მანქანური სწავლებისა და ეკონომეტრიკის მეთოდების გამოყენება ეკონომიკურ ზრდაზე პირდაპირი უცხოური ინვესტიციების გავლენის შეფასებისათვის საქართველოს მაგალითზე (1989-2023წწ.)

ნუცა  თოხაძე

ჟურნალი ნომერი 4 ∘ ნუცა თოხაძე ∘
მანქანური სწავლებისა და ეკონომეტრიკის მეთოდების გამოყენება ეკონომიკურ ზრდაზე პირდაპირი უცხოური ინვესტიციების გავლენის შეფასებისათვის საქართველოს მაგალითზე (1989-2023წწ.)

doi.org/10.52340/eab.2024.16.04.07

ჟურნალი N 4. 2024

მონაცემთა მეცნიერება, მათ შორის, ხელოვნური ინტელექტი უფრო და უფრო აქტუალური ხდება ყოველდღიურად. მონაცემთა მეცნიერებამ უკვე შეაღწია თითქმის ყველა დარგში, როგორებიცაა: ეკონომიკა, ბიზნესი, ხელოვნება, მედიცინა და ა.შ. თითქმის ყველაფერი მონაცემებზეა დაფუძნებული და მათი ეფექტიანი და სწორი გამოყენებით ძალიან ბევრი პრობლემის გადაჭრა შეიძლება.
პირდაპირ უცხოურ ინვესტიციებსა და მთლიან შიგა პროდუქტს შორის კავშირებზე ბევრი კვლევაა ჩატარებული როგორც საქართველოში, ასევე საზღვარგარეთ, თუმცა, საქართველოში ცოტაა ისეთი კვლევა, რაც ეკონომეტრიკული მეთოდების გამოყენებით ცდილობს ამ ორ ცვლად შორის კავშირების დადგენას, ხოლო კვლევები რომლებიც მანქანური სწავლების მეთოდებს იყენებს თითქმის არ არის. შედეგად ამ კვლევის მიზანია ამოავსოს ეს დეფიციტი, გამოიყენოს ეკონომეტრიკული და მანქანური სწავლების მეთოდები, შეადაროს მეთოდები, გამოკვეთოს უფრო საიმედო და დასაყრდენი შედეგები და მისცეს რეკომენდაცია მთავრობას.
კვლევაში გამოყენებული მონაცემები აღებულია მსოფლიო ბანკის მონაცემთა ბაზებიდან და საქართველოს სტატისტიკის ეროვნული სამსახურიდან. მოხდა ბევრი ცვლადის დატესტვა, თუმცა, საბოლოოდ გამოვიყენებთ 6 ცვლადი. დამოკიდებული, ანუ ენდოგენური ცვლადი არის მთლიანი შიგა პროდუქტი ერთ სულ მოსახლეობის ერთ სულზე, ხოლო დამოუკიდებელი ცვლადები კი არის პირდაპირი უცხოური ინვესტიციები ერთ სულზე, მთლიანი კაპიტალის ფორმირება ერთ სულზე, მთავრობის მოხმარება როგორც მთლიანი შიგა პროდუქტის პროცენტი; სავაჭრო სალდო, როგორც პროცენტი მთლიანი შიგა პროდუქტის, და მოსახლეობის წლიური ზრდა (პროცენტული მაჩვენებლი). მონაცემები მოიცავდა დაკარგულ ღირებულებებს (missing values) და მოხდა მათი იმპუტაცია თაგვის პაკეტით (mice package), სადაც გამოყენებული იყო შემთხვევითი ტყეების (random forest ) მეთოდი.
მოხდა ლიტერატურის მიმოხილვა და შემდეგ ეკონომომეტრიკული და მანქანური სწავლების ორი მიდგომის გამოყენება. ეკონომეტრიკული მეთოდიდან მოხდა VECM მოდელის გამოყენება, ხოლო მანქანური სავლებიდან კი Random Forest-ის. VECM მოდელის აგებამდე მოხდა მონაცემების stationary-ის შემოწმება, შემდეგ ჩატარდა კოინტეგრაციის ტესტი (cointegration test) და მხოლოდ ამის შემდეგ კი აიგო VECM მოდელი.
