……….

เมื่อช่วงต้นปีที่ผ่านมา มีดราม่าครั้งใหญ่ของวงการ IT ที่น่าสนใจสำหรับนักเศรษฐศาสตร์ด้วย เรื่องของเรื่องมีอยู่ว่า นักวิชาการจากภาควิชาวิศวกรรมเครื่องกลและอากาศยาน แห่งมหาวิทยาลัย Princeton ได้นำเสนอบทความชิ้นหนึ่งที่ทำการวิเคราะห์ว่า Facebook จะสูญเสียผู้ใช้งานลงไปประมาณ 80% เมื่อเปรียบเทียบกับในขณะนั้น และอาจจะต้องปิดตัวลงในเวลาหลังจากนั้นไม่นาน

บทความนี้อาจไม่ได้รับความสนใจมากนัก หากไม่ได้ถูกโต้แย้งกลับโดยนักวิทยาศาสตร์ที่ทำงานวิจัยอยู่ใน Facebook เอง ข้อโต้แย้งที่สำคัญเป็นประเด็นเดียวกับงานทางด้านเศรษฐมิติยุคใหม่ (Modern Econometrics) ซึ่งก็คือ “ความสัมพันธ์ทางสถิติไม่ใช่สิ่งเดียวกับความสัมพันธ์เชิงเหตุผล” (Correlation is not causation) โดยพวกเขานำเอาเทคนิควิธีที่นักวิทยาศาสตร์จาก Princeton วิเคราะห์จุดจบของ Facebook กลับไปวิเคราะห์ Princeton เอง และพบว่า Princeton จะต้องปิดตัวก่อน Facebook เสียอีก [น่ากลัวกันจริงๆ -"-]

“Nassau hall อาคารที่เก่าแก่ที่สุดของมหาวิทยาลัย Princeton” (ที่มาของภาพ)

เรื่องทั้งหมดเริ่มจาก Cannarella and Spechler (2014) ทำการมองการขยายตัวของเครือข่ายสังคมออนไลน์ (Online Social Networks; OSNs) ด้วยแบบจำลองทางด้านระบาดวิทยา (Epidemiological Models) โดยพวกเขาพิจารณาเครือข่ายสังคมออนไลน์สองประเภทคือ Facebook และ MySpace (ใช้ประสบการณ์ของ MySpace เป็นตัวควบคุมการอธิบายผลของ Facebook) นั่นหมายความว่า พวกเขามองปรากฎการณ์เหล่านี้ด้วยรูปแบบการแพร่กระจายของไวรัส ซึ่งมีสองช่วงเวลาคือช่วงของการติดเชื้อ (Infection) ที่ไวรัสระบาดเพิ่มขึ้น และช่วงของการฟื้นตัว (Recovery) ที่ไวรัสเริ่มลดลงอันเนื่องจากภูมิต้านทานที่สูงขึ้น และนี่คือสาเหตุที่พวกเขาเลือกใช้แบบจำลองที่มีชื่อว่า SIR model (Suspected-Infected-Recovered)

……….

Cannarella and Spechler (2014) ใช้ข้อมูลจาก Search Query จาก Google Trends ตั้งแต่ปี 2004 ถึงต้นปี 2014 มาวิเคราะห์ ดังภาพที่ ๑ ซึ่งจะเห็นว่า MySpace มีอายุอยู่ในช่วง 2004 ถึง 2012 โดยได้รับความนิยมสูงที่สุดในช่วงประมาณปลายปี 2007 ขณะที่ Facebook เกิดขึ้นมาตั้งแต่ปี 2006 และได้รับความนิยมสูงที่สุดในช่วงปลายปี 2013

“ภาพที่ ๑ ปริมาณการค้นหาข้อมูลของ MySpace และ Facebook จาก Google Trends”

พวกเขานำเอาแบบจำลอง SIR มาจับกับวงจรชีวิตของ MySpace ได้ผลดังภาพที่ ๒ ซึ่งจะเห็นว่าแบบจำลองนี้สามารถอธิบายการเกิดขึ้นและจบลงของเครือข่ายสังคมออนไลน์ได้ค่อนข้างดี (ข้อมูลจริงค่อนข้างฟิตกับเส้นประมาณการของแบบจำลอง)

“ภาพที่ ๒ ปริมาณการค้นหาข้อมูลของ MySpace และผลการประมาณค่าจากแบบจำลอง SIR (ซ้าย) และ irSIR หรือ SIR ปรับค่า (ขวา)”

เมื่อนำเอาแบบจำลอง SIR ดังกล่าวมาวิเคราะห์ข้อมูล Query ของ Facebook และพยากรณ์ต่อไปในอนาคต ดังภาพที่ ๓ จะพบว่า Facebook น่าจะมีความนิยมลดลงจนเหลือประมาณ 20% ของความนิยมสูงที่สุด (พิจารณาจากเส้นตรงแนวราบที่มีค่า y=20) ประมาณปี 2015 ถึง 2017

“ภาพที่ ๓ ปริมาณการค้นหาข้อมูลของ Facebook และผลการประมาณค่าจากแบบจำลอง SIR”

……….

แน่นอนว่า Facebook ก็คงไม่อยู่นิ่งเป็นแน่ Mike Develin นักวิทยาศาสตร์ฝั่ง Facebook ชี้ให้เห็นจุดอ่อนบางประการของงานวิจัยว่า ๑) MySpace กับ Facebook ไม่เหมือนกัน การเกิดขึ้นและจบลงของ MySpace ไม่เกี่ยวข้องและไม่อาจนำมาใช้วิเคราะห์ Facebook ได้ ๒) วงจรชีวิตของ Facebook ไม่เหมือนกับแบบจำลองระบาดวิทยา เพราะเครือข่ายสังคมออนไลน์ไม่ได้เหมือนกับการแพร่กระจายของไวรัสเสียทั้งหมด และ ๓) Search Query จาก Google Trends ที่ลดลงนั้น มาจากการที่ผู้ใช้ใช้ Facebook ผ่าน App ในโทรศัพท์มือถือโดยตรง จึงไม่ถูกนับโดย Google Trends ดังนั้นการที่กล่าวว่าความนิยมต่อ Facebook ลดลงอาจไม่ถูกต้องนัก

ที่เจ็บแสบกว่านั้น เขาได้นำเอากรอบแนวคิดแบบจำลอง SIR ที่ Cannarella and Spechler (2014) ใช้วิเคราะห์ Facebook กลับไปวิเคราะห์ Princeton เอง และยังได้ปิดจุดอ่อนบางประการด้วย Develin ใช้จำนวนการตีพิมพ์บทความวิชาการของ Princeton ตั้งแต่ปี 1940 จนถึงปัจจุบันมาวิเคราะห์การเกิดขึ้นและดับลงของ Princeton ทั้งนี้ เพราะจำนวนบทความที่ตีพิมพ์ในวารสารวิชาการเป็นสิ่งที่สำคัญมากๆ ต่อการอยู่รอดของมหาวิทยาลัยในสหรัฐอเมริกา โดยเฉพาะมหาวิทยาลัยที่มีชื่อเสียงระดับต้นๆ

ผลการวิเคราะห์แสดงได้ตามภาพที่ ๔ ซึ่งจำนวนบทความตีพิมพ์ในวารสารวิชาการของ Princeton กำลังลดลง และเมื่อใช้แบบจำลอง SIR มาวิเคราะห์จะพบว่าการตีพิมพ์ดังกล่าวจะลดลงจนเกือบจะหมดไปตั้งแต่ก่อนปี 2020 ซึ่งมีอัตราการลดลงเร็วกว่าความนิยมของ Facebook เสียอีก

“ภาพที่ ๔ ปริมาณการตีพิมพ์บทความวิชาการของ Princeton และผลการประมาณค่าจากแบบจำลอง SIR”

……….

Develin ได้วิเคราะห์เพิ่มเติมอีกสองประเด็นเพื่อปิดข้อโต้แย้งที่จะเกิดขึ้น ประเด็นแรก เขาเริ่มจากการพิจารณาความสัมพันธ์ระหว่างปริมาณการค้นหาข้อมูลของมหาวิทยาลัยทางอินเตอร์เน็ต (Search Index) กับจำนวนนักศึกษาที่สมัครเข้าเรียนในมหาวิทยาลัยนั้นๆ (Enrollment) โดยเขาพบว่ามีความสัมพันธ์กันในทางบวกอย่างชัดเจน ดังภาพที่ ๕ หรือกล่าวได้อีกอย่างว่ามหาวิทยาลัยที่ถูกค้นหาทางอินเตอร์เน็ตมากก็จะมีนักศึกษาสมัครเข้าเรียนมากตามไปด้วย

“ภาพที่ ๕ ความสัมพันธ์ของปริมาณการค้นหาข้อมูลกับจำนวนผู้สมัครของมหาวิทยาลัยแต่ละแห่ง”

จากนั้นเขาพิจารณาปริมาณการค้นหาข้อมูลเกี่ยวกับมหาวิทยาลัย Princeton และพบว่าลดลงอย่างต่อเนื่องตั้งแต่ปี 2004 ดังภาพที่ ๖ นั่นย่อมหมายความปริมาณการสัมครหรือความสนใจที่จะสมัครของนักศึกษาที่มีต่อมหาวิทยาลัย Princeton กำลังลดลงด้วย โดยจะลดลงเหลือครึ่งหนึ่งจากจำนวนความสนใจในปัจจุบันในปี 2018 และจะไม่มีนักศึกษามาสมัครเลยในปี 2021

“ภาพที่ ๖ ปริมาณการค้นหาข้อมูลของมหาวิทยาลัย Princeton”

สำทับด้วยประเด็นที่สองจากข้อมูลการกด LIKE เพจของ Princeton กับมหาวิทยาลัยคู่แข่งอย่าง Harvard และ Yale ก็พบว่าของ Princeton มีลดลงมานานแลัว และยังไม่มีแนวโน้มจะเพิ่มขึ้นอีกด้วย ดังภาพที่ ๗

“ภาพที่ ๗ ปริมาณการ LIKE ของมหาวิทยาลัย Princeton และมหาวิทยาลัยคู่แข่ง”

……….

ข้อสรุปของ Develin ที่มีต่อ Cannarella and Spechler (2014) ก็คือการนำเอาแบบจำลองใดใดก็ตามมาวิเคราะห์ความเป็นจริง จำเป็นต้องคำนึงถึงบริบทหลายประการ ไม่ใช่แค่หาคำตอบและสรุปจากแบบจำลองเท่านั้น นั่นก็คือ ผลที่ได้จากตัวเลขไม่ได้บอกเหตุและผลเสมอไป เขาจึงนำเอาวิธีคิดเดียวกันมาวิเคราะห์องค์กรที่ Cannarella and Spechler (2014) สังกัดอยู่ นั่นก็คือ Princeton และตั้งคำถามว่ามันจะเป็นอย่างนั้นจริงๆ หรือ

“ภาพบรรยากาศภายในสถานที่ทำงานของ Facebook” (ที่มาของภาพ)

อย่างไรก็ตาม อย่าเครียดมากกับข้อถกเถียงนี้นะครับ เพราะ Develin เองก็เขียนในข้อสรุปของเขาว่า เขารัก Princeton และ Princeton ก็ผลิตนักวิทยาศาสตร์เก่งๆ จำนวนมาก เพียงแต่ Correlation is not causation นะครับ เพื่อนๆ ^^

ที่มา:
- John Cannarella, Joshua A. Spechler (2014) “Epidemiological modeling of online social network dynamics” Social and Information Networks (cs.SI); Physics and Society (physics.soc-ph).
- Mike Develin (2014) “Debunking Princeton” online here.

featured image from here

……….

[เสด-ถะ-สาด].com ขอนำเสนอบทความของ James Heckman (2010) นักเศรษฐศาสตร์รางวัลโนเบล เกี่ยวกับการประมาณการทัศนคติของพระเจ้าที่มีต่อมนุษย์ โดยใช้ข้อมูลเกี่ยวกับการสวดมนต์มาเป็นปัจจัยกำหนด เรื่องนี้อ่านแล้วนึกถึงอีกบทความหนึ่งของ Paul Krugman เรื่อง “การค้าระหว่างดวงดาว”จะเกิดได้จริงหรือไม่ในทางเศรษฐศาสตร์? เหมือนกันนะครับ ^^

อย่างไรก็ดี บทความนี้อาจจะสั้นๆ ห้วนๆ ทั้งนี้ก็เพราะ Heckman (2010) เขียนเรื่องนี้ไว้ไม่ถึงหนึ่งหน้าเนื้อหา (ไม่รวมตารางและกราฟ) เพียงแต่ [เสด-ถะ-สาด].com เห็นว่าเป็นเรื่องที่น่าสนใจและน่าจะนำไปต่อยอดได้ครับ

“ภาพวาดฝาผนังในพิพิธภัณฑ์วาติกันที่แสดงให้เห็นว่าโลกมนุษย์กับสวรรค์ห่างกันแค่เพียงปลายนิ้ว” (ที่มาของภาพ)

Heckman (2010) ใช้ข้อมูลจากการสำรวจของ National Opinion Research Center เกี่ยวกับเรื่องทัศนคติทางด้านศาสนา และใช้วิธีวิเคราะห์ในแบบเดียวกับ Singh (1977) โดยกำหนดให้ Y คือทัศนคติของพระเจ้าที่มีต่อมนุษยชาติ มีค่าอยู่ระหว่าง 0 ถึง 1 X คือความหนาแน่นของจำนวนผู้สวดมนต์เมื่อเปรียบเทียบกับจำนวนประชากร มีค่าอยู่ระหว่าง 0 ถึง 1 เช่นกัน คือฟังก์ชันความหนาแน่นของประชากรผู้สวดมนต์ (Population Density of Prayer) [Heckman (2010) อ้างว่าเอาฟังก์ชันนี้มาจาก Greeley, A. M. (1972). Unsecular man: The persistence of religion. New York: Schocken Books. แต่ [เสด-ถะ-สาด].com ไม่สามารถหาหนังสือเล่มนี้ได้จริงๆ เลยไม่สามารถบอกได้ว่าฟังก์ชันหน้าตาเป็นอย่างไร]

……….

การที่คนจะสวดมนต์มากหรือน้อยนั้น ขึ้นอยู่กับศรัทธาที่มีต่อพระเจ้า ดังนั้น ฟังก์ชันความหนาแน่นของการสวดมนต์ย่อมอยู่ที่เงื่อนไขของทัศนคติของพระเจ้าด้วย (Conditional Density of X given Y) แสดงได้ว่า โดย เป็นฟังก์ชันที่ไม่รู้รูปแบบ

อย่างไรก็ดี จะทำให้เราสามารถประมาณค่าสมการทัศนคติของพระเจ้า (Y) ที่เกิดจากความหนาแน่นของการสวดมนต์แต่ละระดับ (X=x) จากฟังก์ชันความหนาแน่นของประชากรผู้สวดมนต์ของ Greeley ซึ้่งมีข้อมูลของฟังก์ชันนี้ว่า คนส่วนใหญ่มีสองจำพวกคือไม่สวดมนต์เลย และสวดมนต์เยอะมากๆ และจากข้อมูลของ Greeley ช่วยให้เราได้ข้อสรุปตามความหนาแน่นของการสวดมนต์ในแต่ละช่วง ดังตารางที่ ๑ และรูปที่ ๑

“ตารางที่ ๑ ผลการประมาณค่าสมการในแต่ละช่วง”

“ภาพที่ ๑ ผลการประมาณค่าสมการในแต่ละช่วง”

……….

ข้อสรุปของเรื่องนี้ก็คือ ถ้าคุณไม่สวดมนต์เลย คุณก็จะได้รับความเห็นใจจากพระเจ้าตามมีตามเกิด (เพียงเล็กน้อยตามหน้าที่ของพระเจ้า) ขณะที่ถ้าคุณสวดมนต์มากก็จะได้รับความเห็นใจจากพระเจ้ามากเช่นกัน ในส่วนของการสวดมนต์เพียงเล็กน้อยนั้น จะไม่ได้รับความเห็นใจจากพระเจ้า และอาจเสียเวลาเปล่าๆ (ผลที่ได้มีค่าเป็นลบ)

อย่างไรก็ดี ข้อสรุปของประเด็นนี้ไม่ได้รับคำอธิบายมากนักจาก Heckman (2010) ว่าทำไมการสวดมนต์น้อยจึงทำให้สถานการณ์แย่กว่าการไม่สวดมนต์เลย ทั้งนี้ก็เพราะ Heckman (2010) ต้องการชี้ให้เห็นคุณูปการของการคำนวณทางสถิติที่เราสามารถประมาณการตัวแปรบางประเภทที่ไม่อาจมองเห็นได้ด้วยตัวแปรที่มองเห็นได้ เขายังเสนอด้วยว่า เทคนิคนี้สามารถนำไปประมาณการความสัมพันธ์ระหว่างรายได้กับความสุข หรือความสัมพันธ์ระหว่างความไม่เท่าเทียมกันของรายได้กับคุณภาพของประชาธิปไตยได้ด้วย

ที่มา:
James Heckman, 2010. “The Effect Of Prayer On God’S Attitude Toward Mankind,” Economic Inquiry, Western Economic Association International, vol. 48(1), pages 234-235, 01.

featured image from here

……….

หลายคนอาจจะตั้งคำถามอยู่เสมอว่าละครก่อให้เกิดการเปลี่ยนแปลงในสังคมหรือไม่ จุดเริ่มต้นก็น่าจะตั้งแต่ละครเรื่อง “ระบำดวงดาว” ที่มีตัวเอกคือ “หวานหวาน” ตามด้วย “ดอกส้มสีทอง” ที่ตัวเอกคือ “เรยา” และล่าสุด ละครเรื่อง “แรงเงา” ในบทของ “มุนินทร์/มุตตา” ที่ในบท(รุน)แรงได้ใจคนไทยไปทั้งประเทศ

กระทรวงวัฒนธรรม หรือหน่วยงานทางด้านนิเทศศาสตร์จำนวนมาก ออกมาต่อต้าน/คัดค้านบทละครเรื่องเหล่านี้ตลอดมา เพราะเชื่อว่าความรุนแรงในละครจะส่งให้คนในสังคมมีความรุนแรงมากขึ้น หรืออย่างน้อยก็”รับได้”กับความรุนแรงมากขึ้น ขณะที่ผู้จัดละครและดารานักแสดงก็ออกมาโต้แย้งว่า “ไม่จริง เพราะประชาชนแยกแยะได้” และพวกเขาแค่ทำละครอย่างที่สังคมต้องการเท่านั้น ที่สำคัญดูได้จากยอดเรทติ้งที่พุ่งกระฉูด หยุดไม่อยู่เลยทีเดียว

……….

