Research Article
BibTex RIS Cite

COVID-19 PANDEMİSİ DÖNEMİNDE ÜLKELERİN COVID-19, SAĞLIK VE FİNANSAL GÖSTERGELER BAĞLAMINDA SINIFLANDIRILMASI: HİYERARŞİK KÜMELEME ANALİZİ

Year 2020, , 336 - 349, 30.06.2020
https://doi.org/10.29106/fesa.738322

Abstract

Yeni tip Koronavirüs (SARS-CoV-2) hastalığı; hastalar, sağlık çalışanları, sağlık sistemleri ve ekonomiler üzerinde yıkıcı sonuçlar yaratarak dünyada yayılmaya devam etmektedir. Salgının etkisi çoğu ülkede benzer sonuçlara sebep olsa da farklılıklar da söz konusudur. Bu çalışmada, COVID-19 salgınının ülkelere etkileri bağlamında kümeleme analizi gerçekleştirilmiştir. Çalışmada kullanılan değişkenler, bir milyon nüfus başına vaka, test ve ölüm sayıları, bazı finansal göstergelerin değişim oranı ve salgın öncesi ülkelerin sağlık göstergelerinin düzeyidir. Çalışmada finansal göstergeler Ocak 2020 ile Nisan 2020 tarihleri arasındaki değişimleri yansıtmaktadır. COVID-19 göstergeleri ise güncel verilerden alınmıştır. Çalışmada kullanılan değişkenler Dünya Sağlık Örgütü, Dünya Bankası ve OECD’den elde edilmiştir. Çalışmada kümeleme analizi yöntemlerinden hiyerarşik kümeleme ve Ward’s yöntemi kullanılmıştır. Çalışmada ülkelerin söz konusu göstergeler bağlamında benzerlikleri ve farklılıkları ortaya konulmaya çalışılmıştır. Çalışmada hiyerarşik kümeleme yöntemi ile dört farklı veri setinden oluşan veriler kullanılarak dört farklı kümeleme analizi gerçekleştirilmiştir. Çalışma sonucunda ortaya çıkan yedili, beşli, dörtlü ve üçlü küme yapıları karşılaştırılmış ve yorumlanmıştır.

References

  • BARUA, S. (2020). Understanding Coronanomics: The economic implications of the coronavirus (COVID-19) pandemic. SSRN Electronic Journal. https://doi. org/10/ggq92n.
  • BIRLEŞMIŞ MILLETLER (2019), Human Development Report 2019 http://hdr.undp.org/sites/default/files/hdr2019.pdf, Erişim Tarihi: 11.05.2020
  • CHEN, L., & Hong, J. (2020). Coronavirus hits China's workers as businesses say they can't pay wages now. Fortune. Accessed 31 March 2020, from https://fortune.com/2020/02/19/coronavirus-china-workers-businesses-pay-wages/
  • FERNANDES, N. (2020). Economic effects of coronavirus outbreak (COVID-19) on the world economy. Available at SSRN 3557504.
  • FERREIRA, L. & Hitchcock, D. B. (2009). A Comparison Of Hierarchical Methods For Cluster Functional Data. Communications İn Statistics-Simulation And Computation, 38(9), Pp.1925-1949.
  • GAN, G., Ma, C. ve Wu, J. (2007). Data Cluster Theory, Algorithms And Applications (Asa-Sıam Series On Statistics And Applied Probability), Canada:SIAM Society for Industrial and Applied Mathematics Publishing
  • HAJIZADEH, E., Ardakani, H. D., ve Shahrabi, J. (2010). Application of data mining techniques in stock markets: A survey. Journal of Economics and International Finance, 2(7), 109.
  • HANDS, S, Everitt, B (1987). A Monte Carlo Study Of The Recovery Of Cluster Structure İn Binary Data By Hierarchical Cluster Techniques. Multivar. Behav. Res. 22, Pp. 235-243.
  • HOPMAN, J., Allegranzi, B., & Mehtar, S. (2020). Managing COVID-19 in low-and middle-income countries. Jama.
  • KALAYCI, Ş. (2009), SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri, 4. Baskı, Ankara: Asil Yayın Dağıtım.
  • KHAFAIE, M. A., & Rahim, F. (2020). Cross-country comparison of case fatality rates of COVID-19/SARS-COV-2. Osong Public Health and Research Perspectives, 11(2), 74.
  • LIU, R., Cai, H. ve Luo, C. (2012). Cluster Analysis of Stocks of CSI 300 Index Based on Manifold Learning. Journal of Intelligent Learning Systems and Applications, 4, 120-126.
  • MURTAGH, F. & Legendre, P. (2014). Ward’s Hierarchical Agglomerative Cluster Method: Which Algorithms İmplement Ward’s Criterion?. Journal Of Classification, 31(3), Pp. 274-295.
  • RANI, Y., & Rohil, H. (2013). A study of hierarchical clustering algorithm. ter S & on Te SIT-2, 113.
  • TEKIN, B. (2018). Ward, K-Ortalamalar Ve İki Adımlı Kümeleme Analizi Yöntemleri İle Finansal Göstergeler Temelinde Hisse Senedi Tercihi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(40), 401-436.
  • VERELST, F., Kuylen, E., & Beutels, P. (2020). Indications for healthcare surge capacity in European countries facing an exponential increase in coronavirus disease (COVID-19) cases, March 2020. Eurosurveillance, 25(13), 2000323.
Year 2020, , 336 - 349, 30.06.2020
https://doi.org/10.29106/fesa.738322

