36.7 0.898 L 15137 46.806 57.496 8.0391 8.0553 7.5631 82.3 15.8 0.823 TÜRKYE 15576 27.706 36.126 6.3564 12.8654 7.8918 80.1 14.6 0.755 YEN ZELLANDA 25872 60.501 75.129 7.6474 8.5037 6.5001 83.7 34.2 0.9 YUNANSTAN 19658 33.617 60.695 6.1422 5.7298 4.7686 84.4 18.3 0.853
Tablo 4: 2017 Yl çin ARAS Yöntemi le Elde Edilen Optimallik Fonksiyon Deerleri
ÜLKELER ÜLKELER Optimal Deer 0.0485 ABD 0.0299 0.6160 ZLANDA 0.0395 0.8140 ALMANYA 0.0301 0.6217 JAPONYA 0.0196 0.4049 AVUSTRALYA 0.0314 0.6483 KANADA 0.0284 0.5867 AVUSTURYA 0.0277 0.5723 GÜNEY KORE 0.0213 0.4396 BELÇKA 0.0310 0.6392 LETONYA 0.0205 0.4236 BRLEK KRALLIK 0.0293 0.6044 LTVANYA 0.0224 0.4620
Tablo 3: 2017 Yl çin Karar Matrisi
ÜLKELER
HDI
Optimal Deer 60153 70.841 86.052 11.1662 12.8654 8.4359 87.3 47.6 0.945 ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881 DANMARKA 40293 55.669 77.302 7.8270 6.9487 6.4951 82.7 37.4 0.919 ESTONYA 21896 53.375 73.654 6.1453 4.9045 4.7467 82.4 26.7 0.876 FNLANDYA 34504 50.208 74.308 6.3631 6.1596 5.8675 84.4 42 0.917 FRANSA 32518 45.841 67.612 6.0572 8.3509 5.5544 85.3 39 0.894 HOLLANDA 38767 54.917 75.223 6.4066 6.8836 5.8486 83.7 36 0.913 RLANDA 42771 50.155 63.79 11.1662 6.3197 5.8344 83.5 22.2 0.926 SPANYA 26954 42.229 69.249 6.0021 5.4214 4.6538 86 39.1 0.879 SVEÇ 41743 56.843 80.588 6.5795 5.7742 6.1503 84.3 43.6 0.927 SVÇRE 47938 59.686 79.686 5.5155 6.7843 5.7996 85.3 32.5 0.937 TALYA 25767 34.629 54.976 4.3991 7.0538 4.6036 85.3 31 0.863 ZLANDA 38004 70.841 86.052 9.1093 8.6577 7.1292 84.3 47.6 0.92 JAPONYA 27209 49.153 68.417 5.0155 5.1939 4.5394 87.3 9.3 0.894 KANADA 34928 57.139 74.579 6.2019 6.1268 6.2137 84.2 26.3 0.916 GÜNEY KORE 22572 50.345 58.603 5.1866 5.7085 6.1376 85.6 17 0.866 LETONYA 20822 50.973 74.375 5.6924 4.9312 4.3549 79.8 16 0.858 LTVANYA 24366 52.731 74.149 3.5114 7.1375 5.5555 80.9 21.3 0.868 MACARSTAN 19931 45.72 63.736 3.6856 7.3943 5.6317 79.9 10.1 0.83 MEKSKA 11065 42.533 47.334 10.3234 10.2163 8.4359 77.8 42.6 0.752 NORVEÇ 60153 58.589 75.88 8.2684 7.1267 6.4054 84.2 39.6 0.945 POLONYA 20367 46.388 62.502 5.7504 5.4536 5.6933 82.3 28 0.866 PORTEKZ 23095 48.327 70.676 5.3802 5.8187 5.0316 84.5 34.8 0.839 SLOVAKYA 22600 48.043 65.776 3.9868 8.4539 5.8402 80.7 20 0.85 SLOVENYA 26898 47.868 68.704 5.7940 5.9358 4.7267 83.8 36.7 0.898 L 15137 46.806 57.496 8.0391 8.0553 7.5631 82.3 15.8 0.823 TÜRKYE 15576 27.706 36.126 6.3564 12.8654 7.8918 80.1 14.6 0.755 YEN ZELLANDA 25872 60.501 75.129 7.6474 8.5037 6.5001 83.7 34.2 0.9 YUNANSTAN 19658 33.617 60.695 6.1422 5.7298 4.7686 84.4 18.3 0.853
Tablo 4: 2017 Yl çin ARAS Yöntemi le Elde Edilen Optimallik Fonksiyon Deerleri
ÜLKELER ÜLKELER Optimal Deer 0.0485 ABD 0.0299 0.6160 ZLANDA 0.0395 0.8140 ALMANYA 0.0301 0.6217 JAPONYA 0.0196 0.4049 AVUSTRALYA 0.0314 0.6483 KANADA 0.0284 0.5867 AVUSTURYA 0.0277 0.5723 GÜNEY KORE 0.0213 0.4396 BELÇKA 0.0310 0.6392 LETONYA 0.0205 0.4236 BRLEK KRALLIK 0.0293 0.6044 LTVANYA 0.0224 0.4620
