Дунд түвшний макроэкономикс бие даалт 2

Э.Хангайбазар

2025-04-04

Оршил

ECN224 кодтой дунд түвшний макроэкономикс хичээлийн Энэхүү бие даах ажлын хүрээнд үндсэн сурах бичгийн 6-9 бүлгийн харгалзах тоон өгөгдөл агуулсан хүснэгт болон графикуудыг Монгол Улсын тоон өгөгдөл дээр тулгуурлан өгөгдлийг баталгаат эх сурвалжаас цуглуулан үндсэн сурах бичгийн форматаар дүрсэлж, түүхэн үйл явдлын нөлөөг тайлбарлан гүйцэтгэнэ. Бие даах ажлыг хийж гүйцэтгэснээр Монгол Улсын эдийн засгийн үзүүлэлтүүд, тэдгээрийн өөрчлөлтийн шалтгааныг танин мэдэх зорилготой болно.

Зураг 1. Монгол улсын худалдааны тэнцэл (2000-2024)

NX = get_table(tbl_id = 'DT_NSO_0500_003V1')

NX1 = NX %>% filter(SCR_MN == 'ДНБ, оны үнээр', SCR_MN1 == 'Цэвэр экспорт', Period <= 2025)
GDP = NX %>% filter(SCR_MN == 'ДНБ, оны үнээр', SCR_MN1 == 'ДНБ', Period <= 2025)
NX2=c(rev(NX1$DTVAL_CO))
GDP2=c(rev(GDP$DTVAL_CO))
NX3=NX2/GDP2
NX4=rep(0,25)
dates1=seq(as.Date("2000-01-01"),by='year',length.out=25)
NX_xts=xts(cbind(NX3,NX4),order.by = dates1)
dygraph(NX_xts,main="Гадаад худалдааны тэнцэл") %>% 
  dyAxis('y', label = "ДНБ-д эзлэх хувь") %>% 
  dyAxis('x', label = "Он") %>% 
  dySeries("NX3", label = 'Цэвэр экспорт', strokeWidth = 2, color = "BLUE") %>% 
  dySeries("NX4", strokeWidth = 2)

Энэхүү зурагт Монгол Улсын худалдааны тэнцэл буюу цэвэр экспортыг ДНБ-д эзлэх хувиар дүрсэлж үзүүлсэн болно. Ерөнхий чиг хандлагынн хувьд 2000-2006 онуудын хооронд өсөлттөй байсан ба үүний ардаас бууралт 2013 он хүртэл үргэлжилсэн бол үлдсэн хугацаанд өсөлттэй байна. Цаг хугацааны эхэн үе буюу 2000 онд Монгол Улсын цэвэр экспорт сөрөг 13 хувьтайтай байсан бол 2006 он гэхэд ойролцоогоор 5.9 хувьд хүрч чадсан юм. Энэхүү өсөлтийн томоохон хүчин зүйл болсон үйл явдал нь 2004-2008 онд цаг уурын хувьд таарамжтай нөхцөл байдал тохиолдсонтой холбоотой “Бороо Гоулд” компани алтны үндсэн орд ашиглаж эхэлснээр эрдэс түүхий эдийн хөөсрөлт бий болсон юм. (Д.Ган-Очир, 2020) Харин цааш хадгаламж, зээлийн хоршооны хямрал мөн дэлхийн санхүүгийн зах зээлийн хямрал болон Монголын томоохон хоёр банкны дампуурал гэх мэт үйл явдлуудаас шалтгаалсан уналтын ардаас 2012 оны 12 дугаар сард 1.5 тэрбум ам.долларын Чингис бондыг олон улсын зах зээлд гаргаснаар ГВАН-хэмжээ нэмэгдэж мөнгө, зээлийн үзүүлэлтүүд өндөр хувиар өссөн байна. Гэвч энэ эерэг нөлөө удаан үргэлжлээгүй юм. Аж ахуйн нэгж, иргэд төгрөгөөр авсан зээлээ гадаад валют руу хөрвүүлэн импортын төлбөрт шилжүүлж байжээ. (Д.Ган-Очир, 2020)

Зураг 2. Монгол улсын хадгаламж ба хөрөнгө оруулалт (2010-2023)

##2
SA = get_table(tbl_id = 'DT_NSO_0700_021V1')
IN = get_table(tbl_id = 'DT_NSO_0901_002V1')
GDP = get_table(tbl_id = 'DT_NSO_0500_003V1')

