ІНДЕКСИ АСИМЕТРІЇ МІЖНАРОДНОГО ПОЛОЖЕННЯ КРАЇН: ГЕОМЕТРИЧНИЙ ПІДХІД
Ключові слова:
міжнародна компаративістика, мін-макс нормалізація, агрегатні індекси, оболонка даних, світовий технологічний рубіж, міжнародна інвестиційна позиція, міжнародна міграціяАнотація
Статтю присвячено обґрунтуванню та апробації нового методу оцінки міжнародного положення країн. З одного боку, одним із поширених методів міжнародної компаративістики є побудова опуклої оболонки станів країн на площині певних показників. Найбільш відомим прикладом такого підходу є Data Envelopment Analysis. Зокрема, цим методом будується світовий технологічний рубіж. З другого боку, одним із універсальних методів перетворення вихідних показників є їхня нормалізація. Пропонований у статті метод поєднує побудову опуклої оболонки на площині вихідних показників з їх мін-макс нормалізацією. Метою дослідження було вимірювання відносних відстаней країн до протилежних сторін певної оболонки даних. Проблема полягає в тому, що в точках екстремумів абсолютні відстані до протилежних сторін вихідної оболонки дорівнюють нулю, а отже, відносні відстані визначити не можна. Цю проблему автори розв’язують шляхом побудови двох вторинних оболонок даних, кожна з яких дозволяє визначити індекс асиметрії за певною координатою. Протилежні сторони вторинної оболонки є середніми лініями між рівнями протилежних екстремумів та відповідними сторонами первинної оболонки. Як ваговий коефіцієнт екстремуму використовується величина, що обернена кількості країн на тій стороні первинної оболонки, на якій розташований цей екстремум. Відповідно до пропонованого методу кожна країна характеризується унікальною парою індексів асиметрії. Це відрізняє його від методу Data Envelopment Analysis, за яким усі країни на границі ефективності характеризуються одиничною відстанню. Апробацію пропонованого методу було проведено на даних щодо країн Європейського Союзу, Ісландії та Швейцарії за 2005, 2010, 2015 та 2020 роки. Як вихідні показники було обрано чисту міжнародну інвестиційну позицію (у відсотках до валового внутрішнього продукту) та різницю контингентів іммігрантів та емігрантів (у відсотках до населення країни без урахування мігрантів). Під час апробації було підтверджено існування додатного кореляційного зв’язку між певними відстанями країн на площині індексів. З’ясовано, що глобальна фінансова криза 2008 року призвела до радикального зрушення оболонки станів країн на цій площині. Відображення міжнародного стану середніх індексів на площину вихідних показників можна використовувати в економетричних моделях
Посилання
Abbas, Y., & Daouia, A. (2023). Understanding world economy dynamics based on indicators and events. TSE Working Paper, 23-1461.
Al-Refaie, A., & Lepkova, N. (2023). A proposed DEA window analysis for assessing efficiency from asymmetry dynamic data. Symmetry, 15(9), article number 1650. doi: 10.3390/sym15091650.
Anderson, G., Crawford, I., & Leicester, A. (2008). Efficiency analysis and the lower convex hull approach. In N. Kakwani & J. Silber (Eds.), Quantitative approaches to multidimensional poverty measurement (pp. 176-191). London: Palgrave Macmillan. doi: 10.1057/9780230582354_10.
Arsu, Ş.U., & Arsu, T. (2023). Evaluation of the corporate sustainability performance of manufacturing companies in the BIST sustainability index with multi-criteria decision making methods. Business and Economics Research Journal, 14(4), 479-501. doi: 10.20409/berj.2023.427.
Atanasova, I., & Tsvetkov, T. (2021). Globalization and income inequality: Comparative analysis of the European countries. SHS Web of Conferences, 92, article number 08003. doi: 10.1051/shsconf/20219208003.
Athanassoglou, S. (2016). Revisiting worst-case DEA for composite indicators. Social Indicators Research, 128(3), 1259-1272. doi: 10.1007/s11205-015-1078-3.
Dehnokhalaji, A., Hallaji, B., Soltani, N., & Sadeghi, J. (2017). Convex cone-based ranking of decision-making units in DEA. OR Spectrum, 39(3), 861-880. doi: 10.1007/s00291-017-0477-z.
Despić, O. (2013). Some properties of geometric DEA models. Croatian Operational Research Review, 4(1), 2-18.
Ding, H. (2022). What kinds of countries have better innovation performance? – A country-level fsQCA and NCA study. Journal of Innovation & Knowledge, 7(4), article number 100215. doi: 10.1016/j.jik.2022.100215.
