Original Title: ỨNG DỤNG MÔ HÌNH ARDL NGHIÊN CỨU CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN ĐẦU TƯ TRỰC TIẾP NƯỚC NGOÀI TẠI VIỆT NAM
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការអនុវត្តគំរូ ARDL ដើម្បីសិក្សាពីកត្តាដែលជះឥទ្ធិពលដល់ការវិនិយោគផ្ទាល់ពីបរទេសនៅប្រទេសវៀតណាម

ចំណងជើងដើម៖ ỨNG DỤNG MÔ HÌNH ARDL NGHIÊN CỨU CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN ĐẦU TƯ TRỰC TIẾP NƯỚC NGOÀI TẠI VIỆT NAM

អ្នកនិពន្ធ៖ Đỗ Thị Vân Trang (Học viện Ngân hàng), Đinh Hồng Linh (Trường ĐH KT&QTKD - Đại học Thái Nguyên), Lê Thùy Linh (Học viện Ngân hàng)

ឆ្នាំបោះពុម្ព៖ Tạp chí Khoa học Thương mại, Số 143/2020

វិស័យសិក្សា៖ Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ តើកត្តាម៉ាក្រូសេដ្ឋកិច្ចអ្វីខ្លះដែលជះឥទ្ធិពលដល់លំហូរទុនវិនិយោគផ្ទាល់ពីបរទេស (FDI) ចូលមកប្រទេសវៀតណាម ចាប់តាំងពីប្រទេសនេះបានបើកចំហសេដ្ឋកិច្ចទីផ្សារ?

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រវិភាគបរិមាណ ដោយពឹងផ្អែកលើទិន្នន័យស៊េរីពេលវេលាពីឆ្នាំ ១៩៩៦ ដល់ ២០១៧។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Ordinary Least Squares (OLS)
គំរូវិភាគការ៉េអប្បបរមាធម្មតា (OLS)
មានភាពសាមញ្ញ ងាយស្រួលក្នុងការគណនា និងយល់ដឹងជាមូលដ្ឋានសម្រាប់ការវិភាគទិន្នន័យសេដ្ឋកិច្ច។ ទាមទារទំហំសំណាកធំ ងាយនឹងមានបញ្ហាតំរែតំរង់ក្លែងក្លាយ (Spurious regression) និងអូតូកូរ៉េឡាស្យុង (Autocorrelation) នៅពេលប្រើជាមួយទិន្នន័យស៊េរីពេលវេលា។ មិនត្រូវបានប្រើប្រាស់ក្នុងការសិក្សានេះទេ ដោយសារមានដែនកំណត់ច្រើនសម្រាប់ទិន្នន័យស៊េរីពេលវេលាខ្នាតតូច។
Autoregressive Distributed Lag (ARDL) Model
គំរូស្វ័យតម្រែតម្រង់ដោយមានកម្រិតយឺតយ៉ាវ (ARDL)
