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
Gaming the Threshold: Size-Dependent Tax Policy and Domestic Profit Shifting
Latest discussion Paper
Gaming the Threshold: Size-Dependent Tax Policy and Domestic Profit Shifting
เราเรียนรู้อะไร เมื่อมาตรการพักหนี้เพิ่มกลไกจูงใจให้ชำระหนี้?
Latest aBRIDGEd
เราเรียนรู้อะไร เมื่อมาตรการพักหนี้เพิ่มกลไกจูงใจให้ชำระหนี้?
Events
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
Agentic AI for Economic Research
Latest PIER Research Exchange
Agentic AI for Economic Research
Predicting Financial Market Stress with Machine Learning
Latest PIER Economics Seminar
Predicting Financial Market Stress with Machine Learning
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
Puey Ungphakorn
Institute for
Economic Research
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
PIER’s Targeted Research Grant 2026 – Call for Proposal
Latest announcement
PIER’s Targeted Research Grant 2026 – Call for Proposal
aBRIDGEdabridged
Making Research Accessible
QR code
Year
2026
2025
2024
2023
...
Topic
Development Economics
Macroeconomics
Monetary Economics
Labor and Demographic Economics
...
/static/0d5c1a0bc50a86b91e896cc8273f24c9/41624/cover.jpg
9 April 2026
20261775692800000

เราเรียนรู้อะไร เมื่อมาตรการพักหนี้เพิ่มกลไกจูงใจให้ชำระหนี้?

ถอดบทเรียนมาตรการพักหนี้เกษตรกรล่าสุดที่ไม่เพียงมุ่งให้หยุดพักชำระ แต่ถูกออกแบบมาจูงใจและช่วยกลุ่มที่ยังชำระได้ให้สามารถตัดเงินต้นตั้งแต่บาทแรก
Worarit VannavanitSommarat ChantaratLathaporn Ratanavararak
เราเรียนรู้อะไร เมื่อมาตรการพักหนี้เพิ่มกลไกจูงใจให้ชำระหนี้?
excerpt

งานวิจัยในต่างประเทศเริ่มให้ความสำคัญกับการออกแบบการเงินที่ “ยืดหยุ่น” เพื่อช่วยให้ครัวเรือนเปราะบางที่มีรายได้ไม่แน่นอนสามารถชำระหนี้ได้ตามศักยภาพ บทความนี้ศึกษาผลของมาตรการพักหนี้เกษตรกรล่าสุด ที่ไม่ได้มุ่งเพียงพักหนี้ แต่ถูกออกแบบมาจูงใจและช่วยกลุ่มที่ยังชำระได้ให้สามารถตัดเงินต้นตั้งแต่บาทแรก เพื่อลดหนี้ได้เร็วขึ้น ผลการศึกษาข้อมูลสินเชื่อรายสัญญาจากบริษัทข้อมูลเครดิตแห่งชาติ จำกัด (NCB) ด้วยวิธี Regression Discontinuity (RD) พบว่าแม้ภาพรวมการชำระหนี้ของลูกหนี้ที่เข้ามาตรการจะลดลง แต่มาตรการสามารถจูงใจให้เกษตรกรที่เข้ามาตรการกว่า 49% ยังคงชำระหนี้ โดยกลุ่มที่จ่ายไหวมีการชำระมากขึ้นและลดเงินต้นได้ลึกขึ้น ขณะเดียวกัน มาตรการก็ยังช่วยชะลอการเกิดหนี้เสีย และเปิดโอกาสให้กลุ่มที่ยังชำระไม่ได้สามารถบริหารจัดการหนี้อื่นได้ดีขึ้น ผลการศึกษานี้สะท้อนถึงข้อดีของมาตรการแก้หนี้ที่ยืดหยุ่นตามศักยภาพลูกหนี้ แต่ขณะเดียวกันก็ชี้ให้เห็นถึงความจำเป็นของกลไกป้องกันไม่ให้ความยืดหยุ่นนำไปสู่การเสียวินัยทางการเงินในระยะยาว

วิกฤตความขัดแย้งในตะวันออกกลางที่ทวีความรุนแรงขึ้น และกำลังส่งผลกระทบต่อต้นทุนและรายได้ของเกษตรกรไทยอย่างหลีกเลี่ยงไม่ได้ ได้ตอกย้ำถึงความเปราะบางเชิงโครงสร้าง และความท้าทายสำคัญในการแก้ปัญหาหนี้สินเกษตรกร โดยมาตรการพักหนี้เป็นมาตรการช่วยเหลือหลักที่ภาครัฐใช้มาตลอด ซึ่ง Ratanavararak & Chantarat (2022) ชี้ให้เห็นว่า ท่ามกลางความไม่แน่นอนที่เพิ่มขึ้น ไทยมีมาตรการพักหนี้ใหญ่ถึง 13 ครั้งในรอบ 8 ปี ส่งผลให้เกษตรกรกว่า 40% อยู่ในโครงการต่อเนื่องนานเกิน 4 ปี และเนื่องจากมาตรการถูกใช้ในวงกว้างและเป็นเวลานานโดยไม่มีเงื่อนไขที่ช่วยรักษาแรงจูงใจในการชำระ การพักหนี้ที่ผ่านมาจึงนำไปสู่การก่อหนี้เพิ่ม พฤติกรรมการชำระที่ลดลง และการผิดนัดชำระในที่สุด

Chantarat et al. (2026) สะท้อนให้เห็นว่า ทั้งความไม่แน่นอนทางเศรษฐกิจที่เพิ่มขึ้น ปริมาณหนี้และพฤติกรรมการชำระหนี้ ทำให้เกษตรกรไทยในปัจจุบันมีแนวโน้มเสี่ยงต่อการติด “กับดักหนี้” ในวงกว้าง รูปที่ 1a แสดงให้เห็นว่าหนี้สินเฉลี่ยต่อครัวเรือนเกษตรกรมีปริมาณมาก และเพิ่มขึ้นเกือบ 40% ในช่วง 8 ปีที่ผ่านมา โดยหนี้ส่วนใหญ่เริ่มเกินกว่าศักยภาพที่จะชำระคืนได้ ขณะที่รูปที่ 1b สะท้อนพฤติกรรมการชำระที่น่ากังวลว่า มีเกษตรกรเพียง 10–15% เท่านั้นที่สามารถชำระคืนเงินต้นได้อย่างต่อเนื่อง ในขณะที่กว่า 50% ทำได้เพียงการชำระดอกเบี้ยเพื่อประคองสถานะหนี้เท่านั้น

รูปที่ 1: แนวโน้มของหนี้และพฤติกรรมการจ่ายหนี้ของเกษตรกร
ที่มา: บริษัทข้อมูลเครดิตแห่งชาติ จำกัด คำนวณโดยคณะผู้เขียนหมายเหตุ: รูป (a) คำนวณจากยอดค้าง (บาท) รวมทุกบัญชีสินเชื่อของผู้กู้เฉลี่ย แบ่งตามประเภทสินเชื่อ ณ เดือน มี.ค. ปีนั้น ๆ รูป (b) แสดงสัดส่วนพฤติกรรมการจ่ายหนี้ของครัวเรือนเกษตรในช่วงเวลานั้น ๆ พิจารณาจากการเปลี่ยนแปลงของเงินต้นคงค้างเทียบกับปีก่อนหน้า ร่วมกับสถานะการจัดชั้นหนี้

