TÜRKİYE’NİN BÖLGELERİ (İBBS-2) İÇİN REFAH DÜZEYİ DEĞERLENDİRMESİ

TÜRKøYE’NøN BÖLGELERø (øBBS-2) øÇøN REFAH DÜZEYø

DEöERLENDøRMESø

Hasan TÜRE1

Gönderim tarihi: 17 Eylül 2018 Kabul tarihi:27 Mays 2019

Özet

Bölgeler aras refah düzeylerinde büyük farkllklar olmas, bireylerin sosyal adalet konusunda kayg duymasna neden olmaktadr. Bu durum son yllarda, refah kavramna ve ölçümüne olan ilgiyi artrmaktadr. Bu çalúmada A÷rlklandrlmú Toplamlar Modeli (WSM) ve A÷rlklandrlmú Çarpm Modeli (WPM) gibi iki Çok Kriterli Karar Verme (ÇKKV) tekni÷inin birlikte kullanlmas esasna dayanan A÷rlklandrlmú Bütünleúik Toplam Çarpm De÷erlendirmesi (WASPAS) yöntemi ile Türkiye’nin istatistiki bölge birimleri arasnda (øBBS-2) refah düzeyi farkllklarnn belirlenmesi amaçlanmaktadr. Sonuçlar Do÷u ve Bat bölgeleri arasnda belirgin bir ikilik oldu÷unu göstermekte ve önemli farkllklarn e÷itim, iú ve sosyal konularnda oldu÷unu ortaya koymaktadr.

Anahtar Kelimeler: Refah düzeyi ölçümü, øBBS-2. düzey, Çok kriterli karar verme, WASPAS

JEL Kodlar: I31, R11, C14, C61

A Well-Being Assessment for the Turkish Provinces (IBBS-2)

Abstract

The fact that there are large differences in well-being levels among the provinces causes that the individuals live with anxiety about social justice. In recent years, there has been increasing interest in the concept and measurement of well-being. This paper is aimed to determine the well-being level differences of a sample of Turkish Provinces (NUTS-2), using Weighted Aggregated Sum Product Assessment (WASPAS) method that combines Weighted Sum Model (WSM) with Weighted Product Model (WPM). The results show a marked dichotomy between the Eastern and Western provinces, highlighting important differences in education, job and social well-being.

Keywords: Well-being measure, Turkish provinces, multi-criteria decision making, WASPAS JEL Classification: I31, R11, C14, C61

1 _{Arú. Gör. Dr., Ankara Hac Bayram Veli Üniversitesi, ø.ø.B.F., Ekonometri Bölümü, Ankara Türkiye,}

1. GøRøù

Dünya’nn farkl birçok bölgesinde oldu÷u gibi ülkemizde de uzun yllardr bölgeler aras refah düzeyi farkllklarnn yaratmú oldu÷u sorunlarla mücadele edilmekte ve bu farkl-lklarn ortadan kaldrlmasn sa÷layabilecek önlemler aranmaktadr. Sebepleri birkaç baú-lk altnda toplanabilen bölgeler aras refah düzeyi farklbaú-lklar, temel olarak sosyo-kültürel dengesizlikler, do÷al ya da co÷rafi farkllklar ve iktisadi eúitsizliklerin etkisiyle meydana gelmektedir. Bu farkllklar hem ülke ekonomisini olumsuz yönde etkilemekte hem de sos-yal sorunlar tetiklemektedir. Bu amaçla bölgeler aras mevcut refah düzeyi farkllklarnn kabul görmüú gösterge ve analitik yöntemlerle ortaya konmas ve alnabilecek önlemlerin belirlenmesi de÷erli olacaktr.

Ülkemizde bat bölgelerinin refah düzeyi bakmndan do÷uya olan üstünlü÷ü, do÷u bölgele-rinde yaúayan insanlar eúitlik ve adalet noktasnda kaygya düúürmektedir. Bu dengesiz durum ise yaúadklar bölgede mutlu olmayan insanlar büyük kentlere göç etmeye zorla-maktadr. Bu arayú kontrol edilemeyen göç olgusunu, çarpk kentleúmeyi ve úehirlerdeki nüfus artúlarn beraberinde getirerek büyük metropollerin oluúmasna neden olmaktadr. Bunun yan sra krsaldan kente do÷ru olan göç, yerel yönetimlerin omzundaki yükü arttr-maktadr. Metropollerdeki yerel yönetimlerin kaliteli hizmet vermemesi, kaçnlmaz olarak mutsuz insan kitleleri oluúmasna sebep olmaktadr. Yaúadklar bölgede refah bulamayan insanlarn, refah bulma umuduyla gittikleri bölgenin refahn düúürmesi ise bu konuyu bir açmaza dönüútürmektedir. Bu noktada yaplmas gereken, sorunun iyi bir úekilde tespit edilmesi ve bu do÷rultuda önem verilmesi gereken alanlarn belirlenmesidir.

Sosyal bilimler alanndaki geliúmelerle birlikte veri toplama ve bilimsel yöntemlerdeki ilerlemeler sayesinde refah düzeyi ölçümünü hedefleyen çalúmalar baúarl bir úekilde ye-rine getirilmiú ve bu alanda farkl yöntemlerin kullanld÷ çok sayda çalúma yaplmútr. Bu çalúmalardan bazlar refahn ölçülmesinde sadece Gayri Safi Yurtiçi Hasladan (GSYøH) faydalanld÷ için eleútirilirken, bazlar ise kullandklar yöntemlerden dolay eleútirilmiúlerdir. Refah düzeyinin de÷erlendirildi÷i çalúmalar gözden geçirildi÷inde, öl-çülmek istenen kavramn çerçevesinin açk bir úekilde belirlenmesinin oldukça önemli ol-du÷u görülmektedir. Çünkü hayat kalitesi (quality of life), insani geliúmiúlik (human development) ve sürdürülebilir kalknma (sustainable development) gibi birçok kavram birbirleriyle oldukça benzerlik göstermekte ve ço÷u zaman birbirlerinin yerine kullanl-maktadr. Bu noktada, toplumlarn refah düzeylerini ölçmek ba÷lamnda benzer bir amaç do÷rultusunda kullanlan bu kavramlarn anlamlarnn iyi belirlenmesi oldukça önemlidir. Bu çalúma, Türkiye’deki bölgelerin (østatistiki Bölge Birimleri Snflamas, øBBS-2)

bir-birlerine olan üstünlüklerini belirleyip, öncelik verilmesi gereken bölgeleri belirlemeyi amaçlamaktadr. Türkiye’deki bölgeler aras refah düzeyi farkllklar, OECD’nin refah düzeyi ölçümü için belirlemiú oldu÷u göstergeler do÷rultusunda çok kriterli yöntemlerden A÷rlklandrlmú Bütünleúik Toplam Çarpm De÷erlendirmesi (WASPAS)2 ile de÷erlendi-rilmiútir. OECD’nin belirledi÷i göstergeler do÷rultusunda bir performans de÷erlendirmesi yapabilmek için rasyonel ve bilimsel bir yaklaúmn kullanlmas sonuçlarn güvenilirli÷i, anlaúlabilirli÷i, do÷rulu÷u ve rasyonelli÷i açsndan önemlidir. Çalúmaya iliúkin modelde çok sayda birbiriyle çeliúen niceliksel kriterin bulunmas, yaplacak performans de÷erlen-dirmesinde çok kriterli karar verme yöntemlerinden WASPAS’n tercih edilmesine sebep olmuútur. WASPAS yöntemi temel olarak, A÷rlklandrlmú Toplamlar Modeli (WSM)3 ve A÷rlklandrlmú Çarpm Modeli (WPM)4

gibi iki Çok Kriterli Karar Verme (ÇKKV) yönteminin birlikte kullanlmas ile uygulanmaktadr. WSM ve WPM yaklaúmlarnn bir-likte kullanlmas her iki yaklaúma ait üstün yönlerden eú zamanl olarak faydalanabilmeyi sa÷lamaktadr. Böylece mümkün oldu÷unca objektif, güvenilir ve öznel olmayan sonuçlar elde edilebilecektir.