SA1 = SA %>% filter(SCR_MN1 == 'Улсын дүн', SCR_MN == 'Нийт хадгаламж', Period >= 2010)
IN1 = IN %>% filter(SCR_MN == 'Нийт', Period >= 2010)
GDP = NX %>% filter(SCR_MN == 'ДНБ, оны үнээр', SCR_MN1 == 'ДНБ', Period >= 2010, Period<2024)
dates2=seq(as.Date("2010-01-01"),by='year',length.out=14)
SA2=c(rev(SA1$DTVAL_CO))
IN2=c(rev(IN1$DTVAL_CO))
GDP1=c(rev(GDP$DTVAL_CO))
IN3=IN2/GDP1*100
SA3=SA2/GDP1*100
INSA_xts=xts(cbind(IN3,SA3),order.by = dates2)
dygraph(INSA_xts,main="Хадгаламж ба хөрөнгө оруулалт") %>% 
  dyAxis('y', label = "ДНБ-д эзлэх хувь") %>% 
  dyAxis('x', label = "Он") %>% 
  dySeries("IN3", label = 'Нийт хөрөнгө оруулалт', strokeWidth = 2, color = "GREEN") %>% 
  dySeries("SA3", label = 'Нийт хадгаламж', strokeWidth = 2, color = "ORANGE")

Энэхүү зурагт Монгол Улсын нийт хадгаламж болон хөрөнгө оруулалтыг ДНБ-д эзлэх хувиар дүрсэлсэн болно. 2009 оны 2 улиралд зэс, алтны үнэ эргэн хурдацтай өсөж мөн дэлхийн хэмжээний төсөл болох Оюу толгой төслийн гэрээг уг оны 12 дугаар сард байгуулж эхний шатны хөрөнгө оруулалт 2010 онд орж ирж эхэлсэн байна (Д.Ган-Очир, 2020). Уг үйл явдлаар Монгол Улсын хөрөнгө оруулалт түүхэн дээд хэмжээ буюу ДНБ-д эзлэх хувиар 76.7 хувьд хүрсэн юм. Мөн цар тахлын үеэр буюу 2020 онд нийт хөрөнгө оруулалт 22 хувиар буурсан бол нийт хадгаламж 11 хувиар мөн дараа онд нь 25 хувиар буурсан байна. (Үндэсний статистикийн хороо, 2024)

Зураг 3. Ажилгүйдлийн түвшин ба ажилгүйдлийн хэвийн түвшин (1992-2024)

##3
UN = get_table(tbl_id = 'DT_NSO_0400_006V1')

UN1 = UN %>% filter(SCR_MN == 'Бүгд', SCR_MN1 == 'Ажилгүйдлийн түвшин, %', Period <= 2025)
dates3=seq(as.Date("1992-01-01"),by='year',length.out=32)
UN2=c(rev(UN1$DTVAL_CO))
UN_model=lm(UN2~poly(1:length(UN2), 4))
UN_values=predict(UN_model)
UNR_xts=xts(cbind(UN2, UN_values),order.by = dates3)
dygraph(UNR_xts,main="Ажилгүйдлийн түвшин") %>% 
  dyAxis('y', label = "Ажилгүйдлийн хувь") %>% 
  dyAxis('x', label = "Он") %>% 
  dySeries("UN2", label = 'Ажилгүйдлийн түвшин', strokeWidth = 2, color = "GREEN") %>% 
  dySeries("UN_values", label = 'Хэвийн ажилгүйдлийн түвшин', strokeWidth = 2, color = "RED", strokePattern = 'dotted')

Дээрх зурагт Монгол улсын 1992 оноос 2024 он хүртэлх хөдөлмөрийн насны хүн амын ажилгүйдлийн түвшнийг дүрсэлсэн бөгөөд хэвийн ажилгүйдлийн түвшнийг тренд муруйгаар ойролцоолон үзүүлсэн болно. Зах зээлийн шилжилтийн үед банкны үйл ажиллагааны олон төрлийн хоригоос шалтгаалаад аж ахуй нэгж иргэд хоорондох харилцаа ихэвчлэн бэлэн мөнгөний хэлбэрээр явагдаж энэ нь 1992-1993 оны хооронд мөнгөний хомсдолд хүргэсэн. Бэлэн мөнгөний хүрэлцээгүй байдлаас болж албан нэгж байгууллагууд ажилчдынхаа цалинг тавихад бэрхшээл тулгарч хүмүүсийн банканд итгэх итгэл алдарсан. Мөн төсвөөр цалинждаг албан нэгж байгууллагуудын төсөв тасарч мөн цалин зогссон ба иргэд зээлээ төлөхөд хүндрэл үүсэж байсан. Дүгнээд хэлэхэд эдийн засгийн тогтворгүй байдал ба банкны салбарын уналтууд нь бэлэн мөнгөн гүйлгээний төрлийг ихэсгэж улмаар мөнгөний хомсдол бий болсноор ажилгүйдлийн түвшин өсгөхөд хувь нэмэр болсон байна. (Д.Ган-Очир, 2020) Дэлхий санхүүгийн салбарын уналтын шокоос үүдэн манай улсын төсвийн орлого буурахтай зэрэгцэн төв банк зах зээлд доллар нийлүүлж, төгрөгийн эх үүсвэрийг эдийн засгаас татсанаар мөнгө болон зээлийн өсөлт хурдацтай буурч улмаар уналтад орсон. Энэхүү уналтаас үүдэн бизнес эрхлэгчдийн борлуулалт удаашран, мөн төгрөгийн гадаад валюттай харьцах ханш бууралт гэх хүчин зүйлсээс үүдэн зээлийн эрсдэл болон найдваргүй зээл өсөв. Улмаар Зоос банк ХК болон Анод банк ХК гэх зэрэг банкны зах зээлд томоохон байр суурийг эзэлж байсан банкнууд дампуурав. (Д.Ган-Очир, 2020)