การแก้หนี้อย่างยั่งยืนจึงจำเป็นต้องอาศัยมาตรการที่ตรงจุด และมองไกลกว่าการบรรเทาปัญหาชั่วคราว เพื่อสนับสนุนให้ลูกหนี้สามารถชำระคืนได้ตามศักยภาพควบคู่กับการสร้างรายได้ โดย Chantarat et al. (2026) ชี้ให้เห็นว่าเกษตรกรส่วนใหญ่ยังมีเจตนาที่จะชำระหนี้ แต่ด้วยภาระหนี้ที่สูงเกินศักยภาพทำให้ไม่สามารถชำระเพื่อลดเงินต้นลงได้ ดังนั้น “กระดุมเม็ดแรก” ของการแก้ปัญหาจึงอยู่ที่การปรับโครงสร้างหนี้และลำดับการตัดชำระ เพื่อให้เงินที่ชำระเข้ามาสามารถปรับลดเงินต้นได้ พร้อมกับการสร้างกลไกจูงใจและกระตุ้นการชำระหนี้ให้มากขึ้น

อย่างไรก็ดี ปัญหาพื้นฐานทางเศรษฐกิจการเงินของเกษตรกรส่วนใหญ่ที่มีรายได้น้อย มีข้อจำกัดด้านสภาพคล่อง และรายได้มีความไม่แน่นอนสูง ถือเป็นความท้าทายสำคัญของการทำนโยบายแก้หนี้เกษตรกร (Chantarat et al., 2022) เนื่องจากการประเมินศักยภาพในการชำระหนี้ของลูกหนี้ที่แท้จริงเพื่อมุ่งเป้าวิธีการแก้หนี้ให้เหมาะสมอาจทำได้ยากในทางปฏิบัติ ขณะที่การกำหนดนโยบายแก้หนี้แบบหว่านแหก็อาจทำให้การแก้หนี้ไม่มีประสิทธิภาพเท่าที่ควรกับลูกหนี้ที่มีศักยภาพต่างกัน เช่น การหยิบยื่นการพักหนี้ให้กับลูกหนี้ที่ยังพอจ่ายได้ ซึ่งส่งผลเสียต่อวินัยในการชำระหนี้ (Ratanavararak & Chantarat, 2022)

นอกจากนี้ การเลือกเครื่องมือเพียงรูปแบบเดียวอาจไม่ตอบโจทย์ เมื่อศักยภาพและความสามารถในการชำระหนี้เปลี่ยนแปลงได้เสมอตามสถานการณ์ เช่น ในยามเผชิญภัยพิบัติ ลูกหนี้อาจต้องการพักชำระหนี้ แต่เมื่อผลผลิตออกสู่ตลาดหรือมีรายได้จากงานนอกภาคเกษตร การปรับโครงสร้างหนี้อาจทำให้ลูกหนี้จ่ายคืนได้มากขึ้น และเนื่องจากรายได้มีความผันผวนสูง การกำหนดเงื่อนไขมาตรการที่เฉพาะเจาะจงเกินไปจึงทำให้เกษตรกรชำระตามเงื่อนไขได้ยากเช่นกัน

บทความนี้ชวนทำความเข้าใจมาตรการพักหนี้เกษตรกรรูปแบบใหม่ ที่นอกจากพักหนี้ ยังเพิ่มกลไกจูงใจโดยให้เงินที่ชำระตั้งแต่บาทแรกตัดเงินต้นทันทีเพื่อให้ลดหนี้เร็วขึ้น นโยบายที่ยืดหยุ่นนี้เอื้อให้ลูกหนี้จ่ายหนี้ได้ตามศักยภาพจริง สอดคล้องกับทิศทางของงานวิจัยต่างประเทศที่เริ่มมาให้ความสำคัญกับความยืดหยุ่นในการชำระหนี้ (repayment flexibility) โดยเฉพาะกับกลุ่มลูกหนี้เปราะบาง ที่เน้นให้จ่ายคืนได้ทุกเมื่อที่มีความพร้อม ท่ามกลางบริบทที่ศักยภาพและข้อจำกัดของลูกหนี้เปลี่ยนแปลงได้เสมอ

1. การเงินที่ยืดหยุ่นสำหรับครัวเรือนเปราะบางในบริบทต่างประเทศ

งานวิจัยด้านไมโครไฟแนนซ์ทั่วโลกในปัจจุบันให้ความสำคัญกับสัญญาที่ยืดหยุ่น (flexible contract) เพื่อสร้างระบบการเงินที่ยั่งยืนสำหรับกลุ่มเปราะบาง เนื่องจากปัญหาเศรษฐกิจการเงินไม่ได้เกิดขึ้นแค่กับเกษตรกรไทย แต่เป็นพฤติกรรมร่วมของลูกหนี้ไมโครไฟแนนซ์ทั่วโลก ในเชิงทฤษฎีสัญญา (contract theory) จึงมีการเปลี่ยนจากสัญญาแบบคงที่ (fixed term) ไปสู่สัญญาที่แปรผันตามความเสี่ยง (risk-contingent term) ซึ่งช่วยให้เงื่อนไขการชำระหนี้ยืดหยุ่นตามภาวะเศรษฐกิจและศักยภาพของลูกหนี้ที่เปลี่ยนแปลงไป

หลักฐานเชิงประจักษ์ในต่างประเทศชี้ว่า ความยืดหยุ่นในระดับที่เหมาะสมส่งผลดีต่อพฤติกรรมการชำระหนี้และวินัยทางการเงิน โดยช่วยลดภาระของผู้กู้โดยไม่กระทบต่ออัตราการผิดนัดชำระ Field et al. (2012) พบว่าการลดความถี่ในการชำระจากรายสัปดาห์เป็นรายเดือนช่วยลดความเปราะบางของเกษตรกรที่มีรายได้ไม่แน่นอนได้ดี ขณะที่ Barboni & Agarwal (2023) พบว่าการให้ทางเลือกพักชำระหนี้ไม่เกิน 3 เดือนต่อปี จูงใจให้ลูกหนี้มาชำระคืนก่อนกำหนดมากขึ้นและลดความต้องการเงินกู้ฉุกเฉินลง นอกจากนี้ Battaglia et al. (2024) ยังพบว่าการให้สิทธิเลื่อนงวดชำระได้ (ไม่เกิน 2 งวด) ช่วยลดอัตราการผิดนัดชำระ พร้อมทั้งส่งผลบวกต่อการลงทุนและรายได้ของลูกหนี้

อย่างไรก็ตาม ความยืดหยุ่นที่มากเกินไปอาจส่งผลเสียได้หากขาดการออกแบบที่ดี โดย Czura et al. (2026) พบว่าการให้ความยืดหยุ่นแบบไม่จำกัดเวลาและไม่มีแรงจูงใจประกอบ จะทำให้ทั้งปริมาณและความถี่ในการชำระหนี้ลดลง สอดคล้องกับ Brune et al. (2024) ที่เตือนว่าการขยายระยะเวลาครบกำหนดโดยไม่มีกลไกคัดกรองลูกหนี้ตามศักยภาพที่เหมาะสม อาจนำไปสู่อัตราการผิดนัดชำระที่สูงขึ้นในที่สุด

