Abstract

Covid-19 pandemisinin ülkelerin sağlık sistemleri ve sağlık altyapıları üzerinde önemli etkileriolmaktadır. Salgını kontrol altına almak için ülkeler, vakaların tespiti ve tedavisi gibi süreçlere eşzamanlı olarak hastalığın daha fazla yayılmasını önlemek için bazı kamusal önlemleri de hayatageçirmektedir. Alınan tedbirler ve kısıtlamalar birçok ülkede ekonomik ve sosyal hayatı durmanoktasına getirmiştir. Tedarik zincirindeki aksaklıklar, ekonomik ve sosyal etkileşimleri sınırlayankısıtlamalar ve azalan talep koşulları ekonomik ve sosyal hayatı olumsuz etkilemiştir. Salgınınyayılmasını önlemek için hükümetler tarafından alınan tedbirlerin etkin ve kararlı bir şekilde devametmesi, kamuoyunun ve işletmelerin tedbirlere tepkisi, ülkelerin salgınla mücadeledeki başarıperformansını etkiemektedir. Bu çalışmada salgın sırasında uygulanan kamusal önlem ve kısıtlamalarınCovid-19 ile mücadeledeki etkisi incelenmiştir. Çalışmada Panel ARDL yöntemi kullanılmıştır.Hükümetlerin kamu önlemleri konusunda giderek artan katılığının ülkelerin salgınla mücadeledekibaşarısına olumlu katkı sağladığı belirlendi

References

Arsu, T. (2021). Ülkelerin Covid-19 Pandemisine Karşı Mücadelesinin Çok Kriterli Karar VermeYöntemleri ile Değerlendirilmesi. Bitlis Eren Üniversitesi İktisadi ve İdari Bilimler FakültesiAkademik İzdüşüm Dergisi, 6 (1), 128-140.

Breitenbach, M. C., Ngobeni, V., & Ayte, G. (2020). The first 100 days of COVID-19 coronavirus–How efficient did country health systems perform to flatten the curve in the first wave?, MPRAPaper No. 8872, https://mpra.ub.uni-muenchen.de/8872/

Breusch, T. S. ve Pagan, A. R. (1980). The Lagrange Multiplier Test and İts Applications to ModelSpecification in Econometrics. The Review of Economic Studies, 47 (1), 239- 253.

Dumıtrescu, E. I. ve Hurlın, C. (2012). Testing for Granger noncausality in heterogeneous panels.Economic Modelling, 29 (4), 1450-1460.

Eberhardt, M. ve Bond, S.R. (2009). Cross-sectional dependence in non-stationary panel models:A novel estimator. Nordic Econometric Meetings, Sweeden. MPRA Paper No. 17692,https://mpra.ub.uni-muenchen.de/17692/

Eltoukhy, A. E., Shaban, I. A., Chan, F. T., & Abdel-Aal, M. A. (2020). Data analytics forpredicting covid-19 cases in top affected countries: Observations and recommendations. International Journal of Environmental Research and Public Health, 17(19),7080.

Ergülen, A., Bolayır, B., Ünal, Z., & Harmankaya, İ. (2021, October). VZA yöntemi İle Covid-19pandemi döneminde bir değerlendirme: G7 ülkeleri etkinlik analizi. V. International ConferenceOn Covid-19 Studies-Assoc. Prof. Dr. Nilgun Ulutasdemır. ISBN: 978-625-7464-26-0, s.255-261

Ghasemi, A., Boroumand, Y., & Shirazi, M. (2020). How do governments perform in facingCOVID-19?. MPRA Paper No. 99844, https://mpra.ub.uni-muenchen.de/99844/

Huremović D. (2019) Brief History of Pandemics (Pandemics Throughout History). In: HuremovićD. (eds) Psychiatry of Pandemics. Springer, Cham. https://doi.org/10.1007/978-3-030-15346-5_2

Jee Y. (2020). WHO International Health Regulations Emergency Committee for the COVID-19outbreak. Epidemiology and health, 42, e2020013. https://doi.org/10.4178/epih.e2020013

Kaman, Ferhan, & Yücel, Ahmet (2021). Covid-19’dan En Çok Etkilenen 9 OECD ÜlkesininSağlık Çalışanlarının Etkinliğinin İncelenmesi Üzerine Bir Çalışma. Uygulamalı Sosyal Bilimlerve Güzel Sanatlar Dergisi, 3(5).

Keskin, H. İ., ve Aksoy, E. (2019). OECD ve Gelişmekte Olan Ülkelerde Gelir Artışı ve İşgücüneKatılım Arasındaki İlişki: Panel Eşbütünleşme Analizi. Third Sector Social Economic Review, 54(1), 1-20

Mariano, E., Torres, B., Almeida, M., Ferraz, D., Rebelatto, D., & de Mello, J. C. S. (2021).Brazilian States in the Context of Covid-19 Pandemic: An İndex Proposition Using Network DataEnvelopment Analysis. IEEE Latin America Transactions, 19(6), 917-924.

Morens, D. M., Folkers, G. K., & Fauci, A. S. (2009). What is a Pandemic?. The Journal ofİnfectious Diseases, 200(7), 1018-1021.

Pesaran, M. H. (2004). General Diagnostic Tests for Cross Section Dependence in Panels. IZADiscussion Paper, 1240. http://ftp.iza.org/dp1240.pdf

Pesaran, M. H. (2007). A Simple Panel Unit Root Test in The Presence of Cross‐ SectionDependence. Journal of Applied Econometrics, 22 (2), 265-312.

Pesaran, M. H., Ullah, A. ve Yamagata, T. (2008). A Bias‐ Adjusted LM Test of Error Cross‐Section Independence. The Econometrics Journal, 11 (1), 105-127.

Seddighi, H., Nejad, F. N., & Basakha, M. (2020). Comparing Iran's healthcare system efficiencywith OECD countries using Data Envelopment Analysis. Quarterly Journal of ManagementStrategies in Health System. http://dx.doi.org/10.18502/mshsj.v5i2.4252

Selamzade, F., & Özdemir, Y. (2020). COVID-19a Karşı OECD Ülkelerinin Etkinliğinin VZA ileDeğerlendirilmesi. Electronic Turkish Studies, 15(4).

Swamy, P. A. (1970). Efficient inference in a random coefficient regression model. Econometrica:Journal of the Econometric Society, 311-323.

Yiğit, A. (2020). The Performance of OECD Countries in Combating with Covid 19 Pandemics:A CrossSectional Study. Journal of Current Researches on Social Sciences, 10 (2), 399-416