ในเชิงปรัชญา คำโต้เถียงของคนทั้งสองกลุ่มอยู่ภายใต้ความเชื่อที่ว่า ละครเป็น “ตะเกียง” ทำหน้าที่ให้ความสว่างเพื่อชี้นำสังคม หรือละครเป็น “กระจก” ทำหน้าที่เพียงสะท้อนความจริงของสังคมเท่านั้น

แล้วปรัชญาไหนน่าจะถูกต้อง คำตอบนี้อาจไม่ง่ายนัก ด้วยปัญหาทางเศรษฐมิติ ๒ ประการ ๑) ความรุนแรงมีอยู่แล้วในสังคมไทย เมื่อเนื้อหาของละครมีความรุนแรง และเกิดความรุนแรงขึ้นจริงในสังคม จะบอกได้อย่างไรว่าความรุนแรงนั้นมันจะเกิดอยู่แล้ว (แต่มีละครมาเป็นข้ออ้าง) หรือมันเกิดจากละครจริงๆ ๒) ผลกระทบของละครเป็นผลอาจเกิดขึ้นในระยะยาว แต่เนื่องจากละครที่มีความรุนแรงไม่ได้ถูกฉายอย่างต่อเนื่อง (มีเรื่องอื่นๆ ฉายคั่นในช่วงต่อจากเรื่องหนึ่งไปยังอีกเรื่องหนึ่ง) หากเกิดความรุนแรงขึ้นในอนาคต จะบอกได้อย่างไรว่าเป็นผลจากละครที่มีความรุนแรง

“ทีวีกับความรุนแรงที่อาจเกิดกับเด็ก” (ที่มาของภาพ)

……….

การตอบคำถามนี้ต้องอาศัยสถานการณ์พิเศษของบางพื้นที่ Jensen and Oster (2009) ทำการศึกษาผลกระทบของการดูโทรทัศน์ที่มีต่อสังคมในประเทศอินเดีย โดยมุ่งไปที่ความรุนแรงต่อผู้หญิง และทัศนคติต่อการมีบุตรชาย ซึ่งเป็นปัญหาใหญ่ของสังคมอินเดีย Sen (1992) ชี้ให้เห็นว่า ในแต่ละปี มีเด็กหญิงชาวอินเดียที่ควรจะได้เกิดแต่ไม่ได้เกิดประมาณ 41 ล้านคน อันเนื่องมาจากการปฏิบัติอย่างไม่ถูกต้องของแม่ จากทัศนคติของสังคมที่อยากได้ลูกชาย และหากเกิดมาแล้ว ก็ยังได้รับการปฏิบัติอย่างไม่เท่าเทียมทั้งการได้รับอาหาร สาธารณสุข และการศึกษา

โทรทัศน์เข้าสู่อินเดียเป็นครั้งแรกในปี 1959 และมีรายการอินเดียให้รับชมตลอดมา ต่อมา พื้นที่ชนบทของอินเดียก็เริ่มมี “เคเบิ้ลทีวี” แม้อาจจะดูเป็นเรื่องเล็กๆ แต่เคเบิ้ลทีวีทำให้ชาวอินเดียในเมืองได้เห็นวัฒนธรรมที่แตกต่างออกไป เพราะรายการจำนวนหนึ่งเป็นรายการของตะวันตก ทำให้ชาวอินเดียได้เห็นความเท่าเทียมกันระหว่างเพศ และอีกด้านของความเลวร้ายจากความรุนแรง

Jensen and Oster (2009) ทำการศึกษาตัวอย่าง 2,700 ครัวเรือนในช่วงปี 2001, 2002 และ 2003 ใน 4 เมือง (Bihar, Goa, Haryana และ Tamil Nadu) กับเมืองหลวงคือ Delhi สาเหตุที่พิจารณาการเข้ามาของเคเบิ้ลทีวีก็เพราะสัดส่วนของบ้านที่ดูเคเบิ้ลทีวีในชุมชนหนึ่งๆ อยู่ที่ร้อยละ 40-60 ทำให้สามารถเปรียบเทียบบ้านที่ดู(ได้รับผล)กับไม่ได้ดู(ไม่ได้รับผล)เคเบิ้ลทีวีในชุมชน(ที่มีวัฒนธรรม)เดียวกันได้ และเมื่อบ้านใดติดเคเบิ้ลแล้วก็มีแนวโน้มจะดูรายการทีวีจากเคเบิ้ลมากกว่ารายการจากช่องทีวีปกติด้วย

ตารางที่ ๑ แสดงให้เห็นว่า ผู้หญิงประมาณร้อยละ 30 “รับได้”กับความรุนแรงที่ถูกกระทำโดยผู้ชาย หากไม่ปฏิบัติตามครรลองของสังคม เช่น ดูแลลูกได้ไม่ดี ไม่แสดงความเคารพสามี ออกไปข้างนอกโดยไม่ได้บอกสามีก่อน หรือแม้แต่ครอบครัวของผู้หญิงไม่ให้เงินใช้ เป็นต้น รวมทั้ง ผู้หญิงที่ต้องการมีลูกประมาณร้อยละ 55 ต้องการลูกผู้ชาย ขณะที่เพียงร้อยละ 13 เท่านั้นที่ต้องการลูกผู้หญิง

“ตารางที่ ๑ ค่าสถิติเชิงพรรณาของความรุนแรงและทัศนคติต่อการมีลูกชายของผุ้หญิงชาวอินเดีย”

ความสัมพันธ์ระหว่างเคเบิ้ลทีวีที่มีผลต่อความรุนแรง และทัศนคติที่ต้องการลูกชาย เปรียบเทียบระหว่างบ้านที่ติดและไม่ติดเคเบิ้ลในชุมชนเดียวกัน แสดงให้เห็นในตารางที่ ๒ พบว่า เคเบิ้ลทีวีทำให้ความรุนแรงในครอบครัวลดลงประมาณ 3% ต่อปีอย่างมีนัยสำคัญ (= 0.1609/6×100) และทำให้ทัศนคติที่ต้องการลูกชายลดลงอย่างมีนัยสำคัญ 8.82% ต่อปีเช่นกัน แม้ว่าจะเป็นตัวเลขไม่มาก แต่ก็ลดลงอย่างชัดเจน และเมื่อเวลาผ่านไป สังคมก็จะค่อยๆ ดีขึ้นตามลำดับ

“ตารางที่ ๒ ผลการประมาณค่าสมการความสัมพันธ์ระหว่างเคเบิ้ลทีวีที่มีผลต่อความรุนแรง และทัศนคติที่ต้องการลูกชาย”

……….

มาถึงตรงนี้อาจมีข้อโต้แย้งว่า เคเบิ้ลทีวีไม่ได้หมายความเช่นเดียวกับละคร เพราะรวมไปถึงสารคดี ข่าวและรายการอื่นๆ ด้วย (แต่ที่จริง คนส่วนใหญ่ก็ดูละครมากกว่ารายการอื่นแน่ๆ) เนื่องด้วยความจำกัดของข้อมูลและสถานการณ์พิเศษที่จะวิเคราะห์เรื่องนี้ทำให้ไม่มีการศึกษาผลกระทบของละครที่มีต่อความรุนแรงโดยตรง แต่ก็มีงานศึกษาที่ยังคงให้ประโยชน์กับคำตอบเรื่องนี้ได้เช่นกัน

Ferrara, Chong and Duryea (2008) ทำการศึกษาเรื่องผลกระทบของละครช่วง Prime Time (พูดง่ายๆ ก็คือเหมือนละครหลังข่าวบ้านเรานี่เอง) ที่มีต่ออัตราการเกิดในประเทศบราซิล ซึ่งดูเหมือนจะไม่เกี่ยวกันเอามากๆ

ในช่วงประมาณปี 1980 Rede Globo ได้นำเอาละครจากโปรตุเกสเข้ามาฉายในบราซิล (ทั้งสองประเทศพูดภาษาเดียวกัน) และได้รับความนิยมอย่างล้นหลามจนกระทั่ง Rede Globo อาจเรียกได้ว่าเป็นผู้ผูกขาดละครหลังข่าวเพราะมีคนดูประมาณ 80-90% เลยทีเดียว โดยละครที่มาจากโปรตุเกส ซึ่งเป็นประเทศในยุโรป มักจะแสดงถึงความเป็นครอบครัวเล็ก แตกต่างจากสภาพสังคมของบราซิลโดยสิ้นเชิงที่เป็นครอบครัวใหญ่ มีลูกมาก ที่สำคัญ ละครจากยุโรปมักจะมีลักษณะที่ว่า ครอบครัวชนชั้นกลางถึงรวยจะเป็นครอบครัวเล็กและมีความสุข ขณะที่ครอบครัวใหญ่ที่มีลูกมากจะยากจนและไม่มีความสุข

“ละครเรื่องแรงเงาที่มีเรทติ้งสูงมาก” (ที่มาของภาพ)

ข้อค้นพบของ Ferrara, Chong and Duryea (2008) ไม่ต่างไปจาก Jensen and Oster (2009) ที่ว่าละครหลังข่าวมีผลทำให้อัตราการมีบุตรลดลงอย่างมีนัยสำคัญ ดังแสดงในตารางที่ ๓ ที่น่าสนใจก็คือ ละครหลังข่าวส่งให้อัตราการมีบุตรลดลงเร็วกว่าผลที่เกิดจากการให้การศึกษาที่ว่ามีลูกมากจะยากจนเสียอีก

“ตารางที่ ๓ ผลการประมาณค่าสมการความสัมพันธ์ระหว่างละครหลังข่าวกับอัตราการมีบุตร”

……….

แม้ว่าบทความทั้งสองชิ้นที่นำมา อาจไม่ได้ตอบคำถามตรงๆ ว่าเนื้อหาของละครมีผลต่อความรุนแรงแน่ๆ แต่ก็ได้ชี้ให้เห็นว่า รายการทีวีและละครมีผลต่อทัศนคติและวิถีการใช้ชีวิตของผู้คนในสังคมอย่างมีนัยสำคัญ ดังนั้น ละครจึงไม่ใช่มีบทบาทแค่เป็นกระจกที่สะท้อนสังคมจนเรทติ้งสูงและทำกำไรจากค่าโฆษณามากมายเท่านั้น แต่กลับเป็นตะเกียงที่ชี้นำสังคมให้เปลี่ยนแปลงไปในทิศทางที่ละครนำเสนอด้วย

อย่างไรก็ดี อาจจะโทษแค่ผู้จัดละครคงไม่ได้ เพราะสังคมเองก็ชื่นชม สนุกสนานและคิดว่าไม่เป็นไร ทุกวันนี้เราก็อาจจะเห็นคลิปเด็กตบกันจนรู้สึกธรรมดาไปแล้ว ขณะที่บางประเทศ เขาก็รับไม่ได้ ไม่แตกต่างไปจากการที่เราเห็นบางประเทศกินเนื้อสุนัขเป็นเรื่องรับไม่ได้ ทั้งๆ ที่คนในประเทศของเขาไม่รู้สึกอะไร

ที่น่าเสียดายคือ เรากำลังทำเหมือนกรณีของประเทศอินเดียในบทความแรก เพียงแต่เขาใช้รายการทีวีเพื่อลดความรุนแรงของสังคม แต่เราไม่ได้ทำแบบนั้น เท่านั้นเอง

ที่มา:
– Robert Jensen and Emily Oster, The Power of TV: Cable Television and Women’s Status in India, The Quarterly Journal of Economics (2009) 124(3): 1057-1094.
– Ferrara, Eliana La, Chong, Alberto and Duryea, Suzanne, Soap Operas and Fertility: Evidence from Brazil (June 2008). IDB Working Paper No. 533.

featured image from here and rabbit homepage image’s intuition from Antoinette Portis’s Drawing

……….

ก่อนยุคสมัยของการล่าอาณานิคมของยุโรป ทวีปแอฟริกาซึ่งประกอบด้วยกลุ่มชาติพันธุ์ต่างๆ เป็นจำนวนมากได้แบ่งพื้นที่กันอยู่อย่างชัดเจน ซึ่งอาจนับได้ว่าเป็นข้อตกลงโดยนัยรูปแบบหนึ่งของการป้องกันสงคราม กล่าวง่ายๆ ก็คือพื้นที่ของใครของมันที่รู้กันเอง ภาพที่ ๑ เป็นแผนที่ที่จัดทำโดยนักมานุษยวิทยาชื่อว่า Murdock ในปี 1959 ที่แสดงถึงแต่ละอาณาเขตของแต่ละกลุ่มชาติพันธุ์

“ภาพที่ ๑ อาณาเขตของกลุ่มชาติพันธุ์ในแอฟริกาก่อนการล่าอาณานิคม”

ต่อมาในช่วงปี 1884-1885 มีการประชุมเพื่อทำการตกลงแบ่งพื้นที่ปกครองไปเป็นของประเทศต่างๆ ในยุโรปขึ้น หรือที่เรียกว่า (The Berlin Conference) [หากใครเคยได้ยินคำว่า ทฤษฎีสมคบคิด (Conspiracy Theory) แล้วนึกไม่ออกว่ามันเป็นอย่างไร เหตุการณ์นี้เป็นตัวอย่างหนึ่ง] กล่าวคือ ประเทศต่างๆ ที่เป็นผู้ล่าอาณานิคมประชุมร่วมกันเพื่อแบ่งพื้นที่ของทวีปแอฟริกาออกเป็นส่วนๆ ทั้งๆ ที่ผู้ที่ประชุมกันนั้นยังไม่เคยเข้าไปถึงดินแดนภายในทวีปแอฟริกาด้วยซ้ำ ดังจะเห็นได้จากเส้นพรมแดนของประเทศโดยเฉพาะส่วนที่อยู่ลึกเข้าไปในแผ่นดิน(เข้าถึงได้ยากกว่าริมทะเล)ส่วนมากเป็นเส้นตรง และนี่คือมรดกจากประเทศผู้ล่าอาณานิคมที่แบ่งแยกประเทศแอฟริกาด้วยการขีดเส้นพรมแดนประเทศ (Artificial Border Design) โดยไม่สนใจกลุ่มชาติพันธุ์ที่อาศัยอยู่ในพื้นที่หรือแม้แต่พรมแดนธรรมชาติ ณ ที่แห่งนั้น ภาพที่ ๒ แสดงให้เห็นถึงพรมแดนของประเทศต่างๆ ที่จำนวนมากถูกลากแบ่งผ่านกลุ่มชาติพันธุ์ที่อาศัยอยู่เดิม

“ภาพที่ ๒ พรมแดนของประเทศในแอฟริกาที่ถูกลากเส้นแบ่งผ่านดินแดนที่กลุ่มชาติพันธุ์เคยอาศัยอยู่”

……….

ปัจจุบัน แอฟริกาเป็นทวีปที่มีการพัฒนาช้าและล้าหลังกว่าทวีปอื่นๆ ทั่วโลก งานในกลุ่มของ Acemoglu et al. (2001, 2002); La Porta et al. (1998, 1999) ชี้ให้เห็นว่าเป็นเพราะการล่าอาณานิคมที่แบ่งเส้นแดนประเทศอย่างไม่คำนึงถึงการอาศัยอยู่ของกลุ่มชาติพันธุ์ต่างๆ และรวมไปถึงยังทำให้ระบบตรวจสอบถ่วงดุล (Checks and Balances) และกระบวนการทางกฎหมาย (Legal Systems) ของประเทศนั้นๆ อ่อนแอภายหลังการประกาศอิสรภาพ เพราะประเทศยุโรปยังคงเข้าแทรกแซงในทางลับอยู่ต่อไป

ขณะที่งานในกลุ่มของ Herbst (2000); Gennaioli and Rainer (2006, 2007) กลับชี้ว่าสาเหตุของความไม่พัฒนาไม่ได้เกิดจากการล่าอาณานิคม เนื่องจากระยะเวลาของการปกครองของยุโรปเป็นไปเพียงช่วงสั้นๆ รวมทั้งพื้นที่ที่ยุโรปเข้าครอบงำนั้นค่อนข้างจำกัดในส่วนที่ใกล้กับทะเลเท่านั้น พวกเขาจึงเชื่อว่าความไม่พัฒนาของแอฟริกาเกิดจากโครงสร้างสถาบันที่ไม่มีประสิทธิภาพของกลุ่มชาติพันธุ์ตั้งแต่ก่อนล่าอาณานิคม หรือพูดง่ายๆ ก็คือ มีหรือไม่มีการล่าอาณานิคมก็ไม่พัฒนาอยู่แล้ว

“ประเทศต่างๆ ที่ได้ถือครองดินแดนในแอฟริกา และทำเลที่ตั้งที่พวกเขาแบ่งกัน” (ที่มาของภาพ)

แล้วตกลงว่ามันเป็นเพราะการแบ่งพรมแดนประเทศที่ไม่เหมาะสมอันเนื่องจากการล่าอาณานิคมหรือเป็นเพราะโครงสร้างสถาบันแต่เก่าก่อนที่ไม่มีประสิทธิภาพกันแน่ การตอบคำถามเรื่องนี้อาจไม่ง่ายนัก เนื่องจากทวีปแอฟริกาไม่พัฒนา และทั้งสองปัจจัยก็ยังคงดำรงอยู่ในเวลาเดียวกัน (Causality Problem)

……….

