Original Title: Determinants of Barley Output Supply Response in Ethiopia: Application of Ardl Bound Cointegration Approach
Source: doi.org/10.36956/rwae.v3i3.580
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

កត្តាកំណត់នៃការឆ្លើយតបនៃការផ្គត់ផ្គង់ទិន្នផលស្រូវបាឡេនៅប្រទេសអេត្យូពី៖ ការអនុវត្តវិធីសាស្ត្រ ARDL Bound Cointegration

ចំណងជើងដើម៖ Determinants of Barley Output Supply Response in Ethiopia: Application of Ardl Bound Cointegration Approach

អ្នកនិពន្ធ៖ Abera Gayesa Tirfi (Department of Agriculture and Animal Health, University of South Africa, Ethiopia Regional Learning Centre, Ethiopia)

ឆ្នាំបោះពុម្ព៖ 2022, Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះមានគោលបំណងស៊ើបអង្កេតអំពីកត្តាអាកាសធាតុ និងមិនមែនអាកាសធាតុដែលជះឥទ្ធិពលដល់ការឆ្លើយតបនៃការផ្គត់ផ្គង់ទិន្នផលស្រូវបាឡេ (Barley output) នៅក្នុងប្រទេសអេត្យូពី។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់ទិន្នន័យបន្ទាប់បន្សំពីឆ្នាំ ១៩៨១ ដល់ ២០២០ ដោយអនុវត្តវិធីសាស្ត្រវិភាគសេដ្ឋកិច្ចដើម្បីវាស់ស្ទង់ទំនាក់ទំនងរយៈពេលខ្លី និងរយៈពេលវែង។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
ARDL Bound Cointegration Approach
វិធីសាស្ត្រ ARDL (Autoregressive Distributed Lag)
អាចប្រើប្រាស់បានទាំងទិន្នន័យដែលមានលក្ខណៈ I(0) និង I(1) ព្រមទាំងស័ក្តិសមបំផុតសម្រាប់ទំហំសំណាកតូច (Small sample size)។ អាចប៉ាន់ស្មានទំនាក់ទំនងបានទាំងរយៈពេលខ្លី និងរយៈពេលវែង។ ទាមទារការជ្រើសរើសចំនួន Lag (Lag length) ឱ្យបានត្រឹមត្រូវ និងមិនអាចប្រើបានទេប្រសិនបើមានអថេរប្រភេទ I(2)។ រកឃើញថាកំណើន ១% នៃទឹកភ្លៀង និងសីតុណ្ហភាព ជួយបង្កើនទិន្នផលស្រូវបាឡេរយៈពេលខ្លីចំនួន ០.៣៤% និង ០.៣២% រៀងគ្នា។
General Circulation Models (GCMs)
ម៉ូដែលព្យាករណ៍អាកាសធាតុទូទៅ (GCMs)
ជាម៉ូដែលដ៏ស្មុគស្មាញ និងទូលំទូលាយបំផុតក្នុងការទស្សន៍ទាយបម្រែបម្រួលអាកាសធាតុពិភពលោក។ មានចំណុចខ្សោយក្នុងការកំណត់កម្រិតភាពច្បាស់នៃលំហអាកាស និងមិនអាចធ្វើការក្លែងធ្វើ (Simulate) កត្តាអាកាសធាតុតំបន់ឱ្យបានច្បាស់លាស់។ មិនត្រូវបានជ្រើសរើសយកមកប្រើប្រាស់ក្នុងការសិក្សានេះទេ ដោយសារខ្វះភាពជាក់លាក់សម្រាប់ទិន្នន័យកសិកម្មកម្រិតតំបន់។