អាចប្រើជាមួយទិន្នន័យដែលមានកម្រិតសមាហរណកម្មខុសគ្នា (I(0) និង I(1)) ល្អបំផុតសម្រាប់ទំហំសំណាកតូច (២២ ការសង្កេត) និងអាចវាស់ស្ទង់បានទាំងទំនាក់ទំនងរយៈពេលខ្លី និងវែង។ មិនអាចដំណើរការបានទេ ប្រសិនបើមានអថេរណាមួយមានកម្រិតសមាហរណកម្មថ្នាក់ទី២ I(2)។ គំរូបង្ហាញថាការកើនឡើង ១% នៃភាពបើកចំហពាណិជ្ជកម្ម ជំរុញឱ្យ FDI កើនឡើង ២,៥០% ក្នុងរយៈពេលវែង។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តគំរូនេះពឹងផ្អែកជាចម្បងលើទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចសាធារណៈ ដែលទាមទារកម្មវិធីស្ថិតិ និងចំណេះដឹងផ្នែកសេដ្ឋវិទ្យាបរិមាណ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅប្រទេសវៀតណាម ដោយប្រើប្រាស់ទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចចន្លោះឆ្នាំ ១៩៩៦ ដល់ ២០១៧ ដែលមានទំហំសំណាកតូច (២២ ឆ្នាំ)។ ទោះបីគំរូ ARDL ស័ក្តិសមសម្រាប់សំណាកតូចក៏ដោយ វានៅតែអាចខ្វះការឆ្លុះបញ្ចាំងពីបម្រែបម្រួលរចនាសម្ព័ន្ធធំៗក្នុងពេលមានវិបត្តិសេដ្ឋកិច្ច។ សម្រាប់ប្រទេសកម្ពុជា ការយល់ដឹងពីចំណុចនេះមានសារៈសំខាន់ ព្រោះកម្ពុជាក៏ជាប្រទេសកំពុងអភិវឌ្ឍន៍ដែលពឹងផ្អែកលើ FDI ស្រដៀងគ្នា ប៉ុន្តែមានរចនាសម្ព័ន្ធសេដ្ឋកិច្ច និងប្រវត្តិទិន្នន័យខុសគ្នាដែលអាចជះឥទ្ធិពលដល់លទ្ធផលនៃម៉ូដែល។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ ARDL នេះមានភាពពាក់ព័ន្ធ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់តថភាពសេដ្ឋកិច្ចនៅកម្ពុជា ក្នុងការវាយតម្លៃកត្តាទាក់ទាញទុនវិនិយោគបរទេស។

សរុបមក ការប្រើប្រាស់គំរូ ARDL អាចជួយស្ថាប័នកម្ពុជាក្នុងការបង្កើតគោលនយោបាយម៉ាក្រូសេដ្ឋកិច្ចដែលផ្អែកលើទិន្នន័យជាក់ស្តែង (Evidence-based policy) ដើម្បីប្រកួតប្រជែងទាក់ទាញ FDI នៅក្នុងតំបន់។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃទិន្នន័យស៊េរីពេលវេលា: និស្សិតគួរសិក្សាពីទ្រឹស្តីសេដ្ឋវិទ្យាបរិមាណ (Econometrics) ជាពិសេសផ្តោតលើបញ្ហាទិន្នន័យស៊េរីពេលវេលា ដូចជា Stationary និង Non-stationary data ដោយប្រើប្រាស់សៀវភៅ ឬវគ្គសិក្សាអនឡាញលើ Coursera ផ្នែក Time Series Analysis។
  2. ប្រមូល និងសម្អាតទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចកម្ពុជា: ចូលទៅទាញយកទិន្នន័យប្រវត្តិសាស្រ្តស្តីពី FDI, GDP, អត្រាការប្រាក់ និងទំហំពាណិជ្ជកម្មពីប្រភពផ្លូវការដូចជា World Bank Open Data ឬរបាយការណ៍ប្រចាំឆ្នាំរបស់ NBC ចាប់ពីឆ្នាំ ១៩៩៣ ដល់បច្ចុប្បន្ន រួចធ្វើការបំប្លែងទិន្នន័យទៅជាទម្រង់ Logarithm សម្រាប់ការវិភាគ។
