Original Title: The Impact of Business Cycle on Economic Growth in Selected Five African Countries: A Dynamic Panel Data Analysis
Source: doi.org/10.36956/rwae.v6i4.1944
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ឥទ្ធិពលនៃវដ្តអាជីវកម្មទៅលើកំណើនសេដ្ឋកិច្ចនៅក្នុងប្រទេសអាហ្វ្រិកចំនួនប្រាំដែលបានជ្រើសរើស៖ ការវិភាគទិន្នន័យបន្ទះថាមវន្ត

ចំណងជើងដើម៖ The Impact of Business Cycle on Economic Growth in Selected Five African Countries: A Dynamic Panel Data Analysis

អ្នកនិពន្ធ៖ Sani Abdullahi Sule (Universitas Sebelas Maret, Indonesia), Mustafa Latif Emek (İKSAD Institute, Türkiye), Lukman Hakim (Saadatu Rimi College of Education, Nigeria), Tetuko Rawidyo Putro (Universitas Sebelas Maret, Indonesia)

ឆ្នាំបោះពុម្ព៖ 2025 Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះស៊ើបអង្កេតពីឥទ្ធិពលនៃកត្តាម៉ាក្រូសេដ្ឋកិច្ច និងវដ្តអាជីវកម្ម (Business cycles) ទៅលើកំណើនសេដ្ឋកិច្ចកសិកម្ម ស្ថិរភាពពាណិជ្ជកម្ម និងសន្តិសុខស្បៀងនៅក្នុងប្រទេសនីហ្សេរីយ៉ា អាហ្វ្រិកខាងត្បូង អេហ្ស៊ីប អាល់ហ្សេរី និងកេនយ៉ា ចាប់ពីឆ្នាំ២០០១ ដល់ ២០២១។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់វិធីសាស្ត្រវិភាគទិន្នន័យបន្ទះថាមវន្ត (Dynamic Panel Data Analysis) ដើម្បីដោះស្រាយបញ្ហាភាពមិនដូចគ្នា និងអថេរដែលមានទំនាក់ទំនងគ្នាពីខាងក្នុង (Endogeneity) ដោយប្រៀបធៀបគំរូវិភាគជាច្រើន។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Fixed Effect Model (FEM) / Static Panel Model
ម៉ូដែលផលប៉ះពាល់ថេរ (Fixed Effect Model) / ម៉ូដែលទិន្នន័យបន្ទះស្តាទិក
ងាយស្រួលក្នុងការប៉ាន់ស្មាន និងអាចគ្រប់គ្រងភាពខុសគ្នាដែលមិនអាចសង្កេតបានរវាងប្រទេស ដើម្បីកាត់បន្ថយភាពលំអៀង។ មិនអាចដោះស្រាយបញ្ហាអថេរដែលមានទំនាក់ទំនងគ្នាពីខាងក្នុង (Endogeneity) និងមិនស័ក្តិសមសម្រាប់ប្រើជាមួយអថេរអាស្រ័យដែលមានការពន្យារពេល (Lagged dependent variables) នោះទេ។ បង្ហាញពីឥទ្ធិពលអវិជ្ជមាននៃអត្រាប្តូរប្រាក់ និងឥទ្ធិពលវិជ្ជមាននៃការវិនិយោគផ្ទាល់ពីបរទេស ប៉ុន្តែមានភាពលំអៀងធ្លាក់ចុះ (Downward biased) សម្រាប់ការវិភាគថាមវន្ត។
First-Difference GMM (FD-GMM)
វិធីសាស្ត្រ First-Difference GMM
