Mლექცია 1

ეკონომეტრიკა, როგორც მეცნიერება,

ეკონომეტრიკული მეთოდები და საბაზისო
ცნებები

ე კ ო ნ ო მ ე ტ რ ი კ ა
2012
ნიკოლოზ ოსტაპენკო
 ეკონომეტრიკა
ეკონომეტრიკა – ეს არის
ეკონომიკური მეცნიერების ნაწილი,
რომელიც სწავლობს ცვლადებს
შორის რაოდენობრივ კავშირებს
გამოსახულს მათემატიკური სახით,
რათა უარყოს ან ამტკიცოს ამ
რაოდენბრივი კავშირის გამოყენების
შესაძლებლობა.

ეკონომეტრიკის მეთოდები და მისი

გამოყენების მეთოდოლოგია გულისხმობს
სტატისტიკური მეთოდების, რომელიც
გამოიყენება ეკონომიკს განვითარებაზე
დაკვირვებისათვის, ანალიზისათვის და
პროგნოზირებისათვის.

რაგნარ ფრიშმა (ნობელის პრემიის ლაურიატმა)

1926 წელს შემოიღო ტერმინი ეკონომეტრიკა
 ეკონომეტრიკა
ეკონომეტრიკის მიზანი
– მისცეს მკვლევარს ინსტრუმენტი სხვადასხვა სიტუაციებში ეკონომიკური
ობიექტის ქცევის პროგნოზირებისათვის.
– პროგნოზირებზაზე დაყრდნობით გადაწყვიტოს პრქატიკული ამოცასნები
ობიექტის ოპტიმალური მართვისათვიას, ბაზარზე ქცევის სტრატეგიის
განსაზრვრისათვის და სხვა.
– მოახდინოს სოციალ–ეკონომიკური განვითრების სხვადასხვა შესაძლო
სცენარების მოდელირება.

ეკონომეტრიკის ამოცანა
– განსაზღვროს ყველა პარამეტრის რაოდენობრივი მნიშვნელობა, რომელიც
შედის მოდელში.
– უზრუნველყოთ მოდელის რეალური ქცევასთან შესაბამისობა.
 ჰიპოთეზის წამოყენება
ფაქტორთა შერჩევა
მონაცემთა შეგროვება
და დამუშავება
მოდელის სპეციფიკაცია
პარამეტრების
შეფასება
მოდელის
ვერიფიკაცია
ინტერპრეტაცია
ეკონომეტრიკული კვლევის ეტაპები
 ეკონომიკური მონაცემები
 ეკონომიკური მონაცემები იყოფა ორ ჯგუფად – გადამკვეთი
მონაცემები (cross-section data) და დროითი მწკრივები (time series).

გადამკვეთი მონაცემები (cross-section data) – ეს არის მონაცემები,

რომლებიც ეკუთვნის დროის ერთი და იგივე მომენტს ან მისი
მიკუთვნება გარკვეული პერიოდისათვის არამნიშვნელოვანია.
დროითი მწკრივები (time series) – ეს არის მონაცემები, რომლებიც
ახასიათებენ ეკონომიკურ ობიექტს დროის სხვადასხვა
მომენტისათვის. დროითი მწკრივები ხასიათდება მიმდევრული
მნიშვნელობების ურთიერთდამოკიდებლებით, მაგალითად შეიძლება
იყოს კავშირი მიმდევრობის წევრების საერთო ტენდენციიდან
გადახრებს შორის, შეიძლება იყო დაყოვნებები (დროითი ლაგები)

შესაბამისად განსხვავდება cross-section data–ის და time series–ის

დამუშავების მეთოდები
 ეკონომეტრიკული მოდელები
ეკონომეტრიკული მოდელი წარმოადგენს განტოლებათა და უტოლობათა ერთიანობას,
რომლებიც ეკონომიკურ ცვლადებს ერთმანეთას აკავშირებს.
მაგალითად მოცემულია რაიმე მოდელი:

Y  G ( a , Z ,...);

 Z  ...;
a  S

მოდელში ყოველთვის გაქვს სამი სახის ნიშანი:
პირველი – ცვლადები. ეს ის ეკონომიკური სიდიდეებია რომელიც ჩვენს ეკონომიკურ
მოდელში მიჩნეულია, რომ შესაძლოა შეიცვალოს. მაგ: მშპ, ფასები, მოთხოვნა და ა.შ .
მეორე – პარამეტრი. ეს არის ის ცვლადია რომელიც შეიძლება შიცვალოს რაღაც უცნობი
მნიშვნელობათა სიმრავლეზე. მაგალითად, C=a+bY მოდელში C და Y არიან ცვლადები, ხოლო a
და b არიან პარამეტრები.
მესამე – კოეფიციენტები. პარამეტრები რომელტა მნიშვნელობაც ცნობილია წარმოადგენენ
კოეფიციენტებს. მაგალითად თუ b=0,8, მაშინ ეს კოეფიციენტია.

მაშასადამე ცვლადები იცვლებიან, პარამეტრები მუდმივებია, ხოლო კოეფიციენტები ცნობილია.

ცვლადები იყოფა ორ ჯგუფად: ეგზოგენურ და ენდოგენურ ცვლადებად.

ეგზოგენურია ცვლადები (Z) რომლებიც მოდელს გარეთ განისაზღვრება სხვა უამრავი ცვლადის
ზეგავლებით. ენდოგენური მოდელში შემავალი ცვლადების მიხედვით (Y,X).
 ეკონომეტრიკული მოდელები

 შემთხვევითი ფაქტორები – ფაქტორები, რომლებიც არ არის

გათვალსწინებული მოდელში განიხილება, როგორც
შემთხვევით ფაქტორები.
მაგალითად მოდელში q=f(p , l)+u
q- საქონლის რაოდენობა, p – ფასი, l – შემოსავალი, u – გვიჩვენებს
ყველა გაუთვალისწინებელი (შემთხვევითი) ფაქტორის ჯამს.

 ეკონომეტრიკული მოდელები შეიძლება დავყოთ:

ერთი განტოლებით მოცემული რეგრესიული მოდელები
ერთდროულ განტოლებათა სისტემები
დროითი მწკრივის მოდელები
 ერთიგანტოლებითმოცემულირეგრესიულიმოდელები

ერთი განტოლებით მოცემული რეგრესიული მოდელი არის

მოდელი, რომელიც ერთი რეგრესიული განტოლებით აღიწერება.
ზოგ შემთხვევაში ამ ტიპის მოდელის სახეა:
y  f ( x)  u;
სადაც, y - დამოუკიდებელი ცვლადია, x- დამოკიდებული ცვლადია,
u შემთხვევითი სიდიდეა.
თუ დამოკიდებული ცვლადების რაოდენობა ერთზე მეტია მაშნა აქ
მოყვანილ განტოლებას მრავლობითი რეგრესის განტოლება
ეწოდება, თუ ერთ დამოიკიდებელ ცვლადს შეიცავს მაშინ წყვილური
რეგრესიის მოდელი.

რეგრესიის მოდელი შეიძლება იყოს წრფივი ისე არაწრფივი.

 ერთდროულგანტოლებათასისტემები

ერთდროულ განტოლებათა სისტემა ეს არის რემდენიმე რეგრესიული

მოდელისაგან შემდგარი ეკონომეტრიკული მოდელი. მოდელში
რამდენიმე ენდოგენური ცვლადია, როლებიც სისტემის სხვადასხვა
რეგრესიის განტოლებაში ამხსნელ ცვლადს წარმოადგენს. მოდელში
ეგზოგენური ცვლადებიც არის, რაც საშუალებას გვაძლევს ავხსნათ
ენდოგენური ცვლადების ქცევა, როგორც ენდოგენური ისე ეგზოგენური
ცვლადების ცვლილების მეშვეობით.
მაგალითისთვის ამ ტიპის მოდელი შემდეგ ნაირად გამოიყურება
(კონკურენტული ბაზრის მოდელი):
Y d  a 0  a 1 p
 s
Y  b 0  b 1 p
 d
Y  Y
s

 a 1  0 ;  a 0 , b 0 , b1   0

მოდელშიYd , Ys – ენდოგენური ცვლადები;
р – ეგზოგებური ცვლადები
a0 , a1, b0, b1 – პარამეტრები
 დროითი მწკრივის მოდელები

