Panel Data Analysis of European Innovation Scoreboard Components and Global Innovation Index

Creative Commons License

Acar E.

3. Uluslararası Sosyal Bilimler ve Eğitim Bilimleri Sempozyumu (USVES), Skopje, Macedonia, 10 - 11 April 2021, pp.366-367, (Summary Text)

  • Publication Type: Conference Paper / Summary Text
  • City: Skopje
  • Country: Macedonia
  • Page Numbers: pp.366-367
  • Yozgat Bozok University Affiliated: Yes

Abstract

The aim of this study is to measure the factors affecting the innovation performance of countries

with panel data analysis. In order to determine the relationship between EIS components and

GII and important factors. 5-year EIS component indicators and GII indicator data for 36

countries in 2015-2019 are obtained. Pooled Least Squares, Fixed effects and Random effects

models are compared and it is determined that the most suitable model is the Fixed effects

model. Since the analysis is made with 5-year cross section data, time series effects are not

evaluated. The cross sections are independent, but the heteroskedasticity problem has been

observed. For cross-section homogeneity, cross-section SUR (PCSE) is used as the most

suitable model with the cross-section weighted Panel EGLS. According to the model solution

after checking all assumptions, the highest impact is the Intellectual assets indicator, followed

by the Employment impacts indicators, then the Sales impacts and Linkages indicators.

Countries that want to rank above the innovation rankings need to implement patent

applications, trademark and design applications for new products more, sectors with high

potential should increase their technology investments, and consequently, employment rates in

the field of knowledge-intensive activities should be increased.

Artan rekabet ve küreselleşme, şirketleri verimlilik ve kar artışı amacıyla teknolojiye ve

yeniliklere yönlendirmektedir. Teknolojiye yatırım ve buluşçuluk, şirketler için vazgeçilmez

faktör olarak öne çıkmaktadır. Bu çalışmada, Türkiye’nin Avrupa İnovasyon Karnesi (EIS) ve

Küresel İnovasyon Endeksi (GII) gibi önde gelen yenilik endeksleri sıralamalarında daha

yukarılara taşınması için, ülkelerin yenilik performansına etki eden faktörlerin panel veri analizi

ile ölçülmesi amaçlanmıştır. 37 Avrupa ülkesi için hesaplanan EIS endeksi 10 adet yenilik

göstergesi bileşenine sahiptir. EIS bileşenleri ile GII arasındaki son yıllardaki ilişkiyi ve önemli

faktörleri belirleyebilmek için, 36 ülkenin 2015-2019 yıllarındaki 5 yıllık EIS bileşen

göstergeleri ile GII göstergesi verileri kullanılmıştır. Bir adet EIS bileşeni çoklu doğrusallık

sorunu sebebiyle modelden çıkarılmıştır. Havuzlanmış En Küçük Kareler, Sabit etkiler ve

Rassal etkiler modelleri Likelihood, Hausman testleri ve regresyon varsayımları kapsamında

karşılaştırılarak en uygun modelin Sabit etkiler modeli olduğu belirlenmiştir. 5 yıllık bir veri

olduğu için durağanlık vb. gibi zaman serisi etkileri değerlendirilmemiştir. Yatay kesitlerin

bağımsızlığı sağlanmıştır fakat değişen varyans sorunu gözlenmiştir. Yatay kesit homojenliği

için yatay kesit ağırlıklandırılmış Panel EGLS ile en uygun model olarak Yatay kesit SUR

(PCSE) kullanılmıştır. Tüm varsayımların kontrolü sonrası Model çözümüne göre En yüksek

etki Fikri mülkiyet göstergesi ve ardından İstihdam etkileri göstergeleridir. Daha sonra Satış

etkileri ve bağlantılar göstergeleridir. Bu sonuçlara göre Özellikle Kobilerin, yeni ürünler için

patent başvuruları, ticari marka ve tasarım uygulamalarını daha fazla hayata geçirmeleri,

potansiyeli yüksek sektörlerin teknoloji yatırımlarını artırmaları ve dolayısıyla bilgi yoğun

faaliyetler alanındaki istihdam oranlarının artırılması gerekmektedir.