Зураг 4. Ажиллах хүчний оролцооны түвшин (1992-2024)

##4  
UN = get_table(tbl_id = 'DT_NSO_0400_006V1')

EP1 = UN %>% filter(SCR_MN == 'Бүгд', SCR_MN1 == 'Ажиллах хүчний оролцооны түвшин, %', Period <= 2025)
dates4=seq(as.Date("1992-01-01"),by='year',length.out=32)
EP2=c(rev(EP1$DTVAL_CO))
EP_xts=xts(cbind(EP2),order.by = dates4)
dygraph(EP_xts,main="Ажиллах хүчний оролцооны түвшин") %>% 
  dyAxis('y', label = "Хувь") %>% 
  dyAxis('x', label = "Он") %>% 
  dySeries("EP2", label = 'Ажиллах хүчний оролцооны түвшин', strokeWidth = 2, color = "BLUE")

Ажиллах хүчний оролцооны түвшин нь хөдөлмөрийн насны хүн амын ажиллах хүчний эзэлж байгааг хувийг харуулдаг бөгөөд дээрх зургаас харахад Монгол Улсын ажиллах хүчний оролцооны түвшин ерөнхий буурах чиг хандлагатай байна. 1990 оны эхээр буюу зах зээлийн нийгэмд шилжихийн өмнөхөн ажиллах хүчний оролцооны түвшин нь 75.8 хувьтай байсан бол шилжилтийн дараа үе буюу 2000 оны эхээр 59.7 хувь болтлоо буурсан байдаг байна. Шилжилтийн үед өмч хувьчлал хийгдсэн бөгөөд ихэнх төрөөс санхүүждэг байсан үйлдвэрүүд үйл ажиллагаагаа зогсоосон байдаг. Манай Улс цар тахлын өмнө ажиллах хүчний оролцооны түвшин 62.8 хувьтай байсан бол цар тахлын үеэр ажиллах хүчний оролцооны түвшин 1992 оноос хойш хамгийн доод түвшинд буюу 59.1 хувь болж буурсан бөгөөд цар тахлын дараа 60.3 хувь болж өссөн байна. (Үндэсний статистикийн хороо, 2025) 2009 оноос эхэлж эмэгтэйчүүдийн ажиллах хүчний оролцооны түвшин 10.2 хувиар буурч харин эрэгтэйчүүдийнх 3.9 хувиар өссөн байдаг. Үүнд нөлөөлсөн нэг боломжит үйл явдал нь төрөлтийн тоо огцом нэмэгдэж эхэлсэнтэй холбоотой байж болох юм. 1993-2006 онд жилд дунджаар 50 мянган хүүхэд төрж байсан бол 2009 онд 70 мянга болж нэмэгдсэн байна. (Б.Бямбадорж, Б.Номин, М.Тэмүүлэн, 2019)

Зураг 5. Европын улсууд болох Итали, Франц, Их Британи, Германы ажилгүйдлийн түвшин (1983-2024)

##5
UNW <- read_excel("/Users/khangai/Downloads/dutuu.xlsx")

UNW$`Time period` <- as.Date(paste0(UNW$`Time period`, "-01-01"))

UNW_xts <- xts(UNW[, c("France", "Germany", "Italy", "United Kingdom")], 
              order.by = UNW$`Time period`)

dygraph(UNW_xts,main="Ажилгүйдлийн түвшин (Европ тивийн улсууд)") %>% 
  dyAxis('y', label = "Ажилгүйдлийн хувь") %>% 
  dyAxis('x', label = "Он") %>% 
  dySeries("France", label = 'Франц', strokeWidth = 2, color = "BLUE") %>% 
  dySeries("Germany", label = 'Герман', strokeWidth = 2, color = "RED") %>% 
  dySeries("United Kingdom", label = 'Их Британи', strokeWidth = 2, color = "GREEN") %>% 
  dySeries("Italy", label = 'Итали', strokeWidth = 2, color = "ORANGE")

