Original Title: Increasing Role of Women in Agriculture: Unveiling Perceived Impact of the Pradhan Mantri Fasal Bima Yojana (PMFBY) Scheme Using Multivariate Regression Approach
Source: doi.org/10.36956/rwae.v5i4.1278
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការកើនឡើងនូវតួនាទីរបស់ស្ត្រីក្នុងវិស័យកសិកម្ម៖ ការបង្ហាញពីផលប៉ះពាល់ដែលត្រូវបានយល់ឃើញនៃគម្រោងធានារ៉ាប់រង Pradhan Mantri Fasal Bima Yojana (PMFBY) ដោយប្រើប្រាស់វិធីសាស្ត្រតំរែតំរង់ពហុអថេរ

ចំណងជើងដើម៖ Increasing Role of Women in Agriculture: Unveiling Perceived Impact of the Pradhan Mantri Fasal Bima Yojana (PMFBY) Scheme Using Multivariate Regression Approach

អ្នកនិពន្ធ៖ Harmik Vaishnav, Sriram Divi, Venkat Ram Reddy Minampati, Abhishikt Chauhan

ឆ្នាំបោះពុម្ព៖ 2024, Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះវាយតម្លៃពីផលប៉ះពាល់ដែលត្រូវបានយល់ឃើញនៃគម្រោងធានារ៉ាប់រងដំណាំ Pradhan Mantri Fasal Bima Yojana (PMFBY) ទៅលើកសិករជាស្ត្រីនៅក្នុងប្រទេសឥណ្ឌា ដែលជារឿយៗតែងតែជួបប្រទះបញ្ហាប្រឈមក្នុងការទទួលបានសេវាហិរញ្ញវត្ថុ និងព័ត៌មាន។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រស្រាវជ្រាវចម្រុះ (Mixed-method approach) ដោយរួមបញ្ចូលការសម្ភាសន៍គុណភាព និងការវិភាគបរិមាណលើទិន្នន័យស្ទង់មតិ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Multivariate Linear Regression (MLR)
ការវិភាគតំរែតំរង់លីនេអ៊ែរពហុអថេរ
អាចកំណត់ទំហំនិងឥទ្ធិពលនៃអថេរឯករាជ្យនីមួយៗ (ដូចជាតម្លាភាព និងការយល់ដឹង) ទៅលើការយល់ឃើញរបស់កសិករ ខណៈពេលទប់ស្កាត់ឥទ្ធិពលនៃអថេរផ្សេងទៀត។ ទាមទារការសន្មតថាមានទំនាក់ទំនងលីនេអ៊ែររវាងអថេរ ដែលជួនកាលមិនអាចឆ្លុះបញ្ចាំងពីបរិបទកសិកម្មជាក់ស្តែងដ៏ស្មុគស្មាញបានគ្រប់ជ្រុងជ្រោយនោះទេ។ បានបង្ហាញថា កត្តាការពេញចិត្ត (p < 0.001) តម្លាភាព (p = 0.002) និងការកើនឡើងប្រាក់ចំណូល (p < 0.001) មានឥទ្ធិពលវិជ្ជមានយ៉ាងខ្លាំងដល់ភាពជោគជ័យនៃគម្រោង។
Pearson Correlation
ការវិភាគសហសម្ព័ន្ធ Pearson
ងាយស្រួលក្នុងការស្វែងយល់ពីកម្លាំងនិងទិសដៅនៃទំនាក់ទំនងរវាងអថេរពីរ ដើម្បីរំលេចចំណុចសំខាន់ៗមុននឹងធ្វើការវិភាគស៊ីជម្រៅ។ ត្រឹមតែបង្ហាញពីទំនាក់ទំនង (Correlation) ប៉ុន្តែមិនអាចបញ្ជាក់ពីទំនាក់ទំនងហេតុនិងផល (Causation) នោះទេ។ បង្ហាញពីទំនាក់ទំនងវិជ្ជមានខ្លាំងរវាងការពេញចិត្ត តម្លាភាព និងការយល់ដឹង ដែលមានតម្លៃចន្លោះពី 0.770 ដល់ 0.829។
