Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
Community
PIER Research Network
Visiting Fellows
Funding and Grants
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
TH
EN
Research
Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Exchange Rate Effects on Firm Performance: A NICER Approach
Discussion Paper ล่าสุด
Exchange Rate Effects on Firm Performance: A NICER Approach
ผลกระทบของการขึ้นค่าเล่าเรียนต่อการตัดสินใจเรียนมหาวิทยาลัย
aBRIDGEd ล่าสุด
ผลกระทบของการขึ้นค่าเล่าเรียนต่อการตัดสินใจเรียนมหาวิทยาลัย
Events
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
Joint NSD-PIER Applied Microeconomics Research Workshop
งานประชุมเชิงปฏิบัติการต่อไป
Joint NSD-PIER Applied Microeconomics Research Workshop
Special Economic Zones and Firm Performance: Evidence from Vietnamese Firms
งานสัมมนาล่าสุด
Special Economic Zones and Firm Performance: Evidence from Vietnamese Firms
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
สถาบันวิจัยเศรษฐกิจ
ป๋วย อึ๊งภากรณ์
Puey Ungphakorn Institute for Economic Research
Community
Community
PIER Research Network
Visiting Fellows
Funding and Grants
PIER Research Network
PIER Research Network
Funding & Grants
Funding & Grants
About Us
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
Staff
Staff
Call for Papers: PIER Research Workshop 2025
ประกาศล่าสุด
Call for Papers: PIER Research Workshop 2025
aBRIDGEdabridged
Making Research Accessible
QR code
Year
2025
2024
2023
2022
...
Topic
Development Economics
Macroeconomics
Financial Markets and Asset Pricing
Monetary Economics
...
/static/173c0709f1c7974f663e23ed978b4f7a/e9a79/cover.png
9 พฤษภาคม 2565
20221652054400000

แนวทางการวัดผลของความเหลื่อมล้ำด้านโอกาสต่อรายได้: กรณีศึกษาจากข้อมูลภาคตัดขวางของไทย

แม้คนเราจะมีความพยายามเท่ากัน แต่สถานะที่ไม่เหมือนกันอาจทำให้ผลลัพธ์ออกมาแตกต่างกันได้
ชลิดา แท่งเพ็ชรพิรญาณ์ รณภาพ
แนวทางการวัดผลของความเหลื่อมล้ำด้านโอกาสต่อรายได้: กรณีศึกษาจากข้อมูลภาคตัดขวางของไทย
excerpt

การวัดผลของความเหลื่อมล้ำด้านโอกาสเป็นเรื่องท้าทาย โดยเฉพาะสำหรับประเทศกำลังพัฒนา เช่น ไทย ที่มีข้อจำกัดด้านข้อมูล งานศึกษานี้ได้พยายามใช้ข้อมูลรายได้ของกลุ่มตัวอย่างขนาดเล็กจากแบบสำรวจภาวะเศรษฐกิจและสังคม (Socio-Economic Survey: SES) ของไทยมาวัดผลของความเหลื่อมล้ำด้านโอกาสที่เกิดจากปัจจัยทางสถานภาพ ซึ่งอยู่เหนือการควบคุมของคนเรา โดยผลการศึกษาพบว่า ความเหลื่อมล้ำด้านโอกาสของกลุ่มตัวอย่างในปี 2019 มีแนวโน้มลดลงจากกลุ่มตัวอย่างในปี 2006 ซึ่งปัจจัยสำคัญทางสถานภาพที่ส่งผลต่อความเหลื่อมล้ำด้านโอกาส ได้แก่ พื้นที่เกิด อาชีพของพ่อแม่ และการศึกษาสูงสุดของพ่อแม่

แนวคิดในการวัดผลของความเหลื่อมล้ำด้านโอกาสต่อความเหลื่อมล้ำด้านรายได้

การวัดผลของความเหลื่อมล้ำด้านโอกาสเป็นเรื่องที่ท้าทาย เนื่องจากโอกาสเป็นสิ่งที่เกิดขึ้นมาตั้งแต่ช่วงวัยเด็กและสะสมมาตลอดชีวิต ไม่ว่าจะเป็นโอกาสในการเข้าถึงการศึกษาและได้รับการอบรมเลี้ยงดูที่ดีตั้งแต่ในวัยเด็ก โอกาสในการเข้าถึงโครงสร้างพื้นฐานและทรัพยากร โอกาสในการเข้าถึงแหล่งเงินทุน ซึ่งความเหลื่อมล้ำด้านโอกาส ร่วมกับปัจจัยอื่น ๆ ไม่ว่าจะเป็นความสามารถและความพยายามส่วนบุคคล อุปสงค์และอุปทานแรงงาน รวมถึงประสิทธิภาพของตลาด จะส่งต่อเป็นความเหลื่อมล้ำด้านรายได้ (ดูรายละเอียดใน Wasi & Samphantharak, 2021)

อย่างไรก็ตาม งานศึกษาในอดีตที่เกี่ยวข้องกับการวัดผลของความเหลื่อมล้ำด้านโอกาสต่อรายได้ มีอย่างน้อยสองแนวทางด้วยกัน ได้แก่

