បញ្ហា (The Problem)៖ ឯកសារនេះស៊ើបអង្កេតពីឥទ្ធិពលនៃកត្តាកំណត់ផ្នែកសង្គម និងសេដ្ឋកិច្ច (ដូចជា កំណើនសេដ្ឋកិច្ច ទំហំប្រជាជន និងវិសមភាពប្រាក់ចំណូល) ទៅលើអត្រាភាពក្រីក្រនៅក្នុងប្រទេសចំនួន ៧ នៅតំបន់អាស៊ីអាគ្នេយ៍ ចន្លោះឆ្នាំ១៩៩៦ ដល់ ២០១៣។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ទិន្នន័យបន្ទះ (Panel Data) ពីធនាគារពិភពលោក ដោយអនុវត្តម៉ូដែល Fixed Effect និង Feasible Generalized Least Squares (FGLS) ដើម្បីវិភាគរកទំនាក់ទំនងរវាងអថេរ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Pooled Ordinary Least Squares (POLS) ម៉ូដែលការ៉េអប្បបរមាធម្មតា (POLS) |
ងាយស្រួលក្នុងការប៉ាន់ស្មាន និងផ្តល់ទិដ្ឋភាពទូទៅនៃទំនាក់ទំនងរវាងអថេរសេដ្ឋកិច្ច និងភាពក្រីក្រ។ | មិនបានគិតគូរពីលក្ខណៈដោយឡែកនៃប្រទេសនីមួយៗ (Individual-specific effects) ដែលអាចបណ្តាលឱ្យមានកំហុសក្នុងការសន្និដ្ឋាន។ | ពន្យល់ពីបំរែបំរួលអត្រាភាពក្រីក្របាន ៩០.២% ប៉ុន្តែនៅមានបញ្ហាវិសមភាពនៃវ៉ារ្យ៉ង់កំហុស។ |
| Fixed Effect Model (FEM) ម៉ូដែលផលប៉ះពាល់ថេរ (FEM) |
អាចគ្រប់គ្រងអថេរដែលមិនបានបញ្ចូលក្នុងម៉ូដែល និងលក្ខណៈថេរតាមពេលវេលារបស់ប្រទេសនីមួយៗបានល្អប្រសើរ។ | បន្ទាប់ពីធ្វើតេស្ត Wald test ម៉ូដែលនេះត្រូវបានរកឃើញថាមានបញ្ហាវិសមភាពនៃវ៉ារ្យ៉ង់កំហុស (Heteroscedasticity)។ | ត្រូវបានជ្រើសរើសដោយការធ្វើតេស្ត Hausman ថាមានភាពសមស្របជាងម៉ូដែល Random Effect (REM) ក្នុងការវិភាគទិន្នន័យនេះ។ |
| Feasible Generalized Least Squares (FGLS) ម៉ូដែល FGLS |
ដោះស្រាយបញ្ហាវិសមភាពនៃវ៉ារ្យ៉ង់កំហុស (Heteroscedasticity) ដែលមាននៅក្នុងម៉ូដែល FEM ធ្វើឱ្យលទ្ធផលកាន់តែមានសុក្រឹតភាព។ | ទាមទារទិន្នន័យគ្រប់គ្រាន់ និងមានភាពស្មុគស្មាញក្នុងការគណនាជាងម៉ូដែលអប្បបរមាធម្មតា។ | រកឃើញថាការកើនឡើង ១ដុល្លារនៃផសស (GDP) កាត់បន្ថយភាពក្រីក្រ ០.៨៥% ចំណែកកំណើនប្រជាជន ១ពាន់នាក់ បង្កើនភាពក្រីក្រ ០.១៣%។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកលើការប្រមូលទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ច (Panel Data) ច្រើនឆ្នាំ និងការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគសេដ្ឋកិច្ចមាត្រកម្រិតខ្ពស់។
