បញ្ហា (The Problem)៖ តើការទទួលបានឥណទានពិតជាមានឥទ្ធិពលវិជ្ជមានទៅលើការកាត់បន្ថយភាពក្រីក្រ និងការកែលម្អប្រាក់ចំណូលរបស់គ្រួសារក្រីក្រនៅតំបន់ជនបទនៃប្រទេសវៀតណាមដែរឬទេ?
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់វិធីសាស្ត្រគណនាសេដ្ឋកិច្ច ដើម្បីធ្វើការប្រៀបធៀបរវាងក្រុមគ្រួសារក្រីក្រដែលទទួលបានឥណទាន និងក្រុមគ្រួសារដែលមិនទទួលបានឥណទានក្នុងចន្លោះឆ្នាំ ២០០៤ ដល់ ២០០៦។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Difference-in-Differences (DID) with control variables វិធីសាស្ត្រភាពខុសគ្នាក្នុងភាពខុសគ្នា (DID) រួមជាមួយអថេរត្រួតពិនិត្យ |
អាចផ្តាច់ចេញនូវឥទ្ធិពលពិតប្រាកដនៃគោលនយោបាយឥណទានដោយប្រៀបធៀបក្រុមដែលទទួលបាននិងមិនទទួលបានឥណទាន ព្រមទាំងគ្រប់គ្រងកត្តាខាងក្រៅ (អថេរត្រួតពិនិត្យ)។ | ទាមទារទិន្នន័យជាបន្ទះ (Panel Data) ដែលមានគុណភាពខ្ពស់ និងពឹងផ្អែកលើការសន្មត់ថាក្រុមទាំងពីរមាននិន្នាការស្របគ្នាមុនពេលអនុវត្តគោលនយោបាយ។ | រកឃើញថាការផ្តល់ឥណទានបង្កើនការចំណាយរស់នៅ ២៩,០០០ ដុង/ម្នាក់/ខែ តែមិនបង្កើនចំណូលគួរឲ្យកត់សម្គាល់នោះទេ។ |
| Ordinary Least Squares (OLS) Regression without DID interaction គំរូតម្រែតម្រង់ការ៉េអប្បបរមាធម្មតា (OLS) ដោយគ្មានអន្តរកម្ម DID |
ងាយស្រួលក្នុងការគណនា និងវិភាគរកទំនាក់ទំនងរវាងអថេរឯករាជ្យ និងអថេរអាស្រ័យ (ដូចជាចំណូល និងការអប់រំ) នៅក្នុងបរិបទពេលវេលាតែមួយ។ | មិនអាចបញ្ជាក់ពីទំនាក់ទំនងហេតុនិងផល (Causality) ច្បាស់លាស់ទេ ហើយងាយរងឥទ្ធិពលពីកត្តាដែលមើលមិនឃើញ (Omitted Variable Bias)។ | បង្ហាញពីទំនាក់ទំនងវិជ្ជមានរវាងកម្រិតវប្បធម៌ និងចំណូល/ការចំណាយ ប៉ុន្តែមិនអាចវាស់ស្ទង់ឥទ្ធិពលសុទ្ធរបស់ឥណទានបានល្អដូច DID ឡើយ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកលើទិន្នន័យស្ទង់មតិថ្នាក់ជាតិ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគសេដ្ឋកិច្ចមាត្រ (Econometrics)។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពីគ្រួសារក្រីក្រនៅតំបន់ជនបទប្រទេសវៀតណាមក្នុងចន្លោះឆ្នាំ២០០៤-២០០៦ ដែលផ្តោតលើឥណទានជួយសង្គ្រោះ ឬឥណទានរដ្ឋ។ សម្រាប់ប្រទេសកម្ពុជា បរិបទនេះមានសារៈសំខាន់ ប៉ុន្តែត្រូវប្រុងប្រយ័ត្ន ដោយសារតែវិស័យមីក្រូហិរញ្ញវត្ថុ (MFI) នៅកម្ពុជាមានលក្ខណៈពាណិជ្ជកម្មខ្លាំង និងមានអត្រាបំណុលវ័ណ្ឌកខ្ពស់ជាងបើធៀបនឹងទិន្នន័យវៀតណាមក្នុងអតីតកាលនេះ។
វិធីសាស្ត្រគណនានេះមានតម្លៃខ្លាំងណាស់សម្រាប់កម្ពុជា ក្នុងការវាយតម្លៃឡើងវិញនូវប្រសិទ្ធភាពនៃការផ្តល់កម្ចីនៅតំបន់ជនបទ។