Michalopoulos and Papaioannou (2012) ประเมินผลของระดับการพัฒนาของแอฟริกาจากปัจจัยทางด้านสถาบันระดับชาติ (national contemporary institutional structures) กับวิถีชีวิตของกลุ่มชาติพันธุ์ต่างๆ ที่มีมาตั้งแต่ก่อนการล่าอาณานิคม (ethnicity-specific pre-colonial institutional traits)

ในการหาค่าความสัมพันธ์ทางเดียวของโครงสร้างสถาบันระดับชาติที่มีต่อระดับการพัฒนานั้น จำเป็นต้องควบคุมผลของความแตกต่างระหว่างชาติพันธุ์ออกไป แนวคิดก็คือต้องพิจารณาพื้นที่ของกลุ่มชาติพันธุ์เดียวกัน แต่ถูกแบ่งแยกออกเป็นส่วนๆ ในสอง(หรือมากกว่าสอง)ประเทศ เพราะจะทำให้พื้นที่เหล่านี้เป็นของชาติพันธุ์ที่มีวิถีชีวิตเดียวกัน แต่อยู่ภายใต้โครงสร้างสถาบันระดับชาติต่างกัน ภาพที่ ๓ แสดงพื้นที่ของชาติพันธุ์ Ababda ที่ถูกแบ่งไปเป็นของ Sudan และ Egypt นอกจากนี้ ยังมีกลุ่มชาติพันธุ์อื่นๆ อีก เช่น the Maasai อยู่ที่ Kenya (62%) และ Tanzania (38%), the Anyi อยู่ที่ Ghana (58%) and the Ivory Coast (42%), และ the Chewa อยู่ที่ Mozambique (50%), Malawi (34%), และ Zimbabwe (16%)

“ภาพที่ ๓ ตัวอย่างของกลุ่มชาติพันธุ์ Ababda ที่ถูกแบ่งออกเป็นสองส่วนในสองประเทศ”

การประมาณค่าทางเศรษฐมิติจะเปรียบเทียบระดับการพัฒนาที่วัดจากค่าความส่องสว่างของแสงไฟยามค่ำคืนในพื้นที่ของกลุ่มชาติพันธุ์เดียวกัน [ความแม่นยำของการวัดด้วยวิธีนี้ขอให้ดูที่นี่] เช่น ระดับการพัฒนาของกลุ่มชาติพันธุ์ the Maasai ในประเทศ Kenya จะถูกเปรียบเทียบกับกลุ่มชาติพันธุ์ the Maasai เช่นเดิมแต่อยู่ในประเทศ Tanzania หรือระดับการพัฒนาของกลุ่ม the Anyi อยู่ที่ Ghana จะถูกเปรียบเทียบกับที่อยู่ใน the Ivory Coast เป็นคู่ๆ ไปเรื่อยๆ วิธีการเช่นนี้เรียกว่า (Matching) Regression Discontinuity Design โดยจะทำให้ปัจจัยทางด้านวัฒนธรรม เช่น ความเชื่อ ศาสนา หรือวิถีชีวิต โรคระบาด สภาพอากาศ สิ่งแวดล้อม หรือแม้กระทั่งวิถีชีวิตของทั้งสองประเทศแทบจะไม่มีความแตกต่างกันเลย โดยหากข้อสรุปออกมาว่าระดับการพัฒนาของสองพื้นที่ที่ว่ามามีความแตกต่างกัน ก็น่าจะเป็นเพราะโครงสร้างสถาบันระดับชาติเป็นหลัก

ในระดับชาติแล้ว ระดับการพัฒนาที่วัดจากค่าความส่องสว่างของแสงไฟยามค่ำคืนจะถูกกำหนดจากปััจจัยทางด้านกลุ่มชาติพันธุ์ ควบคู่ไปกับระดับคอรัปชั่นหรือการบังคับใช้กฎหมาย ตารางที่ ๑ แสดงให้เห็นว่า หากไม่ได้ควบคุมปัจจัยทางด้านกลุ่มชาติพันธุ์ให้เหมือนกันแล้ว ระดับคอรัปชั่นและการบังคับใช้กฎหมายดูเหมือนว่าจะมีผลต่อการพัฒนาประเทศในแอฟริกา แต่เมื่อควบคุมปัจจัยทางเหล่านี้แล้ว ทั้งระดับคอรัปชั่นและการบังคับใช้กฎหมายกลับไม่มีผลเลย นั่นหมายความว่า โครงสร้างทางสถาบันหรือวิถีชีวิตของกลุ่มชาติพันธุ์น่าจะมีผล

“ตารางที่ ๑ ผลการประมาณค่าระดับการพัฒนาที่แตกต่างกันของกลุ่มชาติพันธุ์เดียวกันในสองประเทศ”

……….

Michalopoulos and Papaioannou (2012) ได้ทำการประมาณค่าในทิศทางตรงกันข้ามด้วย คือวิเคราะห์กลุ่มชาติพันธุ์ที่ต่างกัน แต่อยู่ในประเทศเดียวกัน เพื่อควบคุมปัจจัยทางด้านสถาบันระดับประเทศให้เหมือนกัน โดยวิเคราะห์ระดับการพัฒนาที่วัดจากค่าความส่องสว่างของแสงไฟยามค่ำคืนจากปััจจัยของด้านสถาบันระดับประเทศ เช่น ระดับคอรัปชั่นและการบังคับใช้กฎหมาย ควบคู่ไปกับระดับของการกระจายอำนาจ (Jurisdictional Hierarchy) ตั้งแต่ก่อนตกเป็นอาณานิคม [ข้อมูลปี 1967 และน่าจะเป็นข้อมูลเดียวเท่าที่หาได้]

ตารางที่ ๒ แสดงผลการประมาณค่า ซึ่งพบว่า ระดับของการกระจายอำนาจ (Jurisdictional Hierarchy) ตั้งแต่ก่อนตกเป็นอาณานิคมของแต่ละกลุ่มชาติพันธุ์มีความสัมพันธุ์ในทางบวกอย่างมีนัยสำคัญกับระดับการพัฒนา นั่นเท่ากับยืนยันผลว่า โครงสร้างสถาบันแต่เก่าก่อนมีผลต่อเนื่องมายังการพัฒนาในปัจจุบัน

“ตารางที่ ๒ ผลการประมาณค่าระดับการพัฒนาที่แตกต่างกันของคนละกลุ่มชาติพันธุ์ในประเทศเดียวกัน”

……….

กล่าวโดยสรุปจากบทความนี้ก็คือ โครงสร้างทางสถาบันและวิถีชีวิตของกลุ่มชาติพันธุ์ในแอฟริกาเป็นปัจจัยกำหนดระดับการพัฒนาของแต่ละประเทศ โดยไม่เกี่ยวกับว่าจะมีการล่าอาณานิคมและทำการแบ่งเส้นเขตแดนประเทศหรือไม่ก็ตาม อย่างไรก็ดี ข้อสรุปเช่นนี้อาจมีข้อโต้แย้งตามมาอีกมาก ซึ่งก็เป็นสิ่งที่ดีต่อความก้าวหน้าทางวิชาการ แต่วิธีมองและการวิเคราะห์ของบทความนี้ก็น่าจะทำให้ได้มุมมองใหม่ๆ ที่สามารถนำไปต่อยอดกับเรื่องอื่นๆ ได้อีกมากนะครับ ^^

ที่มา: Stelios Michalopoulos and Elias Papaioannou (2012) Pre-colonial Ethnic Institutions and Contemporary African Development, Econometrica (forthcoming).

featured image from here

……….

ที่ผ่านมาการศึกษาเกี่ยวกับคอรัปชั่นวนเวียนอยู่กับข้อมูลจากการสำรวจและออกแบบสอบถาม จากนั้นหาปัจจัยกำหนดระดับการคอรัปชั่นจากคำตอบที่ได้ และนำมาสู่ข้อสรุปผลที่แทบไม่ต่างกันว่าเกี่ยวโยงกับเรื่องของวัฒนธรรม ขณะที่การศึกษาปัจจัยกำหนดโดยวิถีทางเศรษฐศาสตร์แท้ๆ กลับมีให้เห็นน้อยมาก

ส่วนหนึ่งที่งานวิจัยมีให้เห็นไม่มากก็อาจจะมาจากความยากของการวิเคราะห์ในประเด็นที่ว่า วัฒนธรรม(ที่เอื้อต่อการคอรัปชั่น)ของสังคมส่งผลให้เกิดช่องว่างของการบังคับใช้กฎหมาย(ที่ให้สิทธิพิเศษกับคนบางกลุ่ม)อันเป็นสาเหตุของการคอรัปชั่น โดยทั้งสองส่วนที่ว่ามานั้นมีความเกี่ยวพันกันอย่างแยกไม่ออกว่าอะไรเป็นเหตุอะไรเป็นผลและมีผลต่อกันเท่าไหร่แน่

Fisman and Miguel (2006) พยายามแยกผลกระทบของการบังคับใช้กฎหมายกับวัฒนธรรมออกจากกัน พวกเขามองไปที่นักการฑูตจากหลายๆ ประเทศ ที่ทำงานอยู่ที่สำนักงานสหประชาชาติ (UN) ในนิวยอร์ค เพราะสถานการณ์เช่นนี้มันคือการที่บุคคลจากหลากหลายวัฒนธรรม(หลากหลายระดับการคอรัปชั่น) มาอยู่ภายใต้กฎหมายเดียวกัน ที่สำคัญเป็นกฎหมายที่เชื่อได้ว่ามีประสิทธิภาพเสียด้วย

การศึกษามุ่งไปที่การจอดรถยนต์ส่วนตัวแบบผิดกฎจราจรของนักการฑูตในนิวยอร์คเหล่านี้ในช่วง 1997-2005 เรื่องของเรื่องก็คือ เมื่อเหล่านักการฑูตและครอบครัวจอดรถ(ส่วนตัว)ผิดกฎจราจรและโดนใบสั่ง พวกเขาได้รับอภิสิทธิ์ในการที่จะไปจ่ายหรือไม่ไปจ่ายค่าปรับตามกฎหมายก็ได้ เนื่องจากรัฐบาลอเมริกันต้องการให้เกียรติและปฏิบัติอย่างดีเป็นพิเศษต่อพวกเขา โดยหวังว่าเจ้าหน้าที่ของอเมริกันเองจะได้รับการปฏิบัติที่ดีในประเทศของพวกเขาเหล่านั้นเช่นเดียวกัน ป้ายทะเบียนของรถนักการฑูตซึ่งมีตัวอักษร D ติดอยู่ ถึงกับเคยถูก BBC ขนานนามว่าเป็น “บัตรจอดรถฟรีที่ดีที่สุดในโลก”

“ป้ายทะเบียนนัการฑูตที่มีตัวอักษร D ติดอยู่” (ที่มาของภาพ)

……….

ภาพที่ ๑ (บน) แสดงจำนวนใบสั่งจากการทำผิดกฎจราจรของนักการฑูตแต่ละประเทศที่พวกเขาไม่ได้ไปจ่าย และเนื่องจากจำนวนนักการฑูตของแต่ละประเทศไม่เท่ากัน ข้อมูลในภาพจึงพิจารณาเป็นจำนวนใบสั่งเฉลี่ยต่อคน สีเข้มคือประเทศที่นักการฑูตได้รับใบสั่งและไม่ได้ไปจ่ายเป็นจำนวนมาก และสีอ่อนคือน้อย ส่วนภาพที่ ๑ (ล่าง) แสดงค่าดัชนีภาพพจน์คอรัปชั่น (Corruption Perception Index) ของแต่ละประเทศ โดยสีเข้มคือประเทศที่มีการคอรัปชั่นสูง และสีอ่อนคือต่ำ ความน่าสนใจก็คือ หากดูคร่าวๆ แล้ว ประเทศแถบสแกนดิเนเวียที่มีระดับการคอรัปชั่นต่ำทุกประเทศจะมีจำนวนใบสั่งที่ไม่ได้ไปจ่ายค่าปรับน้อย ขณะที่ประเทศแถบแอฟริกาที่มีการคอรัปชั่นสูงก็จะมีใบสั่งที่ไม่ได้ไปจ่ายค่าปรับเป็นจำนวนมาก

“ภาพที่ ๑ (บน) จำนวนใบสั่งจากการทำผิดกฎจราจรของนักการฑูตแต่ละประเทศที่พวกเขาไม่ได้ไปจ่ายต่อคน
(ล่าง) ดัชนีภาพพจน์คอรัปชั่นของแต่ละประเทศ (ที่มาของภาพ)
ประเทศไทยอยู่ลำดับที่ 32 จาก 146 ประเทศเรียงตามจำนวนใบสั่งต่อคนสูงที่สุด”

Fisman and Miguel (2006) ตีความว่า คนที่มาจากวัฒนธรรมที่มีการคอรัปชั่นสูง น่าจะเคยมีและใช้อภิสิทธิ์ในประเทศตนเองมาก่อนที่จะเข้ามาทำงานที่นิวยอร์ค พวกเขาจึงมีแนวโน้มสูงที่จะกระทำการใดใดจากสิทธิพิเศษที่ตนเองมีด้วยความเคยชิน โดยไม่ค่อยคำนึงถึงผลกระทบต่อสังคมมากนัก

บางคนคงโต้แย้งว่า นักการฑูตในกลุ่มประเทศสแกนดิเนเวียอาจจะมีภารกิจน้อยกว่าหรือไม่เร่งรีบ พวกเขาก็เลยไม่ต้องฝ่าฝืนกฎจราจร ใบสั่งจึงมีไม่มาก ข้อมูลที่ถูกต้องก็คือ พวกเขาได้รับใบสั่งจำนวนไม่มากก็จริง แต่เมื่อได้รับใบสั่ง พวกเขาเลือกที่จะไปจ่ายค่าปรับ ซึ่งเท่ากับว่า คนที่มาจากวัฒนธรรมที่ไม่มีสิทธิพิเศษมักจะเลือกที่จะเคารพกฎหมาย และยอมรับบทลงโทษเมื่อกระทำผิดมากกว่าคนที่มาจากวัฒนธรรมที่มีสิทธิพิเศษ

……….

การศึกษาทำการประมาณค่าสมการจำนวนใบสั่งที่ไม่ได้รับชำระเงินต่อนักการฑูตหนึ่งคน ร่วมกับปัจจัยด้านอื่นๆ ของแต่ละประเทศและดัชนีการคอรัปชั่น ซึ่งแสดงผลได้ในตารางที่ ๑ จะเห็นว่า ประเทศที่มีค่าดัชนีคอรัปชั่นสูงจะมีจำนวนใบสั่งที่ไม่ได้รับชำระเงินเพิ่มสูงขึ้นอย่างมีนัยสำคัญ

“ตารางที่ ๑ ผลการประมาณค่าสมการจำนวนใบสั่งที่ไม่ได้รับชำระเงินต่อนักการฑูตหนึ่งคน”

Fisman and Miguel (2006) ยังสนใจต่อด้วยว่าเมื่อนักการฑูตเหล่านี้อยู่ในนิวยอร์คนานขึ้น พวกเขาจะปรับตัวเข้ากับกฎหมายและวัฒนธรรมใหม่ของนิวยอร์คที่มีคอรัปชั่นน้อย หรือจะยังคงเคยชินกับการใช้อภิสิทธิ์และเชี่ยวชาญมากขึ้นในการหาช่องว่างของกฎหมาย ผลการประมาณค่าจากข้อมูลของนักการฑูตรายบุคคลออกมาตามตารางที่ ๒ พบว่ายิ่งนักการทูตอยู่ที่นิวยอร์คนานขึ้น พวกเขากลับจะยิ่งมีจำนวนใบสั่งที่ไม่ได้ไปจ่ายค่าปรับมากขึ้นไปอีก นั่นหมายความว่า วัฒนธรรมที่ติดตัวมาเป็นสิ่งที่เปลี่ยนแปลงได้ยาก แม้ว่าคนเหล่านั้นจะไปอยู่ในวัฒนธรรมใหม่หรือกฎหมายใหม่ พวกเขาก็ยังคงพร้อมจะใช้ความเป็นอภิสิทธิ์ชนไม่เปลี่ยนแปลงไป

“ตารางที่ ๒ ผลการประมาณค่าสมการจำนวนใบสั่งที่ไม่ได้รับชำระเงินต่อนักการฑูตหนึ่งคน เมื่อพิจารณาเวลาที่พวกเขาอยู่ในนิวยอร์คแล้ว”

……….

อย่างไรก็ดี ต่อมา รัฐบาลท้องถิ่นของนิวยอร์คประสบกับแรงต้านอย่างหนัก เพราะการฝ่าฝืนกฎจราจรของนักการฑูตเหล่านี้สร้างความเดือดร้อนให้กับประชาชนเป็นจำนวนมาก และที่สำคัญ มันเป็นความไม่เท่าเทียมกันในแบบที่สังคมอเมริกันไม่อาจยอมรับได้ รัฐบาลนิวยอร์คจึงแก้เผ็ดนักการฑูตที่ไม่จ่ายค่าปรับโดยการหักเงินค่าปรับออกจากเงินช่วยเหลือระหว่างประเทศของประเทศนั้นๆ

“ลักษณะการจอดรถของนักการฑูตที่มักก่อให้เกิดปัญหา (ที่มาของภาพ)”

อันที่จริง การเรียกเก็บค่าปรับจากการจอดรถผิดกฎจราจรมันมีมูลค่าน้อยมากเมื่อเปรียบเทียบกับเงินช่วยเหลือระหว่างประเทศมูลค่ามหาศาล แต่มันก็ได้สร้างความอับอาย หรืออย่างน้อยก็เป็นการฟ้องให้รัฐบาลและประชาชนของประเทศนั้นๆ ได้รับรู้

ผลที่ตามมาดีเกินคาดคือ จำนวนใบสั่งที่ไม่ได้รับชำระลดลงอย่างมีนัยสำคัญ จากประมาณรวมๆ แล้ว 1000 ใบต่อเดือน เหลือแค่ประมาณ 70 ใบต่อเดือนเท่านั้น ตามภาพที่ ๒

“ภาพที่ ๒ จำนวนใบสั่งต่อเดือน”

Fisman and Miguel (2006) สนใจประเด็นนี้มาก เพราะอย่างน้อยก็ถือว่าเป็นบทลงโทษที่ดูจะได้ผลดีทีเดียว พวกเขาจึงนำเอาข้อมูลภายหลังจากที่รัฐบาลนิวยอร์คบังคับใช้กฎนี้มาทำการประมาณค่าสมการจำนวนใบสั่งที่ไม่ได้รับชำระเงินอีกครั้งหลังการบังคับเรียกเก็บจากเงินช่วยเหลือ ผลที่ได้เป็นตามตารางที่ ๓ ซึ่งแม้ว่าค่าดัชนีคอรัปชั่นจะยังคงมีผลต่อจำนวนใบสั่งที่ไม่ได้รับชำระ แต่ก็ลดลงอย่างมาก

จากการเปลี่ยนแปลงของค่าสัมประสิทธิ์ในกรณีที่ประเทศมีระดับการคอรัปชั่นกลางๆ ค่อนข้างสูง (ค่า CPI ประมาณ 4) จะเท่ากับว่า การบังคับใช้กฎหมายที่มีประสิทธิภาพลดการคอรัปชั่นลงไปได้ e^(1-0.3)(4) – 1 = 94% เลยทีเดียว

“ตารางที่ ๓ ผลการประมาณค่าสมการจำนวนใบสั่งที่ไม่ได้รับชำระเงินต่อนักการฑูตหนึ่งคน ภายหลังการใช้บังคับกฎใหม่”

……….

