რეფერატი

თბილისის სახელმწიფო უნივერსიტეტი

ეკონომიკისა და ბიზნესის ფაკულტეტი
ლექტორი: ლია თოთლაძე
სტუდენტი: ზაზა მიროტაძე

ინფლაციისა და რეალური მშპ-ს გავლენა

საარსებო მინიმუმზე
X1- სფი 2010 წლის საშუალოსთან შედარებით პირველი კვარტლის მიხედვით

X2 - მშპს რეალური ზრდა 2010 წლის ფასების მიხედვით

Y - შრომისუნარიანი ასაკის მამაკაცის საარსებო მინიმუმი იანვარში

ზოგადად, მრავლობითი რეგრესიის მოდელი საშუალებას გვაძლევს განვიხილოთ

შედეგობრივ ცვლადზე ორი ან მეტი ფაქტორის გავლენა.

მოდელს გააჩნია შემდეგი ზოგადი წრფივი სახე:

Y=β0 +𝛽1 𝑥1+𝛽2 𝑥2 +U, რომელიც შედგება არაშემთხვევითი ( β0 +𝛽1 𝑥1+𝛽2 𝑥2 ) და

შემთხვევითი (U) წევრებისაგან. შემდეგი განტოლება: 𝑦=𝑏0 +𝑏1 𝑥1 +𝑏2 𝑥2 +℮
წარმოადგენს თავდაპირველის შეფასებას, კერძოდ: 𝑦̂ არის Y_ის შეფასება,
𝑏0 , 𝑏1 და 𝑏2 კოეფიციენტები წარმოადგენენ შესაბამისად β0 , 𝛽1 და 𝛽2
კოეფიციენტების შეფასებებს. ℮-ს ეწოდება ნარჩენობითი წევრი და ის არის
U შემთხვევითი წევრის შეფასება. სხვანაირად, შეფასებულ განტოლებას
შეიძლება გააჩნდეს შემდეგი სახე: 𝑦̂=𝑏0 +𝑏1 𝑥1 +𝑏2 𝑥2

გამოვთვალოთ კოეფიციენტები:

 ჩვეულებრივი ხერხი:
 იმისათვის, რომ კოეფიციენტები გამოვთვალოთ ჩვეულებრივი ხერხით,
საჭიროა მანამდე გამოთვლილი გვქონდეს შემდეგი მონაცემები: Var(x1),
Var(x2), Cov(x1,x2), Cov(x1,y), Cov(x2,y). გამოვთვალოთ: 1
1 𝑛
 Var(x1)= ∑ 𝑥 2 i1–( 𝑋̅1)2=166.95
𝑖=1
𝑛
1 𝑛
 Var(x2)= 𝑛 ∑𝑖=1 𝑥 2 i2 –( 𝑋̅2)2=85.13
1 𝑛
 Cov(x1,x2)= ∑ 𝑥i1 𝑥 i2– 𝑋̅1* 𝑋̅2 =116.41
𝑛 𝑖=1
1
 Cov(x1,y)= 𝑛 ∑𝑛𝑖=1 𝑥i1 𝑦𝐢 – 𝑋̅1*𝑌̅=148.68
1
 Cov(x2,y)= 𝑛 ∑𝑛𝑖=1 𝑥i2 𝑦𝐢 - 𝑋̅2*𝑌̅ =107.01

შემდეგ ვითვლით კოეფიციენტებს:

𝐶𝑜𝑣(𝑋1,𝑌)𝑉𝑎𝑟(𝑋2)−𝐶𝑜𝑣(𝑋2,𝑌)𝐶𝑜𝑣(𝑋1,𝑋2)
 b1= =0.26
𝑉𝑎𝑟(𝑥1)𝑉𝑎𝑟(𝑋2)−[𝐶0𝑣(𝑋1,𝑋2)]2
𝐶𝑜𝑣(𝑋2,𝑌)𝑉𝑎𝑟(𝑋1)−𝐶𝑜𝑣(𝑋1,𝑌)𝐶𝑜𝑣(𝑋1,𝑋2)
 b2= =0.9
𝑉𝑎𝑟(𝑥1)𝑉𝑎𝑟(𝑋2)−[𝐶0𝑣(𝑋1,𝑋2)]2

b0=𝑌̅-b1𝑋̅i1-b2𝑋̅i2= 23.26
მიღებული კოეფიციენტების გათვალისწინებით, შეგვიძლია დავწეროთ, რომ:

𝑦̂ =23.26 +0.26𝑥1 +0.9𝑥2

ეკონომიკური ინტერპრეტაცია (მონაცემები ეკონომიკური ინტერპრეტაციისათვის

აღებულია კოეფიციენტების ჩვეულებრივი ხერხით გამოთვლის შედეგად
მიღებული მონაცემებიდან):

მოდელი გვიჩვენებს (Y) (X1) და (X2) დამოკიდებულებას . მოდელიდან ჩანს, რომ

რაოდენიბის(X1) 1 ერთეულით ზრდა როცა (X2) ფიქსირებული იქნება, მაშინ (Y)
0.26 -ით გაიზრდება (b1_ით). ხოლო თუ (X1) რაოდენობა იქნება ფიქსირებული და
(X2) 1 ერთეულით გაიზრდება მაშინ (Y) 0.9-ით გაიზრდება . 𝑏0 ავტონომიური
ცვლადია, ჩვენ შემთხვევაში მას ეკონომიკური შინაარსი არ გააჩნია.