អាចលុបបំបាត់ផលប៉ះពាល់បុគ្គលដែលមិនអាចសង្កេតបាន និងកាត់បន្ថយភាពលំអៀងនៃអថេរដែលត្រូវបានលុបចោលនៅក្នុងទិន្នន័យបន្ទះថាមវន្ត។ ប្រឈមនឹងបញ្ហាឧបករណ៍ខ្សោយ (Weak instruments) ជាពិសេសនៅក្នុងទិន្នន័យបន្ទះដែលមានរយៈពេលខ្លី ដែលនាំឱ្យការប៉ាន់ស្មានខ្វះភាពសុក្រឹត។ ឆ្លងកាត់ការធ្វើតេស្តសុពលភាព Sargan និង Arellano-Bond ប៉ុន្តែមិនអាចឆ្លងកាត់ការធ្វើតេស្តភាពមិនលំអៀង (Unbiasedness test) បានទេ ដោយសារមេគុណមានតម្លៃ (០.០៤៨៩) ជិតនឹង FEM ពេក។
System GMM (SYS-GMM)
វិធីសាស្ត្រ System GMM
រួមបញ្ចូលទាំងសមីការកម្រិត (Level equations) និងសមីការភាពខុសគ្នាទីមួយ (First-difference equations) ដែលជួយដោះស្រាយបញ្ហាឧបករណ៍ខ្សោយ និងផ្តល់នូវការប៉ាន់ស្មានដែលមានស្ថិរភាព។ តម្រូវឱ្យមានការជ្រើសរើសឧបករណ៍ (Instruments) យ៉ាងប្រុងប្រយ័ត្ន និងទាមទារការធ្វើតេស្តស្មុគស្មាញជាច្រើនដើម្បីពិនិត្យភាពនឹងនរនៃទិន្នន័យ។ ត្រូវបានបង្ហាញថាជាគំរូដ៏ល្អបំផុតសម្រាប់ការវិភាគនេះ ដោយវាឆ្លងកាត់ការធ្វើតេស្តភាពមិនលំអៀង និងបង្ហាញថា FDI មានឥទ្ធិពលវិជ្ជមានខ្លាំង (មេគុណ ០.៣៩២) លើកំណើនរយៈពេលវែង។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel Data) ដែលទាមទារកម្មវិធីស្ថិតិកម្រិតខ្ពស់ដើម្បីដំណើរការគំរូ GMM និងការធ្វើតេស្តផ្សេងៗដោយស្វ័យប្រវត្តិ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្តោតលើទិន្នន័យពីប្រទេសនៅទ្វីបអាហ្វ្រិកចំនួន ៥ (នីហ្សេរីយ៉ា អាហ្វ្រិកខាងត្បូង អេហ្ស៊ីប អាល់ហ្សេរី និងកេនយ៉ា) ពីឆ្នាំ២០០១ ដល់ ២០២១។ ការជ្រើសរើសបរិបទនៃប្រទេសកំពុងអភិវឌ្ឍន៍ និងមានភាពងាយរងគ្រោះផ្នែកម៉ាក្រូសេដ្ឋកិច្ចនេះ មានសារៈសំខាន់សម្រាប់ប្រទេសកម្ពុជា ព្រោះកម្ពុជាក៏ពឹងផ្អែកខ្លាំងលើវិស័យកសិកម្ម ការវិនិយោគពីបរទេស និងងាយរងឥទ្ធិពលពីភាពប្រែប្រួលសេដ្ឋកិច្ចសកលផងដែរ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រវិភាគ និងលទ្ធផលនៃការសិក្សានេះមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់អ្នករៀបចំគោលនយោបាយ និងអ្នកស្រាវជ្រាវនៅកម្ពុជា ក្នុងការគ្រប់គ្រងវដ្តអាជីវកម្មដើម្បីជំរុញកំណើនសេដ្ឋកិច្ច។

សរុបមក ការស្វែងយល់ស៊ីជម្រៅអំពីទំនាក់ទំនងរវាងសូចនាករម៉ាក្រូសេដ្ឋកិច្ច និងកំណើនវិស័យកសិកម្មតាមរយៈគំរូ GMM អាចជួយកម្ពុជាក្នុងការកសាងភាពធន់នៃសេដ្ឋកិច្ចជាតិប្រឆាំងនឹងភាពប្រែប្រួលនៃវដ្តអាជីវកម្ម។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃទិន្នន័យបន្ទះ និងសេដ្ឋវិទ្យាស្ថិតិ: និស្សិតគួរសិក្សាពីទ្រឹស្តីម៉ាក្រូសេដ្ឋកិច្ច និងរៀនប្រើប្រាស់កម្មវិធីដូចជា StataR ដើម្បីធ្វើការវិភាគទិន្នន័យបន្ទះ (Panel Data) កម្រិតមូលដ្ឋានដូចជា Fixed Effect Model និង Random Effect Model
