បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាអសន្តិសុខស្បៀងនៅក្នុងប្រទេសនីហ្សេរីយ៉ា ដោយស៊ើបអង្កេតថាតើការចំណាយរបស់រដ្ឋាភិបាលលើហេដ្ឋារចនាសម្ព័ន្ធប្រភេទផ្សេងៗគ្នាជះឥទ្ធិពលយ៉ាងណាដល់ផលិតកម្មស្បៀងអាហារប្រកបដោយចីរភាព ដោយផ្អែកលើទ្រឹស្តី Keynesian។
វិធីសាស្ត្រ (The Methodology)៖ ទិន្នន័យស៊េរីពេលវេលាពីឆ្នាំ ១៩៦០ ដល់ ២០២០ ត្រូវបានវិភាគដើម្បីស្វែងរកទំនាក់ទំនងរវាងការចំណាយរដ្ឋ និងសន្តិសុខស្បៀងដោយប្រើប្រាស់ម៉ូដែលតំរែតំរង់កម្រិតខ្ពស់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Dynamic Ordinary Least Squares (DOLS) ម៉ូដែលតំរែតំរង់ DOLS (Dynamic Ordinary Least Squares) |
អាចដោះស្រាយបញ្ហា Serial correlation និង Heteroskedasticity នៅក្នុងទិន្នន័យស៊េរីពេលវេលាបានយ៉ាងល្អ និងផ្តល់តម្លៃ t-statistics ដែលមានភាពប្រក្រតី (Normal distribution)។ | ទាមទារឱ្យអថេរទាំងអស់មានភាពនឹងនរ (Stationary) បន្ទាប់ពីការធ្វើ First-differencing ពោលគឺត្រូវរួមបញ្ចូលគ្នានៅលំដាប់ទី១ - I(1)។ | បានបង្ហាញយ៉ាងច្បាស់ថាការកើនឡើង ១% នៃការចំណាយរដ្ឋលើសុខាភិបាល និងកសិកម្ម ធ្វើឱ្យទិន្នផលកសិកម្មកើនឡើង ៣៤% និង ១០% រៀងគ្នា។ |
| Ordinary Least Squares (OLS) - Baseline ម៉ូដែលតំរែតំរង់ OLS ធម្មតា (Ordinary Least Squares) |
មានភាពសាមញ្ញក្នុងការយល់ដឹង និងងាយស្រួលអនុវត្តសម្រាប់ការវិភាគទំនាក់ទំនងលីនេអ៊ែរជាមូលដ្ឋាន។ | ងាយរងឥទ្ធិពលពីបញ្ហា Serial correlation និង Heteroskedasticity ដែលធ្វើឱ្យលទ្ធផលប៉ាន់ស្មានមិនសូវមានសុក្រឹតភាពសម្រាប់ទិន្នន័យស៊េរីពេលវេលា។ | មិនត្រូវបានប្រើប្រាស់ជាលទ្ធផលចុងក្រោយនោះទេ ប៉ុន្តែត្រូវបានលើកឡើងជាមូលដ្ឋានដែល DOLS ត្រូវយកមកប្រើដើម្បីជួសជុលចំណុចខ្វះខាតរបស់វា។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារកម្មវិធីស្ថិតិ ទិន្នន័យស៊េរីពេលវេលារយៈពេលវែង និងចំណេះដឹងផ្នែកសេដ្ឋកិច្ចវិទ្យា (Econometrics) ជម្រៅជ្រៅ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងប្រទេសនីហ្សេរីយ៉ា ដោយប្រើប្រាស់ទិន្នន័យថ្នាក់ជាតិពីឆ្នាំ ១៩៦០ ដល់ ២០២០។ ទោះបីជានីហ្សេរីយ៉ា និងកម្ពុជាមានលក្ខណៈស្រដៀងគ្នាត្រង់ការពឹងផ្អែកខ្លាំងលើវិស័យកសិកម្ម និងមានកសិករខ្នាតតូចច្រើនក៏ដោយ ក៏ភាពខុសគ្នានៃភូមិសាស្ត្រ អាកាសធាតុ (តំបន់អេក្វាទ័រធៀបនឹងតំបន់មូសុង) និងប្រព័ន្ធគ្រប់គ្រងរដ្ឋអាចធ្វើឱ្យឥទ្ធិពលនៃការចំណាយរបស់រដ្ឋមានភាពខុសគ្នា ដែលទាមទារការប្រុងប្រយ័ត្នក្នុងការទាញយកការសន្និដ្ឋានយកមកអនុវត្តផ្ទាល់។