რაც შეეხება Random Forest-ს მოხდა ორი მოდელის აგება. ერთი ლაგების გარეშე და მეორე ლაგებით. ლაგების გარეშე მოდელში მოხდა პირდაპირი უცხოური ინვესტიციების, მთლიანი კაპიტალის ფორმირების, მთავრობის დანახარჯების და სავაჭრო ბალანსის ჩართვა როგორც დამოუკიდებელ ცვლადებად. ხოლოდ ლაგებიან მოდელში კი სახელმწიფო დანახარჯების და სავაჭრო ბალანსის ამოღება მოხდა, რადგან გადამზადების (overfitting) მოდელი პრობლემის წინაშე დადგა.
რაც შეეხება შედეგებს. VECM მოდელმა აჩვენა რომ პირდაპირი უცხოურ ინვესტიციებს ერთ სულზე მნიშვნელოვანი (significant) დადებითი ზეგავლენა აქვს მშპ-ზე ერთ სულზე, როგორც მოკლე ისე გრძელვადიან პერიოდში, თუმცა ამ მოდელმა მნიშვნელოვანი (significant) კავშირები მშპ-სა და სხვა ცვლადებს შორის ვერ აჩვენა.
Random Forest-ის ლაგების გარეშე მოდელმა რომელიც კარგად იჭერს არაწრფივ კავშირებს ცვლადებს შორის აჩვენა, რომ მთლიანი შიგა პროდუქტზე ყველაზე დიდი დადებითი ზეგავლენა აქვს მთლიანი კაპიტალის ფორმირებას (34.8%), შემდეგ პირდაპირ უცხოურ ინვესტიციებს (28.6%), მთავრობის დანახარჯებს (23.5%) და სავაჭრო ბალანსს (13.1%).
Random Forest-ის ლაგებიანმა მოდელმა აჩვენა რომ ყველაზე დიდი ზეგავლენა მთლიან შიგა პროდუქტზე კვლავ კაპიტალის მთლიან ფორმირებას აქვს ლაგით (27.9%), შემდეგ კვლავ კაპიტალის მთლიან ფორმირებას ლაგის გარეშე (19.9%), შემდეგ ლაგ მთლიან შიგა პროდუქტს (19.9%), შემდეგ ლაგ პირდაპირ უცხოურ ინვესტიციებს (16.5%) და მიმდინარე პირდაპირ უცხოურ ინვესტიციებს (8.6%). სხვა უმეტესობა კვლევების მსგავსად ეს კვლევაც ადასტურებს პირდაპირი უცხოური ინვესტიციების დადებით მნიშვნელოვან ზეგავლენას მთლიან შიგა პროდუტზე.
შედეგად სახელმწიფომ მაქსიმალურად უნდა შეუწყოს ხელი პირდაპირი უცხოური ინვესტიციების ზრდას ქვეყანაში. ფაქტორები რაც პირდაპირი უცხოური ინვესტიციების ზრდას აფერხებს დღეს ქვეყანაში არის: განუვითარებელი კაპიტალის და ბონდების ბაზარი, მაღალი საპროცენტო განაკვეთები ფინანსურ რესურსზე; პოლიტიკური და შესაბამისად ეკონომიკური არასატაბილურობა ქვეყანაში; პატარა ბაზარი, რაც არამიმზიდველია უცხოური კომპანიებისთვის; განათლების და კვალიფიკაციის დაბალი დონე; სასამართლო სისტემის არაგამჭვირვალობა და არაობიექტურობა, და სუსტად განვითარებული ინფრასტრუქტურა.
