ไขปริศนาผลิตภาพของไทย ด้วยกุญแจข้อมูลจุลภาค

จากการประชุมของคณะกรรมการกองทุนการเงินระหว่างประเทศ (International Monetary Fund: IMF) ในปี 2016 นางคริสตีน ลาการ์ด กรรมการผู้จัดการกองทุนการเงินระหว่างประเทศ ได้แสดงความกังวลต่อปัญหาผลิตภาพตกต่ำที่เกิดขึ้นในภูมิภาคต่าง ๆ ทั่วโลก โดยเฉพาะการขาดความเข้าใจที่ชัดเจนถึงสาเหตุและความรุนแรงของปัญหา ความเห็นดังกล่าวแสดงให้เห็นถึงความสำคัญของปัญหาผลิตภาพตกต่ำที่เกิดขึ้นทั่วโลกและกลายเป็นหนึ่งในข้อจำกัดต่อการฟื้นตัวของเศรษฐกิจโลกในภาพรวม

สำหรับประเทศไทยนั้น Paweenawat et al. (2017) อธิบายว่าการขยายตัวของเศรษฐกิจไทยในช่วงที่ผ่านมาขับเคลื่อนโดยการเพิ่มปัจจัยการผลิตเป็นหลัก กล่าวคือมีการเน้นใช้ปัจจัยทุนในช่วงก่อนเกิดวิกฤตการเงินเอเชียในปี 1997 และในช่วงหลังปี 2013 ขณะที่มีการเน้นใช้ปัจจัยแรงงานในช่วงทศวรรษ 2000 แต่สำหรับปัจจัยด้าน TFP ซึ่งเป็นอีกปัจจัยที่ช่วยขับเคลื่อนการเติบโตทางเศรษฐกิจ จากเดิมเคยมีบทบาทประมาณหนึ่งในสามและครึ่งหนึ่งของการขยายตัวทางเศรษฐกิจในช่วงปี 1991–1996 และ 2001–2007 ตามลำดับ แต่กลับมีบทบาทลดลงหลังเกิดวิกฤตการเงินโลกในช่วงปี 2008 เป็นต้นมา (รูปที่ 1)

Paweenawat et al. (2017) จึงมุ่งใช้ข้อมูลในระดับจุลภาคเป็นกุญแจไขปริศนาการตกต่ำของบทบาท TFP ของไทย โดยเฉพาะในภาคอุตสาหกรรมซึ่งเป็นกิจกรรมหลักในการขับเคลื่อนเศรษฐกิจในช่วงหลายทศวรรษที่ผ่านมา ฐานข้อมูลสำมะโนอุตสาหกรรมที่ใช้ในการศึกษานี้ครอบคลุมข้อมูลระดับโรงงานในปี 1996 2006 และ 2011 ซึ่งเมื่อเทียบกับข้อมูลระดับมหภาคในสามมิติ คือ ด้านมูลค่าเพิ่ม ด้านสต็อกทุน และด้านการจ้างงานแล้ว พบว่าข้อมูลระดับจุลภาคในปี 2006 และ 2011 สามารถสะท้อนภาพเศรษฐกิจมหภาคได้ดีแม้อาจมีข้อจำกัดในการอธิบาย GDP ที่เพิ่มขึ้นระหว่างปี 2006 และปี 2011 นอกจากนี้ พบว่าข้อมูลระดับจุลภาคในปี 1996 มีความละเอียดน้อยกว่าข้อมูลในปีอื่นเนื่องจากสำรวจเพียงประมาณ 10,000 โรงงานต่างจากข้อมูลอีกสองชุดที่สำรวจประมาณ 70,000–80,000 โรงงาน และเมื่อทำการถ่วงน้ำหนักกลุ่มตัวอย่างทางสถิติแล้วจะสามารถอธิบายจำนวนประชากรของโรงงานการผลิตได้มากกว่า 400,000 โรงงาน (รูปที่ 2)

บทความนี้ใช้ข้อมูลดังกล่าวในการอธิบายถึงความสำคัญของการจัดสรรทรัพยากรที่มีต่อการยกระดับผลิตภาพในภาคอุตสาหกรรม โดยวิเคราะห์ทั้งในระดับโรงงาน และระดับกลุ่มอุตสาหกรรม ก่อนที่จะสรุปนัยเชิงนโยบายในส่วนสุดท้าย

