បញ្ហា (The Problem)៖ តើប្រាក់បញ្ញើពីក្រៅប្រទេស (Remittances) ពិតជាមានឥទ្ធិពលវិជ្ជមានក្នុងការជំរុញកំណើនសេដ្ឋកិច្ចនៃប្រទេសកំពុងអភិវឌ្ឍន៍ក្នុងតំបន់អាស៊ាន-៦ ដែរឬទេ? ការសិក្សានេះវាយតម្លៃកម្រិតនៃការចូលរួមចំណែកនៃប្រាក់បញ្ញើទាំងនេះទៅលើកំណើន ផ.ស.ស (GDP) របស់ប្រទេសសមាជិកចំនួន៦។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel Data) របស់ធនាគារពិភពលោក (World Bank) សម្រាប់ប្រទេសចំនួន៦ ក្នុងតំបន់អាស៊ានចន្លោះឆ្នាំ ២០០០ ដល់ ២០២០ ដើម្បីដំណើរការគំរូសេដ្ឋកិច្ចមាត្រ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Fixed Effects Model (FEM) គំរូផលប៉ះពាល់ថេរ |
អាចញែកឥទ្ធិពលនៃលក្ខណៈពិសេសដាច់ដោយឡែករបស់ប្រទេសនីមួយៗ (ដែលមិនប្រែប្រួលតាមពេលវេលា) ចេញពីអថេរពន្យល់ ដើម្បីវាយតម្លៃបានកាន់តែច្បាស់។ | ផ្អែកលើការធ្វើតេស្ត Hausman គំរូនេះមិនស័ក្តិសមបំផុតសម្រាប់សំណុំទិន្នន័យក្នុងការសិក្សានេះនោះទេ។ | តេស្ត Hausman បង្ហាញតម្លៃប្រូបាប៊ីលីតេ (p-value = ០,៧៧២៤) ធំជាងកម្រិត ៥% ដែលបញ្ជាក់ថាការជ្រើសរើសគំរូ FEM មិនមានភាពត្រឹមត្រូវល្អិតល្អន់តាមបែបស្ថិតិឡើយសម្រាប់ការសិក្សានេះ។ |
| Random Effects Model (REM) គំរូផលប៉ះពាល់ចៃដន្យ |
ស័ក្តិសមបំផុតសម្រាប់ទិន្នន័យបន្ទះ (Panel Data) ដែលត្រូវបានប្រើប្រាស់ក្នុងការសិក្សានេះ ដោយចាត់ទុកអថេររវាងប្រទេសនីមួយៗជាលក្ខណៈចៃដន្យ និងមិនមានទំនាក់ទំនងនឹងកំហុស។ | ទាមទារការសន្មត់ដ៏តឹងរ៉ឹងថាអថេរឯករាជ្យមិនត្រូវមានទំនាក់ទំនងជាមួយកំហុសចៃដន្យ (Error term) នៃគំរូនោះទេ។ | ត្រូវបានជ្រើសរើសជាគំរូវិភាគចុងក្រោយ។ លទ្ធផលបង្ហាញថាប្រាក់បញ្ញើពីក្រៅប្រទេសមិនមានឥទ្ធិពលវិជ្ជមានគួរឱ្យកត់សម្គាល់ដល់កំណើនសេដ្ឋកិច្ច (មេគុណ -០,០៨២៧ និងមិនមានអត្ថន័យស្ថិតិ) នៃប្រទេសអាស៊ាន-៦ ឡើយ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចច្បាស់លាស់ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគសេដ្ឋកិច្ចមាត្រកម្រិតខ្ពស់។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យផ្លូវការពីប្រទេសចំនួន៦ ក្នុងតំបន់អាស៊ានរួមមាន កម្ពុជា វៀតណាម ឥណ្ឌូនេស៊ី ម៉ាឡេស៊ី ថៃ និងហ្វីលីពីន ចន្លោះឆ្នាំ ២០០០-២០២០ (ប្រទេស ៥ ផ្សេងទៀតត្រូវកាត់ចេញដោយសារខ្វះទិន្នន័យ)។ ទិន្នន័យនេះពិតជាមានភាពពាក់ព័ន្ធ និងមានសារៈសំខាន់ខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ព្រោះកម្ពុជាជាប្រទេសមួយដែលពឹងផ្អែកយ៉ាងខ្លាំងលើប្រាក់បញ្ញើពីពលករចំណាកស្រុក។ ទោះជាយ៉ាងណាក្តី ការពឹងផ្អែកតែលើទិន្នន័យផ្លូវការរបស់ធនាគារពិភពលោក អាចមើលរំលងលំហូរប្រាក់បញ្ញើតាមប្រព័ន្ធក្រៅផ្លូវការ (Informal channels) ដែលមានទំហំធំជាក់ស្តែងនៅកម្ពុជា។
ការរកឃើញ និងអនុសាសន៍នៃការសិក្សានេះ មានអត្ថប្រយោជន៍ និងអាចយកមកអនុវត្តដោយផ្ទាល់សម្រាប់គោលនយោបាយម៉ាក្រូសេដ្ឋកិច្ចរបស់ប្រទេសកម្ពុជា។