Descriptive Statistics (via Survey)
ស្ថិតិពណ៌នា (តាមរយៈការស្ទង់មតិ Likert Scale)
ផ្តល់នូវទិដ្ឋភាពទូទៅនិងការយល់ដឹងជាមូលដ្ឋានអំពីកម្រិតនៃការយល់ដឹង និងការពេញចិត្តរបស់កសិករក្នុងទម្រង់ដែលងាយយល់។ ទិន្នន័យអាចមានភាពលំអៀងដោយសារអ្នកឆ្លើយសំណួរចង់ផ្តល់ចម្លើយដែលគេគិតថាល្អ (Social desirability bias)។ ពិន្ទុមធ្យមនៃផលប៉ះពាល់ជារួមគឺ ៣.២២៥/៥ ប៉ុន្តែចំណេះដឹងលម្អិតពីគម្រោងមានកម្រិតទាបខ្លាំង (០.០២៥)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនបានបញ្ជាក់ពីការចំណាយហិរញ្ញវត្ថុជាក់លាក់នោះទេ ប៉ុន្តែបានប្រើប្រាស់ធនធានមនុស្សនិងឧបករណ៍ឌីជីថលសម្រាប់ការប្រមូលនិងវិភាគទិន្នន័យ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រមូលទិន្នន័យកាត់ទទឹង (Cross-sectional data) តែមួយលើកពីកសិករជាស្ត្រីឥណ្ឌាចំនួន ៤៥៥ នាក់ ក្នុងរដ្ឋចំនួន ៤ ដែលអាចមានភាពលំអៀងដោយសារ Social Desirability Bias និងមិនបានគ្របដណ្តប់លើកសិករជាបុរស។ នេះជារឿងសំខាន់សម្រាប់កម្ពុជា ព្រោះស្ត្រីកសិករកម្ពុជាក៏ប្រឈមនឹងឧបសគ្គស្រដៀងគ្នាទាក់ទងនឹងចំណេះដឹងហិរញ្ញវត្ថុ ការសម្រេចចិត្តក្នុងគ្រួសារ និងកម្មសិទ្ធិដីធ្លី ដែលទាមទារការយកចិត្តទុកដាក់ពិសេសក្នុងការរៀបចំគោលនយោបាយ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រវាយតម្លៃនិងលទ្ធផលនៃការសិក្សានេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការអភិវឌ្ឍគោលនយោបាយកសិកម្មគាំទ្រស្ត្រី និងគម្រោងធានារ៉ាប់រងដំណាំនៅកម្ពុជា។

ជារួម ការសិក្សានេះផ្តល់ជាត្រីវិស័យសម្រាប់អ្នកធ្វើគោលនយោបាយ និងវិស័យឯកជននៅកម្ពុជា ក្នុងការរចនាគម្រោងធានារ៉ាប់រងកសិកម្មឱ្យមានបរិយាបន្នយេនឌ័រ និងផ្តោតលើតម្លាភាពដើម្បីបង្កើនទំនុកចិត្ត។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. រចនាកម្រងសំណួរ និងសាកល្បងមុន (Questionnaire Design & Pilot): ចាប់ផ្តើមដោយការសម្ភាសន៍អ្នកជំនាញកសិកម្មនៅកម្ពុជា ដើម្បីបង្កើតកម្រងសំណួរដោយប្រើ Likert Scale (១ ដល់ ៥)។ បន្ទាប់មក សូមសាកល្បងវាជាមួយកសិករប្រហែល ២០នាក់សិន ដើម្បីស្វែងរកភាពខ្វះខាត ដោយប្រើប្រាស់ KoboToolboxGoogle Forms
  2. ការប្រមូលទិន្នន័យនៅទីវាល (Field Data Collection): ជ្រើសរើសតំបន់គោលដៅដោយប្រើវិធីសាស្ត្រ Cluster Sampling រួចប្រមូលទិន្នន័យពីកសិករតាមផ្ទះ។ ត្រូវប្រាកដថាអ្នកស៊ើបអង្កេតចេះពន្យល់សំណួរច្បាស់លាស់ ដើម្បីកាត់បន្ថយភាពលំអៀង (Social Desirability Bias) ពេលសួរពីប្រាក់ចំណូល និងការពេញចិត្ត។
