Original Title: The Effect of the Broker’s Competence on Recontract Intention in Real Estate Brokerage Services
Source: doi.org/10.31817/vjas.2023.6.1.03
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ឥទ្ធិពលនៃសមត្ថភាពរបស់ភ្នាក់ងារលើចេតនាធ្វើកិច្ចសន្យាឡើងវិញក្នុងសេវាកម្មគក់ជេរអចលនទ្រព្យ

ចំណងជើងដើម៖ The Effect of the Broker’s Competence on Recontract Intention in Real Estate Brokerage Services

អ្នកនិពន្ធ៖ Ngo Thi Ha (Vietnam National University of Agriculture), Phan Thi Thanh Huyen (Vietnam National University of Agriculture)

ឆ្នាំបោះពុម្ព៖ 2023, Vietnam Journal of Agricultural Sciences

វិស័យសិក្សា៖ Business Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើការស្វែងយល់ពីកត្តាដែលជួយរក្សាអតិថិជនចាស់នៅក្នុងវិស័យអចលនទ្រព្យ ដោយវាយតម្លៃពីឥទ្ធិពលនៃសមត្ថភាពរបស់ភ្នាក់ងារទៅលើការពេញចិត្ត និងចេតនាបន្តការប្រើប្រាស់សេវាកម្ម (Recontract intention) នៅប្រទេសវៀតណាម។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រមូលទិន្នន័យតាមរយៈការស្ទង់មតិ និងធ្វើការវិភាគទិន្នន័យដោយប្រើប្រាស់ម៉ូដែលស្ថិតិកម្រិតខ្ពស់ដើម្បីពិនិត្យមើលទំនាក់ទំនងរវាងអថេរផ្សេងៗ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Structural Equation Modeling (SEM)
ការវិភាគម៉ូដែលសមីការរចនាសម្ព័ន្ធ (SEM)
អនុញ្ញាតឱ្យសាកល្បងទំនាក់ទំនងស្មុគស្មាញរវាងអថេរច្រើនក្នុងពេលតែមួយ និងមានសមត្ថភាពវាស់វែងកំហុស (measurement errors) បានយ៉ាងច្បាស់លាស់។ ទាមទារទំហំគំរូធំ (យ៉ាងហោចណាស់ ២០០) និងទិន្នន័យដែលមានគុណភាពល្អ ដើម្បីធានាបាននូវភាពត្រឹមត្រូវនៃលទ្ធផល។ បានបង្ហាញថាសមត្ថភាពរបស់ភ្នាក់ងារ (Ability) មានឥទ្ធិពលវិជ្ជមានខ្លាំងជាងគេលើចេតនាធ្វើកិច្ចសន្យាឡើងវិញ ដោយមានមេគុណស្តង់ដារ (β) ស្មើនឹង ០.៥០៦។
Bootstrapping Method
វិធីសាស្ត្រ Bootstrapping សម្រាប់ការវិភាគឥទ្ធិពលប្រយោល
