Research Article


DOI :10.26650/ekoist.2022.37.1035240   IUP :10.26650/ekoist.2022.37.1035240    Full Text (PDF)

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

Muhammet Atalay

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

DOI :10.26650/ekoist.2022.37.1035240   IUP :10.26650/ekoist.2022.37.1035240    Full Text (PDF)

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

Muhammet Atalay

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


EXTENDED ABSTRACT


COVID-19 has affected the whole world economically in addition to human health. The measures taken have completely changed social and economic life, with many sectors having been forced to stop or slow down due to restrictions. Turkey is one of the countries whose economy has most felt the effects of the global pandemic. These effects were observed to manifest in different ways with regard to the line of business and sector. While some branches of activity have experienced expansion, others may have experienced contraction. These changes have also had global as well as local effects. When considering that the disease came to the fore in the world as of the end of 2019, examining 2020 in comparison with 2019 will allow the first effects of the crisis to be seen.

This study aims to take a different view of the changes experienced by the Turkish economy due to the impact of the COVID-19 pandemic based on the number of workplaces and the number of employees with compulsory insurance with respect to province for the years 2019 and 2020. Turkey has regions with different characteristics due to its geographical and economic structure. The economic activity structure of each province may differ, and the local effects are thought to be revealable by examining the provinces.

This study uses the statistical data analysis and data mining techniques of multidimensional scaling and clustering analyses with the support of data visualization as the research methods. The cross-industry standard process for data mining (CRISPDM) model was used in the design of the study’s method section. The steps of CRISPDM are as follows: 1) define the problem, 2) understand the data, 3) prepare the data, 4) set up the model, 5) evaluate and select the model, and 6) apply the model.

The study’s dataset consists of the variables of the number of workplaces in the economic operating segments and the number of insured workers with respect to each of Turkey’s provinces. The study used the data published by the Republic of Turkey Social Security Institution (SGK) for the years 2019 and 2020. When comparing the data from the two years, the numbers of workplaces and employees with compulsory insurance are seen to have increased overall.

The steps taken while preparing the data for analysis are as follows: Because some provinces have no workplaces regarding certain operating segments, missing data were first arranged. For this purpose, the data for the operating segments were first obtained without omitting any of these areas by collecting the information for the segments where data were available in each province. In addition, operating segments with missing data were deleted and a data set was obtained with the remaining 47 operating segments. Because the aim of the study is to examine the changes that occurred in the operating segments due to COVID-19’s impact, new variables were obtained by transforming these datasets and dividing the 2020 values with the 2019 values. The new datasets obtained with these ratios were used in the multidimensional scaling and clustering analyses.

Multidimensional scaling (MDS) is a multivariate data analysis approach used to visualize similarities and uniqueness between samples by turning units into points and plotting them on k-dimensional graphs. The MDS algorithm takes as input data a similarity or differences/dissimilarity matrix representing the distances between pairs of objects. In cases where this matrix (i.e., the distance matrix) can be obtained, metric scaling can be performed. In metric scaling, the original distances between objects and the distances on the map that have been calculated by scaling are scaled the same. This study has preferred the Euclidean Squared distance metrics.

Cluster analysis is a method that aims to group objects or variables in the data matrix according to the values they take. When clustering, the distance or similarity matrix is firstcreated using the distance and similarity measures from the data matrix. Clusters are then created using the determined clustering method. Clustering methods are divided into hierarchical and non-hierarchical. In non-hierarchical methods, the number of clusters is determined in advance, and a single optimal clustering result is obtained according to the number of clusters determined using distance or similarity measures. This study uses the k-means algorithm, which is one of these methods. The Euclidean Squared distance metric was used as the metric distance. In this way, the study aims to use the outputs from the two analyses by overlapping them.

The analyzes were interpreted through visual mappings obtained in 2-dimensional space. In addition, the findings were made more understandable by comparing them with the values in the data set. According to the analysis findings, the pandemic has had a striking impact with regard to operating segments. The numbers of workplaces and employees were observed to have decreased with regard to the operating segments that are based on mobility or that had been prohibited due to pandemic restrictions and measures. The measures that were taken were determined to have caused high increases in postal and cargo operations as well as home care operations. 