វិធីសាស្ត្រ និងការរកឃើញនេះមានអត្ថប្រយោជន៍ខ្លាំងណាស់សម្រាប់កម្ពុជា ក្នុងការវាយតម្លៃ និងធ្វើឱ្យប្រសើរឡើងនូវការបែងចែកថវិកាជាតិដើម្បីគាំទ្រដល់សន្តិសុខស្បៀង។
ជារួម ការសិក្សានេះផ្តល់នូវក្របខ័ណ្ឌជាក់ស្តែងមួយសម្រាប់អ្នករៀបចំគោលនយោបាយកម្ពុជា ដើម្បីបង្កើនប្រសិទ្ធភាពនៃការចំណាយសាធារណៈ សំដៅធានាឱ្យបាននូវការផលិតស្បៀងអាហារប្រកបដោយចីរភាព និងកាត់បន្ថយភាពក្រីក្រ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Dynamic Ordinary Least Squares (វិធីសាស្ត្រតំរែតំរង់ការ៉េអប្បបរមាធម្មតាឌីណាមិក) | ម៉ូដែលស្ថិតិសេដ្ឋកិច្ចកម្រិតខ្ពស់ប្រើសម្រាប់វិភាគទិន្នន័យស៊េរីពេលវេលា ដោយវាជួយដោះស្រាយបញ្ហាកំហុសឆ្គងទាក់ទងគ្នា (Serial correlation) និងបម្រែបម្រួលមិនស្មើគ្នា (Heteroskedasticity) នៅក្នុងទិន្នន័យ ដើម្បីផ្តល់លទ្ធផលប៉ាន់ស្មានដែលសុក្រឹតជាងមុន។ | ដូចជាការប្រើប្រាស់ជញ្ជីងថ្លឹងដ៏ឆ្លាតវៃដែលអាចកាត់កងកម្លាំងខ្យល់បក់ ឬរំញ័រផ្សេងៗ ដើម្បីទទួលបានទម្ងន់ពិតប្រាកដរបស់វត្ថុមួយយ៉ាងសុក្រឹត។ |
| Keynesian Theory (ទ្រឹស្តីកេនសៀន) | ទ្រឹស្តីម៉ាក្រូសេដ្ឋកិច្ចដែលអះអាងថា នៅក្នុងពេលមានវិបត្តិសេដ្ឋកិច្ច រដ្ឋាភិបាលគួរតែអន្តរាគមន៍ដោយបង្កើនការចំណាយ និងវិនិយោគសាធារណៈ ដើម្បីជំរុញតម្រូវការ កាត់បន្ថយភាពអត់ការងារធ្វើ និងជួយសង្គ្រោះសេដ្ឋកិច្ចជារួម។ | ដូចជាពេលដែលរទេះជាប់ផុង គឺត្រូវការកម្លាំងពីអ្នកក្រៅ (រដ្ឋាភិបាល) មកជួយរុញបន្ថែម ដើម្បីឱ្យរទេះអាចបន្តដំណើរទៅមុខទៀតបាន។ |
| Cointegration (សហសមាហរណកម្ម) | ដំណើរការស្ថិតិដែលបង្ហាញថា អថេរពីរឬច្រើនទោះបីជាប្រែប្រួលឡើងចុះខ្លាំងក្នុងរយៈពេលខ្លីយ៉ាងណាក៏ដោយ ក៏ពួកវានៅតែរក្សាទំនាក់ទំនងថេរនឹងគ្នាក្នុងចលនារយៈពេលវែង។ | ដូចជាម្ចាស់ និងសត្វឆ្កែដែលដើរលេងជាមួយគ្នា ទោះបីជាឆ្កែរត់ចុះឡើងឆ្វេងស្តាំ (រយៈពេលខ្លី) តែវានៅតែមាននិន្នាការដើរតាមផ្លូវតែមួយជាមួយម្ចាស់វាជានិច្ច (រយៈពេលវែង)។ |
