July 17, 2019
- WWW.SETTRADE.COM -  SET  1,718.85  -9.13  -0.53%         Value  62,632.00  Mil.Baht         SET50  1,138.76  -3.84  -0.34%         Value  37,117.06  Mil.Baht         SET100  2,523.95  -9.20  -0.36%         Value  46,093.61  Mil.Baht         sSET  814.81  -6.86  -0.83%         Value  2,134.67  Mil.Baht         SETCLMV  1,091.37  -10.68  -0.97%         Value  14,594.29  Mil.Baht         SETHD  1,253.34  -5.76  -0.46%         Value  14,344.68  Mil.Baht         SETTHSI  1,090.37  -5.38  -0.49%         Value  30,847.78  Mil.Baht         SETWB  1,056.49  +0.69  +0.07%         Value  10,389.39  Mil.Baht         mai  371.70  -4.19  -1.11%         Value  1,729.79  Mil.Baht             AGRO  455.38  -0.75  -0.16%       AGRI  196.63  -1.91  -0.96%       FOOD  13,096.90  -15.21  -0.12%           CONSUMP  105.06  -0.17  -0.16%       FASHION  676.80  -1.36  -0.20%       HOME  27.39  -0.04  -0.15%       PERSON  255.44  -0.17  -0.07%           FINCIAL  194.18  -0.71  -0.36%       BANK  515.67  -1.43  -0.28%       FIN  4,154.70  -29.36  -0.70%       INSUR  11,700.14  -75.45  -0.64%           INDUS  113.12  -1.60  -1.39%       AUTO  457.88  +0.89  +0.19%       IMM  46.04  -0.11  -0.24%       PAPER  2,925.66  -28.13  -0.95%       PETRO  1,073.42  -19.15  -1.75%       PKG  3,298.29  +6.71  +0.20%       STEEL  28.23  -0.49  -1.71%           PROPCON  141.78  -2.05  -1.43%       CONMAT  11,455.54  -76.88  -0.67%       PROP  301.53  -1.81  -0.60%       PF&REIT  229.33  -12.53  -5.18%       CONS  100.64  -0.66  -0.65%           RESOURC  227.48  -1.73  -0.75%       ENERG  25,942.37  -197.02  -0.75%       MINE  7.77  -0.16  -2.02%           SERVICE  539.35  -1.36  -0.25%       COMM  44,517.83  -285.89  -0.64%       HELTH  5,591.25  +36.63  +0.66%       MEDIA  61.34  -0.43  -0.70%       PROF  148.84  -0.56  -0.37%       TOURISM  585.58  -2.27  -0.39%       TRANS  413.04  -0.85  -0.21%           TECH  181.97  +0.94  +0.52%       ETRON  1,265.26  -11.27  -0.88%       ICT  179.41  +1.17  +0.66%       TFEX       SET50 Index Futures       S50N19  1,141.1  -6.2  56        S50Q19  1,141.6  -4.7  2        S50U19  1,137.2  -1.7  151,200        S50Z19  1,137.8  -1.6  10,514        S50H20  1,133.7  -1.9  1,119        S50M20  1,130.3  -1.8  510      Sector Index Futures       BANKU19  -  -  -        COMMU19  -  -  -        ENERGU19  -  -  -        FOODU19  -  -  -        ICTU19  -  -  -      Single Stock Futures       AAVU19  3.96  -0.02  1,581        ADVANCU19  212.95  +0.70  303        AEONTSU19  -  -  20        AMATAU19  23.71  -0.02  1,294        AOTU19  74.10  -0.39  338        APU19  7.90  -0.10  115        BAU19  11.10  -0.12  4        BANPUU19  14.31  -0.03  149        BAYU19  -  -  -        BBLU19  191.89  -2.61  125        BCHU19  14.97  -0.18  750        BCPU19  29.75  -0.60  1        BCPGU19  18.42  -0.62  2,206        BDMSU19  24.95  +0.39  1,109        BEAUTYU19  3.82  -0.09  676        BECU19  9.67  -0.40  725        BEMU19  10.32  -0.08  14,271        BGRIMU19  34.80  -1.02  405        BHU19  172.50  +1.90  26        BJCU19  50.00  -0.02  262        BLAU19  26.16  -0.04  20        BLANDU19  1.67  -  511        BTSU19  12.50  +0.02  2,507        CBGU19  74.10  -0.91  384        CENTELU19  34.58  -0.41  210        CHGU19  2.30  +0.01  1,138        CKU19  27.64  +0.04  101        CKPU19  6.67  -0.36  17,502        COM7U19  23.50  -0.08  755        CPALLU19  87.49  -0.31  300        CPFU19  28.50  -  1,526        CPNU19  73.50  -0.70  243        DELTAU19  -  -  -        DTACU19  56.20  +1.20  1,739        EAU19  52.00  -2.45  556        EARTHU19  -  -  -        EGCOU19  330.58  -0.68  62        EPGU19  7.03  +0.33  3,645        ERWU19  6.22  -0.13  20        ESSOU19  10.60  -0.40  3,456        GFPTU19  18.20  +0.19  8        GLOBALU19X  17.00  -0.32  509        GLOWU19  87.60  -1.16  15        GPSCU19  66.70  -3.80  1,491        GULFU19  124.20  -2.35  344        GUNKULU19X  3.13  -  7,144        HANAU19  -  -  -        HMPROU19  17.09  -0.15  664        ICHIU19  6.46  -0.44  133        INTUCHU19  63.22  +0.05  285        IRPCU19  4.86  -0.14  12,357        ITDU19  2.28  -0.02  1,015        IVLU19  40.69  -1.09  1,355        JASU19  7.66  +0.08  18,392        KBANKU19  183.50  -3.59  357        KCEU19  17.80  -0.29  461        KKPU19  69.21  -0.48  575        KTBU19  19.53  +0.06  941        KTCU19  39.19  -0.86  1,088        LHU19  10.90  -0.06  204        LPNU19  7.25  -0.12  604        MAJORU19  -  -  -        MEGAU19  -  -  -        MINTU19  41.34  +0.83  412        MTCU19  54.80  -0.50  605        ORIU19  9.15  -0.25  749        PLANBU19  8.50  -0.16  3,207        PRMU19  8.80  +0.30  1,066        PSHU19  21.66  +0.95  303        PSLU19  9.20  +0.26  3,607        PTGU19  21.30  +0.12  2,038        PTTU19  47.15  -0.32  30        PTTEPU19  133.58  -1.42  295        PTTGCU19  60.65  -0.96  672        QHU19  2.92  -0.07  639        RATCHU19  -  -  220        ROBINSU19  57.25  -1.25  674        RSU19  15.64  -0.33  18        SU19  3.73  +0.10  22,955        SAMARTU19  10.63  +0.41  1,037        SAWADU19X  53.90  -1.10  256        SCBU19  137.78  -0.71  647        SCCU19  445.01  -5.68  190        SGPU19  9.20  -0.49  501        SIRIU19  1.45  -0.01  243        SPALIU19  -  -  -        SPCGU19  18.77  -0.44  4        SPRCU19  10.22  -0.46  1,102        STAU19  12.37  -0.43  1,529        STECU19  26.30  -0.23  606        STPIU19  9.35  -0.55  4,005        SUPERU19  0.75  -0.05  37,620        TASCOU19  21.15  +0.74  712        TCAPU19  55.75  +0.08  1        THAIU19  10.30  -  10        THANIU19  -  -  -        THCOMU19  5.97  -0.05  3        TISCOU19  96.80  +2.53  291        TKNU19  8.80  +0.04  711        TMBU19  1.92  -0.01  174        TOPU19  68.00  -1.10  582        TPIPLU19  1.98  -0.01  233        TRUEU19  6.51  +0.08  15,260        TTAU19  6.62  +0.07  563        TTCLU19  10.21  -0.12  24        TTWU19  -  -  -        TUU19  18.90  +0.31  1,938        TVOU19  27.27  -0.70  2        UNIQU19  11.00  -0.21  276        VGIU19  9.45  -0.11  1,776        VNGU19  -  -  -        WHAU19  4.63  -0.07  4,788      GF10 Futures       GF10Q19  20,650  -180  9,096        GF10V19  20,720  -160  2,364        GF10Z19  20,770  -180  2,623      GF50 Futures       GFQ19  20,650  -180  267        GFV19  20,720  -160  182        GFZ19  20,770  -160  83      Gold Online Futures       GOU19  1,410.30  -14.50  14,674      GOLD-D       GDU19  1,410.70  -17.62  10      USD Futures       USDN19  -  -  -        USDQ19  -  -  -        USDU19  30.92  +0.10  2,623        USDZ19  30.87  +0.08  229      BB3 Futures       BB3U19  -  -  -        BB3Z19  -  -  -      TGB5 Futures       TGB5U19  -  -  -        TGB5Z19  -  -  -      RSS3 Futures       RSS3N19  -  -  -        RSS3Q19  -  -  -        RSS3U19  -  -  -        RSS3V19  -  -  -        RSS3X19  -  -  -        RSS3Z19  -  -  -        RSS3F20  -  -  -      RSS3D Futures       RSS3DN19  53.10  -0.40  44        RSS3DQ19  50.90  +0.80  46        RSS3DU19  50.10  +1.10  48        RSS3DV19  48.90  +0.30  50        RSS3DX19  48.90  +0.20  68        RSS3DZ19  48.90  +0.20  68        RSS3DF20  -  -  -      Index Options       Most Active Call Volume       S50U19C1150  13.0  -1.1  803        S50U19C1175  6.2  -0.3  733        S50U19C1200  2.8  -0.3  527        S50U19C1125  25.3  -2.4  144        S50Z19C1175  12.4  +0.1  45      Most Active Put Volume       S50U19P1125  14.4  +0.9  678        S50U19P1100  7.2  -0.2  471        S50U19P1075  4.0  -  355        S50U19P1150  26.6  +1.6  177        S50U19P1050  2.3  +0.1  145      ---     ขอเชิญผู้สนใจร่วมงานสัมมนา Capital Market Research Forum หัวข้อ "ประเทศไทยจะรับมืออย่างไรกับแรงงานที่หายไป" 19 ก.ค. นี้ 13.00 - 16.00 น. อาคารตลาดหลักทรัพย์แห่งประเทศไทย ลงทะเบียนฟรีที่ www.set.or.th    ---     TFEX ชวนแข่งขันส่งคำสั่งซื้อขายอนุพันธ์ด้วย Algorithmic Trading เทรดด้วยเงินจำลอง บนตลาดเสมือนจริง ชิงรางวัลกว่า 100,000 บาท แข่งขันแบบออนไลน์ได้จากทุกที่ และพบ TFEX Buddy ที่จะช่วยให้คำแนะนำกลยุทธ์การซื้อขายใน TFEX สมัครวันนี้-31 ก.ค. ที่ www.TFEX.co.th    ---    

