បញ្ហា (The Problem)៖ តើមានទំនាក់ទំនងអន្តរកម្មរវាងការឡើងកម្តៅផែនដី និងអសន្តិសុខស្បៀងនៅក្នុងប្រទេសនៅតំបន់អាហ្វ្រិកខាងលិចដែរឬទេ? ការសិក្សានេះពិនិត្យមើលពីផលប៉ះពាល់រយៈពេលវែងនៃការប្រែប្រួលអាកាសធាតុទៅលើកម្រិតនៃភាពក្រីក្រ និងកង្វះអាហារូបត្ថម្ភក្នុងគ្រួសារ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យបន្ទាប់បន្សំប្រភេទ (Panel Data) ពីឆ្នាំ ២០០០ ដល់ ២០២០ ដោយអនុវត្តបច្ចេកទេសសេដ្ឋកិច្ចវិទ្យាដើម្បីវិភាគទំនាក់ទំនងរវាងកម្រិតកង្វះអាហារូបត្ថម្ភនិងអថេរអាកាសធាតុ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Fully Modified Ordinary Least Squares (FMOLS) ម៉ូដែលការ៉េអប្បបរមាធម្មតាដែលបានកែប្រែទាំងស្រុង |
អនុញ្ញាតឱ្យមានការត្រួតពិនិត្យភាពខុសគ្នានៃផលប៉ះពាល់ថេរ (fixed effects) តាមប្រទេសនីមួយៗ និងកាត់បន្ថយបញ្ហាលំអៀងនៃអថេរដែលមិនបានបញ្ចូល។ | ទាមទារឱ្យទិន្នន័យមានសហសមាហរណកម្ម (co-integrated) ជាមុនសិនទើបអាចប៉ាន់ស្មានលទ្ធផលបានត្រឹមត្រូវនិងមានស្ថិរភាព។ | រកឃើញថាការកើនឡើង ១% នៃបរិមាណឧស្ម័ន CO2 នាំឱ្យអត្រាកង្វះអាហារូបត្ថម្ភ (អសន្តិសុខស្បៀង) កើនឡើង ១៨,៣% ។ |
| Generalized Linear Model (GLM) ម៉ូដែលលីនេអ៊ែរទូទៅ |
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការដោះស្រាយបញ្ហាទិន្នន័យបន្ទះ (Panel Data) ដែលមិនមានតុល្យភាព ភាពខុសគ្នារវាងបុគ្គល និងបញ្ហាអូតូកូរ៉េឡាស្យុង (autocorrelation)។ | អាចផ្តល់លទ្ធផលខុសប្រក្រតីប្រសិនបើការសន្មត់ទៅលើទម្រង់នៃការចែកចាយទិន្នន័យ (distribution) មិនត្រឹមត្រូវ។ | បង្ហាញពីទំនាក់ទំនងអវិជ្ជមានរយៈពេលវែងរវាងអសន្តិសុខស្បៀង និងលំហូរចូលនៃការវិនិយោគផ្ទាល់ពីបរទេស (FDI) និង GDP សម្រាប់មនុស្សម្នាក់ៗ។ |
| Panel Granger Causality Test ការធ្វើតេស្តទំនាក់ទំនងបុព្វហេតុ Panel Granger |
អាចកំណត់ទិសដៅនៃទំនាក់ទំនងបុព្វហេតុរវាងអថេរពីរយ៉ាងច្បាស់លាស់ (ឧទាហរណ៍៖ ថាតើ A បណ្តាលឱ្យ B ឬផ្ទុយមកវិញ)។ | គ្រាន់តែបង្ហាញពីលទ្ធភាពនៃការទស្សន៍ទាយតាមរយៈស្ថិតិ (Predictive causality) មិនមែនជាការបញ្ជាក់ពីទំនាក់ទំនងបុព្វហេតុពិតប្រាកដក្នុងពិភពជាក់ស្តែងជានិច្ចនោះទេ។ | បញ្ជាក់ថាកំណើនប្រជាជនជាមូលហេតុបណ្តាលឱ្យមានកង្វះអាហារូបត្ថម្ភ (Unidirectional causality) តែមិនមានសកម្មភាពត្រឡប់ពីកង្វះអាហារូបត្ថម្ភទៅកំណើនប្រជាជនវិញទេ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះផ្អែកលើការវិភាគទិន្នន័យបន្ទាប់បន្សំ (Secondary Data) ដែលទាមទារកម្មវិធីកុំព្យូទ័រស្ថិតិកម្រិតខ្ពស់ និងចំណេះដឹងផ្នែកសេដ្ឋកិច្ចវិទ្យា (Econometrics) យ៉ាងរឹងមាំ។
