បញ្ហា (The Problem)៖ ការសិក្សានេះវាយតម្លៃពីទំនាក់ទំនងរវាងសន្ទស្សន៍អភិវឌ្ឍន៍មនុស្ស (HDI) និងកំណើនសេដ្ឋកិច្ច ការប្រើប្រាស់ថាមពលកកើតឡើងវិញ ការបើកចំហពាណិជ្ជកម្ម ការបញ្ចេញឧស្ម័នកាបូនិក (CO2) និងនគរូបនីយកម្ម នៅក្នុងប្រទេសឥណ្ឌូណេស៊ី ម៉ាឡេស៊ី ហ្វីលីពីន ថៃ និងវៀតណាម។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel data) ពីឆ្នាំ១៩៩១ ដល់ ២០២០ ដោយអនុវត្តគំរូវិភាគសេដ្ឋកិច្ចមាត្រចម្រុះដើម្បីកំណត់កត្តាជះឥទ្ធិពល។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Pooled Ordinary Least Squares (POLS) គំរូវិភាគតំរែតំរង់ធម្មតា (POLS) |
ងាយស្រួលក្នុងការគណនា និងផ្តល់នូវទិដ្ឋភាពទូទៅនៃទំនាក់ទំនងអថេរផ្សេងៗ។ | មិនបានគិតពីលក្ខណៈដោយឡែក ឬពេលវេលាជាក់លាក់នៃប្រទេសនីមួយៗ ដែលអាចធ្វើឱ្យលទ្ធផលមានភាពលំអៀង។ | បង្ហាញទំនាក់ទំនងវិជ្ជមាននៃ GDP និងនគរូបនីយកម្ម ប៉ុន្តែមិនទាន់អាចទុកចិត្តបានទាំងស្រុងដោយសារកំហុសរចនាសម្ព័ន្ធទិន្នន័យ។ |
| Fixed Effect Model (FEM) គំរូឥទ្ធិពលថេរ (FEM) |
អាចគ្រប់គ្រងលើភាពខុសគ្នានៃលក្ខណៈដែលមិនប្រែប្រួលតាមពេលវេលា និងមិនអាចសង្កេតបាននៅក្នុងប្រទេសនីមួយៗ។ | តាមរយៈការធ្វើតេស្ត វាត្រូវបានរកឃើញថាមានបញ្ហា Autocorrelation និង Heteroscedasticity ដែលធ្វើឱ្យការប៉ាន់ស្មានខ្វះប្រសិទ្ធភាព។ | ត្រូវបានជ្រើសរើសជាគំរូសមស្របជាង REM តាមរយៈ Hausman test ប៉ុន្តែទាមទារការកែសម្រួលបញ្ហាកំហុសផ្នែកស្ថិតិ។ |
| Random Effect Model (REM) គំរូឥទ្ធិពលចៃដន្យ (REM) |
មានប្រយោជន៍នៅពេលគ្មានអថេរដែលត្រូវបានមើលរំលង ហើយសន្មតថាអថេរមិនអាចសង្កេតបានគ្មានទំនាក់ទំនងជាមួយអថេរពន្យល់។ | ត្រូវបានច្រានចោលដោយការធ្វើតេស្ត Hausman ដោយសារការសន្មតរបស់វាមិនឆ្លុះបញ្ចាំងពីទិន្នន័យជាក់ស្តែង។ | លទ្ធផលនៃ Hausman test (P-value = 0.000) បង្ហាញថាគំរូនេះមិនមានភាពស័ក្តិសមសម្រាប់វិភាគទិន្នន័យនេះទេ។ |
| Feasible Generalized Least Squares (FGLS) គំរូ Feasible Generalized Least Squares (FGLS) |
អាចដោះស្រាយបញ្ហា Autocorrelation និង Heteroscedasticity ដែលកើតមានក្នុងគំរូ FEM បានយ៉ាងមានប្រសិទ្ធភាព និងផ្តល់លទ្ធផលអាចទុកចិត្តបាន។ | ទាមទារការគណនាស្មុគស្មាញ និងទំហំទិន្នន័យគ្រប់គ្រាន់ដើម្បីធានាបាននូវប្រសិទ្ធភាពនៃម៉ូដែល។ | បញ្ជាក់យ៉ាងច្បាស់ថាកំណើនសេដ្ឋកិច្ច និងនគរូបនីយកម្ម ជះឥទ្ធិពលវិជ្ជមានដល់ HDI ខណៈអថេរផ្សេងទៀតគ្មានន័យធៀបផ្នែកស្ថិតិ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនតម្រូវឱ្យមានធនធានហិរញ្ញវត្ថុច្រើនសម្រាប់ការចុះប្រមូលទិន្នន័យផ្ទាល់នោះទេ ដោយសារវាពឹងផ្អែកលើការប្រមូលទិន្នន័យបន្ទះ (Panel Data) ដែលមានស្រាប់ ប៉ុន្តែត្រូវការចំណេះដឹងកម្រិតខ្ពស់ផ្នែកសេដ្ឋកិច្ចមាត្រ។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពីប្រទេសចំនួនប្រាំនៅអាស៊ីអាគ្នេយ៍ប៉ុណ្ណោះ (ឥណ្ឌូណេស៊ី ម៉ាឡេស៊ី ហ្វីលីពីន ថៃ និងវៀតណាម) ដោយមិនបានរាប់បញ្ចូលកម្ពុជា ឡាវ ឬមីយ៉ាន់ម៉ា ដោយសារកង្វះទិន្នន័យពេញលេញ។ នេះមានន័យថាលទ្ធផលតំណាងឱ្យតែប្រទេសដែលមានសេដ្ឋកិច្ចមធ្យម និងហេដ្ឋារចនាសម្ព័ន្ធរឹងមាំ ដែលតម្រូវឱ្យកម្ពុជាត្រូវមានការប្រុងប្រយ័ត្ននៅពេលអនុវត្តតាម ព្រោះបរិបទសង្គមសេដ្ឋកិច្ចនៅមានកម្រិតខុសគ្នា។
ទោះបីជាមិនបានសិក្សាផ្ទាល់លើកម្ពុជាក៏ដោយ វិធីសាស្ត្រ និងរបកគំហើញនេះមានប្រយោជន៍ខ្លាំងសម្រាប់ការធ្វើផែនការយុទ្ធសាស្ត្រអភិវឌ្ឍន៍ជាតិនៅកម្ពុជា។
ជារួម ការសិក្សានេះបានផ្តល់ជាមេរៀនដ៏សំខាន់សម្រាប់កម្ពុជាថា កំណើនសេដ្ឋកិច្ច និងនគរូបនីយកម្មដែលត្រូវបានគ្រប់គ្រងបានល្អ គឺជាកត្តាគន្លឹះជំរុញការអភិវឌ្ឍធនធានមនុស្ស។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Human Development Index (HDI) (សន្ទស្សន៍អភិវឌ្ឍន៍មនុស្ស) | ជារង្វាស់សង្ខេបដែលវាយតម្លៃពីសមិទ្ធផលជាមធ្យមនៅក្នុងវិមាត្រជាមូលដ្ឋាននៃការអភិវឌ្ឍមនុស្ស រួមមានអាយុកាលសង្ឃឹមរស់នៅពេលកើត កម្រិតនៃការអប់រំ (ចំណេះដឹង) និងកម្រិតជីវភាពរស់នៅសមរម្យ (ប្រាក់ចំណូលជាតិសរុបសម្រាប់មនុស្សម្នាក់)។ | ដូចជាកាតពិន្ទុរួមមួយ ដែលបង្ហាញពីកម្រិតសុខភាព ការសិក្សា និងជីវភាពរបស់ប្រជាជនក្នុងប្រទេសមួយ ជាជាងការមើលតែលើទំហំសេដ្ឋកិច្ច (GDP) តែមួយមុខ។ |
| Panel data (ទិន្នន័យបន្ទះ) | ជាប្រភេទកម្រងទិន្នន័យដែលរួមបញ្ចូលទាំងទិន្នន័យកាត់ទទឹង (Cross-sectional) ដូចជាទិន្នន័យរបស់ប្រទេសច្រើន និងទិន្នន័យតាមពេលវេលា (Time series) ដូចជាទិន្នន័យតាមឆ្នាំនីមួយៗបញ្ចូលគ្នាសម្រាប់ការវិភាគ។ | ដូចជាការថតវីដេអូតាមដានសិស្ស៥នាក់ (ប្រទេស៥) ជារៀងរាល់ថ្ងៃក្នុងរយៈពេល៣០ថ្ងៃ (៣០ឆ្នាំ) ជាជាងការថតរូបសិស្សទាំង៥នាក់នោះត្រឹមតែមួយប៉ុស្តិ៍នៅថ្ងៃណាមួយ។ |
| Fixed Effect Model (FEM) (គំរូឥទ្ធិពលថេរ) | ជាគំរូវិភាគសេដ្ឋកិច្ចមាត្រដែលត្រូវបានប្រើប្រាស់លើទិន្នន័យបន្ទះ (Panel data) ដើម្បីត្រួតពិនិត្យនិងលុបបំបាត់ឥទ្ធិពលនៃលក្ខណៈពិសេសប្រចាំតំបន់ ឬប្រទេសនីមួយៗ (ដូចជាភូមិសាស្ត្រ ឬវប្បធម៌) ដែលមិនប្រែប្រួលតាមពេលវេលា។ | ដូចជាការវាស់ស្ទង់ការលូតលាស់របស់រុក្ខជាតិដោយកាត់ចេញនូវកត្តាពូជដើមរបស់វា ដើម្បីចង់ដឹងតែពីឥទ្ធិពលនៃការដាក់ជីប៉ុណ្ណោះ។ |