ÜLKELER
ÜLKELER
HDI
Optimal Deer 60153 70.841 86.052 11.1662 12.8654 8.4359 87.3 47.6 0.945 ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881 DANMARKA 40293 55.669 77.302 7.8270 6.9487 6.4951 82.7 37.4 0.919 ESTONYA 21896 53.375 73.654 6.1453 4.9045 4.7467 82.4 26.7 0.876 FNLANDYA 34504 50.208 74.308 6.3631 6.1596 5.8675 84.4 42 0.917 FRANSA 32518 45.841 67.612 6.0572 8.3509 5.5544 85.3 39 0.894 HOLLANDA 38767 54.917 75.223 6.4066 6.8836 5.8486 83.7 36 0.913 RLANDA 42771 50.155 63.79 11.1662 6.3197 5.8344 83.5 22.2 0.926 SPANYA 26954 42.229 69.249 6.0021 5.4214 4.6538 86 39.1 0.879 SVEÇ 41743 56.843 80.588 6.5795 5.7742 6.1503 84.3 43.6 0.927 SVÇRE 47938 59.686 79.686 5.5155 6.7843 5.7996 85.3 32.5 0.937 TALYA 25767 34.629 54.976 4.3991 7.0538 4.6036 85.3 31 0.863 ZLANDA 38004 70.841 86.052 9.1093 8.6577 7.1292 84.3 47.6 0.92 JAPONYA 27209 49.153 68.417 5.0155 5.1939 4.5394 87.3 9.3 0.894 KANADA 34928 57.139 74.579 6.2019 6.1268 6.2137 84.2 26.3 0.916 GÜNEY KORE 22572 50.345 58.603 5.1866 5.7085 6.1376 85.6 17 0.866 LETONYA 20822 50.973 74.375 5.6924 4.9312 4.3549 79.8 16 0.858 LTVANYA 24366 52.731 74.149 3.5114 7.1375 5.5555 80.9 21.3 0.868 MACARSTAN 19931 45.72 63.736 3.6856 7.3943 5.6317 79.9 10.1 0.83 MEKSKA 11065 42.533 47.334 10.3234 10.2163 8.4359 77.8 42.6 0.752 NORVEÇ 60153 58.589 75.88 8.2684 7.1267 6.4054 84.2 39.6 0.945 POLONYA 20367 46.388 62.502 5.7504 5.4536 5.6933 82.3 28 0.866 PORTEKZ 23095 48.327 70.676 5.3802 5.8187 5.0316 84.5 34.8 0.839 SLOVAKYA 22600 48.043 65.776 3.9868 8.4539 5.8402 80.7 20 0.85 SLOVENYA 26898 47.868 68.704 5.7940 5.9358 4.7267 83.8 36.7 0.898 L 15137 46.806 57.496 8.0391 8.0553 7.5631 82.3 15.8 0.823 TÜRKYE 15576 27.706 36.126 6.3564 12.8654 7.8918 80.1 14.6 0.755 YEN ZELLANDA 25872 60.501 75.129 7.6474 8.5037 6.5001 83.7 34.2 0.9 YUNANSTAN 19658 33.617 60.695 6.1422 5.7298 4.7686 84.4 18.3 0.853
Tablo 4: 2017 Yl çin ARAS Yöntemi le Elde Edilen Optimallik Fonksiyon Deerleri
ÜLKELER ÜLKELER Optimal Deer 0.0485 ABD 0.0299 0.6160 ZLANDA 0.0395 0.8140 ALMANYA 0.0301 0.6217 JAPONYA 0.0196 0.4049 AVUSTRALYA 0.0314 0.6483 KANADA 0.0284 0.5867 AVUSTURYA 0.0277 0.5723 GÜNEY KORE 0.0213 0.4396 BELÇKA 0.0310 0.6392 LETONYA 0.0205 0.4236 BRLEK KRALLIK 0.0293 0.6044 LTVANYA 0.0224 0.4620
Tablo 3: 2017 Yl çin Karar Matrisi
ÜLKELER
HDI