Bu çalúma kapsamnda refah düzeyinin ölçümü için OECD tarafndan önerilen ve e÷itim, iú, güvenlik, sa÷lk, çevre, sivil katlm, hizmete ulaúlabilirlik, toplum, yaúam doyumu, gelir ve konut konu baúlklarna göre snflandrlmú 13 gösterge kullanlmútr.

Çalúma dört bölümden oluúmaktadr. Birinci bölümde refah kavramnn tanm ve teorik çerçevesi ilgili literatürden faydalanlarak açklanmaya çalúlmútr. økinci bölümde ise çalúmada kullanlan WASPAS yöntemi aúamalar ile birlikte detayl olarak verilmiútir. Türkiye’nin øBBS-2 düzeyindeki bölgeleri için refah düzeylerinin de÷erlendirilmesi ise üçüncü bölümde yaplmútr. Bu bölümde kullanlan de÷iúkenler ve karar birimleri tablolar ve haritalar yardmyla detayl olarak açklanmútr. Son bölüm olan sonuç bölümünde ça-lúmadan elde edilen sonuçlar yorumlanmú, gerekli çkarmlar yaplmú ve önerilerde bulu-nulmuútur.

2 _{Weighted Aggregated Sum Product Assessment (WASPAS)} 3 _{Weighted Sum Model (WSM)}

2. TEORøK ÇERÇEVE: REFAH

“Refah” (well-being) kelimesinin kavramsal olarak bir tanmnn yaplmas oldukça güçtür. E÷er refah düzeyi ölçülmek isteniyorsa bu kavram ile niceliksel olarak neyin ifade edilmek istendi÷inin açk bir úekilde ortaya konmas gerekmektedir. Çünkü hayat kalitesi (quality of life), insani geliúmiúlik (human development) ve sürdürülebilir kalknma (sustainable development) gibi birçok kavram refah kavramyla örtüúmekte ya da birbirlerinin yerine kullanlmaktadr.

Aristo insani geliúimin sadece ekonomik ya da psikolojik açdan de÷erlendirilmemesi ge-rekti÷ini savunmuú ve hayatn manevi ve maddi úekilde iki parçaya ayrlmasn önermiútir. Aristo’nun görüúüne göre hayatn manevi ksm mutlulu÷a ulaúmak için gerekli olan par-çay oluútururken, maddi ksm ise temel ihtiyaçlar karúlamak için gerekli olan parpar-çay oluúturmaktadr. Ayrca Aristo, baúarl toplumlarn refah için neyin önemli oldu÷u konu-sunda ortak prensipler oluúturmas gerekti÷ini de vurgulamútr (Hall ve di÷erleri, 2010). Bleys (2012)’de refah düzeyi ile ilgili birçok kavramsallaútrmann mevcut oldu÷u ve en önemlilerinin de faydaclk (açklanmú tercihler yaklaúm ve mutluluk yaklaúm), insan ihtiyaçlarnn yerine getirilmesi5 (sürdürülebilir kalknma dahil), yetenekler ve iúlevler6

oldu÷una iúaret edilmiútir.

Gasper (2002)’de refah, kiúinin durumunun de÷erlendirilmesi veya daha dar anlamda kiúi-nin “varl÷na” odaklanan bir de÷erlendirme olarak tanmlanmútr. Gilbert (2006)’da refah, filozof olmayan birçok araútrmac tarafndan “çok iyi hissetme hali” olarak açklanrken, Talbott (2010) bu araútrmaclarn hedonistik7

bir refah teorisini kabul ettikleri ve hedonistik teorinin muhtemelen yaúamlar boyunca aldklar hazz maksimize etmeye çal-úan insanlarn eylemlerini açklad÷ görüúündedir. Türk Dil Kurumu sözlü÷ünde ise refah8

, “gönenç” kavram ile tek kelimeyle ksa bir biçimde açklanmaktadr.

Son yllarda araútrmaclar ve politikaclar refah kavram ve ölçümü konusuna büyük ilgi göstermektedir. Refah düzeyi, 50 yl aúkn süredir yaygn olarak GSYøH göstergesiyle öl-çülse de (Calcagnini ve Perugini, 2018), araútrmaclar toplumlardaki ilerlemenin sadece gelir ve servetteki artúla ölçülemeyece÷inin bilincinde olmuúlardr.

5 _{Daha geniú bir çerçevede temel olmayan ihtiyaçlar da dâhil edilebilir}

6 _{Bireysel refah düzeyi bir bireyin ne oldu÷u ya da ne yapmay baúard÷ ile de÷erlendirilir (Sen, 1985)}

7 _{TDK, Hedonism: Hazclk, http://www.tdk.gov.tr/index.php?option=com_gts&kelime= HEDON%C4%}

B0ZM [30.05.2018]

Rojas (2011), Stiglitz vd. (2009), Bleys (2012), Burchi ve Gnesi (2015), Peiro-Palomino ve Picazo-Tadeo (2017), Medcalfe (2017) gibi çalúmalarda bu görüú desteklenmiú ve refah düzeyinin sadece GSYøH ile ölçülmeye çalúlmas eleútirilmiú, ayrca GSYøH’nin sadece piyasadaki ekonomik faaliyetlerin bir ölçüsü olarak kullanlabilece÷i vurgulanmútr. Ay-rca bu çalúmalar, refah düzeyinin çevre kalitesi, sa÷lk ve güvenlik gibi boyutlarnn da oldu÷unu ve bu boyutlarn yaúam memnuniyeti konusunda gelirden daha önemli oldu÷unun altn çizmektedir.