შედეგებმა აჩვენა რომ მანქანურ სწავლების მეთოდი უფრო კარგად იჭერს კავშირებს ცვლადებს შორის ვიდრე ეკონომეტრიკული, მაგრამ რადგან ორივე მიდგომა კომპლექსურია და ბევრი მოდელი არსებობს ორივე მიმართულებით, შემდგომი კვლევისთვის კარგი იქნება მოხდეს ისეთი ეკონომეტრიკული მოდელების გამოყენება როგორიცაა ზღურბლის ავტორეგრესიული მოდელები (TAR), გლუვი გადასვლის ავტორეგრესიული მოდელები (STAR), არაწრფივი კოინტეგრაციის მოდელები და არაწრფივი შეცდომების კორექტირების მოდელები (NECM) და გრეინჯერის მიზეზობრიობის ტესტი. (Threshold Autoregressive Models (TAR), Smooth Transition Autoregressive Models (STAR), Nonlinear Cointegration Models, and Nonlinear Error Correction Models (NECM) and Granger Causality Test). ხოლო მანქანური სწავლებიდან კი გრადიენტის გამაძლიერებელი მანქანები (GBM), მათ შორის XGBoost (GBM-ის ოპტიმიზებული და ეფექტური ვერსია), LightGBM (უფრო სწრაფი ვარიანტი ჰისტოგრამაზე დაფუძნებული მიდგომების გამოყენებით), CatBoost (რომელიც ეფექტურად ამუშავებს კატეგორიულ ცვლადებს) და გრძელვადიანი მოკლევადიანი მეხსიერების (LSTM) ქსელები. (Gradient Boosting Machines (GBM), including XGBoost (an optimized and efficient version of GBM), LightGBM (a faster variant using histogram-based approaches), CatBoost (which handles categorical variables effectively), and Long Short-Term Memory (LSTM) networks). ზოგადად, ორივე მეთოდის გამოყენება ერთად უფრო დასაყრდენ და ზუსტ შედეგებს იძლევა, ვიდრე მხოლოდ ერთის.

საკვანძო სიტყვები: პირდაპირი უცხოური ინვესტიციები, მთლიანი შიდა პროდუქტი, მანქანათმცოდნეობა, შემთხვევითი ტყე, თაგვები, ეკონომეტრიკული.

ლიტერატურა:
References:
• სიხარულიძე დ. ჭარაია ვ. (2018). „პირდაპირი უხოური ინვესტიციები: თეორია და საქართველოს გამოცდილება“. გამომცემლობა „უნივერსალი“.
• Sikharulidze D. Charaya V. (2018). „pirdapiri utskhouri investitsiebi: sakartvelos teoria da gamotsdileba“. [“Foreign Direct Investments. Theory and Georgian Experience”. Publishing House “Universal”.] in Georgian
• Acaravci A., & Ozturk I. (2012). Foreign Direct Investment, Export and Economic Growth: Empirical Evidence from New EU Countries. Romanian Journal of Economic Forecasting, 2(2), 52-67.
• Afriyie J. K., Twumasi-Ankrah S., Gyamfi K. B., Arthur D. & Pels W. A. (2020). Evaluating the Performance of Unit Root Tests in Single Time Series Processes. Mathematics and Statistics, 8(6), 656-664.
• Ahamed F. (2022). Impact of Public and Private Investments on Economic Growth of Developing Countries (Master's thesis, Northern Illinois University).
• Albulescu C. T. (2015). Do Foreign Direct and Portfolio Investments Affect Long-term Economic Growth in Central and Eastern Europe?. Procedia Economics and Finance, 23, 507-512.
• Batten J. A., & Vo X. V. (2009). An Analysis of the Relationship between Foreign Direct Investment and Economic Growth. Applied Economics, 41(13), 1621-1641.
• Gokmen O. (2021). The Relationship between Foreign Direct Investment and Economic Growth: A case of Turkey. arXiv preprint arXiv:2106.08144.
• Gómez-Méndez I. & Joly E. (2023). Regression with Missing Data, a Comparison Study of Techniques based on Random Forests. Journal of Statistical Computation and Simulation, 93 (12), 1924-1949.
• Hlavacek,P. & Bal-Domanska B. (2016). Impact of Foreign Direct Investment and Economic Growth in Central and Eastern European Countries. Engineering Economics, 27(3), 294-303.
