បញ្ហា (The Problem)៖ ការសិក្សានេះវាយតម្លៃពីផលប៉ះពាល់នៃជំងឺរាតត្បាតកូវីដ-១៩ មកលើពាណិជ្ជកម្មអន្តរជាតិរបស់ប្រទេសវៀតណាម ទាំងលើផ្នែកនាំចេញ និងផ្នែកនាំចូល។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ការវិភាគបរិមាណដោយផ្អែកលើទិន្នន័យបន្ទះ និងគំរូសេដ្ឋកិច្ចមាត្រកម្រិតខ្ពស់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Hausman-Taylor Estimation វិធីសាស្ត្រប៉ាន់ស្មាន Hausman-Taylor |
អាចដោះស្រាយបញ្ហាគម្លាតនៃការប៉ាន់ស្មានបានល្អ និងអាចវាស់វែងអថេរដែលមិនប្រែប្រួលតាមពេលវេលា (ដូចជាចម្ងាយ) ខណៈពេលដែលនៅតែអាចគ្រប់គ្រងភាពមិនប្រក្រតីនៃទិន្នន័យ (Endogeneity)។ | ទាមទារឱ្យមានការចាត់ថ្នាក់អថេរយ៉ាងស្មុគស្មាញ (ជាអថេរប្រែប្រួល ឬមិនប្រែប្រួលតាមពេលវេលា និងមាន ឬមិនមានទំនាក់ទំនងជាមួយលក្ខណៈមិនអាចសង្កេតបាន) ដែលទាមទារចំណេះដឹងស្ថិតិខ្ពស់។ | រកឃើញថាកូវីដ-១៩ ធ្វើឱ្យការនាំចេញរបស់វៀតណាមធ្លាក់ចុះ ១,៤% ប៉ុន្តែមិនមានភស្តុតាងគ្រប់គ្រាន់ដែលបង្ហាញថាវាធ្វើឱ្យការនាំចូលធ្លាក់ចុះនោះទេ។ |
| Fixed Effects (FE) Model គំរូឥទ្ធិពលថេរ (Fixed Effects) |
អាចគ្រប់គ្រងកត្តាថេរដែលមិនអាចសង្កេតបាន (Unobserved Heterogeneity) នៅក្នុងទិន្នន័យបន្ទះ (Panel Data) ដោយមិនខ្លាចមានបញ្ហាលំអៀង។ | មិនអាចប៉ាន់ស្មានអថេរដែលមានតម្លៃថេរតាមពេលវេលាបានទេ (ឧ. ចម្ងាយភូមិសាស្ត្ររវាងប្រទេស) និងមានថាមពលស្ថិតិទាបក្នុងការទាញសេចក្តីសន្និដ្ឋាន។ | មិនត្រូវបានជ្រើសរើសសម្រាប់ប្រើប្រាស់ជាលទ្ធផលចុងក្រោយនៅក្នុងការសិក្សានេះទេ ដោយសារតែមិនអាចវាស់វែងអថេរចម្ងាយ។ |
| Random Effects (RE) Model គំរូឥទ្ធិពលចៃដន្យ (Random Effects) |
អនុញ្ញាតឱ្យមានការប៉ាន់ស្មានលើអថេរដែលមិនប្រែប្រួលតាមពេលវេលា និងមានប្រសិទ្ធភាពជាង FE ប្រសិនបើមិនមានបញ្ហាទំនាក់ទំនងរវាងអថេរឯករាជ្យ និងកត្តាមិនអាចសង្កេតបាន។ | ប្រឈមនឹងបញ្ហាលំអៀង (Bias) យ៉ាងធ្ងន់ធ្ងរ ប្រសិនបើការសន្មត់របស់វាត្រូវបានបំពាន (មានទំនាក់ទំនងរវាងអថេរ និងកំហុសលម្អៀង)។ | មិនត្រូវបានជ្រើសរើសយកមកបកស្រាយជាផ្លូវការទេ ដោយសារបរាជ័យក្នុងការធ្វើតេស្តសន្មត់ធៀបនឹងវិធីសាស្ត្រផ្សេងទៀត។ |
| Ordinary Least Squares (OLS) វិធីសាស្ត្រ OLS ជាមូលដ្ឋាន |