PDF View

References

  • Açıkgöz, Ö., & Günay, A. (2020). The early impact of the Covid-19 pandemic on the global and Turkish economy. Turkish Journal of Medical Sciences, 2020(50), 520-526. google scholar
  • Adanacıoğlu, H., Artukoğlu, M., & Güneş, E. (2017). Türkye’de Tarımsal Kredi Performansının Çok Boyutlu Ölçekleme Yaklaşımıyla Analizi. Tarım Ekonomisi Dergisi, 23(2), 195-204. doi:10.24181/tarekoder.364932 google scholar
  • Albayrak, A. S., & Koltan Yılmaz, Ş. (2009). Veri Madenciliği: Karar Ağaçları ve İMKB Verileri Üzerine Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), 31-52. google scholar
  • Allahverdi, M., & Alagöz, A. (2019). İllerin Vergi Gelirleri Açısından Sınıflandırılmasında Kümeleme Analizi Kullanımı. Maliye Dergisi(176), 441-473. google scholar
  • Alpar, R. (2017). Uygulamalı Çok Değişkenli İstatistik Yöntemler (5. b.). Ankara: Detay Yayıncılık. google scholar
  • Amaratunga, D., Cabrera, J., Ghosh, D., Katehakis, M. N., Wang, J., & Wang, W. (2021). Socioeconomic impact on COVID-19 cases and deaths and its evolution in New Jersey. Annals of Operations Research. doi:10.1007/s10479-021-03941-4 google scholar
  • Arı, E., & Hüyüktepe, B. (2019). Sosyo-Ekonomik Göstergeler İçin Çok Değişkenli Veri Analizi: Türkiye İçin Ampirik Bir Uygulama. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(1), 7-20. http://aksarayiibd.aksaray.edu.tr/en/pub/issue/47272/527996 adresinden alındı google scholar
  • Ashraf, B. N. (2020). Economic Impact of Government Interventions during the COVID-19 Pandemic: International Evidence from Financial Markets. Journal of Behavioral and Experimental Finance, 27, 100371. doi:10.1016/j.jbef.2020.100371 google scholar
  • Ashraf, B. N. (2020). Stock markets’ reaction to COVID-19: Cases or fatalities? Research in International Business and Finance, 54(Aralık 2020), 101249. doi:10.1016/j.ribaf.2020.101249 google scholar
  • Atalay, M. (2019). Kümeleme Analizi ile Türkiye’deki İllerin Turizm Verileri Açısından İncelenmesi. Ekonomi Maliye İşletme Dergisi, 2(2), 103-115. https://dergipark.org.tr/tr/pub/ emid/issue/52225/682061?publisher=adil-akinci adresinden alındı google scholar
  • Ataş, H., & Gündüz, S. (2020). Türkiye’nin Sağlık Hizmetleri Kapasitesinin Çok Boyutlu Ölçekleme Tekniği ile Analizi. Adıyaman Üniversitesi Sosyal Bilimler Enstitüsü Dergisi(36), 355-382. doi:10.14520/adyusbd.790074 google scholar
  • Atılgan Yaşa, A., & Yüzbaşı Künç, G. (2020). Kamu Harcamaları ve Sosyoekonomik Gelişmişlik Düzeyleri Bakımından İllerin Gruplandırılması: Türkiye Üzerine Bir Uygulama. Akademik Araştırmalar ve Çalışmalar Dergisi, 12(22), 276-297. doi:10.20990/kilisiibfakademik.597161 google scholar
  • Aydın, L., & Ari, I. (2020). The impact of Covid-19 on Turkey’s non-recoverable economic sectors compensating with falling crude oil prices: A computable general equilibrium analysis. Energy Exploration & Exploitation, 38(5), 1810-1830. doi:10.1177/0144598720934007 google scholar
  • Bache, S. M., & Wickham, H. (2020). magrittr: A Forward-Pipe Operator for R. R package version 2.0.1. https://CRAN.R-project.org/package=magrittr adresinden alındı google scholar
  • Bahar, O., & Çelik İlal, N. (2020). The economic effects of Coronavirus (COVID-19) in the tourism industry. International Journal of Social Sciences and Education Research, 6(1), 125-139. google scholar
