បញ្ហា (The Problem)៖ ការសិក្សានេះស៊ើបអង្កេតពីផលប៉ះពាល់នៃភាពមិនច្បាស់លាស់នៃគោលនយោបាយសេដ្ឋកិច្ច (EPU) ទៅលើសមត្ថភាពប្រកួតប្រជែងរបស់ធនាគារ ជាពិសេសផ្តោតលើទំនាក់ទំនងមិនលីនេអ៊ែរ (Non-linear relationship) រវាងកត្តាទាំងពីរនេះ។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel data) ពីធនាគារចំនួន ១.០០៦ នៅ ២០ ប្រទេស ចន្លោះឆ្នាំ ២០០៩ ដល់ ២០២៣ ដោយប្រើវិធីសាស្ត្រប៉ាន់ស្មានអេកូណូមេទ្រីកកម្រិតខ្ពស់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Instrumental Variables Generalized Method of Moments (IV-GMM) វិធីសាស្ត្រប៉ាន់ស្មានទំហំនៃម៉ូម៉ង់ទូទៅដោយប្រើអថេរឧបករណ៍ |
វិធីសាស្ត្រនេះមានសមត្ថភាពខ្ពស់ក្នុងការដោះស្រាយបញ្ហាអថេរខាងក្នុង (Endogeneity) រវាងភាពមិនច្បាស់លាស់នៃគោលនយោបាយ និងការប្រកួតប្រជែង។ វាជួយផ្តល់នូវលទ្ធផលប៉ាន់ស្មានដែលមានភាពត្រឹមត្រូវ និងអាចទុកចិត្តបានសម្រាប់ទិន្នន័យបន្ទះ (Panel data)។ | ទាមទារឱ្យមានការស្វែងរកអថេរឧបករណ៍ (Instrumental variables) ដែលត្រឹមត្រូវនិងស័ក្តិសម ដែលជាទូទៅមានភាពស្មុគស្មាញក្នុងការរៀបចំ។ ម៉្យាងទៀត ការគណនាមានភាពស្មុគស្មាញជាងវិធីសាស្ត្រទូទៅ។ | បញ្ជាក់យ៉ាងច្បាស់ពីអត្ថិភាពនៃទំនាក់ទំនងមិនលីនេអ៊ែរ (រាងអក្សរ U និង U បញ្ច្រាស) រវាងភាពមិនច្បាស់លាស់នៃគោលនយោបាយ និងកម្រិតនៃការប្រកួតប្រជែងរបស់ធនាគារ។ |
| Fixed Effects Model (FEM) ម៉ូដែលឥទ្ធិពលថេរ |
ជួយគ្រប់គ្រងភាពខុសគ្នាឬលក្ខណៈពិសេសរបស់ធនាគារនីមួយៗដែលមិនអាចសង្កេតឃើញ (Unobserved individual effects) ដែលមិនប្រែប្រួលតាមពេលវេលា។ វាងាយស្រួលក្នុងការគណនានិងបកស្រាយលទ្ធផល។ | មិនអាចដោះស្រាយបញ្ហាអថេរខាងក្នុង (Endogeneity) បានពេញលេញនោះទេ ដែលអាចធ្វើឱ្យលទ្ធផលមានភាពលម្អៀង។ វាត្រូវបានប្រើជាចម្បងសម្រាប់តែផ្ទៀងផ្ទាត់ភាពរឹងមាំនៃលទ្ធផល (Robustness check) ប៉ុណ្ណោះ។ | ផ្តល់លទ្ធផលស្របគ្នាជាមួយម៉ូដែល IV-GMM ដែលបង្ហាញថាការកើនឡើងនៃ EPU មានឥទ្ធិពលវិជ្ជមានទៅលើសន្ទស្សន៍ HHI (ការប្រកួតប្រជែង)។ |
| Driscoll-Kraay Standard Errors (DKSE) វិធីសាស្ត្រកែកំហុសស្តង់ដារ Driscoll-Kraay |
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការកែតម្រូវបញ្ហាការពឹងផ្អែកខ្វែង (Cross-sectional dependence) នៅក្នុងទិន្នន័យបន្ទះខ្នាតធំ ដែលជាបញ្ហាញឹកញាប់កើតមានក្នុងទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ច។ | មិនបានដោះស្រាយដោយផ្ទាល់នូវបញ្ហាភាពពាក់ព័ន្ធគ្នាពីរទិស (Reverse causality) ដូចម៉ូដែល IV-GMM នោះទេ។ | ពង្រឹងភាពរឹងមាំនៃសម្មតិកម្ម ដោយបង្ហាញថាទំនាក់ទំនងរវាង