បញ្ហា (The Problem)៖ ឯកសារនេះស៊ើបអង្កេតពីមូលហេតុដែលអ្នកផលិតផលិតផលទឹកដោះគោនៅតំបន់ Bench Sheko និង Sheka នៃប្រទេសអេត្យូពី មានការចូលរួមក្នុងទីផ្សារកម្រិតទាប ទោះបីជាតំបន់ទាំងនេះមានសក្តានុពលផលិតកម្មខ្ពស់ក៏ដោយ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់វិធីសាស្ត្រស្រាវជ្រាវបរិមាណនិងគុណភាព ដោយប្រើម៉ូដែល Probit ដើម្បីវិភាគទិន្នន័យពីការស្ទង់មតិលើកសិករគំរូចំនួន ១៦០ គ្រួសារ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Probit Model ម៉ូដែលប្រូប៊ីត (Probit Model) |
ស័ក្តិសមសម្រាប់វិភាគអថេរអាស្រ័យប្រភេទ Binary (ចូលរួម ឬ មិនចូលរួមទីផ្សារ)។ វាមានភាពសុក្រឹតខ្ពស់ដោយសារវាសន្មតថា កំហុសនៃអថេរមិនច្បាស់លាស់ (Latent error terms) មានរបាយធម្មតា (Normal Distribution)។ | ទាមទារទំហំសំណាកធំគួរសម និងការសន្មតតឹងរ៉ឹងលើរបាយទិន្នន័យ ដែលអាចស្មុគស្មាញក្នុងការបកស្រាយលទ្ធផលដោយផ្ទាល់ (ត្រូវគណនា Marginal Effect បន្ថែម)។ | រកឃើញកត្តាជះឥទ្ធិពលវិជ្ជមានខ្លាំង (ចំនួនគោ ពូជកាត់ ការប្រើចំណីកែលម្អ) និងអវិជ្ជមាន (កុមារក្រោម៦ឆ្នាំ ចម្ងាយទីផ្សារ ប្រាក់ចំណូលសរុប) ដល់ការចូលរួមទីផ្សារ ដោយមានកម្រិតលម្អៀងរួមបញ្ចូលគ្នាតិចតួច។ |
| Logit Model ម៉ូដែលឡូជីត (Logit Model) |
ងាយស្រួលប្រើប្រាស់សម្រាប់ការវិភាគអថេរប្រភេទ Binary ដូចគ្នា និងមានភាពបត់បែនខ្ពស់ក្នុងការបកស្រាយជាទម្រង់អត្រា Odds Ratio សម្រាប់ប្រៀបធៀប។ | មានកន្ទុយរបាយធំជាង (Fatter tail) ធៀបនឹង Probit ដែលអាចធ្វើឱ្យការប៉ាន់ស្មានប្រូបាប៊ីលីតេខុសគ្នានៅចុងសងខាងនៃរបាយទិន្នន័យ មិនសូវស័ក្តិសមបើទិន្នន័យមានរបាយធម្មតាល្អឥតខ្ចោះនោះទេ។ | ត្រូវបានលើកឡើងក្នុងឯកសារជាជម្រើសទ្រឹស្តី ប៉ុន្តែមិនត្រូវបានប្រើប្រាស់ក្នុងការវិភាគចុងក្រោយទេ ដោយសារទិន្នន័យជាក់ស្តែងស្របតាមលក្ខខណ្ឌនៃរបាយធម្មតារបស់ម៉ូដែល Probit ច្រើនជាង។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានជាចម្បងលើការប្រមូលទិន្នន័យផ្ទាល់នៅទីវាល និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រឯកទេសសម្រាប់វិភាគស្ថិតិសេដ្ឋកិច្ច។