เศรษฐศาสตร์กับการรู้และเข้าใจเหตุที่มาของสิ่งทั้งปวง

15 May 2019
อ่าน 1,029 ครั้ง

 

สิ่งหนึ่งที่ผู้เขียนแทบมิได้ใส่ใจเลยเมื่อเป็นนักศึกษา แต่กลับนึกถึง รู้สึกเข้าใจและซาบซึ้งมากขึ้นเมื่อโตขึ้นมาก็คือ คติพจน์ของมหาวิทยาลัย ซึ่งแปลจากภาษาลาตินเป็นภาษาอังกฤษว่า “To know/understand the causes of things” และ ดร.สายป่าน ปุริวรรณชนะ ได้กรุณาช่วยแปลเป็นภาษาไทยให้ว่า “เพื่อรู้/เข้าใจเหตุที่มาของสิ่งทั้งปวง” เมื่อย้อนกลับไปถึงชีวิตในมหาวิทยาลัย ก็พบว่าเนื้อหาและกระบวนการวิธีที่ครูอาจารย์อบรมบ่มสอนมา ก็ล้วนแล้วแต่มีรากฐานและสอดคล้องกับคติพจน์ของมหาวิทยาลัยทั้งสิ้น

ในบทความนี้ ผู้เขียนขอนำเสนอว่าทำไมหัวใจของเศรษฐศาสตร์จึงเกี่ยวโยงกับ “To know/understand the causes of things” และนักเศรษฐศาสตร์มีวิธี กระบวนการ และเครื่องมืออะไรเพื่อช่วยนำเราไปสู่การรู้และเข้าใจเหตุที่มาของสิ่งทั้งปวง

ในบทเรียนแรก สิ่งที่พวกเราได้ทำความรู้จักก็คือความแตกต่างระหว่าง positive economics และ normative economics ซึ่ง positive economics คือ เศรษฐศาสตร์ในฐานะศาสตร์วิชาที่ต้องการทำความเข้าใจและอธิบายปรากฏการณ์ต่างๆ ทางเศรษฐกิจและสังคม ในฐานะศาสตร์วิชาที่ต้องการรู้และเข้าใจเหตุและผลของปรากฏการณ์นั้นๆ เช่น ทำไมประเทศต่างๆ ในโลกจึงรํ่ารวยหรือยากจนไม่เท่ากัน อะไรเป็นสาเหตุของการเจริญเติบโตทางเศรษฐกิจ ฯลฯ