2. มาตรการพักหนี้เกษตรกรล่าสุด: ตัวอย่างมาตรการแก้หนี้ที่ยืดหยุ่น

เมื่อศักยภาพในการชำระหนี้เปลี่ยนแปลงได้ตามสถานการณ์ที่ไม่แน่นอน มาตรการแก้หนี้ควรถูกออกแบบให้ยืดหยุ่นโดยไม่ลดทอนแรงจูงใจในการจ่าย เพื่อให้ลูกหนี้สามารถชำระหนี้ได้ด้วยตนเองตามศักยภาพ กล่าวคือ ต้องมีกลไกจูงใจที่มากพอให้กลุ่มที่พอไหวเลือกชำระหนี้เพิ่มขึ้น ขณะเดียวกันต้องไม่สร้างภาระเพิ่มให้กับกลุ่มที่ขาดสภาพคล่องชั่วคราว

มาตรการพักหนี้เกษตรกรล่าสุด (ปี 2023–2026) เป็นตัวอย่างของการแก้หนี้ที่ยืดหยุ่นโดยใช้การสร้างแรงจูงใจควบคู่ไปกับการให้ทางเลือกพักชำระ สำหรับลูกหนี้ที่ชำระไม่ไหว มาตรการนี้ทำหน้าที่เป็น safety net โดยพักการจ่ายเงินต้นและรัฐชำระดอกเบี้ยในงวดให้ ทำให้ลูกหนี้ไม่ต้องชำระในช่วงอยู่ในโครงการ ซึ่งคล้ายกับมาตรการพักหนี้ในอดีต แต่จุดต่างสำคัญคือสำหรับลูกหนี้ที่ยังมีศักยภาพ มาตรการได้ปรับลำดับการชำระให้ “บาทแรกตัดเงินต้นทันที” เนื่องจากรัฐรับภาระดอกเบี้ยระหว่างอยู่ในมาตรการให้ทั้งหมด ส่งผลให้การชำระหนี้มีผลต่อการลดหนี้โดยตรง

อย่างไรก็ตาม มาตรการนี้มีความท้าทายสำคัญ โดยเฉพาะการสื่อสาร ที่ยังคงใช้ชื่อมาตรการว่า “พักหนี้” อาจทำให้เกษตรกรส่วนใหญ่เข้าใจคลาดเคลื่อนว่าไม่สามารถ หรือไม่ควรจ่ายหนี้ระหว่างอยู่ในโครงการ

ปัจจุบันมาตรการเริ่มดำเนินการตั้งแต่เดือนตุลาคม 2023 และจะสิ้นสุดในเดือนกันยายน 2026 ข้อมูลล่าสุดพบว่ามีลูกหนี้เข้าร่วม 1.4 ล้านราย (Bank for Agriculture and Agricultural Cooperatives, 2024) หรือคิดเป็น 66.6% ของผู้ที่มีสิทธิเข้าร่วมทั้งหมด โดยเงื่อนไขการมีสิทธิเข้าร่วมคือ ผู้กู้ต้องมีเงินต้นคงค้างกับธนาคารเพื่อการเกษตรและสหกรณ์การเกษตร (ธ.ก.ส.) ณ วันที่ 30 กันยายน 2023 ไม่เกิน 300,000 บาท และโครงการยังมีการจำกัดวงเงินกู้สินเชื่อเพิ่มเพื่อฟื้นฟูอาชีพไม่เกิน 100,000 บาท

3. งานวิจัยประเมินผลกระทบของมาตรการนี้อย่างไร?

งานวิจัยนี้วัดผลกระทบของมาตรการต่อพฤติกรรมการชำระหนี้ การเป็นหนี้เสีย และการกู้ยืมในช่วงระหว่างมาตรการ โดยมีสมมุติฐานว่า อัตราการจ่ายหนี้ในภาพรวมจะปรับลดลง เนื่องจากมาตรการให้ความยืดหยุ่นในการจ่ายชำระ อย่างไรดี กลุ่มลูกหนี้ที่มีศักยภาพบางส่วนอาจจ่ายหนี้เพิ่มขึ้น เนื่องจากแรงจูงใจที่จ่ายแล้วจะตัดเงินต้นทันที สำหรับกลุ่มลูกหนี้ที่ขาดศักยภาพและเปราะบาง มาตรการจะช่วยเป็น safety net ซึ่งลูกหนี้อาจเลือกจ่ายน้อยลงหรือไม่จ่ายเลย และไปชำระหนี้อื่น ๆ ที่ไม่ได้เข้ามาตรการเพิ่มขึ้น อีกทั้งมาตรการจะช่วยชะลอการไหลเป็นหนี้เสียในลูกหนี้กลุ่มนี้ด้วยเช่นกัน

เราใช้ข้อมูลสินเชื่อจาก NCB ระหว่างปี 2021–2025 ซึ่งเป็นข้อมูลระดับรายสัญญารายเดือนที่ครอบคลุมสินเชื่อทุกประเภทของเกษตรกรที่กู้ยืมจากสถาบันการเงินที่อยู่ใน NCB ซึ่งรวมถึงธนาคารพาณิชย์ สถาบันการเงินเฉพาะกิจของรัฐ และธุรกิจสถาบันการเงินที่ไม่ใช่ธนาคาร (non-banks) จึงทำให้คณะผู้วิจัยสามารถประเมินผลกระทบของมาตรการได้ทั้งทางตรง (ต่อหนี้เกษตร) และทางอ้อม (ต่อหนี้อื่น ๆ ที่มิใช่หนี้เกษตร ซึ่งไม่ได้เข้ามาตรการ)

ความท้าทายของการวัดผลกระทบของมาตรการคือการหาระเบียบวิจัยเพื่อใช้ประเมินผลกระทบ เนื่องจากลูกหนี้ที่เข้ามาตรการ ซึ่งมีสินเชื่อไม่เกิน 300,000 บาท อาจมีความสามารถในการกู้ยืมและการชำระหนี้ที่แตกต่างจากลูกหนี้ที่ไม่ได้เข้ามาตรการ ซึ่งมีสินเชื่อเกิน 300,000 บาท อยู่ตั้งแต่ต้นแล้ว ดังนั้น แม้ไม่มีมาตรการ ผลลัพธ์ของสองกลุ่มนี้ก็อาจต่างกันอย่างมีนัยสำคัญ จึงทำให้เราไม่สามารถสรุปได้ว่าความต่างของการจ่ายหนี้ การเป็นหนี้เสีย และการกู้ยืม ระหว่างลูกหนี้ที่เข้ามาตรการกับลูกหนี้ที่ไม่ได้เข้ามาตรการ เป็นผลมาจากมาตรการทั้งหมด (ในทางเศรษฐศาสตร์เรียกว่าปัญหา selection bias)

งานวิจัยนี้ใช้ระเบียบวิธี Regression Discontinuity หรือ RD ซึ่งเป็นวิธีการที่เหมาะกับการประเมินมาตรการที่มีจุดตัดเกณฑ์ (cutoff) ที่ชัดเจน ที่สามารถกำหนดได้ว่าใครจะผ่านเกณฑ์เข้าร่วมมาตรการ โดยเมื่อมีเกณฑ์ที่ชัด เราก็สามารถเปรียบเทียบค่าเฉลี่ยของผลลัพธ์ของลูกหนี้ที่ได้เข้ามาตรการที่อยู่ใกล้จุดตัดเกณฑ์ กับค่าเฉลี่ยของผลลัพธ์ของลูกหนี้ที่ไม่ได้เข้ามาตรการที่อยู่ใกล้จุดตัดเกณฑ์อีกฝั่งหนึ่ง ภายใต้ข้อสมมุติที่ว่าลูกหนี้ที่อยู่ใกล้จุดตัดเกณฑ์ทั้งสองฝั่งมีคุณลักษณะและผลลัพธ์ก่อนเข้าโครงการที่ไม่ได้แตกต่างกันมากนัก แต่หลังจากเข้าร่วมมาตรการแล้ว หากเห็นผลลัพธ์แตกต่างกัน ก็แสดงว่ามาตรการเป็นเหตุที่ทำให้เกิดความต่างนั้น