Cobweb Model
ម៉ូដែល Cobweb
ផ្តោតសំខាន់លើការវិភាគបំរែបំរួលតម្លៃដែលបណ្តាលមកពីអន្តរកម្មរវាងតម្រូវការ និងការផ្គត់ផ្គង់។ ផ្តោតខ្លាំងពេកលើផ្នែកតម្រូវការ (Demand side) និងមិនបានរួមបញ្ចូលកត្តាធាតុចូលរូបវន្តដូចជា ជី និងទំហំដីដាំដុះ។ មិនត្រូវបានជ្រើសរើសយកមកប្រើប្រាស់ក្នុងការសិក្សានេះទេ ព្រោះការសិក្សានេះផ្តោតលើកត្តាផ្គត់ផ្គង់ (Supply side)។
Ricardian Model
ម៉ូដែល Ricardian
អាចវិភាគទិន្នន័យកសិដ្ឋានចម្រុះក្រោមលក្ខខណ្ឌអាកាសធាតុផ្សេងៗគ្នា ដើម្បីវាស់ស្ទង់ឥទ្ធិពលអាកាសធាតុលើប្រាក់ចំណូល។ មិនបានរាប់បញ្ចូលកត្តាមិនមែនអាកាសធាតុ ឥទ្ធិពលតម្លៃ និងមិនបានគិតគូរពីឥទ្ធិពលនៃការប្រើប្រាស់ជីកសិកម្មឡើយ។ មិនត្រូវបានជ្រើសរើសយកមកប្រើប្រាស់ក្នុងការសិក្សានេះទេ ដោយសារភាពខ្វះចន្លោះក្នុងការបញ្ជូលអថេរសំខាន់ៗ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងលើទិន្នន័យបន្ទាប់បន្សំជាស៊េរីពេលវេលា (Time-series data) និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យសេដ្ឋកិច្ចដោយមិនតម្រូវឱ្យមានការចុះប្រមូលទិន្នន័យផ្ទាល់នោះទេ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងប្រទេសអេត្យូពី ដោយផ្អែកលើទិន្នន័យកសិកម្មរយៈពេល ៤០ ឆ្នាំដែលផ្តោតលើដំណាំស្រូវបាឡេនៅតំបន់ខ្ពង់រាប។ ទោះបីជាប្រភេទដំណាំខុសគ្នាពីប្រទេសកម្ពុជាក៏ដោយ ប៉ុន្តែប្រទេសទាំងពីរមានភាពស្រដៀងគ្នាត្រង់ការពឹងផ្អែកខ្លាំងលើកសិកម្មទឹកភ្លៀង (Rain-fed agriculture) ដែលធ្វើឱ្យការសិក្សាពីឥទ្ធិពលនៃការប្រែប្រួលអាកាសធាតុមានសារៈសំខាន់ដូចគ្នា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ ARDL នេះមានអត្ថប្រយោជន៍ និងសក្តានុពលខ្លាំងណាស់សម្រាប់ការស្រាវជ្រាវកសិកម្ម និងការរៀបចំគោលនយោបាយនៅក្នុងប្រទេសកម្ពុជា។

ការអនុវត្តម៉ូដែលសេដ្ឋវិភាគនេះនឹងជួយឱ្យអ្នករៀបចំគោលនយោបាយកម្ពុជាអាចកំណត់គោលដៅអន្តរាគមន៍បានចំចំណុច ទាំងលើការផ្តល់ពូជ ការគ្រប់គ្រងតម្លៃជី និងការទប់ទល់នឹងបម្រែបម្រួលអាកាសធាតុ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ពង្រឹងចំណេះដឹងមូលដ្ឋានផ្នែកសេដ្ឋវិភាគ (Econometrics): និស្សិតត្រូវសិក្សាពីទ្រឹស្តីមូលដ្ឋាននៃ Time Series Analysis រួមមានការធ្វើតេស្ត Unit Root (ADF, PP tests) និងទ្រឹស្តី Cointegration។
