បញ្ហា (The Problem)៖ ការសិក្សានេះមានគោលបំណងកំណត់ និងវាស់ស្ទង់កម្រិតនៃផលប៉ះពាល់នៃអថេរម៉ាក្រូសេដ្ឋកិច្ចផ្សេងៗមកលើការនាំចេញផលិតផលជលផលរបស់ប្រទេសវៀតណាម ទៅកាន់ទីផ្សារនៃប្រទេសសមាជិកកិច្ចព្រមព្រៀងទូលំទូលាយនិងជឿនលឿនសម្រាប់ភាពជាដៃគូអន្តរប៉ាស៊ីហ្វិក (CPTPP) ចន្លោះឆ្នាំ ២០១១ ដល់ ២០២០។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានប្រើប្រាស់ទិន្នន័យបន្ទះនៃប្រទេសចំនួន ១១ និងអនុវត្តគំរូសេដ្ឋកិច្ចពាណិជ្ជកម្មអន្តរជាតិដើម្បីធ្វើការវិភាគរាវរកកត្តាជម្រុញ និងកត្តារារាំង។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Pooled OLS (Ordinary Least Squares) ការប៉ាន់ស្មានការ៉េអប្បបរមាធម្មតា |
ងាយស្រួលប្រើប្រាស់ និងស័ក្តិសមសម្រាប់វិភាគទិន្នន័យមូលដ្ឋានដែលគ្មានភាពស្មុគស្មាញ។ | មិនអាចគ្រប់គ្រងភាពខុសគ្នានៃឯកតាក្នុងទិន្នន័យបន្ទះ (Panel Data) ដែលនាំឱ្យលទ្ធផលលម្អៀង និងមិនច្បាស់លាស់។ | ត្រូវបានច្រានចោលដោយការធ្វើតេស្ត Breusch-Pagan ដោយសារគំរូមិនស័ក្តិសមនឹងលក្ខណៈទិន្នន័យ។ |
| FEM (Fixed Effects Model) គំរូឥទ្ធិពលថេរ |
អាចគ្រប់គ្រងអថេរដែលមិនបានសង្កេតឃើញ និងមានលក្ខណៈថេរតាមពេលវេលានៅក្នុងអង្គភាពនីមួយៗ។ | មិនអាចប៉ាន់ស្មានអថេរដែលមិនប្រែប្រួលតាមពេលវេលា (ដូចជាចម្ងាយភូមិសាស្ត្រ) ដែលជាកត្តាសំខាន់ក្នុងគំរូទំនាញ។ | ត្រូវបានទាត់ចោលក្រោយការធ្វើតេស្ត Hausman (p-value = 0.0836 > 0.05) ដោយសារមិនសូវមានប្រសិទ្ធភាពធៀបនឹង REM។ |
| REM (Random Effects Model) គំរូឥទ្ធិពលចៃដន្យ |
អាចវិភាគអថេរដែលមិនប្រែប្រួលតាមពេលវេលា (ឧ. ចម្ងាយ) និងមានប្រសិទ្ធភាពជាង FEM ប្រសិនបើគ្មានទំនាក់ទំនងរវាងកំហុស និងអថេរឯករាជ្យ។ | នៅក្នុងការសិក្សានេះ វាទទួលរងបញ្ហាភាពខុសគ្នានៃវ៉ារ្យ៉ង់ (Heteroskedasticity) និងស្វ័យសហសម្ព័ន្ធ (Autocorrelation)។ | ត្រូវបានរើសយកមកប្រើប្រាស់ជំហានដំបូង ប៉ុន្តែដោយសារមានកំហុសរោគវិនិច្ឆ័យ ទើបត្រូវប្តូរទៅវិធីសាស្រ្តផ្សេង។ |
| FGLS (Feasible Generalized Least Squares) ការប៉ាន់ស្មានការ៉េទូទៅដែលអាចធ្វើទៅបាន |