ในการยกระดับผลิตภาพของภาคอุตสาหกรรมนั้น สามารถทำได้โดย (1) เพิ่มระดับผลิตภาพของแต่ละโรงงานในภาคอุตสาหกรรม หรือ (2) โยกย้ายทรัพยากรการผลิต (เช่น คนงาน เครื่องจักร) จากโรงงานที่มีระดับผลผลิตต่อคนงานต่ำไปยังโรงงานที่มีระดับผลผลิตต่อคนงานสูง ยิ่งภาคอุตสาหกรรมมีความแตกต่างของผลผลิตต่อคนงานระหว่างโรงงานต่าง ๆ มากเท่าใด ยิ่งมีโอกาสที่จะเพิ่มระดับผลิตภาพได้มากขึ้นเท่านั้น หรืออีกนัยหนึ่งคือ ความแตกต่างของระดับผลผลิตต่อคนงานเป็นตัวชี้วัดตัวหนึ่งของปัญหาการจัดสรรทรัพยากรอย่างไม่เหมาะสม (resource misallocation)

รูปที่ 3 แสดงระดับผลผลิตต่อคนงานของโรงงานกลุ่มต่าง ๆ ในภาคอุตสาหกรรมเปรียบเทียบกับโรงงานในกลุ่มหัวแถว (เปอร์เซ็นไทล์ที่ 90) โดยกำหนดให้ระดับผลผลิตต่อคนงานของโรงงานในกลุ่มหัวแถวมีค่าเท่ากับหนึ่ง จะเห็นได้ว่ามีความแตกต่างของระดับผลผลิตต่อคนงานระหว่างโรงงานในภาคอุตสาหกรรมค่อนข้างมาก โดยโรงงานที่ดีที่สุดในกลุ่ม 25 เปอร์เซ็นต์แรก (เปอร์เซ็นไทล์ที่ 75) นั้น สามารถสร้างผลผลิตต่อคนงานได้เพียงประมาณครึ่งหนึ่งของโรงงานในกลุ่มหัวแถว นอกจากนี้ ยังพบว่าเมื่อเวลาผ่านไป ความแตกต่างของผลผลิตต่อคนงานระหว่างโรงงานในกลุ่มหัวแถวและโรงงานในกลุ่มอื่น ๆ ยิ่งมากขึ้น แสดงให้เห็นว่าปัญหาการจัดสรรทรัพยากรอย่างไม่เหมาะสมในภาคอุตสาหกรรมนั้นทวีความสำคัญมากขึ้น

แต่การวัดประสิทธิภาพการจัดสรรทรัพยากรโดยใช้ระดับผลผลิตต่อเครื่องจักรหรือระดับผลผลิตต่อคนงานเพียงอย่างใดอย่างหนึ่ง อาจไม่เห็นภาพที่ครบถ้วนในกรณีที่โรงงานมีการใช้ปัจจัยการผลิตมากกว่า 1 ชนิด (เช่น เครื่องจักรและคนงาน) Hsieh and Klenow (2009) จึงได้เสนอแบบจำลองที่ใช้ความแตกต่างของ revenue productivity (TFPR) ระหว่างโรงงานเป็นตัววัดปัญหาการจัดสรรทรัพยากรอย่างไม่เหมาะสม โดย TFPR เป็นตัวชี้วัดความสามารถในการทำกำไรของโรงงาน ซึ่งจะวัดว่าหากมีการลงทุนเพิ่มในโรงงานหนึ่ง ๆ จะได้รับผลตอบแทนเท่าใด โดยโรงงานอาจนำเงินลงทุนที่ได้ไปซื้อเครื่องจักรหรือจ้างคนงานเพิ่มก็ได้ จึงจะเห็นได้ว่า TFPR มีความสัมพันธ์กับขนาดที่เหมาะสมของโรงงานโดยไม่ได้เชื่อมโยงกับปัจจัยการผลิตตัวใดตัวหนึ่งเป็นพิเศษ ตามหลักแล้ว หากการผลิตปราศจากซึ่งการบิดเบือนในกระบวนการตัดสินใจ การลงทุนในโรงงานใดก็ตามในอุตสาหกรรมเดียวกันก็ควรที่จะได้รับผลตอบแทนในระดับเดียวกัน นั่นคือ ในกรณีที่การจัดสรรทรัพยากรเป็นไปอย่างมีประสิทธิภาพ ค่าของ TFPR ระหว่างโรงงานในอุตสาหกรรมเดียวกันก็ควรจะมีค่าเท่ากัน