  3. អនុវត្តការធ្វើតេស្ត Unit Root Test: ប្រើប្រាស់កម្មវិធី EViewsStata ដើម្បីធ្វើតេស្ត Augmented Dickey-Fuller (ADF) លើអថេរនីមួយៗ ដើម្បីធានាថាគ្មានអថេរណាមួយមានកម្រិតសមាហរណកម្មថ្នាក់ទី២ (I(2)) ដែលបំពានលក្ខខណ្ឌរបស់គំរូ ARDL ឡើយ។
  4. កសាងគំរូ ARDL និងវាយតម្លៃទំនាក់ទំនង: នៅក្នុង EViews ដំណើរការគំរូ ARDL ដោយស្វែងរកកម្រិតយឺតយ៉ាវល្អបំផុត (Optimal Lag) តាមរយៈលក្ខណៈវិនិច្ឆ័យ SIC បន្ទាប់មកធ្វើតេស្ត Bound Test (Narayan) ដើម្បីបញ្ជាក់ពីអត្ថិភាពនៃទំនាក់ទំនងរយៈពេលវែងរវាងកត្តាម៉ាក្រូសេដ្ឋកិច្ច និង FDI។
  5. ធ្វើតេស្តសុពលភាពនៃគំរូ (Diagnostic Checking): អនុវត្តការធ្វើតេស្តចុងក្រោយដូចជា Breusch-Godfrey Serial Correlation LM Test និងការធ្វើតេស្តស្ថិរភាព CUSUM និង CUSUMSQ ដើម្បីធានាថាលទ្ធផលគំរូមិនមានកំហុសលម្អៀង និងមានសុពលភាពខ្ពស់ក្នុងការយកទៅបកស្រាយសម្រាប់គោលនយោបាយ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
ARDL (Autoregressive Distributed Lag) ជាគំរូវិភាគស្ថិតិសេដ្ឋវិទ្យា (Econometrics) ដែលប្រើសម្រាប់វាស់ស្ទង់ឥទ្ធិពលនៃអថេរមួយទៅលើអថេរមួយទៀត ដោយពឹងផ្អែកលើតម្លៃអតីតកាលរបស់វាផ្ទាល់ (Autoregressive) និងតម្លៃអតីតកាលរបស់អថេរដទៃទៀត (Distributed Lag)។ វាមានប្រសិទ្ធភាពខ្ពស់ក្នុងការស្វែងរកទំនាក់ទំនងទាំងរយៈពេលខ្លី និងរយៈពេលវែង ជាពិសេសសាកសមសម្រាប់សំណាកទិន្នន័យតូច។ ដូចជាការទស្សន៍ទាយពិន្ទុប្រឡងរបស់អ្នកថ្ងៃនេះ ដោយវាយតម្លៃលើពិន្ទុចាស់របស់អ្នកកាលពីខែមុន បូករួមនឹងម៉ោងសិក្សារបស់អ្នកកាលពីប៉ុន្មានសប្តាហ៍មុន។
Foreign Direct Investment (FDI) ជាការវិនិយោគទុនដោយផ្ទាល់ពីសំណាក់ក្រុមហ៊ុន ឬវិនិយោគិនបរទេសមកក្នុងប្រទេសមួយទៀត ដើម្បីបង្កើតអាជីវកម្ម សាងសង់រោងចក្រ ឬទិញភាគហ៊ុនធំៗក្នុងស្រុក ក្នុងគោលបំណងគ្រប់គ្រងសកម្មភាពសេដ្ឋកិច្ច និងស្វែងរកប្រាក់ចំណេញរយៈពេលយូរ។ ដូចជាការដែលក្រុមហ៊ុនរថយន្តជប៉ុនយកលុយមកសាងសង់រោងចក្រតម្លើងរថយន្តនៅកម្ពុជាដោយផ្ទាល់ ជាជាងគ្រាន់តែលក់រថយន្តឱ្យឈ្មួញកម្ពុជា។