ในที่นี้ เศรษฐศาสตร์ก็มีกระบวนการหาคำตอบเหมือนวิทยา ศาสตร์ เราสังเกต ตั้งคำถาม และสร้างทฤษฎีขึ้นมาอธิบายสิ่งที่เราสงสัย (ปัจจุบันนักเศรษฐศาสตร์ใช้การพิสูจน์ทางคณิตศาสตร์เข้ามาประกอบในทฤษฎี ส่วนหนึ่งเพราะบางครั้งตรรกะของมนุษย์ก็อาจมีอคติ) และเราก็ต้องมีการทดสอบทฤษฎี ด้วยการหาหลักฐานและข้อมูล แล้วนำมาวิเคราะห์โดยใช้หลักทางเศรษฐมิติ (สถิติที่พัฒนาเพื่อใช้กับข้อมูลทางเศรษฐศาสตร์และสังคมที่เต็มไปด้วยข้อจำกัดและความซับซ้อน หลากหลาย)

ถ้าผลจากการวิเคราะห์บ่งชี้ว่าทฤษฎีนี้ยังไม่ครบถ้วนหรือไม่สามารถอธิบายสิ่งที่เราสงสัยได้ เราก็จะปรับ ปรุง สร้างทฤษฎีใหม่ แล้วก็ทดสอบทฤษฎีใหม่กัน นั่นหมายถึง เราพยายามมองโลกอย่างปราศจากอคติ (value- free) เราต้องการอธิบายเหตุและผลของสิ่งที่เกิดขึ้นในโลก สิ่งที่เราคิดไว้ ถ้าหลักฐานแสดงว่าผิด เราก็พร้อมที่จะเปลี่ยนความคิด ไม่ใช่นำความเห็นของเราไปครอบว่าโลกควรจะเป็นอย่างไร ซึ่งแตกต่างกับ normative economics ที่นำความเห็น ความคาดหวัง ความคิดและอุดมคติต่างๆ มาประกอบว่าระบบหรือนโยบายทางเศรษฐกิจควรเป็นอย่างไร หลายคนบอกว่า เราสามารถเรียก positive economics สั้นๆ ได้ว่า “what is” ส่วน normative economics ก็คือ “what should be”

ถึงตอนนี้ ท่านผู้อ่านคงจะเดาไม่ยากจากคติพจน์ประจำมหาวิทยาลัยของผู้เขียนว่า บทเรียนหลังจากบทแรกในรั้วมหาวิทยาลัยของผู้เขียนล้วนแล้วแต่เพื่อตอบคำถาม “what is” เพราะก่อนที่จะสามารถบอกได้ว่านโยบายทางเศรษฐกิจควรเป็นอย่างไร หรือ “what should be” เราควรเข้าใจและสามารถอธิบายสิ่งที่เราเห็นทางเศรษฐกิจและในแง่มุมต่างๆ ให้ได้เสียก่อน ว่ามีที่มาที่ไปเกิดจากอะไร เช่น ถ้าอยากขจัดความยากจน ก็ต้องเข้าใจก่อนว่าอะไรเป็นสาเหตุแห่งความยากจน การที่พยายามบอกว่า “what should be” โดยปราศจากความเข้าใจถึงเหตุที่มาของสิ่งทั้งปวง หรืออย่างน้อยการพยายามทำความเข้าใจ เป็นเรื่องอันตราย

เพราะฉะนั้นจะเห็นได้ว่าการพิสูจน์ทฤษฎีมีความสำคัญมาก เศรษฐศาสตร์ให้ความสำคัญอย่างมากว่า หลักฐานที่เรานำมาสนับสนุนหรือหักล้างทฤษฎีนั้นน่าเชื่อถือแค่ไหน เรียกได้ว่าเราไม่ได้แค่พยายามประเมินเฉพาะทฤษฎี แต่ความน่าเชื่อถือของหลักฐานก็ต้องถูกนำมาประเมินด้วย

ประโยคหนึ่งที่ผู้เขียนยังจดจำได้แม่นยำจากอาจารย์ก็คือ “Correlation does not imply causation” หมายความว่า การที่เราเห็นความสัมพันธ์ระหว่างสิ่ง 2 สิ่ง (correlation) ไม่ได้หมายความว่า สิ่งทั้ง 2 สิ่งต้องเป็น เหตุและผลของกันและกัน (causation) และถ้าย้อนกลับไปว่านักเศรษฐศาสตร์ต้องการอธิบายต้นสายปลายเหตุของปรากฏการณ์ทางเศรษฐกิจและสังคม วิธีการวิเคราะห์ข้อมูลที่บอกได้แต่ correlation แต่ไม่สามารถบอก causation ได้ ย่อมทำให้ข้อสรุปผิดเพี้ยน