  1. วัดความเหลื่อมล้ำด้านโอกาสต่อผลด้านต่าง ๆ โดยติดตามเก็บข้อมูลรายบุคคลในแต่ละช่วงเวลา ตัวอย่างเช่น Heckman et al. (2010) และ Heckman (2011) ที่วัดผลของการเพิ่มโอกาสด้านการศึกษาในระดับปฐมวัยต่อความสามารถ และความสำเร็จด้านอาชีพการงานในอนาคต โดยงานของ Heckman et al. (2010) สามารถติดตามเด็กอเมริกันกลุ่มเดิมไปในจนถึงช่วงอายุสามสิบปี และมีการเปรียบเทียบกลุ่มที่เข้าโครงการและไม่ได้เข้าร่วมโครงการเพื่อประเมินผลอย่างชัดเจน และ Chetty et al. (2014) ที่ใช้ข้อมูลรายได้จากฐานภาษีขนาดใหญ่ของสหรัฐอเมริกา ซึ่งสามารถเชื่อมโยงรายได้คนรุ่นพ่อแม่ เมืองที่เด็กเติบโต และรายได้ของเด็กได้ ทำให้สามารถวัดความสัมพันธ์ของรายได้ของเด็กและรายได้ของพ่อแม่ว่ามีความสัมพันธ์กันอย่างไร ทั้งนี้ งานของ Heckman et al. (2010) นั้น ต้องอาศัยการออกแบบการวิจัยอย่างระมัดระวังและติดตามเด็กคนเดิมเป็นเวลานาน และมีต้นทุนในการจัดเก็บสูง ส่วนงานของ Chetty et al. (2014) นั้น สามารถใช้ข้อมูล administrative data ได้ เพราะคนอเมริกันส่วนมากยื่นภาษีเงินได้ทั้งหมด

  2. วัดความเหลื่อมล้ำด้านโอกาสต่อความเหลื่อมล้ำด้านรายได้ โดยประมาณความเหลื่อมล้ำทางโอกาสจากข้อมูลภาคตัดขวาง ตัวอย่างเช่น Brunori et al. (2013) และ Ferreira et al. (2014) งานกลุ่มนี้พยายามเปรียบเทียบผลของความเหลื่อมล้ำด้านโอกาสต่อความเหลื่อมล้ำด้านรายได้ของประเทศต่าง ๆ โดยใช้ข้อมูล ณ เวลาใดเวลาหนึ่ง เพื่อพิจารณาอดีตของบุคคลเหล่านั้นตามที่มีคำถามในแบบสำรวจครัวเรือน ซึ่งแบบสำรวจเหล่านี้มักจะมีอยู่ในทุกประเทศ อย่างไรก็ตาม งานศึกษากลุ่มนี้มักจะมีข้อจำกัดหลายประการ โดยเฉพาะอย่างยิ่ง อาจขาดความแม่นยำในการวัดหากข้อมูลด้านสถานภาพของบุคคลไม่ลึกเพียงพอ และมีข้อจำกัดในการแยกแยะว่าผลลัพธ์เกิดจากโอกาสหรือการตัดสินใจของแต่ละบุคคล เนื่องจากโอกาสและพื้นเพชีวิตที่ต่างกันย่อมเป็นปัจจัยช่วยให้เกิดการตัดสินใจที่ต่างกัน

สำหรับประเทศไทย การศึกษาด้านความเหลื่อมล้ำตามแนวทางแรกยังทำไม่ได้ เนื่องจากไม่มีข้อมูลที่ติดตามโอกาสในวัยเด็กจนถึงผลลัพธ์ในตอนโต แม้ไทยจะมีโครงการลดความเหลื่อมล้ำด้วยการศึกษาปฐมวัยที่มีคุณภาพ (RIECE Thailand) ซึ่งเก็บข้อมูลลักษณะเดียวกับงานของ Heckman et al. (2010) แต่ก็เพิ่งเริ่มได้ไม่นานนัก (Kilenthong & Chujan, 2019) ขณะที่ข้อมูลจากฐานภาษีของไทยก็ยังไม่สามารถนำมาใช้ได้เช่นกัน เนื่องจากจำนวนผู้เสียภาษีจริงมีประมาณ 10% ของกำลังแรงงานทั้งประเทศ (Muthitacharoen, 2017)

ทั้งนี้ การศึกษาตามแนวทางที่สองนั้นพอจะสามารถลองทำกับข้อมูลไทยได้ โดยในส่วนต่อไปผู้เขียนจะอธิบายแนวคิดและวิธีการของงานกลุ่มนี้อย่างละเอียด อย่างไรก็ตาม ผลจากการศึกษานี้คงยังไม่สามารถเป็นข้อสรุปว่าเป็นการผลของความเหลื่อมล้ำของโอกาสต่อรายได้ของไทยได้ เพราะข้อมูลไทยยังมีข้อจำกัดในหลายด้าน

ความหมายและความสำคัญของความเท่าเทียมด้านโอกาส

คนเรามักจะยอมรับได้ถ้าผลสอบของเราออกมาไม่ดีเพราะเรามีความพยายามน้อย ไม่ตั้งใจทบทวนบทเรียน แต่ผู้คนกลับรู้สึกไม่ยุติธรรมเมื่อพนักงานที่มีสถานภาพเป็นผู้หญิงได้รับเงินเดือนและตำแหน่งที่ต่ำกว่าพนักงานผู้ชาย ทั้ง ๆ ที่ตั้งใจทำงานและมีคุณภาพดีพอ ๆ กัน นั่นเป็นเพราะผลลัพธ์ (outcome) เช่น รายได้หรือคะแนนสอบ เกิดขึ้นจากสองปัจจัย คือ ความพยายาม (effort) และสถานภาพ (circumstance) ดังรูปที่ 1 ดังนั้น เมื่อใดที่ผลลัพธ์ของความเหลื่อมล้ำเกิดขึ้นจากสถานภาพที่อยู่เหนือการควบคุม ความรู้สึกไม่ยุติธรรมจะเกิดขึ้น