ამისათვის განვიხილოთ კეფიციენტებისა და მათი სტანდარტული შეცდომების

ჩვეულებრივი ხერხით გამოთვლილი მნიშვნელობები:

𝑦̂ =23.26 +0.26𝑥1 +0.9𝑥2

(s.e)(29.19)(0.63) (0.89)

b0, b1 და b2 კოეფიციენტების მნიშვნელოვნებას ვამოწმებთ t ტესტით. საჭიროა

მისი პოვნა სტიუდენტის განაწილების ცხრილში n-m-1 თავისუფლების ხარისხით
და б/2 მნიშვნელოვნების დონით. ჩვენი შემთხვევისათვის n-m-1=9-2-1=6. б/2=5%.
აღნიშნული ცხრილიდან გამომდინარეობს, რომ 𝑡კრ(6, 5%) = 2.447
განვიხილოთ თითოეული კოეფიციენტის მნიშვნელოვნება:

 b0 _სთვის;
H0: 𝛽0= 0
H0: 𝛽0 ≠ 0

𝑡𝑏0 < 2.447 , შეგვიძლია ვთქვათ, რომ H0 გამართლდა, 𝑏0 კოეფიციენტი არ

არის მნიშვნელოვანია.

 b1 _სთვის;
H0: 𝛽1= 0
H0: 𝛽1 ≠ 0

𝑡𝑏1 =0.41< 2.447 , შეგვიძლია ვთქვათ, რომ H0 გამართლდა, 𝑏1 კოეფიციენტი

არამნიშვნელოვანია.

 b2 _სთვის;
H0: 𝛽2= 0
H0: 𝛽2 ≠ 0

𝑡𝑏2 =1.01 < 4,74 , შეგვიძლია ვთქვათ, რომ H0 გამართლდა, 𝑏2 კოეფიციენტი

არაა მნიშვნელოვანი.

დეტერმინაციის კოეფეცინეტის R2 და დეტერმინაციის კორეკტირებული

̅ 𝟐 გამოთვლა
კოეფიციენტის 𝑹
𝑄𝑅 𝑄𝐸
𝑅2 = =1− = 0.94--- დეტერმინაციის კოეფიციენტი, გვიჩვენებს ახსნილი
𝑄 𝑄
გაფანტულობის წილს მთლიან გაფანტულობაში (0 ≤ 𝑅 2 ≤ 1).
𝑚
𝑅̅ 2 = 𝑅 2 − 𝑛−𝑚−1 (1 − 𝑅 2 ) = 0.84 --- დეტერმინაციის კორექტირებული
კოეფიციენტი, მას ვითვლით ფაქტორების რიცხვის ზრდის შემთხვვაში
წარმოქმნილი ეფექტის ნეიტრალიზებისათვის. როგორც ვხედავთ ის ნაკლებია
დეტერმინაციის კოეფიციენტზე.

შევამოწმოთ რეგრესიის განტოლების ვარგისიანობა დეტრემინაციის

კოეფიციენტისა და ტესტის F საშუალებით:

𝐻0 : β1 = β2 = 0

𝐻1 : თუნდაც ერთი მაინც განსხვავებულია 0_ისგან.

ფიშერის განაწილების ცხრილში თავისუფლების m=2 და n-m-1=6

ხარისხებისთვის და მნიშვნელოვნების δ=0,05 დონისთვის
𝐹 = 47 > 4.76

ე.ი. ვამბობთ, რომ გამართლდა 𝑯𝟏 ჰიპოთეზა და მიღებული რეგრესიის

განტოლება არის სტატისტიკურად მნიშვნელოვანი.

მულტიკოლინიარობის გამოვლენა

არსებობს მულტიკოლინიარობის გამოვლენის სამი ხერხი:წყვილური კორელაციის

კოეფიციენტების ანალიზზე დაფუძნებული მეთოდი, კერძო კორელაციის
კოეფიციენტების ანალიზზე დაფუძნებული მეთოდი და დამხმარე რეგრესიის
მეთოდი.

