បញ្ហា (The Problem)៖ តើឧទ្យានជាតិ Saysed ដែលជាតំបន់កម្សាន្តមិនមែនទីផ្សារនៅក្នុងប្រទេសអារ៉ាប៊ីសាអូឌីត មានតម្លៃសេដ្ឋកិច្ចប៉ុន្មាន ហើយមានកត្តាសេដ្ឋកិច្ចសង្គមអ្វីខ្លះដែលជះឥទ្ធិពលដល់តម្រូវការនៃការមកកម្សាន្ត?
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពីការស្ទង់មតិតាមប្រព័ន្ធអនឡាញលើអ្នកទស្សនា ហើយអនុវត្តគំរូទិន្នន័យរាប់ (Count Data Models) ដើម្បីប៉ាន់ស្មានខ្សែកោងតម្រូវការនៃការកម្សាន្ត។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Ordinary Least Squares (OLS) Regression តំរែតំរង់ការ៉េតូចបំផុតធម្មតា (OLS) |
ងាយស្រួលក្នុងការគណនា និងជារូបមន្តមូលដ្ឋានដែលត្រូវបានប្រើប្រាស់ទូទៅបំផុតសម្រាប់ការវិភាគតំរែតំរង់។ | មិនស័ក្តិសមទាល់តែសោះសម្រាប់ទិន្នន័យប្រភេទរាប់ (Count data) ដោយសារវារំលោភលើសម្មតិកម្មនៃការចែកចាយប្រក្រតី (Normal distribution) និងបង្កឱ្យមានបញ្ហា Heteroscedasticity។ | មិនត្រូវបានជ្រើសរើសដោយសារមានកំហុសក្នុងការប៉ាន់ស្មានទិន្នន័យ និងមិនអាចដោះស្រាយទិន្នន័យដែលគ្មានតម្លៃអវិជ្ជមានបានល្អ។ |
| Standard Poisson Regression តំរែតំរង់ Poisson ស្តង់ដារ |
ស័ក្តិសមជាង OLS សម្រាប់ទិន្នន័យប្រភេទរាប់ (Count data) ដែលមានលក្ខណៈដាច់រលាត់ និងគ្មានតម្លៃអវិជ្ជមាន។ | មិនសូវសុក្រឹតនិងមានប្រសិទ្ធភាពទាបនៅពេលដែលសំណុំទិន្នន័យត្រូវបានកាត់តម្លៃសូន្យចេញ (ឧទាហរណ៍៖ កាត់ចោលអ្នកដែលមិនដែលមកកម្សាន្ត)។ | ផ្តល់លទ្ធផលអន់ជាងម៉ូដែល ZTP ដោយមានកម្រិតពន្យល់ (Pseudo R2) ទាបត្រឹម ០,៣៧៨២៦៣២ ប៉ុណ្ណោះ។ |
| Zero-Truncated Poisson (ZTP) Regression តំរែតំរង់ Poisson កាត់ចោលសូន្យ (ZTP) |
ស័ក្តិសមបំផុតសម្រាប់សំណុំទិន្នន័យរាប់ដែលមិនមានតម្លៃសូន្យ (Zero-truncated) ដែលឆ្លើយតបយ៉ាងត្រឹមត្រូវទៅនឹងទិន្នន័យអ្នកមកកម្សាន្តជាក់ស្តែង។ | ទាមទារកម្មវិធីស្ថិតិកម្រិតខ្ពស់ និងការយល់ដឹងស៊ីជម្រៅអំពីការបកស្រាយលទ្ធផល (Log likelihood, AIC, BIC)។ | ជាម៉ូដែលល្អបំផុតដែលមានកម្រិត AIC (1148.73) និង BIC (1174.62) ទាបជាងគេ ព្រមទាំងមាន Pseudo R2 ខ្ពស់ជាងគេ (០,៤២១៩) ដោយប៉ាន់ស្មានតម្លៃសេដ្ឋកិច្ចប្រចាំឆ្នាំបានប្រមាណ ១,១២ លានដុល្លារ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រវាយតម្លៃនេះទាមទារធនធានជាមូលដ្ឋានដូចជា កម្មវិធីវិភាគស្ថិតិកម្រិតខ្ពស់ និងទិន្នន័យស្ទង់មតិពីអ្នកទស្សនាផ្ទាល់។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយផ្អែកលើការស្ទង់មតិតាមប្រព័ន្ធអនឡាញដែលមានចំនួនសំណាកត្រឹមតែ ១៨៨ នាក់នៅប្រទេសអារ៉ាប៊ីសាអូឌីត។ កម្រិតសំណាកតូចនេះ និងការជ្រើសរើសអ្នកចូលរួមតាមរយៈអនឡាញអាចបណ្តាលឱ្យបាត់បង់ក្រុមមនុស្សដែលមិនមានលទ្ធភាពប្រើប្រាស់អ៊ីនធឺណិត ដែលនាំឱ្យទិន្នន័យអាចមានភាពលម្អៀង (Selection Bias)។ សម្រាប់ប្រទេសកម្ពុជា ការពឹងផ្អែកលើការស្ទង់មតិអនឡាញទាំងស្រុងនៅតាមតំបន់ដាច់ស្រយាល អាចនឹងមិនឆ្លុះបញ្ចាំងពីទិដ្ឋភាពជាក់ស្តែង និងប្រជាសាស្ត្រពិតប្រាកដរបស់អ្នកទេសចរឡើយ។
វិធីសាស្ត្រចំណាយលើការធ្វើដំណើរជាលក្ខណៈបុគ្គល (ITCM) រួមជាមួយម៉ូដែល ZTP នេះ គឺមានសក្តានុពល និងអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ប្រទេសកម្ពុជាក្នុងការវាយតម្លៃតម្លៃសេដ្ឋកិច្ចនៃរមណីយដ្ឋានធម្មជាតិ។
ជារួម ការអនុវត្តម៉ូដែល ITCM/ZTP នឹងផ្តល់នូវភស្តុតាងផ្អែកលើទិន្នន័យដ៏រឹងមាំសម្រាប់ប្រទេសកម្ពុជា ដើម្បីធ្វើការសម្រេចចិត្តប្រកបដោយនិរន្តរភាពក្នុងការធ្វើតុល្យភាពរវាងការអភិវឌ្ឍវិស័យទេសចរណ៍ និងការអភិរក្សធនធានធម្មជាតិ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Individual Travel Cost Method (ITCM) (វិធីសាស្ត្រចំណាយលើការធ្វើដំណើរជាលក្ខណៈបុគ្គល) | ជាវិធីសាស្ត្រសេដ្ឋកិច្ចដែលប្រើប្រាស់ការចំណាយលើការធ្វើដំណើរ (ប្រាក់កម្រៃ ការស្នាក់នៅ ពេលវេលា) របស់បុគ្គលម្នាក់ៗ ដើម្បីវាស់ស្ទង់តម្លៃនៃទីតាំងកម្សាន្តធម្មជាតិដែលមិនមានតម្លៃទីផ្សារច្បាស់លាស់។ វាសន្មត់ថាការចំណាយនិងពេលវេលាដែលបានបាត់បង់គឺស្មើនឹងតម្លៃដែលពួកគេឲ្យទៅលើទីតាំងនោះ។ | ដូចជាការសន្និដ្ឋានថា តើអ្នកចូលចិត្តហាងកាហ្វេមួយកម្រិតណា ដោយមើលលើទំហំទឹកប្រាក់ និងពេលវេលាដែលអ្នកសុខចិត្តចំណាយជិះម៉ូតូទៅទីនោះ។ |
| Consumer Surplus (អតិរេកអ្នកប្រើប្រាស់) | ជាទំហំនៃអត្ថប្រយោជន៍សេដ្ឋកិច្ចសរុបដែលអ្នកទស្សនាទទួលបាន ដោយសារតែពួកគេបានចំណាយទិញទំនិញ ឬសេវាកម្មមួយក្នុងតម្លៃទាបជាងតម្លៃអតិបរមាដែលពួកគេសុខចិត្តបង់ពិតប្រាកដ។ នៅក្នុងការសិក្សានេះ វាសំដៅលើតម្លៃស្កប់ស្កល់បន្ថែមដែលអ្នកទស្សនាទទួលបានលើសពីថ្លៃចំណាយធ្វើដំណើរជាក់ស្តែង។ | ដូចជាពេលដែលអ្នកសុខចិត្តទិញអាវមួយក្នុងតម្លៃ ២០ ដុល្លារ តែអ្នកទិញវាបានក្នុងតម្លៃត្រឹមតែ ១៥ ដុល្លារ នោះ ៥ ដុល្លារដែលចំណេញគឺជាអតិរេករបស់អ្នក។ |