รูปที่ 1: ตัวอย่างปัจจัยทางสถานภาพและความพยายามที่ทำให้เกิดความเหลื่อมล้ำในผลลัพธ์

ตัวอย่างปัจจัยทางสถานภาพและความพยายามที่ทำให้เกิดความเหลื่อมล้ำในผลลัพธ์

ที่มา: ผู้เขียน

นอกจากนี้ สถานภาพที่ไม่เท่าเทียมกันส่งผลกระทบต่อผลลัพธ์ทั้งในรูปแบบทางตรงและทางอ้อม เช่น สถานภาพของครอบครัวที่ต่างกัน ระหว่างครอบครัวแรงงานระดับฐานรากกับครอบครัวผู้บริหาร อาจส่งผลทางตรงต่อลูก อาทิ ครอบครัวแรงงานระดับฐานรากอาจได้รับรายได้ไม่เพียงพอจะสนับสนุนให้ลูกมีการศึกษาที่ดีได้ ขณะที่อาจมีผลทางอ้อมอีกส่วนหนึ่ง อาทิ ลูกจำเป็นต้องช่วยทำงานเพื่อหารายได้เพิ่มให้ครัวเรือน ทำให้เลือกจะไม่เรียนหนังสือต่อ หรือลูกตกอยู่ในสภาวะจำนนต่อโชคชะตาและลดความพยายาม ไม่ตั้งใจเรียนเท่าที่ควร เพราะคิดว่าทำไปก็ไม่ได้ดี

ความเหลื่อมล้ำยังส่งผลต่อเศรษฐกิจในภาพรวม โดยงานศึกษาในอดีตจำนวนมาก อาทิ Perotti (1996) และ Deininger & Squire (1998) ชี้ว่าความเหลื่อมล้ำมีผลลบต่อการเติบโตของเศรษฐกิจ ขณะที่ Barro (2000) ศึกษาเพิ่มเติมพบว่า ความเหลื่อมล้ำมีผลลบต่อการเติบโตของเศรษฐกิจในประเทศยากจน แต่มีผลบวกในประเทศร่ำรวย นอกจากนี้ Marrero & Rodrı́guez (2013) ยังพบว่าความเหลื่อมล้ำด้านโอกาส (inequality of opportunity) มีผลลบต่อการขยายตัวของเศรษฐกิจ จากการที่ผู้มีความสามารถถูกกีดกันไม่ได้รับโอกาสให้เพิ่มประสิทธิภาพต่อระบบเศรษฐกิจได้สูงสุด ส่งผลให้เศรษฐกิจเติบโตได้ไม่เต็มที่ ขณะที่ความเหลื่อมล้ำด้านความพยายาม (inequality of effort) มีผลบวกต่อการขยายตัวของเศรษฐกิจ โดยหากไม่มีผลของสถานภาพแล้ว การแข่งขันที่เป็นธรรมและได้รับผลตอบแทนตามเนื้อผ้า ย่อมจูงใจให้ทุกคนมีความพยายามทำงานอย่างเต็มที่ ส่งผลให้เศรษฐกิจเติบโตได้ดี สำหรับงานศึกษาในกรณีของไทย Pootrakul (2013) พบว่าความเหลื่อมล้ำด้านโอกาส ซึ่งสะท้อนจากระดับการศึกษาของหัวหน้าครัวเรือนและพื้นที่ตั้งของครัวเรือน ส่งผลต่อระดับรายได้ต่อหัวของสมาชิกในครัวเรือน

กรอบแนวคิดในการวัดความเหลื่อมล้ำด้านโอกาส

เนื่องจากไทยยังไม่มีข้อมูลมากนัก ผู้เขียนจึงใช้วิธีวัดความเหลื่อมล้ำด้านโอกาสแบบ ex-ante (inequality of opportunity ex-ante approach) ที่เสนอโดย Peragine et al. (2019) โดยกำหนดให้ xijx_{ij}xij​ แทนผลลัพธ์ (outcome) เช่น รายได้หรือความมั่งคั่ง ขณะที่ CiC_iCi​ แทนสถานภาพ (circumstance) ซึ่งอยู่เหนือการควบคุมของบุคคล และ eje_jej​ แทนความพยายาม (effort) ซึ่งอยู่ภายใต้การควบคุมของบุคคล จากนั้นแบ่งคนออกเป็นกลุ่มตามสถานภาพ (types) และระดับความพยายาม (tranches) ดังรูปที่ 2 ซึ่งข้อสมมติสำคัญของวิธีการนี้คือ “เมื่อเรียงลำดับคนตามผลลัพธ์จากน้อยไปหามากแล้ว คนที่ได้รับผลลัพธ์สูงสุดของแต่ละ type ให้ถือว่าเป็นกลุ่มที่มีระดับความพยายามสูงสุด” ยกตัวอย่างเช่น