ข้อสรุปที่น่าสนใจของเรื่องนี้ก็คือ คนที่มาจากวัฒนธรรมที่มีการคอรัปชั่น นั่นหมายความว่าพวเขามีนิสัยนึกถึงประโยชน์ส่วนรวมน้อยกว่าประโยชน์ส่วนตน แม้จะมาอยู่ในสถานที่ที่มีกฎหมายและวัฒนธรรมใหม่ พวกเขาจะยังคงเคยชินกับการใช้ความเป็นอภิสิทธิ์ชนเช่นเดิม แถมยังมีการปรับตัวจนสามารถคอรัปชั่นได้มากขึ้นในวัฒนธรรมใหม่เสียอีก

แต่การบังคับใช้กฎหมายที่เข้มแข็งก็ยังคงเป็นหัวใจในการต่อต้านการคอรัปชั่น โดยสามารถลดระดับการคอรัปชั่นลงได้อย่างมีนัยสำคัญ แม้จะไม่อาจทำให้คอรัปชั่นหมดไปได้โดยสิ้นเชิง ส่วนหนึ่งเพราะคอรัปชั่นฝังตัวอยู่ในวัฒนธรรมซึ่งเป็นสิ่งที่เปลี่ยนแปลงได้ยากก็ตาม

แม้ว่าวิธีนี้อาจจะมีข้อโต้แย้งหลายประการ โดยเฉพาะจากนักสังคมศาสตร์ เนื่องจากเป็นการมองเพียงจุดเล็กๆ แต่ก็ถือได้ว่าเป็นจุดเริ่มต้นที่น่าสนใจ ด้วยวิธีมองที่ต่างออกไปในการวิเคราะห์ปัญหาคอรัปชั่น ซึ่งน่าจะทำให้งานวิจัยจำนวนมากได้ประโยชน์ในอนาคต แต่ความยากในความเป็นจริงคงอยู่ที่ว่า แม้กฎหมายจะลดระดับคอรัปชั่นได้มาก แต่คนที่คอรัปชั่นก็มักเป็นผู้ควบคุมกฎหมายด้วยเนี่ยสิ – -”

ที่มา: Raymond Fisman & Edward Miguel, 2006. “Cultures of Corruption: Evidence From Diplomatic Parking Tickets,” NBER Working Papers 12312, National Bureau of Economic Research.

featured image from here, rabbit homepage image’s intuition from Antoinette Portis’s Drawing and Mini car image from here

……….

การลอบสังหาร (Assassination) ผู้นำประเทศเป็นสิ่งที่เกิดขึ้นมาอย่างต่อเนื่องตั้งแต่ในอดีต ไม่ว่าจะเป็น Julius Caesar, Abraham Lincoln, John F.Kennedy, Yitzhak Rabin และคนอื่นๆ อีกมาก นอกจากนี้ ยังมีการลอบสังหารที่ไม่สำเร็จอีก เช่น ในปี 1939 Hitler ออกจากโรงเบียร์ที่ Munich ก่อนจะเกิดระเบิดขึ้นเพียง 13 นาทีเท่านั้น ส่งผลให้เขารอดตายไปได้ ที่น่าสนใจก็คือ จากสถิติบอกเราว่า ตั้งแต่ 1950 เป็นต้นมา จะมีการลอบสังหารผู้นำประเทศประมาณสองคนในทุกๆ 3 ปี

Benjamin Disraeli (1965) เคยกล่าวภายหลังการเสียชีวิตของ Abraham Lincoln ไว้ว่า “การลอบสังหารไม่มีวันจะทำให้ประวัติศาสตร์เปลี่ยนแปลงไปได้” แม้คำพูดนี้จะดูกินใจ แต่มันนำมาสู่คำถามสำคัญทางเศรษฐศาสตร์ว่า ประวัติศาสตร์จะเปลี่ยนหรือไม่เปลี่ยนกันแน่ แม้ว่าการศึกษาในทางรัฐศาสตร์ที่เป็นกรณีๆ ไปจะมีอยู่จำนวนมาก แต่การศึกษาด้วยชุดข้อมูลตามแนวทางของเศรษฐศาสตร์ยังแทบไม่มีให้เห็น

“สถานการณ์การเสียชีวิตของ Julius Caesar” (ที่มาของภาพ)

……….

ในบทความนี้ [เสด-ถะ-สาด].com ขอผนวกเอาบทความวิชาการสองชิ้นเข้าด้วยกัน บทความแรกศึกษาผลกระทบของการลอบสังหารผู้นำประเทศที่มีต่อการเปลี่ยนแปลงสถาบันและโอกาสเกิดสงคราม กับบทความที่สองว่าด้วยอัตราการเติบโตทางเศรษฐกิจ ซึ่งทั้งสองบทความใช้วิธีการศึกษาแบบเดียวกัน

บทความแรกของ Jones and Olken (2007) ใช้ข้อมูลปี 1875 – 2004 จากความพยายามลอบสังหาร 298 ครั้ง และทำได้สำเร็จ 59 ครั้ง โดยแบบจำลองของเขาใช้การลอบสังหารที่ไม่สำเร็จเป็นตัวแปรควบคุม (Controls) (เนื่องจากการลอบสังหารเกิดขึ้นแล้ว บทความจึงมุ่งไปที่การเปรียบเทียบผลของการลอบสังหารสำเร็จและไม่สำเร็จ ไม่ใช่การเปรียบเทียบระหว่างมีหรือไม่มีการลอบสังหาร) นอกจากนี้ คำว่าผู้นำประเทศจะหมายถึงตัวผู้นำสูงสุดของประเทศนั้นๆ เท่านั้น ไม่รวมถึงผู้นำระดับสูงอื่นๆ เช่น รัฐมนตรี

“สถานการณ์การลอบสังหาร Abraham Lincoln” (ที่มาของภาพ)

ตัวแปรที่ใช้วัดสถาบันมีสองตัว ตัวแปรแรกเป็นตัวแปรหุ่น (Dummy Variable) โดยวัดจากระบอบการปกครอง ซึ่ง 1 คือประชาธิปไตย และ 0 คือระบอบเผด็จการ (Autocracy) ใช้ข้อมูล POLITY2 และตัวแปรที่สองเป็นสัดส่วนของผู้นำประเทศที่มาตามวิถีทางปกติ(ตามกฎหมาย) (Regular Change) กับวิถีทางที่ไม่ปกติ(เช่น การรัฐประหาร) (Irregular Change) โดยใช้ข้อมูล Archigos ขณะที่ตัวแปรที่ใช้วัดสงครามมีสองตัวเช่นกันคือ ตัวแปรหุ่นจากฐานข้อมูล Correlates of War ที่จะนับความเป็นสงครามเมื่อมีผู้เสียชีวิตเกิน 1,000 คน และตัวแปรหุ่นจากฐานข้อมูล PRIO ที่จะนับว่าเป็นความขัดแย้ง (Conflict) (ถือเป็นสงครามอย่างอ่อนๆ) (Moderate War) เมื่อมีผู้เสียชีวิตเกิน 25 คน และนับเป็นสงคราม (Intense War) เมื่อมีผู้เสียชีวิตเกิน 1,000 คน

ข้อมูลพื้นฐานในตารางที่ ๑ แสดงให้เห็นว่า อาวุธหลักที่ใช้ในการลอบสังหารผู้นำคือ ปืน (55%) รองลงมาคืออุปกรณ์จำพวกระเบิด (31%) โดยปืนจะมีโอกาสลอบสังหารสำเร็จ 30% ขณะที่ระเบิดมีโอกาสเพียง 7% เท่านั้น และส่วนใหญ่การลอบสังหารจะเกิดขึ้นในประเทศตัวเองมากกว่าจะเกิดในต่างประเทศ

“ตารางที่ ๑ ค่าสถิติเชิงพรรณนาของการลอบสังหารผู้นำ”

การประมาณค่าผลกระทบของการลอบสังหาร อยู่ภายใต้ข้อสมมติสำคัญที่ว่า ความสำเร็จของการลอบสังหารเป็นแบบสุ่ม ดังนั้น ประเทศที่มีการลอบสังหารไม่สำเร็จ จะเป็นตัวควบคุม (Controls) ผลของการลอบสังหารสำเร็จ (Treatments) รูปแบบสมการที่ใช้ในการประมาณค่าคือ และ ซึ่งหมายถึงผลกระทบต่อตัวแปร y ในกรณีที่ลอบสังหารสำเร็จหรือไม่สำเร็จ

ผลการประมาณค่าการลอบสังหารผู้นำประเทศที่มีต่อการเปลี่ยนแปลงสถาบันแสดงได้ตามตารางที่ ๒ Panel A พิจารณารวมกันทั้งประเทศที่เป็นเผด็จการและประชาธิปไตย คอลัมน์ที่ 1 แสดงให้เห็นว่า หากการลอบสังหารผู้นำสำเร็จ จะมีโอกาสที่ระบอบการปกครองจะเปลี่ยนแปลงไป คอลัมน์ที่ 2 พิจารณาเพิ่มเติมถึงทิศทางการเปลี่ยนแปลง และพบว่าการลอบสังหารผู้นำสำเร็จมีแนวโน้มที่จะทำให้ประเทศมีความเป็นประชาธิปไตยมากขึ้น สอดคล้องกับผลที่ได้ในคอลัมน์ 3 ที่พบว่า การลอบสังหารผู้นำสำเร็จจะทำให้ประเทศมีแนวโน้มเข้าสู่ระบบการเปลี่ยนผู้นำให้เป็นไปตามวิถีทางปกติ(ตามกฎหมาย)มากขึ้น

ขณะที่ใน Panel B แยกพิจารณาผลของประเทศที่เป็นเผด็จการและประชาธิปไตยออกจากกัน ทั้งคอลัมน์ 2 และ 3 ชี้ให้เห็นว่า การลอบสังหารผู้นำที่สำเร็จนั้น มีแนวโน้มที่จะเปลี่ยนจากประเทศที่มีระบอบเผด็จการไปเป็นประชาธิปไตย แต่กลับไม่มีผลอย่างมีนัยสำคัญกับกรณีที่ประเทศเป็นประชาธิปไตยอยู่แล้ว

“ตารางที่ ๒ ผลการประมาณค่าการลอบสังหารผู้นำประเทศที่มีต่อการเปลี่ยนแปลงสถาบัน”

ผลการประมาณค่าการลอบสังหารผู้นำประเทศที่มีต่อโอกาสในการเกิดสงครามแสดงได้ตามตารางที่ ๓ คอลัมน์แรกใช้ข้อมูลตั้งแต่ 1875-2002 และคอลัมน์ที่สองใช้ข้อมูลหลังสงครามโลกช่วง 1946-2002 พบว่า ความสำเร็จของการลอบสังหารผู้นำมีผลไม่ชัดเจนนักต่อโอกาสการเกิดสงคราม แต่เมื่อพิจารณาในคอลัมน์ที่สาม ซึ่งใช้ข้อมูลช่วง 1946-2002 และจำแนกระดับของสงครามออกเป็นความรุนแรงระดับกลาง (จำนวนผู้เสียชีวิต 26-999 คน) กับระดับสูง (จำนวนผู้เสียชีวิตมากกว่า 1,000 คน) โดยพบว่าความสำเร็จจากการลอบสังหารผู้นำจะมีผลต่อการเกิดความขัดแย้ง (สงครามอย่างอ่อน) แต่ไม่ถึงขั้นเกิดสงครามขั้นรุนแรง

“ตารางที่ ๓ ผลการประมาณค่าการลอบสังหารผู้นำประเทศที่มีต่อโอกาสเกิดสงคราม”

……….

นอกจากผลกระทบที่มีต่อสถาบันและสงครามแล้ว Gilbert, Sylwester and Gao (2011) ใช้วิธีเดียวกันกับ Jones and Olken (2007) เพื่อวิเคราะห์ผลกระทบที่มีต่ออัตราการเติบโตทางเศรษฐกิจ โดยใช้ข้อมูลอัตราการเติบโตทางเศรษฐกิจจากแหล่งข้อมูลสองแหล่งคือ Penn World กับ Maddison และพิจารณาส่วนต่างของอัตราการเติบโตทางเศรษฐกิจ ทั้งแบบเส้นตรง และแบบกำลังสอง เพื่อตรวจสอบว่ามีการเปลี่ยนแปลงหรือไม่โดยไม่สนใจทิศทางว่าอัตราการเติบโตเพิ่มขึ้นหรือลดลง

ผลการประมาณค่า แสดงได้ตามตารางที่ ๔ ซึ่งพบว่า ไม่ว่าจะเป็นข้อมูลอัตราการเติบโตทางเศรษฐกิจที่มาจาก Penn World หรือ Maddison และไม่ว่าจะเป็นตัวแปรแบบเส้นตรงหรือกำลังสอง ความสำเร็จในการลอบสังหารผู้นำก็ไม่มีผลต่อการเปลี่ยนแปลงอัตราการเติบโตทางเศรษฐกิจต่างไปจากกรณีที่ลอบสังหารไม่สำเร็จ นั่นหมายถึงอัตราการเติบโตทางเศรษฐกิจน่าจะอ่อนไหวต่อสถานการณ์ลอบสังหาร แต่ชัดเจนว่าไม่อ่อนไหวต่อความสำเร็จของการลอบสังหาร

“ตารางที่ ๔ ผลการประมาณค่าการลอบสังหารผู้นำประเทศที่มีต่ออัตราการเติบโตทางเศรษฐกิจ”

……….

ข้อสรุปของประเด็นการลอบสังหารผู้นำที่มีต่อประเทศนั้นคือ ความสำเร็จของการลอบสังหารมีผลเฉพาะในประเทศเผด็จการ ซึ่งจะนำประเทศไปสู่ความเป็นประชาธิปไตยมากขึ้น โดยอาจก่อให้เกิดความขัดแย้งบ้าง แต่ไม่ถึงขั้นก่อให้เกิดสงคราม ขณะที่ในประเทศที่เป็นประชาธิปไตยอยู่แล้วนั้น ความสำเร็จของการลอบสังหารผู้นำไม่ได้ก่อให้เกิดการเปลี่ยนแปลงกลับไปสู่ระบอบเผด็จการแต่อย่างใด นอกจากนี้ ความสำเร็จหรือล้มเหลวของการลอบสังหารผู้นำก็ไม่ได้ส่งผลกระทบใดใดต่ออัตราการเติบโตทางเศรษฐกิจของประเทศอีกด้วย

ขอขอบคุณ อาจารย์กฤษฎ์เลิศ สัมพันธารักษ์ ที่แนะนำหัวข้อและบทความที่น่าสนใจของ Jones and Olken ครับ ^^

ที่มา:
- Benjamin F. Jones & Benjamin A. Olken, 2007. “Hit or Miss? The Effect of Assassinations on Institutions and War,” NBER Working Papers 13102, National Bureau of Economic Research.
- Scott Gilbert, Kevin Sylwester, and Wei Gao, 2011. “Leader Assassination and Economic Growth” Discussion Paper for 2011, Southern Illinois University.

featured image from here

……….

“การเมือง” กับ “เศรษฐกิจ” เป็นสิ่งที่ดูเหมือนว่ามีความสัมพันธ์กัน ในด้านหนึ่ง การเปลี่ยนแปลงทางการเมืองส่งผลให้เกิดความไม่มั่นใจในการลงทุน และทำให้การดำเนินนโยบายบางส่วนต้องหยุดชะงัก จึงทำให้การพัฒนาเศรษฐกิจต้องชะงักไปด้วย ในอีกด้านหนึ่ง เศรษฐกิจที่ย่ำแย่ก็อาจนำไปสู่ความไม่พอใจ หรือความรุนแรงทางการเมือง รวมทั้งการแพ้เลือกตั้งในครั้งต่อไปของรัฐบาลชุดปัจจุบัน

งานศึกษาสามฉบับในเรื่องเดียวกันที่ [เสด-ถะ-สาด].com จะนำมาเล่าให้ฟังนี้ไม่ใช่งานรุ่นบุกเบิก (Pioneer) เพราะงานศึกษาที่อาจจะนับได้ว่าเป็นการกรุยทางของหัวข้อนี้จริงๆ คงเป็น Robert Barro (1991) ที่พบว่า สถานการณ์ไม่สงบทางการเมือง (Political Unrest) ซึ่งวัดจากการลอบสังหาร การเดินขบวน และการปฏิวัติ ทำให้อัตราการเติบโตทางเศรษฐกิจลดลงอย่างมีนัยสำคัญ

“Florence ที่ครั้งหนึ่งเคยเป็นตัวแทนของความรุ่งเรืองทางการเมืองและเศรษฐกิจของยุโรปในเวลาเดียวกัน” (ที่มาของภาพ)

……….

Alesina, Roubini and Swagel (1996) ทำการศึกษาในประเด็นที่กว้างขึ้น คือ ความสัมพันธ์ระหว่างความไม่มีเสถียรภาพทางการเมือง (Political Instability) กับการเติบโตทางเศรษฐกิจ แต่เขานิยามคำว่า “ความไม่มีเสถียรภาพทางการเมือง” คือแนวโน้มที่จะมีการเปลี่ยนแปลงฝ่ายบริหาร ทั้งโดยวิถีทางตามรัฐธรรมนูญและไม่ใช่ (the propensity of a change in the executive, either by constitutional and unconstitutional means.)

อย่างไรก็ตาม ความไม่มีเสถียรภาพทางการเมือง ไม่เหมือนกับ “ความไม่มีเสถียรภาพของรัฐบาล” (Government Instability) เพราะโดยนิยามแล้ว มันหมายถึง แนวโน้มที่จะมีการเปลี่ยนแปลงรัฐบาล โดยอาจจะไม่ได้มีการแต่งตั้งหรือเลือกตั้งฝ่ายบริหารใหม่ (เช่น การเปลี่ยนตัวนายก หรือการปรับคณะรัฐมนตรี ฝ่ายบริหารชุดเดิมยังมีอำนาจ แต่เปลี่ยนรัฐบาล) อิตาลีและญี่ปุ่นเป็นตัวอย่างที่ดีของประเทศที่มีเสถียรภาพทางการเมือง แต่ไม่มีเสถียรภาพของรัฐบาล

Alesina et al. (1996) ใช้ข้อมูลจาก 113 ประเทศในช่วงปี 1950-1982 และ 1960-1982 (ขึ้นอยู่กับว่าจะหาข้อมูลของแต่ละประเทศได้นานขนาดไหน) มาประมาณค่าด้วยแบบจำลองหลายสมการ (Simultaneous Equations) เนื่องจากตัวแปรหลักเป็นตัวแปรต้นและตัวแปรตามของกันและกัน

ผลการศึกษาประเด็นความสัมพันธ์ระหว่างความสัมพันธ์ระหว่างความไม่มีเสถียรภาพทางการเมืองกับการเติบโตทางเศรษฐกิจ (ดูตารางที่ ๑) พบว่า การเปลี่ยนแปลงทางการเมืองมีผลทางลบต่อการเติบโตทางเศรษฐกิจ แต่เศรษฐกิจที่ไม่เติบโตกลับไม่ส่งผลให้การเมืองเปลี่ยนแปลง

“ตารางที่ ๑ ผลการประมาณค่าความไม่มีเสถียรภาพทางการเมืองกับการเติบโตทางเศรษฐกิจของ Alesina et al. (1996)”

……….