ჩვენი მოდელის ტესტირებისთვის გამოვიყენოთ წყვილურ კორელაციის

კოეფიცენტების ანალიზზე დაფუძნებული მეთოდი,რადგანაც ჩვენი მოდელი არ
არის რთული და შედგება მხოლოდ ორი ფაქტორისგან.

პირველი ხერხის შემთხვევაში, აიგება კორელაციური მატრიცა

1 rx1 x2
𝑅𝑋 = ( )
rx2 x1 1

და აიღება ის კორელაციის კოეფიციენტი ან კოეფიციენტები რომელთა

მნიშვნელობა 0.8-ს აღემატება. კორელაციის კოეფიციენტის ამაზე მაღალი
მნიშვნელობა მულტიკლონიარობაზე მიგვანიშნებს.

ჩვენი კონკრეტული მოდელისთვის კორელაციური მატრიცა არის შემდეგი სახის:

1 0.97
𝑅𝑋 = ( )
0.97 1
რადგანაც rx1 x2 =rx2 x1 =0.97>0.8 , ესეიგი მულტიკოლინიარობა ამ მოდელში არის.

შემდეგი ეტაპი უნდა ყოფილიყო მულტიკოლინიარობის აღმოფხვრა,მაგრამ

რადგანაც მულტიკოლინიარობა არის განოტლებაში მის აღმოფხვრას
განვიხილავთ.

მულტიკოლინიალურობის აღმოფხვრა

განვიხილოთ თითოეული ფაქტორული ცვლადის კორელირება შედეგობრივ

ცვლადთან და ამოვაგდოთ ის ფაქტორული ცვლადი, რომელიც უფრო ნაკლებადაა
დაკავშირებული შედეგობრივ ცვლადთან.

Rx1y=0.926

Rx2y=0.936

როგორც ვხედავთ, პირველი უფრო ნაკლებად კორელირდება შედეგობრივ

ცვლადთან ამიტომ ვაგდებთ მოდელიდან.
ზოგჯერ ფაქტორული ცვლადის ამოგდება მოდელს მნიშვნელოვნად ამახინჯებს
და შეფასების გადაადგილებას იწვევს. მაგრამ ამ შემთხვევაში ეს არ მოგვიწევს,
რადგან შესაძლებელია, რომ კორელაციის კოეფიციენტის მაღალი მნიშვნელობის
დროს ცვლადებს შორის არაწრფივი კავშირი იყოს. ამ შემთხვევაში მოდელს არ
უნდა დაემუქროს საფრთხე.

ფიქტიური ცვლადი

შემოვიტანოთ ერთი ცვლადი ცვლადი.ავიღოთ:

1, ნნნნნნნნნნნნ ხელისუფლებაში ყოფნის დროს. 2012 წლის ჩათვლით
𝐷={
0, ქართული ოცნების ხელისუფლებაში ყოფნის დროს. 2013დან

ამ მონაცემებზე დაფუძნებული რეგრესიის მოდელი შემდეგი სახის გახდა:

𝑦 = 25.02 + 1.19𝑥1 − 0.09𝑥2 + 8.73𝐷

ჩავწეროთ კერძო განტოლებები :

ნაციონალური მოძრაობის დროს: 𝑦 = 33.75 + 1.19𝑥1 − 0.09𝑥2

ქართული ოცნების დროს: 𝑦 = 25.02 + 1.19𝑥1 − 0.09𝑥2

მოვახდინოთ მიღებული განტოლებების ინტერპრეტირება.

ნაციონალური მოძრაობის დროს უფრო სწრაფად იზრდებოდა საარსებო მინიმუმი

რადგან პირველ განტოლებაში B0 კოეფიზიენტიმ უფრო დიდია ვიდრე მეორე
განტოლებაში.ბოლოს ვაჩვენოთ:

F=14.28 𝐹კრ = 4.34

𝑅 2 = 0.95
𝑅̅ 2 = 0.90
ვინაიდან 𝐹 > 𝐹კრ , განტოლება მნიშვნელოვანია.

მონაცემთა ერთობლიობის ერთგვაროვნების შეფასება ჩოუს ტესტით

ზოგჯერ დაკვირვების ერთობლიობა ორი ან მეტი შერჩევითი

ქვეერთობლიობისგან შედგება, რომლებიც სხვადსხვა პირობებისთვისაა
მიღებული.ჩვენ უნდა გავარკვიოთ რა უფრო მიზანშეწონილია-მონაცემთა
გაერთიანება და რეგრესიის ერთიანი მოდელის აგება ,თუ თითოეული
ქვეერთობლიობისთვის შესაბამისი მოდელის აგება.

ამ პრობლემის გადაწყვეტის უნივერსალური წესს ჩოუს ტესტი წარმოადგენს.