ជារួម ការអនុវត្តវិធីសាស្ត្រ DID លើទិន្នន័យ CSES របស់កម្ពុជា អាចជួយរដ្ឋាភិបាល និងធនាគារជាតិរៀបចំគោលនយោបាយឥណទានដែលភ្ជាប់ជាមួយកម្មវិធីជំនួយបច្ចេកទេស ដើម្បីធានាថាប្រាក់កម្ចីបង្កើតចំណូលប្រកបដោយចីរភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Difference in Difference (DID) | វិធីសាស្ត្រស្ថិតិដែលប្រៀបធៀបបំរែបំរួល (ភាពខុសគ្នា) នៃក្រុមគោលដៅដែលទទួលបានអន្តរាគមន៍ (ដូចជាការទទួលបានឥណទាន) ធៀបនឹងក្រុមដែលមិនទទួលបាន មុននិងក្រោយពេលអនុវត្ត ដើម្បីវាស់ស្ទង់ឥទ្ធិពលពិតប្រាកដដោយលុបបំបាត់កត្តាខាងក្រៅ។ | ដូចជាការថ្លឹងទម្ងន់មនុស្សពីរនាក់ មុននិងក្រោយពេលម្នាក់ញ៉ាំថ្នាំបញ្ចុះទម្ងន់ ដើម្បីដឹងថាថ្នាំនោះពិតជាមានប្រសិទ្ធភាពកម្រិតណា។ |
| OLS model | គំរូតម្រែតម្រង់ការ៉េអប្បបរមាធម្មតា (Ordinary Least Squares) ជាវិធីសាស្ត្រដែលប្រើសម្រាប់ប៉ាន់ស្មានទំនាក់ទំនងរវាងអថេរឯករាជ្យ និងអថេរអាស្រ័យ ដោយរកខ្សែបន្ទាត់ដែលកាត់បន្ថយផលបូកនៃការ៉េនៃកំហុស (សំណល់) ឲ្យនៅតូចបំផុត។ | ដូចជាការគូសបន្ទាត់ត្រង់មួយឲ្យនៅចំកណ្តាលបណ្តុំចំណុចទិន្នន័យដែលរាយប៉ាយ ដើម្បីទស្សន៍ទាយនិន្នាការរួមរបស់វា។ |
| Panel dataset | ប្រភេទសំណុំទិន្នន័យដែលតាមដានអង្កេតលើបុគ្គល ឬគ្រួសារដដែលៗ (ឆ្លងកាត់ពេលវេលាខុសគ្នា) ក្នុងរយៈពេលច្រើនឆ្នាំ ដើម្បីមើលការវិវត្តរបស់ពួកគេ។ | ដូចជាការថតរូបសិស្សម្នាក់ៗជារៀងរាល់ឆ្នាំតាំងពីថ្នាក់ទី១ដល់ទី១២ ដើម្បីមើលការលូតលាស់របស់ពួកគេ ជំនួសឲ្យការថតរូបសិស្សផ្សេងគ្នាក្នុងឆ្នាំតែមួយ។ |
| Comparison group | ក្រុមបុគ្គល ឬគ្រួសារដែលមានលក្ខណៈស្រដៀងគ្នានឹងក្រុមគោលដៅ (Treatment Group) ប៉ុន្តែមិនទទួលបានគោលនយោបាយ ឬការអន្តរាគមន៍ណាមួយ ដើម្បីយកមកធ្វើជាគោលប្រៀបធៀប។ | ដូចជាការដាំរុក្ខជាតិមួយផើងដោយមិនដាក់ជី ដើម្បីប្រៀបធៀបការលូតលាស់ជាមួយរុក្ខជាតិមួយផើងទៀតដែលដាក់ជី។ |
| Control variables | អថេរ ឬកត្តាផ្សេងៗ (ដូចជា អាយុ កម្រិតវប្បធម៌ ទំហំគ្រួសារ) ដែលអ្នកស្រាវជ្រាវដាក់បញ្ចូលក្នុងគំរូវិភាគ ដើម្បីទប់ស្កាត់កុំឲ្យកត្តាទាំងនេះរំខានដល់ការវាយតម្លៃឥទ្ធិពលនៃអថេរគោលនយោបាយចម្បង។ | ដូចជាការធ្វើតេស្តរថយន្តពីរគ្រឿងលើផ្លូវតែមួយ និងអាកាសធាតុតែមួយ ដើម្បីប្រាកដថាភាពខុសគ្នានៃល្បឿនមកពីម៉ាស៊ីនពិតប្រាកដ មិនមែនមកពីផ្លូវ។ |
| Statistical significance | រង្វាស់ (ច្រើនប្រើ P-value) បញ្ជាក់ថាលទ្ធផលដែលរកឃើញពីសំណាកទិន្នន័យ មិនមែនកើតឡើងដោយចៃដន្យនោះទេ ហើយអាចយកទៅសន្និដ្ឋានសម្រាប់ចំនួនប្រជាជនទូទៅបាន។ | ដូចជាការបោះកាក់១០ដងចេញក្បាលទាំងអស់ ដែលធ្វើឲ្យយើងជឿជាក់ថាកាក់នោះមិនមែនជាកាក់ធម្មតា (មិនមែនជារឿងចៃដន្យនោះទេ)។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
