Original Title: Determinants of Extensive and Intensive Margins of Indian Agriculture: Gravity Model Analysis
Source: doi.org/10.36956/rwae.v5i4.1199
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

កត្តាកំណត់នៃរឹមពង្រីក និងរឹមស៊ីជម្រៅនៃការនាំចេញកសិកម្មឥណ្ឌា៖ ការវិភាគតាមគំរូទំនាញ

ចំណងជើងដើម៖ Determinants of Extensive and Intensive Margins of Indian Agriculture: Gravity Model Analysis

អ្នកនិពន្ធ៖ Averyl Pires (St. Xavier’s College, Mapusa-Goa), B. P. Sarath Chandran (Goa Business School, Goa University)

ឆ្នាំបោះពុម្ព៖ 2024 Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះមានគោលបំណងស្វែងយល់ពីកត្តាដែលជះឥទ្ធិពលដល់កំណើននៃការនាំចេញផលិតផលកសិកម្មរបស់ប្រទេសឥណ្ឌា តាមរយៈការវិភាគលើរឹមពង្រីក (ការស្វែងរកទីផ្សារនិងផលិតផលថ្មី) និងរឹមស៊ីជម្រៅ (ការបង្កើនការនាំចេញផលិតផលដែលមានស្រាប់)។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel data) នៃការនាំចេញកសិកម្មទ្វេភាគីជាមួយប្រទេសដៃគូចំនួន ២០ ក្នុងចន្លោះឆ្នាំ ១៩៩១ ដល់ ២០២០ ដោយអនុវត្តគំរូពាណិជ្ជកម្មទំនាញ (Gravity trade model) ដើម្បីធ្វើការប៉ាន់ស្មាន។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Feasible Generalised Least Squares (FGLS)
វិធីសាស្ត្រការ៉េអប្បបរមាទូទៅដែលអាចធ្វើទៅបាន
អាចដោះស្រាយបញ្ហាអថេរភាពខុសគ្នា (Heteroscedasticity) និងទាក់ទងគ្នាជាស៊េរី ដោយផ្តល់ទម្ងន់ផ្អែកលើវ៉ារ្យ៉ង់នៃការសង្កេតនីមួយៗ។ អាចជួបការលំបាកជាមួយទិន្នន័យពាណិជ្ជកម្មដែលមានតម្លៃសូន្យ (Zero-trade flows) និងទាមទារការបំប្លែងទិន្នន័យទៅជាទម្រង់ Log ដែលអាចបង្កបញ្ហាពេលទិន្នន័យមានតម្លៃសូន្យ។ បង្ហាញពីឥទ្ធិពលយ៉ាងខ្លាំងនៃទំហំសេដ្ឋកិច្ច ចម្ងាយ និងកិច្ចព្រមព្រៀងពាណិជ្ជកម្ម ប៉ុន្តែមេគុណដែលគណនាបានមានទំហំតូចជាងបើធៀបទៅនឹងគំរូ PPML។
Pseudo Poisson Maximum Likelihood (PPML)
វិធីសាស្ត្រប៉ាន់ស្មានលទ្ធភាពអតិបរមា Pseudo Poisson