EPU និង HHI នៅតែរក្សាបានលក្ខណៈមិនលីនេអ៊ែរទោះបីជាមានភាពពឹងផ្អែកខ្វែងគ្នាក៏ដោយ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះមិនបានបញ្ជាក់ច្បាស់លាស់ពីធនធានកុំព្យូទ័រ (Hardware) ទេ ប៉ុន្តែដោយសារវាជាការវិភាគទិន្នន័យបន្ទះខ្នាតធំ វាទាមទារកម្មវិធីស្ថិតិកម្រិតខ្ពស់ និងមូលដ្ឋានទិន្នន័យដែលមានតម្លៃថ្លៃ។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពីធនាគារចំនួន ១.០០៦ ក្នុងប្រទេសចំនួន ២០ ដោយផ្តោតខ្លាំងលើប្រទេសអភិវឌ្ឍន៍ (១៦ ប្រទេស) និងមានប្រទេសកំពុងអភិវឌ្ឍន៍តែ ៤ ប៉ុណ្ណោះ (ប្រេស៊ីល ចិន ឥណ្ឌា និងម៉ិកស៊ិក)។ ទិន្នន័យនេះមិនមានបញ្ចូលប្រទេសកម្ពុជា ឬប្រទេសក្នុងតំបន់អាស៊ានភាគច្រើនឡើយ។ នេះជារឿងសំខាន់សម្រាប់កម្ពុជា ព្រោះរចនាសម្ព័ន្ធធនាគារ និងកម្រិតអភិវឌ្ឍន៍ទីផ្សារហិរញ្ញវត្ថុរបស់យើងមានភាពខុសប្លែកគ្នា ដែលទាមទារការប្រុងប្រយ័ត្នខ្ពស់នៅពេលទាញយកសេចក្តីសន្និដ្ឋានមកអនុវត្ត។
ទោះបីជាខ្វះទិន្នន័យផ្ទាល់របស់កម្ពុជាក៏ដោយ របកគំហើញនិងវិធីសាស្ត្រនៃការសិក្សានេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការគ្រប់គ្រងហានិភ័យធនាគារនៅកម្ពុជា។
ជារួម ការយល់ដឹងពីឥទ្ធិពលមិនលីនេអ៊ែរ (រាងអក្សរ U) ជួយឱ្យអ្នកធ្វើគោលនយោបាយនៅកម្ពុជាអាចចៀសវាងការរឹតបន្តឹងបទប្បញ្ញត្តិខ្លាំងពេក ដែលអាចធ្វើឱ្យប៉ះពាល់ដល់សមត្ថភាពប្រកួតប្រជែងរបស់វិស័យធនាគារ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Economic Policy Uncertainty (EPU) | ជាសន្ទស្សន៍វាស់វែងពីកម្រិតនៃភាពមិនច្បាស់លាស់ទាក់ទងនឹងគោលនយោបាយសេដ្ឋកិច្ចរបស់រដ្ឋាភិបាលនាពេលអនាគត (ដូចជាពន្ធដារ ការចំណាយ ឬគោលនយោបាយរូបិយវត្ថុ) ដែលធ្វើឱ្យធុរកិច្ច និងធនាគារពិបាកក្នុងការទស្សន៍ទាយ និងសម្រេចចិត្តវិនិយោគ។ | ដូចជាការបើកបររថយន្តក្នុងអ័ព្ទក្រាស់ ដែលអ្នកមិនដឹងថាផ្លូវខាងមុខមានរាងកោង ឬមានឧបសគ្គអ្វីខ្លះ ធ្វើឱ្យអ្នកត្រូវបើកបរដោយប្រុងប្រយ័ត្នបំផុត។ |
| World Uncertainty Index (WUI) | ជាសន្ទស្សន៍វាស់វែងពីហានិភ័យ និងភាពមិនប្រាកដប្រជានៅកម្រិតសកលលោក ដោយផ្អែកលើអត្រានៃការលើកឡើងពីភាពមិនច្បាស់លាស់នៅក្នុងរបាយការណ៍សេដ្ឋកិច្ចរបស់ប្រទេសនានា ដើម្បីតាមដានផលប៉ះពាល់ពីព្រឹត្តិការណ៍អន្តរជាតិ។ | ដូចជាប្រព័ន្ធរ៉ាដាព្យាករណ៍អាកាសធាតុទូទាំងពិភពលោក ដើម្បីដឹងថាពេលណាអាចមានខ្យល់ព្យុះ ដែលអាចជះឥទ្ធិពលមកដល់ប្រទេសរបស់យើង។ |