ផ្តល់នូវការប៉ាន់ស្មានត្រឹមត្រូវអំពីឥទ្ធិពលប្រយោល (indirect effects) ដោយមិនចាំបាច់ពឹងផ្អែកខ្លាំងលើការចែកចាយទិន្នន័យតាមស្តង់ដារ (normal distribution)។ ត្រូវការកម្លាំងគណនាពីកុំព្យូទ័រខ្ពស់ សម្រាប់ការធ្វើតេស្តគំរូឡើងវិញរាប់ពាន់ដង (១០០០ ដងក្នុងសិក្សានេះ)។ បញ្ជាក់ថាការពេញចិត្តរបស់អតិថិជនដើរតួជាអ្នកសម្របសម្រួលទាំងស្រុង (Full mediator) សម្រាប់អថេរចំណេះដឹង (Knowledge) ជាមួយនឹង p-value = ០.០២៩។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនបានបញ្ជាក់ពីការចំណាយជាថវិកាលម្អិតនោះទេ ប៉ុន្តែវាទាមទារកម្មវិធីកុំព្យូទ័រឯកទេសសម្រាប់ការវិភាគទិន្នន័យស្ថិតិ និងចំណាយពេលវេលាព្រមទាំងកម្លាំងពលកម្មក្នុងការប្រមូលទិន្នន័យស្ទង់មតិផ្ទាល់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រមូលទិន្នន័យពីអតិថិជនត្រឹមតែ ២០០ នាក់ប៉ុណ្ណោះ មកពីទីភ្នាក់ងារអចលនទ្រព្យតែមួយគត់ (Tan Thoi Dai) ក្នុងទីក្រុងហាណូយ ប្រទេសវៀតណាម ហើយអតិថិជនភាគច្រើនជាបុរស (៦៧.៣១%) និងមានចំណូលខ្ពស់។ នេះជាកត្តាចម្បងដែលអាចធ្វើឱ្យលទ្ធផលលម្អៀង និងមិនអាចតំណាងឱ្យទីផ្សារអចលនទ្រព្យទាំងមូលបានឡើយ ដែលទាមទារការប្រុងប្រយ័ត្នខ្ពស់ប្រសិនបើចង់យកមកអនុវត្តដោយផ្ទាល់នៅប្រទេសកម្ពុជា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាមានការកំណត់ផ្នែកទំហំនិងប្រភពទិន្នន័យក៏ពិតមែន ប៉ុន្តែការរកឃើញពីសារៈសំខាន់នៃសមត្ថភាព និងអាកប្បកិរិយារបស់ភ្នាក់ងារនេះ មានប្រយោជន៍ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់វិស័យអចលនទ្រព្យដែលកំពុងលូតលាស់នៅកម្ពុជា។

សរុបមក ការវិនិយោគលើការពង្រឹងសមត្ថភាព ការបណ្តុះបណ្តាលជំនាញទន់ (Soft skills) និងការពង្រឹងក្រមសីលធម៌ដល់ភ្នាក់ងារ គឺជាយុទ្ធសាស្ត្រដ៏ចាំបាច់ដើម្បីប្រកួតប្រជែង និងកសាងទំនុកចិត្តប្រកបដោយនិរន្តរភាពក្នុងទីផ្សារអចលនទ្រព្យកម្ពុជា។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃគំរូសមីការរចនាសម្ព័ន្ធ (SEM): ស្វែងយល់ពីទ្រឹស្តីកម្រិតខ្ពស់នៃការវិភាគកត្តា និងការសាកល្បងម៉ូដែល ដោយអនុវត្តប្រើប្រាស់កម្មវិធី SPSS និង AMOS តាមរយៈមេរៀនអនឡាញ ឬឯកសារណែនាំពីសាកលវិទ្យាល័យ។
  2. រចនាកម្រងសំណួរស្របតាមបរិបទកម្ពុជា (Questionnaire Design): បង្កើតកម្រងសំណួរជាភាសាខ្មែរ ដោយកែច្នៃសូចនាករដែលវាស់វែងពីសមត្ថភាព ចំណេះដឹង និងអាកប្បកិរិយារបស់ភ្នាក់ងារ ដោយប្រើប្រាស់មាត្រដ្ឋាន 5-point Likert Scale តាមរយៈកម្មវិធី Google FormsKoboToolbox