Optimal Deer 60153 70.841 86.052 11.1662 12.8654 8.4359 87.3 47.6 0.945 ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881 DANMARKA 40293 55.669 77.302 7.8270 6.9487 6.4951 82.7 37.4 0.919 ESTONYA 21896 53.375 73.654 6.1453 4.9045 4.7467 82.4 26.7 0.876 FNLANDYA 34504 50.208 74.308 6.3631 6.1596 5.8675 84.4 42 0.917 FRANSA 32518 45.841 67.612 6.0572 8.3509 5.5544 85.3 39 0.894 HOLLANDA 38767 54.917 75.223 6.4066 6.8836 5.8486 83.7 36 0.913 RLANDA 42771 50.155 63.79 11.1662 6.3197 5.8344 83.5 22.2 0.926 SPANYA 26954 42.229 69.249 6.0021 5.4214 4.6538 86 39.1 0.879 SVEÇ 41743 56.843 80.588 6.5795 5.7742 6.1503 84.3 43.6 0.927 SVÇRE 47938 59.686 79.686 5.5155 6.7843 5.7996 85.3 32.5 0.937 TALYA 25767 34.629 54.976 4.3991 7.0538 4.6036 85.3 31 0.863 ZLANDA 38004 70.841 86.052 9.1093 8.6577 7.1292 84.3 47.6 0.92 JAPONYA 27209 49.153 68.417 5.0155 5.1939 4.5394 87.3 9.3 0.894 KANADA 34928 57.139 74.579 6.2019 6.1268 6.2137 84.2 26.3 0.916 GÜNEY KORE 22572 50.345 58.603 5.1866 5.7085 6.1376 85.6 17 0.866 LETONYA 20822 50.973 74.375 5.6924 4.9312 4.3549 79.8 16 0.858 LTVANYA 24366 52.731 74.149 3.5114 7.1375 5.5555 80.9 21.3 0.868 MACARSTAN 19931 45.72 63.736 3.6856 7.3943 5.6317 79.9 10.1 0.83 MEKSKA 11065 42.533 47.334 10.3234 10.2163 8.4359 77.8 42.6 0.752 NORVEÇ 60153 58.589 75.88 8.2684 7.1267 6.4054 84.2 39.6 0.945 POLONYA 20367 46.388 62.502 5.7504 5.4536 5.6933 82.3 28 0.866 PORTEKZ 23095 48.327 70.676 5.3802 5.8187 5.0316 84.5 34.8 0.839 SLOVAKYA 22600 48.043 65.776 3.9868 8.4539 5.8402 80.7 20 0.85 SLOVENYA 26898 47.868 68.704 5.7940 5.9358 4.7267 83.8 36.7 0.898 L 15137 46.806 57.496 8.0391 8.0553 7.5631 82.3 15.8 0.823 TÜRKYE 15576 27.706 36.126 6.3564 12.8654 7.8918 80.1 14.6 0.755 YEN ZELLANDA 25872 60.501 75.129 7.6474 8.5037 6.5001 83.7 34.2 0.9 YUNANSTAN 19658 33.617 60.695 6.1422 5.7298 4.7686 84.4 18.3 0.853
Tablo 4: 2017 Yl çin ARAS Yöntemi le Elde Edilen Optimallik Fonksiyon Deerleri
ÜLKELER ÜLKELER Optimal Deer 0.0485 ABD 0.0299 0.6160 ZLANDA 0.0395 0.8140 ALMANYA 0.0301 0.6217 JAPONYA 0.0196 0.4049 AVUSTRALYA 0.0314 0.6483 KANADA 0.0284 0.5867 AVUSTURYA 0.0277 0.5723 GÜNEY KORE 0.0213 0.4396 BELÇKA 0.0310 0.6392 LETONYA 0.0205 0.4236 BRLEK KRALLIK 0.0293 0.6044 LTVANYA 0.0224 0.4620
Optimal Deer 0.0485 ABD 0.0299 0.6160 ZLANDA 0.0395 0.8140 ALMANYA 0.0301 0.6217 JAPONYA 0.0196 0.4049 AVUSTRALYA 0.0314 0.6483 KANADA 0.0284 0.5867 AVUSTURYA 0.0277 0.5723 GÜNEY KORE 0.0213 0.4396 BELÇKA 0.0310 0.6392 LETONYA 0.0205 0.4236 BRLEK KRALLIK 0.0293 0.6044 LTVANYA 0.0224 0.4620 ÇEKYA 0.0226 0.4658 MACARSTAN 0.0180 0.3712 DANMARKA 0.0346 0.7133 MEKSKA 0.0318 0.6564 ESTONYA 0.0243 0.5021 NORVEÇ 0.0404 0.8344 FNLANDYA 0.0326 0.6722 POLONYA 0.0241 0.4962 FRANSA 0.0315 0.6505 PORTEKZ 0.0265 0.5470 HOLLANDA 0.0324 0.6686 SLOVAKYA 0.0223 0.4595 RLANDA 0.0327 0.6745 SLOVENYA 0.0282 0.5821 SPANYA 0.0287 0.5915 L 0.0227 0.4673 SVEÇ 0.0352 0.7264 TÜRKYE 0.0220 0.4545 SVÇRE 0.0331 0.6829 YEN ZELLANDA 0.0308 0.6354 TALYA 0.0249 0.5143 YUNANSTAN 0.0209 0.4304
Hesaplanan
= . (12)
Adm 4: Son admda her bir alternatif için optimal deerler hesaplanr. Alternatiflere ait deerler Eitlik (13) yardmyla elde edilir.