ការសិក្សានេះធ្វើឡើងដោយផ្តោតលើទិន្នន័យពីប្រទេសចំនួន ១១ នៅតំបន់អាហ្វ្រិកខាងលិច ចន្លោះឆ្នាំ ២០០០ ដល់ ២០២០ ដោយអវត្តមានប្រទេសមួយចំនួនដោយសារខ្វះទិន្នន័យ។ ទោះបីជាមានដែនកំណត់ភូមិសាស្ត្រក៏ដោយ លទ្ធផលនេះផ្តល់ជារូបភាពប្រហាក់ប្រហែលសម្រាប់ប្រទេសកំពុងអភិវឌ្ឍន៍។ សម្រាប់ប្រទេសកម្ពុជា ការសិក្សានេះមានសារៈសំខាន់ដោយសារកម្ពុជាក៏ជាប្រទេសពឹងផ្អែកលើកសិកម្ម ងាយរងគ្រោះពីការប្រែប្រួលអាកាសធាតុ និងមានបរិបទសេដ្ឋកិច្ចប្រហាក់ប្រហែលគ្នា។
វិធីសាស្ត្រ និងរបកគំហើញនៃការសិក្សានេះ មានអត្ថប្រយោជន៍ខ្ពស់ក្នុងការយកមកអនុវត្ត និងធ្វើជាគំរូស្រាវជ្រាវសម្រាប់បរិបទប្រទេសកម្ពុជា។
សរុបមក វិធីសាស្ត្រនៃការសិក្សានេះផ្តល់ជាក្របខ័ណ្ឌដ៏រឹងមាំមួយសម្រាប់អ្នកស្រាវជ្រាវកម្ពុជាក្នុងការវិភាគទិន្នន័យកម្រិតម៉ាក្រូ ដើម្បីចូលរួមដោះស្រាយបញ្ហាអសន្តិសុខស្បៀងដែលបណ្តាលមកពីការប្រែប្រួលអាកាសធាតុក្នុងប្រទេស។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Panel Data (ទិន្នន័យ Panel ឬ ទិន្នន័យបន្ទះ) | ជាប្រភេទសំណុំទិន្នន័យដែលប្រមូលបានពីអង្គភាពដដែលៗ (ដូចជាប្រទេស ក្រុមហ៊ុន ឬគ្រួសារជាដើម) តាមពេលវេលាខុសៗគ្នាជាបន្តបន្ទាប់ ដែលអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវវិភាគទាំងការផ្លាស់ប្តូរតាមពេលវេលា និងភាពខុសគ្នារវាងអង្គភាពទាំងនោះ។ | ដូចជាការថតរូបសិស្សម្នាក់ៗក្នុងថ្នាក់រៀនជារៀងរាល់ឆ្នាំ ដើម្បីតាមដានការលូតលាស់របស់ពួកគេតាំងពីថ្នាក់ទី១ដល់ទី១២។ |
| Co-integration (សហសមាហរណកម្ម) | ជាស្ថានភាពក្នុងស្ថិតិដែលអថេរសេដ្ឋកិច្ចពីរឬច្រើន ទោះបីជាពួកវាមានការប្រែប្រួលឡើងចុះៗមិនមានស្ថិរភាពក្នុងរយៈពេលខ្លីយ៉ាងណាក្តី ក៏អថេរទាំងនោះនៅតែរក្សាបាននូវទំនាក់ទំនងឬតុល្យភាពជាមួយគ្នាក្នុងរយៈពេលវែង។ | ដូចជាម្ចាស់និងសត្វឆ្កែដែលដើរដោយមានចងខ្សែភ្ជាប់គ្នា ទោះបីជាឆ្កែរត់ចុះឡើងៗឆ្វេងស្តាំគ្មានសណ្តាប់ធ្នាប់យ៉ាងណាក្តី ក៏ពួកវានៅតែធ្វើដំណើរទៅកាន់គោលដៅតែមួយក្នុងរយៈពេលវែង។ |
| Fully Modified Ordinary Least Squares (FMOLS) (ម៉ូដែលការ៉េអប្បបរមាធម្មតាដែលបានកែប្រែទាំងស្រុង) | ជាវិធីសាស្ត្រស្ថិតិកម្រិតខ្ពស់មួយ ប្រើសម្រាប់ប៉ាន់ស្មានទំនាក់ទំនងរយៈពេលវែងរវាងអថេរនៅក្នុងទិន្នន័យ Panel ដោយវាជួយកែតម្រូវបញ្ហាលំអៀង (bias) និងដោះស្រាយភាពមិនប្រក្រតីនៃកំហុសក្នុងទិន្នន័យឱ្យមានសុក្រឹតភាពខ្ពស់ជាងម៉ូដែលធម្មតា។ | ដូចជាការថ្លឹងទម្ងន់ដោយប្រើជញ្ជីងឌីជីថលឆ្លាតវៃ ដែលចេះដកទម្ងន់កន្ត្រកនិងកែតម្រូវភាពលំអៀងដោយស្វ័យប្រវត្តិ ដើម្បីបានទម្ងន់ពិតប្រាកដរបស់វត្ថុ។ |