អាចដោះស្រាយទិន្នន័យពាណិជ្ជកម្មដែលមានតម្លៃសូន្យបានយ៉ាងមានប្រសិទ្ធភាព និងផ្តល់ការប៉ាន់ស្មានច្បាស់លាស់ទោះបីជាមានបញ្ហា Heteroscedasticity ដោយមិនចាំបាច់បំប្លែងតម្លៃ Log នៃអថេរអាស្រ័យ។ អាចប្រឈមនឹងបញ្ហាក្នុងការគណនារកចំណុចរួមតូច (Convergence) នៅក្នុងសំណុំទិន្នន័យដែលមានទំហំធំ ឬស្មុគស្មាញខ្លាំងពេក។ ពន្យល់ពីបំរែបំរួលនៃរឹមពាណិជ្ជកម្មបានច្រើនជាងមុនជាមួយមេគុណធំជាងមុន និងបញ្ជាក់យ៉ាងច្បាស់ថាចម្ងាយ សេរីភាពសេដ្ឋកិច្ច និងកិច្ចព្រមព្រៀងពាណិជ្ជកម្មពិតជាមានឥទ្ធិពលខ្លាំងលើរឹមពង្រីកនិងរឹមស៊ីជម្រៅ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារឱ្យមានកម្មវិធីកុំព្យូទ័រផ្នែកស្ថិតិកម្រិតខ្ពស់ និងសិទ្ធិប្រើប្រាស់មូលដ្ឋានទិន្នន័យពាណិជ្ជកម្មអន្តរជាតិក្នុងរយៈពេលវែង។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្តោតលើទិន្នន័យនាំចេញកសិកម្មរបស់ប្រទេសឥណ្ឌាទៅកាន់ប្រទេសដៃគូពាណិជ្ជកម្មធំៗចំនួន ២០ ក្នុងរយៈពេល ៣០ឆ្នាំ (១៩៩១-២០២០)។ ដោយសារប្រទេសឥណ្ឌាមានទំហំសេដ្ឋកិច្ចធំ តម្រូវការទីផ្សារ និងប្រភេទផលិតផលកសិកម្មខុសពីកម្ពុជា ការទាញយកសេចក្តីសន្និដ្ឋានដោយផ្ទាល់សម្រាប់ប្រើប្រាស់នៅកម្ពុជាអាចនឹងមានកម្រិត។ ទោះយ៉ាងណា វិធីសាស្ត្រគំរូនៃការវិភាគនេះនៅតែអាចយកមកកែច្នៃប្រើប្រាស់សម្រាប់บริបទសេដ្ឋកិច្ចកម្ពុជាបាន។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃគំរូពាណិជ្ជកម្មទំនាញនេះមានសារៈប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ក្នុងការវិភាគ និងពង្រីកយុទ្ធសាស្ត្រនាំចេញកសិផលរបស់ខ្លួន។

តាមរយៈការយល់ដឹងពីរឹមពាណិជ្ជកម្មទាំងនេះ កម្ពុជាអាចបង្កើនប្រសិទ្ធភាពក្នុងការធ្វើពិពិធកម្មកសិកម្ម និងកំណត់ទិសដៅយុទ្ធសាស្ត្រទៅកាន់ទីផ្សារនាំចេញដែលមានសក្តានុពលខ្ពស់ប្រកបដោយភាពប្រកួតប្រជែង។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ប្រមូលទិន្នន័យពាណិជ្ជកម្មអន្តរជាតិ: សិស្សត្រូវប្រមូលទិន្នន័យនាំចេញកសិកម្មទ្វេភាគីរបស់កម្ពុជាពីមូលដ្ឋានទិន្នន័យ UN Comtrade និងទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចពី World Bank (ដូចជា ផ.ស.ស, ចំនួនប្រជាជន) រយៈពេលយ៉ាងតិច ១០ ទៅ ២០ឆ្នាំចុងក្រោយ។
  2. រៀបចំទិន្នន័យបន្ទះ (Data Structuring): រៀបចំទិន្នន័យជាទម្រង់ Panel Data ដោយបែងចែកប្រភេទផលិតផលកសិកម្មកម្ពុជាតាមកូដ HS-6 Digit (ឧទាហរណ៍ អង្ករ កៅស៊ូ ស្វាយចន្ទី) និងធ្វើការគណនារឹមពង្រីក (Extensive) និងរឹមស៊ីជម្រៅ (Intensive) តាមវិធីសាស្ត្រ Hummels and Klenow