รูปที่ 4 แสดงการกระจายตัวของ TFPR ระหว่างโรงงานในปี 1996 2006 และ 2011 จะเห็นได้ว่าการกระจายตัวของ TFPR ระหว่างโรงงานในปี 1996 และ 2006 มีลักษณะที่ใกล้เคียงกัน แต่ในปี 2011 TFPR มีลักษณะการกระจายตัวที่กว้างกว่า สะท้อนให้เห็นถึงประสิทธิภาพการจัดสรรทรัพยากรในภาคอุตสาหกรรมของไทยที่แย่ลง

นอกจากนี้ เมื่อเทียบประสิทธิภาพการจัดสรรทรัพยากรในภาคอุตสาหกรรมของประเทศไทยกับประเทศสหรัฐอเมริกา จะพบว่าประสิทธิภาพการจัดสรรทรัพยากรในประเทศไทยอยู่ในระดับต่ำ ถ้าหากสามารถยกระดับประสิทธิภาพการจัดสรรทรัพยากรภายในประเทศไทยให้เท่ากับประเทศสหรัฐอเมริกาได้ จะช่วยให้ระดับผลิตภาพของภาคอุตสาหกรรมไทยในช่วงปี 1996–2011 มีค่าเพิ่มขึ้นถึงร้อยละ 75–130

ในแบบจำลองของ Hsieh and Klenow (2009) ที่ให้ความแตกต่างของ TFPR ระหว่างโรงงานในอุตสาหกรรมเดียวกันเป็นตัวชี้วัดของปัญหาการจัดสรรทรัพยากรอย่างไม่เหมาะสมนั้น ความแตกต่างนี้อาจมีสาเหตุมาจากกฎระเบียบของภาครัฐหรือความไม่สมบูรณ์ของตลาดการเงินที่ส่งผลต่อโรงงานแต่ละแห่งไม่เท่ากัน รูปที่ 5 แสดงความสัมพันธ์ระหว่าง TFPR และระดับผลิตภาพ (physical productivity หรือ TFPQ) ของโรงงานในภาคอุตสาหกรรม หาก TFPR เพิ่มขึ้นตามระดับผลิตภาพของโรงงาน แสดงว่าโรงงานที่มีผลิตภาพสูงจะพบกับการบิดเบือนหรือข้อจำกัดมากกว่าโรงงานที่มีผลิตภาพต่ำ หรือที่เรียกว่า “correlated distortions” ซึ่งการบิดเบือนในลักษณะดังกล่าวจะส่งผลต่อประสิทธิภาพการจัดสรรทรัพยากรมากกว่าการบิดเบือนที่ไม่มีความสัมพันธ์กับระดับผลิตภาพของโรงงาน

ในช่วงที่ผ่านมา ภาครัฐได้ดำเนินมาตรการหลายด้านเพื่อส่งเสริมวิสาหกิจขนาดกลางและขนาดย่อม (small and medium enterprises หรือ SMEs) ทั้งในรูปแบบของเงินกู้ดอกเบี้ยต่ำ ภาษีเงินได้อัตราพิเศษ การให้สิทธิประโยชน์ทางภาษีเพื่อสนับสนุนการทำวิจัยและพัฒนา (research and development: R&D) เป็นต้น

Paweenawat et al. (2017) ระบุว่านโยบายดังกล่าวเป็นสาเหตุหนึ่งของปัญหา correlated distortions จากการศึกษาโดยใช้แบบจำลองพบว่า โรงงานที่มีผลิตภาพสูงจะมีขนาดใหญ่กว่าโรงงานที่มีผลิตภาพต่ำ ดังนั้น นโยบายใดก็ตามที่มีส่วนเอื้อให้โรงงานขนาดเล็กมีต้นทุนหรือข้อจำกัดที่น้อยกว่าโรงงานขนาดใหญ่ ย่อมส่งผลทำให้โรงงานที่มีผลิตภาพสูงต้องเผชิญกับการบิดเบือนที่มากกว่าโรงงานที่มีผลิตภาพต่ำ โดย Paweenawat et al. (2017) ได้แบ่งโรงงานเป็นขนาดเล็ก กลาง และใหญ่ ตามเกณฑ์การจ้างงานและมูลค่าสินทรัพย์ถาวร ดังแสดงในตารางที่ 1