ข้อสรุปของ Alesina et al. (1996) ถือได้ว่าเป็นจริงเป็นการทั่วไป แต่หากพิจารณาให้เฉพาะเจาะจงแล้ว ผลที่ได้บางส่วนอาจจะต่างออกไปหากพิจารณางานของ Dimitraki (2010) และ Chaiwat (2012) ประกอบกัน

Dimitraki (2010) ทำการหาความสัมพันธ์ระหว่างความไม่มีเสถียรภาพทางการเมืองกับการเติบโตทางเศรษฐกิจ เช่นเดียวกับ Alesina et al. (1996) แต่จำกัดเฉพาะประเทศในยุโรปตะวันตก [ซึ่งหมายถึงเฉพาะประเทศพัฒนาแล้วเท่านั้น] และใช้แบบจำลอง IV/GMM เพราะเป็นกรณีของความสัมพันธ์แบบสองทาง

ข้อสรุปของ Dimitraki (2010) (ดูตารางที่ ๒) ไม่เหมือนกับ Alesina et al. (1996) เพราะเขาพบว่าทั้งการเมืองและเศรษฐกิจต่างก็มีความสัมพันธ์ซึ่งกันและกัน นั่นคือ อัตราการเติบโตทางเศรษฐกิจที่ต่ำอาจเป็นเหตุให้รัฐบาลต้องพังลงได้ แต่เขาก็ศึกษาเฉพาะกรณีของประเทศพัฒนาแล้ว

“ตารางที่ ๒ ผลการประมาณค่าความไม่มีเสถียรภาพทางการเมืองกับการเติบโตทางเศรษฐกิจของ Dimitraki (2010)”

……….

แล้วประเทศกำลังพัฒนาล่ะ? แม้จะไม่มีการศึกษาทางด้านนี้โดยตรง แต่หากเรานับเอาว่าแอฟริกาเป็นภูมิภาคที่ประกอบด้วยประเทศกำลังพัฒนา(เกือบ)ทั้งหมด ผลการศึกษาของ Chaiwat (2012) ด้วยแบบจำลอง IV-2SLS ในพื้นที่นี้ก็น่าจะเป็นข้อสรุปบางส่วนได้

Chaiwat (2012) จำแนกดัชนีชี้วัดความไม่มีเสถียรภาพทางการเมือง ออกเป็นโอกาสในการเกิดปฏิวัติ สงครามกลางเมือง และการเปลี่ยนพรรคแกนนำจัดตั้งรัฐบาล (ดูตารางที่ ๓) พบว่า ในกรณีของประเทศกำลังพัฒนานั้น อัตราการเติบโตทางเศรษฐกิจจะช่วยลดโอกาสในการเกิดสงครามกลางเมืองเท่านั้น แต่ไม่ได้มีผลใดใดต่อความไม่เสถียรภาพทางการเมืองในด้านอื่นๆ

“ตารางที่ ๓ ผลการประมาณค่าความไม่มีเสถียรภาพทางการเมืองกับการเติบโตทางเศรษฐกิจของ Chaiwat (2012)”

……….

ข้อสรุปก็คือ ความไม่มีเสถียรภาพทางการเมืองส่งผลให้การเติบโตทางเศรษฐกิจลดลงแน่ๆ แต่การเติบโตทางเศรษฐกิจที่ต่ำจะส่งผลให้เกิดการเปลี่ยนแปลงทางการเมืองหรือไม่นั้น ขึ้นอยู่กับระดับการพัฒนาของประเทศ หากเป็นประเทศพัฒนาแล้ว กลไกกำกับดูแลการทำงานทางการเมืองจะทำงานอย่างมีประสิทธิภาพ ทำให้ประชาชนสามารถให้คุณให้โทษกับนักการเมืองได้ เศรษฐกิจตกต่ำจึงเป็นสาเหตุให้เกิดการเปลี่ยนแปลงทางการเมือง แต่หากเป็นประเทศกำลังพัฒนา แม้เศรษฐกิจจะไม่ดี ประชาชนก็ไม่สามารถลงโทษนักการเมืองได้

หรือให้ง่ายกว่านั้นก็คือ ในประเทศพัฒนาแล้ว เศรษฐกิจนำการเมือง (หรืออย่างน้อยก็เสมอภาคกัน) แต่ในประเทศกำลังพัฒนา การเมืองนำเศรษฐกิจ นั่นเอง

ที่มา:
- Alesina, Alberto, Sule Ozler, Nouriel Roubini, and Phillip Swagel. (1996). Political instability and economic growth. Journal of Economic Growth 1(2): 189-211.
- Ourania Dimitraki. (2010). Political Instability and Economic Growth in Western Europe: A Causality Analysis for 55 Years. Conference Name: 3rd PHD CONFERENCE IN ECONOMICS 2010.
- Thanee Chaiwat. (2012). The Heterogenous Growth Effect of Ethnic Fractionalization on Political Instability in Sub-Saharan Africa. Mimeo.

featured image from here

……….

[ก่อนอื่นต้องทำความเข้าใจก่อนว่า คำว่า “เพศสัมพันธ์ก่อนแต่งงาน” (Premarital Sex) ของภาษาอังกฤษที่ใช้กัน มีความหมายโดยนัยยะถึงการมีเพศสัมพันธ์โดยที่ฝ่ายหญิงยังไม่พร้อมในการมีลูก โดยไม่ได้หมายความว่าการมีเพศสัมพันธ์การการจัดงานแต่งงานหรือจดทะเบียนสมรสกัน ซึ่งให้ความหมายที่ใกล้เคียงกับคำภาษาไทยที่ใช้ว่า “เพศสัมพันธ์ก่อนวัยอันควร”]

บทความตอนที่แล้ว เรื่อง ทำไม “เพศสัมพันธ์ก่อนวัยอันควร” จึงเพิ่มขึ้น? [เสด-ถะ-สาด].com ได้นำเสนอผลกระทบของการพัฒนาประสิทธิภาพการคุมกำเนิดที่มีต่อโอกาสในการตั้งท้องที่ลดลง ต่อเนื่องไปยังความกลัวการตั้งท้องที่ลดลงของวัยรุ่น และความพยายามหรือใช้เวลาในการอบรมสั่งสอนของครอบครัว รัฐและโบสถ์ที่ลดลง อันนำไปสู่การมีเพศสัมพันธ์ก่อนวัยอันควรที่มากขึ้น

แต่ประเด็นคำถามที่ตามมาก็คือว่า แล้วอิทธิพลจากการอบรวมสั่งสอนโดยครอบครัว (บางส่วนจากรัฐและโบสถ์) กับอิทธิพลของเพื่อนๆ นั้น อะไรมีบทบาทมากกว่ากัน เพราะพวกเขาอาจจะมีความละอายใจต่อการกระทำของตัวเอง เนื่องจากได้รับการอบรมสั่งสอนมา แต่เมื่ออยู่ในกลุ่มเพื่อนที่มีพฤติกรรมที่แตกต่างออกไปจากสิ่งที่เคยถูกสอนมา ก็อาจส่งผลให้พวกเขารู้สึกละอายใจน้อยลงเช่นกัน

Jesús Fernández-Villaverde, Nezih Guner, Jeremy Greenwood (2012) ใช้ข้อมูลระยะยาวจาก the National Longitudinal Study of Adolescent Health (“Add Health”) ของวัยรุ่น 90,000 คนช่วงมัธยมปลายถึงมหาวิทยาลัย(ประมาณปี 1 – ปี 2) ในสหรัฐฯ โดยชุดข้อมูลจะมีทั้งพฤติกรรมทางเพศ ความรู้ทางเพศ ความละอายจากการมีเพศสัมพันธ์ก่อนแต่งงานหรือการตั้งครรภ์ ความเคร่งศาสนา พื้นฐานครอบครัว ลักษณะของโรงเรียน และอื่นๆ รวมไปถึง กลุ่มตัวอย่างจำนวนมากมาจากโรงเรียนเดียวกันและได้ให้ข้อมูลด้วยว่าใครเป็นเพื่อนสนิทของพวกเขาบ้าง ทำให้สามารถหาผลกระทบจากกลุ่มเพื่อนได้

“ภาพยนตร์เรื่อง Lolita จากนิยายของ Vladimir Nabokov ที่เกี่ยวข้องกับชายสูงวัยคนหนึ่งหลงรักเด็กสาวจนยอมแต่งงานกับแม่ของเธอเพื่อให้ได้ใกล้ชิดกับเด็กสาวคนนั้น”

การศึกษาใช้แบบจำลองลอจิสติคส์ (Logistic Regression Model) โดยตัวแปรตามคือ การตัดสินใจมีเพศสัมพันธ์ครั้งแรกของวัยรุ่นหญิงที่เกิดขึ้นในระหว่างช่วงที่ I และ II ของการเก็บข้อมูล สาเหตุที่สนใจเฉพาะคนที่มีเพศสัมพันธ์ครั้งแรกในช่วงนี้ก็เพราะฐานข้อมูลจะบอกให้ทราบว่าในช่วงที่ I เพื่อนที่มาจากโรงเรียนเดียวกันกับพวกเขากี่คนที่เคยมีเพศสัมพันธ์มาก่อน ซึ่งเพื่อนเหล่านี้น่าจะมีผลต่อการตัดสินใจมีเพศสัมพันธ์ในระหว่างช่วง I และ II โดยที่ตัวเขาเองไม่สามารถมีผลกลับไปยังเพื่อนเหล่านั้นได้ กล่าวคือไม่มีปัญหาสะท้อนกลับ (Reflection Problem) ของพฤติกรรมระหว่างตัวเขาเองกับเพื่อน และแนวคิดนี้จะช่วยให้ทราบถึงบทบาทของ “คบเพื่อนไม่ดี”

ขณะที่อีกด้านหนึ่งก็คือ ความรู้สึกละอายใจกับตนเองในการมีเพศสัมพันธ์ก่อนวัยอันควร โดยความรู้สึกละอายใจกับตนเองนี้มักเกิดมาจากการอบรมสั่งสอนจากครอบครัวในวัยเด็ก บทบาทนี้อยู่ในส่วนที่ถูกเรียกว่า “พ่อแม่ไม่สั่งสอน” ตัวแปรของสมการมาจากข้อมูลที่หลากหลายของ Add Health แต่เนื่องจากตัวแปรส่วนใหญ่ในประเด็นนี้มักมีความสัมพันธ์กัน การศึกษาจึงใช้ Factor Analysis ในการแปลงข้อมูลก่อน ซึ่งข้อมูลที่ถูกนำมาใช้ประกอบด้วยความรู้สึกละอายถ้าครอบครัวรู้ว่ามีเพศสัมพันธ์ ความรู้สึกละอายกับการเห็นวัยรุ่นคนอื่นมีเพศสัมพันธ์ ความรู้สึกละอายหากมีการตั้งท้อง และความรู้สึกละอายต่อคำสอนทางศาสนา

……….

ผลจากการประมาณค่าสมการที่สนใจตัวแปรความละอายใจ (พ่อแม่ไม่สั่งสอน) กับสัดส่วนของเพื่อนที่เคยมีเพศสัมพันธ์มาก่อนที่มีต่อการตัดสินใจมีเพศสัมพันธ์ของตนเอง (คบเพื่อนไม่ดี) ทั้งสองตัวแปรมีผลอย่างมีนัยสำคัญ โดยวัยรุ่นมีแนวโน้มที่จะมีเพศสัมพันธ์มากขึ้นหากคบกับเพื่อนๆ ที่มีเพศสัมพันธ์มาแล้ว ขณะที่วัยรุ่นมีแนวโน้มที่จะมีเพศสัมพันธ์ลดลงหากมีความรู้สึกละอายใจมาก (ดูตารางที่ ๑)

“ตารางที่ ๑ ผลการประมาณค่าสมการ”

วิธีการตีความผลการศึกษาแบบจำลองลอจิสติคส์ (Logistic Regression Model) ก็คือ ต้องปรับจากค่าสัมประสิทธิ์ที่ประมาณค่าได้มาเป็นค่าความยืดหยุ่น (ดูตารางที่ ๒) กล่าวคือ หากอยู่ในกลุ่มเพื่อนที่โดยเฉลี่ยมีเพศสัมพันธ์มาแล้วเพิ่มขึ้น 1% จะเพิ่มโอกาสการมีเพศสัมพันธ์ขึ้น 6.8% ขณะที่หากความรู้สึกละอายใจต่อการมีเพศสัมพันธ์เพิ่มขึ้น 1% จะลดการมีเพศสัมพันธ์ลง 2.3%

“ตารางที่ ๒ ค่าความยืดหยุ่นของปัจจัยที่มาจากค่าสัมประสิทธิ์ของสมการ”

……….

อย่างไรก็ตาม การตีความผลการศึกษาว่า “พ่อแม่ไม่สั่งสอน” หรือ “คบเพื่อนไม่ดี” อะไรมีบทบาทมากกว่ากัน อาจไม่ตรงไปตรงมาตามตัวเลข เนื่องจาก 1% ของกลุ่มเพื่อนที่โดยเฉลี่ยมีเพศสัมพันธ์มาแล้วไม่ได้มีค่าเท่ากับ 1% ของความรู้สึกละอายใจ (จากตารางที่ ๓ จะเห็นได้ว่าช่วงของค่าความรู้สึกละอายใจสูงกว่าค่าเฉลี่ยของกลุ่มเพื่อนที่มีเพศสัมพันธ์มาแล้ว) จึงต้องเปรียบเทียบกันด้วยค่าส่วนเบี่ยงเบนมาตรฐานเดียวกัน (เป็นการปรับหน่วย) พบว่า ใน 1 ช่วงของส่วนเบี่ยงเบนมาตรฐานที่เปรียบเทียบกันได้นั้น ค่าเฉลี่ยของกลุ่มเพื่อนที่มีเพศสัมพันธ์มาแล้วจะเพิ่มโอกาสการมีเพศสัมพันธ์ 2.5% และความรู้สึกละอายใจจะลดโอกาสการมีเพศสัมพันธ์ 5.3% ซึ่งเท่ากับว่าที่จริงแล้ว บทบาทของ “พ่อแม่ไม่สั่งสอน” สำคัญกว่า “คบเพื่อนไม่ดี”

อย่างไรก็ตาม แม้ว่าบทบาทของการอบรมจากพ่อแม่จะมีผลต่อการตัดสินใจของลูกมากกว่าบทบาทของเพื่อน เมื่อใช้เวลาเท่าๆ กัน แต่ในโลกความเป็นจริง วัยรุ่นเป็นวัยที่ใช้เวลาส่วนใหญ่อยู่กับเพื่อน และนี่อาจจะเป็นอีกสาเหตุหนึ่งที่ทำให้พวกเขาได้รับอิทธิพลจากเพื่อนมากกว่า ซึ่งพ่อแม่เองก็คงต้องสละเวลาในการอบรมเลี้ยงดูลูกมาขึ้นเช่นกันจึงจะเห็นผล

“ตารางที่ ๓ ค่าสถิติเบื้องต้นของตัวแปต่างๆ ที่ใช้ในสมการ”

แบบจำลองอาจถูกโต้แย้งในเรื่องของการระบุผลกระทบจากกลุ่มเพื่อน เพราะการคบเพื่อนอาจไม่ได้เป็นไปแบบสุ่ม (Non-Randomly) เพราะเด็กที่สนใจอยากจะมีเพศสัมพันธ์อยู่แล้วอาจจะเป็นคนเลือกโรงเรียนที่น่าจะมีเพื่อนแบบที่เขาต้องการ ซึ่งย่อมหมายความว่าการมีเพศสัมพันธ์เป็นเพราะตัวของเขาเอง ไม่ใช่เพราะเพื่อน

การควบคุมประเด็นในนี้ไม่ให้เข้ามาบิดเบือนผลการวิเคราะห์สามารถทำได้โดยสามวิธี หนึ่งคือ ต้องพิจารณาว่าพ่อแม่เป็นคนเลือกโรงเรียนให้ลูก หรือลูกเป็นคนเลือกโรงเรียนเอง เพราะถ้าพ่อแม่เป็นคนเลือก ประเด็นการบิดเบือนผลก็น่าจะมีน้อย สองคือ ถ้าเด็กเพิ่งย้ายโรงเรียนเข้ามาเรียน ก็จะมีแนวโน้มของการมีเพื่อนแบบสุ่มมากกว่าการเรียนอยู่ที่โรงเรียนนี้มานานแล้ว ประเด็นการบิดเบือนผลก็จะน้อย และสามคืิอนักเรียนที่อยู่ในโรงเรียนประเภทที่คล้ายกัน เช่น โรงเรียนคอนแวนต์ ก็น่าจะมีพฤติกรรมบางอย่างที่คล้ายๆ กัน การบิดเบือนผลก็น่าจะน้อยลงหากผลออกมาว่าเด็กที่อยู่โรงเรียนเหล่านี้มีนิสัยคล้ายๆ กัน และผลที่ได้จากการควบคุมปัจจัยเหล่านี้ก็ยืนยันค่าที่วิเคราะห์ออกมาได้ในตอนต้นอยู่ดี

“ภาพยนตร์เรื่อง รักจัดหนัก ที่เกี่ยวข้องกับความรักและเซ็กซ์ของวัยรุ่น”

……….

แม้ว่าแบบจำลองนี้จะไม่ได้ควบคุมปัจจัยทางด้านสื่อ แต่ผลของการประมาณค่าทางเศรษฐมิติก็ยังคงน่าสนใจว่า อันที่จริง ทั้งพ่อแม่ไม่สั่งสอนและคบเพื่อนไม่ดีต่างก็มีผลต่อการตัดสินใจเพศสัมพันธ์ก่อนวัยอันควร แต่เนื่องจากผลของความรู้สึกละอายใจกับตัวเองมีบทบาทสูงกว่าผลของการคบเพื่อนประมาณ 2 เท่า พูดง่ายๆ ก็คือ ถ้าพ่อแม่สอนมาดี คบเพื่อนไม่ดีก็ยังไม่ค่อยเป็นไรมาก แต่ถ้าพ่อแม่สอนไม่ดี คบเพื่อนดีก็ไม่ได้ช่วยมากนัก คนเป็นพ่อแม่จึงไม่อาจโทษเพื่อนหรือโทษโรงเรียนได้ และคนที่เป็นพ่อแม่ หรือกำลังจะเป็นพ่อแม่คงต้องหันกลับมาดูวิธีการดูแลลูกของตนเองมากกว่าการโทษแค่ว่า “เด็กสมัยนี้มันไม่ดี” กระมัง

ที่มา: Fernández-Villaverde, J, J Greenwood and N Guner (2011), “From Shame to Game in One Hundred Years: A Macroeconomic Model of the Rise in Premarital Sex and its De-Stigmatization”, CEPR Discussion Paper 8667.

featured image from webboard.yenta4.com/topic/458797

……….