ùekil 1’de Hall ve di÷.(2010)’da toplumlardaki geliúimin ölçümü için oluúturulan çerçeve verilmiútir. Bu çalúma toplumdaki geliúmeyi insani sistem ve eko-sistem olmak üzere iki temel ayak üzerine oturtarak bu iki sistemi eko-sistem hizmetleri ve kaynak yönetimi ile iliúkilendirmiútir. Kaynak yönetimini, insani sistemin eko-sistem üzerindeki etkilerini kay-nak tüketimi ve kirlilik üzerinden açklamútr. Ayrca, eko-sistem hizmetleri iki sistemi her iki yönde de iliúkilendirmektedir. Eko-sistem insani sistemden yiyecekler ve temiz su gibi hizmetler yoluyla pozitif bir úekilde etkilenmektedir. Ancak ayn zamanda depremler ya da seller yoluyla da zarar verebilmektedir. ønsani sistem ayrca, zor zamanlar içinde, vahúi hayvanlara yiyecek ve su temin ederek, istilac türler ile mücadele ederek, ekosisteme (ya da yaúam destekleme kapasitesine) olumlu hizmetler sa÷layabilir. Ayrca insani refah kav-ramn birbirleriyle iliúki içerisinde olan bireysel refah ve sosyal refah kavramlaryla açk-lamútr (Hall ve di÷., 2010).

ùekil 1: Toplumdaki Geliúimin Ölçümü9

Kaynak: Hall ve di÷.(2010)

9 _{Hall, J., Giovanni, E., Morrone, A. ve Ranuzzi, G (2010) A Framework to Measure the Progress of Societies”,}

OECD Statistics Working Papers, 2010/05, OECD Publishing, Paris.

Eko-Sistem Durumu Eko-Sistem ønsani-Sistem ønsani-Refah Bireysel Refah Sosyal Refah Kültür Hükümet Ekonomi Eko-Sistem Hizmetleri Kaynak Yönetimi

OECD ise refah kavramn “güncel refah düzeyi” ve “gelecek refah düzeyi için kaynak” úeklinde iki temel baúlk altnda toplamútr. Daha önceki OECD çalúmalarn ve alandaki çeúitli ulusal giriúimleri de yanstan “Refah Düzeyinin Ölçümü ve Süreci için Çerçeve”,

Ekonomik Performans ve Sosyal ølerlemenin Ölçümü Komisyonu tarafndan 2009 ylnda

yaplan öneriler do÷rultusunda ortaya konmuútur. Üç farkl alana dayanan bu çerçeve, her biri ilgili boyutlar olan yaúam kalitesi, fiziki durum ve sürdürülebilirlik alanlarndan oluú-maktadr. Tablo 1’de sralanan bu boyutlara iliúkin göstergelere yer verilmiútir.

Tablo 1: Refah Düzeyinin Ölçümü ve Süreci için OECD Çerçevesi10

Refah Düzeyi Alanlar Boyutlar

Sa÷lk Durumu øú-Yaúam Dengesi E÷itim ve Beceriler Sosyal Ba÷lantlar Sivil Katlm ve Yönetim Çevresel Kalite Kiúisel Güvenlik Yaúam Kalitesi Öznel Refah Gelir ve Zenginlik øú ve Ücret Güncel Refah Düzeyi

Fiziki Durum

Konut

Do÷al Sermaye Ekonomik Sermaye Beúeri Sermaye Gelecek Refah Düzeyi øçin Kaynak Sürdürülebilirlik

Sosyal Sermaye

Refah düzeyinin araútrld÷ literatür incelendi÷inde yaplan çalúmalarn de÷iúken seçimi ve kullanlan yöntem bakmndan farkllk gösterdi÷i görülmüútür. Bu çalúmalarda sklkla

kompozit indekslerin kullanld÷ bunun yan sra baz çalúmalarda Veri Zarflama Analizi (VZA), Faktör Analizi, Temel Bileúenler Analizi ve Entropi gibi yaklaúmlarn tercih edil-di÷i görülmüútür.

Atan vd. (2004) çalúmasnda, illerin geliúmiúliklerine göre snflandrlmasnda kullanlan çok de÷iúkenli istatistiksel tekniklere alternatif olarak veri zarflama analizi önerilmiú ve Türkiye’nin 73 úehri snflandrlmútr. Özgür ve Güler (2004) çalúmasnda ise Türkiye’de 1. Düzeyde yer alan 12 istatistiki bölgede yer alan illere iliúkin geliúmiúlik sralamalar 21 sosyo-ekonomik faktör yardmyla belirlenmeye çalúlmútr.

Murias vd. (2006) çalúmasnda VZA yöntemi ile øspanya’nn 50 yerleúim bölgesi için Osberg (1985) tarafndan önerilen göstergeler kullanlarak sentetik bir ekonomik refah in-deksi oluúturulmuútur. Çalúmada bölgeler arasnda önemli farkllklar bulunmasna ra÷-men, bölgelerin kiúi baúna düúen gelir göstergesi bakmndan nispeten benzer oldu÷u or-taya konulmuútur.

Ersungur vd. (2007) çalúmasnda, Türkiye’nin bölgeleri (øBBS-1) arasndaki ekonomik ve sosyal farkllklar Temel Bileúenler analizi kullanlarak de÷erlendirilmiútir. Sonuç olarak ekonomik ve sosyal kriterler açsndan Türkiye’nin bölgeleri arasnda büyük farkllklar oldu÷u sonucuna ulaúlmútr.

Elvan (2012) çalúmasnda bölgesel geliúme alannda ortaya çkmú yeni anlayú ve politika araçlar de÷erlendirilmiútir. Bu çalúmada “AB ülkeleri ile Türkiye”, “OECD ülkeleri ve Türkiye” ve “Türkiye’nin Bölgeleri” Kiúi Baúna GSYøH göstergesi kullanlarak geliúmiú-lik düzeyleri bakmndan karúlaútrlmútr.

Ivaldi vd. (2016) çalúmasnda AB ülkelerinin refah düzeyini de÷erlendirmek için faktör analizi kullanlmú ve kültürel, ekonomik ve sosyal eúitsizliklerle karakterize edilen kompozit bir indeks oluúturulmuútur.

Kandemir ve Kürkçü (2016) çalúmasnda TR82 bölgesinde (Kastamonu, Sinop ve Çankr) yaúayan halkn durumu TÜøK tarafndan belirlenen ve 11 alt boyuttan oluúan yaúam en-deksi do÷rultusunda de÷erlendirilmiútir.

Medcalfe (2017) çalúmasnda, ekonomik refah düzeyi indeksi Amerika’nn Büyükúehir østatistik Alanlarnda11 _{(MSA) gelir, e÷itim, suç, sa÷lk ve kirlilik göstergeleri kullanlarak}

oluúturulmuútur. Oluúturulan indeks reel kiúi baúna GSYøH ile yüksek iliúki göstermemiú, bu nedenle MSA’lardaki ekonomik refah tartúmalarna de÷er katt÷ ortaya konmuútur.

Kamal vd. (2017) çalúmasnda demografik ve sa÷lk anketleri kullanlarak øran’da yaúayan kadnlarn refah düzeylerini ölçmek için çok boyutlu bir indeks oluúturulmuútur. Çalúmada refah düzeyinin geleneksel olarak kullanlan ekonomik boyutunun yan sra; sa÷lk, e÷itim, risk, teknoloji, beyan edilmiú yaúam doyumu, mutluluk (psikolojik refah) gibi maddi olma-yan boyutlar da modele dâhil edilmiútir. Yaplan de÷erlendirme sonucunda kadnlara iliú-kin refah düzeylerinin eyaletler arasnda orantl bir úekilde da÷lmad÷ gözlenmiútir. Gü-ney eyaletler en kötü performansa sahipken, merkezi eyaletler en baúarl performansa sahip bulunmuútur. Genel olarak øran kadnlarnn ekonomik de÷iúkenler (gelir ve iú piyasasna katlm), psikolojik refah (yaúam doyumu), internet kullanm, kitlesel medyaya eriúim gibi konular dikkate alnd÷nda olumsuz koúullara sahip oldu÷u sonucuna ulaúlmútr.