  • Bakırtaş, İ., & Ozan, E. C. (2021). COVID-19’un Ekonomik Etkileri Üzerine Genel Bir İnceleme. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(4), 59-74. doi:10.52791/ aksarayiibd.984183 google scholar
  • Başdeğirmen, A., & Yalçıner Çal, D. (2021). Sektör Bazında İşyerleri ve Zorunlu Sigortalıların İllere Göre Kümelemesi. Hak İş Uluslararası Emek ve Toplum Dergisi, 10(28), 409-429. doi:10.31199/hakisderg.921647 google scholar
  • Başkır, D. A. (2016). Bankaların 2012 Yılı Sermaye Yeterlilik Rasyolarına Göre Kümeleme Analizi ve Çok Boyutlu Ölçekleme Sonucu Sınıflandırılma Yapıları. Bankacılık ve Sigortacılık Araştırmaları Dergisi, 1(5), 29-47. doi:10.1501/bsad_0000000015 google scholar
  • Beyhan Acar, A. (2018). İşgücü Piyasası Temel Göstergeleri Bakımından Çok Boyutlu Ölçekleme Analizi ile Türkiye ile Diğer OECD Ülkelerinin Karşılaştırılması. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü Yönetim Dergisi, 24(75), 121-144. https://dergipark.org.tr/ en/pub/iuiieyd/issue/9206/115580 adresinden alındı google scholar
  • Bülbül, S., & Köse, A. (2009). Türkiye’de bölgelerarası iç göç hareketlerinin çok boyutlu ölçekleme yöntemi ile incelenmesi. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 39(1), 75-94. https:// dergipark.org.tr/en/pub/iuisletme/issue/9249/115718 adresinden alındı google scholar
  • Chen, J. M., Rehman, M. U., & Vo, X. V. (2021). Clustering commodity markets in space and time: Clarifying returns, volatility, and trading regimes through unsupervised machine learning. Resources Policy, 73, 102162. doi:10.1016/j.resourpol.2021.102162 google scholar
  • Çakır Zeytinoğlu, F., & Sadıç, C. (2013). Türkiye’deki İllerin Turizm Verileri Açısından Çok Boyutlu Ölçekleme Analizi ile İncelenmesi. Trakya Üniversitesi Sosyal Bilimler Dergisi, 15(2), 77-94. https://dergipark.org.tr/en/pub/trakyasobed/issue/30216/326174 adresinden alındı google scholar
  • Çelik, C., & Kıral, G. (2018). Kümeleme Yöntemiyle Konut Talebinin İncelenmesi: Türkiye İl Grupları Üzerine Bir Uygulama. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 27(1), 123-138. https://dergipark.org.tr/tr/pub/cusosbil/issue/36563/415459 adresinden alındı google scholar
  • Çelik, S., & Akdamar, E. (2018). Büyük Veri ve Veri Görselleştirme. Akademik Bakış Dergisi(65), 253-264. google scholar
  • Çelik, Ş. (2013). Kümeleme Analizi ile Sağlık Göstergelerine Göre Türkiye’deki İllerin Sınıflandırılması. Doğuş Üniversitesi Dergisi, 14(2), 175-194. https://dergipark.org.tr/en/pub/ doujournal/issue/66669/1043083 adresinden alındı google scholar
  • Çelik, Ş. (2015). Çok boyutlu ölçekleme analizi ile hayvancılık açısından Türkiye’de illerin sınıflandırılması. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 31(4), 159167. https://dergipark.org.tr/en/pub/erciyesfen/issue/25543/269498 adresinden alındı google scholar
  • Çetin, A. C. (2020). Koronavirüs (Covid-19) Salgınının Türkiye’de Genel Ekonomik Faaliyetlere ve Hisse Senedi Borsa Endeksine Etkisi. MAKÜ-Uyg. Bil. Derg., 4(2), 341-362. google scholar
  • Çukur, T., Saner, G., & Güler, H. (2010). Türkiye’de Tarımsal Mekanizasyon Düzeyi ve Tarım Makineleri Parkının Çok Boyutlu Ölçekleme Analizi ile İncelenmesi: Ege Bölgesi Örneği. Adnan Menderes Üniversitesi Ziraat Fakültesi Dergisi, 2(2), 33-40. https://dergipark.org.tr/en/ pub/aduziraat/issue/26427/278203 adresinden alındı google scholar