Echeverria, T.C.D., Alarcón, M.E.V., Ccanto, F.F., Villalba-Villadiego, A., Cueto, K.M., & Medrano, S.L. (2022). Comparative analysis of 2020 economic indicators of G20 countries. Journal of Positive School Psychology, 6(6), 3250-3257.
Eltehiwy, M.A., & Abdul-Motaal, A.-B.A. (2020). A new coefficient of Skewness for grouped data. Biometrics & Biostatistics International Journal, 9(2), 54-59. doi: 10.15406/bbij.2020.09.00300.
Eurostat. (n.d.a). International investment position – quarterly data, million units of national currency. Retrieved from https://ec.europa.eu/eurostat/databrowser/view/tipsii41/default/table?lang=en.
Eurostat. (n.d.b). Sequence of accounts by institutional sector. Retrieved from https://ec.europa.eu/eurostat/cache/infographs/sectoraccounts/index.html.
Farahmand, M., & Desa, M.I. (2017). RED: A new method for performance ranking of large decision making units. Soft Computing, 21(5), 1271-1290. doi: 10.1007/s00500-015-1860-9.
Funke, M., & Gronwald, M. (2009). A convex hull approach to counterfactual analysis of trade openness and growth. CESifo Working Paper Series, 2692. doi: 10.2139/ssrn.1430290.
Holý, V. (2024). Ranking-based second stage in data envelopment analysis: An application to research efficiency in higher education. Operations Research Perspectives, 12, article number 100306. doi: 10.1016/j.orp.2024.100306.
Hyder, F., Bragin, M., Yan, B., Luh, P., Zhao, J., Zhao, F., Schiro, D., & Zheng, T. (2023). Novel quality measure and efficient resolution of convex hull pricing for unit commitment. SSRN. doi: 10.2139/ssrn.4480103.
Jafar, M.N., Saeed, M., Khan, K.M., Alamri, F.S., & Khalifa, H.A.E.-W. (2022). Distance and similarity measures using max-min operators of neutrosophic hypersoft sets with application in site selection for solid waste management systems. IEEE Access, 10, 11220-11235. doi: 10.1109/ACCESS.2022.3144306.
Jednak, S., Kragulj, D., & Bulajic, M. (2018). A comparative analysis of development in Southeast European countries. Technological and Economic Development of Economy, 24(1), 253-270. doi: 10.3846/20294913.2016.1212438.
Jellema, T., Pastoris, F., & Aguilar, C.P. (2020). Using synthetic indicators to assess the quality of macroeconomic statistics via mirror data. ECB Statistics Paper Series, 34.
Kaivo-oja, L.J., Jari and Vehmas, & Jarmo. (2022). Comparative analysis of ASEAN countries using sustainability window and doughnut economy models. OIDA International Journal of Sustainable Development, 15(1), 39-56.
Lafuente, E., Ács, Z.J., & Szerb, L. (2022). A composite indicator analysis for optimizing entrepreneurial ecosystems. Research Policy, 51(9), article number 104379. doi: 10.1016/j.respol.2021.104379.
Lafuente, E., Ács, Z.J., Sanders, M., & Szerb L. (2020). The global technology frontier: Productivity growth and the relevance of Kirznerian and Schumpeterian entrepreneurship. Small Business Economics, 55(1), 153-178. doi: 10.1007/ s11187-019-00140-1.
Li, S., & Wang, B. (2020). Is social justice the superior economic growth model? Comparative analysis on G20 countries. Cogent Social Sciences, 6(1), article number 1760413. doi: 10.1080/23311886.2020.1760413.
Mazur-Wierzbicka, E. (2021). Towards circular economy – a comparative analysis of the countries of the European Union. Resources, 10(5), article number 49. doi: 10.3390/resources10050049.
Melara-Gálvez, C., & Morales-Fernández, E.J. (2022). A comparative analysis of the competitiveness of Central American countries based on the global competitiveness index before the COVID-19 pandemic. Sustainability, 14(14), article number 8854. doi: 10.3390/su14148854.
Milaghardan, A.H., Abbaspour, R.A., & Claramunt, C. (2018). A geometric framework for detection of critical points in a trajectory using convex hulls. International Journal of Geo-Information, 7(1), article number 14. doi: 10.3390/ ijgi7010014.
Narayanan, E., Binti Ismail, W.R., & Bin Mustafa, Z. (2022). A data-envelopment analysis-based systematic review of the literature on innovation performance. Heliyon, 8(12), article number e11925. doi: 10.1016/j.heliyon.2022.e11925.