Bildirici ve Koç (2018) çalúmasnda, Türkiye’de bölgeler aras geliúmiúlik fark makroe-konomik de÷iúkenler (Kiúi Baúna GSYH, Kiúi Baúna øhracat ve øthalat Tutarlar, østihdam vb.) çerçevesinde incelenmiútir.

Nissi ve Sarra (2018) çalúmalarnda, øtalya’nn úehirlerindeki hayat kalitesi ve refah dü-zeyleri ölçülmeye çalúlmútr. Çalúmada yöntem olarak Shannon’un Entropi formülü ile VZA kullanlmútr. Çalúmada öncelikli olarak mevcut göstergeler kompozit endekslerin oluúturulmas yoluyla özetlenmiú daha sonra entegre edilmiú VZA-Shannon Entropi yakla-úm kullanlmútr. Kuzey ve Güney úehirleri arasnda, insan ve ekosistem refahnn birçok yönünden önemli farkllklar barndrd÷ úeklinde sonuçlar elde edilmiútir.

Benzer úekilde Calcagnini ve Perugini (2018) çalúmalarnda da, øtalyan úehirlerindeki re-fah düzeylerini araútrmúlardr. Öncelikli olarak bölgesel QUARS göstergelerini kullanarak refah düzeyi için kompozit bir gösterge oluúturmuúlar, daha sonra refahn bölgelerdeki bi-reysel ve ba÷lamsal özelliklere atfedilebilme derecesini analiz etmiúlerdir. Sonuç olarak, Kuzey ve Güney úehirleri arasndaki heterojen yapnn komúu úehirlerde de oldu÷u sonu-cuna ulaúlmútr.

Alam ve Amin (2018) çalúmasnda Pakistan’n Khyber Pakhtunkhwa eyaletindeki nüfusun büyük bir ço÷unlu÷unu temsil eden 13 bölgedeki yaúam kalitesi (Quality of Life - QoL) ve refah düzeyi araútrlmútr. A÷rlkl faktör skorlar farkl yaúam bölgelerindeki sosyal göstergeleri temel alan yaúam kalitesi ve refah düzeylerinin sralanmas için bir indeks ola-rak kullanlmútr. Sonuçlar, Khyber Pakhtunkhwa'da yer alan Peúaver, Mardan, Swat ve Charsadda gibi yüksek kentsel yerleúime sahip ilçelerin QoL sralamasnda önde oldu÷unu; Bannu, Kohat ve Aúa÷ Diren’in ise QoL bakmndan son sralarda yer ald÷n göstermek-tedir.

3. YÖNTEM

WASPAS yöntemi (1) numaral eúitlikte verilen karar matrisinin oluúturulmas ile baúla-maktadr.

(1)

Çok Kriterli Karar Verme (ÇKKV) yöntemlerinin birço÷unda oldu÷u gibi X karar matri-sinde alternatif says m (stratejik seçenekler) ile gösterilirken, de÷erlendirme kriteri says ise n (iç ve dú faktörler) ile gösterilmektedir. ise i. alternatifin j. de÷erlendirme kriterine göre ald÷ de÷eri (performans) ifade etmektedir.

WASPAS modeli WSM ve WPM gibi iki ÇKKV yönteminin birlikte kullanlmas ile uy-gulanmaktadr (Chakraborty ve Zavadskas, 2014). En yaygn kullanlan modellerden biri olan WSM modelinde, tek boyutlu problem kriterlerinin gerçek de÷erleri kullanlmaktadr. WSM ile benzerlik gösteren WPM modelinde ise WSM modelinin zayf yönleri ortadan kaldrlmútr. Boyutsuz olarak adlandrlan WPM’nin avantaj, gerçek de÷erler yerine gö-receli de÷erler kullanyor olmasdr (Vilutiene ve Zavadskas, 2003; Yoon ve Hwang, 1995). Öncelikli olarak (2) numaral eúitliklerde verilen iki ayr normalleútirme formülü kullanla-rak karar matrisinin elemanlar normalleútirilir. Bu formüllerden ilki fayda yönlü (benefical criteria) de÷erlendirme kriterlerinde kullanlrken, di÷eri maliyet yönlü kriterlerde (non-beneficial criteria) kullanlmaktadr.

(2) (2)’de verilen , ’nin normalleútirilmiú de÷erlerini ifade etmektedir. WASPAS yön-temi, iki en iyileme kriterini ortak bir en iyileme kriterine çevirmektedir. i. alternatifin top-lam göreceli önemi (3) nolu eúitlikte verildi÷i gibi hesaplanmaktadr (MacCrimon, 1968; Triantaphyllou ve Mann, 1989; Chakraborty ve Zavadskas, 2014):

burada j. kriterin göreceli önemini (a÷rl÷n) göstermektedir. i. alternatifin toplam gö-reli önemi ise

(4) ile hesaplanmaktadr (Miller ve Starr, 1969; Triantaphyllou ve Mann, 1989). Toplamsal ve çarpmsal yöntemlerin eúit a÷rlkl toplulaútrlmas Zavadskas ve di÷. (2013a ve 2013b)’de önerildi÷i gibi,

(5) úeklindedir. WASPAS yönteminde, karar verme sürecindeki sralamann do÷rulu÷unu ve etkinli÷ini arttrabilmek ve i. alternatifin toplam göreli önemini belirleyebilmek için

(6) úeklinde verilen daha genelleútirilmiú bir denklem geliútirilmiútir. Burada

olarak belirlenebilmektedir. Alternatiflerin sralanmas de÷erine göre gerçekleútirilmektedir. En yüksek de÷erine sahip alternatif en iyi (baúarl) alternatif ola-caktr. de÷eri 0 oldu÷unda WASPAS yöntemi WPM yöntemine dönüúürken, de÷eri 1 oldu÷unda WSM yöntemine dönüúmektedir (Chakraborty ve Zavadskas, 2014).

4. REFAH DÜZEYLERøNøN DEöERLENDøRøLMESø: TÜRKøYE’NøN øBBS-2 DÜZEYøNDEKø BÖLGELERø

Bu bölümde Türkiye’nin bölgelerine iliúkin refah düzeylerinin de÷erlendirilmesine yer ve-rilmiútir. De÷erlendirme kapsamnda kullanlan karar de÷iúkenleri ve göstergeler ise veri bölümünde detayl olarak verilmiútir.

4.1. Veri

Bu çalúmada OECD Ekonomik Performans ve Sosyal ølerlemenin Ölçümü Komisyonu tara-fndan yaplan öneriler do÷rultusunda ortaya konulan “Refah Düzeyinin Ölçümü ve Süreci için Çerçeve” kapsamndaki göstergeler Türkiye’nin Bölgesel Refah Düzeyi (øBBS-2.