ការសិក្សានេះផ្តោតលើប្រទេសចំនួន៧នៅអាស៊ីអាគ្នេយ៍ ប៉ុន្តែគួរកត់សម្គាល់ថា ប្រទេសកម្ពុជាត្រូវបានដកចេញពីការវិភាគម៉ូដែល (រួមជាមួយព្រុយណេ ឥណ្ឌូនេស៊ី និងសិង្ហបុរី) ដោយសារខ្វះខាតទិន្នន័យក្នុងឆ្នាំមួយចំនួន (១៩៩៦-២០១៣)។ ទោះបីជាកម្ពុជាមិនត្រូវបានរាប់បញ្ចូលក្នុងម៉ូដែលក្តី លទ្ធផលនេះនៅតែឆ្លុះបញ្ចាំងពីនិន្នាការតំបន់ដែលកម្ពុជាអាចរៀនសូត្របាន ជាពិសេសទាក់ទងនឹងសម្ពាធនៃកំណើនប្រជាជន និងវិសមភាពប្រាក់ចំណូល។
វិធីសាស្ត្រនិងអំណះអំណាងនៃការសិក្សានេះមានប្រយោជន៍ជាមូលដ្ឋានសម្រាប់ការវិភាគគោលនយោបាយសេដ្ឋកិច្ចដើម្បីកាត់បន្ថយភាពក្រីក្រនៅកម្ពុជា។
ជារួម ការជម្រុញកំណើនសេដ្ឋកិច្ចដោយសមធម៌ និងការគ្រប់គ្រងកំណើនប្រជាជនឱ្យស្របតាមទីផ្សារការងារ គឺជាមេរៀនគោលនយោបាយដ៏សំខាន់សម្រាប់កម្ពុជាពីការសិក្សានេះ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Poverty headcount index (សន្ទស្សន៍អត្រាភាពក្រីក្រ) | ជាសូចនាករវាស់ស្ទង់ភាគរយនៃប្រជាជនសរុបនៅក្នុងសង្គមណាមួយ ដែលមានកម្រិតជីវភាពរស់នៅក្រោមបន្ទាត់ភាពក្រីក្រ (ឧទាហរណ៍៖ មានចំណូលតិចជាង ១.២៥ ដុល្លារអាមេរិកក្នុងមួយថ្ងៃ)។ | ដូចជាការរាប់ចំនួនសិស្សដែលប្រឡងធ្លាក់ ធៀបនឹងចំនួនសិស្សនៅក្នុងថ្នាក់ទាំងមូល។ |
| Gini index (សន្ទស្សន៍ជីនី) | ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់តំណាងឱ្យវិសមភាពនៃការបែងចែកប្រាក់ចំណូល ឬទ្រព្យសម្បត្តិនៅក្នុងប្រទេសមួយ។ តម្លៃសន្ទស្សន៍កាន់តែខ្ពស់ មានន័យថាវិសមភាពកាន់តែធំ។ | ដូចជានំខេកមួយដុំធំដែលត្រូវបានបែងចែក ដោយមនុស្សម្នាក់បានពាក់កណ្តាល ចំណែក១០នាក់ទៀតដណ្តើមគ្នាស៊ីពាក់កណ្តាលដែលនៅសល់។ |
| Poverty gap (គម្លាតភាពក្រីក្រ) | វាស់ស្ទង់ពីជម្រៅនៃភាពក្រីក្រ ដោយគណនាពីគម្លាតជាមធ្យមរវាងប្រាក់ចំណូលរបស់អ្នកក្រីក្រ និងបន្ទាត់ភាពក្រីក្រកម្រិតស្តង់ដារ។ វាបង្ហាញពីកម្រិតនៃការខ្វះខាតដែលអ្នកក្រីក្រកំពុងជួបប្រទះ។ | វាមិនត្រឹមតែប្រាប់ថានរណាខ្លះធ្លាក់ទឹកនោះទេ តែប្រាប់ថាតើពួកគេលិចជ្រៅប៉ុណ្ណាពីផ្ទៃទឹក។ |