អាចដោះស្រាយរាល់កំហុសបញ្ហាភាពខុសគ្នានៃវ៉ារ្យ៉ង់ និងស្វ័យសហសម្ព័ន្ធនៃគំរូ REM បានយ៉ាងមានប្រសិទ្ធភាព។ | មានភាពស្មុគស្មាញក្នុងការគណនា និងទាមទារការពន្យល់លម្អិតលើការផ្លាស់ប្តូរទិន្នន័យ។ | ជាគំរូចុងក្រោយដែលបង្ហាញថាកត្តាប្រជាជន (POPit) និង ផ.ស.ស (GDPjt) មានឥទ្ធិពលវិជ្ជមានខ្លាំងបំផុតក្នុងការនាំចេញ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចបន្ទះ (Panel Data) រយៈពេលវែង និងជំនាញក្នុងការប្រើប្រាស់កម្មវិធីសេដ្ឋកិច្ចបរិមាណកម្រិតខ្ពស់។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យរបស់ប្រទេសវៀតណាម និងប្រទេសសមាជិក CPTPP ទាំង ១០ ក្នុងចន្លោះឆ្នាំ២០១១ ដល់ ២០២០។ ទោះបីជាកម្ពុជាមិនមែនជាសមាជិក CPTPP ក៏ដោយ ប៉ុន្តែលក្ខណៈនៃកត្តាជម្រុញ (GDP, កិច្ចព្រមព្រៀងពាណិជ្ជកម្ម) និងកត្តារារាំង (ចម្ងាយ) គឺមានលក្ខណៈស្រដៀងគ្នា ដែលធ្វើឲ្យលទ្ធផលនេះមានតម្លៃសម្រាប់ការវាយតម្លៃពាណិជ្ជកម្មកម្ពុជាក្នុងក្របខណ្ឌ RCEP ឬកិច្ចព្រមព្រៀងទ្វេភាគីផ្សេងៗ។
វិធីសាស្ត្រគំរូទំនាញ (Gravity Model) នេះមានសារៈប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការស្រាវជ្រាវ និងការរៀបចំគោលនយោបាយសេដ្ឋកិច្ចនៅកម្ពុជា។
ការប្រើប្រាស់វិធីសាស្ត្រវិភាគទិន្នន័យសេដ្ឋកិច្ចនេះ នឹងជួយឲ្យស្ថាប័នរដ្ឋនិងឯកជនរបស់កម្ពុជា អាចផ្លាស់ប្តូរការសម្រេចចិត្តពីការស្មាន ទៅជាការរៀបចំយុទ្ធសាស្ត្រដែលផ្អែកលើទិន្នន័យជាក់ស្តែង។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Gravity model | គឺជាគំរូសេដ្ឋកិច្ចដែលប្រើប្រាស់ទ្រឹស្តីទំនាញរូបវិទ្យាដើម្បីពន្យល់ពីទំហំពាណិជ្ជកម្មរវាងប្រទេសពីរ ដោយទំហំសេដ្ឋកិច្ច (GDP) ដើរតួជាកម្លាំងទាក់ទាញ ហើយចម្ងាយភូមិសាស្ត្រដើរតួជាកត្តារារាំងដល់ការធ្វើពាណិជ្ជកម្ម។ | ដូចជាមេដែកពីរ ប្រទេសមានសេដ្ឋកិច្ចធំឆក់ទាញគ្នាខ្លាំង ប៉ុន្តែបើនៅកាន់តែឆ្ងាយពីគ្នា កម្លាំងឆក់នោះនឹងកាន់តែខ្សោយទៅ។ |
| Panel data | ជាប្រភេទសំណុំទិន្នន័យដែលតាមដានអង្គភាពជាក់លាក់ណាមួយ (ដូចជាប្រទេស ឬក្រុមហ៊ុន) ឆ្លងកាត់រយៈពេលជាច្រើនឆ្នាំ ដើម្បីសិក្សាពីការផ្លាស់ប្តូរ និងកត្តាជំរុញតាមពេលវេលា។ | ដូចជាការថតវីដេអូសកម្មភាពរបស់មនុស្សម្នាក់ក្នុងរយៈពេល១០ឆ្នាំ ជាជាងការថតរូបពួកគេត្រឹមតែមួយសន្លឹក។ |