mixS n
Ki = Si S0
5. Aratrma Bulgular
Çalmann bu bölümünde ÇKKV yöntemlerinden Entropi yöntemi ve ARAS yöntemi kullanlarak, OECD ülkelerinde kadnlarn sosyo-ekonomik statüsünün 2010- 2017 aras döneme ait veriler kullanlarak analiz edilmesi sonucu elde edilen bulgular yer almaktadr. Ak etkilememesi nedeniyle bu bölümde dierlerine göre daha güncel verileri içeren 2017 ylna ait bulgulara yer verilecektir. Dier yllar içinde ayn ekilde hesaplamalar yaplmtr.
5.1. 2017 Yl için Entropi Yöntemiyle Kriter Arlklarnn Hesaplanmas
2017 ylna ait kriterlerin yer ald karar matrisi Tablo 1’de ve 2017 yl için Ej, dj ve Wj deerlerinin hesaplanmas Tablo 2’de gösterilmitir.
Tablo 1: 2017 Yl Karar Matrisi
ÜLKELER GDP* stihdam Oran**
HDI *
ABD 43899 53.332 66.191 7.3422 7.4535 6.3915 81.4 19.4 0.919 ALMANYA 37689 53.202 73.759 3.2558 8.2191 5.0530 83.5 37 0.919 AVUSTRALYA 35323 55.855 71.784 8.6612 6.9626 6.2104 85.1 28.7 0.926 AVUSTURYA 35626 52.186 71.776 3.4879 7.4199 5.4788 83.7 30.6 0.893 BELÇKA 33260 44.434 63.154 6.6474 6.3416 5.6194 83.6 38 0.901 BRLEK KRALLIK 28043 54.423 72.222 6.9478 7.4170 5.9410 82.9 32 0.903 ÇEKYA 23224 50.099 68.186 5.1704 6.7488 4.9951 81.7 20 0.881
deerleri büyükten küçüe doru sralanarak ülkeler deerlendirilmitir. Hesaplanan bu deerler sonucu elde edilen ülkelerin sralamas Tablo 5’te gösterilmektedir.
Tablo 5: 2017 Yl çin ARAS Yönteminin Uygulanmas Sonucu Elde Edilen Sralama Sralama Ülke Arlk Sralama Ülke Arlk
1 NORVEÇ 0.8344 18 KANADA 0.5867 2 ZLANDA 0.8140 19 SLOVENYA 0.5821 3 SVEÇ 0.7264 20 AVUSTURYA 0.5723 4 DANMARKA 0.7133 21 PORTEKZ 0.5470 5 SVÇRE 0.6829 22 TALYA 0.5143 6 RLANDA 0.6745 23 ESTONYA 0.5021 7 FNLANDYA 0.6722 24 POLONYA 0.4962 8 HOLLANDA 0.6686 25 L 0.4673 9 MEKSKA 0.6564 26 ÇEKYA 0.4658
10 FRANSA 0.6505 27 LTVANYA 0.4620 11 AVUSTRALYA 0.6483 28 SLOVAKYA 0.4595 12 BELÇKA 0.6392 29 TÜRKYE 0.4545 13 YEN ZELLANDA 0.6354 30 GÜNEY KORE 0.4396 14 ALMANYA 0.6217 31 YUNANSTAN 0.4304 15 ABD 0.6160 32 LETONYA 0.4236 16 BRLEK KRALLIK 0.6044 33 JAPONYA 0.4049 17 SPANYA 0.5915 34 MACARSTAN 0.3712
Marmara Üniversitesi ktisadi ve dari Bilimler Dergisi • Cilt: 43 • Say: 1 • Haziran 2021, ISSN: 2587-2672, ss/pp. 100-122
113
ARAS Yönteminin 2017 ylna ait kriterlere uygulanmas sonucu elde edilen sralamaya göre; Norveç, zlanda ve sveç ilk üçte yer alm, bu sray Danima