รูปที่ 2 แสดงความไม่ต่อเนื่อง ณ จุดตัดเกณฑ์ (RD gap)1 ที่ประมาณ 70% ซึ่งช่วยยืนยันว่าจุดตัดเกณฑ์สามารถกำหนดสถานะการเข้าร่วมมาตรการได้ รูปนี้ยังชี้ให้เห็นถึงความไม่ต่อเนื่องที่มีลักษณะคลุมเครือ (fuzzy) จากกรณี non-compliance ในทั้งสองฝั่งของจุดตัดเกณฑ์ เช่น มีลูกหนี้บางส่วนที่ผ่านคุณสมบัติตามเกณฑ์เชิงปริมาณ (ยอดคงค้างไม่เกิน 300,000 บาท) แต่ไม่ได้เข้าร่วมมาตรการ ซึ่งอาจเกิดจากการจำกัดวงเงินและวัตถุประสงค์ในการกู้เพิ่มกับ ธ.ก.ส. ที่อาจทำให้ลูกหนี้ที่มีความต้องการกู้เพิ่มในปริมาณมาก ๆ เลือกไม่เข้าร่วม หรือการไม่ผ่านเกณฑ์เชิงคุณภาพ เช่น มีสถานะเป็นบุคคลล้มละลาย

รูปที่ 2: อัตราการเข้าร่วมมาตรการ ณ จุดตัดเกณฑ์

อัตราการเข้าร่วมมาตรการ ณ จุดตัดเกณฑ์

ที่มา: ผลประมาณการโดยคณะผู้วิจัยหมายเหตุ: แกนตั้งแสดงอัตราการเข้าร่วมมาตรการ แกนนอนแสดงสินเชื่อคงค้าง ณ 30 ก.ย. 2023 เส้นแบ่งที่ 300,000 บาท แสดงจุดตัดเกณฑ์ จุดแสดงค่าเฉลี่ยของอัตราการเข้าร่วมมาตรการของผู้กู้ภายในช่วงย่อยของสินเชื่อคงค้าง เส้นสีแดงแสดงค่าประมาณการทางเศรษฐมิติด้วยวิธี Regression Discontinuity Design ในระดับผู้กู้ อัตราการเข้าร่วมมาตรการวัดจากสถานะเข้าร่วมมาตรการ ณ สิ้นเดือน มี.ค. 2024 (มาตรการปิดรับสมัคร) การประมาณค่าใช้ฟังก์ชันถ่วงน้ำหนักแบบ Triangular Kernel และกำหนดฟังก์ชันพหุนาม (Local Polynomial) อยู่ที่ระดับ 2 (quadratic)

ในทางทฤษฎีกลุ่มตัวอย่างที่ใช้ทั้งสองฝั่งของจุดตัดเกณฑ์ ควรจะต้องมีระยะห่างจากจุดตัดเกณฑ์ (bandwidth) ที่เหมาะสมเพียงพอที่จะทำให้สามารถใช้เปรียบเทียบกันได้ งานวิจัยเลือกใช้ optimal bandwidth ที่ถูกคำนวณผ่านการเลือกกลุ่มตัวอย่างจากทั้งสองข้างของจุดตัดเกณฑ์ซึ่งอาจไม่เท่ากัน ตามวิธีของ (Imbens & Kalyanaraman, 2012; Cattaneo et al., 2019) นอกจากนี้ งานวิจัยได้ทดสอบค่าผลลัพธ์ โดยใช้ฟังก์ชันถ่วงน้ำหนัก (kernel) และกำหนดฟังก์ชันพหุนาม (order of polynomial) ในหลายรูปแบบ รวมทั้งใช้ระเบียบวิธี differences-in-differences เพื่อตรวจสอบความอ่อนไหว (robustness check) ของผลลัพธ์ที่ได้

ข้อจำกัดที่สำคัญของงานวิจัยชิ้นนี้คือ คณะผู้วิจัยไม่สามารถแยกผลกระทบของมาตรการที่มาจาก “แรงจูงใจ” หรือ “ความยืดหยุ่น” ในการจ่ายชำระหนี้ออกจากกันได้ เนื่องจากลูกหนี้ที่เข้ามาตรการได้รับทั้งสองเงื่อนไขพร้อมกันและไม่จำเป็นต้องเลือกอย่างใดอย่างหนึ่ง

4. มาตรการแก้หนี้ที่ยืดหยุ่น ส่งผลต่อเกษตรกรอย่างไร?

ในภาพรวมมาตรการลดการจ่ายหนี้เกษตรโดยรวมลง แต่ไม่ส่งผลต่อการจ่ายหนี้ประเภทอื่น ๆ โดยรูปที่ 3 เปรียบเทียบผลกระทบของมาตรการต่ออัตราการจ่ายหนี้ของสินเชื่อแต่ละประเภท ซึ่งจะเห็นได้ว่ามาตรการทำให้อัตราการจ่ายของหนี้เกษตรในภาพรวมลดลงประมาณ 26.8 percentage point (p.p.) ณ จุดตัดเกณฑ์ เมื่อพิจารณาแยกตามประเภทสินเชื่อว่าเคยได้รับการปรับโครงสร้างหนี้หรือไม่ พบว่ามาตรการส่งผลต่อหนี้เกษตรที่เคยได้รับการปรับโครงสร้างหนี้ ซึ่งเป็นกลุ่มที่เปราะบางมากกว่าหนี้เกษตรปกติที่ไม่เคยได้รับการปรับโครงสร้างหนี้2

รูปที่ 3: ผลกระทบของมาตรการต่ออัตราการจ่ายหนี้
ที่มา: ผลประมาณการโดยคณะผู้วิจัยหมายเหตุ: กราฟแท่งแสดงผลประมาณการทางเศรษฐมิติด้วยวิธี Fuzzy Regression Discontinuity Design ในระดับผู้กู้จำแนกตามประเภทสินเชื่อ โดยอัตราการจ่ายหนี้วัดจากการจ่ายชำระมากกว่า 1,000 บาท (ประมาณจากการลดลงของสินเชื่อ term loan) อย่างน้อย 1 ครั้ง ในช่วงเวลาระหว่าง เม.ย. 2024 ถึง ก.ค. 2025 เส้นสีดำแสดงช่วงความเชื่อมั่น 95% ของค่าประมาณ การประมาณการใช้ค่าใช้ฟังก์ชันถ่วงน้ำหนักแบบ Triangular Kernel และกำหนดฟังก์ชันพหุนาม (local polynomial) อยู่ที่ระดับ 2 (quadratic) ผลที่ประมาณค่าได้มีลักษณะเป็น Local Average Treatment Effects (LATE) บริเวณรอบจุดตัดเกณฑ์ของผู้กู้ที่เข้า/ไม่เข้าร่วมมาตรการตามเงื่อนไข (complier)

เพื่อทำความเข้าใจพฤติกรรมการจ่ายหนี้ตามศักยภาพ เราแบ่งกลุ่มลูกหนี้ออกเป็น 2 กลุ่ม ได้แก่

  1. ลูกหนี้ที่จ่ายได้ (paid debtor) ซึ่งเป็นลูกหนี้ที่มีความสามารถและความตั้งใจในการจ่ายหนี้เกษตร
  2. ลูกหนี้ที่ไม่จ่ายหนี้เกษตร (unpaid debtor) ซึ่งเป็นลูกหนี้ที่อาจประสบปัญหา หรือมีศักยภาพแต่เลือกที่จะไม่จ่าย