  2. ប្រមូលទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចរបស់កម្ពុជា និងអាស៊ាន: ចូលទៅទាញយកទិន្នន័យពីគេហទំព័រ World Bank Open Data ឬធនាគារជាតិសនៃកម្ពុជា រួមមានទិន្នន័យ GDP វិស័យកសិកម្ម FDI អតិផរណា និងអត្រាការប្រាក់ សម្រាប់រយៈពេលយ៉ាងហោចណាស់ ១៥ ឆ្នាំចុងក្រោយ។
  3. អនុវត្តការធ្វើតេស្តភាពនឹងនរនៃទិន្នន័យ (Stationarity Tests): មុននឹងដំណើរការគំរូស្មុគស្មាញ ត្រូវប្រើប្រាស់ Stata ដើម្បីធ្វើតេស្ត Unit Root Tests (LLC, IPS) ដើម្បីកំណត់ថាអថេរណាខ្លះថេរនៅកម្រិតដើម (I(0)) ឬថេរនៅភាពខុសគ្នាទីមួយ (I(1)) ដើម្បីជៀសវាងបញ្ហា Spurious Regression
  4. កសាងគំរូថាមវន្ត (Dynamic Panel Data Models): សិក្សាស៊ីជម្រៅ និងអនុវត្តវិធីសាស្ត្រ Generalized Method of Moments (GMM) ជាពិសេស System GMM ដោយរៀនពីរបៀបជ្រើសរើសឧបករណ៍ (Instruments) និងការអានលទ្ធផលតេស្ត Sargan និង Arellano-Bond
  5. វិភាគលទ្ធផល និងសរសេររបាយការណ៍គោលនយោបាយ: ប្រៀបធៀបលទ្ធផលដែលទទួលបានពីគំរូ GMM ជាមួយគំរូ Static រួចធ្វើការបកស្រាយពីអត្ថន័យសេដ្ឋកិច្ចសម្រាប់បរិបទកម្ពុជា ព្រមទាំងផ្តល់អនុសាសន៍គោលនយោបាយជាក់លាក់ជូនដល់ស្ថាប័នពាក់ព័ន្ធ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Generalized Method of Moments (វិធីសាស្ត្រ GMM) វិធីសាស្ត្រស្ថិតិមួយប្រភេទដែលត្រូវបានប្រើប្រាស់ក្នុងសេដ្ឋវិទ្យា (Econometrics) ដើម្បីប៉ាន់ស្មានប៉ារ៉ាម៉ែត្រនៅក្នុងគំរូទិន្នន័យបន្ទះថាមវន្ត (Dynamic panel data) ជាពិសេសមានប្រសិទ្ធភាពក្នុងការដោះស្រាយបញ្ហាអថេរទាក់ទងគ្នាពីខាងក្នុង (Endogeneity)។ ដូចជាការថ្លឹងទម្ងន់វត្ថុមួយដោយប្រើជញ្ជីងច្រើនប្រភេទផ្សេងៗគ្នាក្នុងពេលតែមួយ ដើម្បីធានាថាអ្នកទទួលបានទម្ងន់ដែលត្រឹមត្រូវបំផុត និងគ្មានការលម្អៀងសូម្បីតែបន្តិច។
Dynamic Panel Data Analysis (ការវិភាគទិន្នន័យបន្ទះថាមវន្ត) ការវិភាគទិន្នន័យដែលតាមដានអង្គភាពសង្កេត (ដូចជាប្រទេស) ជារៀងរាល់ឆ្នាំ ហើយគំរូវិភាគមានរួមបញ្ចូលអថេរអាស្រ័យនៃឆ្នាំចាស់ (Lagged variable) ជាកត្តាពន្យល់ពីលទ្ធផលក្នុងឆ្នាំបច្ចុប្បន្ន។ ដូចជាការទស្សន៍ទាយពិន្ទុប្រឡងរបស់សិស្សនៅឆ្នាំនេះ ដោយផ្អែកលើពិន្ទុប្រឡងរបស់គាត់កាលពីឆ្នាំមុន រួមផ្សំជាមួយម៉ោងសិក្សាបន្ថែមក្នុងឆ្នាំនេះ។
