ดัชนีปัจจัยพื้นฐานทางเศรษฐกิจเชิงพื้นที่ (Spatial Economic Fundamentals Index, SEFI) : การบูรณาการข้อมูลขนาดใหญ่ด้วย Big Data Analytics

บทความโดย
ดร. นรพัชร์ อัศววัลลภ
ดร.กวิน เอี่ยมตระกูล
บุณฑริกา ชลพิทักษ์วงศ์
ชัยวัฒน์ หาญพิทักษ์พงศ์
สัณหณัฐ เศรษฐศักดาศิริ
ปภัช สุจริตตานันท์

1. บทนำ

ในช่วงที่ผ่านมา ประเทศไทยได้เผชิญกับความท้าทายทั้งภายในและนอกประเทศที่มีการเปลี่ยนแปลงอย่างรวดเร็วและมีความซับซ้อนสูง โดยเฉพาะการแพร่ระบาดของโรคติดเชื้อไวรัสโคโรนา 2019 (COVID-19) ทั่วโลก การติดอยู่ในกับดักรายได้ปานกลาง การเข้าสู่สังคมผู้สูงอายุที่ทำให้เกิดการเปลี่ยนแปลงทางด้านโครงสร้างประชากร และความยากจนเรื้อรังและความเหลื่อมล้ำที่ก่อให้เกิดการเติบโตที่ไม่สมดุล ซึ่งก่อให้เกิดความไม่แน่นอนต่อทั้งภาวะเศรษฐกิจ สังคม และความมั่นคงของประชาชนเป็นอย่างมาก กระทรวงการคลังจึงจำเป็นต้องให้ความสำคัญกับการจัดทำนโยบายการคลังที่ตอบโจทย์เศรษฐกิจได้อย่างมีประสิทธิภาพและเหมาะสมภายใต้ความท้าทายต่าง ๆ เพื่อให้เกิดการฟื้นตัวของเศรษฐกิจอย่างตรงจุดและทั่วถึง โดยอาศัยประโยชน์จากการพัฒนาฐานข้อมูลขนาดใหญ่ (Big Data) และการวิเคราะห์ข้อมูล (Data Analytics) ของประชาชนทุกกลุ่มในการออกแบบมาตรการทางเศรษฐกิจแบบเฉพาะเจาะจงตามความเหมาะสมกับปัญหาของพื้นที่หรือกลุ่มประชาชนหรือที่เรียกว่า “Tailor-Made Policy” ซึ่งสามารถช่วยเพิ่มประสิทธิภาพการดำเนินนโยบายและนำส่งความช่วยเหลือได้อย่างถูกฝาถูกตัวมากขึ้น ประกอบกับทำให้การจัดสรรงบประมาณที่ภาครัฐมีอยู่อย่างจำกัดเกิดประโยชน์สูงสุดในระยะยาว

อย่างไรก็ตาม รูปธรรมของการจัดทำนโยบายสาธารณะที่เหมาะสมกับพื้นที่และลักษณะของกลุ่มคนที่แตกต่างกัน อาจยังไม่เกิดขึ้นมากนักในช่วงที่ผ่านมาและส่งผลให้ปัญหาความยากจนและความเหลื่อมล้ำทางเศรษฐกิจเชิงพื้นที่ไม่สามารถแก้ไขได้อย่างมีประสิทธิภาพเท่าที่ควร สะท้อนจากข้อมูลของสำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติล่าสุดปี 2563 ที่พบว่า แม้ในช่วงตลอด 30 ปีที่ผ่านมา จำนวนคนจนและความเหลื่อมล้ำทางเศรษฐกิจในระดับประเทศมีแนวโน้มลดลงมาอย่างต่อเนื่อง แต่เมื่อพิจารณาระดับเชิงพื้นที่พบว่า ภาคใต้ ภาคตะวันออกเฉียงเหนือ และภาคเหนือยังคงมีปัญหาความยากจนรุนแรงกว่าพื้นที่อื่น ๆ และจำนวนคนจนส่วนใหญ่จะอยู่ในพื้นที่ชนบทห่างไกลมากกว่าอยู่ในเมืองและเขตเทศบาล