สำหรับลูกหนี้ที่จ่ายได้ มาตรการช่วยให้จ่ายเพิ่มขึ้นและส่งผลให้เงินต้นของลูกหนี้กลุ่มนี้ลดลงอย่างมีนัยสำคัญ โดยในรูปที่ 4 กลุ่มตัวอย่างถูกจำกัดเฉพาะ paid debtor ซึ่งผลการศึกษาพบว่าโดยเฉลี่ยเงินต้นลดลงประมาณ 26,000 บาท ณ จุดตัดเกณฑ์ เนื่องจากกลไกที่รัฐช่วยจ่ายดอกเบี้ยระหว่างมาตรการให้ ส่งผลให้เงินบาทแรกที่ชำระเข้ามาไปตัดเงินต้นทันที และเมื่อแยกวิเคราะห์ระหว่างลูกหนี้ที่มีเจ้าหนี้เพียงรายเดียว กับลูกหนี้ที่มีเจ้าหนี้หลายราย พบว่าในภาพรวมมาตรการส่งผลให้ลูกหนี้ที่จ่ายได้ จ่ายเพิ่มขึ้นทั้งในกรณีที่ลูกหนี้มีเจ้าหนี้รายเดียวและเจ้าหนี้หลายราย

รูปที่ 4: ผลกระทบของมาตรการต่อปริมาณการจ่ายหนี้เกษตรของลูกหนี้ที่จ่ายได้
ผลทางตรงต่อปริมาณการจ่ายหนี้เกษตร
ที่มา: ผลประมาณการโดยคณะผู้วิจัยหมายเหตุ: กราฟแท่งแสดงผลประมาณการทางเศรษฐมิติด้วยวิธี Fuzzy Regression Discontinuity Design ในระดับผู้กู้ ในภาพรวม จำแนกตามการสถานะการปรับโครงสร้างหนี้ และจำแนกตามจำนวนเจ้าหนี้ โดยปริมาณการจ่ายหนี้เกษตร (บาท) คำนวณจากยอดคงค้างสินเชื่อเกษตรประเภท term loan ที่ลดลงในช่วงเวลาระหว่าง เม.ย. 2024 ถึง ก.ค. 2025 เส้นสีดำแสดงช่วงความเชื่อมั่น 95% ของค่าประมาณ การประมาณการใช้ค่าฟังก์ชันถ่วงน้ำหนักแบบ Triangular Kernel และกำหนดฟังก์ชันพหุนาม (local polynomial) อยู่ที่ระดับ 2 (quadratic) ผลที่ประมาณค่าได้มีลักษณะเป็น Local Average Treatment Effects (LATE) บริเวณรอบจุดตัดเกณฑ์ของผู้กู้ที่เข้า/ไม่เข้าร่วมมาตรการตามเงื่อนไข (complier)

สำหรับลูกหนี้ที่ไม่ได้จ่าย มาตรการเป็น safety net ให้กลุ่มที่มีหนี้หลายแหล่ง ช่วยให้สามารถไปชำระเจ้าหนี้รายอื่นเพิ่มขึ้น โดยในรูปที่ 5 กลุ่มตัวอย่างถูกจำกัดเฉพาะลูกหนี้ที่ไม่ได้จ่ายหนี้เกษตร และมีเจ้าหนี้หลายแหล่ง ซึ่งผลการศึกษาชี้ให้เห็นว่า มาตรการทำให้เกษตรกรมีภาระหนี้เกษตรเบาลง และไปจ่ายชำระให้กับเจ้าหนี้อื่นเพิ่มขึ้น กล่าวคือ อัตราการจ่ายหนี้และปริมาณการจ่ายหนี้เช่าซื้อรถยนต์ หนี้เช่าซื้อเครื่องจักร และหนี้สินเชื่อส่วนบุคคลของเกษตรกรที่เข้ามาตรการ สูงกว่าเกษตรกรที่ไม่ได้เข้ามาตรการ ซึ่งหนี้เหล่านี้เป็นของเจ้าหนี้รายอื่น ๆ ข้อค้นพบนี้สะท้อนให้เห็นถึงการบริหารจัดการทางการเงินของลูกหนี้ที่ใช้สภาพคล่องส่วนเพิ่ม จากการหยุดจ่ายหรือลดปริมาณการจ่ายหนี้เกษตร (ในระหว่างมาตรการ) ไปชำระหนี้ให้เจ้าหนี้รายอื่นแทน

พฤติกรรมนี้สอดคล้องกับผลการศึกษาของ Chantarat et al. (2023) ที่ชี้ว่าการเลือกจ่ายหนี้ให้เจ้าหนี้ประเภทต่าง ๆ ของครัวเรือนเกษตรกรไทย มีความสัมพันธ์กับความเข้มข้นของกลไกการบังคับชำระหนี้ และต้นทุนที่ครัวเรือนตระหนักเมื่อผิดนัดชำระ โดยสถาบันการเงินเฉพาะกิจ ซึ่งรวมถึง ธ.ก.ส. มักจะเป็นเจ้าหนี้ลำดับสุดท้ายที่ครัวเรือนเกษตรจะมาจ่าย หลังจากธนาคารพาณิชย์ ธุรกิจสถาบันการเงินที่ไม่ใช่ธนาคาร (non-banks) กองทุนหมู่บ้าน กลุ่มออมทรัพย์ และเงินกู้นอกระบบ โดยสรุปมาตรการมีบทบาทในการเป็น safety net ทางอ้อมที่ช่วยลดภาระหนี้สินอื่น ๆ ที่ไม่ได้รับทางเลือกการพักชำระของเกษตรกรลงได้

รูปที่ 5: ผลกระทบของมาตรการต่อการจ่ายหนี้อื่น ๆ ที่ไม่ใช่หนี้เกษตร ของลูกหนี้ที่ไม่ได้จ่าย
ผลทางอ้อมต่อการจ่ายหนี้อื่น ๆ ที่ไม่ใช่หนี้เกษตร
ที่มา: ผลประมาณการโดยคณะผู้วิจัยหมายเหตุ: กราฟแท่งแสดงผลประมาณการทางเศรษฐมิติด้วยวิธี Fuzzy Regression Discontinuity Design ในระดับผู้กู้ จำแนกตามประเภทสินเชื่อ โดยอัตราการจ่ายหนี้วัดจากการจ่ายชำระมากกว่า 1,000 บาท (ประมาณจากการลดลงของสินเชื่อ term loan ของสินเชื่อประเภทนั้น ๆ) อย่างน้อย 1 ครั้ง ในช่วงเวลาระหว่าง เม.ย. 2024 ถึง ก.ค. 2025 ปริมาณการจ่ายหนี้ (บาท) วัดจากยอดคงค้างสินเชื่อ term loan ของสินเชื่อประเภทนั้น ๆ ที่ลดลงในช่วงเวลาเดียวกัน เส้นสีดำแสดงช่วงความเชื่อมั่น 95% ของค่าประมาณ การประมาณการใช้ค่าฟังก์ชันถ่วงน้ำหนักแบบ Triangular Kernel และกำหนดฟังก์ชันพหุนาม (local polynomial) อยู่ที่ระดับ 2 (quadratic) ผลที่ประมาณค่าได้มีลักษณะเป็น Local Average Treatment Effects (LATE) บริเวณรอบจุดตัดเกณฑ์ของผู้กู้ที่เข้า/ไม่เข้าร่วมมาตรการตามเงื่อนไข (complier)