  • Eurostat. (2006, Aralık 20). NACE Rev. 2 - Statistical Classification of Economic Activities. (Statistical Office of the European Union.) Kasım 2, 2021 tarihinde European Union Statistics: https://ec.europa.eu/eurostat/web/nace-rev2 adresinden alındı google scholar
  • Fernandes, N. (2020, March 23). Economic Effects of Coronavirus Outbreak (COVID-19) on the World Economy. doi:10.2139/ssrn.3557504 google scholar
  • Filiz, Z. (2005). İllerin Sosyo-Ekonomik Gelişmişlik Düzeylerine Göre Gruplandırılmasında Farklı Yaklaşımlar. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 6(1), 77-100. google scholar
  • Gazel, S., & Akel, V. (2018). Borsa İstanbul’da Sektör Sınıflandırmasının Kümeleme Analizi İle Belirlenmesi. Muhasebe ve Finansman Dergisi(77), 147-164. doi:10.25095/mufad.401472 google scholar
  • Gorodov, E. Y., & Gubarev, V. V. (2013). Analytical review of data visualization methods in application to big data. Journal of Electrical and Computer Engineering, 2013(Article ID 969458), 7 Pages. doi:10.1155/2013/969458 google scholar
  • Güler, D. (2021). Türkiye’de İpek Böcekçiliğinin Çok Boyutlu Ölçekleme ve Kümeleme Analizleri ile İncelenmesi. KSÜ Tarım ve Doğa Derg, 24(1), 212-220. doi:10.18016/ksutarimdoga. vi.723998 google scholar
  • Güler, İ., & Aydınbaş, Y. E. (2021). Being Stronger in New Global Supply Chain After the Pandemic: Seeking to Increase Foreign Trade Volume and Employment Simultaneously in Turkey Economy. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 8(3), 1476-1498. doi:10.30798/makuiibf.859593 google scholar
  • Güre, Ö. B., Kayri, M., & Şevgin, H. (2021). Kayri, M., & Sevgin, H. (2021). Investigation of Coronavirus Pandemic Indicators of the Countries with Hierarchical Clustering and Multidimensional Scaling. Eastern Journal of Medicine, 26(2), 308-315. google scholar
  • Gürsakal, S. (2019). Sosyal Bilimlerde SPSS Uygulamalı Çok Değişkenli İstatistiksel Analiz Teknikleri. Bursa: Dora Yayıncılık. google scholar
  • Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data Analysis (7. b.). Edinburgh Gate: Pearson. google scholar
  • Horozoğlu, Ö., Hallaç, Y., & Sığırlı, D. (2017). Türkiye ile Avrupa Birliği’ne Üye ve Aday Ülkelerin Sağlık Düzeyi Ölçütlerinin Çok Boyutlu Ölçekleme Analiziyle İncelenmesi. Uludağ Üniversitesi Tıp Fakültesi Dergisi, 43(2), 49-52. https://dergipark.org.tr/tr/pub/uutfd/issue/35309/391941 adresinden alındı google scholar
  • Hussain, S., Atallah, R., Kamsin, A., & Hazarika, J. (2018). Classification, clustering and association rule mining in educational datasets using data mining tools: A case study. R. Silhavy (Dü.) içinde, Advances in Intelligent Systems and Computing, Cybernetics and Algorithms in Intelligent Systems, CSOC2018 (Cilt 765). Springer, Cham. doi:10.1007/978-3-319-91192-2_21 google scholar
  • Jiang, F., He, J., & Tian, T. (2019). A clustering-based ensemble approach with improved pigeon-inspired optimization and extreme learning machine for air quality prediction. Applied Soft Computing, 85, 105827. doi:10.1016/j.asoc.2019.105827 google scholar