| Panel dataset (ទិន្នន័យបន្ទះ) | ជាប្រភេទសំណុំទិន្នន័យដែលតាមដាននិងប្រមូលព័ត៌មានពីក្រុមដដែលៗ (ដូចជាប្រទេស ក្រុមហ៊ុន ឬបុគ្គល) ជាបន្តបន្ទាប់ក្នុងចន្លោះពេលខុសៗគ្នាជាច្រើនឆ្នាំ។ | ដូចជាសៀវភៅតាមដានសុខភាពដែលកត់ត្រាទម្ងន់និងកម្ពស់របស់សិស្សដដែលៗម្នាក់ៗ ជារៀងរាល់ឆ្នាំតាំងពីថ្នាក់ទី១ ដល់ទី១២។ |
| Fixed Effect Model (ម៉ូដែលផលប៉ះពាល់ថេរ) | ជាម៉ូដែលសេដ្ឋកិច្ចមាត្រសម្រាប់វិភាគទិន្នន័យ Panel ដែលជួយគ្រប់គ្រងអថេរដែលមិនអាចសង្កេតបាន និងដែលមានលក្ខណៈថេរតាមពេលវេលារបស់ប្រទេសនីមួយៗ (ដូចជា វប្បធម៌ ឬភូមិសាស្ត្រ) កុំឱ្យរំខានដល់លទ្ធផល។ | ដូចជាការវាយតម្លៃការសិក្សារបស់សិស្សម្នាក់ៗ ដោយដកចេញនូវកត្តាពីកំណើតរបស់ពួកគេ ដើម្បីមើលតែឥទ្ធិពលនៃការខិតខំប្រឹងប្រែងជាក់ស្តែងប៉ុណ្ណោះ។ |
| Multicollinearity (បញ្ហាកូលីនេអ៊ែរពហុគុណ) | ជាបញ្ហាក្នុងម៉ូដែលតម្រូវ (Regression) ដែលអថេរឯករាជ្យពីរ ឬច្រើនមានទំនាក់ទំនងគ្នាខ្លាំងពេក ធ្វើឱ្យប្រព័ន្ធស្ថិតិពិបាកវាយតម្លៃពីឥទ្ធិពលដាច់ដោយឡែករបស់អថេរនីមួយៗទៅលើអថេរអាស្រ័យ។ | ដូចជាមានមនុស្សពីរនាក់ច្រៀងបទតែមួយព្រមគ្នាតែម្ដង ធ្វើឱ្យយើងពិបាកស្តាប់ដឹងថាសំឡេងអ្នកណាពិរោះជាង។ |
| Heteroscedasticity (វិសមភាពនៃវ៉ារ្យ៉ង់កំហុស) | ជាបាតុភូតក្នុងស្ថិតិ ដែលរង្វាស់នៃកំហុស (Variance of errors) នៅក្នុងម៉ូដែលមិនមានភាពថេរតាមតម្លៃអថេរឯករាជ្យ ដែលធ្វើឱ្យការសន្និដ្ឋានម៉ូដែលមិនសូវមានសុក្រឹតភាពនិងភាពជឿជាក់បាន។ | ដូចជាការបាញ់ស៊ីប ដែលពេលគោលដៅនៅជិត អ្នកបាញ់ចំប្លុកកណ្តាលល្អ តែពេលគោលដៅកាន់តែឆ្ងាយ គ្រាប់កាំភ្លើងខ្ទាតប៉ាតរាយប៉ាយខុសគ្នាឆ្ងាយ។ |
| Feasible Generalized Least Squares (ម៉ូដែលការ៉េអប្បបរមាទូទៅដែលអាចអនុវត្តបាន) | ជាបច្ចេកទេសស្ថិតិកម្រិតខ្ពស់ដែលត្រូវបានប្រើដើម្បីកែតម្រូវម៉ូដែលនៅពេលដែលមានបញ្ហា Heteroscedasticity ឬ Autocorrelation ដើម្បីទទួលបានការប៉ាន់ស្មានដែលត្រឹមត្រូវ និងអាចទុកចិត្តបានឡើងវិញ។ | ដូចជាការពាក់វ៉ែនតាវេជ្ជសាស្ត្រដើម្បីកែតម្រូវភ្នែកដែលមើលឃើញព្រិល ឱ្យត្រលប់មកមើលឃើញរូបភាពបានច្បាស់និងត្រឹមត្រូវឡើងវិញ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