| Time Series Data (ទិន្នន័យស៊េរីពេលវេលា) | សំណុំទិន្នន័យដែលត្រូវបានប្រមូលនិងកត់ត្រាតាមលំដាប់លំដោយនៃពេលវេលាជាប់ៗគ្នា (ឧទាហរណ៍ ជារៀងរាល់ខែ ឬជារៀងរាល់ឆ្នាំ) ដើម្បីតាមដានការវិវត្តនិងរកនិន្នាការនៃកត្តាអ្វីមួយ (ដូចជាទិន្នផលកសិកម្មពីឆ្នាំ១៩៦០ដល់២០២០)។ | ដូចជាការគូសចំណាំកម្ពស់របស់កុមារម្នាក់នៅលើជញ្ជាំងជារៀងរាល់ឆ្នាំក្នុងថ្ងៃខួបកំណើត ដើម្បីមើលថាតើគាត់លូតលាស់បានកម្រិតណាតាមពេលវេលា។ |
| Augmented Dickey-Fuller Test (ការធ្វើតេស្ត ADF) | វិធីសាស្ត្រធ្វើតេស្តក្នុងស្ថិតិសេដ្ឋកិច្ច ដើម្បីពិនិត្យមើលថាតើទិន្នន័យស៊េរីពេលវេលាមានលក្ខណៈ "នឹងនរ" (Stationary) ឬក៏មានអថេរដែលបន្តកើនឡើងដោយគ្មានព្រំដែន ដែលជាលក្ខខណ្ឌចាំបាច់មុននឹងយកទិន្នន័យទៅវិភាគក្នុងម៉ូដែលតំរែតំរង់។ | ដូចជាការចុះពិនិត្យមើលគ្រឹះផ្ទះឱ្យប្រាកដថាវារឹងមាំ និងមានភាពនឹងនរល្អជាមុនសិន មុននឹងយើងចាប់ផ្តើមសង់ជាន់ទី២ឬទី៣បន្ថែមពីលើ។ |
| Heteroskedasticity (វិសមភាពនៃរ៉េស៊ីឌុយ / ហេតេរ៉ូស្កេដាស្ទីស៊ីធី) | ស្ថានភាពនៅក្នុងការវិភាគតំរែតំរង់ដែលកម្រិតនៃកំហុស (Error variance) មិនថេរ ពោលគឺវាប្រែប្រួលរាយប៉ាយកាន់តែខ្លាំងនៅពេលអថេរឯករាជ្យផ្លាស់ប្តូរ ដែលធ្វើឱ្យលទ្ធផលប៉ាន់ស្មានមិនសូវគួរឱ្យទុកចិត្ត។ | ដូចជាការបាញ់ស៊ីប ដែលនៅចម្ងាយជិតយើងបាញ់ចំគោលដៅល្អ តែនៅពេលគោលដៅកាន់តែឆ្ងាយ គ្រាប់កាំភ្លើងរាយប៉ាយខុសគោលដៅកាន់តែខ្លាំង។ |
| Malthusian Theory (ទ្រឹស្តីម៉ាល់ធូស) | ទ្រឹស្តីប្រជាសាស្ត្រនិងសេដ្ឋកិច្ចដែលលើកឡើងថា ចំនួនប្រជាជនកើនឡើងក្នុងអត្រាគុណ (លឿនខ្លាំង) ខណៈដែលសមត្ថភាពផលិតស្បៀងអាហារកើនឡើងក្នុងអត្រាបូក (យឺត) ដែលចុងក្រោយនឹងនាំឱ្យមានគ្រោះទុរ្ភិក្ស និងការខ្វះខាតស្បៀងអាហារ។ | ដូចជាការអញ្ជើញភ្ញៀវមកហូបបាយក្នុងពិធីជប់លៀងច្រើននាក់ពេក ប៉ុន្តែម្ហូបនៅក្នុងផ្ទះមានចំនួនកំណត់ ដែលចុងក្រោយធ្វើឱ្យភ្ញៀវខ្លះអត់មានម្ហូបញ៉ាំ។ |
| Serial Correlation (ការទាក់ទងគ្នាតាមស៊េរី) | បាតុភូតក្នុងទិន្នន័យស៊េរីពេលវេលា ពេលដែលទិន្នន័យក្នុងពេលបច្ចុប្បន្ន មានទំនាក់ទំនង ឬរងឥទ្ធិពលពីទិន្នន័យក្នុងអតីតកាលរបស់វាផ្ទាល់ ដែលធ្វើឱ្យម៉ូដែលតំរែតំរង់ធម្មតា (OLS) ផ្តល់លទ្ធផលខុសឆ្គង។ | ដូចជាអារម្មណ៍របស់អ្នកនៅថ្ងៃនេះ គឺរងឥទ្ធិពលពីអ្វីដែលបានកើតឡើងកាលពីម្សិលមិញ មិនមែនជារឿងដែលកើតឡើងដោយចៃដន្យផ្តាច់មុខពីគ្នានោះទេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