  2. ប្រមូល និងរៀបចំទិន្នន័យកសិកម្មកម្ពុជា: ចុះប្រមូលទិន្នន័យប្រវត្តិសាស្ត្រ (យ៉ាងហោចណាស់ ៣០ឆ្នាំ) ពីក្រសួងកសិកម្ម និងក្រសួងធនធានទឹក ដូចជាទិន្នផលស្រូវ ផ្ទៃដីដាំដុះ បរិមាណទឹកភ្លៀង និងតម្លៃទីផ្សារ។
  3. ស្ទាត់ជំនាញកម្មវិធីវិភាគទិន្នន័យ: អនុវត្តការប្រើប្រាស់កម្មវិធីសេដ្ឋវិភាគដោយផ្តោតលើកម្មវិធី EViews, Stata ឬភាសាកូដ R ដើម្បីត្រៀមខ្លួនក្នុងការរាន់ម៉ូដែល។
  4. ដំណើរការម៉ូដែល ARDL និង Error Correction Model (ECM): អនុវត្តការវិភាគ ARDL Bounds Test នៅក្នុងកម្មវិធី EViews ដើម្បីស្វែងរកទំនាក់ទំនងភាពយឺត (Elasticity) ទាំងក្នុងរយៈពេលខ្លី និងរយៈពេលវែងរវាងអថេរដែលបានជ្រើសរើស។
  5. សរសេររបាយការណ៍ និងអនុសាសន៍គោលនយោបាយ: បកស្រាយលទ្ធផលវិភាគជាភាសាងាយយល់ និងទាញយកអនុសាសន៍ជាក់ស្តែងសម្រាប់ស្ថាប័នពាក់ព័ន្ធ ដូចជាការអប់រំកសិករពីការប្រើប្រាស់ជី និងការត្រៀមខ្លួនទប់ទល់នឹងរដូវរាំងស្ងួត។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
ARDL Bound Cointegration Approach (វិធីសាស្ត្រ ARDL Bound Cointegration) វាជាម៉ូដែលសេដ្ឋវិភាគដែលប្រើសម្រាប់វាស់ស្ទង់ទំនាក់ទំនងរវាងអថេរផ្សេងៗ (ដូចជាបរិមាណទឹកភ្លៀង និងទិន្នផល) ទាំងក្នុងរយៈពេលខ្លី និងរយៈពេលវែង ជាពិសេសស័ក្តិសមបំផុតនៅពេលទិន្នន័យមានលក្ខណៈចម្រុះគ្នា (Stationary ខ្លះ និង Non-stationary ខ្លះ)។ ដូចជាការតាមដានមើលថា តើការផ្លាស់ប្តូរទម្លាប់ហូបចុកថ្ងៃនេះ នឹងប៉ះពាល់ដល់សុខភាពភ្លាមៗ និងប៉ះពាល់រហូតដល់១០ឆ្នាំក្រោយយ៉ាងដូចម្តេចខ្លះ។
Error Correction Model (ម៉ូដែលកែកំហុស - ECM) វាជារូបមន្តគណិតវិទ្យាក្នុងសេដ្ឋវិភាគដែលវាស់ស្ទង់ពីល្បឿននៃការវិលត្រឡប់ទៅរកស្ថានភាពតុល្យភាពដើមវិញ (Long-run equilibrium) បន្ទាប់ពីមានបម្រែបម្រួល ឬរញ្ជួយណាមួយកើតឡើងក្នុងរយៈពេលខ្លី។ ដូចជាការទាញកៅស៊ូកងឱ្យយឺត ហើយលែងវិញ ម៉ូដែលនេះវាស់ថាតើកៅស៊ូកងនោះប្រើពេលប៉ុន្មានទើបត្រឡប់មករកទំហំប្រក្រតីដើមរបស់វាវិញ។
Cointegration (សមាហរណកម្ម / ទំនាក់ទំនងរួម) គឺជាគោលការណ៍ស្ថិតិដែលបង្ហាញថា ទោះបីជាអថេរពីរឬច្រើនមានបម្រែបម្រួលឡើងចុះឥតឈប់ឈរតាមពេលវេលាក៏ដោយ ក៏ពួកវានៅតែរក្សាទំនាក់ទំនង និងដើរស្របគ្នាក្នុងរយៈពេលវែង។ ដូចជាសត្វឆ្កែ និងម្ចាស់ដែលដើរលេងក្នុងសួន ទោះឆ្កែរត់ចុះឡើងឆ្វេងស្តាំ (រយៈពេលខ្លី) តែទីបំផុតពួកវានៅតែដើរទៅគោលដៅតែមួយជាមួយគ្នាក្នុងរយៈពេលវែង។