  3. ប្រមូលទិន្នន័យពីទីផ្សារអចលនទ្រព្យជាក់ស្តែង (Data Collection): ចុះប្រមូលទិន្នន័យដោយផ្ទាល់ ឬតាមអនឡាញពីអតិថិជនដែលធ្លាប់ទិញលក់ផ្ទះតាមភ្នាក់ងារនៅក្នុងរាជធានីភ្នំពេញ ឱ្យបានយ៉ាងហោចណាស់ ២៥០ នាក់ ដើម្បីធានាបាននូវទំហំគំរូគ្រប់គ្រាន់សម្រាប់ការវិភាគ CFA
  4. អនុវត្តការវិភាគទិន្នន័យ និងសាកល្បងសម្មតិកម្ម (Hypothesis Testing): ប្រើប្រាស់កម្មវិធី AMOS ដើម្បីគូរម៉ូដែលសមីការរចនាសម្ព័ន្ធ និងប្រើប្រាស់វិធីសាស្ត្រ Bootstrapping (កំណត់រង្វិលជុំចំនួន ១០០០ ដង) ដើម្បីស្វែងរកឥទ្ធិពលប្រយោល និងបញ្ជាក់ពីតួនាទីសម្របសម្រួលរបស់ការពេញចិត្តអតិថិជន។
  5. ចងក្រងរបាយការណ៍ និងចែករំលែកលទ្ធផល (Reporting & Policy Recommendation): សរសេររបាយការណ៍ស្រាវជ្រាវលម្អិតដោយសង្កត់ធ្ងន់លើសូចនាករណាដែលមានឥទ្ធិពលខ្លាំងជាងគេ (ឧ. អាកប្បកិរិយា ឬ ចំណេះដឹង) រួចរៀបចំជា Policy Brief ដើម្បីចែករំលែកទៅកាន់ក្រុមហ៊ុនអចលនទ្រព្យ ឬស្ថាប័នពាក់ព័ន្ធ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Structural Equation Modeling (SEM) (ម៉ូដែលសមីការរចនាសម្ព័ន្ធ) គឺជាវិធីសាស្ត្រស្ថិតិកម្រិតខ្ពស់ដែលផ្សំបញ្ចូលការវិភាគកត្តា (Factor Analysis) និងការវិភាគតម្រែតម្រង់ (Regression) ដើម្បីវាស់វែង និងធ្វើតេស្តទំនាក់ទំនងស្មុគស្មាញរវាងអថេរច្រើនក្នុងពេលតែមួយ។ ដូចជាការគូរផែនទីបណ្ដាញទឹកក្នុងផ្ទះ ដើម្បីមើលថាតើទឹកហូរពីបំពង់មួយទៅបំពង់មួយទៀត និងប៉ះពាល់គ្នាដោយរបៀបណាក្នុងពេលតែមួយ។
Exploratory Factor Analysis (EFA) (ការវិភាគកត្តារុករក) ជាបច្ចេកទេសស្ថិតិដែលប្រើសម្រាប់បង្រួមទិន្នន័យពីអថេរច្រើន (ឧទាហរណ៍ សំណួរ២០) ឱ្យមកនៅត្រឹមកត្តាធំៗមួយចំនួនតូច ដើម្បីស្វែងយល់ពីរចនាសម្ព័ន្ធលាក់កំបាំងនៃទិន្នន័យដោយមិនបាច់មានទ្រឹស្តីកំណត់ជាមុន។ ដូចជាការយកសៀវភៅរាប់រយក្បាលដែលនៅរាយប៉ាយ មកចាត់ថ្នាក់ចូលទៅក្នុងទូដោយបែងចែកជា ៣ ឬ ៤ ប្រភេទធំៗ ដើម្បីងាយស្រួលរក។
Confirmatory Factor Analysis (CFA) (ការវិភាគកត្តាបញ្ជាក់) ការវិភាគដែលធ្វើឡើងបន្ទាប់ពី EFA ដើម្បីផ្ទៀងផ្ទាត់ថាតើទិន្នន័យជាក់ស្តែងពិតជាស៊ីសង្វាក់គ្នា និងសមស្របទៅនឹងម៉ូដែលរចនាសម្ព័ន្ធដែលអ្នកស្រាវជ្រាវបានបង្កើតឡើងជាមុនដែរឬទេ។ ដូចជាការយកប្លង់ផ្ទះដែលបានគូររួច ទៅផ្ទៀងផ្ទាត់មើលថាតើផ្ទះដែលសង់រួចពិតជាមានរាង និងខ្នាតដូចប្លង់មែនឬអត់។