  • กลุ่ม C1C_1C1​ ประกอบด้วย นาย ก. (x11x_{11}x11​) นาย ข. (x12x_{12}x12​) และ นาย ค. (x13x_{13}x13​) ซึ่งทั้งสามคนเป็นเพศชาย เกิดที่เมือง A ในครอบครัวที่พ่อแม่มีการศึกษาขั้นสูงเหมือนกัน ทั้งสามคนจึงจัดอยู่ใน type เดียวกัน โดยที่ นาย ค. มีรายได้หรือความมั่งคั่งสูงสุดในกลุ่มนี้
  • กลุ่ม C2C_2C2​ ประกอบด้วย นางสาว ง. (x21x_{21}x21​) นางสาว จ. (x22x_{22}x22​) และนางสาว ฉ. (x23x_{23}x23​) ซึ่งทั้งสามคนเป็นเพศหญิง เกิดที่เมือง B ในครอบครัวที่พ่อแม่มีการศึกษาขั้นพื้นฐานเหมือนกัน ทั้งสามคนจึงจัดอยู่ใน type เดียวกัน โดยที่ นางสาว ฉ. มีรายได้หรือความมั่งคั่งสูงสุดในกลุ่มนี้
  • เมื่ออ้างอิงตามข้อสมมติข้างต้นจะได้ว่า นาย ค. (x13x_{13}x13​) และนางสาว ฉ. (x23x_{23}x23​) จัดอยู่ใน tranche เดียวกัน โดยเป็นกลุ่มที่ความพยายามเท่ากันที่ระดับ e3e_3e3​
รูปที่ 2: การกระจายตัวของผลลัพธ์ (outcome) ตามสถานภาพ (circumstance) และความพยายาม (effort)

การกระจายตัวของผลลัพธ์ (outcome) ตามสถานภาพ (circumstance) และความพยายาม (effort)

ที่มา: Peragine et al. (2019)

การวัดความเหลื่อมล้ำด้านโอกาสโดยยึดหลักว่าคนที่ใช้ความพยายามเท่า ๆ กัน ควรได้รับผลลัพธ์เท่าเทียมกัน เมื่อขจัดผลของความพยายามที่ต่างกันแล้ว ผลลัพธ์ที่ต่างกันให้ถือว่าเป็นผลจากสถานภาพและปัจจัยอื่น ๆ ดังนั้น เราจึงสามารถคำนวณค่าความเหลื่อมล้ำด้านโอกาสได้ ตามขั้นตอนดังต่อไปนี้

  1. ใช้ OLS regression เพื่อประมาณการค่าเฉลี่ยของรายได้ของคนที่มีสถานภาพต่าง ๆ ยกตัวอย่างเช่น หากวัดสถานภาพด้วยเพศ และภูมิภาคที่เกิด 6 ภาค ในขั้นนี้ก็จะได้ค่าเฉลี่ยของรายได้ทั้งหมด 12 ค่า (สำหรับ ชาย/หญิง x 6 ภาค) และคำนวณค่าเฉลี่ยของรายได้ที่ประมาณได้ (predicted value) สำหรับแต่ละสถานภาพ โดยคิดเสมือนว่าเกิดจากระดับความพยายามที่เท่ากัน

  2. นำ predicted value จากขั้นที่ 1 มาคำนวณค่าความเหลื่อมล้ำด้านโอกาสระหว่างคนที่มีสถานภาพต่างกัน (between-type inequality หรือ absolute inequality of opportunity: IEOL) ซึ่งเขียนแทนด้วย I(x~BT)I(\tilde x_{BT})I(x~BT​) ในสมการด้านล่าง โดยใช้วิธีคำนวณ เช่น Gini coefficient หรือ mean logarithmic deviation (Theil-L)

  3. คำนวณค่าความเหลื่อมล้ำทั้งหมดในผลลัพธ์ ซึ่งเขียนแทนด้วย I(x)I(x)I(x) ในสมการด้านล่าง โดยใช้วิธีเดียวกับขั้นที่ 2 แต่ทำกับข้อมูลรายได้ของกลุ่มตัวอย่างทั้งหมดที่บันทึกอยู่ในแบบสำรวจ

  4. คำนวณสัดส่วนของความเหลื่อมล้ำด้านโอกาสต่อความเหลื่อมล้ำทั้งหมดในผลลัพธ์ (relative inequality of opportunity: IEOR) โดยนำตัวเลขจากขั้นที่ 2 หารด้วยตัวเลขจากขั้นที่ 3 ตามสมการด้านล่าง ทั้งนี้ ค่า IEOR ที่สูงจะตีความได้ว่าความเหลื่อมล้ำด้านโอกาสมีส่วนทำให้เกิดความเหลื่อมล้ำด้านรายได้ค่อนข้างมาก