Дэлхийн санхүүгийн хямрал нь европын улсуудын ажилгүйдлийн түвшнийг оргил цэгт нь буюу 2013 оны 4 сард 11.7 хувь болж тогтоосон бол цар тахлын дараа ажилгүйдлийн түвшин 2020 оны 8 сард 7.8 хувьд хүргэж байжээ. (European Parliament, 2019) Дээрх зурагт Европ тивийн улсууд буюу Итали, Франц, Герман болон Их Британи гэх зэрэг улсуудын ажилгүйдлийн түвшнийг 1983 оноос 2024 онд хүртэл өгөгдөл дээр тулгуурлаж дүрслэн үзүүлэв.

Зураг 6. АНУ, Герман, Франц улсын нэг хүнд ноогдох жилийн ажлын цаг (1970-2023)

##5
WHDATA <- read_excel("/Users/khangai/Downloads/dasgal5.xlsx")

WHDATA$`Time period` <- as.Date(paste0(WHDATA$`Time period`, "-01-01"))  

WH_xts <- xts(WHDATA[, c("France", "Germany", "United States")], 
              order.by = WHDATA$`Time period`)

dygraph(WH_xts,main="Нэг хүнд ноогдох жилийн ажлын цаг") %>% 
  dyAxis('y', label = "Цаг") %>% 
  dyAxis('x', label = "Он") %>% 
  dySeries("France", label = 'Франц', strokeWidth = 2, color = "BLUE") %>% 
  dySeries("Germany", label = 'Герман', strokeWidth = 2, color = "ORANGE") %>% 
  dySeries("United States", label = 'АНУ', strokeWidth = 2, color = "RED")

Дээрх зурагт АНУ, Герман, Франц улсуудын нэг хүнд ноогдох жилийн ажлын цагыг дүрсэлж гаргасан болно. Мөн дээрх хугацаанд Герман болон Франц улсууд нь ерөнхийдөө буурах хандлагатай байгаа бол АНУ нь чиг хандлагын хувьд илүү тогтмол байна. 2009 онд дээрх улсуудын хувьд нэг хүнд ноогдож жилийн ажлын цагыг бууруулсан бөгөөд энэ нь дэлхийн санхүүгийн хямралаас үүдсэн бууралт бөгөөд мөн цар тахлын үеэр бас энэхүү бууралт нь анзаарагдаж байна. 1970-2023 оны нэг хүнд ноогдох жилийн ажлын цагууд АНУ 8 хувиар, Франц 25 хувиар, Германы хувьд 31 хувиар тус тус буурсан байна. (OECD, Average annual hours actually worked per worker, 2025)

Хүснэгт 1. Олон улсын амжиргааны түвшний ялгаа

##6
WODATA<- read_excel("/Users/khangai/Downloads/dasgal6.xlsx")
datatable(WODATA)

Энэхүү нэг хүнд ноогдох орлогоор томоохон хүн ам болон эдийн засагтай улсуудыг бусад жижиг эдийн засагтай улсуудтай харьцуулахад хамгийн тохиромжтой үзүүлэлт юм. Дээрх хүснэгтэд дэлхийн 14 улс орнуудын нэг хүн ноогдох орлогоор харьцуулан хүснэгтэлсэн бол АНУ нь нэг хүнд ноогдох орлогоороо 82,769 ам доллароор хүснэгтийг тэргүүлж байгаа бөгөөд Япон, ОХУ улсууд нь дараагаар орж байна. Харин Бангладеш болон Этиоп улсууд нь АНУ-ын нэг хүнд ноогдох орлогын дөнгөж 11 хувь болон 4 хувьтай дүйцэж байна. Энэхүү харьцуулалт нь тухайн улсуудын эдийн засгийн хүрээ болон хөгжлийн ялгааг илтгэж байна.

Дүгнэлт

Энэхүү бие даалтын хүрээн Монгол Улс болон бусад улсуудын макро эдийн засгийн үзүүлэлтүүд дээр ажиллахдаа тоон мэдээллийг цуглуулан үндсэн сурах бичгийн дагуу форматлан дүрсэллээ. Мөн макро эдийн засгийн тогтворгүй байдал болон зарим тааварлашгүй шокууд нь эдийн засгийн худалдааны тэнцэл, нийт хадгаламж болон хөрөнгө оруулалт, ажилгүйдлийн түвшин болон ажиллах хүчний оролцооны түвшинд хэрхэн нөлөөлж болохыг судаллаа.