จากการแก้ไขปัญหาความเหลื่อมล้ำและความยากจนที่ยังไม่มีประสิทธิภาพเพียงพอ ส่วนหนึ่งเป็นผลมาจากการที่ภาครัฐยังขาดเครื่องมือในการวิเคราะห์เศรษฐกิจเชิงพื้นที่ที่มีความลึกลงถึงระดับหมู่บ้าน และขาดข้อมูลที่สามารถสะท้อนปัญหาถึงระดับตัวบุคคล (Personal Data) และครัวเรือน (House Data) ของคนในพื้นที่ ซึ่งจะสามารถช่วยในการออกแบบนโยบายที่แก้ไขปัญหาได้อย่างตรงจุดของแต่ละพื้นที่มากยิ่งขึ้น ทั้งนี้ ที่ผ่านมาการรวบรวมข้อมูลเพื่อทำการวิเคราะห์เศรษฐกิจมหภาคโดยส่วนใหญ่ของกระทรวงการคลังจะจัดทำในระดับประเทศและจังหวัดเป็นหลัก โดยยังไม่สามารถวิเคราะห์ปัจจัยพื้นฐานทางเศรษฐกิจในมิติต่าง ๆ ในระดับบุคคล ครัวเรือน หมู่บ้าน ตำบล และอำเภอ ได้อย่างชัดเจน การศึกษาในครั้งนี้จึงต้องการที่จะสร้างนวัตกรรมเพื่อช่วยในการจัดทำนโยบายการคลังในลักษณะ  Tailor-Made Policy ที่สามารถกำหนดกลุ่มเป้าหมายและพื้นที่ในมิติต่าง ๆ ให้สามารถตอบโจทย์การพัฒนากลุ่มคนเชิงพื้นที่ได้ตรงจุดมากยิ่งขึ้น โดยที่ผ่านมา สำนักงานเศรษฐกิจการคลังได้เคยพัฒนาเครื่องมือในการวิเคราะห์เศรษฐกิจเชิงพื้นที่ในหลายหลายรูปแบบ เพื่อสนับสนุนการดำเนินนโยบายการคลังเชิงพื้นที่ อาทิ การวิเคราะห์ประสิทธิภาพการผลิตด้วยวิธี Data Envelopment Analysis (DEA) การจัดทำความพร้อมของปัจจัยพื้นฐานทางเศรษฐกิจรายจังหวัด และการวิเคราะห์ความยากจนและความเหลื่อมล้ำในประเทศไทยโดยใช้ข้อมูลดาวเทียมและภูมิสารสนเทศ เป็นต้น ผลงานในครั้งนี้จึงเป็นการต่อยอดนวัตกรรมข้างต้นใน 2 มิติ

กล่าวคือ 1) การวิเคราะห์เชิงพื้นที่ในระดับที่ลึกขึ้นโดยอาศัยข้อมูลขนาดใหญ่ (Big Data) เพื่อให้สามารถจัดทำข้อมูลในระดับครัวเรือน หมู่บ้าน ตำบล และอำเภอได้ 2) การวิเคราะห์มีความครอบคลุมในมิติต่างๆ ทางเศรษฐกิจที่มากขึ้น จากการใช้ฐานข้อมูลที่เต็มศักยภาพเพิ่มขึ้นไม่ว่าจะเป็นฐานข้อมูล จปฐ ฐานข้อมูลดาวเทียม ฐานข้อมูลภูมิสารสนเทศ และฐานข้อมูลพื้นฐานทางเศรษฐกิจอื่นๆ

ดังนั้น การศึกษาชิ้นนี้จึงเป็นการริเริ่มครั้งแรกในการรวบรวมข้อมูลและทำการวิเคราะห์ปัจจัยพื้นฐานทางเศรษฐกิจของประชาชนเป็นรายบุคคลที่มีความแตกต่างกันในแต่ละพื้นที่ ซึ่งจะสามารถทำให้เห็นจุดแข็งและจุดอ่อนของแต่ละบุคคล ครัวเรือน หมู่บ้าน ตำบล อำเภอ จังหวัดในหลากหลายมิติ อาทิ โครงสร้างพื้นฐาน สุขภาพ การศึกษา กำลังซื้อ ความท้าทายทางทรัพยากรมนุษย์ และสิ่งแวดล้อม เพื่อเป็นประโยชน์ในการจัดทำนโยบายเศรษฐกิจที่เหมาะสมกับกลุ่มคนในแต่ละพื้นที่ให้ตอบโจทย์ตรงจุดและทั่วถึงยิ่งขึ้น

