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
Wages, Taxes, and Labor Supply Elasticities: The Role of Social Preferences
Discussion Paper ล่าสุด
Wages, Taxes, and Labor Supply Elasticities: The Role of Social Preferences
หนึ่งทศวรรษของประกันภัยพืชผลไทย: ถึงเวลาปรับใหญ่ หรือไปต่อ?
aBRIDGEd ล่าสุด
หนึ่งทศวรรษของประกันภัยพืชผลไทย: ถึงเวลาปรับใหญ่ หรือไปต่อ?
Events
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
PIER Research Workshop ประจำปี 2569
งานประชุมเชิงปฏิบัติการล่าสุด
PIER Research Workshop ประจำปี 2569
IMF Economic Review Conference: Power, Markets, and Strategy in a Changing Global Order
งานประชุมวิชาการล่าสุด
IMF Economic Review Conference: Power, Markets, and Strategy in a Changing Global Order
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
ดร.กรรณิการ์ ธรรมพานิชวงค์ บรรยายในหัวข้อ “ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อเสถียรภาพระบบการเงินและการเปลี่ยนผ่านโครงสร้างเศรษฐกิจไทย”
ประกาศล่าสุด
ดร.กรรณิการ์ ธรรมพานิชวงค์ บรรยายในหัวข้อ “ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อเสถียรภาพระบบการเงินและการเปลี่ยนผ่านโครงสร้างเศรษฐกิจไทย”
aBRIDGEdabridged
Making Research Accessible
QR code
Year
2026
2025
2024
2023
...
Topic
Development Economics
Macroeconomics
Monetary Economics
Labor and Demographic Economics
...
/static/b768214750b7987949ed2b219a6e106b/e9a79/cover.png
3 กรกฎาคม 2569
20261783036800000

หนึ่งทศวรรษของประกันภัยพืชผลไทย: ถึงเวลาปรับใหญ่ หรือไปต่อ?

วิเคราะห์ผลของมาตรการจากข้อมูลขนาดใหญ่ เพื่อออกแบบระบบบริหารจัดการภัยฟ้าฝนที่ยั่งยืน
บุญธิดา เสงี่ยมเนตรชนกานต์ ฤทธินนท์โสมรัศมิ์ จันทรัตน์
หนึ่งทศวรรษของประกันภัยพืชผลไทย: ถึงเวลาปรับใหญ่ หรือไปต่อ?
excerpt

แม้ความเสี่ยงจะเป็นอุปสรรคสำคัญต่อการลงทุนของเกษตรกร แต่ในยามที่ไทยกำลังปรับโครงสร้างภาคเกษตรและกำลังเข้าสู่ภาวะเอลนีโญ รัฐกลับหยุดดำเนินโครงการประกันภัยพืชผลต่อเนื่องเป็นปีที่สอง งานวิจัยนี้จึงชวนทำความเข้าใจกลไกตลาดและผลกระทบของระบบประกันภัยข้าวนาปีที่มีมายาวนานกว่าทศวรรษและมีขนาดใหญ่เป็นอันดับต้น ๆ ของโลก ผ่านการวิเคราะห์ข้อมูลธุรกรรมประกันภัยที่เชื่อมโยงกับการทำเกษตรและสัญญาสินเชื่อของชาวนาทั่วประเทศย้อนหลัง 7 ปี ซึ่งผลการศึกษาพบว่าเรายังติดอยู่ในระบบที่ขาดประสิทธิภาพ ตลาดมีปัญหา และพึ่งพิงงบประมาณรัฐเป็นหลัก โดยยังไม่ส่งผลบวกระยะยาวต่อการลงทุนพัฒนาศักยภาพเกษตรกรในวงกว้าง แม้ระบบประกันภัยจะช่วยลดโอกาสการเกิดหนี้เสียให้แก่กลุ่มยากจนและกลุ่มเสี่ยงสูงได้บ้างก็ตาม ข้อค้นพบเหล่านี้สามารถอธิบายปรากฏการณ์ความต้องการซื้อประกันของเกษตรกรที่อยู่ในระดับต่ำมากและลดลงอย่างต่อเนื่อง พร้อมทั้งสะท้อนถึงความจำเป็นที่จะต้องปฏิรูประบบประกันภัยพืชผลใหม่ เพื่อให้กลับมาสร้างภูมิคุ้มกันและนำพาการปรับโครงสร้างภาคเกษตรไทยได้อย่างแท้จริง

ระบบประกันภัยพืชผลมีความสำคัญต่อการพัฒนาของเกษตรกร หลักฐานเชิงประจักษ์ที่ผ่านมาชี้ชัดว่า สภาพอากาศสุดขั้วที่เกิดถี่และรุนแรงขึ้นกำลังส่งผลกระทบต่อเกษตรกรอย่างหนัก (Aragón et al., 2021; Malhi et al., 2021) ขณะที่กลไกการบริหารจัดการความเสี่ยงด้วยตนเอง (self-insurance) เช่น การทำเกษตรผสมผสาน การปรับรูปแบบทำเกษตร หรือการช่วยกันในสังคมในรูปแบบต่าง ๆ (social risk-sharing) มักช่วยได้จำกัดเมื่อเผชิญภัยธรรมชาติที่ส่งผลในวงกว้าง (covariate risk) ทำให้เกษตรกรขาดภูมิคุ้มกัน และต้องพึ่งพิงการเยียวยาหรือการพักหนี้จากรัฐ ซึ่งอาจขาดประสิทธิภาพและส่งผลเสียระยะยาว และในขณะเดียวกันความเสี่ยงก็เป็นอุปสรรคสำคัญต่อการลงทุนและปรับตัวของเกษตรกร

วงการวิจัยเศรษฐศาสตร์พัฒนาในทศวรรษที่ผ่านมาต่างให้ความสำคัญกับประกันภัยพืชผลในฐานะเครื่องมือทางการเงินเพื่อพัฒนา และสะท้อนให้เห็นว่า เครื่องมือนี้สามารถช่วยรักษาเสถียรภาพการบริโภคของครัวเรือน (Ali et al., 2020; Cole & Xiong, 2017) ช่วยสร้างแรงจูงใจในการลงทุน (Carter et al., 2017; Mobarak & Rosenzweig, 2012) และลดโอกาสติดกับดักความยากจนได้อย่างมีนัยสำคัญ (Jensen & Barrett, 2017; Cole et al., 2017; Karlan et al., 2014) อย่างไรก็ตาม ระบบประกันภัยในกลุ่มประเทศกำลังพัฒนายังคงเผชิญปัญหาและข้อจำกัดหลายประการ ทำให้การขยายผลยังทำได้ยากในทางปฏิบัติ

งานวิจัยนี้ศึกษาตลาดและผลกระทบของโครงการประกันภัยข้าวนาปีของไทย ซึ่งเป็นหนึ่งในระบบประกันภัยพืชผลที่ใหญ่ที่สุดในกลุ่มประเทศกำลังพัฒนา แม้โครงการนี้จะดำเนินการมานานกว่าทศวรรษจนได้รับการยอมรับเป็นต้นแบบเรียนรู้ในต่างประเทศ แต่ในความเป็นจริงยังคงเผชิญความท้าทายเชิงโครงสร้างสำคัญ ทั้งความคลาดเคลื่อนและความล่าช้าในการจ่ายค่าสินไหม รวมถึงปัญหาราคาสูงอันเกิดจากภาวะข้อมูลไม่สมมาตร (information asymmetry) ส่งผลให้ระบบต้องพึ่งพิงงบประมาณอุดหนุนค่าเบี้ยประกันจากรัฐและสถาบันการเงินเป็นหลักในการขับเคลื่อนโครงการ