OECD Data Explorer. (n.d.). International investment position. Retrieved from https://data-explorer.oecd.org/vis?lc=en&fs%5B0%5D=Topic%2C1%7CEconomy%23ECO%23%7CInternational+trade%23ECO_TRA%23&pg=0&fc=Topic&bp=true&snb=2&vw=tb&df%5Bds%5D=dsDisseminateFinalDMZ&df%5Bid%5D=DSD_BOP%40DF_IIP&df%5Bag%5D=OECD.SDD.TPS&df%5Bvs%5D=1.0&pd=%2C&dq=..FA...Q.XDC.&ly%5Brw%5D=FS_ENTRY&ly%5Bcl%5D=TIME_PERIOD%2CACCOUNTING_ENTRY&to%5BTIME_PERIOD%5D=false.
Panwar, A., Olfati, M., Pant, M., & Snasel, V. (2022). A review on the 40 years of existence of data envelopment analysis models: Historic development and current trends. Archives of Computational Methods in Engineering, 29(7), 5397-5426. doi: 10.1007/s11831-022-09770-3.
Radovanović, S., Delibašić, B., Marković, A., & Suknović, M. (2022). Achieving MAX-MIN fair cross-efficiency scores in data envelopment analysis. In Proceedings of the 55th Hawaii international conference on system sciences (pp. 1522- 1530). Honolulu: University of Hawaii Press.
Rakhshan, S.A. (2017). Efficiency ranking of decision making units in data envelopment analysis by using TOPSISDEA method. Journal of the Operational Research Society, 68(8), 906-918. doi: 10.1057/s41274-017-0237-0.
Rani, R.M., Ismail, W.R., & Rahman, M.N.A. (2018). A Min-Max operator allocation formulation, computer simulation and DEA cross-efficiency in determining the optimal operator allocation. Advanced Science Letters, 24(2), 1519- 1523(5). doi: 10.1166/asl.2018.10782.
Spyromitros, E., & Panagiotidis, M. (2022). The impact of corruption on economic growth in developing countries and a comparative analysis of corruption measurement indicators. Cogent Economics & Finance, 10(1), article number 2129368. doi: 10.1080/23322039.2022.2129368.
Stellian, R., & Danna-Buitrago, J.P. (2022). Which revealed comparative advantage index to choose? Theoretical and empirical considerations. CEPAL Review, 138, 45-66.
Stojanović, I., Puška, A., & Selaković, M. (2022). A multi-criteria approach to the comparative analysis of the global innovation index on the example of the Western Balkan countries. Economics, 10(2), 9-26. doi: 10.2478/eoik-2022-0019.
Stojkoski, V., Koch, P., & Hidalgo, C.A. (2023). Multidimensional economic complexity and inclusive green growth. Communications Earth & Environment, 4(1), article number 130. doi: 10.1038/s43247-023-00770-0.
Tavana, M., Izadikhah, M., Toloo, M., & Roostaee, R. (2021). A new non-radial directional distance model for data envelopment analysis problems with negative and flexible measures. Omega, 102, article number 102355. doi: 10.1016/j.omega.2020.102355.
Trishch, R., Sichinava, A., Bartoš, V., Stasiukynas, A., & Schieg, M. (2023). Comparative assessment of economic development in the countries of the European Union. Journal of Business Economics and Management, 24(1), 20-36. doi: 10.3846/jbem.2023.18320.
UNdata. (n.d.). Table 4.1 Total Economy (S.1). Gross domestic product. Retrieved from http://data.un.org/Data.aspx?q=Gross+domestic+product+&d=SNA&f=group_code%3a401%3bitem_code%3a5.
United Nations. (2020). International migrant stock 2020: Destination and origin. Retrieved from https://www.un.org/development/desa/pd/sites/www.un.org.development.desa.pd/files/undesa_pd_2020_ims_stock_by_sex_destination_and_origin.xlsx.
United Nations. (2022). World population prospects 2022. Retrieved from https://www.un.org/development/desa/pd/sites/www.un.org.development.desa.pd/files/wpp2022_summary_of_results.pdf.
Varelas, T., Dimotikalis, J., Kaklis, D., Archontaki, S., & Flori, A. (2022). Turn benefit of doubt to trustworthiness of MCDA. Retrieved from https://danaosrc.com/wp-content/uploads/2023/06/eeee9thconference115pagesvarelas-4.pdf.
Voitko, S., & Grinko, I. (2017). Comparative analysis of countries in the peer-group based on economic potential and components of sustainable development. CES Working Papers, 9(3), 359-376.
Zagoruiko, I., & Petkova, L. (2022). Model of world technological and economic efficiency frontiers. Journal of International Studies, 15(2), 174-198. doi: 10.14254/2071-8330.2022/15-2/12.
Zarrin, M., & Brunner, J.O. (2023). Analyzing the accuracy of variable returns to scale data envelopment analysis models. European Journal of Operational Research, 308(3), 1286-1301. doi: 10.1016/j.ejor.2022.12.015.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