Unit root (ឫសឯកតា) វាជាលក្ខណៈនៃទិន្នន័យស៊េរីពេលវេលា (Time Series) ដែលគ្មានស្ថិរភាព (Non-stationary) មានន័យថាមធ្យមភាគ និងវ៉ារ្យង់របស់វាប្រែប្រួលតាមពេលវេលា ដែលអាចធ្វើឱ្យការវិភាគរកទំនាក់ទំនងខុសប្រក្រតី (Spurious results)។ ដូចជារថយន្តដែលបើកបរគ្មានល្បឿនថេរ ហើយងាកចុះងាកឡើង ដែលពិបាកនឹងទស្សន៍ទាយថាវានឹងទៅដល់គោលដៅនៅម៉ោងប៉ុន្មាន។
Lagged variables (អថេរត្រឡប់ក្រោយ / អថេរកាលពីអតីតកាល) នៅក្នុងការវិភាគសេដ្ឋកិច្ច វាគឺជាការយកតម្លៃនៃទិន្នន័យពីអតីតកាល (ឧទាហរណ៍៖ តម្លៃស្រូវកាលពីឆ្នាំមុន ឬការប្រើជីកាលពីឆ្នាំមុន) មកប្រើប្រាស់ជាកត្តាកំណត់ ដើម្បីពន្យល់ពីលទ្ធផល ឬការសម្រេចចិត្តដែលកើតឡើងក្នុងពេលបច្ចុប្បន្ន។ ដូចជាការប្រើប្រាស់បទពិសោធន៍ប្រឡងធ្លាក់កាលពីឆ្នាំមុន មកធ្វើជាមេរៀនដើម្បីជំរុញឱ្យខ្លួនឯងសម្រេចចិត្តខិតខំរៀនជាងមុននៅឆ្នាំនេះ។
Cobweb Model (ម៉ូដែល Cobweb / ទ្រឹស្តីបណ្តាញពីងពាង) ជាទ្រឹស្តីសេដ្ឋកិច្ចដែលពន្យល់ពីការឡើងចុះនៃតម្លៃទំនិញ (ជាពិសេសកសិផល) ដោយសារតែការផ្គត់ផ្គង់ពឹងផ្អែកលើការសម្រេចចិត្តដែលផ្អែកលើតម្លៃក្នុងអតីតកាល ខណៈពេលដែលតម្រូវការគឺផ្អែកលើតម្លៃបច្ចុប្បន្ន។ ដូចជាកសិករឃើញតម្លៃជ្រូកឆ្នាំនេះថ្លៃ ក៏នាំគ្នាចិញ្ចឹមជ្រូកច្រើន ធ្វើឱ្យឆ្នាំក្រោយជ្រូកសល់ច្រើនហើយចុះថោកវិញ បង្កើតជាវដ្តឡើងចុះៗដូចបណ្តាញពីងពាង។
Ricardian model (ម៉ូដែល រីកាឌៀន) ជាវិធីសាស្ត្រក្នុងសេដ្ឋកិច្ចដែលប្រើប្រាស់តម្លៃដី ឬប្រាក់ចំណូលសុទ្ធពីកសិកម្ម ដើម្បីវាយតម្លៃពីផលប៉ះពាល់សេដ្ឋកិច្ចរយៈពេលវែង ដែលបណ្តាលមកពីការប្រែប្រួលអាកាសធាតុទៅលើកសិដ្ឋានផ្សេងៗគ្នា។ ដូចជាការប្រៀបធៀបតម្លៃដីស្រែនៅតំបន់រាំងស្ងួត និងតំបន់សម្បូរទឹក ដើម្បីដឹងថាអាកាសធាតុមានឥទ្ធិពលប៉ុណ្ណាទៅលើតម្លៃសេដ្ឋកិច្ចនៃដីនោះ។
Hordeum vulgare L. (ដំណាំស្រូវបាឡេ) ជាឈ្មោះវិទ្យាសាស្ត្ររបស់ស្រូវបាឡេ ដែលជាប្រភេទដំណាំធញ្ញជាតិដ៏សំខាន់មួយដែលអាចធន់នឹងអាកាសធាតុត្រជាក់ និងស្ងួត ហើយត្រូវបានគេដាំដុះយ៉ាងទូលំទូលាយសម្រាប់ធ្វើជាចំណីអាហារ ចំណីសត្វ និងផលិតភេសជ្ជៈ។ វាស្រដៀងនឹងស្រូវសាលីដែរ តែមានភាពធន់នឹងអាកាសធាតុអាក្រក់ជាង ហើយគេច្រើនយកវាទៅចម្រាញ់ធ្វើជាស្រាបៀរ ឬនំប៉័ង។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