បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើបញ្ហាដែលកសិករជួបប្រទះក្នុងការផ្លាស់ប្តូរពីការប្រើប្រាស់ជីគីមីទៅការវិនិយោគលើជីសរីរាង្គ ដោយសារកង្វះព័ត៌មាននៅក្នុងទីផ្សារ (Information Asymmetry) និងឧបសគ្គក្នុងការទទួលបានហិរញ្ញប្បទាន។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យអង្កេតផ្ទាល់កម្រិតមីក្រូពីកសិករ និងអនុវត្តទម្រង់គំរូសេដ្ឋកិច្ចមាត្រ ដើម្បីវិភាគទំនាក់ទំនង និងយន្តការនៃឥទ្ធិពលរបស់អ៊ីនធឺណិតទៅលើការសម្រេចចិត្តវិនិយោគ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Tobit Model ម៉ូដែល Tobit (សម្រាប់ការវិភាគទិន្នន័យមានកម្រិត ឬមានតម្លៃសូន្យច្រើន) |
មានប្រសិទ្ធភាពក្នុងការវិភាគទិន្នន័យការវិនិយោគជីសរីរាង្គដែលមានកសិករខ្លះមិនបានចំណាយទាល់តែសោះ (តម្លៃសូន្យ)។ វាជួយកាត់បន្ថយភាពលម្អៀងនៃការប៉ាន់ស្មានបើធៀបនឹងម៉ូដែល OLS ធម្មតា។ | មិនអាចដោះស្រាយបញ្ហាអថេរដែលប៉ះពាល់គ្នាទៅវិញទៅមក (Endogeneity) ឬបញ្ហាលម្អៀងក្នុងការជ្រើសរើស (Selection bias) បានដោយខ្លួនឯងនោះទេ។ | បង្ហាញថាការប្រើប្រាស់អ៊ីនធឺណិតមានឥទ្ធិពលវិជ្ជមានយ៉ាងច្បាស់លាស់ទៅលើការវិនិយោគជីសរីរាង្គ (មេគុណ ០.៥១៩ ក្នុងកម្រិតកំហុស ១%)។ |
| IV-Tobit Model ម៉ូដែល IV-Tobit (ប្រើប្រាស់អថេរឧបករណ៍) |
អាចដោះស្រាយបញ្ហា Endogeneity ដែលបណ្តាលមកពីការខ្វះអថេរ និងទំនាក់ទំនងបញ្ច្រាស ដោយប្រើប្រាស់សមាមាត្រនៃការប្រើប្រាស់អ៊ីនធឺណិតក្នុងភូមិជាអថេរឧបករណ៍ (Instrumental Variable)។ | ទាមទារឱ្យមានការស្វែងរកអថេរឧបករណ៍ដែលត្រឹមត្រូវពិតប្រាកដ (ពាក់ព័ន្ធនឹងអ៊ីនធឺណិតតែមិនប៉ះពាល់ផ្ទាល់ដល់ការទិញជី) ដែលជាទូទៅពិបាករកណាស់ក្នុងការអនុវត្តជាក់ស្តែង។ | បន្ទាប់ពីដោះស្រាយបញ្ហា Endogeneity រួច ឥទ្ធិពលនៃការប្រើប្រាស់អ៊ីនធឺណិតនៅតែមានភាពវិជ្ជមានគួរឱ្យកត់សម្គាល់ (មេគុណកើនដល់ ២.៨៦៦)។ |
| Propensity Score Matching (PSM) វិធីសាស្ត្រផ្គូផ្គងពិន្ទុទំនោរ (PSM) |
ជួយកាត់បន្ថយបញ្ហាលម្អៀងនៃការជ្រើសរើស (Self-selection bias) ដោយបង្កើតក្រុមប្រៀបធៀបដែលស្រដៀងគ្នាបំផុតរវាងអ្នកប្រើ និងអ្នកមិនប្រើអ៊ីនធឺណិត។ | អាចគ្រប់គ្រងបានតែលើអថេរដែលអាចសង្កេតឃើញ (Observable variables) ប៉ុណ្ណោះ មិនអាចដោះស្រាយកត្តាលាក់កំបាំងដែលមិនមានក្នុងទិន្នន័យបានទេ។ | បញ្ជាក់ពីភាពរឹងមាំនៃលទ្ធផល ដោយបង្ហាញថាតម្លៃឥទ្ធិពលមធ្យម (ATT) មានចន្លោះពី ០.៧៨២ ដល់ ០.៩៣២ ក្នុងកម្រិតកំហុស ១% សម្រាប់គ្រប់វិធីសាស្ត្រផ្គូផ្គង (k-nearest, caliper, kernel)។ |
| Mediation Effect Model ម៉ូដែលឥទ្ធិពលតំណភ្ជាប់ (ការសាកល្បងអថេរមធ្យម) |
អនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវស្វែងយល់ពីយន្តការស៊ីជម្រៅ ថាតើអ៊ីនធឺណិតជំរុញការទិញជីតាមរយៈច្រកណា (ក្នុងករណីនេះគឺការទទួលបានឥណទាន)។ | ទាមទារការធ្វើតេស្តជាច្រើនដំណាក់កាល (Stepwise) ហើយលទ្ធផលអាចមានភាពរសើបប្រសិនបើមានកំហុសក្នុងការបញ្ជាក់ម៉ូដែលតាំងពីដំបូង។ | បង្ហាញថាការប្រើប្រាស់អ៊ីនធឺណិតជួយសម្រួលដល់ការទទួលបានឥណទាន (មេគុណ ០.២៥២) ហើយឥណទាននេះជួយជំរុញការវិនិយោគជីសរីរាង្គ (មេគុណ ០.៤១៣)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់យ៉ាងលម្អិតអំពីថ្លៃចំណាយលើឧបករណ៍បច្ចេកទេសនោះទេ ប៉ុន្តែការសិក្សានេះទាមទារឱ្យមានការប្រមូលទិន្នន័យខ្នាតតូចយ៉ាងទូលំទូលាយ និងជំនាញក្នុងការវិភាគទិន្នន័យកម្រិតខ្ពស់។
ការសិក្សានេះផ្តោតតែទៅលើអ្នកដាំផ្លែប៉ោមចំនួន ១០៣០ នាក់នៅក្នុងតំបន់ភ្នំនៃខេត្ត Shaanxi ប្រទេសចិន ដែលមានបរិបទភូមិសាស្ត្រ និងប្រភេទដំណាំជាក់លាក់។ សម្រាប់ប្រទេសកម្ពុជា ទោះបីជាប្រភេទដំណាំខុសគ្នា (ដូចជាស្រូវ ដំឡូងមី ស្វាយកន្ទី) ក៏ដោយ ប៉ុន្តែបញ្ហាប្រឈមរបស់កសិករដូចជាការខ្វះព័ត៌មានទីផ្សារ គុណភាពជីសរីរាង្គមិនស្មើគ្នា និងការលំបាកក្នុងការខ្ចីប្រាក់ពីធនាគារ គឺជារឿងដែលស្រដៀងគ្នាយ៉ាងខ្លាំង ដែលធ្វើឱ្យលទ្ធផលនេះមានតម្លៃសម្រាប់ការរៀនសូត្រ។
វិធីសាស្ត្រ និងការរកឃើញក្នុងការស្រាវជ្រាវនេះគឺមានអត្ថប្រយោជន៍ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់បរិបទអភិវឌ្ឍន៍កសិកម្មនិងសេដ្ឋកិច្ចឌីជីថលនៅកម្ពុជា។
ជារួម ការលើកកម្ពស់ហេដ្ឋារចនាសម្ព័ន្ធអ៊ីនធឺណិត និងអក្ខរកម្មឌីជីថលនៅតាមជនបទ គឺជាកាតាលីករដ៏សំខាន់ក្នុងការជំរុញកសិករកម្ពុជាឱ្យងាកមកធ្វើកសិកម្មបៃតង និងមានចីរភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Tobit model | ជាម៉ូដែលស្ថិតិប្រើសម្រាប់វិភាគទិន្នន័យដែលមានតម្លៃកម្រិត ឬមានតម្លៃសូន្យច្រើន។ ក្នុងបរិបទនេះ ដោយសារកសិករមួយចំនួនមិនបានចំណាយលុយទិញជីសរីរាង្គទាល់តែសោះ (តម្លៃស្មើ០) ការប្រើម៉ូដែលនេះជួយប៉ាន់ស្មានលទ្ធផលបានត្រឹមត្រូវជាងការប្រើប្រាស់ម៉ូដែលធម្មតា (OLS)។ | ដូចជាការថ្លឹងទម្ងន់វត្ថុលើជញ្ជីងដែលចាប់ផ្តើមពីសូន្យ បើវត្ថុស្រាលពេកជញ្ជីងមិនលោតលេខ ម៉ូដែលនេះជួយទាយទម្ងន់ពិតទោះជញ្ជីងបង្ហាញលេខសូន្យក៏ដោយ។ |
| Information asymmetry | ជាស្ថានភាពដែលភាគីម្ខាងនៅក្នុងប្រតិបត្តិការទីផ្សារ មានព័ត៌មានច្រើនជាង ឬច្បាស់លាស់ជាងភាគីម្ខាងទៀត។ ឧទាហរណ៍ អ្នកផលិតជីដឹងច្បាស់ពីគុណភាពជីរបស់ខ្លួន ប៉ុន្តែកសិករជាអ្នកទិញមិនដឹងច្បាស់នោះទេ ដែលធ្វើឲ្យពួកគេមិនហ៊ានប្រថុយទិញ។ | ដូចជាការទិញរថយន្តមួយទឹក អ្នកលក់ដឹងច្បាស់ពីប្រវត្តិខូចខាតរបស់ឡាន ប៉ុន្តែអ្នកទិញមិនដឹងទាល់តែសោះ។ |