รูปที่ 6 ศึกษาถึงความสัมพันธ์ระหว่างระดับ TFPR กับขนาดของโรงงาน เส้นประที่เห็นเป็นเส้นแบ่งโรงงานขนาดเล็กออกจากโรงงานขนาดกลางและขนาดใหญ่ ซึ่งจะเห็นได้ว่าในภาคอุตสาหกรรมของไทย โรงงานขนาดเล็กมีต้นทุนหรือข้อจำกัดที่น้อยกว่าโรงงานขนาดกลางและขนาดใหญ่ ส่งผลให้ในโรงงานขนาดเล็กที่มีผลิตภาพต่ำมีขนาดใหญ่กว่าที่ควรจะเป็น ขณะที่โรงงานขนาดใหญ่ที่มีผลิตภาพสูงกลับมีขนาดเล็กกว่าที่ควรจะเป็น ข้อมูลนี้ได้สะท้อนให้เห็นถึงสาเหตุหนึ่งของปัญหาการจัดสรรทรัพยากรอย่างไม่เหมาะสมที่เกิดจากนโยบายของภาครัฐที่ขึ้นกับขนาดของธุรกิจ

นอกจากนโยบายที่ทำให้โรงงานขนาดเล็กเผชิญกับต้นทุนและข้อจำกัดที่ต่ำกว่าโรงงานขนาดใหญ่จะส่งผลต่อประสิทธิภาพการจัดสรรทรัพยากรในช่วงเวลาหนึ่ง ๆ แล้ว ยังส่งผลต่อระดับผลิตภาพของภาคอุตสาหกรรมในระยะยาวอีกด้วย เนื่องจากนโยบายดังกล่าวอาจส่งผลต่อการตัดสินใจของโรงงานในการลงทุนเพื่อขยายกำลังการผลิตหรือเพิ่มประสิทธิภาพ โดยโรงงานขนาดเล็กหรือขนาดกลางจะมีแรงจูงใจในการลงทุนน้อยกว่าที่ควรเนื่องจากเกรงว่าจะสูญเสียสิทธิประโยชน์ที่เคยได้รับหากถูกจัดให้อยู่ในกลุ่มโรงงานขนาดใหญ่ ทำให้ระดับผลิตภาพของโรงงานขนาดเล็กและกลางไม่เพิ่มขึ้นเท่าที่ควรจะเป็น

รูปที่ 7 แสดงระดับการลงทุนในสินทรัพย์ต่อคนงานของโรงงานในปี 2006 โดยแบ่งกลุ่มโรงงานตามจำนวนคนงาน เส้นประทางด้านซ้ายเป็นเส้นแบ่งโรงงานขนาดเล็กและโรงงานขนาดกลาง ส่วนเส้นประทางด้านขวาเป็นเส้นแบ่งโรงงานขนาดกลางและโรงงานขนาดใหญ่ จากรูปจะพบว่ามีกลุ่มโรงงานขนาดเล็กไม่ถึงร้อยละ 25 ที่มีการลงทุนในสินทรัพย์ถาวร เช่นเดียวกันกับกลุ่มโรงงานขนาดกลางไม่ถึงร้อยละ 50 ที่มีการลงทุนในสินทรัพย์ถาวร ซึ่งทั้งสองกลุ่มโรงงานมีระดับการลงทุนที่ต่ำกว่ากลุ่มโรงงานขนาดใหญ่อย่างชัดเจน

รูปที่ 8 แสดงสัดส่วนของโรงงานที่มีการลงทุนใน R&D พบว่าสัดส่วนของโรงงานที่มีการลงทุนใน R&D เพิ่มขึ้นตามจำนวนการจ้างงาน นอกจากนี้ แนวโน้มของการลงทุนยังมีการเปลี่ยนแปลงอย่างทันทีทันใด เมื่อมีการเปลี่ยนกลุ่มของโรงงานจากขนาดเล็กเป็นขนาดกลาง และจากโรงงานขนาดกลางเป็นขนาดใหญ่เช่นเดียวกับในกรณีของการลงทุนในสินทรัพย์ถาวร ตัวอย่างเหล่านี้ได้แสดงให้เห็นว่านโยบายที่ขึ้นกับขนาดส่งผลต่อการตัดสินใจลงทุนของโรงงาน