ก่อนอื่นต้องออกตัวก่อนว่า นี่ไม่ใช่งานศึกษาเกี่ยวกับประเทศไทย แต่เป็นกรณีศึกษาของประเทศอิตาลี ซึ่งสถานการณ์ในช่วงที่มีนายกรัฐมนตรีชื่อ Silvio Berlusconi มีความใกล้เคียงกับประเทศไทยมาก [และไม่ได้มีความเกี่ยวข้องว่าพรรคการเมืองใดเป็นรัฐบาล เนื่องจากเป็นการศึกษาในภาพรวมของสื่อทีวีที่ให้ข้อสรุปที่น่าสนใจเท่านั้น]

Silvio Berlusconi ดำรงตำแหน่งนายกรัฐมนตรีครั้งแรกในปี 1994 โดยดำรงตำแหน่งทั้งสิ้นสามสมัย(ไม่ต่อเนื่องกัน) หากนับเวลารวมแล้ว เขาเป็นนายกรัฐมนตรีที่ดำรงตำแหน่งยาวนานที่สุดของอิตาลีเป็นอันดับที่สองรองจาก Benito Mussolini ทั้งๆ ที่ส่วนมากนายกฯแต่ละคนจะอยู่ในตำแหน่งได้แค่เพียงช่วงเวลาสั้นๆ เท่านั้น

“Silvio Berlusconi บนปก Rolling Stone”

นอกจากนี้ Berlusconi ยังมีประวัติเกี่ยวกับการฟอกเงิน การปลอมบัญชี การโกงภาษี การให้ความร่วมมือกับมาเฟีย การคอรัปชั่น การติดสินบนผู้พิพากษาและตำรวจ รวมไปถึงการซื้อประเวณีเด็กผู้หญิง จน The Economist ถึงกับเคยเขียนบทความที่มีข้อความว่า “ไม่น่าเชื่อว่าคนที่มีประวัติเช่นนี้จะกลายมาเป็นนายกรัฐมนตรีได้” (The Economist, 2001)

……….

แล้วคนที่มีประวัติโชกโชนขนาดนี้ ทำไมจึงกลายมาเป็นนายกฯของหนึ่งในประเทศที่มีการพัฒนาระบอบประชาธิปไตยสูงอย่างอิตาลีได้ บางสำนักอ้างถึงความสำเร็จของนโยบายประชานิยมและการซื้อเสียง ขณะที่สำนักที่ไม่เห็นด้วยจะอ้างว่า ทุกพรรคการเมืองก็เสนอนโยบายประชานิยมและก็ซื้อเสียงเหมือนๆ กัน หากกระบวนการนี้เป็นปัจจัยที่ของความสำเร็จแล้ว ทำไมพรรคการเมืองอื่นจึงไม่ชนะการเลือกตั้ง [น่าสังเกตว่า ฝ่ายที่ไม่เห็นด้วยไม่ได้ค้านว่า Berlusconi ไม่ได้ทำตามที่ถูกอ้าง]

หลายสำนักเห็นตรงกันว่า ปัจจัยที่ส่งผลให้ Berlusconi ขึ้นสู่ตำแหน่งได้คือ การที่เขาเป็นเจ้าของอาณาจักรสื่อ Mediaset ซึ่งเป็นเจ้าของทีวีเอกชนเกือบทั้งหมด และยังมีบทบาททางอ้อมในการควบคุม RAI (Radio Televisione Italia) ช่องทีวีของรัฐบาลด้วย นั่นคือ สื่อทีวีกว่าร้อยละ 90 อยู่ในมือของเขาคนเดียว

สื่อทีวีจะช่วยเอื้อประโยชน์ให้กับคนที่มีประวัติโชกโชนได้มากขนาดนี้เเชียวหรือ? Sabatini (2011) ตอบคำถามนี้โดยหาว่าความเชื่อถือ (Trust) ที่มีต่อตัว Berlusconi ถูกกำหนดจากความเชื่อถือของสื่อทีวีหรือไม่ ด้วยวิธีการประมาณค่า Probit และ Instrumental Variable โดยเก็บข้อมูลจากประชาชน 817 คน ในเมือง Trento ช่วงเดือนมีนาคม 2011

แบบสอบถามของ Sabatini (2011) เป็นแบบสเกลจาก 1 ถึง 10 เช่น ถามว่า “คุณคิดว่านายกรัฐมนตรีมีความน่าเชื่อถือแค่ไหน?” หรือ “คุณคิดว่าสื่อทีวีมีความน่าเชื่อถือแค่ไหน?” โดย 1 หมายถึง “ไม่น่าเชื่อถือเลยสักนิดเดียว” และ 10 หมายถึง “เชื่อถือได้เต็มที่”

……….

ผลการสำรวจแสดงค่าเฉลี่ยในคอลัมน์ที่สามได้ตามตารางที่ ๑ คือ ความน่าเชื่อถือในตัวนายกรัฐมนตรี Berlusconi มีค่าเฉลี่ยเพียง 2.3 เต็ม 10 เท่านั้น [อย่าลืมว่าค่าที่ต่ำที่สุดคือ 1 ไม่ใช่ 0 นะครับ] นั่นคือ แทบไม่มีใครเชื่อถือนายกฯเลย ขณะที่ความน่าเชื่อถือของสื่อทีวี และระบบศาลยุติธรรมอยู่ที่ 5.9 และ 6.2 ตามลำดับ ซึ่งเป็นตัวเลขที่ค่อนข้างสูงทั้งคู่

“ตารางที่ ๑ ค่าเฉลี่ยของความน่าเชื่อถือในแต่ละเรื่องที่ถูกถาม”

ผลการประมาณค่า Probit ในตารางที่ ๒ แสดงให้เห็นประเด็นที่น่าสนใจสองประการ หนึ่งคือ ความน่าเชื่อถือของสื่อทีวีมีผลบวกต่อความน่าเชื่อถือในตัวนายกฯอย่างมีนัยสำคัญ ขณะที่ความน่าเชื่อถือของระบบศาลยุติธรรมกลับส่งผลลบต่อความน่าเชื่อถือในตัวนายกฯอย่างมีนัยสำคัญเช่นกัน

“ตารางที่ ๒ ผลการประมาณค่าสมการแบบ Probit”

……….

อาจมีข้อโต้แย้งว่า เนื่องจาก Berlusconi เป็นเจ้าของสื่อทีวีเกือบทั้งหมด สื่อทีวีอาจไม่ใช่ปัจจัยที่ทำให้คนเชื่อถือในตัว Berlusconi แต่เป็นเพราะคนเชื่อถือในตัว Berlusconi ต่างหากจึงเชื่อถือสื่อทีวี [คล้ายๆ กับการที่คนที่เชื่อถือในตัวคุณสนธิ ลิ้มทองกุลจึงเชื่อถือใน ASTV ด้วย หรือการที่คนที่เชื่อถือในตัวคุณสุทธิชัย หยุ่นจึงเชื่อถือใน Nation TV ด้วย]

Sabatini (2011) จึงใช้การประมาณค่าแบบ Instrumental Variable โดยตัวแปรเครื่องมือที่กำหนดความน่าเชื่อถือของสื่อทีวีคือ คุณภาพของเพื่อน (Quality of Friendships) เพราะเพื่อนที่ดีจะทำให้เกิดการแลกเปลี่ยนข้อมูลอย่างเหมาะสมและรอบด้าน และความน่าเชื่อถือของสื่อหนังสือพิมพ์ เพราะหนังสือพิมพ์จะให้ข้อมูลที่หลากหลายและต้องอาศัยความคิดมากกว่าสื่อทีวี โดยทั้งสองตัวแปรมีความสัมพันธ์กับความน่าเชื่อถือของสื่อทีวีในทางลบ

ผลการประมาณค่าสมการแบบ Instrumental Variable ไม่แตกต่างจากผลการประมาณค่าแบบ Probit กล่าวคือ ความน่าเชื่อถือของสื่อทีวียังคงมีผลบวกต่อความน่าเชื่อถือในตัวนายกฯอย่างมีนัยสำคัญ

“ตารางที่ ๒ ผลการประมาณค่าสมการแบบ Instrumental Variable”

ข้อค้นพบของ Sabatini (2011) ตรงไปตรงมาคือ สื่อทีวีมีอิทธิพลอย่างมากต่อความน่าเชื่อถือของตัวนายกฯ นั่นคือ เปลี่ยนถูกเป็นผิดและผิดเป็นถูกได้ ดังนั้น การมีสื่อทีวีที่มีอิสระและเสรีภาพจึงเป็นเรื่องสำคัญต่อการพัฒนาประชาธิปไตย

……….

โดยสรุป ความน่าเชื่อถือในตัวนายกรัฐมนตรี Berlusconi เองนั้นเองมีค่าเฉลี่ยเพียง 2.3 ขณะที่ความน่าเชื่อถือของสื่อทีวีมีค่า 5.9 ซึ่งสูงกว่าตัวนายกฯมาก คนไม่เชื่อ Berlusconi แล้วคนเชื่ออะไรในสื่อทีวี?

บทบาทสำคัญที่มีผลต่อความน่าเชื่อถือในสื่อทีวีคือ “พิธีกร” เช่น Berlusconi ตอบคำถามเรื่องหนี้ยุโรปว่า “รัฐบาลจะแก้ปัญหาวิกฤตหนี้ของอิตาลีให้ได้” พิธีกรคนที่หนึ่งหัวเราะหึหึ แล้วพูดว่า “ก็เห็นพูดแบบนี้ตลอด แต่ไม่เคยทำได้” กับพิธีกรคนที่สองไม่ได้หัวเราะ และพูดว่า “เป็นความตั้งใจจริงของนายกฯ พวกเราคงต้องเอาใจช่วย”

คำพูดของนายกฯนั้นเป็นกลาง เพราะมีแต่ข้อมูลโดยไม่มีความคิดเห็นใดใด ที่สำคัญ เอาเข้าจริงแทบไม่มีใครจำสิ่งที่นายกฯพูดได้เลยด้วยซ้ำ แต่คำพูดและโดยเฉพาะความรู้สึกที่เกิดจากคำพูดของพิธีกรต่างหากที่คนจำได้ ซึ่งส่วนต่างของความน่าเชื่อถือระหว่างสื่อทีวีกับตัวนายกฯส่วนหนึ่งก็มาจากความน่าเชื่อถือของตัวพิธีกรนั่นเอง

ดังนั้น ความไม่เป็นกลางของสื่อทีวีมีอิทธิพลสูงมากจากคำพูดรับและส่งของพิธีกรในรายการ และนี่เป็นสิ่งที่สังคมเองต้องให้ความระวังไม่น้อยไปกว่าที่ว่า สื่อทีวีจะเสนอข่าวอะไรและอย่างไร

ที่มา:
Fabio Sabatini (2011) “Who trusts Berlusconi? An econometric analysis of the role of television in the political arena” EERI Research Paper Series No 09/2011.
The Economist, “An Italian story”, published in the issue of April 28th 2001.

……….

ข้อมูลของประเทศต่างๆ แสดงให้เห็นว่า รายได้ต่อหัวที่สูงขึ้นจะมีผลต่อช่วงอายุของชีวิต (Life Expectancy) ที่ยาวขึ้นของประชากร เพราะมันสะท้อนถึงคุณภาพชีวิตและความเป็นอยู่ของคนในสังคมนั้นๆ แต่คำถามเกิดขึ้นในทางกลับกัน หากช่วงอายุของชีวิตของประชากรสูงขึ้น แล้วรายได้ต่อหัวจะสูงขึ้นด้วยหรือไม่ เพราะถ้าใช่ นั่นหมายความว่าการลงทุนโครงสร้างพื้นฐานทางสาธารณสุขไม่ได้มีผลแค่คุณภาพชีวิตของประชากรเท่านั้น แต่ยังช่วยให้เศรษฐกิจเติบโตขึ้น และถ้าไม่ใช่ การลงทุนโครงสร้างพื้นฐานทางสาธารณสุขก็จะเป็นเพียงต้นทุนที่สังคมต้องจ่ายเท่านั้น

ประเด็นปัญหาทางเศรษฐมิติของเรื่องนี้คือความสัมพันธ์เชิงเหตุและผล (Causality Problem) เนื่องจากแม้รายได้ต่อหัวและช่วงอายุของชีวิตจะมีค่าความสัมพันธ์ต่อกันสูง แต่อาจบอกได้ไม่ง่ายนักว่าตัวแปรใดมีผลต่อตัวแปรใดกันแน่ วิธีวิเคราะห์ที่เหมาะสมจึงต้องหาตัวแปรเครื่องมือ (Instrumental Variable) เข้ามาช่วยวิเคราะห์แทน

งานของ Lorentzen et al (2008) ใช้สภาพภูมิศาสตร์-ภูมิอากาศวิทยา (Geo-climatological Conditions) ของประเทศต่างๆ เป็นตัวกำหนดช่วงอายุของชีวิต และพบว่า ช่วงอายุของชีวิตที่ยาวขึ้นทำให้เศรษฐกิจเติบโตขึ้น ขณะที่งานของ Acemoglu and Johnson (2007) ใช้การเปลี่ยนแปลงของวิทยาการระบาด (Epidemiological Transition) หลังสงครามโลกครั้งที่สองของภายในแต่ละประเทศเอง มาเป็นตัวกำหนดอัตราการตาย (Mortality Rate) ซึ่งมีผลต่อช่วงอายุของชีวิตอีกขั้นหนึ่ง พบว่า ช่วงอายุของชีวิตมีผลโดยตรงเพียงเล็กน้อยต่อการเติบโตทางเศรษฐกิจ แต่มีผลอย่างมากต่อจำนวนประชากร ดังนั้น รายได้ต่อหัวของประชากรจะลดลงในที่สุด ตามตารางที่ ๑ ซึ่งงานของ Acemoglu and Johnson (2007) นี้นับเป็นจุดเริ่มต้นสำคัญของข้อถกเถียงต่อประเด็นเรื่องช่วงอายุของชีวิตกับการเติบโตทางเศรษฐกิจในเวลาต่อมา

“ตารางที่ ๑ ผลกระทบของช่วงอายุชีวิตที่มีต่อรายได้ต่อหัว”

……….

ในทางทฤษฎีแล้ว ช่วงอายุของชีวิตที่ยาวขึ้นหรือสั้นลงสามารถส่งผลได้ทั้งบวกและลบกับรายได้ต่อหัว เพราะในด้านหนึ่ง มันหมายถึงการที่ประชากรมีสุขภาพดีขึ้น อย่างน้อยก็ในช่วงวัยทำงาน และยังเป็นแรงจูงใจให้ประชากรนึกถึงการลงทุนในระยะยาว เช่น การพัฒนาตัวเอง การศึกษา แต่ในอีกด้านหนึ่ง มันจะนำไปสู่การมีประชากรจำนวนมากขึ้น รวมถึงการใช้ทรัพยากรของผู้สูงอายุซึ่งบริโภคมากกว่าผลิต

แนวคิดที่ว่ามาส่วนใหญ่ยังเป็นแค่ทฤษฎี โดยงานวิจัยเชิงประจักษ์ยังมีไม่มาก Cervellati and Sunde (2011) ทำการศึกษาผลกระทบเชิงเหตุและผลด้วยแบบจำลองที่ยอมให้มีการเปลี่ยนแปลงที่ไม่เป็นเส้นตรงของช่วงอายุชีวิต และใช้ข้อมูลชุดเดียวกันกับ Acemoglu and Johnson (2007) โดยเน้นไปที่ขั้นของการเปลี่ยนแปลงโครงสร้างประชากร (Demographic Transition) ของแต่ละประเทศ

ปกติแล้ว ขั้นของการเปลี่ยนแปลงโครงสร้างประชากรประกอบด้วย 3 ขั้นตอนคือ

1) ช่วงก่อนการเปลี่ยนแปลงทางประชากร (Pre-transition Phase) เป็นช่วงที่มีอัตราการตายอยู่ในระดับสูง แต่มีการแปรผันในบางช่วงเวลา ตามการเกิดขึ้นของภาวะการขาดแคลนอาหาร สงคราม และการแพร่ระบาดของโรคต่างๆ เพื่อรักษาดุลยภาพทางประชากร ที่มีอัตราเกิดสูงตามไปด้วย ช่วงนี้มักเกิดขึ้นก่อนการปฏิวัติอุตสาหกรรม

2) ช่วงการเปลี่ยนแปลงทางประชากร (Transition Phase) เป็นช่วงที่อัตราการตาย เริ่มลดลง เนื่องจากการพัฒนาเศรษฐกิจสังคม มีการขยายตัวทางอุตสาหกรรม และความเป็นเมือง ประกอบกับความทันสมัย ทำให้คู่สมรสมองว่า การมีบุตรมากไม่สอดคล้องกับภาวะเศรษฐกิจ และสังคม จึงให้ความสำคัญกับคุณภาพของบุตร มากกว่าปริมาณของบุตร ทำให้มีการควบคุมภาวะเจริญพันธุ์โดยการคุมกำเนิด และในที่สุดภาวะเจริญพันธุ์ก็ลดลงตามไปด้วย

3) ช่วงหลังการเปลี่ยนแปลงทางประชากร (Post-Transition Phase) เป็นช่วงที่อัตราการเกิด และการตาย ลดลงจนอยู่ในระดับต่ำ ในช่วงนี้ การเกิดจะมีการแปรผันบ้าง ตามสภาวการณ์ทางเศรษฐกิจและสังคม

……….

Cervellati and Sunde (2011) ใช้ช่วงที่ 1 และ 3 มาเปรียบเทียบผลกระทบของช่วงอายุของชีวิตที่มีต่อรายได้ต่อหัวของประชากร ผลที่ได้ตามรูปที่ ๑ แสดงการเปลี่ยนแปลงของช่วงอายุชีวิต ณ เวลาที่คนๆ นั้นเกิดเปรียบเทียบปี 1940 และ 1980 กับ การเปลี่ยนแปลงของรายได้ต่อหัวในช่วงเวลาเดียวกัน นั่นคือ อายุที่ยืนขึ้นของประชากรในประเทศที่ยังไม่ได้เข้าสู่การเปลี่ยนผ่านภาวะเจริญพันธุ์ (Fertility Transition) ในช่วงปี 1940 (‘Pre-transitional’ Countries) จะส่งผลให้รายได้ต่อหัวลดลง ขณะที่อายุของประชากรที่ยืนขึ้นของประเทศที่ผ่านช่วงเปลี่ยนผ่านภาวะเจริญพันธุ์แล้ว (‘Post-transitional Countries’) จะมีรายได้ต่อหัวเพิ่มขึ้น

“รูปที่ ๑ ความสัมพันธ์ระหว่างการเปลี่ยนแปลงช่วงอายุชีวิตในช่วงปี 1940-80 กับรายได้ต่อหัว”

งานศึกษายังขยายไปยังการจำแนกประเภทตามประเทศยากจนหรือไม่ยากจนด้วย ซึ่งอายุที่ยืนขึ้นของประชากรในประเทศยากจนจะทำให้ประเทศยิ่งจนลง แต่อายุที่ยืนขึ้นของประชากรในประเทศร่ำรวยจะทำให้พวกเขารวยขึ้น (ดูรายละเอียดจากตารางที่ ๒)

“ตารางที่ ๒ ผลกระทบเชิงเหตุและผลของช่วงอายุชีวิตที่มีต่อรายได้ต่อหัว”

……….