Dü-zey) de÷erlendirmesi için kullanlmútr.

Tablo 2’de e÷itim, iú, güvenlik, sa÷lk, çevre, sivil katlm, hizmete ulaúlabilirlik, toplum, yaúam doyumu, gelir ve konut konu baúlklarna göre snflandrlmú 13 göstergeye iliúkin ölçek birimleri, kriter yönleri, veri dönemleri ve veri kaynaklar verilmiútir.

Tablo 2: Modelde Kullanlan Göstergeler12

Gösterge Ölçek Kaynak Dönem Kriter

En Az Ortaö÷retime Seviyesine

Sahip øúgücü % TÜøK, HøA

13

2006-2014 maks

øúsizlik Oran % TÜøK, HøA 2004-2014 min

østihdam Oran % TÜøK, HøA 2004-2014 maks

Cinayet Oran 100000 kiúi

baúna TÜøK 2005-2013 min

Ölüm Oran 100000 kiúi

baúna OECD 2000-2013 min

Beklenen Yaúam Süresi Yl OECD ……-2013 maks

Hava Kirlili÷i (PM2.5)14

müg/m315 OECD 2003-2013 min

Seçime Katlm Oran % TÜøK 2002-2011 maks

Geniúbant ønternet Eriúimi16 _{% hane Eurostat ……-2013}

maks

Alglanan Sosyal A÷ Deste÷i % OECD 2006-2014 maks

Yaúam Memnuniyetinin Öz

De-÷erlendirmesi indeks 0 - 10 OECD 2006-2014 maks

Kiúi Baúna Düúen Hanehalk Geliri sabit dolar SGP17

TÜøK verilerine dayanan OECD tahmini

……-2014 maks

Kiúi Baúna Düúen Oda Says kiúi baú oda OECD Bölgesel

Anketleri ……-2014 maks

Çalúmann karar birimleri ise TÜøK’in yapmú oldu÷u østatistiki Bölge Birimleri Snfla-mas (øBBS-2. Düzey) kullanlarak oluúturulmuútur. ùekil 2’de Türkiye haritas üzerinde úehirlerin snflandrld÷ øBBS-2 düzeyleri gösterilmiútir.

12 _{OECD, [20-04-2018]} 13 _{HøA, Hanehalk øúgücü Anketi} 14

Ortalama yllk maruz kalma (metreküp baúna mikrogram)

15

Hava kirlili÷ine yol açan bir maddenin (örne÷in ozon ( ), karbonmonoksit (CO), kükürtdioksit ( ) vb.) konsantrasyonu, metre küp veya baúna mikrogram (bir gramn bir milyonda biri)

16

Yüksek hzda veri aktarmnn sa÷land÷ yüksek hzl internet

ùekil 2: østatistiki Bölge Birimleri Snflamas (øBBS-2. Düzey)

Tablo 3’de øBBS-2 snflamasna göre oluúturulmuú bölgeler ve bu bölgelerin kapsad÷ úehirler verilmiútir. TÜøK’in yapmú oldu÷u snflama, 81 ilimizi 26 bölgeye ayrmaktadr. Tablo 3: østatistiki Bölge Birimleri Snflamas (øBBS-2. Düzey)

Kod Renk Bölge ùehirler

TR10 østanbul østanbul

TR21 Trakya Tekirda÷, Edirne, Krklareli

TR22 Güney Marmara–Bat Balkesir, Çanakkale

TR31 øzmir øzmir

TR32 Güney Ege Aydn, Denizli, Mu÷la

TR33 Kuzey Ege Manisa, Afyon, Kütahya, Uúak

TR41 Do÷u Marmara–Güney Bursa, Eskiúehir, Bilecik

TR42 Do÷u Marmara–Kuzey Kocaeli, Sakarya, Düzce, Bolu, Yalova

TR51 Ankara Ankara

TR52 Merkez Anadolu–Bat ve

Güney Konya, Karaman

TR61 Akdeniz Bölgesi–Bat Antalya, Isparta, Burdur

TR62 Akdeniz Bölgesi–Orta Adana, Mersin

Kod Renk Bölge ùehirler

TR71 Merkez Anadolu–Orta Krkkale, Aksaray, Ni÷de, Nevúehir,

Krúehir

TR72 Merkez Anadolu–Do÷u Kayseri, Sivas, Yozgat

TR81 Bat Karadeniz–Bat Zonguldak, Karabük, Bartn

TR82 Bat Karadeniz–Orta ve

Do÷u Kastamonu, Çankr, Sinop

TR83 Orta Karadeniz Samsun, Tokat, Çorum, Amasya

TR90 Do÷u Karadeniz Trabzon, Ordu, Giresun, Rize, Artvin,

Gümüúhane

TRA1 Kuzeydo÷u Anadolu–Bat Erzurum, Erzincan, Bayburt

TRA2 Kuzeydo÷u Anadolu–

Do÷u A÷r, Kars, I÷dr, Ardahan

TRB1 Do÷u Anadolu–Bat Malatya, Elaz÷, Bingöl, Tunceli

TRB2 Do÷u Anadolu–Do÷u Van, Muú, Bitlis, Hakkâri

TRC1 Güneydo÷u Anadolu–

Bat Gaziantep, Adyaman, Kilis

TRC2 Güneydo÷u Anadolu–

Orta ùanlurfa, Diyarbakr

TRC3 Güneydo÷u Anadolu–

Do÷u Mardin, Batman, ùrnak, Siirt

4.2. Bulgular

øBBS-2 düzeyindeki 26 bölgenin WASPAS yöntemi ile sralanmasna iliúkin sonuçlar Tablo 4’de verilmiútir. Tablo 4’de ayrca WSM ve WPM yöntemlerinin sonuçlar ve Lamda

de÷erinin 0,5 olarak alnd÷ duruma iliúkin sonuçlar ile birlikte nihai sralama sonuçlar verilmiútir.