การที่โรงงานขนาดเล็กและขนาดกลางมีการลงทุนต่ำกว่าที่ควรจะเป็นอันเนื่องมาจากนโยบายที่ขึ้นกับขนาดย่อมส่งผลต่อระดับผลิตภาพของโรงงาน รูปที่ 9 แสดงความสัมพันธ์ระหว่างระดับผลิตภาพของโรงงานและระดับการจ้างงาน จะเห็นได้ว่าโรงงานขนาดเล็กมีระดับผลิตภาพต่ำกว่าโรงงานขนาดกลางและโรงงานขนาดใหญ่ และเนื่องจากโรงงานขนาดเล็กเป็นกลุ่มที่มีต้นทุนหรือข้อจำกัดที่น้อยกว่าโรงงานขนาดกลางและใหญ่ ดังที่แสดงในรูปที่ 6 ยิ่งเป็นการซ้ำเติมปัญหาการจัดสรรทรัพยากรอย่างไม่เหมาะสมในระยะยาว

จากผลการศึกษาข้อมูลระดับโรงงาน ที่ได้ข้อสรุปว่า ภาพรวมของระดับผลิตภาพในภาคอุตสาหกรรมไทยปรับลดลง และประสิทธิภาพการจัดสรรทรัพยากรในภาคอุตสาหกรรมของไทยก็ไม่สูงนัก Paweenawat et al. (2017) ได้วิเคราะห์ข้อมูลจุลภาคในมุมมองของกลุ่มอุตสาหกรรม โดยรูปที่ 10 และ 11 ชี้ให้เห็นข้อเท็จจริงว่า TFP แต่ละกลุ่มอุตสาหกรรมแตกต่างกันมาก โดยส่วนใหญ่ปรับลดลงจากช่วงก่อนวิกฤตการเงินเอเชียปี 1997 และที่สำคัญพบว่า กลุ่มอุตสาหกรรมที่ TFP สูงไม่จำเป็นว่าจะมีประสิทธิภาพการจัดสรรทรัพยากรระหว่างโรงงานที่ดีนัก เช่น ผลิตภัณฑ์ยางและพลาสติก วัสดุรีไซเคิล ทีวีและอุปกรณ์สื่อสาร ขณะที่กลุ่มอุตสาหกรรมเครื่องมือแพทย์และผลิตภัณฑ์ปิโตรเลียมที่พบว่ามี TFP ไม่สูง แต่กลับมีการจัดสรรทรัพยากรภายในกลุ่มที่ดี และมีทิศทางการปรับตัวของการจัดสรรทรัพยากรที่ดีขึ้นจากช่วงก่อนวิกฤตการเงินเอเชียปี 1997

ข้อเท็จจริงข้างต้นนำมาซึ่งคำถามว่า ความแตกต่างกันของประสิทธิภาพการจัดสรรทรัพยากรในระดับกลุ่มอุตสาหกรรมที่เห็นเกิดขึ้นเพราะสาเหตุใด Paweenawat et al. (2017) จึงได้ลองศึกษาผลกระทบของตัวแปรต่าง ๆ ที่เกี่ยวข้อง ได้แก่ การเปิดเสรีการค้าและการลงทุน ระดับการแข่งขัน การเข้าถึงแหล่งเงินทุนและความเปราะบางทางการเงิน นโยบายของรัฐ และระดับของการวิจัยและพัฒนานวัตกรรมต่อประสิทธิภาพการจัดสรรทรัพยากรในระดับกลุ่มอุตสาหกรรมในช่วงปี 1996–2011 โดยใช้ส่วนต่างของ TFP ที่เกิดขึ้นจริงเทียบกับระดับ Potential TFP ที่กลุ่มอุตสาหกรรมนั้น ๆ จะเป็นได้หากไม่มีการบิดเบือนการผลิตใด ๆ เกิดขึ้น หรือเรียกว่า TFP Gap ซึ่งเป็นตัวแปรที่สะท้อนการจัดสรรทรัพยากรอย่างไม่มีประสิทธิภาพ พบว่ากลุ่มอุตสาหกรรมที่มีประสิทธิภาพการจัดสรรทรัพยากรต่ำจะมีลักษณะดังนี้