ავიღოთ თავდაპირველი რეგრესია და აღვნიშნოთ ის A ასოთი:

(A) 𝑦̂ =23.26 +0.26𝑥1 +0.9𝑥2

და ავიღოთ მოდელები რომლებიც გვიჩვენებენ მოკრივეების პრემიის ზრდას და
შემცირებას ან იგივედ დარჩენას(არ გაზრდა) და ავღნიშნოთ ისინი შესაბამისად B
და D ასოებით.

(B) y = −112.96-0.12𝑥1 +2.62𝑥2

(C) y =47.37+1.23𝑥1 -0.39𝑥2

შესაბამისად GA =187.3 GB=11.7 GD=25.8

ჩამოვაყალიბოთ ჰიპოთეზა:

H0:GA=GB+GD

H1:GA>GB+GD

გამოვთვალოთ F-სტატისტიკა :
(𝐺𝐴 − 𝐺𝐵 − 𝐺𝐷 )⁄(𝑚 + 1)
𝐹=
(𝐺𝐵 + 𝐺𝐷 )⁄(𝑛 − 2𝑚 − 2)

მივიღებთ, რომ F=1.27 და იმის გათვალისწინებით, რომ 𝑭კრ =4.96 H0-ის უარყოფის
საფუძველი არ გვაქვს. ეს კი იმას ნიშნავს, რომ ჩვენ მიერ აღებული
ქვეერთობლიობები ერთგვაროვანია და მათ ცალ-ცალკე განხილვას აზრი არ აქვს.
ეს იმაზე მიუთითებს, რომ აზრი აქვს ერთიანი მოდელის განხილვას.

ჰეტეროსკედასტურობის გამოვლენა

უმეტეს შემთხვევაში,ჰეტეროსკედასტურობის გამოვლენა სპეციალური ტესტების

საშუალებით ხორციელდება.მათი მიზანია დააადგინოს, არის თუ არა
შემთხვევითი u წევრის დეიპერსია ამხსნელ ცვლადზე ან ამხსნელ ცვლადთა
ერთობლიობაზე დამოკიებული.არსებობს ბევრი ტიპის ტესტი მაგრამ ჩვენ
მარტივად რომ მოვახდინოთ ეს ანალიზი გამოვიყენებთ გოლფელდ-კვანდტის
ტესტს.

ამ ტესტის ჩატარებას საფუძვლად ორი დაშვება უდევს: 1) იგულისხმება, რომ

შემთხვევითი u წევრი ნორმალურადაა განაწილებული და ავტოკორელაციას არ
ექვემდებარება ; 2) მოცემულ დაკვირვებაში შემთხვევითი წევრის სტანდარტული
გადახრა ფაქტორული ცვლდის მნიშვნელობის პროპორციულია.

ამ მეთოდის დროს პირველ რიგში მნიშვნელოვანია დავადგინოთ n’

მნიშვნელობა,რომელიც ტესტის ავტორების რეკომენდაციით მიზანშეწონილია
რომ იყოს დაახლოებით 3n/8-ის დონეზე.ჩვენ შემთხვევაში სადაც n=9 , 3n/8=3.38
,რაც მიახლოებით იქნება 3. ვიღებთ პირველ სამ და ბოლო სამ დაკვირვების
მონაცემებს და ცალცაკე მათთვის ავაგოთ წრფივი მრავლობითი რეგრესიის
მოდელები.

y = −112.96-0.12𝑥1 +2.62𝑥2 R2 = 0.99 F= 0.3( პირველი 3 )

y = 84.47+2.52𝑥1 -2.13𝑥2 R2 = 0.97 F= 0.23 ( ბოლო 3 )

დავსვათ ჰიპოტეზები: H0 : 𝜎12 = 𝜎22 და H1 : 𝜎12 < 𝜎22

1
უნდა ვიპოვოთ ორივე Se2 = n’−𝑚−1 ∑𝑛𝑖=1 𝑒𝑖2 . Se21 =64.5 და Se22 =81.2

შემდეგი ეტაპიარის F სტატისტიკის პოვნა: F= Se22/ Se21 ; ჩვენ შემთხვევაში ეს იქნება

F =81.2/64.5=1.26 ; 𝐹კრ =16 აქედან გამომდინარე 𝐹 < 𝐹კრ მაშასადამე ამ მონაცემების
ჰეტეროსკედასტურობის არსებობის გოლფელდ-კვანდტის ტესტისტვის
სრულდება ნულოვანი ჰიპოტეზა. ამიტომაც ჰეტეროსკედსტურობა არ გვაქვს ამ
მოდელში. რადგანაც ჰეტეროსკედასტურობა არ არის მოდელში მის აღმოფხვრაზე
არ ვისაუბრებ.

გამოყენებული ლიტერატურა:
Geostat.ge