ការសិក្សានេះប្រមូលទិន្នន័យពីកសិករត្រឹមតែ ១៦០ គ្រួសារ នៅក្នុងតំបន់ Bench Sheko និង Sheka ភាគនិរតីនៃប្រទេសអេត្យូពី ដែលមានលក្ខណៈភូមិសាស្ត្រ និងសេដ្ឋកិច្ចសង្គមជាក់លាក់បំផុត។ ទិន្នន័យនេះមិនអាចតំណាងឱ្យស្ថានភាពកសិករខ្នាតតូចទាំងអស់នោះទេ ហើយសម្រាប់ប្រទេសកម្ពុជា ការយល់ដឹងពីកំហិតនេះមានសារៈសំខាន់ ព្រោះបរិបទហេដ្ឋារចនាសម្ព័ន្ធទីផ្សារ លទ្ធភាពទទួលបានចំណីសត្វ និងប្រភេទពូជគោ មានភាពខុសគ្នាខ្លាំង ទាមទារការសាកល្បងមុននឹងយកមកអនុវត្ត។
ទោះបីជាបរិបទភូមិសាស្ត្រខុសគ្នា វិធីសាស្ត្រស្រាវជ្រាវ និងការរកឃើញនៅក្នុងឯកសារនេះ អាចផ្តល់ជាគំរូដ៏ល្អ និងការអនុវត្តជាក់ស្តែងសម្រាប់អភិវឌ្ឍខ្សែច្រវាក់តម្លៃគោទឹកដោះនៅកម្ពុជា។
សរុបមក របាយការណ៍នេះផ្តល់នូវក្របខណ្ឌគណិតវិទ្យា-ស្ថិតិដែលអាចកែច្នៃមកអនុវត្តដើម្បីវាយតម្លៃ និងរៀបចំយុទ្ធសាស្ត្រគាំទ្រពលរដ្ឋក្នុងសហគមន៍កសិកម្មនៅកម្ពុជាប្រកបដោយប្រសិទ្ធភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Probit model (ម៉ូដែលប្រូប៊ីត) | ម៉ូដែលស្ថិតិសេដ្ឋកិច្ចមាត្រដែលប្រើសម្រាប់វិភាគអថេរអាស្រ័យដែលមានជម្រើសតែពីរ (Binary: ឧទាហរណ៍ ចូលរួម ឬមិនចូលរួម) ដោយផ្អែកលើសម្មតិកម្មនៃរបាយធម្មតាស្តង់ដារ (Standard Normal Distribution) នៃកំហុសទិន្នន័យ។ | ដូចជាការគណនាប្រូបាប៊ីលីតេទាយថាតើមនុស្សម្នាក់នឹងសម្រេចចិត្ត "ទិញ" ឬ "មិនទិញ" ទំនិញមួយ ដោយមើលលើកត្តាជំរុញផ្សេងៗដូចជាប្រាក់ចំណូល និងចំណង់ចំណូលចិត្ត។ |
| Marginal effect (ផលធៀបរឹម) | ជាការវាស់វែងពីកម្រិតនៃការប្រែប្រួលនៃប្រូបាប៊ីលីតេនៃលទ្ធផលដែលយើងចង់ទស្សន៍ទាយ (ឧ. ឱកាសក្នុងការចូលរួមទីផ្សារ) នៅពេលដែលអថេរឯករាជ្យណាមួយប្រែប្រួលមួយឯកតា ដោយរក្សាអថេរផ្សេងទៀតឱ្យនៅថេរដដែល។ | ប្រៀបដូចជាការចង់ដឹងថា បើយើងបន្ថែមហ្គាសម៉ូតូ១លេខទៀត តើល្បឿនម៉ូតូនឹងកើនឡើងប៉ុន្មានគីឡូម៉ែត្រក្នុងមួយម៉ោង។ |
| Crossbreed (ពូជកាត់) | សត្វដែលកើតចេញពីការបង្កាត់រវាងពូជសត្វពីរខុសគ្នា (ជាទូទៅគឺការបង្កាត់គោពូជក្នុងស្រុក ជាមួយនឹងគោពូជនាំចូល) ដើម្បីទទួលបានលក្ខណៈប្រសើរជាងមុន ដូចជាអាចផលិតទឹកដោះបានច្រើន និងធន់នឹងជំងឺ។ | ដូចជាការយកស្វាយពូជក្នុងស្រុកដែលធន់នឹងអាកាសធាតុ ទៅតភ្ជាប់ជាមួយពូជបរទេសដែលមានផ្លែធំ ដើម្បីបានដើមស្វាយថ្មីដែលងាយដាំផងនិងមានផ្លែធំផង។ |