คุณค่าหลักของงานวิจัยนี้คือการใช้ข้อมูลขนาดใหญ่ที่ครอบคลุมเกษตรกรทั่วประเทศ เพื่อทำความเข้าใจปัญหาที่ครอบคลุมและแตกต่างระหว่างกลุ่มต่าง ๆ ซึ่งสามารถขยายผลความเข้าใจเชิงสถิติไปสู่บริบทอื่น ๆ (external validity) ได้ดีกว่าการศึกษาที่ผ่านมาในต่างประเทศ ที่มักจำกัดอยู่เฉพาะในโครงการทดลองขนาดเล็ก โดยงานวิจัยนี้มุ่งเจาะลึกถึงปัจจัยที่ส่งผลต่อความสมัครใจซื้อประกันของเกษตรกร และความยั่งยืนของตลาด รวมถึงผลของการมีประกันภัยพืชผลต่อการปรับเปลี่ยนพฤติกรรมการผลิตและการชำระหนี้ ซึ่งเป็นมิติสำคัญทางเศรษฐศาสตร์การเงินที่ยังไม่ค่อยมีการศึกษามากนัก

งานวิจัยนี้สร้างฐานข้อมูลเกษตรกรขนาดใหญ่แบบ panel data ที่ครอบคลุม 7 ปีการผลิต (2558–2564) ผ่านการเชื่อมโยง 4 ฐานข้อมูลเข้าด้วยกันในระดับแปลงและครัวเรือน เพื่อให้สามารถฉายภาพความเสี่ยง พฤติกรรมทางการเงิน การทำเกษตรและการจัดการความเสี่ยงของชาวนาไทยได้อย่างครบวงจร ประกอบไปด้วย

  1. ทะเบียนเกษตรกร (ครอบคลุมครัวเรือนเกษตรกร 4.3 ล้านรายต่อปี): สะท้อนลักษณะครัวเรือน การทำเกษตร การลงทุน และการบริหารจัดการความเสี่ยงรายแปลงของชาวนา
  2. ระบบเยียวยาภัยพิบัติภาครัฐ: สะท้อนความเสี่ยงต่อภัยพิบัติ และความรุนแรงของผลกระทบรายครัวเรือน
  3. ธุรกรรมประกันภัยข้าวนาปี: สะท้อนพฤติกรรมการซื้อประกัน การอุดหนุนของรัฐ ราคาเบี้ยประกันที่ชาวนาต้องจ่าย และการเคลมค่าชดเชยรายสัญญา
  4. สินเชื่อรายสัญญาจาก ธ.ก.ส. (สุ่มกลุ่มตัวอย่าง 1 ล้านราย): สะท้อนพฤติกรรมการเงินและการชำระหนี้รายสัญญา

เข้าใจประกันภัยพืชผล และปัญหาการขยายผลในประเทศกำลังพัฒนา

ระบบประกันภัยพืชผลสามารถถูกออกแบบให้คุ้มครองที่หลากหลายต่อความเสียหายทางเศรษฐกิจของเกษตรกร ทั้งในมิติผลผลิต รายได้ ต้นทุนการผลิต หรือสินเชื่อเพื่อการผลิต โดยสัญญาประกันภัยจะระบุเงื่อนไขชัดเจน 3 ส่วน ได้แก่ ประเภทภัยและวงเงินคุ้มครอง กลไกการตรวจสอบความเสียหายเพื่อจ่ายสินไหมชดเชย และราคาเบี้ยประกันสุทธิหลังหักสัดส่วนการอุดหนุนจากภาครัฐ

อุปสรรคเชิงโครงสร้าง 3 ด้านขัดขวางการพัฒนาระบบประกันภัยพืชผลให้ยั่งยืนในประเทศกำลังพัฒนา

  • ด้านแรกคือ ต้นทุนธุรกรรม (transaction cost) ที่สูง จากการดำเนินงานและตรวจสอบแปลงย่อยจำนวนมาก
  • ด้านที่สองคือ ปัญหาข้อมูลไม่สมมาตร (information asymmetry) ขาดข้อมูลความเสี่ยงและระบบตรวจสอบที่มีประสิทธิภาพ ทำให้ผลิตภัณฑ์ไม่ตอบโจทย์เกษตรกร และทำให้ผู้รับประกันไม่สามารถคิดเบี้ยประกันตามความเสี่ยงจริงจนต้องตั้งราคาสูง และขาดแรงจูงใจเข้ามาแข่งขันในตลาด
  • ด้านสุดท้ายคือ ข้อจำกัดด้านกำลังซื้อ เนื่องจากเกษตรกรมักมีรายได้น้อยและคุ้นชินกับเงินเยียวยาภัยพิบัติแบบให้เปล่าจากภาครัฐ

ปัญหา 3 ประการข้างต้นจึงกลายเป็นอุปสรรคสำคัญต่อการพัฒนาตลาดประกันภัยพืชผล จนบีบให้ภาครัฐต้องเข้าแทรกแซงด้วยการอุดหนุนเบี้ยประกันภัยจำนวนมาก แต่การใช้นโยบายอุดหนุนในสัดส่วนที่สูงเป็นเวลานานกลับส่งผลบั่นทอนแรงจูงใจของเกษตรกรในการซื้อประกันภัยด้วยตนเองในระยะยาว ความคุ้นชินกับการพึ่งพิงภาครัฐดังกล่าวจึงเปลี่ยนระบบประกันภัยพืชผลให้กลายเป็นตลาดที่ขาดกลไกการแข่งขัน และสร้างภาระผูกพันทางการคลังตามมาอย่างหลีกเลี่ยงไม่ได้ (Ali et al., 2020; Cai et al., 2020; Hazell & Varangis, 2020)

ข้อเท็จจริงของประกันภัยข้าวนาปีไทย

โครงการประกันภัยข้าวนาปีของไทยเริ่มขึ้นในปี 2554 เพื่อให้ความคุ้มครองความเสียหายแก่ชาวนาจาก 8 ภัยพิบัติหลัก1 โดยระบบนี้ใช้กลไกการตรวจสอบความเสียหายร่วมกับการเยียวยาภัยพิบัติภาครัฐ โดยแปลงที่ได้รับความเสียหายต้องอยู่ในเขตประกาศภัยพิบัติจากผู้ว่าราชการจังหวัด จึงมีสิทธิ์ยืนคำร้องให้มีการลงไปประเมินความเสียหายเพื่อเคลมค่าสินไหมได้ และประกันภัยจะจ่ายเงินชดเชยสมทบ (top-up) เพิ่มจากเงินเยียวยาของภาครัฐอีก 1 เท่า ซึ่งในปี 2564 คิดเป็น 1,260 บาทต่อไร่ที่เสียหาย ซึ่งเท่ากับว่าชาวนาที่มีประกันและมีแปลงเสียหายจะได้เงินช่วยเหลือรวมประมาณ 60% ของต้นทุนการผลิตต่อไร่ นอกจากนี้ ตั้งแต่ปี 2562 เกษตรกรสามารถเลือกซื้อความคุ้มครองส่วนเพิ่ม (tier 2) ได้สูงสุดไม่เกิน 240 บาทต่อไร่

การปรับเปลี่ยนโครงสร้างราคาและกลไกการอุดหนุนเบี้ยประกันภัยอย่างต่อเนื่อง สร้างความผันแปร (policy variation) ที่เอื้อประโยชน์ต่อการศึกษาเชิงประจักษ์ในงานวิจัยนี้ โดยในช่วงปี 2554–58 โครงการคิดเบี้ยประกันตามระดับความเสี่ยงจริง ก่อนจะปรับเป็นอัตราเดียวทั่วประเทศในช่วงปี 2559-62 และวกกลับมาใช้ระบบอิงความเสี่ยงตั้งแต่ปี 2563 เป็นต้นมา