1. เป็นกลุ่มอุตสาหกรรมที่มีโครงสร้างการแข่งขันสูง มีผู้ผลิตมากราย และมีการใช้ปัจจัยทุนเข้มข้นสูงจนเป็นอุปสรรคในการเข้าตลาดของรายใหม่
2. เป็นกลุ่มอุตสาหกรรมที่มีสัดส่วนการใช้วัตถุดิบนำเข้าสูง ส่วนหนึ่งเป็นเพราะโอกาสในการยกระดับประสิทธิภาพการผลิตด้วยการนำเข้าวัตถุดิบและสินค้าขั้นกลางที่มีคุณภาพดีกว่าที่ไม่เท่าเทียมกันระหว่างผู้ผลิตในกลุ่มอุตสาหกรรมเดียวกัน
3. เป็นกลุ่มอุตสาหกรรมที่ได้รับเม็ดเงินลงทุนโดยตรงจากต่างประเทศน้อย จึงมีข้อจำกัดด้านแหล่งเงินทุนมากกว่ากลุ่มอุตสาหกรรม ที่เป็นที่สนใจในการเข้ามาร่วมทุนของบริษัทต่างชาติ
4. เป็นกลุ่มอุตสาหกรรมที่มีสัดส่วน SMEs ที่ได้รับสิทธิประโยชน์ทางภาษีมาก และมีสัดส่วนจำนวนโรงงานที่รัฐเป็นเจ้าของมาก ทำให้การเคลื่อนย้ายทรัพยากรให้มีประสิทธิภาพเป็นไปได้ยากกว่า
5. เป็นกลุ่มอุตสาหกรรมที่เข้าถึงสินเชื่อของสถาบันการเงินได้น้อย และมีภาระหนี้สูง
6. เป็นกลุ่มอุตสาหกรรมที่มีการลงทุน R&D มาก

ข้อค้นพบสุดท้ายนี้ค่อนข้างต่างไปจากสมมติฐานก่อนทำการศึกษา แม้ส่วนหนึ่งพอจะอธิบายได้ว่า การลงทุน R&D เพื่อยกศักยภาพการผลิตของโรงงานในวันนี้อาจยังไม่เห็นผลในทันที การศึกษาที่มีลักษณะเชิงสถิตแบบที่ใช้ข้อมูล ณ เวลาใดเวลาหนึ่งเช่นนี้จึงอาจทำให้พบว่า ประสิทธิภาพการจัดสรรทรัพยากรภายในกลุ่มอุตสาหกรรมปรับแย่ลงเมื่อมีการลงทุน R&D มากขึ้น แต่เมื่อศึกษาข้อมูลจุลภาคมาช่วยเสริมการวิเคราะห์พบว่า การลงทุนทำ R&D ในช่วงสิบกว่าปีที่ผ่านมาของภาคอุตสาหกรรมไทยส่วนใหญ่เป็นการลงทุนของธุรกิจขนาดใหญ่หรือขนาดกลางที่เป็นผู้นำตลาดซึ่งมีการส่งออกและมีผลิตภาพสูงอยู่แล้ว ขณะที่ธุรกิจรายเล็กยังไม่ค่อยลงทุนทำ R&D จากการใช้ข้อมูลระดับโรงงานในการวิเคราะห์ขนาดการลงทุน R&D ของแต่ละกลุ่มอุตสาหกรรมตามรูปที่ 12 ชี้ให้เห็นว่า ยังไม่ค่อยเห็นการกระจายนวัตกรรมทั้งในรูปผลิตภัณฑ์ใหม่หรือกระบวนการบริหารจัดการใหม่จากธุรกิจหัวแถวมายังธุรกิจปลายแถวเพื่อเพิ่มประสิทธิภาพการผลิตของกลุ่มอุตสาหกรรมในภาพรวมเท่าใดนัก สอดคล้องกับข้อเท็จจริงในรูปที่ 3 ที่พบว่า ความแตกต่างของผลิตภาพระหว่างธุรกิจกลุ่มหัวแถวกับธุรกิจกลุ่มปลายแถวยิ่งมากขึ้นเมื่อเวลาผ่านไป