กล่าวโดยสรุปคือ ขั้นของการเปลี่ยนแปลงโครงสร้างประชากรมีบทบาทต่อผลกระทบของช่วงอายุชีวิตประชากรที่มีต่อรายได้ต่อหัวของประชากร ในประเทศที่ยังไม่ผ่านช่วงการเปลี่ยนแปลงประชากร หรือประเทศที่ยากจน อายุประชากรที่ยืนขึ้นจะส่งผลให้รายได้ต่อหัวลดลง(จนลง) เพราะผลของการเพิ่ม“จำนวน”ประชากรมีมากกว่าผลของ“คุณภาพ”สาธารณสุข ซึ่งจะเป็นภาระของรัฐบาลในการจัดการ ขณะที่ประเทศที่ผ่านช่วงการเปลี่ยนแปลงประชากรแล้ว หรือประเทศที่ร่ำรวย อายุประชากรที่ยืนขึ้นจะส่งผลให้รายได้ต่อหัวเพิ่มขึ้น(รวยขึ้น) เพราะผลของ“คุณภาพ”สาธารณสุขมีมากกว่าผลของการเพิ่ม“จำนวน”ประชากร ทำให้เกิดแรงจูงใจต่อการพัฒนาทุนมนุษย์

แม้ว่าจะเป็นประเด็นที่ดูเหมือน การได้อย่าง-เสียอย่างของคุณภาพและจำนวนประชากร (Quality-Quantity Tradeoffs of Population) แต่ข้อเสนอแนะคงไม่ใช่ว่าให้ลดจำนวนประชากรลง และคงไม่ใช่การตีค่าความมีชีวิตของประชากรด้วยต้นทุนสาธารณสุข เพียงแต่หากการพัฒนาคุณภาพของสาธารณสุขที่ส่งผลให้ช่วงอายุชีวิตของประชากรยาวขึ้นนั้นเป็นภาระต้นทุนของสังคมแล้วล่ะก็คงได้เวลาอย่างจริงจังที่สังคมควรจะนึกถึงการพัฒนาคุณภาพของประชากรในประเทศอย่างจริงจังเสียที

ที่มา:
- วิทยาลัยประชากรศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย (2008), “ทฤษฎีประชากร (Population Theories)”, available at here.
- Acemoglu, D, and S Johnson (2007), “Disease and Development: The Effect of Life Expectancy on Economic Growth”, Journal of Political Economy,115(6):925­-985.
- Cervellati, M, and U Sunde (2012), “Diseases and development: Does life expectancy increase income growth?”, available at voxeu.
- Cervellati, M, and U Sunde (2011), “Life Expectancy and Economic Growth: The Role of the Demographic Transition”, Journal of Economic Growth, 16(2): 99-­133.
- Lorentzen, P, J McMillan, and R Wacziarg (2008), “Death and Development”, Journal of Economic Growth, 13(2):81­-124.

featured image from here

……….

การปฏิวัติ การรัฐประหาร หรือการยึดอำนาจ (Coup d’etat) เป็นสิ่งที่เกิดขึ้นทั่วโลก โดยมักมีวัตถุประสงค์หลักเพื่อนำไปสู่การเปลี่ยนแปลงตัวผู้นำ (Change in Leader) แต่การศึกษาเชิงประจักษ์ในทางเศรษฐศาสตร์ที่เกี่ยวข้องการปฏิวัติโดยตรงนั้นก็ยังไม่มีให้เห็นมากนัก ยกเว้นงานตีพิมพ์ของ Londregan and Poole (1990) ที่ให้ข้อสรุปว่า “ประเทศที่มีรายได้เฉลี่ยต่อหัวต่ำจะมีโอกาสในการเกิดปฏิวัติที่สูงขึ้น”

“รถถังที่กลายเป็นสัญลักษณ์ของการปฏิวัติไปเสียแล้ว” (ที่มาของภาพ)

แม้ว่าในเชิงประจักษ์จะมีไม่มากนัก แต่ในทางทฤษฎีก็มีให้เห็นอยู่พอสมควร โดยเฉพาะในประเด็นเรื่องรายจ่ายทางการทหาร (Military Spending) งานวิจัยที่ตีพิมพ์เมื่อเร็วๆ นี้ก็คือ Acemoglu, Ticchi and Vindigni (2010) Besley and Robinson (2010) และ Leon (2009) ที่ให้ข้อสรุปตรงกันว่า “การปฏิวัติสามารถถูกซื้อเก็บไว้ (Bought off) ได้ด้วยรายจ่ายทางการทหารของรัฐบาลที่สูงพอ”

……….

Leon (2012) นำเอาแนวคิดทางทฤษฎีนี้มาวิเคราะห์เชิงประจักษ์ โดยใช้ข้อมูลการปฏิวัติ ทั้งสำเร็จและล้มเหลว รายจ่ายทางการทหาร และตัวแปรควบคุมอื่นๆ จาก 153 ประเทศในช่วงปี 1963-1999 เพื่อศึกษาความสัมพันธ์ของรายจ่ายทางการทหารและการปฏิวัติในสองช่วงเวลา คือ ก่อนและหลังเหตุการณ์ปฏิวัติ

ตารางที่ ๑ แสดงให้เห็นว่า จากการปฏิวัติจำนวน 232 ครั้ง จำนวนการปฏิวัติที่สำเร็จและล้มเหลวมีสัดส่วนใกล้เคียงกันประมาณครึ่งต่อครึ่ง เช่นเดียวกับจากจำนวน 153 ประเทศ เกือบครึ่งหนึ่งเคยเกิดปฏิวัติภายในประเทศของตนเองอย่างน้อย 1 ครั้ง

“ตารางที่ ๑ การปฏิวัติที่สำเร็จและล้มเหลว (บน) ประเทศที่เคยเกิดการปฏิวัติ (ล่าง)”

สถานการณ์หลังการปฏิวัตินั้น Leon (2012) ใช้เทคนิคการวิเคราะห์ที่เรียกว่า Difference-in-Differences โดยทำการพิจารณาแนวโน้มของรายจ่ายทางการทหารก่อนปฏิวัติ เปรียบเทียบกับหลังการปฏิวัติในสถานการณ์ที่การปฏิวัติประสบความสำเร็จ (Treatment Group) และล้มเหลว (Control Group)

“ทหารถือปืนท่ามกลางฝูงชนก็เป็นอีกสัญลักษณ์หนึ่งเช่นกัน (ภาพนี้ที่ Honduras)” (ที่มาของภาพ)

จากภาพที่ ๑ ที่แสดงความสัมพันธ์ระหว่างช่วงเวลา 5 ปีก่อนและหลังการปฏิวัติ (แกนนอน) และสัดส่วนรายจ่ายทางการทหารต่อ GDP (Military Spending/GDP) (แกนตั้ง) พบว่า ประเทศที่มีการปฏิวัติสำเร็จ (เส้นทึบ) มีแนวโน้มของรายจ่ายทางการทหารไม่ต่างไปจากประเทศที่มีการปฏิวัติล้มเหลว (เส้นประ) อันที่จริงรายจ่ายทางการทหารของประเทศที่ปฏิวัติล้มเหลวสูงกว่าของประเทศที่ปฏิวัติสำเร็จด้วยซ้ำ นั่นหมายความว่ารายจ่ายทางการทหารก่อนการปฏิวัตินั้นไม่มีผลต่อความสำเร็จหรือล้มเหลวของการปฏิวัตินั่นเอง แต่หลังจากการปฏิวัติเสร็จสิ้น ประเทศที่มีการปฏิวัติสำเร็จจะมีสัดส่วนรายจ่ายทางการทหารต่อ GDP เพิ่มสูงขึ้นกว่าเดิม 25% เมื่อเปรียบเทียบกับการเปลี่ยนแปลงรายจ่ายทางการทหารของประเทศที่ล้มเหลว

“ภาพที่ ๑ แนวโน้มของสัดส่วนรายจ่ายทางการทหารต่อ GDP”

นอกจากนี้ หากพิจารณาในเชิงของแบบจำลอง เพื่อควบคุมปัจจัยอื่นๆ ได้แก่ GDP ต่อหัว มูลค่า GDP จำนวนประชากร จำนวนทหาร ประชาธิปไตย บทบาทของทหาร (Military Regime) ความไม่มีเสถียรภาพ (Instability) ให้คงที่แล้ว ผลจะออกมาตามตารางที่ ๒ ซึ่งตัวแปรตามในคอลัมน์ (1)-(3) คือสัดส่วนรายจ่ายทางการทหารต่อ GDP และในคอลัมน์ (4)-(6) คือมูลค่ารายจ่ายทางการทหาร จะพบว่า Post-Coup Dummy แสดงรายจ่ายทางการทหารระหว่างก่อนกับหลังการปฏิวัติ (เฉพาะกรณีที่ล้มเหลว) มีค่าเป็นลบ Success Dummy แสดงรายจ่ายทางการทหารระหว่างก่อนปฏิวัติกรณีสำเร็จกับล้มเหลวมีค่าเป็นลบ ขณะที่ Post-Coup Dummy x Success Dummy แสดงรายจ่ายทางการทหารหลังปฏิวัติกรณีสำเร็จมีค่าเป็นบวก ซึ่งหมายความว่าหากปฏิวัติสำเร็จ “สัดส่วนรายจ่ายทางการทหารต่อ GDP” จะเพิ่มสูงขึ้นอย่างมีนัยสำคัญทางสถิติ

“ตารางที่ ๒ Difference-in-Differences ก่อนและหลังการปฏิวัติ 1 ปี”

ขณะที่สถานการณ์ก่อนการปฏิวัตินั้น Leon (2012) ได้ใช้แบบจำลองข้อมูลเชิงระนาบ (Panel Data) ทำการวิเคราะห์ผลกระทบของสัดส่วนรายจ่ายทางการทหารต่อ GDP ที่มีต่อการปฏิวัติ โดยเขาใช้ทั้งแบบจำลองกำลังสองน้อยที่สุด (Least Squared), Fixed Effects และ Logit ดังตารางที่ ๓ พบว่า การเพิ่มสัดส่วนรายจ่ายทางการทหารต่อ GDP 1% จะลดโอกาสของการเกิดปฏิวัติในช่วง 5 ปีไป 1.5% จากค่าเฉลี่ยของโอกาสที่จะเกิดอยู่ที่ 18% หรือกล่าวอีกด้านหนึ่งได้ว่า การปฏิวัติจะมีโอกาสเกิดมากในประเทศที่มีสัดส่วนรายจ่ายทางการทหารต่อ GDP ต่ำ

“ตารางที่ ๓ รายจ่ายทางการทหารกับการปฏิวัติ”

……….

ข้อสรุปของ Leon (2012) จึงสอดคล้องกับแนวคิดทางทฤษฎีด้านเศรษฐศาสตร์การเมืองเกี่ยวกับความสัมพันธ์ระหว่างรายจ่ายทางการทหารกับการปฏิวัติ โดย ๑) การปฏิวัติที่สำเร็จจะทำให้รายจ่ายทางการทหารต่อ GDP เพิ่มสูงขึ้นมากกว่าการปฏิวัติที่ล้มเหลว และ ๒) รายจ่ายทางการทหารที่สูงขึ้นมีผลทำให้การปฏิวัติลดลง นั่นหมายความว่า ราคาของการ(ไม่ถูก)ยึดอำนาจก็คืองบประมาณทางการทหารหรือรายจ่ายทางการทหารที่สูงขึ้น

อย่างไรก็ตาม ข้อสรุปของ Leon (2012) นั้นเป็นข้อสรุปในภาพรวมของโลก ซึ่งการปฏิวัติ รวมทั้งการเมืองด้านอื่นๆ ของแต่ละประเทศก็ย่อมมีความแตกต่างกันไป และก็คงต้องศึกษาลงลึกเป็นกรณีๆ ไปด้วยเช่นกัน แต่กระบวนการหาคำตอบของเขานั้นก็นับเป็นวิธีคิดที่จะทำให้การเมืองเป็นวิทยาศาสตร์ที่สามารถอธิบายได้อย่างน่าสนใจในอนาคต

ที่มา: Leon, G., 2012. “Loyalty for Sale? Military Spending and Coups d’Etat,” Cambridge Working Papers in Economics 1209, Faculty of Economics, University of Cambridge.

featured image from thehindu.com

……….

ดิลกะ (2555) ใช้ข้อมูลการสำรวจความสามารถของนักเรียนไทยในวิชาวิทยาศาสตร์และคณิตศาสตร์ของ Programme for International Student Assessment (PISA) ปี 2006 เพื่อตอบคำถามว่า การบริหารจัดการระบบการศึกษาที่ก่อให้เกิดคุณภาพ โดยวัดจากผลสัมฤทธิ์ของนักเรียน จะต้องมีปัจจัยอะไรบ้าง

ดิลกะ (2555) เริ่มจากการพิจารณาความเหลื่อมล้ำของโอกาสทางการศึกษาในประเทศไทยตลอดช่วงประมาณ 20 ปีที่ผ่านมา ด้วยอัตราการเข้าเรียนต่อของเยาวชนไทยแบ่งตามกลุ่มความร่ำรวยของพ่อแม่ (ตั้งแต่กลุ่มจนที่สุด หรือ Quartile 1 ไปจนถึงกลุ่มรวยที่สุด หรือ Quartile 4) ตามรูปที่ ๑ พบว่า เป็นเรื่องดีที่อัตราการเรียนต่อหลังจากจบการศึกษาภาคบังคับมีแนวโน้มสูงขึ้นมาก โดยเฉพาะเด็กที่มาจากครอบครัวยากจนที่สุด (Quartile 1) จากในปี 2529 มีเพียงร้อยละ 6.7 เท่านั้นเป็นร้อยละ 53.7 ในปี 2552 นั่นหมายความถึงความเหลื่อมล้ำที่ลดลงอย่างต่อเนื่อง

“ภาพที่ ๑ สัดส่วนการเข้าเรียนต่อในระดับมัธยมปลายของเยาวชน อายุ 16-19 ปี แบ่งตามกลุ่มรายได้ครัวเรือน (จากบทความ)”

แต่หากพิจารณาจากอัตราการเรียนต่อในระดับอุดมศึกษาในรูปที่ ๒ กลับพบว่าความเหลื่อมล้ำเพิ่มสูงขึ้นอย่างก้าวกระโดด ช่องว่างในการเรียนต่อระหว่างเด็กที่มาจากกลุ่มครอบครัวที่รวยที่สุด กับกลุ่มที่จนที่สุดเพิ่มขึ้นจากร้อยละ 18.5 ในปี 2529 เป็นร้อยละ 42.5 ในปี 2552 หรือเพิ่มขึ้นมากกว่าหนึ่งเท่าตัว ทั้งที่ความเหลื่อมล้ำในระดับมัธยมศึกษาลดลงอย่างต่อเนื่อง คนส่วนใหญ่อาจคิดว่าเป็นเรื่องของค่าใช้จ่ายในการศึกษา แค่หลังจากปี 2539 ที่มีการจัดตั้งกองทุนเงินให้กู้ยืมเพื่อการศึกษา (กยศ.) แล้ว ความเหลื่อมล้ำกลับเพิ่มขึ้นอย่างก้าวกระโดด

“ภาพที่ ๒ สัดส่วนการเข้าเรียนต่อในระดับอุดมศึกษาของเยาวชนอายุ 19-24 ปี แบ่งตามกลุ่มรายได้ครัวเรือน (จากบทความ)”

สาเหตุที่เป็นเช่นนี้ก็เพราะความเหลื่อมล้ำของการเรียนต่อในระดับอุดมศึกษาไม่ได้เกิดจากการขาดแคลนปัจจัยทางการเงินที่อาจแก้ไขได้ด้วยการขยายเงินกู้ยืมเพื่อการศึกษา หรือการอุดหนุนค่าเล่าเรียนเพียงอย่างเดียว แต่เป็นเพราะคุณภาพของการศึกษาที่ได้รับตั้งแต่ระดับก่อนวัยเรียนและคุณภาพการศึกษาขั้นพื้นฐาน รวมไปถึงปัญหาเกี่ยวข้องกับการเลี้ยงดู ความสำคัญที่พ่อแม่ให้กับการศึกษา ลักษณะครอบครัวที่อบอุ่น คุณภาพการศึกษาเสริมอื่นๆ ซึ่งเหล่านี้มีความสำคัญต่อความพร้อมในการเรียนต่อระดับอุดมศึกษา หรือพูดง่ายๆ คือ ผู้ได้รับการศึกษาของคนกลุ่มที่ยากจนที่สุดเพิ่มจำนวนขึ้น แต่ไม่มีคุณภาพที่ดีนัก ดังที่เห็นได้จากรูปที่ ๓ ซึ่งแสดงความสัมพันธ์ระหว่างคะแนนสอบ PISA 2006 ในวิชาวิทยาศาสตร์และคณิตศาสตร์เฉลี่ยของโรงเรียน กับค่าเฉลี่ยดัชนี Economic, Social and Cultural Status (ESCS) ในระดับโรงเรียน พบว่า เด็กที่มีภูมิหลัง ESCS ดีกว่าก็มีโอกาสที่จะมีผลการเรียนดีกว่าด้วย และนี่กลายเป็นปัจจัยสำคัญมากกว่าความเชื่อที่ว่าขาดแคลนเงินทุนในการเข้าสู่ระดับอุดมศึกษา

“ภาพที่ ๓ ความสัมพันธ์ระหว่างคะแนนเฉลี่ย PISA 2006 ในระดับโรงเรียน กับภูมิหลังทางสังคม (ESCS*) ของกลุ่มนักเรียนไทยอายุ 15 ปี (จากบทความ)”

……….