ตลอด 12 ปี รัฐมีการอุดหนุนเบี้ยประกันภัยอย่างต่อเนื่อง โดยมีการปรับสัดส่วนจากเดิมที่รัฐช่วย 48–78% มาเป็นการอุดหนุนแบบปูพรม 60% ในช่วงปี 2559–62 และเปลี่ยนเป็นแบบขั้นบันได 25–100% ตั้งแต่ปี 2563 เป็นต้นมา โดยให้ประกันภัยฟรีแก่ชาวนาในพื้นที่เสี่ยงต่ำ (ไม่เกิน 30 ไร่) และลดการอุดหนุนลงในพื้นที่เสี่ยงสูง ยิ่งไปกว่านั้น ตั้งแต่ปี 2559 ธ.ก.ส. ได้อุดหนุนเบี้ยประกันเพิ่มอีก 40% ให้กับลูกค้าสินเชื่อของธนาคาร ส่งผลให้เกษตรกรผู้กู้ได้รับประกันภัยฟรี (ไม่เกิน 30 ไร่) ในขณะเดียวกัน รัฐไม่ได้อุดหนุนเบี้ยประกันความคุ้มครอง tier 2 (Sa-ngimnet et al., 2026)

ข้อเท็จจริง 1: ตลาดมีอัตราการเข้าถึงประกันภัย (penetration rate) สูง ซึ่งมาจากกลุ่มที่ได้รับประกันภัยฟรีเป็นหลัก ขณะที่การซื้อด้วยตนเองมีสัดส่วนน้อยมากและลดลงต่อเนื่อง

รูปที่ 1 แสดงให้เห็นว่า ตั้งแต่ปี 2559 มีชาวนากว่า 40% ที่มีประกันภัย ซึ่งเกือบทั้งหมดเป็นลูกค้าสินเชื่อ ธ.ก.ส. และตัวเลขนี้พุ่งสูงถึง 75% ตั้งแต่ปี 2563 โดยเพิ่มมาจากทั้งกลุ่มลูกค้า ธ.ก.ส. และกลุ่มพื้นที่เสี่ยงต่ำที่รัฐให้ประกันฟรี ในทางกลับกัน ชาวนาที่ไม่ได้สิทธิ์ฟรีและสมัครใจซื้อเองกลับลดลงจาก 3% ในปี 2558 จนเหลือไม่ถึง 1% ในปี 2564 แม้แต่กลุ่มที่ได้สิทธิ์ฟรีไม่เต็มพื้นที่ (คิดเป็น 7–13% ของชาวนาทั้งหมด) ก็มีผู้ยอมจ่ายเงินซื้อความคุ้มครองเพิ่มในพื้นที่ส่วนที่เหลือไม่ถึง 2% เท่านั้น

รูปที่ 1: อัตราการมีประกันภัยพืชผลและการซื้อประกันภัยเองของชาวนา
หมายเหตุ: กราฟเส้นแสดงสัดส่วนของชาวนาที่มีประกันเทียบกับจำนวนชาวนาทั้งหมดรายปี ตั้งแต่ปี พ.ศ. 2558–2564 โดยใช้ข้อมูลจากสมาคมประกันวินาศภัยไทย (TGIA) และกรมส่งเสริมการเกษตร (DOAE) ซึ่งครอบคลุมชาวนาเฉลี่ยปีละ 4.6 ล้านครัวเรือน กราฟแท่งสีส้มแสดงสัดส่วนของชาวนาที่ได้ประกันฟรี (ไม่ซื้อประกันด้วยตัวเอง) แท่งกราฟสีฟ้าแสดงสัดส่วนของชาวนาที่ได้ประกันฟรีและสมัครใจซื้อประกันเพิ่มเติม และแท่งกราฟสีเขียวแสดงสัดส่วนของชาวนาที่สมัครใจซื้อประกันด้วยตัวเอง

ข้อเท็จจริงที่ 2: กระบวนการจ่ายเงินชดเชยที่ล่าช้าเฉลี่ยถึง 126 วัน สะท้อนปัญหาของระบบที่อาจบั่นทอนประสิทธิภาพในการช่วยเหลือเกษตรกร

รูปที่ 2a แสดงสัดส่วนชาวนาที่ทำประกันรายตำบล ซึ่งกระจายตัวทั่วประเทศเฉลี่ยที่ 46.5% และหนาแน่นมากในภาคกลางตอนบนและอีสานตอนล่าง ขณะที่รูป 2b แสดงระยะเวลาจากวันเสียหายถึงวันที่ได้เงินชดเชยเฉลี่ยในรอบ 7 ปี โดย 31.5% ของตำบลใช้เวลาน้อยกว่า 90 วัน 45.8% ใช้เวลาตั้งแต่ 90–150 วัน และมีถึง 22.7% ของตำบลทั้งหมดที่ต้องรอนานกว่า 150 วัน ความล่าช้าเหล่านี้อาจส่งผลต่อผลประโยชน์ที่ชาวนาจะได้จากระบบประกันนี้ และอาจสามารถอธิบายความสมัครใจซื้อประกันที่น้อยมากและลดลงเรื่อย ๆ2

รูปที่ 2: สัดส่วนชาวนาที่มีประกันและความเร็วในการได้รับเงินชดเชยรายตำบล (2558–64)
(a) สัดส่วนชาวนาที่มีประกัน
(b) จำนวนวันเฉลี่ยตั้งแต่เริ่มเสียหายจนได้เงินชดเชย
หมายเหตุ: รูป 2a แสดงสัดส่วนของชาวนาที่มีประกันต่อจำนวนชาวนาทั้งหมด ตั้งแต่ปี 2558–2564 โดยใช้ข้อมูลจากสมาคมประกันวินาศภัยไทย (TGIA) และรูป 2b แสดงจำนวนวันในการจ่ายค่าสินไหมทดแทนรายตำบล คำนวณจาก ระยะห่างระหว่างวันที่ประสบภัยและวันที่จ่ายสินไหมเฉลี่ยในช่วงเวลาดังกล่าว เฉลี่ยจากข้อมูลรายคนเป็นรายตำบล

ข้อเท็จจริงที่ 3: การซื้อประกันภัยเองของเกษตรกรมีความสัมพันธ์กับระดับความเสี่ยงภัยในพื้นที่

รูปที่ 3 ชี้ว่าชาวนาในภาคอีสานตะวันตกและภาคกลางตอนบนมีสัดส่วนการสมัครใจซื้อประกันภัยหนาแน่นที่สุด ซึ่งสอดคล้องกับระดับความเสี่ยงภัยรายตำบลที่สูงกว่าพื้นที่อื่น ๆ ในช่วง 7 ปี พ.ศ. 2558–2564 อย่างไรก็ตาม การปกป้องความเสี่ยงนี้กลับขาดความยั่งยืน นอกจากนั้น Sa-ngimnet et al. (2026) ยังพบว่า 85% ของเกษตรกรที่ซื้อมักซื้อเพียง 1–2 ปีเท่านั้น ไม่ได้ซื้อต่อเนื่องในทุกปี

รูปที่ 3: สัดส่วนชาวนาที่สมัครใจซื้อประกันภัย และความเสี่ยงรายตำบล (2558–64)
(a) สัดส่วนชาวนาที่สมัครใจซื้อประกัน
(b) สัดส่วนที่นาที่ได้รับความเสียหายเฉลี่ยในรอบ 6 ปี
หมายเหตุ: รูป 3a คำนวณจากจำนวนชาวนาที่ซื้อประกันเองต่อจำนวนชาวนาทั้งหมด รูป 3b แสดงอัตราความเสียหาย (Loss ratio) จากความเสี่ยงภัยในแต่ละพื้นที่ คำนวณจากพื้นที่เสียหายจากภัยพิบัติต่อพื้นที่เพาะปลูกข้าวทั้งหมดของเกษตรกรแต่ละราย เฉลี่ยในรอบ 7 ปี และเฉลี่ยรายตำบล บริเวณที่มีสีเข้มแสดงถึงระดับความเสี่ยงที่สูงกว่าในพื้นที่อื่น ๆ