  • Jilkova, P., & Kralova, P (2021). Digital Consumer Behaviour and eCommerce Trends during the COVID-19 Crisis. International Advances in Economic Research(27), 83-85. doi:10.1007/ s11294-021-09817-4 google scholar
  • Kartal, E., Balaban, M. E., & Bayraktar, B. (2021). Küresel COVID-19 Salgınının Dünyada ve Türkiye’de Değişen Durumu ve Kümeleme Analizi. Journal of Istanbul Faculty of Medicine, 84(1), 9-19. doi:10.26650/IUITFD.2020.0077 google scholar
  • Kassambara, A. (2020). ggpubr: ‘ggplot2’ Based Publication Ready Plots. R package version 0.4.0. https://CRAN.R-project.org/package=ggpubr adresinden alındı google scholar
  • Kaygısız, Z., & Gürbüz, H. (2005). Gayrisafi Yurtiçi Hasılanın Coğrafi Dağılımının Çok Boyutlu Ölçekleme Analizi, Kümeleme Analizi ve Temel Bileşenler Analizleri ile Karşılaştırmalı Olarak İncelenmesi. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, 5(1), 101-112. google scholar
  • Kılıç, İ., Saraçlı, S., & Kolukısaoğlu, S. (2011). Sosyo-ekonomik göstergeler bakımından illerin bölgesel bazda benzerliklerinin çok değişkenli analizler ile incelenmesi. İstatistikçiler Dergisi:İstatistik ve Aktüerya, 4(2), 57-68. https://dergipark.org.tr/en/pub/jssa/ issue/10045/123884 adresinden alındı google scholar
  • Koç, P., Kutlar, A., Gülmez, A., & Öncel, A. (2021). The Analysis of the Effect of Covid 19 on Macroeconomic Indicators via MDS and Clustering Methods. Research Square, Preprint (Version 1). doi:10.21203/rs.3.rs-194221/v1 google scholar
  • Koçak, A. (2021). Türkiye’ de Toplumsal Cinsiyetin Çok Boyutlu Ölçekleme ile İncelenmesi. İstatistik Araştırma Dergisi, 11(2), 71-82. https://journal.tuik.gov.tr/ adresinden alındı google scholar
  • Kruskal, J. B. (1964). Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis. Psychometrika, 29(1), 1-27. google scholar
  • Kruskal, J. B., & Carmone, F. J. (1967). How to Use MDSCAL, Version 5-M, and Other Useful Information. Murray Hill, NJ.: Bell Laboratories. google scholar
  • Kuvat, Ö. (2021). Türkiye’de illerin turist geliş ve geceleme sayılarına göre konumlandırılmasında çok boyutlu ölçekleme analizi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi(UTK 2021 Turizm Özel Sayısı), 1433-1447. doi:10.31795/baunsobed.1023477 google scholar
  • Leeuw, J. d., & Mair, P. (2009). Multidimensional Scaling Using Majorization: SMACOF in R. Journal of Statistical Software, 31(3), 1-30. https://www.jstatsoft.org/v31/i03/ adresinden alındı google scholar
  • Likas, A., Vlassis, N., & Verbeek, J. (2001). The Global K-Means Clustering Algorithm. University of Amsterdam Computer Science Institute. Amsterdam: Intelligent Autonomous Systems. google scholar
  • Machado, J., & Lopes, A. (2020). Rare and extreme events: the case of COVID-19 pandemic. Nonlinear Dynamics, 100(3), 2953-2972. doi:10.1007/s11071-020-05680-w google scholar
  • Mair, P., Groenen, P. J., & Leeuw, J. d. (2021). More on Multidimensional Scaling in R: smacof Version 2. Journal of Statistical Software. google scholar
  • McKibbin, W., & Fernando, R. (2020). The economic impact of COVID-19. R. Baldwin, & B. W. Mauro içinde, Economics in the Time of COVID-19. London: CEPR Press. google scholar
  • NCSS. (2021, Ağustos 30). NCSS Documentation. Kasım 15, 2021 tarihinde NCSS Statistical Software: https://www.ncss.com/wp-content/themes/ncss/pdf/Procedures/NCSS/Multidimensional_ Scaling.pdf adresinden alındı google scholar