2. กรอบแนวคิดในการจัดทำ

การวิเคราะห์ความพร้อมของปัจจัยพื้นฐานทางเศรษฐกิจ จะอาศัยการคำนวณดัชนีปัจจัยพื้นฐานทางเศรษฐกิจเชิงพื้นที่ (Spatial Economic Fundamentals Index: SEFI) ระดับรายบุคคล โดยใช้โปรแกรมจัดการฐานข้อมูลขนาดใหญ่ (Big Data) ที่ชื่อว่า “KNIME Analytics” เป็นเครื่องมือในการเชื่อมโยงฐานข้อมูล ด้วยวิธีการหาค่าเฉลี่ยถ่วงน้ำหนัก (Weighted Average) ให้ความสำคัญกับตัวแปรที่มีข้อมูลความละเอียดระดับบุคคล ครัวเรือน หมู่บ้าน ตำบล และอำเภอ มากกว่าข้อมูลระดับจังหวัด และใช้วิธี Z-Score Standardization เพื่อจัดทำ SEFI โดยข้อมูลตัวชี้วัดทั้ง 88 รายการ ถูกจัดกลุ่มเป็น 6 กลุ่ม ดังนี้

• กลุ่มโครงสร้างพื้นฐาน สะท้อนจากเครื่องชี้ 12 รายการ อาทิ ความสว่างของแสงกลางต่อพื้นที่ ความยาวถนนต่อพื้นที่ จำนวนจุดสนใจต่อพื้นที่ จำนวนคนที่ใช้อินเทอร์เน็ตต่อประชากร จำนวนเลขหมายโทรศัพท์มือถือต่อประชากร จำนวนตลาดสดน่าซื้อ การมีที่อยู่อาศัยเป็นของตนเอง เป็นต้น แสดงถึงการเข้าถึงเทคโนโลยีสารสนเทศและโครงสร้างพื้นฐานที่เอื้อต่อการทำธุรกรรมทางเศรษฐกิจ
• กลุ่มสาธารณสุข สะท้อนจากเครื่องชี้ 18 รายการ อาทิ จำนวนเตียงในสถานพยาบาลต่อประชากร จำนวนแพทย์ต่อประชากรในจังหวัด คะแนนสุขภาพจิต ความพิการของร่างกาย จำนวนผู้ป่วยเรื้อรังในครัวเรือน การมีน้ำสะอาดสำหรับดื่มและบริโภคเพียงพอ การกินอาหารที่ถูกสุขลักษณะ ปลอดภัย และได้มาตรฐาน การออกกำลังกายอย่างสม่ำเสมอ เป็นต้น แสดงถึงสภาวะสุขภาพของบุคคล สภาพความเป็นอยู่ด้านสาธารณสุขของครัวเรือน และความสามารถของระบบการสาธารณสุขในการรองรับและให้บริการของพื้นที่ ซึ่งส่งผลต่อประสิทธิภาพแรงงานในการผลิตของแต่ละพื้นที่
• กลุ่มการศึกษา สะท้อนจากเครื่องชี้ 15 รายการ อาทิ ระดับการศึกษา ทักษะการใช้ภาษาอังกฤษ จำนวนโรงเรียนต่อพื้นที่ สัดส่วนนักเรียนยากจน ค่าเฉลี่ยระดับสติปัญญา (IQ) คะแนน O-net (ผลรวมของคะแนนทดสอบ 5 วิชาของระดับมัธยมศึกษาปีที่ 6 โดยเฉลี่ยของผู้เข้าสอบ ทักษะการเงิน เป็นต้น แสดงถึงระดับการศึกษาของบุคคล รวมทั้งการพัฒนาทุนมนุษย์ในแต่ละพื้นที่
• กลุ่มกำลังซื้อ สะท้อนจากเครื่องชี้ 11 รายการ อาทิ อัตราการว่างงาน ระดับรายได้ ค่าใช้จ่าย จำนวนเงินออม จำนวนหนี้นอกระบบ ความหลายหลายของการประกอบอาชีพ แสดงถึงกำลังซื้อ (Purchasing Power) ของประชาชนรายบุคคลในแต่ละพื้นที่ ซึ่งเป็นปัจจัยพื้นฐานหนึ่งที่ช่วยดึงดูดการค้าและการลงทุนซึ่งนำไปสู่ความเป็นเมือง (Urbanization) และผลกระทบภายนอกเชิงบวก (Positive Spillover) ที่จะช่วยพัฒนาเศรษฐกิจฐานรากให้เติบโตขึ้น
• กลุ่มความท้าทายทางทรัพยากรมนุษย์ สะท้อนจากเครื่องชี้ 21 รายการ อาทิ ความหนาแน่นของประชากรต่อพื้นที่ อัตราการเสียชีวิตด้วยอุบัติเหตุ อัตราการฆ่าตัวตายและทำร้ายตนเอง จำนวนเรื่องร้องเรียนจากประชาชนผ่านศูนย์บริการประชาชน จำนวนคดีในศาลปกครอง การแจ้งความคดีชีวิต ร่างกาย เพศและคดีประทุษร้ายต่อทรัพย์รวมในจังหวัด แสดงถึงปัจจัยที่บั่นทอนความพร้อมของปัจจัยพื้นฐานทางเศรษฐกิจส่งผลต่อการสูญเสียปัจจัยการผลิตในรูปแบบต่าง ๆ ทั้งในด้านชีวิตและทรัพย์สินซึ่งเป็นประโยชน์ต่อออกแบบนโยบายรับมือและป้องกันความสูญเสียต่าง ๆ
• กลุ่มสิ่งแวดล้อม สะท้อนจากเครื่องชี้ 11 รายการ อาทิ ความหนาแน่นของไนโตรเจนไดออกไซด์ การจัดการขยะมูลฝอยชุมชน การป้องกันอุบัติภัยและภัยธรรมชาติอย่างถูกวิธี ปัญหามลพิษที่ได้รับการร้องเรียน การปล่อยก๊าซเรือนกระจก อัตราการผลิตติดตั้งไฟฟ้าจากพลังงานทดแทน ขนาดพื้นที่ป่า การไม่ถูกรบกวนจากมลพิษ เป็นต้น แสดงถึงถึงความบกพร่องของการบริหารจัดการทรัพยากรซึ่งเป็นปัจจัยพื้นฐานทางเศรษฐกิจอันจะนำมาสู่ปัญหาการพัฒนาเศรษฐกิจอย่างยั่งยืน

