បញ្ហា (The Problem)៖ ការសិក្សានេះមានគោលបំណងវាយតម្លៃអំពីឥទ្ធិពលនៃគោលនយោបាយភាគលាភទៅលើភាពប្រែប្រួលតម្លៃភាគហ៊ុនរបស់ក្រុមហ៊ុនមិនមែនហិរញ្ញវត្ថុដែលបានចុះបញ្ជីនៅលើផ្សារមូលបត្រហូជីមិញ (HOSE) ក្នុងចន្លោះឆ្នាំ 2016 ដល់ឆ្នាំ 2020។
វិធីសាស្ត្រ (The Methodology)៖ ក្រុមអ្នកស្រាវជ្រាវបានប្រើប្រាស់វិធីសាស្ត្រស្រាវជ្រាវបរិមាណដោយផ្អែកលើទិន្នន័យបន្ទះ (Panel Data) ដោយអនុវត្តគំរូតំរែតំរង់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Pooled OLS Regression វិធីសាស្ត្រតំរែតំរង់ OLS រួម |
ងាយស្រួលក្នុងការគណនា និងយល់ដឹងអំពីទំនាក់ទំនងជាមូលដ្ឋានរវាងអថេរ។ | មិនបានពិចារណាលើលក្ខណៈពិសេស ឬផលប៉ះពាល់បុគ្គលរបស់ក្រុមហ៊ុននីមួយៗ (Individual effects) តាមពេលវេលាឡើយ។ | មិនត្រូវបានជ្រើសរើសប្រើប្រាស់ ដោយសារលទ្ធផល F-test និង Breusch-Pagan test បង្ហាញថាវាមិនស័ក្តិសមសម្រាប់ទិន្នន័យនេះ។ |
| Fixed Effects Model (FEM) គំរូផលប៉ះពាល់ថេរ |
អាចជួយគ្រប់គ្រងអថេរដែលមិនប្រែប្រួលតាមពេលវេលា ដែលអាចជះឥទ្ធិពលដល់លទ្ធផល។ | ឯកសារនេះបានរកឃើញថាគំរូនេះមានបញ្ហាទំហំនៃរង្វាស់មិនថេរ (Heteroskedasticity) តាមរយៈការធ្វើតេស្ត White Test។ | ត្រូវបានជ្រើសរើសដោយ Hausman Test ប៉ុន្តែត្រូវបោះបង់ចោលវិញដោយសារបញ្ហាបំរែបំរួលនៃកំហុស (Variance of error) មិនថេរ។ |
| Generalized Least Squares (GLS) វិធីសាស្ត្រការ៉េអប្បបរមាទូទៅ |
អាចដោះស្រាយបញ្ហា Heteroskedasticity ប្រកបដោយប្រសិទ្ធភាព និងធ្វើឱ្យលទ្ធផលប៉ាន់ស្មានកាន់តែសុក្រឹតនិងអាចទុកចិត្តបាន។ | ទាមទារការយល់ដឹងស៊ីជម្រៅផ្នែកស្ថិតិ និងការបំប្លែងម៉ាទ្រីសស្មុគស្មាញជាងគំរូ OLS ធម្មតា។ | អត្រាទូទាត់ភាគលាភ (DP) បង្កើនភាពប្រែប្រួលតម្លៃភាគហ៊ុន (+0.0002069) រីឯភាគលាភក្នុងមួយភាគហ៊ុន (DPS) កាត់បន្ថយភាពប្រែប្រួល (-0.0000882)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារទិន្នន័យហិរញ្ញវត្ថុជាក់ស្តែងពីទីផ្សារមូលបត្រ និងកម្មវិធីវិភាគស្ថិតិកម្រិតខ្ពស់។