  • Orhunbilge, N. (2010). Çok Değişkenli İstatistik Yöntemler. İstanbul: İstanbul Üniversitesi İşletme Fakültesi. google scholar
  • Önay, O. (2015). Enflasyon, İthalat ve İhracat Açısından Türkiye ve Diğer OECD Ülkelerinin Çok Boyutlu Ölçekleme Analizi ile Karşılaştırılması. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 44(2), 77-93. https://dergipark.org.tr/en/pub/iuisletme/issue/9259/115853 adresinden alındı google scholar
  • Özdamar, K. (2018). Paket Programlar ile İstatistiksel Veri Analizi. Eskişehir: Nisan Kitabevi. google scholar
  • R Core Team. (2022). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria. https://www.R-project.org/ adresinden alındı google scholar
  • RStudio. (2021, Eylül 1). RStudio | Open source & professional software for data science teams. Kasım 5, 2021 tarihinde RStudio: https://www.rstudio.com/ adresinden alındı google scholar
  • Sandbrook, C., Gomez-Baggethun, E., & Adams, W. M. (2020). Biodiversity conservation in a post-COVID-19 economy. Oryx, 1- 7. doi:10.1017/S0030605320001039 google scholar
  • Sarıgül, H. (2014). Kümeleme Analizi İle İllerin Bankacılık Hizmetlerine Erişim ve Kullanım Göstergelerinin Karşılaştırılması. Bankacılar Dergisi(89), 41-62. google scholar
  • Sertkaya, B., & Baş, S. (2021). COVID-19 Salgınının Türkiye Ekonomisi Üzerine Etkileri: Riskler ve Olası. Dicle Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(21), 147-167. google scholar
  • SGK. (2021, Ekim 14). Sosyal Güvenlik Kurumu İstatistik Yıllığı Sigortalı ve İş Yeri İstatistikleri 2020. Ankara, Balgat, Türkiye. Kasım 2, 2021 tarihinde http://www.sgk.gov.tr/wps/portal/sgk/ tr/kurumsal/istatistik/sgk_istatistik_yilliklari adresinden alındı google scholar
  • Shanti, R. (2019). Multivariate Data Analysis: Using SPSS and AMOS. Chennai: MJP Publisher. google scholar
  • Sığırlı, D., Ediz, B., Cangür, Ş., Ercan, İ., & Kan, İ. (2006). Türkiye ve Avrupa Birliği’ne Üye Ülkelerin Sağlık Düzeyi Ölçütlerinin Çok Boyutlu Ölçekleme Analizi ile Ölçülmesi. İnönü Üniversitesi Tıp Fakültesi Dergisi, 13(2), 81-85. google scholar
  • Soy Temür, A. (2021). COVID-19 Finansal Kriz mi? Borsa İstanbul (BIST) Üzerindeki Etkilerinin Geçmiş Finansal Krizlerle Karşılaştırılması. International Conference on Economics (ICE-TEA2021). Turkish Economic Association. google scholar
  • Soylu, Ö. B. (2020). Türkiye Ekonomisinde COVID-19’un Sektörel Etkileri. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 7(6), 169-185. google scholar
  • Şenaras, A. E., & Çetin, İ. (2017). Kamu Hizmetlerinden Memnuniyetin Çok Boyutlu Ölçekleme ile Analizi. Bolu Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 17(2), 195209. https://dergipark.org.tr/en/pub/basbed/issue/38797/456377 adresinden alındı google scholar
  • Talbot, D., & Ordonez-Ponce, E. (2022). Canadian banks’ responses to COVID-19: a strategic positioning analysis. Journal of Sustainable Finance & Investment, 12(2), 423-430. doi:10.108 0/20430795.2020.1771982 google scholar
  • Tekin, B. (2015). Temel Sağlık Göstergeleri Açısından Türkiye’deki İllerin Gruplandırılması: Bir Kümeleme Analizi Uygulaması. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(2), 389-416. https://dergipark.org.tr/en/pub/ckuiibfd/issue/32905/365558 adresinden alındı google scholar
