បញ្ហា (The Problem)៖ ការសិក្សានេះមានគោលបំណងកំណត់ និងវិភាគលើកត្តាផ្សេងៗដែលជះឥទ្ធិពលដល់ការចំណាយរបស់គ្រួសារដែលរស់នៅតំបន់ដីសណ្ដទន្លេមេគង្គ (Mekong Delta) ប្រទេសវៀតណាម ដើម្បីស្នើដំណោះស្រាយជំរុញកំណើនសេដ្ឋកិច្ច។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ទិន្នន័យបន្ទាប់បន្សំពីការអង្កេតកម្រិតជីវភាពគ្រួសារវៀតណាម និងអនុវត្តម៉ូដែលសេដ្ឋកិច្ចវិទ្យាដើម្បីធ្វើការប៉ាន់ស្មានទំនាក់ទំនងនៃអថេរ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Ordinary Least Squares (OLS) Regression តំរែតំរង់ការ៉េអប្បបរមា |
ងាយស្រួលក្នុងការប៉ាន់ស្មាននិងបកស្រាយផលប៉ះពាល់ជាមធ្យមនៃអថេរនានាទៅលើចំណាយគ្រួសារ។ វាស័ក្តិសមសម្រាប់ការស្វែងយល់ពីនិន្នាការរួមនៃសង្គមទាំងមូល។ | មើលរំលងភាពខុសគ្នានៃផលប៉ះពាល់នៅតាមកម្រិតចំណាយផ្សេងៗគ្នា (ឧទាហរណ៍៖ គ្រួសារក្រីក្រ និងគ្រួសារមានជីវភាពធូរធារ) ព្រោះវាគណនាតែជាមធ្យមភាគប៉ុណ្ណោះ។ | ម៉ូដែលនេះអាចពន្យល់បាន 60.25% នៃការប្រែប្រួលចំណាយ (R2 = 0.6025) ដោយរកឃើញថា ប្រាក់ចំណូល អាយុ ទំហំគ្រួសារ និងការរស់នៅទីក្រុងមានឥទ្ធិពលខ្លាំង។ |
| Quantile Regression (25%, 50%, 75%) តំរែតំរង់ភាគរយទី |
អាចបង្ហាញពីផលប៉ះពាល់នៃអថេរនានាទៅលើក្រុមគ្រួសារជាក់លាក់ដែលមានកម្រិតចំណាយខុសៗគ្នា (កម្រិតទាប មធ្យម និងខ្ពស់) ផ្តល់នូវរូបភាពលម្អិតជាង OLS។ | មានភាពស្មុគស្មាញជាង OLS ក្នុងការបកស្រាយលទ្ធផល និងទាមទារទិន្នន័យដែលមានទំហំធំគ្រប់គ្រាន់ដើម្បីទទួលបានលទ្ធផលជាក់លាក់នៅគ្រប់កម្រិតភាគរយទី។ | ពន្យល់បានប្រមាណ 37% ទៅ 39% នៃការប្រែប្រួលចំណាយអាស្រ័យលើកម្រិតនីមួយៗ ដោយបង្ហាញថាឥទ្ធិពលនៃការកាន់កាប់ដីកសិកម្ម និងការទទួលបានកម្ចីមានភាពខុសគ្នាតាមកម្រិតជីវភាព។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងលើទិន្នន័យបន្ទាប់បន្សំដែលមានស្រាប់ និងកម្មវិធីវិភាគទិន្នន័យស្ថិតិ ដូច្នេះការចំណាយធនធានមានកម្រិតទាប ប្រសិនបើមានទិន្នន័យរួចរាល់។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ទិន្នន័យ VHLSS ឆ្នាំ 2016 ដែលផ្តោតជាពិសេសលើតំបន់ដីសណ្ដទន្លេមេគង្គ នៃប្រទេសវៀតណាម។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីសេដ្ឋកិច្ចដែលពឹងផ្អែកលើកសិកម្ម លក្ខណៈប្រជាសាស្ត្រ និងវប្បធម៌របស់វៀតណាម។ សម្រាប់ប្រទេសកម្ពុជា ទោះបីជាមានភាពស្រដៀងគ្នានៃតំបន់ភូមិសាស្ត្រកសិកម្ម (ឧ. តំបន់ទន្លេសាប) ក៏ដោយ ក៏រចនាសម្ព័ន្ធចំណូលនិងបំណុលគ្រួសារអាចមានភាពខុសប្លែកគ្នា ដែលតម្រូវឱ្យមានការប្រុងប្រយ័ត្នពេលយកលទ្ធផលនេះមកប្រើប្រាស់ដោយផ្ទាល់។
វិធីសាស្ត្រនៃការសិក្សានេះ (ការប្រើប្រាស់ OLS គួបផ្សំជាមួយ Quantile Regression) មានអត្ថប្រយោជន៍ខ្លាំងណាស់សម្រាប់អ្នកស្រាវជ្រាវ និងអ្នករៀបចំគោលនយោបាយនៅកម្ពុជា។
ជារួម ការប្រើប្រាស់ម៉ូដែលទាំងពីរនេះផ្តល់លទ្ធភាពឱ្យរដ្ឋាភិបាលនិងអង្គការនានានៅកម្ពុជា អាចរៀបចំគោលនយោបាយជំរុញសេដ្ឋកិច្ច និងកាត់បន្ថយភាពក្រីក្របានចំគោលដៅជាងមុន ដោយផ្អែកលើទិន្នន័យជាក់ស្តែង (Evidence-based policymaking)។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Ordinary Least Squares (OLS) | វិធីសាស្ត្រស្ថិតិនិងសេដ្ឋកិច្ចវិទ្យាមួយ ដែលប្រើដើម្បីប៉ាន់ស្មានទំនាក់ទំនងរវាងអថេរឯករាជ្យ និងអថេរអនីត្យានុកូល ដោយរក្សាតម្លៃលម្អៀង (កំហុស) ឱ្យនៅកម្រិតទាបបំផុត ដើម្បីទាញរកនិន្នាការមធ្យមនៃទិន្នន័យ។ | ដូចជាការគូសបន្ទាត់ត្រង់មួយកាត់កណ្តាលហ្វូងចំណុចជាច្រើននៅលើក្រដាស ដើម្បីមើលថាតើចំណុចទាំងនោះមានទិសដៅទៅណារួមគ្នា។ |
| Quantile Regression | ជាម៉ូដែលសេដ្ឋកិច្ចវិទ្យាដែលមិនត្រឹមតែវាស់ស្ទង់ឥទ្ធិពលជាមធ្យមប៉ុណ្ណោះទេ តែវាបំបែកទិន្នន័យជាកម្រិតភាគរយផ្សេងៗគ្នា (ឧ. ២៥%, ៥០%, ៧៥%) ដើម្បីមើលថាឥទ្ធិពលនៃកត្តាណាមួយប្រែប្រួលយ៉ាងណាខ្លះចំពោះក្រុមដែលមានកម្រិតចំណាយទាប មធ្យម និងខ្ពស់។ | ជំនួសឱ្យការកាត់សម្លៀកបំពាក់មួយទំហំសម្រាប់មនុស្សគ្រប់គ្នា (គិតជាមធ្យម) វិធីនេះកាត់សម្លៀកបំពាក់៣ទំហំផ្សេងគ្នា (តូច មធ្យម ធំ) ដើម្បីឱ្យសមនឹងមនុស្សគ្រប់ក្រុម។ |