ข้อเท็จจริงที่ 4: อัตราเบี้ยประกันและสัดส่วนพื้นที่รัฐให้ประกันฟรีมีความหลากหลายมากในช่วง 7 ปี

ข้อเท็จจริงนี้เอื้อต่อการวิเคราะห์ความยืดหยุ่นของอุปสงค์และการตัดสินใจซื้อของเกษตรกร รูปที่ 4a ชี้ว่าเบี้ยประกันสุทธิหลังหักการอุดหนุนของชาวนากลุ่มที่ต้องตัดสินใจซื้อมีการกระจายตัวกว้างถึง 20–60% ในช่วงปี 2558–2564 ส่วนรูปที่ 4b แสดงความหลากหลายของสัดส่วนที่นาที่ประกันภัยฟรีของเกษตรกรในกลุ่มเดียวกัน

รูปที่ 4: อัตราเบี้ยประกันหลังหักการอุดหนุนและสัดส่วนที่นาที่ได้ประกันภัยฟรี สำหรับกลุ่มชาวนาที่ยังต้องตัดสินใจซื้อประกันภัย (2558-64)
(a) อัตราเบี้ยประกันที่ชาวนาต้องจ่ายหลังหักการอุดหนุน
(b) สัดส่วนพื้นที่ปลูกข้าวที่ได้ประกันฟรีของชาวนาแต่ละราย
หมายเหตุ: รูปที่ 4a แสดงอัตราเบี้ยประกันภัยที่ชาวนาแต่ละรายต้องเผชิญหลังหักเงินอุดหนุน เฉลี่ยรายตำบล รูปที่ 4b แสดงสัดส่วนพื้นที่ปลูกข้าวที่ได้ประกันฟรีของชาวนาแต่ละราย เฉลี่ยรายตำบล

ราคา การอุดหนุน และประสิทธิภาพของระบบประกัน ส่งผลต่อความสมัครใจซื้อของเกษตรกรอย่างไร?

รูปที่ 5 แสดงผลของอัตราเบี้ยประกันหลังหักการอุดหนุน อัตราการให้ประกันฟรี และความล่าช้าของการชดเชย ต่อการตัดสินใจซื้อประกันของชาวนา ซึ่งวิเคราะห์ด้วยข้อมูล panel data รายเกษตรกรในช่วง 7 ปี และใช้แบบจำลอง fixed effect regression model ซึ่งช่วยให้เราสามารถควบคุมความแตกต่างเฉพาะของครัวเรือนที่ไม่สามารถสังเกตได้ รวมถึงปัจจัยอื่น ๆ ที่เกี่ยวข้องซึ่งอาจส่งผลต่อความสมัครใจซื้อประกันได้

รูปที่ 5: ปัจจัยที่มีผลต่อความต้องการการซื้อประกันของชาวนา
หมายเหตุ: รูปที่ 5 แสดงผลกระทบ (regression coefficient) ณ ระดับความเชื่อมั่นร้อยละ 95 ของราคา, การอุดหนุนประกันฟรี, และความล่าช้าของการเคลมสินไหม ที่มีต่อการตัดสินใจซื้อประกันของชาวนา ซึ่งวิเคราะห์ด้วยแบบจำลอง Fixed effect regression model ตัวแปรตาม (Dependent variable) คือ สัดส่วนของพื้นที่ซื้อประกันต่อพื้นที่เพาะปลูกของชาวนา (a) ราคา คำนวณจากอัตราเบี้ยประกันหลังหักการอุดหนุน (เป็น % ของ commercial rate) (b) การอุดหนุนประกันฟรี คำนวณจากพื้นที่ได้คุ้มครองประกันฟรีต่อพื้นที่ปลูกข้าวทั้งหมดของชาวนา และ (c) ความล่าช้าของการชดเชยเป็น coefficient ของ interaction term ระหว่างประสบการณ์เคลมประกัน และระยะเวลาที่ใช้ในการจ่ายสินไหมของชาวนา

การให้ประกันฟรีและความล่าช้าในกระบวนการชดเชยบั่นทอนความสมัครใจซื้อประกันภัยของเกษตรกรอย่างมีนัยสำคัญ โดยข้อค้นพบในรูปที่ 5 และผลที่เหมือนกันในความต้องการซื้อความคุ้มครองเพิ่มใน tier 2 สะท้อนว่า การซื้อประกันให้เกษตรกรในวงกว้างของรัฐถึงจะมีเจตนาที่ดีในการสร้างการประหยัดต่อขนาด (economies of scale) และกระตุ้นการเรียนรู้ แต่การอุดหนุนที่เข้มข้นเกินไปกลับทำลายแรงจูงใจในการพึ่งตนเอง สอดคล้องกับงานวิจัยในอดีต (Ghosh, 2018; Cai et al., 2020; Stoeffler & Opuz, 2022; Tsiboe & Turner, 2023) นอกจากนี้ ความล่าช้าในการจ่ายสินไหมยังกลายเป็นอุปสรรคสำคัญที่ลดทอนคุณประโยชน์ของประกันภัยและฉุดรั้งการพัฒนาตลาดอย่างสิ้นเชิง

ความต้องการประกันภัยของชาวนาไทยมีความยืดหยุ่นต่อราคาสูง แต่จะอ่อนไหวต่อราคาน้อยลงในกลุ่มที่ประกันภัยจ่ายชดเชยเร็วขึ้น รูปที่ 6 แสดงให้เห็นว่าค่าเฉลี่ยความยืดหยุ่นต่อราคาของชาวนาไทยอยู่ที่ -1.53 และสูงขึ้นตามระดับเบี้ยประกัน สะท้อนว่าการอุดหนุนเบี้ยประกันเพียงเล็กน้อยก็สามารถกระตุ้นความสมัครใจซื้อได้ดี โดยอัตรานี้สูงกว่าช่วง -0.022 ถึง -0.44 ในงานของ Mobarak & Rosenzweig (2012) , Cai et al. (2020), และ Tsiboe & Turner (2023) แต่สอดคล้องกับ Woodard & Yi (2020), Cole et al. (2013) และ Karlan et al. (2014) และหากเราเร่งยกระดับประสิทธิภาพในการประเมินและชดเชยความเสียหายของระบบประกันภัย ความยืดหยุ่นต่อราคาจะลดลงในทุกระดับราคา ซึ่งเป็นช่องทางขับเคลื่อนกลไกตลาดให้เติบโตอย่างยั่งยืน

รูปที่ 6: ความยืดหยุ่นต่อราคา ตามความล่าช้าของการชดเชย
หมายเหตุ: รูปที่ 6 แสดงค่าความยืดหยุ่นต่อราคา (Price elasticity) ในแต่ละกลุ่มควอไทล์ (Quartiles) ของความล่าช้าในการจ่ายค่าสินไหมทดแทน โดยกลุ่มควอไทล์ที่สูงกว่าจะสะท้อนถึงประสิทธิภาพของระบบประกันที่ด้อยกว่า ในการศึกษานี้ใช้วิธีการคำนวณค่าความยืดหยุ่นแบบจุด (Point elasticity) ณ ระดับความเชื่อมั่นร้อยละ 95 โดยกำหนดให้ตัวแปรอื่น ๆ ในแบบจำลองมีค่าคงที่อยู่ที่ค่าเฉลี่ย (Mean values) เพื่อคำนวนค่าความยืดหยุ่นแบบจุดของอุปสงค์ ณ แต่ละระดับราคา