ការសិក្សានេះផ្តោតលើក្រុមហ៊ុនមិនមែនហិរញ្ញវត្ថុចំនួន 112 នៅលើផ្សារមូលបត្រហូជីមិញ ប្រទេសវៀតណាម ចន្លោះឆ្នាំ 2016 ដល់ 2020 ដោយបានដកចេញនូវផលប៉ះពាល់ពីជំងឺកូវីដ-១៩។ សម្រាប់ប្រទេសកម្ពុជា លទ្ធផលនេះមានតម្លៃជាឯកសារយោងដ៏ល្អ ព្រោះទីផ្សារមូលបត្រកម្ពុជា (CSX) ក៏ជាទីផ្សារកំពុងអភិវឌ្ឍ ដែលវិនិយោគិនមានចិត្តសាស្ត្រប្រតិកម្មទៅនឹងព័ត៌មានភាគលាភស្រដៀងគ្នា។
វិធីសាស្ត្រវិភាគ និងទ្រឹស្តីផ្តល់សញ្ញា (Signalling Theory) នៅក្នុងឯកសារនេះ មានអត្ថប្រយោជន៍ខ្លាំងណាស់សម្រាប់ការស្រាវជ្រាវលើទីផ្សារមូលបត្រនៅកម្ពុជា។
ជារួម ការស្រាវជ្រាវនេះផ្តល់នូវក្របខណ្ឌដ៏រឹងមាំមួយ សម្រាប់អ្នកស្រាវជ្រាវកម្ពុជាក្នុងការយកវិធីសាស្ត្រអេកូណូមេទ្រីទិន្នន័យបន្ទះ មកអនុវត្តជាមួយទីផ្សារមូលបត្រក្នុងស្រុក។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Signalling theory | ទ្រឹស្តីនេះពន្យល់ពីរបៀបដែលថ្នាក់ដឹកនាំក្រុមហ៊ុនប្រើប្រាស់ការប្រកាសភាគលាភ ដើម្បីផ្តល់តម្រុយ (សញ្ញា) ដល់វិនិយោគិនអំពីសុខភាពហិរញ្ញវត្ថុ និងសក្តានុពលនាពេលអនាគតរបស់ក្រុមហ៊ុន ព្រោះវិនិយោគិនខាងក្រៅមិនមានព័ត៌មានលម្អិតដូចថ្នាក់ដឹកនាំទេ។ | ដូចជាការដែលអ្នកពាក់នាឡិកាថ្លៃៗ ដើម្បីបង្ហាញប្រាប់អ្នកដទៃដោយប្រយោលថាអ្នកមានលុយ ដោយមិនចាំបាច់ដើរប្រាប់គេផ្ទាល់។ |
| Fixed Effects Model (FEM) | ជាគំរូវិភាគស្ថិតិសម្រាប់ទិន្នន័យបន្ទះ (Panel Data) ដែលផ្តោតលើការគ្រប់គ្រងកត្តាលក្ខណៈពិសេសៗរបស់ក្រុមហ៊ុននីមួយៗដែលមិនប្រែប្រួលតាមពេលវេលា (ឧទាហរណ៍ វប្បធម៌ក្រុមហ៊ុន) ដើម្បីធានាថាវាមិនធ្វើឱ្យលទ្ធផលនៃការវាស់វែងល្អៀង។ | ដូចជាការថ្លឹងទម្ងន់មនុស្សដោយដកទម្ងន់សម្លៀកបំពាក់របស់ពួកគេចេញ ដើម្បីធានាថាអ្នកកំពុងប្រៀបធៀបទម្ងន់ខ្លួនពិតប្រាកដរបស់ពួកគេ។ |