Cointegration (Đồng liên kết) ជាលក្ខណៈនៃទិន្នន័យស៊េរីពេលវេលាដែលបង្ហាញថា ទោះបីជាអថេរពីរឬច្រើនមានការប្រែប្រួលឡើងចុះមិនទៀងទាត់ក្នុងរយៈពេលខ្លីក៏ដោយ ក៏ពួកវាមានទំនាក់ទំនងស្របគ្នា និងរក្សាតុល្យភាពជាមួយគ្នាក្នុងរយៈពេលវែង។ ដូចជាមនុស្សពីរនាក់ដែលដើរដោយចងខ្សែភ្ជាប់គ្នា ទោះបីជាពេលខ្លះម្នាក់ដើរលឿន ឬម្នាក់ដើរយឺតបន្តិច ក៏ពួកគេនៅតែដើរក្នុងទិសដៅតែមួយ និងមិនអាចឃ្លាតឆ្ងាយពីគ្នាបានឡើយ។
Error Correction Model (ECM) ជាគំរូវិភាគដែលភ្ជាប់មកជាមួយម៉ូដែល ARDL ប្រើសម្រាប់ពន្យល់ពីល្បឿននៃការកែតម្រូវ (Speed of adjustment) របស់អថេរណាមួយ ត្រឡប់មករកស្ថានភាពតុល្យភាពរយៈពេលវែងវិញ បន្ទាប់ពីមានការរំខាន ឬអតុល្យភាពនៅក្នុងរយៈពេលខ្លី។ ដូចជារបារទាញទ្វារស្វ័យប្រវត្តិ ដែលជួយទាញទ្វារឱ្យបិទជិតវិញសន្សឹមៗ បន្ទាប់ពីមាននរណាម្នាក់រុញវាបើក។
Spurious regression (Hồi quy giả mạo) គឺជាកំហុសក្នុងការវិភាគស្ថិតិ ដែលលទ្ធផលបង្ហាញថាអថេរពីរមានទំនាក់ទំនងគ្នាយ៉ាងខ្លាំង ប៉ុន្តែតាមការពិត ពួកវាគ្មានទំនាក់ទំនងហេតុផលនឹងគ្នាទាល់តែសោះ គឺគ្រាន់តែវាប្រែប្រួលតាមពេលវេលាស្របគ្នាតែប៉ុណ្ណោះ។ ដូចជាការទាញសេចក្តីសន្និដ្ឋានថា 'ការញ៉ាំការ៉េមធ្វើឱ្យមនុស្សលង់ទឹកស្លាប់' ព្រោះទិន្នន័យទាំងពីរកើនឡើងដំណាលគ្នានៅរដូវក្តៅ ប៉ុន្តែការពិតវាគ្មានទំនាក់ទំនងគ្នាសោះ។
Unit Root Test (Kiểm định nghiệm đơn vị) ជាការធ្វើតេស្តស្ថិតិដើម្បីពិនិត្យមើលថា តើទិន្នន័យស៊េរីពេលវេលាមានលក្ខណៈនៅទ្រឹង (Stationary) ឬអត់។ បើទិន្នន័យមាន Unit Root មានន័យថាវាមានអស្ថិរភាព (Non-stationary) ដែលអាចធ្វើឱ្យការវិភាគម៉ូដែលសេដ្ឋកិច្ចប្រឈមនឹងបញ្ហាវិភាគខុស។ ដូចជាការធ្វើតេស្តពិនិត្យមើលថាតើឡានមួយកំពុងបើកក្នុងល្បឿនថេរ (Stationary) ឬក៏កំពុងបង្កើនល្បឿនឥតឈប់ឈររហូតដល់គ្រប់គ្រងលែងបាន (Non-stationary)។
Trade Openness (Độ mở thương mại) ជារង្វាស់នៃកម្រិតដែលប្រទេសមួយបើកចំហសេដ្ឋកិច្ចរបស់ខ្លួនទៅកាន់ពិភពលោក ដែលជាទូទៅគណនាដោយយកទំហំនាំចេញបូកនឹងទំហំនាំចូល រួចចែកនឹងផលិតផលក្នុងស្រុកសរុប (GDP) នៃឆ្នាំនីមួយៗ។ ដូចជាការបើកទ្វារផ្ទះឱ្យធំទូលាយ ដើម្បីងាយស្រួលក្នុងការទិញឥវ៉ាន់ពីអ្នកជិតខាង និងយកឥវ៉ាន់ដែលខ្លួនមានទៅលក់ឱ្យអ្នកជិតខាងវិញបានយ៉ាងរលូន។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