กลุ่มเกษตรกรที่ยากจน มีความเสี่ยงต่ำ และมีการศึกษาต่ำ มีความยืดหยุ่นต่อราคาสูงที่สุด รูปที่ 7 แสดงความยืดหยุ่นต่อราคา ณ อัตราเบี้ยประกันเฉลี่ย โดยแบ่งตามควินไทล์ความมั่งคั่ง ระดับความเสี่ยง และการศึกษาของหัวหน้าครัวเรือน ซึ่งการเบนงบประมาณมาอุดหนุนเบี้ยประกันภัยแก่กลุ่มเหล่านี้ อาจช่วยกระตุ้นความต้องการได้มาก

รูปที่ 7: ความยืดหยุ่นต่อราคา ของชาวนากลุ่มต่าง ๆ (ณ อัตราเบี้ยประกันเฉลี่ยที่ชาวนาต้องจ่ายหลังหักการอุดหนุน)
หมายเหตุ: รูปที่ 7 แสดงค่าความยืดหยุ่นของอุปสงค์ (Price elasticity) ณ อัตราเบี้ยประกันเฉลี่ยที่ชาวนาต้องจ่ายหลังหักการอุดหนุน และระดับความเชื่อมั่นร้อยละ 95 โดยจำแนกตามคุณลักษณะของครัวเรือน ซึ่งมีการแบ่งกลุ่มดังนี้: ความมั่งคั่งและความเสี่ยง จะแบ่งออกเป็น 5 กลุ่มควินไทล์ โดยใช้การอ้างอิงจากขนาดการถือครองที่ดินของครัวเรือนและสัดส่วนที่นาที่เสียหายเฉลี่ย 7 ปี เกณฑ์ระดับการศึกษาของหัวหน้าครัวเรือน จะแบ่งเป็น 3 ระดับ ได้แก่ ระดับต่ำ (ประถมศึกษา) ระดับกลาง (มัธยมศึกษาตอนต้นและตอนปลาย) และระดับสูง (สูงกว่ามัธยมศึกษาตอนปลาย)

ผลของการให้ประกันภัยฟรีมีความแตกต่างกันชัดเจนในแต่ละกลุ่ม โดยรูปที่ 8 แสดงให้เห็นว่า การให้ประกันฟรีช่วยกระตุ้นความสมัครใจซื้อประกันในกลุ่มฐานะดีและเสี่ยงสูง แต่กลับลดทอนแรงจูงใจมราจะซื้อประกันเองในกลุ่มยากจน หลักฐานนี้ยังบ่งชี้ว่าการให้ประกันภัยฟรีบางส่วนอาจสามารถช่วยกระตุ้นความต้องการในตลาดได้ แต่ภาครัฐยังอาจจำเป็นต้องกำหนดเงื่อนไขให้เกษตรกรร่วมจ่ายบางส่วน เพื่อป้องกันการบิดเบือนแรงจูงใจในภาพรวม

ความล่าช้าของการชดเชยบั่นทอนความสมัครใจซื้อประกันภัยของเกษตรกรทุกกลุ่ม โดยเฉพาะกลุ่มยากจนและกลุ่มที่มีความเสี่ยงสูงที่ต้องพึ่งพิงระบบ และกลุ่มเสี่ยงต่ำมากที่ไม่สนใจประกันภัยแต่แรก หลักฐานเชิงประจักษ์นี้จึงย้ำเตือนความจำเป็นเร่งด่วนในการแก้ไขความล่าช้าของกลไกชดเชยเพื่อฟื้นฟูความเชื่อมั่นในตลาดอย่างแท้จริง

รูปที่ 8: ผลของการได้ประกันภัยฟรี และความล่าช้าของการชดเชย ต่อความต้องการซื้อประกันของชาวนากลุ่มต่าง ๆ
(a) ผลของการได้ประกันภัยฟรี
(b) ผลของความล่าช้าของการชดเชย
หมายเหตุ: รูปที่ 8 แสดงผลจาก Fixed effect regression model ต่อการตัดสินใจซื้อประกันของชาวนากลุ่มต่าง ๆ ตามรูป 7 ณ ระดับความเชื่อมั่นร้อยละ 95

แล้วชาวนากลุ่มต่าง ๆ ได้ประโยชน์อะไรจากประกันภัยพืชผล?

งานศึกษานี้ใช้เทคนิค staggered differences-in-differences บนข้อมูล panel data รายเกษตรกรขนาดใหญ่ เพื่อประเมินผลกระทบของประกันภัยต่อเกษตรกรใน 4 ด้าน คือ

  1. ผลกระทบต่อการบริหารจัดการความเสี่ยงด้วยตนเองผ่านการปลูกพืชผสมผสาน
  2. การลงทุนในแหล่งน้ำ ซึ่งสะท้อนได้ทั้งความพยายามในการจัดการความเสี่ยงในแปลงและการลุงทุนเพื่อเพิ่มผลิตภาพ
  3. การลงทุนทำเกษตรคุณภาพสูง
  4. โอกาสการผิดนัดชำระหนี้กับ ธ.ก.ส.

ซึ่งแบบจำลองนี้ช่วยแก้ปัญหา selection bias และข้อจำกัดด้านเงื่อนเวลาเข้าร่วมโครงการที่เหลื่อมกันของเกษตรกรได้ดีกว่าวิธีทั่วไป (Callaway & Sant’Anna, 2021; de Chaisemartin & d’Haultfœuille, 2024) อีกทั้งยังช่วยปิดช่องว่างของวรรณกรรมส่วนใหญ่ที่มักพึ่งพาเพียงระเบียบวิธีสุ่มทดลอง (RCTs) ในกลุ่มตัวอย่างขนาดเล็ก

รูปที่ 9 แสดงผลกระทบของการมีประกันภัยพืชผลต่อเกษตรกรในกลุ่มที่ได้ประกันฟรี และรูปที่ 10 แสดงผลในกลุ่มที่สมัครใจซื้อประกันเอง โดยรายงานค่าผลกระทบเฉลี่ยจากการมีประกัน (average treatment effect on the treated: ATT) ซึ่งคำนวณจากผลต่างของผลลัพธ์ระหว่างกลุ่มที่มีประกัน (treatment group) และกลุ่มที่ไม่มีประกัน (control group) ซึ่งจากรูปแสดงให้เห็นว่า ในช่วงก่อนเข้าร่วมโครงการ ผลลัพธ์ในทุกมิติระหว่างเกษตรกรทั้งสองกลุ่มไม่มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ 5% เป็นการยืนยันความเหมาะสมของระเบียบวิธีได้อย่างดี

รูปที่ 9: ผลกระทบของประกันภัยพืชผลต่อชาวนา
(a) การเลือกปลูกพืชเชิงเดี่ยวที่ใช้เมล็ดพันธุ์คุณภาพต่ำ
(b) การลงทุนในแหล่งน้ำในแปลง
(c) การลงทุนปลูกพืชที่มีมูลค่าสูง
(d) การผิดนัดชำระหนี้
หมายเหตุ: รูปที่ 9 แสดง average treatment effect ของการมีประกันภัย ณ ระดับความเชื่อมั่นร้อยละ 95 โดยเทียบกลุ่มที่ได้ประกันภัยฟรีกับกลุ่มที่ไม่มีประกัน ด้วยการใช้ difference-in-differences estimator ตามแนวทางของ Chaisemartin and D’Haultfœuille (2023) แกน Y แสดงระดับผลกระทบ ขณะที่แกน X แสดงจำนวนปีตั้งแต่มีประกันภัย
รูปที่ 10: ผลกระทบของประกันภัยต่อชาวนา (กลุ่มที่สมัครใจซื้อประกัน)
(a) การเลือกปลูกพืชเชิงเดี่ยวที่ใช้เมล็ดพันธุ์คุณภาพต่ำ
(b) การลงทุนในแหล่งน้ำในแปลง
(c) การลงทุนปลูกพืชที่มีมูลค่าสูง
(d) การผิดนัดชำระหนี้
หมายเหตุ: รูปที่ 10 แสดง average treatment effect ของการมีประกันภัย ณ ระดับความเชื่อมั่นร้อยละ 95 โดยเทียบกลุ่มที่ได้สมัครใจซื้อประกันกับกลุ่มที่ไม่มีประกัน ด้วยการใช้ difference-in-differences estimator ตามแนวทางของ Chaisemartin and D’Haultfœuille (2023) แกน Y แสดงระดับผลกระทบ ขณะที่แกน X แสดงจำนวนปีตั้งแต่มีประกันภัย