3. ข้อมูลที่ใช้ในการประมวลผล

การศึกษาครั้งนี้ จะใช้ข้อมูลระดับบุคคล ครัวเรือน หมู่บ้าน ตำบล อำเภอ และจังหวัด รวมเกือบ 100 รายการ ซึ่งประกอบด้วยข้อมูลความจำเป็นพื้นฐาน (จปฐ.) ข้อมูลภาพถ่ายทางดาวเทียม ข้อมูลปัจจัยพื้นฐานทางเศรษฐกิจต่าง ๆ และข้อมูลผู้ได้รับสิทธิและผู้ประกอบการในโครงการภาครัฐของกระทรวงการคลัง อาทิ โครงการลงทะเบียนเพื่อสวัสดิการแห่งรัฐปี 2560 และ 2561 โครงการเราไม่ทิ้งกัน โครงการคนละครึ่งระยะที่ 1 2 และ 3 และโครงการเราชนะ เพื่อสะท้อนระดับการพัฒนาและปัญหาขั้นพื้นฐานในมิติต่าง ๆ ทั้งเชิงบุคคลและพื้นที่ ทั้งนี้ คณะผู้จัดทำได้สรุปรายละเอียดเกี่ยวกับข้อมูลที่ใช้ในการศึกษา ดังนี้