การวิเคราะห์ผลิตภาพในระดับกลุ่มอุตสาหกรรม เน้นการศึกษาประสิทธิภาพการจัดสรรทรัพยากร ณ เวลาใดเวลาหนึ่ง ซึ่งได้ข้อค้นพบว่าในช่วงที่ผ่านมาภาพรวมประสิทธิภาพการจัดสรรทรัพยากรของกลุ่มอุตสาหกรรมปรับลดลงเป็นส่วนใหญ่ อย่างไรก็ดี งานศึกษาที่ผ่านมาชี้ว่า บทบาทของการจัดสรรทรัพยากรเชิงพลวัต (Dynamic of Resource Allocation) ซึ่งสะท้อนด้วยการจัดสรรส่วนแบ่งตลาดระหว่างกลุ่มโรงงานสามประเภท (Market Share Reallocation) ได้แก่ กลุ่มที่ยังอยู่รอดในตลาด (survival) กลุ่มที่เข้าตลาดมาใหม่ (entry) และกลุ่มที่เลิกกิจการไป (exit) สามารถช่วยสนับสนุนการเติบโตของผลิตภาพได้

Paweenawat et al. (2017) ได้นำข้อมูลจุลภาคในปี 2006 และ 2011 มาแบ่งกลุ่มโรงงานออกเป็นสามประเภทดังกล่าวเพื่อศึกษาบทบาทของ Firm Dynamics ต่อการเติบโตของผลิตภาพการผลิต พบว่าในจำนวนโรงงาน (ไม่รวม outliers) ทั้งสิ้น 43,297 แห่ง มีสัดส่วนโรงงานกลุ่ม Survival: Entry: Exit คิดเป็นร้อยละ 48: 37.5: 14.5 ตามลำดับ และเมื่อคำนวณ TFP ในภาพรวมของภาคอุตสาหกรรมไทยในปี 2011 พบว่า TFP ลดจากปี 2006 ถึงร้อยละ 33

รูปที่ 13 แสดงให้เห็นว่าเมื่อแยกองค์ประกอบของผลิตภาพ (decomposition) ที่ลดลงไปจะเห็นได้ว่าเป็นเพราะผลิตภาพของกลุ่ม Survival ที่ลดลงมากถึงร้อยละ 40.5 ซึ่งเป็นผลมาจากผลิตภาพภายในของโรงงาน Survival (within-firm productivity) ที่เป็นลบมาก ขณะที่ผลิตภาพของกลุ่ม Entry และกลุ่ม Exit มีส่วนช่วยสนับสนุนให้ผลิตภาพรวมขยายตัวได้ร้อยละ 6.6 และ 0.9 ตามลำดับ ซึ่งมีข้อสังเกตว่าในประเทศไทยซึ่งมีอุปสรรคในการเข้าตลาดค่อนข้างสูง สะท้อนได้จากผลคะแนน Ease of Doing Business ที่จัดทำโดย World Bank พบว่าคะแนนของไทยอยู่ในอันดับกลาง (78 จาก 190 ประเทศ) นั่นคือการที่ Entry จะแข่งขันในตลาดเช่นนี้ได้ ต้องมีผลิตภาพที่สูงพอในการชิงส่วนแบ่งตลาด ขณะที่บทบาทของ Exit มักจะมีส่วนสนับสนุน TFP growth เนื่องจากกลุ่มนี้มีผลิตภาพต่ำแข่งขันไม่ได้จึงต้องเสียส่วนแบ่งตลาดให้กลุ่ม Survival ไป ทั้งนี้ หากคำนวณเฉพาะผลของ Market Share Reallocation ระหว่าง 3 กลุ่ม พบว่าปัจจัยเชิงพลวัตนี้มีบทบาทช่วยให้ผลิตภาพไม่ลดลงไปมากถึงร้อยละ 16.5 หรือประมาณ 1 ใน 4 ของ growth ที่หดตัวลง

หากวิเคราะห์ในระดับกลุ่มอุตสาหกรรม จะพบว่า กลุ่มอุตสาหกรรมที่มี TFP เพิ่มขึ้นจากในปี 2006 มีเพียง 4 กลุ่มอุตสาหกรรม คือ วัสดุรีไซเคิล ยาสูบ อุปกรณ์อิเล็กทรอนิกส์ ทีวีและอุปกรณ์โทรคมนาคม รูปที่ 14 แสดงให้เห็นว่า 4 กลุ่มอุตสาหกรรมเหล่านี้มีการเติบโตของ TFP ต่างจากกลุ่มอุตสาหกรรมอื่นที่ TFP หดตัวลง สาเหตุสำคัญเพราะ Market Share Reallocation ระหว่าง Survival, Entry, Exit ภายในกลุ่มอุตสาหกรรมนั้น ๆ ที่มีบทบาทสนับสนุนอยู่มาก ซึ่งจะเห็นได้ว่าภาคอุตสาหกรรมของไทยมี Firm Dynamics ที่ช่วยสนับสนุน TFP growth ในหลายกลุ่มอุตสาหกรรมอยู่ เพียงแต่ว่าผลดังกล่าวไม่มากพอที่จะชดเชยผลของ within-firm productivity ที่หดตัวลงมากได้