การได้รับประกันภัยฟรีช่วยบรรเทาปัญหาหนี้เสียของเกษตรกรกลุ่มเปราะบางในระยะสั้น แต่ไม่สามารถกระตุ้นการลงทุนพัฒนาการผลิตในระยะยาวได้ โดยรูปที่ 9 ชี้ว่าหลังได้ประกันภัยฟรี 2–3 ปี ชาวนาทุกกลุ่ม โดยเฉพาะอย่างยิ่งในกลุ่มยากจน เสี่ยงสูง และกลุ่มที่เพิ่งเผชิญภัยพิบัติ (รูปที่ 11) มีสัดส่วนหนี้เสียน้อยกว่ากลุ่มควบคุมอย่างมีนัยสำคัญ แต่ขนาดของผลกระทบน้อย และมีแนวโน้มที่จะเป็นการประคองสถานะหนี้ในระยะสั้น (Chantarat et al., 2026) นอกจากนั้น การได้ประกันภัยฟรียังไม่ได้ลดทอนแรงจูงใจในการบริหารความเสี่ยงด้วยตนเองของเกษตรกร เพราะอัตราการปลูกพืชหลากหลาย กลับปรับตัวเพิ่มขึ้นด้วยซ้ำ อย่างไรก็ดี การอุดหนุนเต็มจำนวนดังกล่าวไม่ได้กระตุ้นให้เกษตรกรลงทุนในแหล่งน้ำ และลงทุนเพื่อทำการเกษตรคุณภาพสูงอย่างมีนัยสำคัญ

ในขณะเดียวกัน เกษตรกรกลุ่มที่ซื้อประกันภัยเองกลับส่งผลให้เกิด moral hazard และไม่ส่งผลดีทั้งในระยะสั้นและระยะยาวต่อเกษตรกรผู้ซื้อประกัน โดยรูปที่ 10 แสดงให้เห็นว่า เกษตรกรกลุ่มที่ซื้อประกันหันไปปลูกพืชเชิงเดี่ยว ผลิตภาพต่ำมากขึ้น และลดการลงทุนในระบบแหล่งน้ำรายแปลงลงอย่างมีนัยสำคัญหลังจากได้รับความคุ้มครอง ซึ่งพฤติกรรมลดการป้องกันความเสี่ยงตนเองนี้สอดคล้องกับข้อค้นพบของ Wu et al. (2020) นอกจากนี้ ประกันภัยสามารถช่วยลดอัตราการผิดนัดชำระหนี้ลงเมื่อเทียบกับกลุ่มควบคุมได้เพียงในระยะสั้นเท่านั้น

นอกจากนี้ ผลของประกันภัยในการกระตุ้นการลงทุนทำเกษตรคุณภาพสูงเริ่มมีนัยสำคัญมากขึ้น ในกลุ่มเกษตรกรที่ได้ประกันภัยพืชผลที่มีประสิทธิภาพดีขึ้นด้วย ซึ่ง Sa-ngimnet et al. (2026) ก็แสดงให้เห็นว่าแนวโน้มนี้เกิดกับเกษตรกรทั้งกลุ่มที่ได้ประกันฟรี และกลุ่มที่สมัครใจซื้อประกัน

รูปที่ 11: ผลกระทบต่อการผิดนัดชำระหนี้ของชาวนาที่ได้ประกันภัยฟรีกลุ่มต่าง ๆ
หมายเหตุ: รูปที่ 11 แสดง average treatment effect ต่อการผิดนัดชำระหนี้ ซึ่งเฉลี่ย 3 ปีตั้งแต่มีประกันภัย ณ ระดับความเชื่อมั่นร้อยละ 95 โดยเทียบกลุ่มที่ได้ประกันภัยฟรีกับกลุ่มที่ไม่มีประกัน และจำแนกตามคุณลักษณะของครัวเรือนในมิติต่าง ๆ โดยการได้รับผลกระทบจากภัยพิบัติ จำแนกตามประสบการณ์การประสบภัยพิบัติของเกษตรกร ออกเป็น 2 กลุ่ม ได้แก่ กลุ่มที่ไม่เคยประสบภัยพิบัติ และกลุ่มที่เคยประสบภัยพิบัติ

เราได้เรียนรู้อะไรจาก 12 ปีของประกันภัยข้าวนาปีไทย?

ประเทศไทยยังคงติดหล่มอยู่ในระบบประกันภัยพืชผลที่ขาดประสิทธิภาพและต้องพึ่งพิงงบประมาณรัฐเป็นหลัก เนื่องจากกลไกตลาดมีปัญหาเชิงโครงสร้าง ความสมัครใจซื้อประกันของเกษตรกรอยู่ในระดับต่ำและลดลงต่อเนื่อง อีกทั้งยังมีความยืดหยุ่นต่อราคาสูง ปัญหาเชิงระบบที่สำคัญคือคุณภาพของประกันภัยพืชผลอยู่ในระดับต่ำจากการชดเชยที่ล่าช้า จึงอาจไม่สามารถส่งมอบความคุ้มครองที่คุ้มค่าแก่เกษตรกร ประกอบกับปัญหาความไม่สมมาตรของข้อมูลที่ผลักดันให้เบี้ยประกันสูงขึ้น การพึ่งพิงงบประมาณรัฐในสัดส่วนที่สูงเกินไปนี้จึงย้อนกลับมาบั่นทอนแรงจูงใจในการซื้อประกันภัยของเกษตรกร โดยเฉพาะกลุ่มยากจนและกลุ่มเสี่ยงต่ำ

ผลกระทบของระบบประกันภัยต่อการทำเกษตรของเกษตรกรยังคงมีอยู่อย่างจำกัด โดยเกษตรกรกลุ่มที่ได้รับประกันภัยฟรีมีโอกาสเกิดหนี้เสียลดลงอย่างมีนัยสำคัญ โดยเฉพาะครัวเรือนยากจน กลุ่มเสี่ยงสูง และกลุ่มที่เพิ่งเผชิญภัยพิบัติ แต่มาตรการนี้ไม่ได้ช่วยกระตุ้นให้เกิดการลงทุนในแหล่งน้ำเพื่อเพิ่มผลิตภาพ หรือลงทุนปรับเปลี่ยนการทำเกษตรไปสู่เกษตรคุณภาพสูง ในทางกลับกัน กลุ่มที่สมัครใจซื้อประกันเองนอกจากจะไม่ได้รับผลดีเท่าที่ควรแล้ว ยังเกิดปัญหา moral hazard ที่บั่นทอนการบริหารความเสี่ยงด้วยตนเองของเกษตรกรผู้ซื้อประกันอีกด้วย

การยกระดับประสิทธิภาพของระบบประกันภัยพืชผลคือกลไกสำคัญในการสร้างผลกระทบระยะยาวและกระตุ้นความต้องการของเกษตรกรอย่างยั่งยืน โดยในกลุ่มที่ระบบมีประสิทธิภาพสูง เกษตรกรจะมีความต้องการซื้อเพิ่มขึ้นและมีความยืดหยุ่นต่อราคาน้อยลง ยิ่งไปกว่านั้น ประกันภัยที่มีคุณภาพยังช่วยกระตุ้นการลงทุนเพื่อยกระดับศักยภาพการผลิต ซึ่งเป็นหัวใจสำคัญของการปฏิรูปโครงสร้างภาคเกษตร

เราควรขยายผลประกันภัยพืชผลอย่างไรให้ช่วยปรับโครงสร้างภาคเกษตรอย่างยั่งยืน?