| Heteroskedasticity | ជាបញ្ហាក្នុងការវិភាគស្ថិតិដែលកើតឡើងនៅពេលបំរែបំរួលនៃកំហុស (Variance of errors) មិនថេរតាមកម្រិតនៃអថេរឯករាជ្យ ដែលធ្វើឲ្យលទ្ធផលនៃការប៉ាន់ស្មាននៃគំរូតំរែតំរង់ (Regression) លែងមានសុក្រឹតភាពខ្ពស់ និងមិនអាចទុកចិត្តបាន។ | ដូចជាការបាញ់ស៊ីបដែលនៅកាន់តែឆ្ងាយ គ្រាប់កាំភ្លើងរបស់អ្នកកាន់តែខ្ចាត់ខ្ចាយខុសពីគោលដៅពិតប្រាកដមិនរៀបរយ។ |
| Generalized Least Squares (GLS) | ជាវិធីសាស្ត្រគណនាស្ថិតិកម្រិតខ្ពស់ដែលត្រូវបានប្រើប្រាស់ដើម្បីដោះស្រាយបញ្ហា Heteroskedasticity តាមរយៈការបំប្លែងទិន្នន័យ និងផ្តល់ទម្ងន់ខុសៗគ្នាដល់ចំណុចទិន្នន័យ ដើម្បីឱ្យការប៉ាន់ស្មានត្រលប់មកមានភាពត្រឹមត្រូវនិងមានប្រសិទ្ធភាពវិញ។ | ដូចជាការពាក់វ៉ែនតាដើម្បីកែតម្រូវភ្នែកម្ញូប ជួយឱ្យអ្នកមើលឃើញវត្ថុច្បាស់ និងត្រឹមត្រូវតាមទីតាំងពិតរបស់វាវិញ។ |
| Multicollinearity | ជាស្ថានភាពក្នុងគំរូស្ថិតិ ដែលអថេរឯករាជ្យពីរ ឬច្រើនមានទំនាក់ទំនងគ្នាខ្លាំងពេក ដែលធ្វើឱ្យប្រព័ន្ធស្ថិតិពិបាកក្នុងការញែកឱ្យដាច់ថា អថេរមួយណាពិតជាអ្នកផ្តល់ឥទ្ធិពលទៅលើលទ្ធផលចុងក្រោយពិតប្រាកដ។ | ដូចជាកូនភ្លោះពីរនាក់ដែលចូលរួមរុញរទេះមួយ អ្នកមិនអាចដឹងច្បាស់ទេថាកម្លាំងរុញភាគច្រើនចេញពីម្នាក់ណា។ |
| Dividend Payout Ratio | ជាភាគរយនៃប្រាក់ចំណេញសរុបដែលក្រុមហ៊ុនសម្រេចចិត្តបែងចែកជាសាច់ប្រាក់ទៅឱ្យម្ចាស់ភាគហ៊ុន បន្ទាប់ពីកាត់កងការចំណាយនិងពន្ធរួច រីឯចំណែកដែលនៅសល់គឺរក្សាទុកក្នុងក្រុមហ៊ុនសម្រាប់វិនិយោគពង្រីកអាជីវកម្មបន្ត។ | ដូចជាអ្នករកលុយចំណេញបាន ១០០ដុល្លារ ហើយសម្រេចចិត្តយក ២០ដុល្លារ ទៅចែកឱ្យអ្នកដែលបានដាក់ទុនរកស៊ីជាមួយអ្នក។ |
| Herd effect | ជាបាតុភូតចិត្តសាស្ត្រក្នុងទីផ្សារហិរញ្ញវត្ថុ ដែលវិនិយោគិនបោះបង់ការវិភាគឬការសម្រេចចិត្តផ្ទាល់ខ្លួន ហើយងាកទៅទិញ ឬលក់ភាគហ៊ុនដោយគ្រាន់តែធ្វើតាមសកម្មភាពរបស់មនុស្សភាគច្រើនក្នុងទីផ្សារ។ | ដូចជាការឃើញមនុស្សឈរតម្រង់ជួរនៅមុខហាងមួយយ៉ាងច្រើន រួចអ្នកក៏ចូលទៅតម្រង់ជួរទិញតាមគេដែរ ទោះបីមិនដឹងច្បាស់ថាហាងនោះលក់អ្វីក៏ដោយ។ |
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