Bootstrapping method (វិធីសាស្ត្រ Bootstrapping) ជាបច្ចេកទេសកុំព្យូទ័រក្នុងការទាញយកគំរូទិន្នន័យដដែលៗឡើងវិញរាប់ពាន់ដងដោយចៃដន្យ (Resampling) ដើម្បីប៉ាន់ស្មានពីភាពត្រឹមត្រូវនៃលទ្ធផលស្ថិតិ ជាពិសេសប្រើសម្រាប់បញ្ជាក់ពីឥទ្ធិពលប្រយោល (Indirect effects)។ ដូចជាការចាប់ឆ្នោតពីក្នុងធុងមួយ ហើយដាក់ចូលវិញ រួចចាប់ម្តងទៀតរាប់ពាន់ដង ដើម្បីចង់ដឹងថាតើឱកាសឈ្នះពិតប្រាកដមានប៉ុន្មានភាគរយ។
Mediating effect (ឥទ្ធិពលសម្របសម្រួល) ជាដំណើរការដែលអថេរទីបី ដើរតួជាស្ពានចម្លងឥទ្ធិពលពីអថេរឯករាជ្យ ទៅកាន់អថេរអាស្រ័យ។ ក្នុងសិក្សានេះ ចំណេះដឹងរបស់ភ្នាក់ងារបង្កើតឱ្យមានការពេញចិត្ត ហើយការពេញចិត្តនេះទើបជំរុញឱ្យមានការបន្តកិច្ចសន្យា។ ដូចជាការញ៉ាំថ្នាំផ្តាសាយ (អថេរដើម) ដែលមិនមែនធ្វើឱ្យជាជំងឺភ្លាមៗទេ តែវាទៅសម្លាប់មេរោគសិន (តួសម្របសម្រួល) ទើបធ្វើឱ្យយើងជាសះស្បើយ (លទ្ធផល)។
Cronbach’s Alpha (មេគុណ ក្រុនបាក់ អាល់ហ្វា) ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់វាស់កម្រិតភាពជឿជាក់ (Reliability) នៃកម្រងសំណួរ ដើម្បីពិនិត្យថាតើសំណួរទាំងអស់នៅក្នុងក្រុមតែមួយពិតជាវាស់វែងអត្ថន័យតែមួយដូចគ្នា ឬអត់។ ដូចជាការថ្លឹងទម្ងន់ខ្លួនឯង ៣ ដងជាប់គ្នានៅលើជញ្ជីងតែមួយ បើលទ្ធផលចេញមកគីឡូដូចៗគ្នា មានន័យថាជញ្ជីងនោះមានភាពជឿជាក់ខ្ពស់។
Recontract Intention (ចេតនាធ្វើកិច្ចសន្យាឡើងវិញ) ឆន្ទៈ ឬបំណងរបស់អតិថិជនក្នុងការត្រលប់មកទិញ ឬប្រើប្រាស់សេវាកម្មពីក្រុមហ៊ុន ឬភ្នាក់ងារដដែលម្តងទៀតនៅពេលអនាគត។ ដូចជាការពេញចិត្តនឹងរសជាតិកាហ្វេហាងមួយ ហើយគិតទុកក្នុងចិត្តថានឹងត្រលប់មកទិញនៅហាងនេះម្តងទៀតនៅពេលក្រោយ។
Kaiser-Meyer-Olkin (KMO) (រង្វាស់ KMO) ជាការធ្វើតេស្តស្ថិតិដើម្បីវាស់វែងថាតើទំហំនៃទិន្នន័យគំរូមានភាពគ្រប់គ្រាន់ ស៊ីសង្វាក់គ្នា និងស័ក្តិសមសម្រាប់ការបន្តធ្វើការវិភាគកត្តា (Factor Analysis) ដែរឬទេ ដោយតម្លៃល្អត្រូវធំជាង ០.៥។ ដូចជាការត្រួតពិនិត្យមើលបរិមាណ និងភាពស៊ីគ្នានៃគ្រឿងផ្សំថាតើមានគ្រប់គ្រាន់ឬនៅ មុននឹងចាប់ផ្តើមចម្អិនម្ហូបមួយឆ្នាំងធំ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