  3. កំណត់អថេរសម្រាប់គំរូទំនាញ (Model Specification): កំណត់អថេរឯករាជ្យសំខាន់ៗដូចជា ទំហំសេដ្ឋកិច្ចធៀប ចម្ងាយភូមិសាស្ត្រ និងបន្ថែមអថេរជំនួស (Dummy variables) ដូចជាកិច្ចព្រមព្រៀង RCEPCCFTA ដើម្បីឆ្លុះបញ្ចាំងពីបរិបទកម្ពុជាពិតប្រាកដ។
  4. ដំណើរការប៉ាន់ស្មាន និងធ្វើតេស្តរោគវិនិច្ឆ័យ: ប្រើប្រាស់កម្មវិធី STATA, R, ឬ Python ដើម្បីដំណើរការវិភាគតាមគំរូ PPML ដោយសារវាអាចដោះស្រាយទិន្នន័យពាណិជ្ជកម្មសូន្យបានល្អ និងធ្វើតេស្ត Breusch-Pagan ដើម្បីពិនិត្យមើលបញ្ហា Heteroscedasticity
  5. បកស្រាយលទ្ធផល និងផ្តល់អនុសាសន៍គោលនយោបាយ: ផ្អែកលើលទ្ធផលមេគុណ (Coefficients) ដែលទទួលបាន សិស្សត្រូវវាយតម្លៃថាតើកម្ពុជាគួរជំរុញការលក់ផលិតផលថ្មីទៅទីផ្សារថ្មី ឬលក់ផលិតផលចាស់ទៅទីផ្សារចាស់ក្នុងបរិមាណច្រើនជាងមុន ដើម្បីសរសេរជាអនុសាសន៍គោលនយោបាយជាក់ស្តែង។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Extensive Margin (រឹមពង្រីក) នៅក្នុងពាណិជ្ជកម្មអន្តរជាតិ វាសំដៅលើការកើនឡើងនៃការនាំចេញតាមរយៈការលក់ផលិតផលថ្មីៗ ការពង្រីកទៅកាន់ទីផ្សារប្រទេសថ្មី ឬការមានក្រុមហ៊ុនថ្មីចូលរួមក្នុងការនាំចេញ ដែលបង្ហាញពីការធ្វើពិពិធកម្ម។ ដូចជាហាងមួយដែលចាប់ផ្តើមលក់ទំនិញប្រភេទថ្មី ឬបើកសាខាថ្មីនៅខេត្តផ្សេងដើម្បីរកប្រាក់ចំណូលបន្ថែម។
Intensive Margin (រឹមស៊ីជម្រៅ) សំដៅលើកំណើននៃការនាំចេញដែលកើតចេញពីការបង្កើនបរិមាណ ឬតម្លៃនៃផលិតផលដែលមានស្រាប់ ទៅកាន់ទីផ្សារប្រទេសដៃគូដែលកំពុងតែមានទំនាក់ទំនងពាណិជ្ជកម្មជាមួយគ្នាស្រាប់។ ដូចជាហាងមួយដែលលក់ទំនិញដដែលទៅកាន់អតិថិជនចាស់ដដែល ប៉ុន្តែអាចលក់បានក្នុងបរិមាណច្រើនជាងមុន។
Gravity Trade Model (គំរូពាណិជ្ជកម្មទំនាញ) ជាគំរូសេដ្ឋកិច្ចដែលព្យាករណ៍ពីទំហំពាណិជ្ជកម្មទ្វេភាគីរវាងប្រទេសពីរ ដោយផ្អែកលើទំហំសេដ្ឋកិច្ច (GDP) របស់ពួកគេ និងចម្ងាយភូមិសាស្ត្ររវាងប្រទេសទាំងពីរ រួមទាំងអថេរផ្សេងៗទៀតដូចជាភាសា និងកិច្ចព្រមព្រៀងពាណិជ្ជកម្ម។ ដូចជាច្បាប់ទំនាញផែនដីដែរ ប្រទេសដែលមានទំហំសេដ្ឋកិច្ចធំៗ និងមានទីតាំងនៅជិតគ្នា តែងតែធ្វើពាណិជ្ជកម្មជាមួយគ្នាខ្លាំងជាងប្រទេសតូចៗនិងនៅឆ្ងាយពីគ្នា។