ជារួម ការតម្រង់ទិសលំហូរប្រាក់បញ្ញើពីការចំណាយលើការប្រើប្រាស់ប្រចាំថ្ងៃ ទៅជាការសន្សំនិងការវិនិយោគផលិតកម្ម គឺជាយុទ្ធសាស្ត្រគន្លឹះដ៏សំខាន់សម្រាប់ជួយជំរុញកំណើនសេដ្ឋកិច្ចប្រកបដោយចីរភាពនៅកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Panel Data | ទិន្នន័យដែលប្រមូលបានពីអង្គភាពដដែលៗ (ដូចជាប្រទេស ក្រុមហ៊ុន ឬបុគ្គល) ក្នុងចន្លោះពេលខុសៗគ្នាជាបន្តបន្ទាប់ ដើម្បីតាមដានការប្រែប្រួលរបស់វាធៀបនឹងពេលវេលា។ | ដូចជាការថតរូបសិស្សម្នាក់ៗជារៀងរាល់ឆ្នាំតាំងពីថ្នាក់ទី១ ដល់ទី១២ ដើម្បីមើលការលូតលាស់របស់ពួកគេ មិនមែនថតតែម្តងនោះទេ។ |
| Remittances | ប្រាក់បញ្ញើ ឬការផ្ទេរប្រាក់ពីពលករចំណាកស្រុកដែលធ្វើការនៅក្រៅប្រទេស ត្រឡប់មកកាន់ក្រុមគ្រួសាររបស់ពួកគេនៅក្នុងប្រទេសកំណើតវិញ ដែលជាប្រភពចំណូលដ៏សំខាន់សម្រាប់ជំរុញសេដ្ឋកិច្ច។ | ដូចជាបងប្រុសរបស់អ្នកទៅធ្វើការនៅប្រទេសកូរ៉េ ហើយផ្ញើលុយមកឱ្យម្តាយនៅស្រុកខ្មែរជារៀងរាល់ខែ ដើម្បីទិញម្ហូប និងបង់ថ្លៃសាលាឱ្យអ្នក។ |
| Fixed Effects Model (FEM) | គំរូសេដ្ឋកិច្ចមាត្រដែលប្រើសម្រាប់វិភាគទិន្នន័យបន្ទះ ដោយផ្តោតលើការកាត់ចេញនូវលក្ខណៈពិសេសដាច់ដោយឡែករបស់អង្គភាពនីមួយៗដែលមិនប្រែប្រួលតាមពេលវេលា ដើម្បីវាស់ស្ទង់ឥទ្ធិពលពិតប្រាកដនៃអថេរពន្យល់។ | ដូចជាការប្រកួតរត់ប្រណាំងដែលយើងកាត់គ្រាប់ត (ដូចជាអាយុ ឬភេទ) ចេញ ដើម្បីមើលថាតើការហ្វឹកហាត់ពិតជាធ្វើឱ្យអ្នករត់លឿនជាងមុនឬអត់។ |
| Random Effects Model (REM) | គំរូសេដ្ឋកិច្ចមាត្រដែលសន្មតថាលក្ខណៈពិសេសរបស់អង្គភាពនីមួយៗគឺជាការប្រែប្រួលដោយចៃដន្យ និងមិនមានទំនាក់ទំនងជាមួយនឹងអថេរឯករាជ្យក្នុងគំរូនោះទេ ដែលអនុញ្ញាតឱ្យគេអាចវិភាគកត្តាថេរនានាបាន។ | ដូចជាការចាប់ឆ្នោតជ្រើសរើសសិស្សមកប្រឡង ដោយសន្មតថាភាពឆ្លាតវៃពីកំណើតរបស់ពួកគេគឺជារឿងចៃដន្យ មិនប៉ះពាល់ដល់ប្រសិទ្ធភាពនៃមេរៀនដែលគ្រូបង្រៀននោះទេ។ |
| Variance Inflation Factor (VIF) | រង្វាស់ស្ថិតិមួយដែលប្រើសម្រាប់ត្រួតពិនិត្យមើលថាតើមានបញ្ហាពហុគូលីនេអ៊ែរ (ការដែលអថេរឯករាជ្យពីរ ឬច្រើនមានទំនាក់ទំនងគ្នាខ្លាំងពេក) នៅក្នុងគំរូវិភាគដែរឬទេ ដែលអាចធ្វើឱ្យលទ្ធផលលម្អៀង។ | ដូចជាការដាក់ឧបករណ៍វាស់កម្តៅពីរនៅក្នុងបន្ទប់តែមួយ បើវាបង្ហាញលទ្ធផលដូចគ្នាខ្លាំងពេក យើងមិនចាំបាច់ត្រូវការឧបករណ៍ទីពីរនោះទេ ព្រោះវាជាន់គ្នា។ |
| Hausman Test | ការធ្វើតេស្តស្ថិតិដើម្បីសម្រេចចិត្តជ្រើសរើសថាតើគួរប្រើគំរូ Fixed Effects ឬ Random Effects សម្រាប់ការវិភាគទិន្នន័យបន្ទះ ដោយផ្អែកលើការប្រៀបធៀបទំនាក់ទំនងរវាងកំហុសចៃដន្យ និងអថេរពន្យល់។ | ដូចជាការប្រើប្រាស់តេស្តឈាម ដើម្បីសម្រេចថាតើអ្នកជំងឺគួរលេបថ្នាំប្រភេទ A ឬប្រភេទ B ទើបត្រូវនឹងស្ថានភាពរាងកាយរបស់គាត់បំផុត។ |
| Multicollinearity | បាតុភូតនៅក្នុងស្ថិតិ ដែលអថេរឯករាជ្យចាប់ពីពីរឡើងទៅនៅក្នុងគំរូវិភាគ មានទំនាក់ទំនងគ្នាទៅវិញទៅមកយ៉ាងជិតស្និទ្ធ ធ្វើឱ្យពិបាកវាយតម្លៃឥទ្ធិពលដាច់ដោយឡែករបស់អថេរនីមួយៗទៅលើលទ្ធផល។ | ដូចជាការមានមិត្តភក្តិពីរនាក់ដែលតែងតែគិត និងនិយាយដូចគ្នាគ្រប់រឿង ធ្វើឱ្យអ្នកពិបាកដឹងថាគំនិតនោះចេញពីម្នាក់ណាឱ្យប្រាកដ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