დროითი მწკრივის მოდელები წარმოადგენს რეგრესიული მოდელის

ტიპს, რომელშიც ამხსნელი ცვლადი დამოკიდებულია დროის ფაქტორზე.
ზოგადი სახით იგი შემდეგნაირად შეიძლება ჩაიწეროს:

y t  f ( x t , u t );
1984 წელს ნელსონმა და კინგმა თავიანთ გამოკვლევაში აჩვენეს, რომ
რეგრესიის ზოკიერთი კავშირები, რომელიც მიღებულია უმცირეს
კვადრატტა მეთოდის გამოყენებით წარმოადგენენ მოჩვენებითს (spurious).
1987 წელს აჩვენეს, რომ ამ ტიპს განეკუთვნება აშშ–ს ისტორიული
მაკროეკონომიკური მწკრივები. სხვა სიტყვებით, რომ ვთავქთ რეგრესიის
კოეფიციენტები წარმოადგენენ მნიშვნელოვანს, რეგრესიული ანალიზის
სტანდარტული ტესტები არ ახდენენ კლასიკური მოდელის წანამძღვრების
დარღვევის იდენტიფიცირებას, მიუხედავად ამისა არავითარი კავშირი
ეკონმიკურ ცვლადებს შორის არ არის.
შემთხვევითი სიდიდე
 ეკონომიკაში მიმდინარე პროცესების უმრავლესობა თავისი არსით
შემთხვევითი ხასიათისაა.

 სიდიდეს რომლის მნიშვნელობის განჭვრეტა ზუსტად შეუძლებელია

შემთხვევითი სიდიდე ეწოდება.

ნებისმიერი ხდომილების სიმრავლე შესდგება ელემენტარული

ხდომილებებისაგან. შემთხვევითი სიდედე წარმოადგენს ელემენტარული
ხდომილებების ფუნქციას.

თუ ელემენტარულ ხდომილებათა სიმრავლე სასრულია მაშინ

შემთხვევითი სიდიდე წარმოადგენს დისკრეტულს, ხოლო თუ უსასრულოა
მაშინ უწყვეტს.

შემთხვევითი სიდიდის განაწილების ფუნქცია გვიჩენებს მისი მოხდენის

ალბათობას.
 მათემატიკური ლოდინი
200

180
მათემატიკური ლოდინი გამოხატავს 160
შემთხვევითი სიდიდის ყველაზე 143
140 μ
მოსალოდნელ მნიშვნელობას და 120

წარმოადგენს შემთხვევითი 100

სიდიდის საშუალო შეწონილ 80

მნიშვნელობას 60
24 24.5 25 25.5 26 26.5 27 27.5 28 28.5 29

n
დისკრეტული E ( x)  x1 p1  ...  xn pn   xi pi
დისკრეტული
i 1


უწყვეტი   E ( x)   xf ( x)dx
უწყვეტი

შემთხვევითი
1 n
X   Xi
შემთხვევითი
შერჩევის დროს
შერჩევის დროს
n i 1
 დისპერსია
200

180
დისპერსია ახასიათებს 160
შემთხვევითი სიდიდის 143
140 μ
σ=31
გაფანტულობას მისი საშუალო 120

მნიშვნელობის მიმართ. 100

80

60
24 24.5 25 25.5 26 26.5 27 27.5 28 28.5 29

n
დისკრეტული
დისკრეტული
D ( x )  E ( x  E ( x ))  2

i 1
( xi   ) 2 pi

   f ( x   ) 2 f ( x ) dx
2
უწყვეტი
უწყვეტი 

შემთხვევითი n 1 n
შემთხვევითი
შერჩევის დროს
S  2
x
n 1
Var ( x )  
n  1 i 1
( X i  X )2
შერჩევის დროს
 კოვარიაცია μ
200

კოვარიაცია ახასიათებს
180

160
– +
შემთხვევით სიდიდეებს შორის 140 μ
კავშირს 120

100

80
+ –
60
24 24.5 25 25.5 26 26.5 27 27.5 28 28.5 29

k l
დისკრეტული cov( x, y )    ( xi   x )( y j   y ) pij
დისკრეტული i 1 j 1
  
უწყვეტი
უწყვეტი
 x, y    (x  
  
x )( y   y ) f ( x, y ) dxdy

1 n
შემთხვევითი
შემთხვევითი Cov ( X , Y )   ( X i  X )(Yi  Y )
შერჩევის დროს n i 1
შერჩევის დროს
კორელაცია μ
200

1
კორელაციის კოეფიციენტი
180

160
– +
ახასიათებს შემთხვევით 140 μ
0
სიდიდეებს შორის კავშირს 120

100
+ –
cov( x, y ) 80

cor ( x, y )   x , y  60
 2
x
2
y
24 24.5 25 25.5 26 26.5 27 27.5 28 28.5 29

n
Cov( x, y )
შემთხვევითი cor ( x, y )  rx , y  n 1
შემთხვევითი
შერჩევის დროს n n
შერჩევის დროს Var ( x ) Var ( y )
n 1 n 1
ძირითადი ცნებები და საკითხები