IEOR=I(x~BT)I(x)IEOR = \frac{I(\tilde x_{BT})}{I(x)}IEOR=I(x)I(x~BT​)​

อย่างไรก็ตาม มีข้อพึงระวังสำคัญคือ วิธีการวัดลักษณะนี้ช่วยประเมินขอบล่างหรือค่าความเหลื่อมล้ำด้านโอกาสขั้นต่ำ (lower bound) เท่านั้น เนื่องจากข้อมูลที่สำรวจได้เป็นเพียงข้อมูลสถานภาพส่วนหนึ่ง ไม่ใช่สถานภาพทั้งหมดที่แท้จริงซึ่งส่งผลกระทบต่อผลลัพธ์ของคน อีกทั้งสถานภาพยังมักส่งผลต่อความพยายามของบุคคลด้วย ซึ่งดัชนีนี้ยังไม่สามารถวัดผลดังกล่าวได้ หนึ่งในวิธีบรรเทาปัญหาคือ การเพิ่มตัวแปรสถานภาพที่ลึกขึ้นก็จะช่วยเพิ่มค่าขอบล่างได้ ยกตัวอย่างเช่น Hufe et al. (2017) ได้เพิ่มตัวแปรสถานภาพ เช่น ระยะเวลาการเลี้ยงลูกของแม่ พฤติกรรมการสูบบุหรี่ของแม่ อายุของแม่ตอนให้กำเนิดลูก ความสามารถในการอ่านหรือคำนวณของแม่ ซึ่งเป็นปัจจัยที่ช่วยเพิ่มความแม่นยำในการประเมิน ทำให้ขอบล่างของ IEOR เพิ่มได้เกือบ 2 เท่า จาก 27% เป็น 43% ในประเทศสหรัฐอเมริกา และจาก 18% เป็น 27% ในสหราชอาณาจักร โดยการเพิ่มตัวแปรต้องอาศัยฐานข้อมูลที่มีความลึกและครบถ้วน ดังนั้น ความแม่นยำของวิธีวัดที่กล่าวมานี้จึงขึ้นอยู่กับความลึกของข้อมูลด้านสถานภาพ

กรณีศึกษาของไทยในการวัดผลของความเหลื่อมล้ำจากโอกาสจากกลุ่มตัวอย่างขนาดเล็ก

ผู้เขียนอาศัยข้อมูลจากแบบสำรวจภาวะเศรษฐกิจและสังคม (Socio-Economic Survey: SES) ของไทย ซึ่งเป็นข้อมูลภาคตัดขวาง และเก็บข้อมูลรายได้ทุก ๆ สองปี เช่นเดียวกับ Pootrakul (2013) โดยผู้เขียนเลือกใช้ข้อมูลปี 2006 และ 2019 และเลือกกลุ่มตัวอย่างที่มีสถานะเป็นบุตรในครัวเรือนอายุ 30–49 ปี ทั้งที่ยังไม่ได้สมรสและสมรสแล้ว1 กล่าวคือ มีพ่อและ/หรือแม่อาศัยอยู่ในครัวเรือนเดียวกัน ทำให้เหลือกลุ่มตัวอย่างในปี 2006 และ 2019 เพียง 6,790 และ 7,933 ราย ตามลำดับ โดยผู้เขียนได้เปรียบเทียบคุณลักษณะ (characteristics) ของคนอายุ 30–49 ปีที่อยู่ในและนอกกลุ่มตัวอย่างในมิติต่าง ๆ พบว่าไม่แตกต่างกันมากนักทั้งในปี 2006 และ 2019 (ตารางที่ 1)

ตารางที่ 1: เปรียบเทียบ characteristics ของบุตรอายุ 30–49 ปีที่อยู่ในและนอกกลุ่มตัวอย่าง

เปรียบเทียบ characteristics ของบุตรอายุ 30–49 ปีที่อยู่ในและนอกกลุ่มตัวอย่าง)

ที่มา: คำนวณโดยผู้เขียน

ตัวแปรด้านผลลัพธ์จะใช้รายได้ของบุคคลซึ่งคำนวณจากสามแหล่ง ได้แก่ เงินเดือนค่าจ้าง รายได้จากการประกอบธุรกิจ และรายได้จากการเกษตร สำหรับตัวแปรด้านสถานภาพ (รูปที่ 3) จะใช้ข้อมูลของพ่อแม่มาร่วมกำหนดด้วย โดยแบ่งสถานภาพเป็น 6 หมวด ได้แก่

  1. เพศ
  2. การศึกษาของพ่อหรือแม่
  3. อาชีพของพ่อหรือแม่
  4. สิทธิรักษาพยาบาลของพ่อหรือแม่
  5. ภูมิภาคที่ครัวเรือนตั้งอยู่
  6. บริเวณที่ครัวเรือนตั้งอยู่ ได้แก่ ในหรือนอกเขตเทศบาล

อย่างไรก็ตาม เนื่องจากแบบสำรวจ SES ไม่ได้บันทึกสถานที่เกิดของกลุ่มตัวอย่างไว้ งานศึกษานี้จึงสมมติให้กลุ่มตัวอย่างอาศัยอยู่ในภูมิภาคและบริเวณที่ครัวเรือนตั้งอยู่ ณ เวลาที่สำรวจมาตั้งแต่เกิด

รูปที่ 3: characteristics ของบุตรอายุ 30–49 ปีที่อยู่ในกลุ่มตัวอย่าง (แบ่งตามสถานภาพ)

characteristics ของบุตรอายุ 30–49 ปีที่อยู่ในกลุ่มตัวอย่าง (แบ่งตามสถานภาพ)

ที่มา: คำนวณโดยผู้เขียน

นอกจากนี้ ผู้เขียนยังใช้วิธี Shapley Decomposition ในการวิเคราะห์เพื่อเปรียบเทียบความสำคัญ (relative importance) ของแต่ละสถานภาพ โดยได้รวมสถานภาพในหมวด 3 และ 4 เป็นปัจจัยกลุ่มเดียวกันคือ อาชีพของพ่อแม่ เนื่องจากสิทธิรักษาพยาบาลของไทยผูกโยงกับอาชีพของคน ซึ่งอาจได้รับสิทธิแม้เกษียณแล้ว จึงสามารถใช้เป็นข้อมูลเสริมในแง่อาชีพได้ และได้รวมสถานภาพในหมวด 5 และ 6 เป็นสถานภาพด้านพื้นที่เกิด