สำหรับลูกหนี้ที่จ่ายไม่ได้ มาตรการยังเป็น safety net ช่วยชะลอการผิดนัดชำระหนี้ โดยผลการศึกษาพบว่าเกษตรกรที่เข้ามาตรการมีอัตราการผิดนัดชำระหนี้ต่ำกว่าเกษตรกรที่ไม่ได้เข้ามาตรการอย่างมีนัยสำคัญ รูปที่ 6 ชี้ให้เห็นว่ามาตรการช่วยลดหรือชะลอการเป็นหนี้เสียของสินเชื่อเพื่อการเกษตรในภาพรวมลงได้ประมาณ 5.0 p.p. เมื่อพิจารณาเกษตรกรกลุ่มที่เปราะบาง (เคยปรับโครงสร้างหนี้มาก่อน) มาตรการช่วยลดหรือชะลอการผิดนัดชำระลงได้ 16.3 p.p. ทั้งนี้แม้ว่าการกลไกของมาตรการจะมีผลโดยตรงให้สัญญาที่เข้าร่วมไม่เสื่อมคุณภาพเป็นหนี้เสียในทางบัญชี (ในช่วงระหว่างมาตรการ) ผลการศึกษานี้ได้ชี้ให้เห็นถึงแนวโน้มที่จะเกิดขึ้นกับลูกหนี้เกษตรกรกลุ่มเปราะบางในกรณีที่ไม่มีมาตรการเข้ามารองรับ

รูปที่ 6: ผลกระทบของมาตรการต่อการเป็นหนี้เสีย
ที่มา: ผลประมาณการโดยคณะผู้วิจัยหมายเหตุ: กราฟแท่งแสดงผลประมาณการทางเศรษฐมิติด้วยวิธี Fuzzy Regression Discontinuity Design ในระดับผู้กู้ จำแนกตามประเภทของหนี้ โดยอัตราการเสื่อมคุณภาพเป็นหนี้เสียวัดจากการเสื่อมลงของคุณภาพของสินเชื่อจากหนี้ปกติเป็นหนี้เสีย (NPL) ในช่วงเวลาระหว่าง เม.ย. 2024 ถึง ก.ค. 2025 เส้นสีดำแสดงช่วงความเชื่อมั่น 95% ของค่าประมาณ การประมาณการใช้ค่าฟังก์ชันถ่วงน้ำหนักแบบ Triangular Kernel และกำหนดฟังก์ชันพหุนาม (local polynomial) อยู่ที่ระดับ 2 (quadratic) ผลที่ประมาณค่าได้มีลักษณะเป็น Local Average Treatment Effects (LATE) บริเวณรอบจุดตัดเกณฑ์ของผู้กู้ที่เข้า/ไม่เข้าร่วมมาตรการตามเงื่อนไข (complier)

มาตรการไม่ได้ส่งผลให้เกษตรกรสะสมหนี้เพิ่ม ผลการศึกษาพบว่าเกษตรกรที่เข้ามาตรการไม่ได้กู้ยืมหนี้สินประเภทต่าง ๆ ได้แก่ หนี้เกษตร หนี้เช่าซื้อรถยนต์ หนี้เช่าซื้อเครื่องจักร หนี้บ้าน หนี้สินเชื่อส่วนบุคคลเพิ่มขึ้นอย่างมีนัยสำคัญ โดยข้อค้นพบนี้แตกต่างจากงานศึกษาของ Ratanavararak & Chantarat (2022) ที่ชี้ว่ามาตรการพักหนี้ทำให้เกษตรกรไทยสะสมหนี้เพิ่มขึ้น เนื่องจากมาตรการนี้ได้จำกัดปริมาณการกู้เพิ่มและมีเงื่อนไขการกู้ยืมที่ชัดเจน ส่งผลให้การก่อหนี้ใหม่ของลูกหนี้เกษตรกรสอดคล้องกับศักยภาพของตนเองมากขึ้น อย่างไรก็ดี การประเมินผลกระทบต่อการกู้ยืมมีข้อจำกัดด้านข้อมูล ซึ่งคณะผู้วิจัยมีข้อมูลเฉพาะการกู้ยืมจากสถาบันการเงินในระบบ ซึ่งไม่รวมถึงการกู้ยืมจากแหล่งเงินกู้อื่น ๆ เช่น สหกรณ์ กองทุนหมู่บ้าน เงินกู้นอกระบบ หรือเงินยืมจากญาติพี่น้อง

5. ทำอย่างไรให้มาตรการแก้หนี้ที่ยืดหยุ่นนี้ มีประสิทธิภาพมากขึ้น?

เพื่อทำความเข้าใจผลการศึกษาที่พบ คณะผู้เขียนได้วิเคราะห์ข้อมูลเพิ่มเติมจากแบบสำรวจเศรษฐกิจและพฤติกรรมการเงินของครัวเรือนเกษตรกรไทย โดยผู้ตอบแบบสอบถามเป็นเกษตรกรที่เข้าร่วมมาตรการจากทั่วประเทศ

รูปที่ 7a แสดงให้เห็นว่าเกษตรกรที่เข้ามาตรการเข้าใจความสำคัญของปัญหาหนี้ โดย 86.2% เห็นว่าการชำระไม่ถึงเงินต้นเป็นปัญหาระยะยาว แม้ว่าเกือบครึ่งของผู้ตอบแบบสอบถามมองว่าต้นทุนของการผิดนัดชำระไม่สูงมาก ขณะที่รูป 7b สะท้อนว่าเกษตรกรที่เข้ามาตรการมีความเข้าใจที่คลาดเคลื่อนเกี่ยวกับเงื่อนไขและสิทธิประโยชน์ของมาตรการ เช่น 41.8% ของผู้ตอบแบบสอบถามเข้าใจว่า “จะไม่สามารถจ่ายหนี้ได้ระหว่างมาตรการ” ความเข้าใจเกี่ยวกับมาตรการที่ไม่ถูกต้อง โดยเฉพาะเกี่ยวกับกลไกที่เป็นประโยชน์ต่อลูกหนี้หากชำระ ย่อมส่งผลต่อพฤติกรรมการจ่าย ดังนั้น การสื่อสารและสร้างความเข้าใจเกี่ยวกับกลไกของมาตรการ โดยเฉพาะในประเด็นของความยืดหยุ่นตามศักยภาพจึงเป็นเรื่องสำคัญมาก เพื่อให้มาตรการเกิดประสิทธิผลสูงสุด

รูปที่ 7: ความเข้าใจเรื่องหนี้ ปัญหาหนี้ และมาตรการ ของลูกหนี้กลุ่มตัวอย่างที่เข้าร่วมมาตรการ
ที่มา: แบบสำรวจเศรษฐกิจและพฤติกรรมการเงินของครัวเรือนเกษตรกรไทยภายใต้โครงการ “สนามทดลองเพื่อแก้ไขปัญหาหนี้สินเกษตรอย่างยั่งยืน” จากเกษตรกรตัวอย่าง 1,831 ครัวเรือนที่เข้ามาตรการจาก 19 จังหวัดทั่วประเทศ สำรวจระหว่างเดือน ม.ค. ถึง มี.ค. 2025 คำนวณโดยคณะผู้เขียนหมายเหตุ: รูป (a) แสดงความเห็นของผู้ตอบแบบสอบถามต่อความเข้าใจเรื่องหนี้และปัญหาหนี้ รูป (b) แสดงความเห็นของผู้ตอบแบบสอบถามต่อความเข้าใจเรื่องมาตรการ