| Generalized Linear Model (GLM) (ម៉ូដែលលីនេអ៊ែរទូទៅ) | ជាទម្រង់ពង្រីកនៃម៉ូដែលតម្រែតម្រង់ (Regression) ដែលមានភាពបត់បែនខ្ពស់ អនុញ្ញាតឱ្យគេវិភាគលើទិន្នន័យដែលមិនមានការចែកចាយជាទម្រង់ធម្មតា (Normal Distribution) និងជួយដោះស្រាយបញ្ហានៃសំណុំទិន្នន័យដែលមិនមានតុល្យភាព។ | ដូចជាអាវយឺតដែលអាចយឺតសម្របតាមទំហំខ្លួនអ្នកពាក់ទោះធាត់ឬស្គម មិនដូចអាវធំដែលតម្រូវឱ្យអ្នកពាក់មានរាងត្រូវនឹងម៉ាស៊ីនទើបពាក់ត្រូវនោះទេ។ |
| Granger Causality Test (ការធ្វើតេស្តទំនាក់ទំនងបុព្វហេតុ Granger) | ការធ្វើតេស្តស្ថិតិដើម្បីពិនិត្យមើលថាតើការប្រែប្រួលនៃអថេរមួយ អាចត្រូវបានប្រើដើម្បីទស្សន៍ទាយពីការប្រែប្រួលនៃអថេរមួយទៀតនៅថ្ងៃអនាគតបានដែរឬទេ ពោលគឺវាវាស់ស្ទង់សមត្ថភាពទស្សន៍ទាយ មិនមែនជាការបញ្ជាក់ពីមូលហេតុពិតប្រាកដទាំងស្រុងនោះទេ។ | ដូចជាការកត់សម្គាល់ថាសត្វមាន់រងាវអាចប្រើដើម្បីទស្សន៍ទាយថាព្រះអាទិត្យនឹងរះ ប៉ុន្តែការមាន់រងាវមិនមែនជាមូលហេតុពិតប្រាកដដែលធ្វើឱ្យព្រះអាទិត្យរះនោះទេ។ |
| Malthusian theory (ទ្រឹស្តី Malthusian) | ទ្រឹស្តីសេដ្ឋកិច្ចដែលយល់ថាកំណើនប្រជាជននឹងកើនឡើងក្នុងល្បឿនលឿនជាងកំណើននៃផលិតកម្មស្បៀងអាហារ ដែលវានឹងនាំទៅរកគ្រោះទុរ្ភិក្ស ភាពក្រីក្រ និងជម្លោះ ប្រសិនបើគ្មានការគ្រប់គ្រង។ | ដូចជាការអញ្ជើញភ្ញៀវមកហូបបាយកាន់តែច្រើនឡើងៗ ប៉ុន្តែឆ្នាំងបាយនៅតែមានទំហំប៉ុនដើម ដែលទីបំផុតអ្នកខ្លះច្បាស់ជាដាច់ពោះ។ |
| Boserup theory (ទ្រឹស្តី Boserup) | ទ្រឹស្តីដែលផ្ទុយពីទ្រឹស្តី Malthusian ដោយលើកឡើងថាកំណើនប្រជាជនគឺជាកម្លាំងជំរុញមួយ ដែលបង្ខំឱ្យមនុស្សច្នៃប្រឌិត និងបង្កើតបច្ចេកវិទ្យាកសិកម្មថ្មីៗ (Intensification) ដើម្បីបង្កើនទិន្នផលស្បៀងឱ្យទាន់តម្រូវការ។ | ដូចជាពេលដែលយើងជិតដល់ថ្ងៃប្រលងបាក់ឌុប សម្ពាធដែលកើនឡើងនឹងជំរុញឱ្យយើងរកឃើញវិធីសាស្ត្ររៀនថ្មីៗឱ្យឆាប់ចេះលឿនជាងមុន។ |
| Climate-Smart Agriculture (កសិកម្មឆ្លាតវៃចំពោះអាកាសធាតុ) | ជាវិធីសាស្ត្រកសិកម្មរួមបញ្ចូលគ្នាដែលផ្តោតលើគោលដៅ៣យ៉ាង៖ បង្កើនផលិតភាពកសិកម្ម បង្កើនភាពធន់នឹងការប្រែប្រួលអាកាសធាតុ (ការបន្សាំ) និងកាត់បន្ថយការបញ្ចេញឧស្ម័នផ្ទះកញ្ចក់ ដើម្បីធានាឱ្យបាននូវសន្តិសុខស្បៀង។ | ដូចជាការបំពាក់ទាំងអាវក្រោះនិងអាវភ្លៀងឱ្យកសិករ និងផ្តល់ពូជដំណាំពិសេសៗ ដើម្បីឱ្យពួកគេអាចបន្តដាំដុះបានរឹងមាំ ទោះជាអាកាសធាតុប្រែប្រួលអាក្រក់យ៉ាងណាក៏ដោយ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