งานวิจัยนี้ชี้ถึงความจำเป็นในการยกเครื่องระบบประกันภัยพืชผลใหม่เพื่อเป็นเครื่องมือหลักในการปรับโครงสร้างภาคเกษตรและสร้างภูมิคุ้มกัน โดยมี 3 ด้านที่ต้องเร่งปรับเปลี่ยน (Majerovitz & Pellegrina, 2026; Salcedo Du Bois & Alvarez, 2026; Kramer et al., 2025; Rittinon et al., 2024; Wu & Li, 2023; Bergquist et al., 2022; Ratanavararak & Chantarat, 2022; Hazell & Varangis, 2020; Ceballos & Kramer, 2019)

1. ยกระดับระบบประกันภัยด้วยเทคโนโลยีและการออกแบบเฉพาะกลุ่ม

  • ใช้เทคโนโลยีเพิ่มประสิทธิภาพ: การใช้เทคโนโลยีดิจิทัล, Remote Sensing ผสาน AI และข้อมูลขนาดใหญ่ มีศักยภาพสูงในการสร้างกลไกตรวจสอบความเสียหายที่แม่นยำและช่วยย่นเวลาจ่ายสินไหมทดแทนให้รวดเร็วขึ้นอย่างมีนัยสำคัญ (Ceballos & Kramer, 2019) โดยประเทศไทยมีฐานข้อมูลและหน่วยงานที่พร้อมขับเคลื่อนโครงสร้างพื้นฐานนี้อยู่แล้ว3
  • ออกแบบผลิตภัณฑ์ที่ตอบโจทย์หลากหลาย ไม่ one-size-fits-all เพราะคุณค่าของประกันภัยมีความแตกต่างกัน ในขณะที่รายย่อยใช้ประกันเพื่อคุ้มครองรายได้ ส่วนรายใหญ่ที่มีศักยภาพใช้เพื่อลดความเสี่ยงในการลงทุนเทคโนโลยีและเข้าถึงสินเชื่อ สอดคล้องกับงานวิจัยสนามของ Rittinon et al. (2024) ที่พบว่าเกษตรกรไทยต้องการความคุ้มครองรายได้และสินเชื่อที่ยืดหยุ่นหลากหลาย ไม่ใช่แค่การชดเชยต้นทุนการผลิตแบบเดิม

2. สร้างคุณค่าผ่านการผูกรวมผลิตภัณฑ์ (bundling)

หลักฐานทั่วโลกชี้ว่า ประกันภัยรูปแบบเดี่ยว (standalone) มักล้มเหลวและขยายตลาดได้ยาก ตัวอย่างความสำเร็จมักต้องผูกรวมประกันภัยเข้ากับบริการทางการเงินหรือปัจจัยการผลิต เพื่อสร้างการประหยัดต่อขนาด (economies of scale) เพื่อต่อยอดคุณค่าทางเศรษฐศาสตร์ และปรับแรงจูงใจของเกษตรกร สถาบันการเงิน และผู้รับประกันภัยให้สอดคล้องกัน (Bergquist et al., 2022) เช่น

  • ผูกกับกลไกจัดการภัยพิบัติทั้งระบบ: เพื่อเพิ่มประสิทธิภาพและส่งเสริมการจัดการความเสี่ยงทั้งระบบ เช่น รัฐบาลเคนย่าซื้อประกันพื้นฐานให้เกษตรกรเปราะบางทุกคนภายใต้สวัสดิการสังคม รัฐบาลมองโกเลียใช้ระบบร่วมจ่าย ที่รัฐช่วยสมทบเบี้ยต่อยอดเมื่อเกษตรกรซื้อประกันพื้นฐานเอง หรือรัฐบาลเม็กซิโกส่งเสริมการจัดตั้งและแข็งแรงของกองทุนการจัดการภัยพิบัติในพื้นที่ทั่วประเทศ โดยรัฐช่วยรับประกันภัยต่อในส่วนที่เกินกว่ากลุ่มจะรับมือไหวผ่านระบบประกันภัย
  • ผูกพ่วงสัญญาสินเชื่อ: เชื่อมประกันภัยกับการคุ้มครองเงินทุนหมุนเวียน เมื่อเกิดภัยระบบจะจ่ายสินไหมตรงให้ธนาคารเพื่อหักลบยอดหนี้ทันที (Kramer et al., 2025) ช่วยตัดวงจรหนี้เสียอย่างเบ็ดเสร็จ ต่างจากปัจจุบันที่ ธ.ก.ส. ช่วยสมทบเบี้ย แต่เงินชดเชยจ่ายแยกเข้าบัญชีเกษตรกร ทำให้ไม่ผูกกับการชำระหนี้
  • ผูกพ่วงเทคโนโลยีการผลิต: ใช้ประกันภัยทำหน้าที่ลดความเสี่ยงในการเปลี่ยนผ่านเทคโนโลยี เพื่อจูงใจให้เกษตรกรกล้าลงทุนปรับตัวระยะยาว (Salcedo Du Bois & Alvarez, 2026; Wu & Li, 2023)

3. ปรับบทบาทภาครัฐสู่การเป็นผู้สร้างโครงสร้างพื้นฐานและตลาดที่ยั่งยืน

  • เปลี่ยนการอุดหนุนเป็น "smart subsidies": ออกแบบการอุดหนุนแบบมีเงื่อนไข ของ เพื่อเพิ่มประสิทธิภาพงบประมาณและไม่ทำลายแรงจูงใจในการปกป้องตนเอง (Hazell & Varangis, 2020) เช่น ร่วมสมทบเบี้ยต่อยอด หรือลดเบี้ยตามพฤติกรรมการลดความเสี่ยงจริง หรือการอุดหนุนเบี้ยคุ้มครองสินเชื่อแทนมาตรการพักหนี้ซ้ำซากที่ทำลายวินัยทางการเงินและทำให้เกษตรกรติดกับดักหนี้ (Ratanavararak & Chantarat, 2022)
  • เปลี่ยนจากเน้นอุดหนุนเป็นสร้างโครงสร้างพื้นฐาน: โดยเฉพาะอย่างยิ่งในการลงทุนในข้อมูลเพื่อลดปัญหา information asymmetry และเทคโนโลยีที่จำเป็นต่อการสร้างข้อมูลและระบบที่มีประสิทธิภาพ เพื่อช่วยให้ผู้รับประกันสามารถคิดเบี้ยตามความเสี่ยงจริงและกระตุ้นให้เกิดการแข่งขันในตลาด
  • ผลักดัน พ.ร.บ. ประกันภัยพืชผล: เพื่อจัดตั้งหน่วยงานกำกับดูแลโดยตรงเพื่อสร้างเจ้าภาพที่ชัดเจนและความรับผิดชอบ (accountability) ทลายกำแพงการทำงานข้ามกระทรวงที่เป็นความท้าทายใหญ่ทั้งในเชิงปฏิบัติและการเมือง4 เพื่อรักษาความต่อเนื่องของนโยบายในระยะยาว โดยไม่แปรผันตามความไม่แน่นอนทางการเมือง