ทั้งนี้ ตัวแปรด้านสถานภาพต่าง ๆ จะส่งผลกระทบต่อผลลัพธ์ ผ่านกลไกดังต่อไปนี้

  1. การเกิดในพื้นที่ที่แตกต่างกัน สร้างโอกาสให้กับคนไม่เท่ากัน เช่น จากโครงสร้างพื้นฐานที่มีระดับการพัฒนาไม่เท่ากัน ทั้งระบบสาธารณูปโภค ระบบสาธารณสุข คุณภาพในการศึกษา โอกาสในการหาอาชีพที่ทำให้คนที่เกิดในพื้นที่หนึ่งได้เปรียบกว่าคนอีกพื้นที่หนึ่ง ซึ่งสำหรับการพัฒนาของเด็กในวัยก่อนบรรลุนิติภาวะนั้น การโยกย้ายไปสู่พื้นที่ที่มีโอกาสดีกว่าไม่ใช่ปัจจัยที่อยู่ภายใต้การควบคุมของเด็กเอง แต่เป็นทางเลือกของพ่อแม่
  2. อาชีพของพ่อแม่สร้างโอกาสที่แตกต่างกันให้แก่รุ่นลูก เช่น ความแตกต่างจากรายได้ ความถนัดในอาชีพ แรงบันดาลใจ เครือข่ายทางสังคมที่เชื่อมโยงกับอาชีพ ฯลฯ ความแตกต่างกันนี้กลายเป็นทุนที่ต่างกันสำหรับการพัฒนาความสามารถของลูก
  3. การศึกษาของพ่อแม่ที่แตกต่างกันสร้างโอกาสที่เหลื่อมล้ำให้แก่ลูก เช่น จากความสามารถของพ่อแม่ที่จะส่งเสริมและเลี้ยงดูลูกให้ถูกทาง การพัฒนาทักษะต่าง ๆ อาทิ การเล่นเสริมพัฒนาการตามวัย การสนทนาเป็นภาษาอังกฤษในบ้าน ฯลฯ

ผลการศึกษาที่ได้จากกลุ่มตัวอย่างของไทย2 พบว่า ขอบล่างของความเหลื่อมล้ำด้านโอกาส (IEOR) ปี 2006 คิดเป็นอย่างน้อย 25% ของความเหลื่อมล้ำด้านผลลัพธ์ และปรับดีขึ้นเหลือเป็นอย่างน้อย 20% ในปี 2019 นอกจากนี้ เมื่อเรียงตามความสำคัญของปัจจัยจะพบว่าความเหลื่อมล้ำด้านโอกาสมาจากปัจจัยพื้นที่เกิดมากที่สุด รองลงมาเป็นอาชีพและการศึกษาของพ่อแม่ ขณะที่สถานภาพทางเพศที่ต่างกันมีประเด็นความเหลื่อมล้ำในรายได้น้อยมาก โดยอันดับความสำคัญนี้ไม่เปลี่ยนแปลงระหว่างกลุ่มตัวอย่างปี 2006 และ 2019 (รูปที่ 4)

รูปที่ 4: ผลการศึกษาความเหลื่อมล้ำด้านโอกาสจากกลุ่มตัวอย่างของไทย

ผลการศึกษาความเหลื่อมล้ำด้านโอกาสจากกลุ่มตัวอย่างของไทย

ที่มา: คำนวณโดยผู้เขียน

นอกจากนี้ เมื่อจัดทำการศึกษาแยกตามภูมิภาค (รูปที่ 5) พบว่าความเหลื่อมล้ำด้านโอกาสโดยส่วนใหญ่สูงกว่าค่าเฉลี่ยของกลุ่มตัวอย่าง (เส้นแดง) ทั้งในปี 2006 และ 2019 โดยเมื่อพิจารณาปัจจัยด้านสถานภาพพบว่า อาชีพและการศึกษาของพ่อแม่ที่ต่างกันเป็นปัจจัยสำคัญที่ทำให้คนที่เกิดในภาคอีสานและภาคเหนือมีโอกาสในการหารายได้น้อยกว่าภาคอื่น ๆ สำหรับคนที่เกิดในเขตกรุงเทพฯ และปริมณฑล แม้อาชีพและการศึกษาของพ่อแม่จะด้อยกว่า แต่ระบบโครงสร้างพื้นฐานที่ดีกว่า เช่น คุณภาพการศึกษา และโอกาสในการประกอบอาชีพ ก็อาจทำให้สถานภาพพ่อแม่ที่แตกต่างกันไม่ส่งผลต่อความเหลื่อมล้ำด้านโอกาสมากเท่ากับภาคอื่น ๆ ขณะที่ความเหลื่อมล้ำด้านโอกาสในภาคใต้พบว่าสูงขึ้น และสูงกว่าค่าเฉลี่ยในปี 2019 เล็กน้อย ทั้งนี้ เรื่องเพศที่ต่างกันมีความสำคัญอยู่บ้างในปี 2006 สำหรับภาคใต้และภาคกลาง แต่ในปี 2019 ก็แทบไม่มีความเหลื่อมล้ำด้านโอกาสจากสถานภาพทางเพศแล้ว สอดคล้องกับภาพรวมของประเทศ