| Herfindahl-Hirschman Index (HHI) | ជារង្វាស់នៃកម្រិតនៃការប្រកួតប្រជែង និងការប្រមូលផ្តុំទីផ្សារ ដោយគណនាពីផលបូកនៃការេនៃចំណែកទីផ្សាររបស់ក្រុមហ៊ុន (ឬធនាគារ) នីមួយៗក្នុងឧស្សាហកម្មមួយ។ សន្ទស្សន៍កាន់តែខ្ពស់ មានន័យថាទីផ្សារកាន់តែប្រមូលផ្តុំផ្តាច់មុខ (ការប្រកួតប្រជែងទាប)។ | ដូចជាការបែងចែកនំខេកមួយដុំធំ៖ បើមនុស្ស២នាក់យកនំម្នាក់ពាក់កណ្តាល នោះអំណាចប្រមូលផ្តុំធំ តែបើមនុស្ស១០នាក់ចែកនំប៉ុនៗគ្នា នោះអំណាចគឺស្មើៗគ្នានិងមានការប្រកួតប្រជែង។ |
| Non-linear nexus | ជាទំនាក់ទំនងរវាងអថេរពីរដែលមិនប្រែប្រួលក្នុងអត្រាថេរជានិច្ច ឧទាហរណ៍ដូចជាទំនាក់ទំនងរាងអក្សរ U ឬ U បញ្ច្រាស ដែលមានន័យថាវាអាចកើនឡើងដល់ចំណុចកំពូលមួយ រួចក៏ធ្លាក់ចុះវិញ នៅពេលអថេរមួយទៀតនៅបន្តកើនឡើង។ | ដូចជាការញ៉ាំកាហ្វេ៖ ញ៉ាំ១កែវធ្វើឱ្យអ្នកស្វាង និងមានកម្លាំង (ផលវិជ្ជមាន) តែបើញ៉ាំ៥កែវជាប់គ្នា ធ្វើឱ្យអ្នកញ័រទ្រូង និងថយចុះផលិតភាពវិញ (ផលអវិជ្ជមាន)។ |
| Instrumental Variables - Generalized Method of Moments (IV-GMM) | ជាវិធីសាស្ត្រស្ថិតិកម្រិតខ្ពស់សម្រាប់ប៉ាន់ស្មានទិន្នន័យបន្ទះ ដើម្បីដោះស្រាយបញ្ហាអថេរខាងក្នុង (Endogeneity) ដោយប្រើប្រាស់ "អថេរឧបករណ៍" ដែលជួយទាញរកឥទ្ធិពលពិតប្រាកដដោយគ្មានភាពលម្អៀង។ | ដូចជាការប្រើប្រាស់តម្រងទឹក ដើម្បីចម្រោះយកកាកសំណល់ ឬមេរោគ (កំហុសក្នុងទិន្នន័យ) ចេញ មុននឹងយកទឹកនោះមកវិភាគដើម្បីរកលទ្ធផលពិតប្រាកដ។ |
| Endogeneity | ជាបញ្ហាក្នុងម៉ូដែលស្ថិតិសេដ្ឋកិច្ច នៅពេលដែលអថេរឯករាជ្យ (មូលហេតុ) មានទំនាក់ទំនងជាមួយនឹងកំហុស (Error term) ក្នុងម៉ូដែល ឬនៅពេលដែលអថេរទាំងពីរមានឥទ្ធិពលទៅវិញទៅមក (Reverse causality) ដែលធ្វើឱ្យលទ្ធផលប៉ាន់ស្មានខុសពីការពិត។ | ដូចជាការសួរថា តើមនុស្សទិញឆ័ត្រដោយសារភ្លៀង ឬដោយសារឃើញគេទិញឆ័ត្រទើបគិតថានឹងមានភ្លៀង? វាពិបាកកំណត់ថាមួយណាជាហេតុ និងមួយណាជាផលពិតប្រាកដ។ |
| Cross-sectional dependence | ជាស្ថានភាពដែលទិន្នន័យរបស់អង្គភាពមួយ (ឧទាហរណ៍ ធនាគារមួយ ឬប្រទេសមួយ) មានទំនាក់ទំនង ឬរងឥទ្ធិពលពីអង្គភាពផ្សេងទៀតក្នុងពេលតែមួយ ដែលជារឿយៗកើតឡើងដោយសារកត្តា ឬព្រឹត្តិការណ៍សកល។ | ដូចជាសិស្សក្នុងថ្នាក់តែមួយ ដែលបើមានម្នាក់ផ្តាសាយធំ សិស្សផ្សេងទៀតក៏ងាយនឹងឆ្លងតាមនោះដែរ មិនមែនពួកគេឈឺដោយចៃដន្យរៀងៗខ្លួននោះទេ។ |
| Driscoll-Kraay Standard Errors (DKSE) | ជាបច្ចេកទេសគណនាកែកំហុសស្តង់ដារក្នុងម៉ូដែលទិន្នន័យបន្ទះ (Panel data) ដែលជួយសម្រួលភាពលម្អៀងនៅពេលដែលមានបញ្ហា ការពឹងផ្អែកខ្វែង (Cross-sectional dependence) ដើម្បីធានាថាលទ្ធផលតេស្តស្ថិតិមានភាពរឹងមាំនិងត្រឹមត្រូវ។ | ដូចជាការប្រើវ៉ែនតាការពារចំណាំងផ្លាត ដើម្បីមើលឃើញទីដៅបានច្បាស់ ទោះបីជាមានពន្លឺចាំងពីឡានដទៃ ដែលជួយកាត់បន្ថយកំហុសឆ្គងក្នុងការវាយតម្លៃ។ |
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