• Leybourne S. & Newbold P. (1999). On the Size Properties of Phillips–Perron Tests. Journal of Time Series Analysis, 20(1), 51-61.
• Little R. J. & Rubin D. B. (2019). Statistical Analysis with Missing Data (Vol. 793). John Wiley & Sons.
• Lütkepohl H. (2005). "Vector Error Correction Models." New Introduction to Multiple Time Series Analysis, 237-267.
• Moudatsou, A. (2003). Foreign Direct Investment and Economic Growth in the European Union. Journal of Economic Integration, 689-707.
• Mushtaq R. (2011). Augmented Dickey Fuller test.
• Pharjiani S. (2015). "Foreign Direct Investment on Economic Growth by Industries in Central and Eastern European Countries." Int. J. Econ. Manag. Eng 9 3988-3996.
• Salma U., Khan M. F. H. & Billah M. M. (2023). Foreign Capital and Economic Growth: Evidence from Bangladesh. arXiv preprint arXiv:2312.04695.
• Simionescu M. (2016). The Relation between Economic Growth and Foreign Direct Investment during the Economic Crisis in the European Union. Zbornik Radova Ekonomskog Fakulteta u Rijeci: časopis za ekonomsku teoriju i praksu, 34(1), 187-213.
• Ssekuma R. (2011)."A Study of Cointegration Models with Applications." University of South Africa.
• Stanisic N. (2008). Do Foreign Direct Investments Increase the Economic Growth of Southeastern European Transition Economies?. South-Eastern Europe Journal of Economics, 6(1).
• Tyralis H., & Papacharalampous G. (2017). Variable Selection in Time Series Forecasting Using Random Forests. Algorithms, 10(4), 114.
• Van Buuren S., & Groothuis-Oudshoorn, K. (2011). mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45, 1-67.

Keywords: Foreign Direct Investments, Gross Domestic Product, Machine Learning, Random Forest, mice, Econometric.

ეკონომიკა და ბიზნესი ივანე ჯავახიშვილის სახელობის თბილისის სახელმწიფო უნივერსიტეტის ეკონომიკისა და ბიზნესის ფაკულტეტის რეფერირებადი და რეცენზირებადი საერთაშორისო სამეცნიერო-ანალიტიკური ჟურნალი

ISSN 1987-5789 ESSN 2587-5426 doi 10.52340	ჟურნალი ნომერი 4 ∘ ნუცა თოხაძე ∘ მანქანური სწავლებისა და ეკონომეტრიკის მეთოდების გამოყენება ეკონომიკურ ზრდაზე პირდაპირი უცხოური ინვესტიციების გავლენის შეფასებისათვის საქართველოს მაგალითზე (1989-2023წწ.) doi.org/10.52340/eab.2024.16.04.07 ჟურნალი N 4. 2024 მონაცემთა მეცნიერება, მათ შორის, ხელოვნური ინტელექტი უფრო და უფრო აქტუალური ხდება ყოველდღიურად. მონაცემთა მეცნიერებამ უკვე შეაღწია თითქმის ყველა დარგში, როგორებიცაა: ეკონომიკა, ბიზნესი, ხელოვნება, მედიცინა და ა.