Abstract

References

  • BARUA, S. (2020). Understanding Coronanomics: The economic implications of the coronavirus (COVID-19) pandemic. SSRN Electronic Journal. https://doi. org/10/ggq92n.
  • BIRLEŞMIŞ MILLETLER (2019), Human Development Report 2019 http://hdr.undp.org/sites/default/files/hdr2019.pdf, Erişim Tarihi: 11.05.2020
  • CHEN, L., & Hong, J. (2020). Coronavirus hits China's workers as businesses say they can't pay wages now. Fortune. Accessed 31 March 2020, from https://fortune.com/2020/02/19/coronavirus-china-workers-businesses-pay-wages/
  • FERNANDES, N. (2020). Economic effects of coronavirus outbreak (COVID-19) on the world economy. Available at SSRN 3557504.
  • FERREIRA, L. & Hitchcock, D. B. (2009). A Comparison Of Hierarchical Methods For Cluster Functional Data. Communications İn Statistics-Simulation And Computation, 38(9), Pp.1925-1949.
  • GAN, G., Ma, C. ve Wu, J. (2007). Data Cluster Theory, Algorithms And Applications (Asa-Sıam Series On Statistics And Applied Probability), Canada:SIAM Society for Industrial and Applied Mathematics Publishing
  • HAJIZADEH, E., Ardakani, H. D., ve Shahrabi, J. (2010). Application of data mining techniques in stock markets: A survey. Journal of Economics and International Finance, 2(7), 109.
  • HANDS, S, Everitt, B (1987). A Monte Carlo Study Of The Recovery Of Cluster Structure İn Binary Data By Hierarchical Cluster Techniques. Multivar. Behav. Res. 22, Pp. 235-243.
  • HOPMAN, J., Allegranzi, B., & Mehtar, S. (2020). Managing COVID-19 in low-and middle-income countries. Jama.
  • KALAYCI, Ş. (2009), SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri, 4. Baskı, Ankara: Asil Yayın Dağıtım.
  • KHAFAIE, M. A., & Rahim, F. (2020). Cross-country comparison of case fatality rates of COVID-19/SARS-COV-2. Osong Public Health and Research Perspectives, 11(2), 74.
  • LIU, R., Cai, H. ve Luo, C. (2012). Cluster Analysis of Stocks of CSI 300 Index Based on Manifold Learning. Journal of Intelligent Learning Systems and Applications, 4, 120-126.
  • MURTAGH, F. & Legendre, P. (2014). Ward’s Hierarchical Agglomerative Cluster Method: Which Algorithms İmplement Ward’s Criterion?. Journal Of Classification, 31(3), Pp. 274-295.
  • RANI, Y., & Rohil, H. (2013). A study of hierarchical clustering algorithm. ter S & on Te SIT-2, 113.
  • TEKIN, B. (2018). Ward, K-Ortalamalar Ve İki Adımlı Kümeleme Analizi Yöntemleri İle Finansal Göstergeler Temelinde Hisse Senedi Tercihi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(40), 401-436.
  • VERELST, F., Kuylen, E., & Beutels, P. (2020). Indications for healthcare surge capacity in European countries facing an exponential increase in coronavirus disease (COVID-19) cases, March 2020. Eurosurveillance, 25(13), 2000323.
There are 16 citations in total.

Details

Primary Language Turkish
Subjects Economics
Journal Section Araştırma Makaleleri
Authors

Bilgehan Tekin

Publication Date June 30, 2020
Submission Date May 16, 2020
Acceptance Date June 15, 2020
Published in Issue Year 2020

Cite

APA Tekin, B. (2020). COVID-19 PANDEMİSİ DÖNEMİNDE ÜLKELERİN COVID-19, SAĞLIK VE FİNANSAL GÖSTERGELER BAĞLAMINDA SINIFLANDIRILMASI: HİYERARŞİK KÜMELEME ANALİZİ. Finans Ekonomi Ve Sosyal Araştırmalar Dergisi, 5(2), 336-349. https://doi.org/10.29106/fesa.738322

Cited By