ជាវិធីសាស្ត្រមូលដ្ឋានដែលងាយស្រួលក្នុងការគណនា និងប្រើប្រាស់ជាទូទៅសម្រាប់ការវិភាគតំរែតំរង់។ | ការសន្មត់របស់វា (ដូចជាឯកសណ្ឋាននៃរ៉ាដ្យង់ និងមិនមានពហុរេខាគណិត) ច្រើនតែមិនត្រឹមត្រូវសម្រាប់ទិន្នន័យពាណិជ្ជកម្មពិភពលោក ដែលធ្វើឱ្យលទ្ធផលមិនមានភាពរឹងមាំ និងលំអៀង។ | ត្រូវបានលើកឡើងថាជម្រើសដែលខ្សោយបំផុត ហើយមិនត្រូវបានប្រើប្រាស់ក្នុងការវាយតម្លៃគំរូនេះឡើយ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការប្រមូលទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចរយៈពេលវែង ក៏ដូចជាការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគសេដ្ឋកិច្ចមាត្រកម្រិតខ្ពស់។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពាណិជ្ជកម្មទ្វេភាគីរវាងប្រទេសវៀតណាម និងដៃគូពាណិជ្ជកម្មសំខាន់ៗចំនួន ២២ ពីឆ្នាំ ២០១០ ដល់ ២០២១។ ទោះបីជាបរិបទសេដ្ឋកិច្ចរបស់វៀតណាមមានទំហំធំ និងមានខ្សែចង្វាក់ផ្គត់ផ្គង់រឹងមាំជាងកម្ពុជាក៏ដោយ ប៉ុន្តែប្រទេសទាំងពីរមានរចនាសម្ព័ន្ធពឹងផ្អែកលើការនាំចេញ និង FDI ស្រដៀងគ្នា ដែលធ្វើឱ្យវិធីសាស្ត្រនេះអាចយកមកប្រៀបធៀប និងសិក្សាសម្រាប់កម្ពុជាបានយ៉ាងល្អ។
វិធីសាស្ត្រស្រាវជ្រាវនេះមានអត្ថប្រយោជន៍ខ្ពស់សម្រាប់អ្នកធ្វើគោលនយោបាយ និងអ្នកស្រាវជ្រាវសេដ្ឋកិច្ចនៅកម្ពុជា ក្នុងការវាស់វែងផលប៉ះពាល់នៃវិបត្តិសកលមកលើពាណិជ្ជកម្ម។
ជារួម ការអនុវត្តគំរូសេដ្ឋកិច្ចមាត្រកម្រិតខ្ពស់នេះ នឹងជួយស្ថាប័នកម្ពុជាក្នុងការរៀបចំយុទ្ធសាស្ត្រពាណិជ្ជកម្មដែលផ្អែកលើទិន្នន័យច្បាស់លាស់ ដើម្បីទប់ទល់នឹងភាពមិនប្រាកដប្រជានៃសេដ្ឋកិច្ចសកលនាពេលអនាគត។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Gravity Model | គំរូសេដ្ឋកិច្ចដែលព្យាករណ៍ពីទំហំពាណិជ្ជកម្មរវាងប្រទេសពីរ ដោយផ្អែកលើទំហំសេដ្ឋកិច្ចរបស់ពួកគេ (GDP) និងចម្ងាយភូមិសាស្ត្ររវាងប្រទេសទាំងពីរ។ | ដូចជាទំនាញផែនដីដែរ ប្រទេសធំៗនៅជិតគ្នាមានកម្លាំងទាក់ទាញក្នុងការដោះដូរពាណិជ្ជកម្មជាមួយគ្នាច្រើនជាងប្រទេសតូចៗដែលនៅឆ្ងាយពីគ្នា។ |