შ. თითქმის ყველაფერი მონაცემებზეა დაფუძნებული და მათი ეფექტიანი და სწორი გამოყენებით ძალიან ბევრი პრობლემის გადაჭრა შეიძლება. პირდაპირ უცხოურ ინვესტიციებსა და მთლიან შიგა პროდუქტს შორის კავშირებზე ბევრი კვლევაა ჩატარებული როგორც საქართველოში, ასევე საზღვარგარეთ, თუმცა, საქართველოში ცოტაა ისეთი კვლევა, რაც ეკონომეტრიკული მეთოდების გამოყენებით ცდილობს ამ ორ ცვლად შორის კავშირების დადგენას, ხოლო კვლევები რომლებიც მანქანური სწავლების მეთოდებს იყენებს თითქმის არ არის. შედეგად ამ კვლევის მიზანია ამოავსოს ეს დეფიციტი, გამოიყენოს ეკონომეტრიკული და მანქანური სწავლების მეთოდები, შეადაროს მეთოდები, გამოკვეთოს უფრო საიმედო და დასაყრდენი შედეგები და მისცეს რეკომენდაცია მთავრობას. კვლევაში გამოყენებული მონაცემები აღებულია მსოფლიო ბანკის მონაცემთა ბაზებიდან და საქართველოს სტატისტიკის ეროვნული სამსახურიდან. მოხდა ბევრი ცვლადის დატესტვა, თუმცა, საბოლოოდ გამოვიყენებთ 6 ცვლადი. დამოკიდებული, ანუ ენდოგენური ცვლადი არის მთლიანი შიგა პროდუქტი ერთ სულ მოსახლეობის ერთ სულზე, ხოლო დამოუკიდებელი ცვლადები კი არის პირდაპირი უცხოური ინვესტიციები ერთ სულზე, მთლიანი კაპიტალის ფორმირება ერთ სულზე, მთავრობის მოხმარება როგორც მთლიანი შიგა პროდუქტის პროცენტი; სავაჭრო სალდო, როგორც პროცენტი მთლიანი შიგა პროდუქტის, და მოსახლეობის წლიური ზრდა (პროცენტული მაჩვენებლი). მონაცემები მოიცავდა დაკარგულ ღირებულებებს (missing values) და მოხდა მათი იმპუტაცია თაგვის პაკეტით (mice package), სადაც გამოყენებული იყო შემთხვევითი ტყეების (random forest ) მეთოდი. მოხდა ლიტერატურის მიმოხილვა და შემდეგ ეკონომომეტრიკული და მანქანური სწავლების ორი მიდგომის გამოყენება. ეკონომეტრიკული მეთოდიდან მოხდა VECM მოდელის გამოყენება, ხოლო მანქანური სავლებიდან კი Random Forest-ის. VECM მოდელის აგებამდე მოხდა მონაცემების stationary-ის შემოწმება, შემდეგ ჩატარდა კოინტეგრაციის ტესტი (cointegration test) და მხოლოდ ამის შემდეგ კი აიგო VECM მოდელი. რაც შეეხება Random Forest-ს მოხდა ორი მოდელის აგება. ერთი ლაგების გარეშე და მეორე ლაგებით. ლაგების გარეშე მოდელში მოხდა პირდაპირი უცხოური ინვესტიციების, მთლიანი კაპიტალის ფორმირების, მთავრობის დანახარჯების და სავაჭრო ბალანსის ჩართვა როგორც დამოუკიდებელ ცვლადებად. ხოლოდ ლაგებიან მოდელში კი სახელმწიფო დანახარჯების და სავაჭრო ბალანსის ამოღება მოხდა, რადგან გადამზადების (overfitting) მოდელი პრობლემის წინაშე დადგა. რაც შეეხება შედეგებს. VECM მოდელმა აჩვენა რომ პირდაპირი უცხოურ ინვესტიციებს ერთ სულზე მნიშვნელოვანი (significant) დადებითი ზეგავლენა აქვს მშპ-ზე ერთ სულზე, როგორც მოკლე ისე გრძელვადიან პერიოდში, თუმცა ამ მოდელმა მნიშვნელოვანი (significant) კავშირები მშპ-სა და სხვა ცვლადებს შორის ვერ აჩვენა. Random Forest-ის ლაგების გარეშე მოდელმა რომელიც კარგად იჭერს არაწრფივ კავშირებს ცვლადებს შორის აჩვენა, რომ მთლიანი შიგა პროდუქტზე ყველაზე დიდი დადებითი ზეგავლენა აქვს მთლიანი კაპიტალის ფორმირებას (34.8%), შემდეგ პირდაპირ უცხოურ ინვესტიციებს (28.6%), მთავრობის დანახარჯებს (23.5%) და სავაჭრო ბალანსს (13.1%). Random Forest-ის ლაგებიანმა მოდელმა აჩვენა რომ ყველაზე დიდი ზეგავლენა მთლიან შიგა პროდუქტზე კვლავ კაპიტალის მთლიან ფორმირებას აქვს ლაგით (27.9%), შემდეგ კვლავ კაპიტალის მთლიან ფორმირებას ლაგის გარეშე (19.9%), შემდეგ ლაგ მთლიან შიგა პროდუქტს (19.9%), შემდეგ ლაგ პირდაპირ უცხოურ ინვესტიციებს (16.5%) და მიმდინარე პირდაპირ უცხოურ ინვესტიციებს (8.6%). სხვა უმეტესობა კვლევების მსგავსად ეს კვლევაც