รูปที่ 5: ผลการศึกษาความเหลื่อมล้ำด้านโอกาสแยกตามภูมิภาคจากกลุ่มตัวอย่างของไทย

ผลการศึกษาความเหลื่อมล้ำด้านโอกาสแยกตามภูมิภาคจากกลุ่มตัวอย่างของไทย

ที่มา: คำนวณโดยผู้เขียน

เมื่อเปรียบเทียบการศึกษากรณีไทยกับต่างประเทศที่วัดความเหลื่อมล้ำด้านโอกาสด้วยวิธีเดียวกับงานศึกษานี้พบว่า ความเหลื่อมล้ำด้านโอกาสที่วัดจากกลุ่มตัวอย่างของไทยอยู่ใกล้เคียงกับเส้นค่าเฉลี่ยโลก (รูปที่ 6) โดยอยู่ใกล้เคียงกับกลุ่มประเทศอเมริกาใต้ เช่น เปรู เอกวาดอร์ โคลัมเบีย ในปี 2006 และเข้าใกล้กลุ่มประเทศกำลังพัฒนา เช่น ตุรกี และอินเดีย ในปี 2019 ขณะที่ความเหลื่อมล้ำของกลุ่มประเทศยุโรปนั้นค่อนข้างต่ำ ซึ่งเป็นผลจากนโยบายลดความเหลื่อมล้ำด้านโอกาสต่าง ๆ ที่ไทยยังสามารถศึกษานโยบายจากกลุ่มประเทศนี้และปรับปรุงให้ดีขึ้นได้

รูปที่ 6: ผลการศึกษาความเหลื่อมล้ำด้านโอกาสจากกลุ่มตัวอย่างของไทยเทียบกับต่างประเทศ

ผลการศึกษาความเหลื่อมล้ำด้านโอกาสจากกลุ่มตัวอย่างของไทยเทียบกับต่างประเทศ

ที่มา: Brunori et al. (2013) และผู้เขียน

บทสรุป/ข้อเสนอแนะเชิงนโยบาย

งานศึกษานี้พยายามใช้ข้อมูลรายได้ของกลุ่มตัวอย่างขนาดเล็กที่ได้จากแบบสำรวจ SES ของไทยมาวัดผลของความเหลื่อมล้ำด้านโอกาสตามวิธีที่เสนอโดย Peragine et al. (2019) ซึ่งมีแนวคิดว่าความเหลื่อมล้ำด้านโอกาสเกิดจากปัจจัยทางสถานภาพ ซึ่งอยู่เหนือการควบคุมของบุคคล อย่างไรก็ตาม เนื่องด้วยข้อจำกัดของข้อมูล ทำให้ต้องตีความผลที่ได้อย่างระมัดระวัง โดยผลการศึกษาพบว่า

  • ความเหลื่อมล้ำด้านโอกาสของกลุ่มตัวอย่างในปี 2019 มีแนวโน้มลดลงเมื่อเทียบกับกลุ่มตัวอย่างในปี 2006
  • ปัจจัยความเหลื่อมล้ำด้านโอกาสที่มีความสำคัญสูงสุด คือ พื้นที่เกิด รองลงมาเป็นอาชีพและการศึกษาของพ่อแม่ ขณะที่สถานภาพทางเพศไม่ค่อยมีความเหลื่อมล้ำ
  • สำหรับภาคอีสานและภาคเหนือ อาชีพและการศึกษาของพ่อแม่สร้างความเหลื่อมล้ำด้านโอกาสมากกว่าภาคอื่น ๆ
  • ความเหลื่อมล้ำด้านโอกาสที่วัดโดยใช้กลุ่มตัวอย่างของไทยอยู่ในระดับใกล้เคียงกับค่าเฉลี่ยต่างประเทศ แต่ยังห่างไกลจากกลุ่มประเทศยุโรปที่ให้ความสำคัญกับการลดความเลื่อมล้ำด้านโอกาสมาก

ทั้งนี้ การปรับปรุงและพัฒนาด้านการจัดเก็บข้อมูล เช่น การเพิ่มคำถามเกี่ยวกับสถานภาพของคนให้ลึกขึ้น รวมถึงการดึงผู้มีรายได้ถึงเกณฑ์ที่ต้องเสียภาษีเข้ามาอยู่ในระบบภาษี เพื่อทำให้ข้อมูลจากฐานภาษีครอบคลุมมากยิ่งขึ้น จะมีส่วนช่วยให้ผลของการวัดความเหลื่อมล้ำด้านโอกาสแม่นยำมากขึ้นในอนาคต เนื่องจากชุดข้อมูลที่มีอยู่ในปัจจุบันสามารถวัดผลได้เพียงขอบล่าง ซึ่งผู้เขียนคาดว่าความเหลื่อมล้ำด้านโอกาสที่แท้จริงน่าจะสูงกว่าผลที่ประเมินได้ในงานศึกษานี้ สำหรับการทำนโยบายลดความเหลื่อมล้ำด้านโอกาสควรเน้นที่วัตถุประสงค์สองประการ คือ

  1. ลดความเชื่อมโยงระหว่างสถานภาพและผลลัพธ์ และ
  2. ชดเชยผลของสถานภาพ (compensation) ในกรณีที่ไม่สามารถลดความเชื่อมโยงได้หมดหรือไม่สามารถลดได้ทันที (ดูรายละเอียดเพิ่มเติมได้ใน Peragine et al., 2019)

โดยสรุป ภาครัฐควรต้องให้ความสำคัญกับการลดความเหลื่อมล้ำที่เกิดจากสถานภาพ หรืออีกนัยหนึ่งคือ การส่งเสริมให้ทุกคนได้รับโอกาสที่เท่าเทียมกัน เพื่อบรรเทาปัญหาความเหลื่อมล้ำในภาพรวม การวัดความเหลื่อมล้ำด้านโอกาสจึงถือเป็นตัวชี้วัดสำคัญที่จะช่วยให้รัฐออกแบบนโยบายได้อย่างตรงจุด และวัดผลของนโยบายได้ดียิ่งขึ้น

