แนวทางการวัดผลของความเหลื่อมล้ำด้านโอกาสต่อรายได้: กรณีศึกษาจากข้อมูลภาคตัดขวางของไทย

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

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

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

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

• กลุ่ม $C_1$ ประกอบด้วย นาย ก. ($x_{11}$) นาย ข. ($x_{12}$) และ นาย ค. ($x_{13}$) ซึ่งทั้งสามคนเป็นเพศชาย เกิดที่เมือง A ในครอบครัวที่พ่อแม่มีการศึกษาขั้นสูงเหมือนกัน ทั้งสามคนจึงจัดอยู่ใน type เดียวกัน โดยที่ นาย ค. มีรายได้หรือความมั่งคั่งสูงสุดในกลุ่มนี้
• กลุ่ม $C_2$ ประกอบด้วย นางสาว ง. ($x_{21}$) นางสาว จ. ($x_{22}$) และนางสาว ฉ. ($x_{23}$) ซึ่งทั้งสามคนเป็นเพศหญิง เกิดที่เมือง B ในครอบครัวที่พ่อแม่มีการศึกษาขั้นพื้นฐานเหมือนกัน ทั้งสามคนจึงจัดอยู่ใน type เดียวกัน โดยที่ นางสาว ฉ. มีรายได้หรือความมั่งคั่งสูงสุดในกลุ่มนี้
• เมื่ออ้างอิงตามข้อสมมติข้างต้นจะได้ว่า นาย ค. ($x_{13}$) และนางสาว ฉ. ($x_{23}$) จัดอยู่ใน tranche เดียวกัน โดยเป็นกลุ่มที่ความพยายามเท่ากันที่ระดับ $e_3$

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 $I(\tilde x_{BT})$ ในสมการด้านล่าง โดยใช้วิธีคำนวณ เช่น Gini coefficient หรือ mean logarithmic deviation (Theil-L)

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

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

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

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)

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

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)

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

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

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