Clustering of European Countries in terms of Healthcare Indicators

Abstract

Health is always considered as one of the most important issues related to human being. Due to this importance, governments should primarily provide the best healthcare services to their citizens. Some indicators can show the quality of healthcare services in the country. However, one country can have a higher value of one indicator and can have a lower value of another. Thus, countries can be categorized in terms of quality of healthcare services. Clustering is a useful tool for comparing countries and defining the similar countries in terms of healthcare services. In this study, 28 European Union (EU) countries were evaluated on 14 health factors and the number of clusters was determined by the generally accepted rule of thumb. To cluster countries, k-means clustering method is run in WEKA software for two cluster numbers and four different initial solution approaches. The resulting clusters were evaluated according to the Spearman rank correlation coefficient using the order of the GDP per capita values of the countries in each cluster. It seems using four clusters with Canopy initial solution approach is the most appropriate way of clustering.

A banki szolgáltatások digitalizációs-modernizációs hatásainak térbeli vizsgálata az Európai Unióban

“…A csoportosítási módszertant többek között a természettudományok, az orvostudomány és a közgazdaság-tudomány területén használják (Hadle & Simar, 2011). A K-közép klaszterezést európai országok csoportosítására több kutatás is alkalmazta már többek között a következő területeken: geopolitika (Savvas et al 2016), transzfer-támogatások (Pezer, 2018), gazdasági elemzés (Rezanková 2014), egészségügyi mutatók (Ecer & Aktas, 2019), gravitációsmodell-jellemzők (Bobková, 2014). Az elemzés előnyei közé tartozik, hogy a választott szempontok alapján figyelembe veszi a vizsgálati elemek (jelen kutatás esetében az országok) közötti azonosságokat, valamint különbözőségeket.…”