นอกจากนี้ผลสำรวจในรูปที่ 8 ชี้ให้เห็นว่า หนึ่งในสี่ของลูกหนี้ที่เข้าร่วมมาตรการ จ่ายหนี้เพิ่มขึ้น ซึ่งเป็นผลจากแรงจูงใจที่จ่ายแล้วจะตัดต้นทันที ขณะที่ 29.7% ตอบว่า “ไม่จ่ายหรือจ่ายน้อยลง” โดยสาเหตุหลักคือ

  1. พักหนี้อยู่ ไม่ต้องจ่ายก็ได้
  2. ตั้งใจที่จะจ่าย แต่ขาดสภาพคล่องหรือไม่สะดวกเดินทางไปจ่าย

ทั้งนี้ ในกลุ่มที่ขาดสภาพคล่อง มาตรการทำหน้าที่เป็น safety net ที่ช่วยบรรเทาผลกระทบการกลายเป็นหนี้เสีย ส่วนในกลุ่มที่ “ไม่สะดวกเดินทางไปจ่าย” การเพิ่มความสะดวกและลดต้นทุนในการชำระหนี้ ทั้งด้านค่าใช้จ่ายและเวลาในการเดินทาง อาจทำให้ประสิทธิผลของมาตรการนี้เพิ่มขึ้นได้ งานศึกษานี้ได้ทดสอบแนวคิดดังกล่าว และพบว่ามาตรการส่งผลให้ลูกหนี้ที่อยู่ในตำบลที่มีบริการการรับชำระในพื้นที่อย่างเข้มข้นจ่ายหนี้มากขึ้น สอดคล้องกับงานวิจัยของ Chantarat et al. (2026) ที่ชี้ว่าการรับชำระหนี้เกษตรใกล้บ้านประกอบกับการสร้างความเข้าใจเกี่ยวกับมาตรการ ทำให้ลูกหนี้เกษตรกรที่เข้าร่วมมาตรการจ่ายชำระได้มากขึ้นและบ่อยขึ้น

รูปที่ 8: การจ่ายหนี้เกษตรของลูกหนี้กลุ่มตัวอย่างที่เข้าร่วมมาตรการ
ที่มา: แบบสำรวจเศรษฐกิจและพฤติกรรมการเงินของครัวเรือนเกษตรกรไทยภายใต้โครงการ “สนามทดลองเพื่อแก้ไขปัญหาหนี้สินเกษตรอย่างยั่งยืน” จากเกษตรกรตัวอย่าง 1,831 ครัวเรือนที่เข้ามาตรการจาก 19 จังหวัดทั่วประเทศ สำรวจระหว่างเดือน ม.ค. ถึง มี.ค. 2025 คำนวณโดยคณะผู้เขียน

6. ข้อสรุป: เราเรียนรู้อะไร เมื่อมาตรการพักหนี้เพิ่มกลไกจูงใจให้ชำระหนี้?

บทความนี้ถอดบทเรียนจากมาตรการพักหนี้เกษตรกรล่าสุดที่ถูกออกแบบให้ยืดหยุ่นตามศักยภาพของลูกหนี้ โดยไม่ได้มุ่งเน้นเพียงการหยุดพักชำระหนี้แบบเดิม แต่เพิ่มกลไกจูงใจให้กลุ่มที่ยังชำระไหวสามารถ “ตัดเงินต้นได้ตั้งแต่บาทแรก” เพื่อให้หลุดพ้นจากกับดักหนี้ได้เร็วขึ้น ซึ่งแนวทางนี้สอดคล้องกับบทเรียนสากลเรื่องการออกแบบการชำระหนี้ที่ยืดหยุ่นสำหรับกลุ่มเป้าหมายที่เปราะบาง

ผลการศึกษาชี้ให้เห็นว่า การปรับลำดับการตัดชำระหนี้สามารถจูงใจให้ลูกหนี้ที่มีศักยภาพจ่ายหนี้เพิ่มขึ้นและลดเงินต้นได้จริง ขณะเดียวกัน มาตรการยังทำหน้าที่เป็น safety net สำหรับกลุ่มที่ขาดศักยภาพ โดยช่วยชะลอการเกิดหนี้เสีย และเปิดโอกาสให้ลูกหนี้บริหารจัดการสภาพคล่องไปชำระหนี้แหล่งอื่นที่มีต้นทุนสูงกว่าได้

อย่างไรก็ดี “ชื่อนั้นสำคัญไฉน?” แม้เหตุผลทางการเมืองจะทำให้มาตรการนี้ต้องใช้ชื่อว่า “พักหนี้” แต่ผลการวิเคราะห์สะท้อนว่าชื่อดังกล่าวกลายเป็นอุปสรรคในการสื่อสาร ลูกหนี้บางส่วนยังเข้าใจคลาดเคลื่อนว่า ห้ามชำระหนี้ระหว่างมาตรการ เนื่องจากคุ้นชินกับภาพจำของมาตรการพักหนี้ในอดีต ดังนั้น การสร้างความเข้าใจที่ถูกต้องเกี่ยวกับแนวคิด ความยืดหยุ่นตามศักยภาพ เพื่อให้ลูกหนี้ตระหนักถึงโอกาสทองในการลดภาระหนี้จึงมีความสำคัญอย่างยิ่งต่อประสิทธิผลของมาตรการ

หากในอนาคตเราสามารถเปลี่ยนจุดเริ่มต้นของมาตรการให้เป็น “นาทีทองตัดเงินต้น” โดยให้สิทธิการพักหนี้เป็นทางเลือกเสริมสำหรับผู้ที่จำเป็น อาจช่วยเพิ่มประสิทธิภาพของมาตรการและลดปัญหา moral hazard ได้ดียิ่งขึ้น สอดคล้องกับข้อเสนอของ Czura et al. (2026) และ Brune et al. (2024) ที่เน้นการมีกลไกคัดกรองลูกหนี้ที่เหมาะสม

สุดท้ายนี้ นอกจากมาตรการพักหนี้และการปรับโครงสร้างหนี้แล้ว Chantarat et al. (2026) ยังชี้ให้เห็นว่า การสร้างวินัยทางการเงินและการลดต้นทุนในการชำระหนี้ให้สะดวกขึ้น ส่งผลบวกต่อพฤติกรรมการชำระหนี้อย่างมีนัยสำคัญ ภายใต้บริบทนี้ บทบาทของ ธ.ก.ส. จึงไม่ควรจำกัดอยู่เพียงการเป็นผู้ให้กู้เท่านั้น แต่ต้องขยับสู่การเป็นผู้ส่งเสริมวินัยทางการเงิน ผ่านการสร้างแรงจูงใจ ให้ความรู้ และจัดให้มีช่องทางการชำระหนี้ที่เข้าถึงง่ายด้วยต้นทุนที่ต่ำ เพื่อให้การแก้ปัญหาหนี้เกษตรกรเกิดผลสัมฤทธิ์อย่างยั่งยืน

ข้อสงวน

บทความ บทวิเคราะห์ หรือบทวิจัยนี้ จัดทำขึ้นโดยสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัด เพื่อประโยชน์ในการเผยแพร่ต่อสาธารณะ