| Hausman-Taylor estimation method | វិធីសាស្ត្រស្ថិតិសម្រាប់វិភាគទិន្នន័យបន្ទះ (Panel Data) ដែលអនុញ្ញាតឱ្យប៉ាន់ស្មានអថេរដែលមិនប្រែប្រួលតាមពេលវេលា (ដូចជាចម្ងាយ) ខណៈពេលដែលនៅតែអាចគ្រប់គ្រងបញ្ហាអថេរដែលមានទំនាក់ទំនងនឹងកំហុសលំអៀង (Endogeneity)។ | ដូចជាម៉ាស៊ីនថ្លឹងទម្ងន់ដ៏ឆ្លាតវៃដែលអាចប្រាប់ពីទម្ងន់ពិតប្រាកដរបស់មនុស្សម្នាក់ ទោះបីជាអ្នកនោះកំពុងពាក់អាវធំដែលយើងមិនដឹងទម្ងន់ច្បាស់ក៏ដោយ។ |
| Panel data | ប្រភេទនៃទិន្នន័យដែលប្រមូលបានពីអង្គភាពដដែលៗ (ឧទាហរណ៍ ប្រទេស ក្រុមហ៊ុន ឬមនុស្ស) ឆ្លងកាត់រយៈពេលវេលាខុសៗគ្នាជាបន្តបន្ទាប់។ | ដូចជាសៀវភៅតាមដានពិន្ទុរបស់សិស្សម្នាក់ៗនៅក្នុងថ្នាក់ពីមួយខែទៅមួយខែ ដើម្បីមើលការវិវត្តរបស់ពួកគេតាមពេលវេលា។ |
| Fixed Effects (FE) | វិធីសាស្ត្រក្នុងគំរូស្ថិតិដែលគ្រប់គ្រងលើលក្ខណៈពិសេសរបស់អង្គភាពនីមួយៗដែលមិនប្រែប្រួលតាមពេលវេលា ដើម្បីលុបបំបាត់ការរំខាន និងផ្តោតលើការវិភាគតែលើកត្តាដែលប្រែប្រួលតាមពេលវេលាប៉ុណ្ណោះ។ | ដូចជាការថតរូបប្រៀបធៀបទិដ្ឋភាពនៃដើមឈើតែមួយដើមនៅរដូវខុសៗគ្នា ដោយមិនខ្វល់ពីទីតាំងដីដែលដើមឈើនោះដុះ។ |
| Random Effects (RE) | គំរូស្ថិតិដែលសន្មតថាលក្ខណៈពិសេសរបស់អង្គភាពនីមួយៗមិនមានទំនាក់ទំនងជាមួយអថេរពន្យល់ (Explanatory variables) ផ្សេងទៀត ដែលអនុញ្ញាតឱ្យវាស់វែងកត្តាថេរ (ដូចជាចម្ងាយ) បាន ប៉ុន្តែងាយនឹងមានកំហុសប្រសិនបើសន្មតខុស។ | ដូចជាការសន្និដ្ឋានថាកត្តាពីកំណើតរបស់សិស្សម្នាក់ៗ (ឆ្លាតពីកំណើត) មិនមានឥទ្ធិពលអ្វីទាក់ទងនឹងចំនួនម៉ោងដែលពួកគេខំរៀននោះទេ។ |
| Trade Openness | សូចនាករដែលវាស់វែងថាតើសេដ្ឋកិច្ចរបស់ប្រទេសមួយមានការពឹងផ្អែកលើពាណិជ្ជកម្មអន្តរជាតិកម្រិតណា ដោយគណនាជាផលធៀបរវាងទំហំពាណិជ្ជកម្មសរុប (នាំចេញបូកនាំចូល) ធៀបនឹងផលិតផលក្នុងស្រុកសរុប (GDP)។ | ដូចជាការវាស់ថាតើហាងមួយពឹងផ្អែកលើអតិថិជនពីក្រៅភូមិខ្លាំងប៉ុនណា បើធៀបនឹងចំណូលសរុបទាំងអស់របស់ហាងនោះ។ |
| Unobserved heterogeneity | កត្តាខុសប្លែកគ្នារវាងប្រទេស ឬអង្គភាពនីមួយៗ (ដូចជា វប្បធម៌ លក្ខណៈភូមិសាស្ត្រស្មុគស្មាញ ឬប្រវត្តិសាស្ត្រ) ដែលជះឥទ្ធិពលដល់លទ្ធផលការវិភាគ ប៉ុន្តែមិនអាចវាស់វែង ឬប្រមូលជាទិន្នន័យជាក់លាក់បានឡើយ។ | ដូចជា 'ទេពកោសល្យពីកំណើត' របស់សិស្សម្នាក់ដែលធ្វើឱ្យគេរៀនពូកែ តែយើងមិនអាចវាស់កម្រិតទេពកោសល្យនោះចេញជាតួលេខច្បាស់លាស់បានទេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