| Feasible Generalized Least Squares (FGLS) (គំរូ FGLS) | ជាបច្ចេកទេសប៉ាន់ស្មានស្ថិតិកម្រិតខ្ពស់ដែលត្រូវបានប្រើប្រាស់ដើម្បីដោះស្រាយបញ្ហា Autocorrelation និង Heteroscedasticity នៅក្នុងទិន្នន័យ ដែលម៉ូដែលធម្មតាមិនអាចដោះស្រាយបាន ដើម្បីធ្វើឱ្យលទ្ធផលប៉ាន់ស្មានមានភាពត្រឹមត្រូវនិងមានប្រសិទ្ធភាព។ | ដូចជាការបំពាក់កែវយឺតដែលមានបច្ចេកវិទ្យាតម្រងពន្លឺនៅពេលមេឃងងឹត ដើម្បីអាចមើលឃើញទិន្នន័យច្បាស់ជាងការប្រើភ្នែកទទេ ឬម៉ាស៊ីនថតធម្មតា។ |
| Autocorrelation (ស្វ័យសហសម្ព័ន្ធ / ទំនាក់ទំនងទិន្នន័យខ្លួនឯង) | ជាបាតុភូតក្នុងសេដ្ឋកិច្ចមាត្រដែលកំហុស (Error terms) នៅក្នុងការអង្កេតមួយមានទំនាក់ទំនងជាមួយនឹងកំហុសក្នុងការអង្កេតមួយទៀតតាមពេលវេលា ដែលរំលោភលើគោលការណ៍ធម្មតានៃការវិភាគតំរែតំរង់។ | ដូចជាអារម្មណ៍របស់អ្នកនៅថ្ងៃនេះ គឺមានការពាក់ព័ន្ធនិងទទួលឥទ្ធិពលបន្តពីអារម្មណ៍របស់អ្នកកាលពីម្សិលមិញ ពោលគឺវាមិនឯករាជ្យដាច់ពីគ្នានោះទេ។ |
| Heteroscedasticity (ភាពមិនថេរនៃរំសាយ) | ជាស្ថានភាពដែលកម្រិតនៃការសាយភាយ (Variance) នៃកំហុស (Error term) ក្នុងម៉ូដែលមិនមានភាពថេរទេ ពោលគឺវាប្រែប្រួលទំហំទៅតាមកម្រិតនៃអថេរឯករាជ្យ ដែលធ្វើឱ្យការធ្វើតេស្តសម្មតិកម្មលែងសុក្រឹត។ | ដូចជាការចំណាយរបស់មនុស្ស ដែលអ្នកមានចំណូលតិចមានការចាយវាយប្រហាក់ប្រហែលគ្នា តែអ្នកមានចំណូលច្រើនអាចចាយខុសគ្នាខ្លាំង (អ្នកខ្លះសន្សំ អ្នកខ្លះចាយធំ) ធ្វើឱ្យទិន្នន័យមានការសាយភាយមិនស្មើគ្នា។ |
| Variance Inflation Factor (VIF) (កត្តាអតិផរណារំសាយ) | ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់ពិនិត្យមើលបញ្ហា Multicollinearity ដោយវាស់ស្ទង់ថាតើអថេរឯករាជ្យមួយមានទំនាក់ទំនងខ្លាំងកម្រិតណាជាមួយអថេរឯករាជ្យផ្សេងទៀតក្នុងម៉ូដែលតែមួយ។ (បើ VIF ធំជាង ១០ គឺមានបញ្ហា)។ | ដូចជាឧបករណ៍រាវរកសំឡេងជាន់គ្នា ដែលប្រាប់យើងថាមានមនុស្សពីរនាក់កំពុងនិយាយរឿងតែមួយដូចគ្នាបេះបិទនៅក្នុងបន្ទប់ ដែលធ្វើឱ្យយើងពិបាកកត់ត្រាព័ត៌មាន។ |
| Trade openness (ការបើកចំហពាណិជ្ជកម្ម) | ជារង្វាស់នៃការធ្វើសមាហរណកម្មសេដ្ឋកិច្ចរបស់ប្រទេសមួយទៅកាន់ទីផ្សារអន្តរជាតិ ដែលជាទូទៅគណនាដោយយកផលបូកនៃការនាំចេញនិងការនាំចូលសរុប ចែកជាមួយនឹងផលិតផលក្នុងស្រុកសរុប (GDP) រួចគិតជាភាគរយ។ | ដូចជាការបើកទ្វារផ្ទះឱ្យធំ ដើម្បីងាយស្រួលធ្វើការផ្លាស់ប្តូរទំនិញចេញចូលជាមួយអ្នកជិតខាង។ បើទ្វារកាន់តែធំ និងបើកកាន់តែញឹកញាប់ មានន័យថាផ្ទះនោះមានការបើកចំហពាណិជ្ជកម្មកាន់តែខ្ពស់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