ข้อมูลที่ปรากฏในรายงานฉบับนี้จัดทำโดยอาศัยข้อมูลเชิงสถิติของข้อมูลเศรษฐกิจการเงินจากแหล่งข้อมูลที่เชื่อถือได้ อย่างไรก็ตามสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัดไม่ยืนยันและไม่รับรองถึงความครบถ้วนสมบูรณ์หรือถูกต้องของข้อมูลจึงไม่รับผิดชอบต่อการนำเอาข้อมูล ข้อความ ความเห็น หรือบทสรุปที่กฎในรายงานฉบับนี้ไปใช้ ไม่ว่ากรณีใด ๆ

สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัดมีสิทธิแต่เพียงผู้เดียวในทรัพย์สินทางปัญญาของรายงานฉบับนี้ และขอสงวนลิขสิทธิ์ในข้อมูลที่กฎในเอกสารนี้ ห้ามมิให้ผู้ใดใช้ประโยชน์ทำซ้ำดัดแปลงนำออกแสดง ทำให้ปรากฏหรือเผยแพร่ต่อสาธารณชนไม่ว่าด้วยประการใด ๆ ซึ่งข้อมูลในเอกสารนี้ ไม่ว่าทั้งหมดหรือบางส่วนในเชิงพาณิชย์ เว้นแต่ได้รับอนุญาตเป็นหนังสือจากสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัท ข้อมูลเครดิตแห่งชาติ จำกัด เป็นการล่วงหน้า

นอกจากนี้ การกล่าว คัด หรืออ้างอิงข้อมูลบางส่วนตามสมควรในรายงานฉบับนี้ ไม่ว่าในบทความ บทวิเคราะห์ บทวิจัย ในเอกสารหรือการสื่อสารอื่นใด จะต้องกระทำโดยถูกต้องและไม่เป็นการก่อให้เกิดการเข้าใจผิด หรือความเสียหายแก่สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัด รวมทั้งต้องรับรู้ถึงความเป็นเจ้าของลิขสิทธิ์ในข้อมูลของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัด และต้องอ้างอิงถึงฉบับที่และวันที่ในเอกสารฉบับนี้ของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัด โดยชัดแจ้ง

เอกสารอ้างอิง

Bank for Agriculture and Agricultural Cooperatives. (2024). ธ.ก.ส. จัดมาตรการพักชำระหนี้ลูกหนี้รายย่อย ระยะที่ 2 (Press Release No. 112). Bank for Agriculture. ข่าวที่%20112%20ธ.ก.ส.%20จัดมาตรการพักชำระหนี้ลูกหนี้รายย่อย%20ระยะที่%202.pdf
Barboni, G., & Agarwal, P. (2023). How Do Flexible Microfinance Contracts Improve Repayment Rates and Business Outcomes? Experimental Evidence from India.
Battaglia, M., Gulesci, S., & Madestam, A. (2024). Repayment Flexibility and Risk Taking: Experimental Evidence from Credit Contracts. Review of Economic Studies, 91(5), 2635–2675.
Brune, L., Giné, X., & Karlan, D. (2024). Give Me a Pass: Flexible Credit for Entrepreneurs in Colombia (Working Paper No. 30634). National Bureau of Economic Research.
Cattaneo, M. D., Idrobo, N., & Titiunik, R. (2019). A Practical Introduction to Regression Discontinuity Designs: Foundations. Cambridge University Press.
Chantarat, S., Chawanote, C., Chirakijja, J., Kosindesha, S., Mahasuweerachai, P., Powdthavee, N., Ratanavararak, L., Rittinon, C., Sa-ngimnet, B., Tambunlertchai, K., & Thampanishvong, K. (2026). Nudging out of Debt Trap: Experimental Evidence on Restructuring, Repayment Lottery and On-Site Debt Collection [Discussion Paper]. Puey Ungphakorn Institute for Economic Research.
Chantarat, S., Chawanote, C., Ratanavararak, L., Rittinon, C., Sa-ngimnet, B., & Adultananusak, N. (2023). Financial Lives and the Vicious Cycle of Debt among Thai Agricultural Households (Discussion Paper No. 204). Puey Ungphakorn Institute for Economic Research.
Chantarat, S., Ratanavararak, L., & Chawanote, C. (2022). กับดักหนี้ กับการพัฒนาเศรษฐกิจการเงินครัวเรือนฐานราก (aBRIDGEd No. 15/2022). Puey Ungphakorn Institute for Economic Research.
Chantarat, S., Ratanavararak, L., & Rittinon, C. (2026). Thailand agricultural debt: Landscape, causes and policy priorities [Discussion Paper]. Puey Ungphakorn Institute for Economic Research.
Czura, K., John, A., & Spantig, L. (2026). Flexible Contract, Flexible Morale? Microcredit Design and Repayment Discipline. International Economic Review, 00, 1–21.
Field, E., Pande, R., Papp, J., & Park, Y. J. (2012). Repayment Flexibility Can Reduce Financial Stress: A Randomized Control Trial with Microfinance Clients in India. PLOS ONE, 7(9), e45679.
Imbens, G., & Kalyanaraman, K. (2012). Optimal Bandwidth Choice for the Regression Discontinuity Estimator. The Review of Economic Studies, 79(3), 933–959.
Ratanavararak, L., & Chantarat, S. (2022). Do Agricultural Debt Moratoriums Help or Hurt? The Heterogeneous Impacts on Rural Households in Thailand (Discussion Paper No. 195). Puey Ungphakorn Institute for Economic Research.

  1. ความไม่ต่อเนื่อง ณ จุดตัดเกณฑ์ (regression discontinuity gap) ประมาณการจากส่วนต่างของอัตราการเข้าร่วมมาตรการ ณ จุดตัดเกณฑ์ของลูกหนี้ฝั่งที่ผ่านเกณฑ์ (ฝั่งซ้าย) ที่อยู่ในระดับประมาณ 70% กับอัตราการเข้าร่วมมาตรการ ณ จุดตัดเกณฑ์ของลูกหนี้ฝั่งที่ไม่ผ่านเกณฑ์ (ฝั่งขวา) ที่อยู่ในระดับใกล้ 0%↩
  2. สถานะการปรับโครงสร้างหนี้พิจารณาจากหมวดการจัดประเภทสินเชื่อเกษตรในระดับรายสัญญา โดยหากสินเชื่อเคยได้รับการปรับโครงสร้างหนี้มาแล้วอย่างน้อย 1 ครั้ง (ก่อนมาตรการฯ เริ่ม) จะถูกจัดประเภทเป็นสินเชื่อที่ “เคยได้รับการปรับโครงสร้างหนี้”↩
Worarit Vannavanit
Worarit Vannavanit
Puey Ungphakorn Institute for Economic Research
Sommarat Chantarat
Sommarat Chantarat
Puey Ungphakorn Institute for Economic Research
Lathaporn Ratanavararak
Lathaporn Ratanavararak
Puey Ungphakorn Institute for Economic Research
Topics: Development Economics
Tags: flexible contractdebt reliefdebt restructuringfarmer debthousehold debt
The views expressed in this workshop do not necessarily reflect the views of the Puey Ungphakorn Institute for Economic Research or the Bank of Thailand.

Puey Ungphakorn Institute for Economic Research

273 Samsen Rd, Phra Nakhon, Bangkok 10200

Phone: 0-2283-6066

Email: pier@bot.or.th

Terms of Service | Personal Data Privacy Policy

Copyright © 2026 by Puey Ungphakorn Institute for Economic Research.

Content on this site is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported license.

Creative Commons Attribution NonCommercial ShareAlike

Get PIER email updates

Facebook
YouTube
Email