 

ตัวอย่างคลาสสิกที่พวกเราต้องเรียนกันก็คือ ทฤษฎีที่บอกว่าการสะสมทุนมนุษย์ด้วยการศึกษาจะช่วยพัฒนารายได้ของประเทศ ถ้าจะพิสูจน์ทฤษฎีนี้เราจะทำอย่างไร บางคนอาจจะบอกว่า ไม่เห็นต้องทำอะไรเลย เราก็เห็นกันอยู่แล้วไม่ใช่หรือว่าประเทศที่คนมีการศึกษามากและดี เป็นประเทศที่รํ่ารวย หรือบางคนก็อาจบอกว่าเราเก็บข้อมูลการศึกษาและรายได้ของทุกประเทศแล้วมาทำสมการถดถอย แต่นักเศรษฐศาสตร์จะบอกว่า นี่เป็นหลักฐานเพียงแค่ความสัมพันธ์ ไม่ใช่เหตุปัจจัย

ความสัมพันธ์ที่เราเห็นอาจเป็นเพราะว่าประเทศที่รํ่ารวยสามารถมีรายได้หรืองบประมาณมาสนับสนุนให้คนในประเทศมีการศึกษาดีได้มากกว่า ซึ่งเป็นการสลับเหตุและผลกับทฤษฎีข้างต้น (reverse causality) หรือความสัมพันธ์ที่เราเห็นอาจจะเป็นเพราะว่ามีเหตุปัจจัยอื่นที่เป็นสาเหตุของทั้งการศึกษาที่ดีและรายได้ที่ดี จึงทำให้ดูเหมือนว่าการศึกษาและรายได้มีความสัมพันธ์กัน (omitted variable problem หรือ confounding factors) เช่น ประเทศที่มีเศรษฐกิจแบบพึ่งพาภาคอุตสาหกรรมที่ใช้เทคโนโลยีขั้นสูงจะทำให้มีความต้องการแรงงานที่มีคุณภาพสูงและอาจทำให้คนมีแรงจูงใจในการศึกษาเพื่อพัฒนาตนเองมากกว่า

แต่ในขณะเดียวกันเทคโนโลยีขั้นสูงก็มีผลโดยตรงกับรายได้ที่สูงด้วย ในที่นี้เทคโนโลยีขั้นสูงเป็นตัวขับเคลื่อนทั้งการศึกษาและรายได้ ทำให้เราเห็นความสัมพันธ์ของการศึกษาและรายได้ โดยที่ทั้ง 2 อาจจะไม่ได้เป็นผลของกันและกัน (นี่เป็นเพียงตัวอย่าง ไม่ได้หมายความว่าจำเป็นต้อง เป็นอย่างนี้ในความเป็นจริงนะคะ)

เพื่อช่วยในการหาเหตุปัจจัย สิ่งที่อาจจะง่ายที่สุดที่นักเศรษฐศาสตร์ทำก็คือพยายามออกแบบการทดลองให้คล้ายคลึงกับวิทยาศาสตร์ แต่อาศัยเหตุการณ์ที่เกิดขึ้นจริง (quasi-natural experiment) และบางครั้งเป็นเหตุการณ์ที่เกิดจากการเปลี่ยนนโยบาย (policy experiment) จากตัวอย่างขั้นต้น คำถามที่เราสนใจเป็นในรูปมหภาค แต่เราสามารถทอนมาดูในแบบจุลภาคได้ กล่าวคือ ในระดับบุคคล ถ้ามีการศึกษามากขึ้น รายได้ของเขาจะดีขึ้นไปด้วย ในการหาหลักฐานแบบ
quasi-natural/policy experiment เราต้องการเหตุการณ์หรือปัจจัยหรือนโยบายหนึ่งที่ทำให้จู่ๆ คนมีการศึกษามากขึ้น แต่ไม่เกี่ยวข้องสัมพันธ์กับรายได้โดยตรงหรือปัจจัยอื่นๆ ที่จะกระทบรายได้ นักเศรษฐศาสตร์เรียกว่าเป็น exogenous factor (ปัจจัยภายนอก)