เอกสารอ้างอิง

Ali, W., Abdulai, A., & Mishra, A. K. (2020). Recent advances in the analyses of demand for agricultural insurance in developing and emerging countries. Annual Review of Resource Economics, 12(1), 411–430.
Aragón, F. M., Oteiza, F., & Rud, J. P. (2021). Climate change and agriculture: Subsistence farmers’ response to extreme heat. American Economic Journal: Economic Policy, 13(1), 1–35.
Bergquist, L. F., Faber, B., Fally, T., Hoelzlein, M., Miguel, E., & Rodrı́guez-Clare, A. (2022). Scaling agricultural policy interventions (Technical Report No. w30225). National Bureau of Economic Research.
Cai, J., de Janvry, A., & Sadoulet, E. (2020). Subsidy policies and insurance demand. American Economic Review, 110(8), 2422–2453.
Callaway, B., & Sant’Anna, P. H. C. (2021). Difference-in-differences with multiple time periods. Journal of Econometrics, 225(2), 200–230.
Carter, M., de Janvry, A., Sadoulet, E., & Sarris, A. (2017). Index insurance for developing country agriculture: a reassessment. Annual Review of Resource Economics, 9(1), 421–438.
Ceballos, F., & Kramer, B. (2019). From index to indemnity insurance using digital technology: Demand for picture-based crop insurance. Food Policy, 89, 101749.
Chantarat, S., Ratanavararak, L., & Rittinon, C. (2026). ฝ่ากับดักหนี้ หนีกับดักนโยบาย: ภูมิทัศน์หนี้เกษตรกรไทยในทศวรรษที่ผ่านมา (aBRIDGEd No. 12/2026). Puey Ungphakorn Institute for Economic Research.
Cole, S. A., & Xiong, W. (2017). Agricultural insurance and economic development. Annual Review of Economics, 9(1), 235–262.
Cole, S., Giné, X., Tobacman, J., Topalova, P. R., Townsend, R. M., & Vickery, J. (2013). Barriers to household risk management: Evidence from India. American Economic Journal: Applied Economics, 5(1), 104–135.
Cole, S., Giné, X., & Vickery, J. (2017). How does risk management influence production decisions? Evidence from a field experiment. The Review of Financial Studies, 30(6), 1935–1970.
de Chaisemartin, C., & d’Haultfœuille, X. (2024). Difference-in-differences estimators of intertemporal treatment effects. The Review of Economics and Statistics, 1–45.
Ghosh, R. K. (2018). Performance evaluation of Pradhan Mantri Fasal Bima Yojana (PMFBY). Part, 1, 85–86.
Hazell, P., & Varangis, P. (2020). Best practices for subsidizing agricultural insurance. Global Food Security, 25, 100326.
Jensen, N., & Barrett, C. B. (2017). Agricultural index insurance for development. Applied Economic Perspectives and Policy, 39(2), 199–219.
Karlan, D., Osei, R., Osei-Akoto, I., & Udry, C. (2014). Agricultural decisions after relaxing credit and risk constraints. The Quarterly Journal of Economics, 129(2), 597–652.
Kramer, B., Pattnaik, S., Ward, P. S., & Xu, Y. (2025, January 5). Impacts of a digital credit-insurance bundle for landless farmers: Evidence from a cluster randomized trial in Odisha, India. Presented at the 2024 Allied Social Sciences Association (ASSA) Annual Meeting.
Majerovitz, J., & Pellegrina, H. S. (2026). Scaling Up Agricultural Insurance (Working Paper No. 32641). National Bureau of Economic Research.
Malhi, G. S., Kaur, M., & Kaushik, P. (2021). Impact of climate change on agriculture and its mitigation strategies: A review. Sustainability, 13(3), 1318.
Mobarak, A. M., & Rosenzweig, M. R. (2012). Selling formal insurance to the informally insured. Econometrica, 81(5), 2011–2051.
Ratanavararak, L., & Chantarat, S. (2022). Do Agricultural Debt Moratoriums Help Or Hurt?: The Heterogenous Impacts on Rural Households in Thailand. Puey Ungphakorn Institute for Economic Research.
Rittinon, C., Sa-ngimnet, B., & Chantarat, S. (2024). Understanding demand and potential impacts of agricultural insurance through dynamic game experiment. In Proceedings of the 19th East Asian Economic Association (EAEA) International Conference.
Salcedo Du Bois, R., & Alvarez, C. M. (2026). From farm risk to value chain resilience: Food system benefits of agricultural insurance. International Food Policy Research Institute (IFPRI) Blog.
Sa-ngimnet, B., Rittinon, C., & Chantarat, S. (2026). Safety Net or Policy Mirage? Evaluating Thailand’s Nationwide Crop Insurance Program [Discussion Paper]. Puey Ungphakorn Institute for Economic Research.
Stoeffler, Q., & Opuz, G. (2022). Price, information and product quality: Explaining index insurance demand in Burkina Faso. Food Policy, 108, 102213.
Tsiboe, F., & Turner, D. (2023). The crop insurance demand response to premium subsidies: Evidence from US agriculture. Food Policy, 119, 102505.
Woodard, J. D., & Yi, J. (2020). Estimation of insurance deductible demand under endogenous premium rates. Journal of Risk and Insurance, 87(2), 477–500.
Wu, H., & Li, J. (2023). Risk preference, interlinked credit and insurance contract and agricultural innovative technology adoption. Journal of Innovation & Knowledge, 8(1), 100282.
Wu, S., Goodwin, B. K., & Coble, K. (2020). Moral hazard and subsidized crop insurance. Agricultural Economics, 51(1), 131–142.

  1. ภัยพิบัติที่ได้รับความคุ้มครองจากประกันภัยข้าวนาปีไทย ได้แก่ อุทกภัย, ฝนทิ้งช่วง, ภัยแล้ง, อากาศหนาวจัด, ลมพายุ, ไฟป่า, ลูกเห็บ, โรคระบาดและศัตรูพืช และภัยจากช้างป่า↩
  2. ยิ่งไปกว่านั้น การผูกเงื่อนไขเคลมประกันไว้กับ "การประกาศเขตภัยพิบัติ" ยังทำให้เกิดช่องว่างทางนโยบาย โดยจากข้อมูลสถิติของสมาคมประกาศวินาศภัยไทย พบว่าในปี 2561 มีพื้นที่นาข้าวที่เสียหายนอกเขตประกาศสูงถึง 64,399 ไร่↩
  3. หน่วยงานสนับสนุนโครงสร้างพื้นฐานดิจิทัลและเทคโนโลยีข้อมูลของไทย: เช่น สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (GISTDA), สำนักงานส่งเสริมเศรษฐกิจดิจิทัล (DEPA), สำนักงานนวัตกรรมแห่งชาติ (NIA) และศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC)↩
  4. เช่น กระทรวงเกษตรฯ (ฐานข้อมูลเกษตรกร), กระทรวงการคลังและ ธ.ก.ส. (งบประมาณและตาข่ายความปลอดภัย), กระทรวง อว. (เทคโนโลยีและนวัตกรรมพื้นฐาน) และกระทรวงมหาดไทย (กลไกเยียวยาภัยพิบัติ)↩
บุญธิดา เสงี่ยมเนตร
บุญธิดา เสงี่ยมเนตร
ธนาคารแห่งประเทศไทย
ชนกานต์ ฤทธินนท์
ชนกานต์ ฤทธินนท์
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
โสมรัศมิ์ จันทรัตน์
โสมรัศมิ์ จันทรัตน์
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
Topics: DevelopmentFinancial Institutions
Tags: farmer debtdebt trapdebt policydebt restructuringhousehold debt
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. 2569 สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

เอกสารเผยแพร่ทุกชิ้นสงวนสิทธิ์ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported license

Creative Commons Attribution NonCommercial ShareAlike

รับจดหมายข่าว PIER

Facebook
YouTube
Email