| Zero-Truncated Poisson Regression (ZTP) (តំរែតំរង់ Poisson កាត់ចោលសូន្យ) | ជាគំរូស្ថិតិសម្រាប់វិភាគទិន្នន័យប្រភេទរាប់ (Count data) ដែលមិនមានលេខសូន្យទាល់តែសោះ។ វានិយមប្រើក្នុងការសិក្សានេះព្រោះអ្នកស្រាវជ្រាវប្រមូលទិន្នន័យតែពីអ្នកដែលបានមកកម្សាន្តឧទ្យានយ៉ាងហោចណាស់១ដងឡើងទៅ (អ្នកមក ០ ដង ត្រូវបានកាត់ចោល)។ | ដូចជាការធ្វើបញ្ជីរាយនាមសិស្សដែលធ្លាប់បានពិន្ទុ A ដោយមិនរាប់បញ្ចូលសិស្សដែលមិនធ្លាប់បានសោះ ដើម្បីយកមកវិភាគរកមូលហេតុដែលពួកគេរៀនពូកែ។ |
| Opportunity Cost of Time (ថ្លៃដើមឱកាសនៃពេលវេលា) | ជាតម្លៃនៃជម្រើសល្អបំផុតបន្ទាប់ដែលត្រូវបានបោះបង់ចោលនៅពេលដែលយើងចំណាយពេលវេលាធ្វើអ្វីមួយ។ ក្នុងការសិក្សានេះ វាគិតជាភាគរយនៃប្រាក់ឈ្នួលដែលអ្នកទេសចរអាចរកបាន ប្រសិនបើពួកគេយកពេលវេលាធ្វើដំណើរនេះទៅធ្វើការងារយកប្រាក់ខែ។ | ដូចជាពេលដែលអ្នកសម្រេចចិត្តដេកលេង២ម៉ោង ជាជាងយកពេលនោះទៅធ្វើការងារក្រៅម៉ោងបានលុយ ១០ដុល្លារ នោះ ១០ដុល្លារនេះគឺជាថ្លៃដើមឱកាសរបស់អ្នក។ |
| Substitute Site (ទីតាំងជំនួស) | ជាទីតាំងកម្សាន្តផ្សេងទៀតដែលមានលក្ខណៈប្រហាក់ប្រហែលគ្នា ដែលអ្នកទេសចរអាចជ្រើសរើសទៅកម្សាន្តជំនួសទីតាំងគោលដៅដែលកំពុងសិក្សា។ បើអ្នកទេសចរស្គាល់ទីតាំងជំនួសកាន់តែច្រើន តម្រូវការមកទស្សនាទីតាំងគោលដៅនឹងអាចថយចុះ។ | ដូចជាពេលដែលអ្នកចង់ញ៉ាំកាហ្វេហាង A តែវាឆ្ងាយ អ្នកក៏សម្រេចចិត្តទៅហាង B ដែលនៅជិតផ្ទះជាង។ ហាង B គឺជាទីតាំងជំនួស។ |
| Ordinary Least Squares (OLS) (តំរែតំរង់ការ៉េតូចបំផុតធម្មតា) | ជាវិធីសាស្ត្រស្ថិតិជាមូលដ្ឋានក្នុងការស្វែងរកទំនាក់ទំនងរវាងអថេរឯករាជ្យ និងអថេរអាស្រ័យ ដោយគូសបន្ទាត់មួយដែលកាត់បន្ថយកំហុសសរុបឱ្យនៅតូចបំផុត។ យ៉ាងណាក្តី វាត្រូវបានគេបដិសេធមិនប្រើក្នុងការសិក្សានេះ ព្រោះវាមិនស័ក្តិសមជាមួយទិន្នន័យប្រភេទរាប់ (Count data) និងមានភាពលម្អៀង។ | ដូចជាការទាញខ្សែបន្ទាត់ត្រង់មួយឲ្យចំកណ្តាលហ្វូងចំណុចជាច្រើននៅលើក្រដាស ដើម្បីមើលនិន្នាការទូទៅ។ |
| Goodness-of-Fit (ការធ្វើតេស្តភាពស័ក្តិសមនៃគំរូ) | ជារង្វាស់ស្ថិតិ (ដូចជា AIC និង BIC) ដែលប្រើសម្រាប់វាយតម្លៃថាតើគំរូគណិតវិទ្យាមួយឆ្លុះបញ្ចាំងពីទិន្នន័យជាក់ស្តែងបានល្អកម្រិតណា។ តម្លៃរង្វាស់កាន់តែតូច បញ្ជាក់ថាគំរូនោះកាន់តែមានភាពសុក្រឹតនិងអាចពន្យល់ពីទិន្នន័យបានល្អបំផុត។ | ដូចជាការយកអាវទំហំផ្សេងៗមកល្បងពាក់មើល តើមួយណាដែលត្រូវនឹងរាងកាយរបស់អ្នកជាងគេបំផុតដោយមិនរឹបពេកឬរលុងពេក។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