  3. សម្អាតទិន្នន័យ និងវិភាគស្ថិតិពណ៌នា (Data Cleaning & Descriptive Analysis): ទាញយកទិន្នន័យមកសម្អាត រួចប្រើប្រាស់ ExcelTableau ដើម្បីគណនាមធ្យមភាគ (Mean) និងគម្លាតគំរូ (Standard Deviation) នៃកម្រិតយល់ដឹងកសិករ និងបង្កើតក្រាហ្វិកបង្ហាញពីប្រជាសាស្ត្រ (Demographics)។
  4. ដំណើរការម៉ូដែលតំរែតំរង់ពហុអថេរ (Run MLR & Correlation): ប្រើប្រាស់កម្មវិធី SPSSR ដើម្បីធ្វើការវិភាគ Pearson Correlation មើលទំនាក់ទំនងអថេរ បន្ទាប់មកដំណើរការម៉ូដែល Multivariate Linear Regression (MLR)។ ត្រូវពិនិត្យមើលតម្លៃ Goodness of Fit (R-squared) និង p-value ដើម្បីបញ្ជាក់ពីកម្រិតនៃឥទ្ធិពល។
  5. បកប្រែទិន្នន័យទៅជាអនុសាសន៍គោលនយោបាយ (Policy Recommendation Translation): យកលទ្ធផល Coefficient ដែលបានពីម៉ូដែល (ឧ. បើតម្លាភាពមានឥទ្ធិពលខ្ពស់) មកសរសេរជារបាយការណ៍ណែនាំដល់ក្រសួង ឬស្ថាប័នពាក់ព័ន្ធ ឱ្យផ្តោតលើការធ្វើសាមញ្ញកម្មឯកសារ និងបង្ហាញពីដំណើរការទូទាត់សំណងឱ្យបានច្បាស់លាស់។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Multivariate Linear Regression (ការវិភាគតំរែតំរង់លីនេអ៊ែរពហុអថេរ) វាជាវិធីសាស្ត្រស្ថិតិដែលត្រូវបានប្រើដើម្បីស្វែងយល់ពីឥទ្ធិពលនៃកត្តាជាច្រើន (អថេរឯករាជ្យ ដូចជាការយល់ដឹង និងតម្លាភាព) ទៅលើលទ្ធផលតែមួយ (អថេរអាស្រ័យ ដូចជាការពេញចិត្ត) ខណៈពេលដែលវាជួយទប់ស្កាត់ឥទ្ធិពលនៃកត្តាផ្សេងទៀតកុំឱ្យជ្រៀតជ្រែក។ ដូចជាការចង់ដឹងថា តើគ្រឿងផ្សំមួយណា (អំបិល ស្ករ ឬទឹកត្រី) ដែលជះឥទ្ធិពលខ្លាំងជាងគេធ្វើឱ្យសម្លមួយឆ្នាំងឆ្ងាញ់ ដោយយើងធ្វើការកែប្រែគ្រឿងផ្សំម្តងមួយមុខៗ។
Crop Insurance (ធានារ៉ាប់រងដំណាំ) វាជាឧបករណ៍ហិរញ្ញវត្ថុដែលផ្តល់សំណងដល់កសិករនៅពេលដែលទិន្នផលកសិកម្មរបស់ពួកគេត្រូវបានខូចខាត ឬបាត់បង់ដោយសារគ្រោះមហន្តរាយធម្មជាតិ (ដូចជា គ្រោះរាំងស្ងួត ទឹកជំនន់ ឬសត្វល្អិតបំផ្លាញ) ដើម្បីជួយរក្សាស្ថិរភាពប្រាក់ចំណូលរបស់ពួកគេ។ ដូចជាការទិញមួកសុវត្ថិភាពពាក់ពេលជិះម៉ូតូអញ្ចឹង ទោះបីជាយើងមិនចង់ឱ្យមានគ្រោះថ្នាក់ ក៏វាជួយការពារយើងពីការខាតបង់ធ្ងន់ធ្ងរពេលមានរឿងអាក្រក់កើតឡើងដែរ។
Feminization of Agriculture (នីយកម្មស្ត្រីក្នុងវិស័យកសិកម្ម) វាគឺជាបាតុភូតដែលកម្លាំងពលកម្មនៅក្នុងវិស័យកសិកម្ម និងតួនាទីជាអ្នកគ្រប់គ្រងកសិដ្ឋាន ត្រូវបានកាន់កាប់ដោយស្ត្រីកាន់តែច្រើនឡើងៗ ដែលភាគច្រើនបណ្តាលមកពីបុរសធ្វើចំណាកស្រុកទៅរកការងារនៅតាមទីក្រុង។ ដូចជានៅតាមភូមិស្រុកដែលមនុស្សប្រុសភាគច្រើនចេញទៅធ្វើការរោងចក្រ ឬសំណង់នៅទីក្រុង បន្សល់ទុកការងារធ្វើស្រែចម្ការឱ្យស្ត្រីជាអ្នករ៉ាប់រងទាំងស្រុង។