  • Tekin, B. (2018). Ward, K-Ortalamalar ve İki Adımlı Kümeleme Analizi Yöntemleri ile Finansal Göstergeler Temelinde Hisse Senedi Tercihi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(40), 401-436. doi:10.31795/baunsobed.492464 google scholar
  • Tekin, B. (2020a). COVID-19 Pandemisi Döneminde Ülkelerin COVID-19, Sağlık ve Finansal Göstergeler Bağlamında Sınıflandırılması: Hiyerarşik Kümeleme Analizi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(2), 336-349. doi:10.29106/fesa.738322 google scholar
  • Tekin, B. (2020b). Koronavirüs (COVID-19) Salgını ve Ekonomik Finansal Etkileri: Bir Literatür İncelemesi. F. Kalay, & Y. A. Ünvan (Dü) içinde, İktisadi ve İdari Bilimlerde Güncel Araştırmalar (s. 39-64). Cetinje: IVPE. google scholar
  • Tekin, B., & Temelli, F. (2020a). K-Ortalamalar Yöntemi ile Bankaların Sermaye Yeterlilik Rasyolarına Göre Kümelenmesi. Kırıkkale Üniversitesi Sosyal Bilimler Dergisi, 10(1), 11-36. https://dergipark.org.tr/tr/pub/kusbd/issue/52299/617882 adresinden alındı google scholar
  • Tekin, B., & Temelli, F. (2020b). Türkiye’deki İllerin Kredi Kullanım Düzeyleri Açısından Kümelenmesi: K-Ortalamalar Yöntemi Yaklaşımı. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(1), 91-124. https://dergipark.org.tr/tr/pub/iibfdkastamonu/ issue/55279/734428 adresinden alındı google scholar
  • The R Foundation. (2020, Ekim 10). The R Project for Statistical Computing. Kasım 5, 2021 tarihinde R Project: https://www.r-project.org/ adresinden alındı google scholar
  • Tokmergenova, M., Banhidi, Z., & Dobos, I. (2021). Analysis of I-DESI dimensions of the digital economy development of the Russian Federation and EU-28 using multivariate statistics. St Petersburg University Journal of Economic Studies, 37(2), 189-204. doi:10.21638/ spbu05.2021.201 google scholar
  • Torgerson, W. S. (1952). Multidimensional Scaling: I. Theory and Method. Psychometrika, 17(4), 401-419. google scholar
  • Tunalı, Ç. B. (2020). Covid-19 Pandemisinin Ekonomik Büyüme Üzerindeki Etkisi. D. Demirbaş, V. Bozkurt, & S. Yorgun içinde, Covid-19 Pandemisinin Ekonomik, Toplumsal ve Siyasal Etkileri (s. 25-34). İstanbul: İstanbul Üniversitesi Yayınevi. google scholar
  • Tüzüntürk, S. (2009). Çok Boyutlu Ölçekleme Analizi: Suç İstatistikleri Üzerine Bir Uygulama. Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2), 71-91. google scholar
  • Venables, W. N., & Ripley, B. D. (2002). Modern Applied Statistics with S (4. b.). New York: Springer. https://www.stats.ox.ac.uk/pub/MASS4/ adresinden alındı google scholar
  • Wickham, H., & Bryan, J. (2019). readxl: Read Excel Files. R package version 1.3.1. https:// CRAN.R-project.org/package=readxl adresinden alındı google scholar
  • Wickham, H., François, R., Henry, L., & Müller, K. (2020). dplyr: A Grammar of Data Manipulation. R package version 1.0.2. https://CRAN.R-project.org/package=dplyr adresinden alındı google scholar
  • Yagi, M., & Managi, S. (2021). lobal supply constraints from the 2008 and COVID-19 crises. Economic Analysis and Policy, 69(March 2021), 514-528. doi:10.1016/j.eap.2021.01.008 google scholar
  • Yetiz, F. (2021). COVID-19 Pandemi Sürecinin Türk Bankacılık Sektörü Çalışanlarına ve Müşterilerine Etkileri: SWOT Analizi. Avrupa Bilim ve Teknoloji Dergisi(22), 109-117. google scholar