เอกสารอ้างอิง

Barro, R. J. (2000). Inequality and Growth in a Panel of Countries. Journal of Economic Growth, 5(1), 5–32.
Brunori, P., Ferreira, F. H., & Peragine, V. (2013). Inequality of opportunity, income inequality, and economic mobility: Some international comparisons. In Getting development right (pp. 85–115). Springer.
Chetty, R., Hendren, N., Kline, P., & Saez, E. (2014). Where is the land of opportunity? The geography of intergenerational mobility in the United States. The Quarterly Journal of Economics, 129(4), 1553–1623.
Deininger, K., & Squire, L. (1998). New ways of looking at old issues: inequality and growth. Journal of Development Economics, 57(2), 259–287.
Ferreira, F. H., Lakner, C., Lugo, M. A., & Ozler, B. (2014). Inequality of opportunity and economic growth: A cross-country analysis. World Bank Policy Research Working Paper, 6915.
Heckman, J. J. (2011). The economics of inequality: The value of early childhood education. American Educator, 35(1), 31.
Heckman, J. J., Moon, S. H., Pinto, R., Savelyev, P. A., & Yavitz, A. (2010). The rate of return to the HighScope Perry Preschool Program. Journal of Public Economics, 94(1–2), 114–128.
Hufe, P., Peichl, A., Roemer, J., & Ungerer, M. (2017). Inequality of income acquisition: the role of childhood circumstances. Social Choice and Welfare, 49(3), 499–544.
Juárez, F. W. C., & Soloaga, I. (2014). iop: Estimating ex-ante inequality of opportunity. The Stata Journal, 14(4), 830–846.
Kilenthong, W., & Chujan, W. (2019). ผลของหลักสูตรปฐมวัยไรซ์ไทยแลนด์ต่อพัฒนาการเด็กปฐมวัย (aBRIDGEd No. 16/2019). Puey Ungphakorn Institute for Economic Research.
Marrero, G. A., & Rodrı́guez, J. G. (2013). Inequality of opportunity and growth. Journal of Development Economics, 104, 107–122.
Muthitacharoen, A. (2017). 5 มุมมองใหม่จากข้อมูลผู้เสียภาษีเงินได้บุคคลธรรมดา (aBRIDGEd No. 19/2017). Puey Ungphakorn Institute for Economic Research.
Peragine, V., Biagi, F., & others. (2019). Equality of opportunity: theory, measurement and policy implications. Luxembourg: Publications Office of the European Union.
Perotti, R. (1996). Growth, income distribution, and democracy: What the data say. Journal of Economic Growth, 1(2), 149–187.
Pootrakul, K. (2013). คุณภาพของการเจริญเติบโตจากมิติของการกระจายรายได้ : ปัญหาและทางออก ( Discussion Paper No. 05/2013). Bank of Thailand.
Wasi, N., & Samphantharak, K. (2021). โอกาส กับ ความเหลื่อมล้ำทางเศรษฐกิจ (PIERspectives No. 1). Puey Ungphakorn Institute for Economic Research.

  1. กลุ่มตัวอย่างนี้คิดเป็น 14.4% และ 22.7% ของประชากรที่มีอายุ 30–49 ปีทั้งหมดในปี 2006 และ 2019 ตามลำดับ และคิดเป็น 4.6% และ 6.5% ของประชากรทั้งหมดในปี 2006 และ 2019 ตามลำดับ โดยผู้เขียนใช้น้ำหนัก (weight) รายครัวเรือนในการแปลงกลุ่มตัวอย่างให้เป็นประชากร เนื่องจากแบบสำรวจ SES สุ่มตัวอย่างโดยถ่วงน้ำหนักเป็นรายครัวเรือน ทั้งนี้ การเลือกกลุ่มตัวอย่าง รวมถึงตัวแปรด้านสถานภาพทั้ง 5 หมวด สอดคล้องกับงานศึกษาของ Brunori et al. (2013) ทำให้สามารถเปรียบเทียบผลลัพธ์ความเหลื่อมล้ำด้านโอกาสของไทยกับต่างประเทศได้ในรูปที่ 6↩
  2. ผู้เขียนใช้ Stata package ของ Juárez & Soloaga (2014) ในการคำนวณ↩
ชลิดา แท่งเพ็ชร
ชลิดา แท่งเพ็ชร
ธนาคารแห่งประเทศไทย
พิรญาณ์ รณภาพ
พิรญาณ์ รณภาพ
ธนาคารแห่งประเทศไทย
Topics: Development EconomicsWelfare Economics
Tags: incomeopportunityinequality
ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

273 ถนนสามเสน แขวงวัดสามพระยา เขตพระนคร กรุงเทพฯ 10200

โทรศัพท์: 0-2283-6066

Email: pier@bot.or.th

เงื่อนไขการให้บริการ | นโยบายคุ้มครองข้อมูลส่วนบุคคล

สงวนลิขสิทธิ์ พ.ศ. 2568 สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

เอกสารเผยแพร่ทุกชิ้นสงวนสิทธิ์ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported license

Creative Commons Attribution NonCommercial ShareAlike

รับจดหมายข่าว PIER

Facebook
YouTube
Email