การแก้ปัญหาการศึกษาจึงไม่อาจทำได้โดยง่าย เพราะมันเกี่ยวโยงไปถึงภูมิหลังของครอบครัว ซึ่งใช้เวลานานและต้องอาศัยการปฏิรูประบบเศรษฐกิจเรื่องความเหลื่อมล้ำไปพร้อมๆ กัน แนวทางที่ TDRI เสนอจึงมุ่งไปที่การเพิ่มประสิทธิภาพของโรงเรียนบนพื้นฐานทรัพยากรที่มีอยู่เพื่อให้คุณภาพของการศึกษาในระยะสั้นถูกพัฒนาได้

เมื่อเน้นไปที่ประสิทธิภาพของการจัดการศึกษาบนฐานของทรัพยากรที่แต่ละโรงเรียนมีอยู่ ดิลกะ (2555) จึงนำเสนอแบบจำลองทางเศรษฐมิติเพื่อการวิเคราะห์ออกเป็นสองขั้นตอน ขั้นตอนแรกคือต้องระบุประสิทธิภาพการจัดการศึกษาของแต่ละโรงเรียนให้ได้ก่อน ว่าโรงเรียนไหนมีประสิทธิภาพดีหรือไม่ดีกว่ากัน จากนั้น ขั้นตอนที่สอง จะเรียงลำดับประสิทธิภาพของการจัดการศึกษาของแต่ละโรงเรียนและพิจารณาว่าปัจจัยสำคัญที่มีผลต่อคุณภาพการศึกษาในโรงเรียนกลุ่มที่มีประสิทธิภาพต่ำมีอะไรบ้าง เพื่อให้โรงเรียนในกลุ่มนี้มีประสิทธิภาพมากขึ้น

ขั้นตอนที่หนึ่ง มองคะแนนสอบ PISA ของนักเรียนแต่ละคนเป็นผลผลิต (output) ที่เกิดจากฟังก์ชั่นการผลิตทางการศึกษา (educational production function) ของปัจจัยการผลิต (inputs) สองกลุ่ม คือ 1) ลักษณะส่วนตัวและภูมิหลังครอบครัวของนักเรียนแต่ละคน ซึ่งประกอบด้วยเพศ อายุ ชั้นเรียน และดัชนีภูมิหลังทางเศรษฐกิจและสังคมของครอบครัวนักเรียน (ESCS) และ 2) ทรัพยากรทางการเรียนการสอนของโรงเรียน ซึ่งประกอบด้วยสัดส่วนนักเรียนต่อครู (student teacher-ratio – STRATIO) สัดส่วนครูที่มีประกาศนียบัตร (Proportion of fully certified teachers – PROPCERT) และดัชนีคุณภาพทรัพยากรการเรียนการสอนในโรงเรียน (Quality of educational resources – SCMATEDU)

กำหนดให้ T_is เป็นคะแนนสอบของนักเรียน i ในโรงเรียน s และ F_is กับ R_s เป็นลักษณะส่วนตัวและภูมิหลังครอบครัวของนักเรียน และทรัพยากรของโรงเรียน ตามลำดับ ฟังก์ชั่นการผลิตทางการศึกษา ƒ(•) ซึ่งกำหนดผลผลิตที่เป็นคะแนนสูงสุดที่สามารถทำได้ (production frontier) ภายใต้ปัจจัยการผลิต F_is และ R_s ที่มีอยู่ โดยโรงเรียนต่างๆ อาจมีประสิทธิภาพในการผลิต (Eff_s) ที่แตกต่างกัน ซึ่งเป็นตัวกำหนดว่าคะแนนสอบของนักเรียนจะเข้าใกล้คะแนนสูงสุดที่สามารถทำได้มากน้อยเพียงใด

T_is = Eff_s x ƒ(F_is, R_s)

ซึ่งวิธีการทางเศรษฐมิติท่ีใช้ในการประมาณฟังก์ชั่นการผลิตในงานวิจัยน้ีคือ Stochastic Frontier Analysis (SFA) โดย Eff_s ∈ (0,1] ที่หาค่ามาได้นี้จะเป็นตัวแปรตามในขั้นตอนที่สอง

ผลการศึกษาที่ได้จากขั้นตอนนี้ แสดงได้ตามภาพที่ ๔ พบว่า ค่าประสิทธิภาพของโรงเรียนเฉลี่ยอยู่ที่ประมาณ 73.37 และมีการกระจายใกล้เคียงกับโค้งปกติ ส่วนความสัมพันธ์ระหว่างคะแนนประสิทธิภาพในการผลิตกับคะแนนสอบ PISA เฉลี่ยในระดับโรงเรียนถูกจัดแสดงอยู่ในกราฟด้านขวาของรูปเดียวกันซึ่งแสดงถึงความสัมพันธ์ในทางบวกอย่างชัดเจน กล่าวคือโรงเรียนที่มีประสิทธิภาพในการผลิตสูงมักจะมีคะแนนสอบเฉลี่ยของนักเรียนที่สูงขึ้นตามไปดว้ย

“ภาพที่ ๔ ฟังก์ชั่นความหนาแน่นของความน่าจะเป็นของประสิทธิภาพในการผลิต (ซ้าย) และ ความสัมพันธ์ระหว่างประสิทธิภาพในการผลิตกับคะแนน PISA เฉลี่ยของโรงเรียน (ขวา) (จากบทความ)”

……….

ขั้นตอนที่สอง ใช้วิธีการประมาณการสมการถดถอยแบบ Unconditional Quantile Regression เพื่อศึกษาผลกระทบจากการเปลี่ยนแปลงของตัวแปร X ที่มีต่อตัวแปร Y (Eff_s) ที่จุดต่างๆ ของ “unconditional” distribution ซึ่งในบทความนี้จะเป็นผลกระทบ ณ ตำแหน่ง quantile ต่างๆ (Q25, Q50, Q75) แทนที่จะเป็น OLS ที่เห็นผลเฉพาะค่าเฉล่ียเท่านั้น

ในบทความได้วิเคราะห์ถึงเรื่องความโปร่งใสทางด้านการเปิดเผยข้อมูลผลสัมฤทธิ์ของนักเรียน (transparency) ความมีอิสระในการบริหารจัดการของโรงเรียนในเรื่องหลักสูตรและงบประมาณ (autonomy) และกลไกความรับผิดรับชอบท่ีผูกกับผลสัมฤทธิ์ของนักเรียน (accountability) ไว้ค่อนข้างละเอียดในหลายมิติ โดย [เสด-ถะ-สาด].com ขอนำมาเสนอเฉพาะประเด็นหลักๆ บางส่วนเท่านั้น

ประเด็นเรื่องการเปิดเผยข้อมูลผลสัมฤทธิ์ของนักเรียนต่อสาธารณะเพื่อให้ผู้ปกครองและผู้มีส่วนได้เสียสามารถตรวจสอบได้จะเพิ่มความกดดันและส่งผลให้ประสิทธิภาพของโรงเรียนสูงขึ้นอย่างมีนัยสำคัญ โดยเฉล่ียของ Q25 Q50 และ Q75 พบว่า ผลกระทบต่อโรงเรียนที่มีประสิทธิภาพต่ำจะมีมากกว่า โดยโรงเรียนท่ี quantile 0.25 และ 0.5 จะเพิ่มประสิทธิภาพได้ถึง 3.97% และ 2.68% ตามลำดับ ส่วนผลกระทบสำหรับโรงเรียนประสิทธิภาพสูงท่ี quantile 0.75 เท่ากับ 1.05% โดยไม่มีนัยสำคัญทางสถิติ เน่ืองจากโรงเรียนส่วนใหญ่ที่มีประสิทธิภาพสูงมีการเปิดเผยข้อมูลดังกล่าวอยู่แล้ว (ภาพที่ ๕ ซ้าย) ขณะที่ตัวแปรความมีอิสระในการบริหารงบประมาณ พบว่า โรงเรียนในระดับ quantile ระหว่าง 0.2 ถึง 0.8 ความมีอิสระไม่ได้เป็นเครื่องรับประกันความสำเร็จในการเพิ่มประสิทธิภาพของโรงเรียน โดยการกระจายอำนาจน้ีจะประสบความสำเร็จก็ต่อเมื่อโรงเรียนมีความพร้อมในเรื่องกลไกความรับผิดชอบที่เข้มแข็งเสียก่อน (ภาพที่ ๕ กลาง) ขณะที่ระบบการประเมินครูใหญ่ที่ผูกผลตอบแทนความดีความชอบกับผลสัมฤทธิ์ของนักเรียนจะส่งผลดีต่อประสิทธิภาพของโรงเรียนในทุกระดับ quantile โดยเฉพาะแรงกดดันจากผู้ปกครอง (ภาพที่ ๕ ขวา)

“ภาพที่ ๕ ผลกระทบของการเปิดเผยข้อมูลผลการเรียนต่อสาธารณะ (และช่วงความเชื่อมั่น 95%) (ซ้าย) ผลกระทบจากการเพิ่มความมีอิสระในการบริหารงบประมาณ ภายใต้การมีส่วนร่วมจากผู้ปกครองในระดับต่างๆ (กลาง) ผลกระทบของการใช้ผลสัมฤทธิ์ของนักเรียนเพื่อประเมินครูใหญ่ ภายใต้การมีส่วนร่วมจากผู้ปกครองในระดับต่างๆ (ขวา) (จากบทความ)”

……….

กล่าวโดยสรุปก็คือ ที่มาของข้อเสนอในการปฏิรูปการศึกษาในระยะสั้นของ TDRI มาจากแบบจำลอง 2 ขั้น คือ หาค่าประสิทธิภาพก่อน ว่าโรงเรียนไหนมีมากหรือน้อย จากนั้นพิจารณาว่าปัจจัยใดบ้างที่ทำให้ประสิทธิภาพของโรงเรียนมีมากหรือน้อยต่างกัน แนวทางการปฏิรูปการศึกษาจึงอยู่บนพื้นฐานของปัจจัยเหล่านี้ ซึ่งก็คือข้อสรุปในสามประการที่ว่ามาข้างต้น

ต่อไปนี้เพื่อนๆ ก็จะเข้าใจว่าที่มาของแนวทางที่ TDRI เสนอมานั้น ไม่ได้มาแบบลอยๆ และเพื่อนๆ ที่ไม่เห็นด้วยก็อาจจะถกเถียงและเสนอแนะได้อย่างชัดเจนและตรงประเด็นมากขึ้น รวมทั้งเพื่อนๆ ที่ทำวิจัยหรือวิทยานิพนธ์อยู่ยังอาจนำเอาแนวคิดนี้ไปประยุกต์ใช้กับเรื่องอื่นๆ ทางสังคมได้อีกด้วยเช่นกัน

ที่มา: ดิลกะ ลัทธพิพัฒน์ (2555) “ผลกระทบของการสร้างความรับผิดชอบทางการศึกษาต่อสัมฤทธิผลของนักเรียนไทย” ในการสัมมนาวิชาการประจำปี 2554
“ยกเครื่องการศึกษาไทย: สู่การศึกษาที่มีคุณภาพอย่างทั่วถึง” ณ ห้องบางกอกคอนเวนชันเซ็นเตอร์ บี โรงแรมเซ็นทาราแกรนด์ เซ็นทรัลเวิลด์ 15 กุมภาพันธ์ 2555.

featured image from clipmass.com

……….

การวัด GDP ให้ผลที่คลาดเคลื่อนค่อนข้างมากในหลายประเทศ (Johnson, Larson, Papageorgiou, and Subramanian, 2009) โดยเฉพาะกับประเทศในกลุ่ม Sub-Saharan Africa ซึ่งมีความคลาดเคลื่อนสูงถึง 30-40% (Deaton and Heston, 2008) นอกจากนี้ หากต้องการใช้ข้อมูลที่ละเอียดมากขึ้น เช่น ในระดับเมือง หรือจังหวัด ก็อาจจะไม่มีข้อมูล หรือไม่ก็กลับยิ่งพบปัญหาปัญหาความคลาดเคลื่อนมากขึ้นไปอีก

Henderson, Storeygard and Weil (2009) ได้เสนอวิธีวัด GDP ด้วยวิธีที่แม่นยำกว่าการเก็บข้อมูลสถิติตามปกติ นั่นก็คือ ใช้ข้อมูลจากดาวเทียมเกี่ยวกับความส่องสว่างของแสงไฟยามค่ำคืน (satellite data on lights at night) โดยวิธีนี้จะใช้ได้ดีกับการวัด “อัตราการเติบโต” (growth rate) ของ GDP มากกว่าการวัด “ระดับ” (level) ของ GDP เพราะพฤติกรรมการใช้การใช้ไฟยามค่ำคืนของแต่ละประเทศมีความแตกต่างกัน เช่น บางประเทศมีนิสัยประหยัดไฟกว่าบางประเทศ หรือค่าไฟฟ้าที่ไม่เท่ากันก็มีผลทำให้ระดับปริมาณการใช้ไม่เท่ากันในแต่ละประเทศ ดังนั้น การวัดความส่องสว่างของแสงไฟยามค่ำคืนจึงบอกถึงระดับ GDP ได้ไม่แม่นยำเท่าอัตราการเติบโต เพราะจะอยู่บนพื้นฐานของนิสัยผู้ใช้แบบเดียวกัน

งานศึกษาชิ้นนี้เริ่มต้นจากการพิจารณาอัตราการเติบโตทางเศรษฐกิจเปรียบเทียบกับการเติบโตของค่าการส่องสว่างของแสงไฟยามค่ำคืนในช่วงปี 1992-2003 โดยค่าความส่องสว่างของทั้งโลกในปี 2003 แสเดงได้ตามภาพที่ ๑

“ภาพที่ ๑ ภาพจากดาวเทียมของความสว่างของแสงไฟในยามค่ำคืนในปี 2003 (คลิ๊กที่ภาพเพื่อขยายใหญ่มากๆ ได้) (ภาพจากบทความ)”

การพิจารณาจะมุ่งไปที่การเปลี่ยนแปลงของค่าความส่องสว่างของแสงไฟ ดังเช่นตัวอย่างของประเทศในยุโรปตะวันออกตามภาพที่ ๒ ซึ่งมีการเปลี่ยนแปลงของการส่องสว่างอย่างชัดเจนของ Poland, Hungary และ Romania เปรียบเทียบกับประเทศที่มีการเปลี่ยนแปลงน้อยมากอย่าง Moldova และ Ukraine โดยข้อมูลอัตราการเติบโตของ GDP ที่เป็นทางการก็ให้ผลสอดคล้องกัน

“ภาพที่ ๒ ภาพจากดาวเทียมของความสว่างของแสงไฟในยามค่ำคืนในกลุ่มประเทศยุโรปตะวันออก (ภาพจากบทความ)”

……….

อย่างไรก็ตาม เมื่อพิจารณาข้อมูลอัตราการเติบโตทางเศรษฐกิจ (แกนตั้ง) และการเติบโตของค่าการส่องสว่างของแสงไฟยามค่ำคืน (แกนนอน) จะพบว่าปัจจัยทั้งสองความสัมพันธ์มีความเป็นบวกอย่างชัดเจน ดังภาพที่ ๓ เหตุผลก็คือว่า ถ้าประเทศมีระดับการเติบโตที่สูงกว่า ความเข้มของระดับการส่องสว่างของแสงไฟยามค่ำคืนก็ย่อมมีแนวโน้มสูงขึ้นด้วย ทั้งจากความเป็นเมืองที่สูงขึ้น และกิจกรรมยามค่ำคืนที่มีมากขึ้น

“ภาพที่ ๓ ความสัมพันธ์ระหว่างความสว่างของแสงไฟในยามค่ำคืนกับอัตราการเติบโตทางเศรษฐกิจ (ภาพจากบทความ)”

และหากพิจารณาความสัมพันธ์ในระยะยาวแล้ว ยิ่งพบว่า การเติบโตของค่าการส่องสว่างของแสงไฟยามค่ำคืน (แกนนอน) มีความสัมพันธ์ที่เป็นบวกชัดเจนมากขึ้นกับอัตราการเติบโตทางเศรษฐกิจ (แกนตั้ง) ดังภาพที่ ๔ (จะเห็นได้ว่าการกระจายตัวของข้อมูลลดลง)

“ภาพที่ ๔ ความสัมพันธ์ระหว่างความสว่างของแสงไฟในยามค่ำคืนกับอัตราการเติบโตทางเศรษฐกิจในระยะยาว (ภาพจากบทความ)”

……….

สิ่งที่น่าสนใจเมื่อนำเอาวิธีนี้มาเปรียบเทียบกับการประมาณการอัตราการเติบโตทางเศรษฐกิจของธนาคารโลกในกลุ่มที่คุณภาพข้อมูล GDP ค่อนข้างต่ำ (จากข้อมูลของ Penn World) พบว่าค่อนข้างมีความแตกต่างกันมาก เช่น

• กรณีของประเทศ Democratic Republic of Congo ค่าการส่องสว่างของแสงไฟยามค่ำคืนประมาณการอัตราการเติบโตทางเศรษฐกิจต่อปีไว้ที่ 2.4% ต่อปี ขณะที่ข้อมูลการเติบโตทางเศรษฐกิจที่เป็นทางการอยู่ที่ – 2.6% ต่อปีในช่วงเวลาเดียวกัน นั่นหมายความว่า ที่จริง Democratic Republic of Congo น่าจะมีอัตราการเติบโตมากกว่าที่ข้อมูลสถิติว่าไว้
• อีกกรณีหนึ่งคือ Myanmar ที่มีอัตราการเติบโตของตัวเลขทางการอยู่ที่ 8.6% ต่อปี แต่ค่าการส่องสว่างของแสงไฟยามค่ำคืนประมาณการอัตราการเติบโตทางเศรษฐกิจต่อปีไว้ที่เพียง 3.4% ต่อปีเท่านั้น ซึ่งก็น่าจะต่ำกว่าข้อมูลทางการที่ว่าไว้

แม้ว่าอัตราการเติบโตของ GDP ที่แท้จริงควรจะเป็นเท่าไหร่ (ในประเทศที่คุณภาพของการวัด GDP ค่อนข้างต่ำ) อาจจะระบุอย่างแจ้งชัดไม่ได้ แต่ด้วยวิธีนี้ก็ถือเป็นอีกแนวคิดหนึ่งในการประมาณการที่ดูสมเหตุสมผล โดยเฉพาะคุณูปการในเรื่องของการประมาณค่าอัตราการเติบโตของ GDP ในประเทศที่มีคุณภาพข้อมูลต่ำมาก และยังสามารถให้รายละเอียดถึงการประมาณค่าอัตราการเติบโตของ GDP ในระดับเมืองของแต่ละประเทศที่เราสนใจได้อีกด้วย เพียงเท่านี้ก็น่าจะเกิดประโยชน์ต่อเนื่องกับงานวิจัยจำนวนมาก โดยเฉพาะวิธีการนี้กำลังถูกใช้อย่างแพร่หลายในกรณีของการวัดอัตราการเติบโตทางเศรษฐกิจของประเทศในแอฟริกา

ที่มา: Henderson, J. Vernon, Adam Storeygard, and David N. Weil (2009). “Measuring Economic Growth from Outer Space.” NBER Working Paper 15199.