ადასტურებს პირდაპირი უცხოური ინვესტიციების დადებით მნიშვნელოვან ზეგავლენას მთლიან შიგა პროდუტზე. შედეგად სახელმწიფომ მაქსიმალურად უნდა შეუწყოს ხელი პირდაპირი უცხოური ინვესტიციების ზრდას ქვეყანაში. ფაქტორები რაც პირდაპირი უცხოური ინვესტიციების ზრდას აფერხებს დღეს ქვეყანაში არის: განუვითარებელი კაპიტალის და ბონდების ბაზარი, მაღალი საპროცენტო განაკვეთები ფინანსურ რესურსზე; პოლიტიკური და შესაბამისად ეკონომიკური არასატაბილურობა ქვეყანაში; პატარა ბაზარი, რაც არამიმზიდველია უცხოური კომპანიებისთვის; განათლების და კვალიფიკაციის დაბალი დონე; სასამართლო სისტემის არაგამჭვირვალობა და არაობიექტურობა, და სუსტად განვითარებული ინფრასტრუქტურა. შედეგებმა აჩვენა რომ მანქანურ სწავლების მეთოდი უფრო კარგად იჭერს კავშირებს ცვლადებს შორის ვიდრე ეკონომეტრიკული, მაგრამ რადგან ორივე მიდგომა კომპლექსურია და ბევრი მოდელი არსებობს ორივე მიმართულებით, შემდგომი კვლევისთვის კარგი იქნება მოხდეს ისეთი ეკონომეტრიკული მოდელების გამოყენება როგორიცაა ზღურბლის ავტორეგრესიული მოდელები (TAR), გლუვი გადასვლის ავტორეგრესიული მოდელები (STAR), არაწრფივი კოინტეგრაციის მოდელები და არაწრფივი შეცდომების კორექტირების მოდელები (NECM) და გრეინჯერის მიზეზობრიობის ტესტი. (Threshold Autoregressive Models (TAR), Smooth Transition Autoregressive Models (STAR), Nonlinear Cointegration Models, and Nonlinear Error Correction Models (NECM) and Granger Causality Test). ხოლო მანქანური სწავლებიდან კი გრადიენტის გამაძლიერებელი მანქანები (GBM), მათ შორის XGBoost (GBM-ის ოპტიმიზებული და ეფექტური ვერსია), LightGBM (უფრო სწრაფი ვარიანტი ჰისტოგრამაზე დაფუძნებული მიდგომების გამოყენებით), CatBoost (რომელიც ეფექტურად ამუშავებს კატეგორიულ ცვლადებს) და გრძელვადიანი მოკლევადიანი მეხსიერების (LSTM) ქსელები. (Gradient Boosting Machines (GBM), including XGBoost (an optimized and efficient version of GBM), LightGBM (a faster variant using histogram-based approaches), CatBoost (which handles categorical variables effectively), and Long Short-Term Memory (LSTM) networks). ზოგადად, ორივე მეთოდის გამოყენება ერთად უფრო დასაყრდენ და ზუსტ შედეგებს იძლევა, ვიდრე მხოლოდ ერთის. საკვანძო სიტყვები: პირდაპირი უცხოური ინვესტიციები, მთლიანი შიდა პროდუქტი, მანქანათმცოდნეობა, შემთხვევითი ტყე, თაგვები, ეკონომეტრიკული. ლიტერატურა: References: • სიხარულიძე დ. ჭარაია ვ. (2018). „პირდაპირი უხოური ინვესტიციები: თეორია და საქართველოს გამოცდილება“. გამომცემლობა „უნივერსალი“. • Sikharulidze D. Charaya V. (2018). „pirdapiri utskhouri investitsiebi: sakartvelos teoria da gamotsdileba“. [“Foreign Direct Investments. Theory and Georgian Experience”. Publishing House “Universal”.] in Georgian • Acaravci A., & Ozturk I. (2012). Foreign Direct Investment, Export and Economic Growth: Empirical Evidence from New EU Countries. Romanian Journal of Economic Forecasting, 2(2), 52-67. • Afriyie J. K., Twumasi-Ankrah S., Gyamfi K. B., Arthur D. & Pels W. A. (2020). Evaluating the Performance of Unit Root