Pearson Correlation (ការវិភាគសហសម្ព័ន្ធ Pearson) វាជារង្វាស់ស្ថិតិដែលបង្ហាញពីកម្លាំងនិងទិសដៅនៃទំនាក់ទំនងលីនេអ៊ែររវាងអថេរពីរ ដើម្បីដឹងថាបើកត្តាមួយប្រែប្រួល តើកត្តាមួយទៀតនឹងប្រែប្រួលតាមកម្រិតណា ដោយមានតម្លៃចាប់ពី -១ ដល់ ១។ ដូចជាការវាស់ស្ទង់មើលថាតើកម្ពស់និងទម្ងន់របស់មនុស្សមានទំនាក់ទំនងគ្នាដែរឬទេ (ឧ. បើកម្ពស់កាន់តែខ្ពស់ ទម្ងន់ក៏កាន់តែធ្ងន់)។
Social Desirability Bias (ភាពលំអៀងដោយសារការចង់បានការពេញចិត្តពីសង្គម) វាគឺជាទំនោររបស់អ្នកឆ្លើយកម្រងសំណួរ ដែលតែងតែផ្តល់ចម្លើយណាដែលគេគិតថានឹងទទួលបានការគាំទ្រ ឬមើលទៅល្អក្នុងក្រសែភ្នែកអ្នកដទៃ ជាជាងការឆ្លើយប្រាប់ពីការពិតនៃការគិត ឬសកម្មភាពអវិជ្ជមានរបស់ខ្លួន។ ដូចជាពេលគ្រូសួរថា "អ្នកណាខ្លះបានអានសៀវភៅ?" សិស្សភាគច្រើនលើកដៃព្រោះខ្លាចគ្រូស្តីបន្ទោស ទោះបីជាការពិតពួកគេមិនបានអានក៏ដោយ។
Cluster Sampling (ការជ្រើសរើសគំរូជាចង្កោម) វាជាវិធីសាស្ត្រជ្រើសរើសសំណាក ដោយបែងចែកប្រជាជនសរុបទៅជាក្រុម ឬចង្កោម (ឧទាហរណ៍ តាមភូមិ ឬខេត្ត) បន្ទាប់មកជ្រើសរើសចង្កោមណាមួយដោយចៃដន្យ ហើយយកទិន្នន័យពីគ្រប់សមាជិកទាំងអស់នៅក្នុងចង្កោមនោះតែម្តង។ ជាជាងដើររកសិស្សគ្រប់ថ្នាក់នៅក្នុងសាលាដើម្បីសួរព័ត៌មាន យើងគ្រាន់តែចាប់ឆ្នោតយក ៣ ថ្នាក់ ហើយសួរសិស្សទាំងអស់នៅក្នុងថ្នាក់ទាំង ៣ នោះតែម្តង ដើម្បីចំណេញពេលវេលា។
Homoscedasticity (ភាពស្មើគ្នានៃវ៉ារ្យង់) វាគឺជាលក្ខខណ្ឌសន្មតមួយនៅក្នុងម៉ូដែលតំរែតំរង់ ដែលតម្រូវឱ្យកំហុស (Error ឬសំណល់នៃការទស្សន៍ទាយ) មានទំហំប្រហាក់ប្រហែលគ្នាជានិច្ច មិនថាតម្លៃនៃអថេរឯករាជ្យប្រែប្រួលកម្រិតណានោះទេ។ ដូចជាការបាញ់ព្រួញទៅកាន់ផ្ទាំងគោលដៅ បើទោះជាអ្នកឈរនៅជិត ឬនៅឆ្ងាយ គម្លាតនៃគ្រាប់ព្រួញដែលខុសពីចំណុចកណ្តាលគឺនៅតែប្រហាក់ប្រហែលគ្នាមិនរាយប៉ាយខុសធម្មតា។
Goodness of Fit / R-squared (ភាពស័ក្តិសមនៃម៉ូដែល / តម្លៃ R-ការ៉េ) វាជារង្វាស់ស្ថិតិដែលបង្ហាញថាតើអថេរឯករាជ្យដែលយើងបានជ្រើសរើស អាចពន្យល់ពីការប្រែប្រួលនៃលទ្ធផល (អថេរអាស្រ័យ) បានប៉ុន្មានភាគរយ។ តម្លៃកាន់តែខិតជិត ១ មានន័យថាម៉ូដែលនោះកាន់តែមានភាពសុក្រឹតខ្ពស់។ ដូចជាការល្បងពាក់អាវ បើអាវនោះមានរាងនិងទំហំសមនឹងខ្លួនអ្នកបាន ៨០% នោះមានន័យថាអាវនោះសឹងតែស័ក្តិសមឥតខ្ចោះ (R-squared = 0.8)។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