| Fixed Effects Model | គំរូស្ថិតិដែលគ្រប់គ្រងអថេរដែលមិនប្រែប្រួលតាមពេលវេលា (ដូចជាទីតាំងភូមិសាស្ត្រ ឬវប្បធម៌) ដើម្បីផ្តោតតែលើការវិភាគឥទ្ធិពលនៃអថេរដែលប្រែប្រួលតាមពេលវេលាមកលើលទ្ធផល។ | ដូចជាការវាស់ស្ទង់ថាតើការប្តូររបបអាហារធ្វើឱ្យអ្នកស្រកទម្ងន់ឬអត់ ដោយមិនខ្វល់ពីហ្សែនពីកំណើតរបស់អ្នកដែលមិនអាចកែប្រែបាន។ |
| Feasible Generalized Least Squares (FGLS) | គឺជាវិធីសាស្ត្រកែតម្រូវកម្រិតខ្ពស់នៅក្នុងគំរូសេដ្ឋកិច្ចបរិមាណ ដើម្បីដោះស្រាយបញ្ហានៃភាពខុសគ្នានៃវ៉ារ្យ៉ង់ និងការជាប់ទាក់ទងគ្នានៃកំហុស ដែលជួយឱ្យការទស្សន៍ទាយមានភាពត្រឹមត្រូវបំផុតមិនលម្អៀង។ | ដូចជាការពាក់វ៉ែនតាដើម្បីតម្រង់គំហើញឱ្យច្បាស់ ពេលដែលភ្នែករបស់អ្នកកំពុងព្រិលដោយសារពន្លឺជះខុសប្រក្រតី។ |
| Heteroskedasticity | ជាបាតុភូតក្នុងស្ថិតិដែលកំហុសឬភាពប្រែប្រួលនៃទិន្នន័យមិនមានលក្ខណៈថេរ ដែលអាចធ្វើឱ្យការសន្និដ្ឋាននៃម៉ូដែលមិនអាចជឿទុកចិត្តបានប្រសិនបើវាមិនត្រូវបានដោះស្រាយ។ | ដូចជាការបាញ់ព្រួញដែលពេលនៅជិត បាញ់ចំគោលដៅបានល្អ តែពេលគោលដៅកាន់តែឆ្ងាយ ព្រួញខ្ទាតខុសកាន់តែខ្លាំងគ្មានសណ្តាប់ធ្នាប់។ |
| Real exchange rate | គឺជារង្វាស់ដែលប្រៀបធៀបអំណាចទិញនៃរូបិយប័ណ្ណរវាងប្រទេសពីរ ដោយបានគិតបញ្ចូលអត្រាអតិផរណា ដើម្បីបង្ហាញពីតម្លៃពិតប្រាកដនៃទំនិញនៅពេលធ្វើពាណិជ្ជកម្ម។ | ដូចជាការគិតគូរថាតើលុយ១០ដុល្លារអាចទិញកាហ្វេនៅកម្ពុជាបានប៉ុន្មានកែវ ធៀបនឹងនៅអាមេរិក ដោយមិនមើលត្រឹមតែអត្រាប្តូរប្រាក់នៅធនាគារ។ |
| Autocorrelation | គឺជាបញ្ហាក្នុងការវិភាគទិន្នន័យ ដែលតម្លៃនៃកំហុសក្នុងពេលវេលាបច្ចុប្បន្ន មានទំនាក់ទំនងឬទទួលឥទ្ធិពលពីកំហុសក្នុងពេលវេលាមុនៗ ដែលធ្វើឱ្យប្រព័ន្ធបាត់បង់ភាពចៃដន្យនៃការសន្និដ្ឋាន។ | ដូចជាការពាក់អាវក្រាស់នៅថ្ងៃនេះ ដោយសារតែម្សិលមិញអ្នកគ្រុនរងា មិនមែនដោយសារធាតុអាកាសថ្ងៃនេះពិតជាត្រជាក់នោះទេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