| Utility maximization theory (ទ្រឹស្តីអតិបរមាភាវូបនីយកម្មអត្ថប្រយោជន៍) | ទ្រឹស្តីសេដ្ឋកិច្ចដែលពន្យល់ថាបុគ្គលម្នាក់ៗ ឬកសិករ តែងតែធ្វើការសម្រេចចិត្តជ្រើសរើសជម្រើសណាដែលផ្តល់នូវការពេញចិត្ត សុភមង្គល ឬប្រាក់ចំណេញខ្ពស់បំផុតសម្រាប់ខ្លួនឯង ជាមួយនឹងថ្លៃដើមទាបបំផុត។ | ដូចជាពេលអ្នកមានលុយ ១០ដុល្លារ អ្នកនឹងទិញម្ហូបណាដែលអ្នកចូលចិត្តបំផុត និងធ្វើឱ្យអ្នកឆ្អែតបំផុត ជំនួសឱ្យការទិញរបស់ដែលអ្នកមិនសូវត្រូវការ។ |
| Latent variable (អថេរកំបាំង ឬអថេរមិនច្បាស់លាស់) | ជាអថេរដែលមិនអាចវាស់វែងឬសង្កេតឃើញដោយផ្ទាល់នៅក្នុងការស្រាវជ្រាវ ប៉ុន្តែអាចត្រូវបានសន្និដ្ឋានឬទាញយកតាមរយៈម៉ូដែលគណិតវិទ្យា ដោយផ្អែកលើអថេរផ្សេងៗទៀតដែលអាចវាស់វែងបានជាក់ស្តែង។ | ប្រៀបដូចជា "ភាពឆ្លាតវៃ" របស់សិស្សដែលយើងមើលមិនឃើញដោយផ្ទាល់ តែយើងអាចដឹងបានតាមរយៈពិន្ទុប្រឡងរបស់គាត់។ |
| Triangulation method (វិធីសាស្ត្រត្រីកោណមាត្រក្នុងការស្រាវជ្រាវ) | ការប្រើប្រាស់ប្រភពទិន្នន័យ ឬវិធីសាស្ត្រប្រមូលទិន្នន័យច្រើនជាងមួយបញ្ចូលគ្នា (ដូចជាការប្រើកម្រងសំណួរផង ការពិភាក្សាក្រុមផង និងការសម្ភាសន៍ផង) ដើម្បីផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវ និងបង្កើនភាពជឿជាក់នៃលទ្ធផលសិក្សា។ | ដូចជាការសួររកផ្លូវទៅកន្លែងមួយពីមនុស្ស៣នាក់ផ្សេងគ្នា ដើម្បីផ្ទៀងផ្ទាត់ឱ្យប្រាកដថាអ្នកពិតជាកំពុងដើរត្រូវផ្លូវមែន។ |
| Multistage sampling technique (បច្ចេកទេសជ្រើសរើសសំណាកពហុដំណាក់កាល) | វិធីសាស្ត្រជ្រើសរើសអ្នកចូលរួមក្នុងការស្ទង់មតិ ដោយបែងចែកជាដំណាក់កាលជាបន្តបន្ទាប់ ដូចជាចាប់ផ្តើមជ្រើសរើសពីកម្រិតតំបន់ធំៗ មកកម្រិតស្រុក មកឃុំ និងចុងក្រោយទើបជ្រើសរើសកម្រិតគ្រួសារ។ | ដូចជាការរើសកីឡាករចូលក្រុមជម្រើសជាតិ ដោយរើសពីខេត្តសិន រួចរើសពីស្រុក រហូតដល់រើសតាមភូមិ ដើម្បីឱ្យប្រាកដថាបានតំណាងមកពីគ្រប់តំបន់ពិតប្រាកដ។ |
| Dummy variable (អថេរនិម្មិត) | ជាប្រភេទអថេរដែលត្រូវបានកំណត់តម្លៃជាលេខ ០ ឬ ១ នៅក្នុងម៉ូដែលស្ថិតិ ដើម្បីតំណាងឱ្យលក្ខណៈជាក្រុម ឬស្ថានភាពនៃជម្រើសណាមួយ (ឧទាហរណ៍ ១ សម្រាប់អ្នកប្រើចំណីកែលម្អ, ០ សម្រាប់អ្នកមិនប្រើ)។ | ដូចជាកុងតាក់ភ្លើង ដែលមានតែជម្រើស ២ គឺ បើក (តំណាងដោយលេខ ១) ឬ បិទ (តំណាងដោយលេខ ០)។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