ยกตัวอย่างเช่น งานวิจัย Duflo (2001) ใช้การสร้างโรงเรียนทั่วประเทศครั้งใหญ่ในประเทศอินโดนีเซีย ช่วงทศวรรษ 1970 เพราะงบประมาณที่เพิ่มขึ้นจากการเพิ่มขึ้นของราคานํ้ามันดิบมาเป็นปัจจัยภายนอกที่เพิ่มการศึกษา (เพิ่มโครงสร้างทางการศึกษา) แล้วมาทดสอบว่าเมื่อเปรียบเทียบรายได้ระหว่างรุ่นของคนที่มีอายุอยู่ในช่วงที่ไปโรงเรียนก่อนและหลังการสร้างโรงเรียนทั่วประเทศครั้งใหญ่นี้ และระหว่างคนที่อยู่ในเขตที่ได้รับการสร้างโรงเรียนมากน้อยต่างกัน


 

เราพบว่าคนที่วัยเด็กได้รับผลกระทบจากการสร้างโรงเรียนมากกว่าและน่าที่จะได้รับการศึกษามากกว่ามีรายได้สูงกว่าจริงหรือไม่ (ผลคือจริง) ในที่นี้จะเห็นว่านอกจากเราอาศัยปัจจัยภายนอกแล้ว เรายังต้องมีความแตกต่างในการได้ปัจจัยภายนอกของคนแต่ละคนอีกด้วย (ทั้งในเชิงรุ่นที่ได้โรงเรียนเพิ่ม กับพื้นที่ที่ได้ความหนาแน่นโรงเรียนต่างกัน) ถ้าจะเปรียบง่ายๆ ทางวิทยาศาสตร์ก็เหมือนเรามีทั้ง control group (กลุ่มควบคุม) และ treatment group (กลุ่มที่ได้รับการทดลอง) 

อีกนัยหนึ่งก็คือเรามีทั้งต้นไม้ที่ได้รับแสง และไม่ได้รับแสง แต่ quasi-natural experiment ก็มีข้อด้อยและการหา quasi-natural experiment ที่น่าเชื่อถือก็ไม่ใช่เรื่องง่าย นักเศรษฐศาสตร์จึงพัฒนาเครื่องมือทางเศรษฐมิติต่างๆ อย่างต่อเนื่อง เพื่อช่วยในการหาหลักฐานที่น่าเชื่อถือในการอธิบายเหตุปัจจัยของสิ่งต่างๆ ในด้านเศรษฐศาสตร์และสังคมศาสตร์ เช่น instrumental variable strategy ซึ่งมีพื้นฐานมาจากการใช้ปัจจัยภาย นอกเช่นกัน

ถึงแม้ว่า ในบทความนี้ผู้เขียนไม่ได้นำงานวิจัยและผลจากงานวิจัยมาเล่าสู่กันฟังอย่างที่เคยเป็น แต่ก็หวังว่าบทความจะช่วยให้ผู้อ่านตั้งคำถามว่า ทุกครั้งที่เราได้ยินนักเศรษฐศาสตร์หรือท่านผู้รู้พูดถึงเศรษฐศาสตร์หรือเศรษฐกิจ เขากำลังพูดถึงสิ่งนั้นในฐานะ positive economics ที่ไม่มีอคติมาเป็นตัวนำ หรือ normative economics ซึ่งผสมปนกับความเชื่อ และความคิดของผู้พูด แล้วถ้าสิ่งที่เขากำลังพูดถึงเป็น positive economics วิธีการและหลักฐานที่นำมาได้ซึ่งสิ่งนั้นมีความน่าเชื่อถือแค่ไหน เป็นเพียงแค่การสังเกตและการแสดงความสัมพันธ์แบบง่ายๆ หรือได้ผ่านกระบวนการการวิเคราะห์ที่น่าเชื่อถือเพื่อ “การรู้และเข้าใจเหตุที่มาของสิ่งทั้งปวง”

 

เอกสารอ้างอิง

Duflo, E., 2001. Schooling and labor market consequences of school construction in Indonesia: Evidence from an unusual policy experiment.American economic review,91(4), pp.795-813.

เศรษฐเสวนา จุฬาฯทัศนะ โดย ดร.ธันยพร จันทร์กระจ่าง คณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย

หน้า 7 หนังสือพิมพ์ฐานเศรษฐกิจ ฉบับ 3470 ระหว่างวันที่ 16 - 18 พฤษภาคม 2562


ไม่พลาดข่าวสำคัญ แค่กดเป็นเพื่อน กับ LINE @thansettakij