Tablo 4: WASPAS Yöntemine øliúkin Sralama Sonuçlar

Kod Bölgeler WSM WPM Sralama

TR10 østanbul 0,8081654 0,7787817 0,7934736 8

TR21 Trakya _{0,8419052 0,8247142 0,8333097 2}

TR22 Güney Marmara – Bat _{0,8083697 0,7957361 0,8020529 7}

TR31 øzmir 0,8072058 0,7727881 0,7899970 9

TR32 Güney Ege _{0,7754310 0,7547944 0,7651127 14}

TR33 Kuzey Ege _{0,7888006 0,7685412 0,7786709 12}

TR41 Do÷u Marmara – Güney 0,8337252 0,8242964 0,8290108 3

TR42 Do÷u Marmara – Kuzey 0,8005235 0,7784660 0,7894947 10

TR51 Ankara _{0,8548493 0,8241910 0,8395202 1}

TR52 Merkez Anadolu – Bat ve Güney _{0,7747188 0,7611872 0,7679530 13}

TR61 Akdeniz Bölgesi – Bat _{0,8114444 0,7944113 0,8029279 6}

TR62 Akdeniz Bölgesi – Orta _{0,7006015 0,6719863 0,6862939 21}

TR63 Akdeniz Bölgesi – Do÷u 0,6640728 0,6262507 0,6451618 22

TR71 Merkez Anadolu – Orta _{0,7579811 0,7410956 0,7495384 17}

TR72 Merkez Anadolu – Do÷u 0,7668817 0,7438906 0,7553861 16

TR81 Bat Karadeniz – Bat _{0,8251496 0,8088906 0,8170201 5}

TR82 Bat Karadeniz – Orta ve Do÷u 0,7914224 0,7667212 0,7790718 11

TR83 Orta Karadeniz _{0,7656899 0,7454449 0,7555674 15}

TR90 Do÷u Karadeniz 0,8269287 0,8076933 0,8173110 4

TRA1 Kuzeydo÷u Anadolu – Bat 0,7440536 0,7145662 0,7293099 18

TRA2 Kuzeydo÷u Anadolu – Do÷u 0,7160872 0,6709980 0,6935426 20

TRB1 Do÷u Anadolu – Bat 0,7303644 0,7121838 0,7212741 19

TRB2 Do÷u Anadolu – Do÷u 0,6283756 0,5660427 0,5972091 24

TRC1 Güneydo÷u Anadolu – Bat 0,6496038 0,6245807 0,6370922 23

TRC2 Güneydo÷u Anadolu – Orta 0,5685569 0,5146358 0,5415963 26

TRC3 Güneydo÷u Anadolu – Do÷u 0,6179570 0,5503829 0,5841700 25

refah düzeyine göre yaplan sralama sonucunda:

x En baúarl bölge Ankara (TR51) olarak bulunmuútur. Ayrca Ankara tüm de÷erlerine göre sralamadaki yerini korumuútur.

x Sralamada en baúarl ikinci bölge Trakya (TR21) olurken, üçüncü bölge Do÷u Marmara (Güney) olmuútur.

Güneydo÷u Anadolu – Do÷u (TRC3) ve son s rada Güneydo÷u Anadolu – Orta (TRC2) yer alm út r.

S ralama sonuçlar incelendi÷inde baúkentimiz olan Ankara’n n ilk s rada yer almas ve devam nda bat gölgelerinin ön s ralarda yer almas ve s ralamada son s ralara do÷ru do÷u bölgelerinin yer almas beklenen bir sonuç olarak karú m za ç km út r. Sonuçlar n farkl de÷erlerine göre de÷iúip de÷iúmedi÷ini görmek amac yla Tablo 5’de 0,1 ile 1 aras ndaki farkl de÷erlerine iliúkin elde edilmiú s ralama sonuçlar verilmiútir. Tabloda koyu renkli sat rlar farkl de÷erine göre s ralamadaki yeri de÷iúen bölgeleri iúaret etmektedir.

Tablo 5: Farkl De÷erlerine Göre S ralama Sonuçlar

Lamda Bölgeler 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 TR10 _{8 8 8 8 8 8 8 8 8 8} TR21 _{2 2 2 2 2 2 2 2 2 2} TR22 _{6 6 6 7 7 7 7 7 7 7} TR31 _{10 10 10 10 9 9 9 9 9 9} TR32 _{14 14 14 14 14 14 14 14 13 13} TR33 _{11 11 11 11 12 12 12 12 12 12} TR41 _{3 3 3 3 3 3 3 3 3 3} TR42 _{9 9 9 9 10 10 10 10 10 10} TR51 _{1 1 1 1 1 1 1 1 1 1} TR52 _{13 13 13 13 13 13 13 13 14 14} TR61 _{7 7 7 6 6 6 6 6 6 6} TR62 _{21 21 21 21 21 21 21 21 21 21} TR63 _{22 22 22 22 22 22 22 22 22 22} TR71 _{17 17 17 17 17 17 17 17 17 17} TR72 _{16 16 16 16 16 15 15 15 15 15} TR81 _{4 4 4 4 5 5 5 5 5 5} TR82 _{12 12 12 12 11 11 11 11 11 11} TR83 _{15 15 15 15 15 16 16 16 16 16} TR90 _{5 5 5 5 4 4 4 4 4 4} TRA1 _{18 18 18 18 18 18 18 18 18 18} TRA2 _{20 20 20 20 20 20 20 20 20 20} TRB1 _{19 19 19 19 19 19 19 19 19 19} TRB2 _{24 24 24 24 24 24 24 24 24 24} TRC1 _{23 23 23 23 23 23 23 23 23 23} TRC2 _{26 26 26 26 26 26 26 26 26 26} TRC3 _{25 25 25 25 25 25 25 25 25 25}

Sralama sonuçlar içerisinde hangi bölgelerin birbirleriyle benzer özellikleri taúdklarnn belirlenebilmesi için sonuçlar yüksek düzey, orta-üst düzey, orta-alt düzey ve düúük düzey olmak üzere dört gruba ayrlmútr. Bu gruplandrma metodu WASPAS metodunun sonuç de÷erlerinin ( ) ortalama ve standart sapmasna dayanmaktadr.

Birinci Grup: yüksek düzey

økinci Grup: orta-üst düzey

Üçüncü Grup: orta-alt düzey

Son Grup: düúük düzey

burada WASPAS ( de÷erlerinin ortalamas ve ile WASPAS ( de÷erlerinin standart sapmas temsil edilmektedir (Stec ve Grzebyk, 2018; Ture vd., 2018). Tablo 6’da gruplandrmaya iliúkin sonuçlar verilmiútir.

Tablo 6: Sralama Sonuçlarnn Gruplandrlmas

Düzey WASPAS

Yüksek Ankara, Trakya, Do÷u Marmara-Güney

Orta-Üst

Do÷u Karadeniz, Bat Karadeniz-Bat, Akdeniz Bölgesi-Bat, Güney Marmara-Bat, østanbul, øzmir, Do÷u Marmara-Kuzey, Bat Karadeniz Orta ve Do÷u, Kuzey Ege, Merkez Bat ve Güney, Güney Ege, Orta Karadeniz, Merkez Anadolu-Do÷u, Merkez Anadolu-Orta

Orta-Alt Kuzeydo÷u Anadolu-Bat, Do÷u Anadolu-Bat, Kuzeydo÷u Anadolu-Do÷u, Akdeniz

Bölgesi Orta

Düúük Akdeniz Bölgesi-Do÷u, Güneydo÷u Anadolu-Bat, Do÷u Anadolu-Do÷u, Güneydo÷u

Anadolu-Do÷u, Güneydo÷u Anadolu-Orta

Gruplandrma sonuçlarnn ülke geneline yaylmnn daha rahat anlaúlabilmesi için çizil-miú olan Türkiye haritas ùekil 3’de verilçizil-miútir. Haritada koyu renkten aç÷a do÷ru bölgeler yüksek refah düzeyinden daha düúük refah düzeyine do÷ru renklendirilmiútir.

ùekil 3: Bölgelerin Gruplandrlmas

Harita incelendi÷inde ülkemizin bats ile do÷usu arasndaki refah düzeyi fark rahatlkla gözlenebilmektedir. Hatta do÷u bölgeleri içinde kuzeyden güneye do÷ru gidildikçe refah düzeyinde bir azalú meydana geldi÷i söylenebilir.

