İnovasyon, günümüzün en önemli politika araçlarından biridir. Bu bakımdan inovasyonu etkileyen faktörler günümüzde ön plana çıkmaktadır. Özellikle gelişmiş ve gelişmekte olan ülkeler için inovasyon teorik olarak aynı anlamı ifade etmesine rağmen onu etkileyen etmenler farklılık göstermektedir. Aynı zamanda dinamik bir sürece de sahip olan inovasyonu etkileyen etmenler ve çıktıları, büyük bir hızla değişmektedir. Bu bakımdan bu değişiklikler ve farklılıklar iyi gözlenmeli ve incelenmelidir. Bu çalışmada, benzer pazar büyüklüğüne sahip G20 ülkeleri ile yine G20 içinde; gelişmiş ve gelişmekte olarak sınıflandırılan ülkeler karşılaştırarak bilgi üretim fonksiyonunun farklı ülke grupları üzerinde nasıl çalıştığını araştırılmaktadır. Bu bakımdan, gerek G20 gerekse de gelişmiş ve gelişmekte olan ülkeler üzerinde inovasyon çıktısını etkileyen etmenler tartışılmıştır. Ele alınan ülkeler için 1995-2018 dönemini kapsayan panel veri analizi yöntemiyle çalışma yürütülmüştür. Panel analizi için Driscoll-Kraay ile Arellano Bond GMM yöntemi kullanılmıştır. Çalışmanın ampirik bulgularına göre, benzer pazar büyüklüğüne sahip tüm örneklem ile benzer pazar büyüklüğüne sahip fakat gelişmiş ve gelişmekte olarak sınıflandırılan ülkelerde Ar-Ge’nin patent çıktısı üzerinde pozitif bir etkiye sahip olduğu gözlenmiş ayrıca bu etkilerin ülke grubuna göre de değiştiği anlaşılmıştır. Diğer önemli bir sonuç Ar-Ge’nin yanında diğer inovasyon girdilerinin, ülkelerin gelişmişlik sınıflandırmasına göre farklı etkilere sahip olduğu da ortaya çıkmıştır. Tüm ülke grupları için farklı istihdam alanlarının inovatif çıktı üzerinde önemli bir etkiye sahip olduğu görülürken; bu etkinin, ülke gruplarına göre farklılaştığı anlaşılmıştır.

The youth age period (0-14 age), which is one of the most important periods of human life, is also an important demographic indicator for countries. In this study, youth population, twenty five percent of the total population in Turkey, is examined from the perspective of time and space on provincial level. The coefficient of variation (CV) and Moran I index value was used to analyze the development of the young population parameter respectively over time and space. According to the CV results, the youth age population diversity increasess lightly between the provinces from 2007 to 2018. In the 0-4 age group shows high spatial pattern along the southeastern and eastern provinces. High spatial pattern is observed in 5-9 groups of central and northeast provinces. 0-4 and 5-9 age groups of these two regions are almost displaced by spatial pattern. All the findings shows that the young population in Turkey reveals a rapid change especially to 0-4 and 5-9 age groups. Population changes are often the subject of long-term analysis. This study emphasize that the population structure of a country can transform radically in the short term. This finding could lead policy makers on shorter term demographic solutions.

By taking the projects which are carried out in the universities in Turkey and are funded by the Scientific and Technological Research Council (TÜBİTAK) as an output, the paper tries to estimate the knowledge production function of Turkey. In the study, an OLS analysis is made with cross-section data by utilizing the datum of state universities operating in Turkey at the NUTS III level. The dependent variable of the knowledge production function that is developed by using Cobb-Douglas production function is the annual R&D fund transferred to universities by TÜBİTAK for the projects. Other variables in the analysis are the annual R&D expenditures of universities, the number of academic staff, number of postgraduate students and the existence of Technology Transfer Office and/or Technopolis. According to the analysis results there is a positive and significant relationship between R&D fund, and postgraduate students and technology transfer offices/technopolis. However, the relationship between R&D expenditures and the R&D funds transferred to the universities is found to be statistically insignificant. A negative and insignificant relationship is found when R&D funds and academic staff are estimated together, but in the models in which academic staff is decoupled, the results differ.