Citations

Copy and paste a formatted citation or use one of the options to export in your chosen format


EXPORT



APA

Atalay, M. (2022). Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis. EKOIST Journal of Econometrics and Statistics, 0(37), 171-198. https://doi.org/10.26650/ekoist.2022.37.1035240


AMA

Atalay M. Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis. EKOIST Journal of Econometrics and Statistics. 2022;0(37):171-198. https://doi.org/10.26650/ekoist.2022.37.1035240


ABNT

Atalay, M. Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis. EKOIST Journal of Econometrics and Statistics, [Publisher Location], v. 0, n. 37, p. 171-198, 2022.


Chicago: Author-Date Style

Atalay, Muhammet,. 2022. “Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis.” EKOIST Journal of Econometrics and Statistics 0, no. 37: 171-198. https://doi.org/10.26650/ekoist.2022.37.1035240


Chicago: Humanities Style

Atalay, Muhammet,. Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis.” EKOIST Journal of Econometrics and Statistics 0, no. 37 (Jul. 2024): 171-198. https://doi.org/10.26650/ekoist.2022.37.1035240


Harvard: Australian Style

Atalay, M 2022, 'Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis', EKOIST Journal of Econometrics and Statistics, vol. 0, no. 37, pp. 171-198, viewed 20 Jul. 2024, https://doi.org/10.26650/ekoist.2022.37.1035240


Harvard: Author-Date Style

Atalay, M. (2022) ‘Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis’, EKOIST Journal of Econometrics and Statistics, 0(37), pp. 171-198. https://doi.org/10.26650/ekoist.2022.37.1035240 (20 Jul. 2024).


MLA

Atalay, Muhammet,. Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis.” EKOIST Journal of Econometrics and Statistics, vol. 0, no. 37, 2022, pp. 171-198. [Database Container], https://doi.org/10.26650/ekoist.2022.37.1035240


Vancouver

Atalay M. Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis. EKOIST Journal of Econometrics and Statistics [Internet]. 20 Jul. 2024 [cited 20 Jul. 2024];0(37):171-198. Available from: https://doi.org/10.26650/ekoist.2022.37.1035240 doi: 10.26650/ekoist.2022.37.1035240


ISNAD

Atalay, Muhammet. Investigating the Impact of the COVID-19 Pandemic on Economic Activities Using Multidimensional Scaling and K-Means Clustering Analysis”. EKOIST Journal of Econometrics and Statistics 0/37 (Jul. 2024): 171-198. https://doi.org/10.26650/ekoist.2022.37.1035240



TIMELINE


Submitted10.12.2021
Accepted13.08.2022
Published Online29.12.2022

LICENCE


Attribution-NonCommercial (CC BY-NC)

This license lets others remix, tweak, and build upon your work non-commercially, and although their new works must also acknowledge you and be non-commercial, they don’t have to license their derivative works on the same terms.


SHARE




Istanbul University Press aims to contribute to the dissemination of ever growing scientific knowledge through publication of high quality scientific journals and books in accordance with the international publishing standards and ethics. Istanbul University Press follows an open access, non-commercial, scholarly publishing.