5. SONUÇ

Refah düzeyinin ölçümü, toplumlarn zaman içerisindeki geliúimini ortaya koyabilmesi ve toplumlardaki ilerlemelerin karúlaútrabilmesine olanak sa÷lamas bakmndan uzun yllar-dr araútrmaclarn ilgisini çeken bir konu olmuútur. Bölgeler aras refah düzeyi farkll÷ kronikleúen bir sorun olarak uzun yllardr ülkemizin gündeminde yer almaktadr. Bu du-rumun ekonomik ve sosyal açdan birçok olumsuzlu÷u tetiklemesi çeúitli önlemler alnma-sn zorunlu hale getirmiútir. Bu amaçla çalúmada, ülkemizdeki refah düzeyi da÷lmnn güncel bir foto÷rafnn ortaya konulmas amaçlamakta ve bu durumun meydana gelmesine sebep olan göstergelerin belirlenmesi amaçlanmaktadr.

Çalúmada, OECD’nin refah düzeyinin ölçümü için belirlemiú oldu÷u gelir, iú, konut, sa÷-lk, e÷itim, çevre, güvenlik, sivil katlm, hizmetlere eriúim, toplum ve yaúam doyumu gibi maddi yaúam koúullar ve yaúam kalitesine iliúkin 11 konu baúl÷ altnda Türkiye’nin 26 bölgesi (øBBS-2) için karúlaútrma yaplmútr. Bu konu baúlklarn temsil etmesi bak-mndan OECD’nin belirledi÷i; en az ortaö÷retime seviyesine sahip iúgücü, iúsizlik oran, istihdam oran, cinayet oran, ölüm oran, beklenen yaúam süresi, hava kirlili÷i, seçime ka-tlm oran, geniúbant internet eriúimi, alglanan sosyal a÷ deste÷i, yaúam memnuniyetinin

öz de÷erlendirmesi, kiúi baúna düúen hanehalk geliri, kiúi baúna düúen oda says úeklin-deki 13 gösterge kullanlmútr.

Çalúmada WSM ve WPM gibi iki ÇKKV tekni÷inin birlikte kullanlmas esasna dayanan WASPAS kullanlmútr. Bu yöntem basit bir matematiksel forma sahip olmas, anlaúlabi-lirlik, do÷ruluk ve rasyonellik gibi özelliklerinden dolay bir karar verme arac olarak sk-lkla tercih edilmektedir.

Sonuçlar Do÷u ve Bat bölgeleri arasnda belirgin bir ikilik oldu÷unu göstermekte ve önemli farkllklarn e÷itim, iú ve sosyal konulardan kaynakland÷n ortaya koymaktadr. Sonuçlar incelendi÷inde ülkemizin merkezinde yer alan Ankara’nn ve bat bölümünde yer alan Trakya ve Do÷u Marmara-Güney bölgelerinin yüksek refah düzeyi snfnda yer al-dklar görülmektedir. Bu bölgelere iliúkin üretim faktörlerinin yüksek seviyelerde olmas, alt yap hizmetlerinin modern durumda olmas olumlu geliúmeler arasndadr. Ayrca bu bölgelere yaplan yatrm miktarlarnn büyüklü÷ü ve do÷al çevrenin de buna olan uyumu bölgeyi ön plana çkarmaktadr. Orta-üst ve orta-alt refah düzeyi snflarnda da yüksek refah düzeyi snflarnn sahip oldu÷u özelliklere yakn özellikler görülmektedir. Orta snf ile yüksek snf arasnda farkllaúmann en çok gözlendi÷i göstergelerin kiúi baúna düúen hane halk geliri ve geniúbant internet eriúimi oldu÷u söylenebilir.

Bölgeler aras belirgin farkllaúma daha do÷uda yer alan düúük-düzey snfta görülmektedir. Akdeniz Bölgesi-Do÷u, Güneydo÷u Anadolu-Bat, Do÷u Anadolu-Do÷u, Güneydo÷u Ana-dolu-Do÷u, Güneydo÷u Anadolu-Orta bölgelerini kapsayan bu snfn en büyük sorunu te-rördür. Bu bölgede bulunan úehirlerin cazibe merkezi haline getirilebilmesi için bölgenin ve dolaysyla ülkemizin baúlca sorunu olan terörden tamamyla temizlenmesi gerekmektedir. Terörden temizlenmiú bölgeye geniú çapl teúvik ve destek kaynaklarn sunulmas gerek-mektedir. Bu bölgeye iliúkin bir di÷er dikkat çeken nokta iúgücünün yetersiz e÷itim seviye-sine sahip olmasdr. Yüksek-Düzey snfnda ortalama olarak yaklaúk %50 seviyelerinde olan minimum ortaokul düzeyinde olan iúgücü oran bu bölgede %27 seviyelerindedir. Dikkat çeken bir di÷er gösterge ise iúsizlik orandr. Bölgede bat bölgelerden yaklaúk ola-rak 2 kat daha fazla düzeyde iúsizlik sorunu yaúand÷ görülmektedir. Bat bölgelerine göre belirgin olarak geri kalnan di÷er göstergeler ise kiúi baúna düúen hanehalk gelirleri, hava kirlili÷i, geniúbant internet eriúimi ve alglanan sosyal a÷ deste÷i olarak sralanabilir. Bu bölgede alt yap ve üst yaplarn modernleútirilmesi gerekmektedir. Hazrlanan projelerle bölgeyi cazibe merkezi haline getirecek de÷erlerin belirlenmesi ve ortaya çkarlmas ge-rekmektedir. Böylece bölgenin gelir kaynaklar artrlmú ve iúsizli÷in önüne geçilebilmiú olacaktr. Ayrca bölge için tarm ve hayvancl÷n teúvik edilmesi hem bölge hem de ülke ekonomisi açsndan oldukça yararl olacaktr. Böylece do÷udan batya do÷ru olan göç

ter-sine çevrilip bat bölgelerdeki yo÷unluk azaltlp bu bölgelerin üzerindeki yük hafifletilmiú olacaktr.

Sonuç olarak ülkemizin sahip oldu÷u refah düzeyinin ülke geneline adil bir úekilde yayl-mas, ülkenin genelinde bir refah artúna sebep olacaktr. Do÷u bölgelerine yaplacak olan pozitif ayrmcl÷n bat bölgelerinin de yararna olaca÷ rahatlkla söylenebilir.

Kaynaklar

ALAM, D. Wadud and Amjad AMIN; (2018), “Quality of Life and Well-Being Ranking of Selected Districts of Khyber Pakhtunkhwa, Pakistan”, Social Indicators Research, 137:527–537.

ATAN, Murat, Ebru ÖZGÜR GÜLER, ve Hüseyin GÜLER; (2004), "Çok De÷iúkenli østatistiksel Analizler ve VZA ile øllerin Geliúmiúlik Düzeylerinin Karúlaútrmas", Gazi Üniversitesi øktisadi ve ødari Bilimler Fakültesi Dergisi, 6(2), ss.25-42.

BøLDøRøCø, Melike, E. ve ølknur KOÇ; (2018), Türkiye’de Bölgeler Aras Geliúmiúlik Farklarnn øncelenmesi, Dünden Bugüne Ekonomi Yazlar, (Ed). Selçuk Koç, Sema Ylmaz Genç, Kerem Çolak, Umuttepe Yaynlar.