| Endogeneity issue | ជាបញ្ហាក្នុងការវិភាគស្ថិតិនៅពេលដែលអថេរពន្យល់ (Explanatory variable) មានទំនាក់ទំនងជាមួយកំហុសនៃម៉ូដែល (Error term) ដែលច្រើនបណ្តាលមកពីការខ្វះអថេរ ឬទំនាក់ទំនងបញ្ច្រាសមកវិញ។ ឧទាហរណ៍ គេមិនច្បាស់ថាការប្រើអ៊ីនធឺណិតធ្វើឲ្យកសិករទិញជី ឬក៏មកពីកសិករមានលុយទិញជីទើបពួកគេមានលទ្ធភាពទិញស្មាតហ្វូនប្រើអ៊ីនធឺណិត។ | ដូចជាការសន្និដ្ឋានថាមាន់រងាវធ្វើឲ្យព្រះអាទិត្យរះ ដោយមិនបានគិតថាការពិតគឺដោយសារពេលវេលាព្រឹកព្រលឹមទើបធ្វើឲ្យមាន់រងាវនិងព្រះអាទិត្យរះព្រមគ្នា។ |
| Instrumental variable | គឺជាអថេរទីបីដែលត្រូវបានយកមកប្រើប្រាស់ដើម្បីដោះស្រាយបញ្ហា Endogeneity។ អថេរនេះត្រូវតែមានទំនាក់ទំនងខ្លាំងជាមួយអថេរដើម (ការប្រើអ៊ីនធឺណិត) ប៉ុន្តែមិនត្រូវមានឥទ្ធិពលផ្ទាល់ទៅលើលទ្ធផលចុងក្រោយ (ការទិញជី) នោះទេ លើកលែងតែឥទ្ធិពលតាមរយៈអថេរដើមប៉ុណ្ណោះ។ | ដូចជាការប្រើប្រាស់ប្រវែងស្រមោលដើម្បីគណនាកម្ពស់ដើមឈើ ដោយសារយើងមិនអាចឡើងទៅវាស់ដើមឈើដោយផ្ទាល់បាន។ |
| Mediation effect model | ជាម៉ូដែលប្រើសម្រាប់ស្វែងយល់ពីយន្តការ ឬតំណភ្ជាប់កណ្តាលដែលពន្យល់ពីរបៀបដែលអថេរមួយជះឥទ្ធិពលដល់អថេរមួយទៀត។ ក្នុងឯកសារនេះ វាពន្យល់ថាអ៊ីនធឺណិតមិនត្រឹមតែជំរុញការទិញជីផ្ទាល់ទេ តែវាជួយឲ្យកសិករទទួលបានឥណទានជាមុនសិន ទើបឥណទាននោះជំរុញការទិញជីជាបន្តបន្ទាប់។ | ដូចជាការប្រគល់ឥវ៉ាន់តាមអ្នករត់កង់បី អ៊ីនធឺណិតគឺជាអ្នកផ្ញើ ឥណទានគឺជាអ្នករត់កង់បី ហើយការទិញជីគឺជាអ្នកទទួលឥវ៉ាន់ចុងក្រោយ។ |
| Propensity Score Matching Method (PSM) | ជាវិធីសាស្ត្រស្ថិតិដែលផ្គូផ្គងអ្នកចូលរួមក្នុងក្រុមដែលទទួលរងឥទ្ធិពល (អ្នកប្រើអ៊ីនធឺណិត) ជាមួយអ្នកនៅក្នុងក្រុមមិនទទួលរងឥទ្ធិពល (អ្នកមិនប្រើ) ដែលមានលក្ខណៈស្រដៀងគ្នាបំផុត (ដូចជាអាយុ ចំណូល ទំហំដី) ដើម្បីប្រៀបធៀបលទ្ធផលប្រកបដោយភាពយុត្តិធម៌ និងកាត់បន្ថយភាពលម្អៀង។ | ដូចជាការរៀបចំការប្រកួតកីឡាប្រដាល់ ដោយតម្រូវឲ្យចាប់គូកីឡាករដែលមានទម្ងន់និងកម្ពស់ប៉ុនគ្នា ដើម្បីឲ្យការប្រកួតមានភាពយុត្តិធម៌។ |
| Self-selection bias | ជាភាពលម្អៀងដែលកើតឡើងនៅពេលបុគ្គលជ្រើសរើសចូលរួមក្នុងក្រុមណាមួយដោយខ្លួនឯង ធ្វើឲ្យសំណាកទិន្នន័យមិនតំណាងឲ្យក្រុមទូទៅ។ ឧទាហរណ៍ កសិករដែលរើសយកការប្រើអ៊ីនធឺណិត ភាគច្រើនជាអ្នកឆាប់ទទួលយករបស់ថ្មី ឬមានធនធានស្រាប់ ដែលធ្វើឲ្យការប្រៀបធៀបពួកគេជាមួយអ្នកមិនប្រើមានភាពមិនស្មើភាពតាំងពីដើម។ | ដូចជាការស្ទង់មតិសួររកភាពឆ្ងាញ់នៃសាច់ជ្រូកអាំងនៅក្នុងហាងលក់សាច់ជ្រូកផ្ទាល់ ដែលធ្វើឲ្យលទ្ធផលលម្អៀង ព្រោះអ្នកមិនហូបសាច់ជ្រូកគឺមិនបានដើរចូលហាងនោះតាំងពីដំបូងមកម៉្លេះ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