Endogeneity (បញ្ហាអថេរទាក់ទងគ្នាពីខាងក្នុង) ស្ថានភាពនៅក្នុងគំរូស្ថិតិ ដែលអថេរពន្យល់ (Independent variable) មានទំនាក់ទំនងជាមួយនឹងកំហុសឆ្គង (Error term) នៃគំរូ ដែលធ្វើឱ្យការប៉ាន់ស្មានលទ្ធផលខុសពីការពិត ជារឿយៗកើតឡើងដោយសារឥទ្ធិពលទៅវិញទៅមកនៃអថេរ។ ដូចជាការវាយតម្លៃថាឆ័ត្រធ្វើឱ្យមានភ្លៀងធ្លាក់ ដោយសារតែពេលណាមានភ្លៀង គេតែងតែឃើញមានមនុស្សកាន់ឆ័ត្រ (ច្រឡំរវាងហេតុ និងផល)។
Stationarity (ភាពនឹងនរនៃទិន្នន័យ) លក្ខណៈនៃទិន្នន័យស៊េរីពេលវេលា (Time series) ដែលមធ្យម (Mean) និងវ៉ារ្យ៉ង់ (Variance) របស់វាមិនប្រែប្រួលតាមពេលវេលា ដែលជាលក្ខខណ្ឌចាំបាច់ដើម្បីចៀសវាងការសន្និដ្ឋានខុស (Spurious regression)។ ដូចជាការដើរនៅលើផ្លូវរាបស្មើដែលអ្នកអាចទស្សន៍ទាយជំហានបន្ទាប់បានយ៉ាងងាយ ផ្ទុយពីការដើរលើផ្លូវរដិបរដុបឬឡើងភ្នំដែលពិបាកស្មាន។
Unit Root Test (ការធ្វើតេស្តឫសឯកតា) ការធ្វើតេស្តស្ថិតិ (ដូចជា LLC ឬ IPS) ដើម្បីពិនិត្យមើលថាតើទិន្នន័យស៊េរីពេលវេលាមានភាពនឹងនរ (Stationary) ឬអត់ មុននឹងយកវាទៅវិភាគកសាងក្នុងគំរូសេដ្ឋវិទ្យា។ ដូចជាការធ្វើតេស្តពិនិត្យមើលថាតើគ្រឹះផ្ទះរឹងមាំឬនៅ (មិនស្រុត) មុននឹងចាប់ផ្តើមសាងសង់ជាន់បន្តបន្ទាប់។
Foreign Direct Investment (ការវិនិយោគផ្ទាល់ពីបរទេស) ការចាក់បញ្ចូលមូលធនដោយផ្ទាល់ពីក្រុមហ៊ុន ឬវិនិយោគិនបរទេសចូលទៅក្នុងសេដ្ឋកិច្ច ឬអាជីវកម្មនៃប្រទេសមួយទៀត ដែលជារឿយៗនាំមកនូវបច្ចេកវិទ្យា និងចំណេះដឹង។ ដូចជាអ្នកជិតខាងយកលុយ និងឧបករណ៍ទំនើបៗមកចូលហ៊ុនបើកហាងកាហ្វេជាមួយអ្នក ដើម្បីឱ្យហាងនោះកាន់តែធំ និងលក់ដាច់ជាងមុន។
Business Cycle (វដ្តអាជីវកម្ម) បំរែបំរួលឡើងចុះនៃសកម្មភាពសេដ្ឋកិច្ចរួម (កំណើន និងការធ្លាក់ចុះនៃ GDP) ដែលកើតឡើងជាបន្តបន្ទាប់ក្នុងរយៈពេលមួយយូរ។ ដូចជារដូវកាលនៃអាកាសធាតុ ដែលមានពេលខ្លះភ្លៀងធ្លាក់កសិផលល្អ (សេដ្ឋកិច្ចរីកចម្រើន) និងពេលខ្លះរាំងស្ងួត (សេដ្ឋកិច្ចធ្លាក់ចុះ)។
Unbiasedness (ភាពមិនលម្អៀង) លក្ខណៈនៃវិធីសាស្ត្រប៉ាន់ស្មានតាមបែបស្ថិតិ ដែលតម្លៃមធ្យមនៃការប៉ាន់ស្មានរបស់វាគឺស្មើនឹងតម្លៃពិតប្រាកដនៃប៉ារ៉ាម៉ែត្រនៅក្នុងចំនួនប្រជាជនគោលដៅ។ ដូចជាអ្នកបាញ់ធ្នូដែលបាញ់ច្រើនដង ហើយព្រួញទាំងអស់ប្រមូលផ្តុំគ្នានៅចំចំណុចកណ្តាលនៃផ្ទាំងស៊ីបជានិច្ច ដោយមិនលម្អៀងទៅឆ្វេង ឬស្តាំ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