Page 62 -

ื
ิ
์
ิ
ิ
ิ
โครงการหนังสออเล็กทรอนกสด้านการเกษตร เฉลมพระเกียรตพระบาทสมเด็จพระเจ้าอยู่หัว
เหมือนกัน ระดับของการเข้าร่วมโครงการควรเป็นอิสระจากผลลัพธ์ศักยภาพที่เกิดขึ้น หรืออีกนัยหนึ่ง ข้อสมมติ
(a) กำหนดว่าทุกตัวแปรที่เป็นปัจจัยกำหนดการตัดสินใจเข้าร่วมโครงการและผลลัพธ์ที่เกิดจากโครงการจะต้องถูก

สังเกตได้โดยนักวิจัยซึ่งคุณภาพของชุดข้อมูลเป็นสิ่งสำคัญมาก ข้อสมมติ (a) นี้ถูกใช้อย่างแพร่หลายในหลายงานที่
พัฒนาตัวประมาณค่า อาทิ Heckman, Ichimura, and Todd (1998), Imbens (2004), Heckman and
Vytlacil (2007), Imbens and Wooldridge (2009), and Wooldridge (2010) ส่วนข้อสมมติ (b) บอกว่า
สำหรับทุก ๆ x ที่เป็นไปได้ในประชากร จะมีความน่าจะเป็นในเชิงบวกที่บางครัวเรือนซึ่งมีรูปแบบ x นั้นๆ จะเข้า

ร่วมโครงการในแต่ละระดับ กล่าวคือ เราจำเป็นจะต้องสังเกตครัวเรือนต่างๆ ตามลักษณะของ x เพื่อที่จะทราบ
การแจกแจงผลลัพธ์ศักยภาพสำหรับครัวเรือนลักษณะนั้น


ฟังก์ชัน ( ) =p x p 0 ( ), p 1 ( ),..., p J (x  ) นี้ได้ถูกเรียกว่า คะแนนความโน้มเอียงแบบทั่วไป
x
x
(Generalized Propensity Score: GPS) ซึ่งถูกนำเสนอครั้งแรกโดย Imbens (2000) เมื่อใช้ข้อสมมติที่ 1
Cattaneo (2010) ได้เสนอตัวประมาณค่าที่มีความยืดหยุ่นแบบ Semiparametric ที่เรียกว่า Efficient-
Influence-Function (EIF) Estimator ซึ่งตัวประมาณค่าสามารถคำนวณหาได้โดยการประมาณค่าพารามิเตอร์
ของประชากรสำหรับแต่ละการแจกแจงผลลัพธ์ศักยภาพ และทำการรวมค่าพารามิเตอร์เข้าด้วยกัน ตัวประมาณ

EIF มีข้อได้เปรียบตัวประมาณอื่นๆ เช่น ตัวประมาณ inverse-Probability Weighted (IPW) เนื่องจากมี
คุณสมบัติที่เรียกว่า Double-Robust ซึ่งทำให้มีเสถียรภาพค่อนข้างสูงเมื่อเทียบกับตัวประมาณอื่น (Cattaneo,
Drukker, & Holland, 2013) โดยสามารถทำการประมาณค่าได้ดังสมการต่อไปนี้

n
ˆ  s.th 1    ;z  ˆ , p x ˆ ( ;  ) = 0
( ),e 
ˆ
ˆ
EIF
, j
n i= 1 EIF i EIF , j j i j EIF , j
( ;
d ( )(y −  ) e x )
j
โดยที่   ;z , p ( ), ( ˆ ;  ) = i i j − j i j  ( )d j − p (x  )
e
x
EIF i j j i j j i i i
x
x
p j ( ) p j ( )
i
i

สำหรับนโยบายเกษตรของไทย แม้เราจะไม่สามารถหาเกษตรกรที่ไม่ได้รับนโยบายใดๆ เลย ในโลกแห่ง
ความเป็นจริง แต่เกษตรกรรายเดียวอาจไม่ได้เข้าร่วมทุกนโยบาย ดังนั้น ความหลากหลายที่เกิดขึ้นจากการเข้าร่วม
นโยบายต่างๆ จะช่วยทำให้งานวิจัยชิ้นนี้สามารถสกัดหาผลกระทบของโครงการได้เป็นอย่างดี นอกจากนั้น
โครงการแต่ละโครงการย่อมมีคุณภาพที่ต่างกัน ซึ่งวิธีการประเมินผลที่ได้นำมาใช้สามารถแยกแยะคุณภาพของ
นโยบายได้ และทำให้กระทบที่ต่างกันในแต่ละนโยบาย

สำหรับขั้นตอนในการประมาณค่าผลกระทบจากสมการข้างต้น ซึ่งเป็นการคำนวณหาตัวประมาณค่าที่มี
ชื่อเรียกว่า Efficient Influence Function Estimator (EIFE) วิธีการนี้จะทำการประมาณค่าคะแนนความโน้ม
เอียงแบบทั่วไป (Generalized Propensity Score: GPS) ซึ่งก็คือค่า p(x) โดยใช้วิธี Multinomial Logit

Regression โดยตัวแปรตามคือ รูปแบบต่างๆ ของนโยบายที่เกษตรกรที่เข้าร่วม ซึ่งเกษตรกรแต่ละรายอาจเข้า
ร่วมโครงการที่แตกต่างๆ ในรูปแบบต่างๆ เช่น สมมติว่ามีนโยบายของรัฐ 3 นโยบาย ได้แก่ นโยบาย A นโยบาย B

44