การชะลอตัวของผลิตภาพในภาคอุตสาหกรรมของไทยในช่วงสิบกว่าปีที่ผ่านมา มีสาเหตุสำคัญจากปัญหาการจัดสรรทรัพยากรอย่างไม่มีประสิทธิภาพระหว่างโรงงานขนาดต่าง ๆ ในอุตสาหกรรมเดียวกัน การศึกษาตัวชี้วัดจากแบบจำลองของตลาดกึ่งแข่งขันกึ่งผูกขาดช่วยให้เห็นข้อเท็จจริงเชิงประจักษ์ว่า ปัญหานี้ยิ่งทวีความสำคัญและชี้ให้เห็นโอกาสที่ประเทศไทยจะยกระดับผลิตภาพการผลิตภาคอุตสาหกรรมให้เพิ่มขึ้นได้ ซึ่งนอกจากจะต้องอาศัย (1) การสนับสนุนของนโยบายภาครัฐให้ภาคธุรกิจทุกขนาดให้ความสำคัญกับการยกระดับผลิตภาพภายในกิจการ ด้วยการสร้างแรงจูงใจและบรรยากาศที่เอื้อต่อการลงทุนและพัฒนาต่อยอดนวัตกรรมให้กระจายตัวในวงกว้างจากบริษัทผู้นำตลาดไปสู่บริษัทรายย่อยในตลาดให้สามารถเพิ่มผลิตภาพของกลุ่มอุตสาหกรรมได้ในภาพรวมด้วยการลดความแตกต่างระหว่างบริษัทกลุ่มบนกับบริษัทกลุ่มล่าง (frontier-laggard gap) ลงแล้ว (2) การพิจารณาลดการออกนโยบายรัฐที่เอื้อให้โรงงานขนาดเล็กเผชิญกับต้นทุนและข้อจำกัดที่ต่ำกว่าโรงงานขนาดใหญ่ (size-dependent policies) เช่น นโยบายที่ช่วยเหลือให้โรงงานที่มีผลิตภาพตกต่ำจนไม่สามารถแข่งขันได้ (zombie firms) ยังอยู่รอดในตลาดได้โดยไม่ต้องปรับตัวตามสภาพการณ์ใหม่ ซึ่งจะมีส่วนช่วยให้การเคลื่อนย้ายทรัพยากรระหว่างโรงงานที่ผลิตภาพต่ำไปยังโรงงานที่มีผลิตภาพสูงในช่วงเวลาหนึ่ง ๆ ได้อย่างมีประสิทธิภาพขึ้น รวมถึง (3) นโยบายรัฐที่สนับสนุนการแข่งขันและการปฏิรูปกฎเกณฑ์ที่เป็นอุปสรรคในการดำเนินธุรกิจ เพื่อช่วยลดต้นทุนในการเข้าและออกตลาดของผู้เล่นรายใหม่และรายเก่า ซึ่งจะช่วยให้ Firm Dynamics มีบทบาทในการจัดสรรทรัพยากรระหว่างช่วงเวลาได้อย่างมีประสิทธิภาพขึ้น และส่งผลต่อการยกระดับผลิตภาพของภาคอุตสาหกรรมในระยะยาวได้อีกด้วย

Hsieh, Chang-Tai, and Peter J. Klenow. 2009. “Misallocation and Manufacturing TFP in China and India,” Quarterly Journal of Economics, 124 (4): 1403–1448.

Melitz, Marc J., and Sašo Polanec. 2015. “Dynamic Olley-Pakes Productivity Decomposition with Entry and Exit,” The RAND Journal of Economics, 46 (2): 362–375.

Paweenawat, Archawa, Thitima Chucherd, and Nakarin Amarase. 2017. “Uncovering Productivity Puzzles in Thailand: Lessons from Microdata,” PIER Discussion Paper No.73.