| Multicollinearity | បាតុភូតនៅក្នុងម៉ូដែលស្ថិតិ ដែលអថេរឯករាជ្យពីរឬច្រើនមានទំនាក់ទំនងគ្នាយ៉ាងស្អិតរមួត ធ្វើឱ្យប្រព័ន្ធកុំព្យូទ័រពិបាកក្នុងការបែងចែកថាអថេរមួយណាពិតជាអ្នកផ្តល់ឥទ្ធិពលដាច់ដោយឡែកទៅលើលទ្ធផលចុងក្រោយ។ | ដូចជាការស្តាប់មនុស្សពីរនាក់និយាយព្រមគ្នាក្នុងកម្រិតសំឡេងដូចគ្នា ដែលធ្វើឱ្យយើងពិបាកដឹងថាសំឡេងនរណាជាអ្នកបញ្ចេញមតិពិតប្រាកដ។ |
| Heteroskedasticity | បញ្ហានៅក្នុងម៉ូដែលតំរែតំរង់ (ដែលរកឃើញតាមរយៈតេស្ត Breusch-Pagan) ដែលទំហំនៃកំហុស (Error Variance) ប្រែប្រួលមិនថេរនៅតាមតម្លៃផ្សេងៗនៃអថេរឯករាជ្យ ដែលធ្វើឱ្យការទស្សន៍ទាយមានភាពមិនច្បាស់លាស់។ | ដូចជាការបាញ់ស៊ីប៖ កាលណាស៊ីបកាន់តែនៅឆ្ងាយ គ្រាប់កាំភ្លើងដែលបាញ់ចេញទៅកាន់តែខ្ចាត់ខ្ចាយខុសគោលដៅច្រើនជាងពេលស៊ីបនៅជិត។ |
| Robust | វិធីសាស្ត្រកែតម្រូវផ្នែកស្ថិតិ ដើម្បីដោះស្រាយបញ្ហា Heteroskedasticity (ភាពប្រែប្រួលមិនថេរនៃកំហុស) ដែលជួយឱ្យលទ្ធផលនៃការធ្វើតេស្តសម្មតិកម្មនៅតែមានភាពត្រឹមត្រូវ និងអាចទុកចិត្តបាន ទោះបីជាទិន្នន័យមានភាពខុសប្រក្រតីក៏ដោយ។ | ដូចជាការប្រើវ៉ែនតាការពារពន្លឺចាំងនៅពេលបើកបរ ដើម្បីជួយឱ្យយើងមើលឃើញផ្លូវច្បាស់ ទោះបីជាមានភ្លើងហ្វាពីឡានខាងមុខជះមកក៏ដោយ។ |
| P-value | តម្លៃលេខដែលប្រើក្នុងការធ្វើតេស្តសម្មតិកម្មស្ថិតិ ដើម្បីកំណត់ថាតើលទ្ធផលដែលរកឃើញកើតឡើងដោយចៃដន្យឬអត់។ បើ p-value តូចជាងកម្រិតកំណត់ (ឧ. ០.០៥) នោះមានន័យថាអថេរនោះពិតជាមានឥទ្ធិពលមែន (មានអត្ថន័យខាងស្ថិតិ)។ | ដូចជារង្វាស់នៃភាពចៃដន្យ៖ ប្រសិនបើតម្លៃនេះតូចខ្លាំង វាបញ្ជាក់ថារឿងនោះមិនមែនកើតឡើងដោយចៃដន្យទេ តែវាជាការពិត។ |
| Aggregate Demand | តម្រូវការសរុបនៃទំនិញ និងសេវាកម្មទាំងអស់នៅក្នុងសេដ្ឋកិច្ចមួយ ក្នុងរយៈពេលកំណត់ណាមួយ ដែលរួមមានការចំណាយរបស់គ្រួសារ ការវិនិយោគ ការចំណាយរបស់រដ្ឋាភិបាល និងការនាំចេញសុទ្ធ។ ការបង្កើនតម្រូវការសរុបនឹងជួយជំរុញកំណើនសេដ្ឋកិច្ច។ | ដូចជាទំហំនៃនំខេកសរុបដែលមនុស្សទាំងអស់នៅក្នុងទីក្រុងមួយចង់ទិញញ៉ាំក្នុងមួយថ្ងៃ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