Pseudo Poisson Maximum Likelihood / PPML (វិធីសាស្ត្រប៉ាន់ស្មានលទ្ធភាពអតិបរមា Pseudo Poisson) ជាវិធីសាស្ត្រស្ថិតិដ៏រឹងមាំមួយដែលគេនិយមប្រើក្នុងគំរូទំនាញ ដើម្បីដោះស្រាយបញ្ហាទិន្នន័យពាណិជ្ជកម្មដែលមានតម្លៃសូន្យ (Zero-trade flows) និងបញ្ហាអថេរភាពខុសគ្នា (Heteroscedasticity) ដោយមិនបាច់បំប្លែងទិន្នន័យទៅជាតម្លៃលោការីត (Log)។ ដូចជាឧបករណ៍វាស់ស្ទង់ដ៏ឆ្លាតវៃមួយ ដែលនៅតែអាចគណនាបានត្រឹមត្រូវ ទោះបីជាមានទិន្នន័យខ្លះបាត់បង់ ឬស្មើរសូន្យក៏ដោយ។
Feasible Generalised Least Squares / FGLS (វិធីសាស្ត្រការ៉េអប្បបរមាទូទៅដែលអាចធ្វើទៅបាន) ជាបច្ចេកទេសប៉ាន់ស្មានតាមគំរូសេដ្ឋកិច្ចមាត្រ (Econometrics) ដែលត្រូវបានប្រើដើម្បីកែតម្រូវបញ្ហា Heteroscedasticity និង Autocorrelation នៅក្នុងទិន្នន័យបន្ទះ (Panel Data) ដោយផ្តល់ទម្ងន់ខុសៗគ្នាដល់ទិន្នន័យយោងតាមវ៉ារ្យ៉ង់របស់វា។ ដូចជាការពាក់វ៉ែនតាដែលជួយកែតម្រូវភាពស្រវាំងភ្នែក ដើម្បីឲ្យយើងមើលឃើញរូបភាព ឬទិន្នន័យកាន់តែច្បាស់និងមានភាពត្រឹមត្រូវ។
Heteroscedasticity (បញ្ហាអថេរភាពខុសគ្នា / ហេតេរ៉ូសេដាស្ទីស៊ីធី) ជាស្ថានភាពនៅក្នុងស្ថិតិដែលវ៉ារ្យ៉ង់នៃកំហុស (Error term) មិនថេរនៅគ្រប់កម្រិតនៃអថេរឯករាជ្យ ដែលធ្វើឲ្យការប៉ាន់ស្មានតាមវិធីសាស្ត្រ OLS ធម្មតាអាចផ្តល់លទ្ធផលមិនគួរឲ្យទុកចិត្ត។ ដូចជាការបាញ់ស៊ីបដែលគ្រាប់កាំភ្លើងខ្ទាតរាយប៉ាយខ្លាំងនៅពេលបាញ់គោលដៅឆ្ងាយ ប៉ុន្តែប្រមូលផ្តុំគ្នាល្អនៅពេលបាញ់គោលដៅជិត (មិនថេរ)។
Panel Data (ទិន្នន័យបន្ទះ / ទិន្នន័យច្រុះ) ជាប្រភេទសំណុំទិន្នន័យដែលរួមបញ្ចូលទាំងទិន្នន័យកាត់ទទឹង (Cross-sectional) និងទិន្នន័យតាមពេលវេលា (Time-series) ពោលគឺវាវាស់ស្ទង់អង្គភាពជាច្រើន (ដូចជាប្រទេស) ក្នុងរយៈពេលជាច្រើនឆ្នាំបន្តបន្ទាប់គ្នា។ ដូចជាសៀវភៅបញ្ជីតាមដានពិន្ទុសិស្សក្នុងថ្នាក់ ដែលមានឈ្មោះសិស្សគ្រប់គ្នា និងពិន្ទុប្រចាំខែនីមួយៗរបស់ពួកគេពេញមួយឆ្នាំ។
Hummels and Klenow method (វិធីសាស្ត្រ Hummels នឹង Klenow) ជាវិធីសាស្ត្រគណនានៅក្នុងសេដ្ឋកិច្ចវិទ្យាដែលប្រើដើម្បីបំបែក និងវាស់ស្ទង់កំណើនពាណិជ្ជកម្មទៅជារឹមពង្រីក (ផលិតផលថ្មី) និងរឹមស៊ីជម្រៅ (ផលិតផលចាស់) ដោយធ្វើការថ្លឹងថ្លែងទម្ងន់ទៅតាមចំណែកទីផ្សារពិភពលោក។ ដូចជារូបមន្តគណនេយ្យមួយដែលជួយបែងចែកឲ្យដឹងច្បាស់ថា ប្រាក់ចំណេញរបស់ហាងកើនឡើងដោយសារបានអតិថិជនថ្មី ឬដោយសារអតិថិជនចាស់ទិញទំនិញច្រើនជាងមុន។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