Tests in Single Time Series Processes. Mathematics and Statistics, 8(6), 656-664. • Ahamed F. (2022). Impact of Public and Private Investments on Economic Growth of Developing Countries (Master's thesis, Northern Illinois University). • Albulescu C. T. (2015). Do Foreign Direct and Portfolio Investments Affect Long-term Economic Growth in Central and Eastern Europe?. Procedia Economics and Finance, 23, 507-512. • Batten J. A., & Vo X. V. (2009). An Analysis of the Relationship between Foreign Direct Investment and Economic Growth. Applied Economics, 41(13), 1621-1641. • Gokmen O. (2021). The Relationship between Foreign Direct Investment and Economic Growth: A case of Turkey. arXiv preprint arXiv:2106.08144. • Gómez-Méndez I. & Joly E. (2023). Regression with Missing Data, a Comparison Study of Techniques based on Random Forests. Journal of Statistical Computation and Simulation, 93 (12), 1924-1949. • Hlavacek,P. & Bal-Domanska B. (2016). Impact of Foreign Direct Investment and Economic Growth in Central and Eastern European Countries. Engineering Economics, 27(3), 294-303. • Leybourne S. & Newbold P. (1999). On the Size Properties of Phillips–Perron Tests. Journal of Time Series Analysis, 20(1), 51-61. • Little R. J. & Rubin D. B. (2019). Statistical Analysis with Missing Data (Vol. 793). John Wiley & Sons. • Lütkepohl H. (2005). "Vector Error Correction Models." New Introduction to Multiple Time Series Analysis, 237-267. • Moudatsou, A. (2003). Foreign Direct Investment and Economic Growth in the European Union. Journal of Economic Integration, 689-707. • Mushtaq R. (2011). Augmented Dickey Fuller test. • Pharjiani S. (2015). "Foreign Direct Investment on Economic Growth by Industries in Central and Eastern European Countries." Int. J. Econ. Manag. Eng 9 3988-3996. • Salma U., Khan M. F. H. & Billah M. M. (2023). Foreign Capital and Economic Growth: Evidence from Bangladesh. arXiv preprint arXiv:2312.04695. • Simionescu M. (2016). The Relation between Economic Growth and Foreign Direct Investment during the Economic Crisis in the European Union. Zbornik Radova Ekonomskog Fakulteta u Rijeci: časopis za ekonomsku teoriju i praksu, 34(1), 187-213. • Ssekuma R. (2011)."A Study of Cointegration Models with Applications." University of South Africa. • Stanisic N. (2008). Do Foreign Direct Investments Increase the Economic Growth of Southeastern European Transition Economies?. South-Eastern Europe Journal of Economics, 6(1). • Tyralis H., & Papacharalampous G. (2017). Variable Selection in Time Series Forecasting Using Random Forests. Algorithms, 10(4), 114. • Van Buuren S., & Groothuis-Oudshoorn, K. (2011). mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45, 1-67. Keywords: Foreign Direct Investments, Gross Domestic Product, Machine Learning, Random Forest, mice, Econometric.