BLEYS, Brent; (2012), “Beyond GDP: Classifying alternative measures for progress”. Social Indicators Research, 109(3), 355.

BURCHI, Francesco and Chiara GNESI; (2015), “A review of the literature on well-being in Italy: a human development perspective”. Forum for Social Economics, 45, 170.

CALCAGNINI, Giorgio and Francesco PERUGINI; (2018), “A Well-Being Indicator for the Italian Provinces”, Social Indicators Research, https://doi.org/10.1007/s11205-018-1888-1.

CHAKRABORTY, Shankar and E. Kazimieras ZAVADSKAS; (2014), “Applications of WASPAS Method in Manufacturing Decision Making”, Informatica, 2014, Vol. 25, No. 1, 1–20.

ELVAN, Lütfi; (2012), “Bölgesel geliúme ve bölgeler aras geliúmiúlik farklar”, Discussion Paper, Turkish Economic Association, No. 2012/6, Turkish Economic Association, Ankara.

ERSUNGUR, ù. Mustafa, Alaattin KIZILTAN ve Özgür POLAT; (2007), “Türkiye’de Bölgelerin Sosyo-Ekonomik Geliúmiúlik Sralamas: Temel Bileúenler Analizi”, Atatürk Üniversitesi øktisadi ve ødari Bilimler Dergisi, Cilt:21, Say: 2, 55-66.

GASPER, Des; (2002), “Is Sen’s Capability Approach an Adequate Basis for Considering Human Development?” Review of Political Economy, 14(4): 435-61.

GILBERT, Daniel. (2006), Stumbling on happiness (New York: Alfred A. Knopf).

HALL, Jon, Enrico GIOVANNI, Adolfo MORRONE, and Giulia RANUZZI; (2010), “A Framework to Measure the Progress of Societies”, OECD Statistics Working Papers, 2010/05, OECD Publishing, Paris.

IVALDI, Enrico, Guido BONATTI and Riccardo SOLIANI; (2016), “The Construction of a Synthetic Index Comparing Multidimensional Well-Being in the European Union”, Social Indicators Research, 125:397–430.

KAMAL, S., Hossein, Mohaqeqi and Mehdi BASAKHA; (2017), “Women’s Well-Being in Iran: Territorial Analysis Using a Multidimensional Approach”. Social Indicators Research, DOI

10.1007/s11205-017-1656-7.

KANDEMøR, Orhan ve Murat KÜRKÇÜ; (2016), “Bir Refah Göstergesi Olan “Yaúam Endeksi” Ba÷lamnda TR82 (Kastamonu, Çankr, Sinop) Bölgesinin Analizi”, Kastamonu Üniversitesi ø.ø.B.F. Dergisi, Say:14.

MACCRIMON, Kenneth, R.; (1968), “Decision Making among Multiple Attribute Alternatives: A Survey and Consolidated Approach”. Rand memorandum, RM-4823-ARPA.

MEDCALFE, Simon; (2017), “Economic Well-Being in U.S. Metropolitan Statistical Areas”, Social Indicators Research, DOI 10.1007/s11205-017-1755-5.

MILLER, David, W. and Martin K. STARR; (1969), Executive decisions and operations research. Prentice-Hall, Englewood Cliffs.

MURIAS Pilar, Fidel MARTINEZ and Carlos De MIGUEL; (2006), “An Economic Wellbeing Index for the Spanish Provinces: A Data Envelopment Analysis Approach”. Social Indicators Research. 77: 395–417.

NISSI, Eugenia and Annalina SARRA; (2018), “A Measure of Well-Being across the Italian Urban Areas: An Integrated DEA-Entropy Approach”. Social Indicators Research, 136: 1183-1209. OECD, (2018). http://www.oecd.org/statistics/measuring-well-being-and-progress.htm e.t.

[30.05.2018].

OSBERG, L. (1985), ‘The measurement of economic wellbeing,’ in approaches to economic well-being, 26 (Coord.) D. Laidler, Royal Commission on the Economic Union and Development Prospects for Canada (University of Toronto Press, Toronto).

ÖZGÜR GÜLER Ebru, Hüseyin GÜLER; (2004), "1. Düzeydeki 12 østatistiki Bölgenin Geliúmiúlik Durumlarnn Faktör Analizi ile øncelenmesi", Çukurova Üniversitesi Sosyal Bilimler Dergisi, cilt.13, ss.75-88.

PEIRO´-PALOMINO, Jesus and Andres J. PICAZO-TADEO; (2017), “OECD: One or Many? Ranking Countries with a Composite Well-Being Indicator”, Social Indicators Research, DOI: 10.1007/s11205-017-1747-5.

ROJAS, Mariano; (2011), “The measurement of economic performance and social progress’ report and quality of life: Moving forward”. Social Indicators Research, 102, 169–180.

SEN, Amartya; (1985), Commodities and capabilities. Cambridge: Cambridge University Press. STEC, Malgorzata and Mariola GRZEBYK; (2018), “The implementation of the strategy Europe

2020 objectives in European Union countries: The concept analysis and statistical evaluation”. Quality & Quantity, 52, 119–133.

STIGLITZ, Joseph, E., Amaryta SEN and Jean-Paul FITOUSSI; (2009), Technical report. Report by the Commission on the Measurement of Economic Performance and Social Progress.

TALBOTT, William, J.; (2010). Human rights and human well-being, Oxford University Press, New York.

TRIANTAPHYLLOU, Evangelos and Stuart H. MANN; (1989), “An examination of the effectiveness of multi-dimensional decision making methods: a decision-making paradox”. Decision Support Systems, 5(3), 303–312.

TURE, Hasan, Seyyide DOGAN and Deniz KOCAK; (2018), “Assessing Euro 2020 Strategy Using Multi-criteria Decision Making Methods: VIKOR and TOPSIS”, Social Indicators Research, https://doi.org/10.1007/s11205-018-1938-8.

VILUTIENE, Tatjana and Edmundas, Kazimieras ZAVADSKAS; (2003), “The Application of Multi-Criteria Analysis to Decision Support For The Facility Management Of A Residential District”, Journal Of Civil Engineering and Management, Vol IX, No 4, 241-252.

YOON K. Paul and Ching-Lai HWANG; (1995), Multiple Attribute Decision Making: An Introduction. Sage University Papers on Quantitative Applications in the Social Sciences.

ZAVADSKAS, Edmundas .Kazimieras, Jurgita ANTUCHEVICIENE, Jonas ŠAPARAUSKAS and Zenonas TURSKIS; (2013a), “Multi-criteria assessment of facades’ alternatives: peculiarities of ranking methodology”. Procedia Engineering, 57, 107–112.

ZAVADSKAS, Edmundas .Kazimieras, Jurgita ANTUCHEVICIENE, Jonas ŠAPARAUSKAS and Zenonas TURSKIS; (2013b). “MCDM methods WASPAS and MULTIMOORA: verification of robustness of methods when assessing alternative solutions”. Economic Computation and Economic Cybernetics Studies and Research, 47(2), 5–20.