• ข้อมูลความจำเป็นพื้นฐาน (จปฐ.) จัดเก็บโดยกรมการพัฒนาชุมชน กระทรวงมหาดไทย โดยในการศึกษานี้ จะใช้ข้อมูลของปี 2564 ซึ่งครอบคลุมประมาณ 12.8 ล้านครัวเรือน มีประชากรมากถึง 36.0 ล้านคนใน 76 จังหวัด (คิดเป็นสัดส่วนร้อยละ 54.4 ของจำนวนประชากรทั้งประเทศ) โดยเลือกใช้ข้อมูลระดับบุคคลและครัวเรือนจากแบบสอบถาม จปฐ. ในประเด็น 1) ความมั่นคงในที่อยู่อาศัยและบ้านมีสภาพคงทนถาวร 2) การมีน้ำสะอาดสำหรับดื่มและบริโภคเพียงพอตลอดปี 3) เด็กแรกเกิดมีน้ำหนัก 2,500 กรัมขึ้นไป 4) การกินอาหารถูกสุขลักษณะ ปลอดภัย และได้มาตรฐาน 5) การใช้ยาเพื่อบำบัด บรรเทาอาการเจ็บป่วยเบื้องต้นอย่างเหมาะสม 6) การได้รับการตรวจสุขภาพประจำปี 7) การออกกำลังกาย 8) จำนวนผู้สูงอายุ ผู้พิการ ผู้ป่วยเรื้อรัง และผู้ที่ช่วยเหลือตนเองไม่ได้ในครัวเรือน 9) ระดับการศึกษาและทักษะภาษาอังกฤษ 10) ระดับรายได้ ค่าใช้จ่าย หนี้นอกระบบ และเงินออม 11) ความหลากหลายของอาชีพ และ 12) การรับมือและป้องกันภัยธรรมชาติ ซึ่งรวมทั้งสิ้น 31 ตัวชี้วัด
• ข้อมูลดาวเทียมจากแหล่งต่าง ๆ ไม่ว่าจะเป็นองค์การนาซาและ Google Earth Engine ตลอดจนการดึงข้อมูลภูมิสารสนเทศจาก OpenStreetMap แล้วนำมาประมวลผลด้วยโปรแกรมคอมพิวเตอร์เฉพาะทาง อาทิ Quantum GIS และ GeoDa เพื่อนำมาจัดทำเครื่องชี้วัดโครงสร้างพื้นฐานและมลพิษของแต่ละตำบล โดยในการศึกษานี้ จะใช้ข้อมูลของปี 2565 ประกอบด้วย ความสว่างของแสงกลางคืน จำนวนจุดสนใจ (เช่น จำนวนที่พัก ร้านอาหาร สถานที่ท่องเที่ยว และร้านสะดวกซื้อต่าง ๆ เป็นต้น) ความยาวของถนน และความหนาแน่นของก๊าซไนโตรเจนไดออกไซด์ในแต่ละพื้นที่ รวมทั้งสิ้น 4 ตัวชี้วัด
• ข้อมูลปัจจัยพื้นฐานทางเศรษฐกิจต่าง ๆ ซึ่งเป็นข้อมูลทั้งระดับตำบลและจังหวัดที่รวบรวมมาจากหน่วยงานภาครัฐและเอกชนต่างๆ โดยเป็นข้อมูลในช่วงปี 2560-2564 เช่น การเข้าถึงอินเทอร์เน็ต จำนวนตลาดสดน่าซื้อ จำนวนร้านอาหารและแผงลอยที่ได้ CFGT คะแนนสุขภาพจิต อัตราบุคลากรทางการแพทย์ คะแนนเฉลี่ยการทดสอบ O-Net จำนวนโรงเรียนต่อขนาดพื้นที่ สัดส่วนนักเรียนยากจน ทักษะการเงิน อัตราการว่างงาน ความหนาแน่นของประชากร จำนวนคดีในศาลปกครอง การจัดการขยะมูลฝอยชุมชน อัตราการผลิตติดตั้งไฟฟ้าจากพลังงานทดแทน และการปล่อยก๊าซเรือนกระจก เป็นต้น ซึ่งรวมทั้งสิ้น 53 ตัวชี้วัด
• ข้อมูลโครงการภาครัฐของกระทรวงการคลัง ซึ่งเป็นฐานข้อมูลของประชาชนและผู้ประกอบการที่เข้าร่วมโครงการช่วยเหลือเยียวยาและกระตุ้นเศรษฐกิจในช่วงการแพร่ระบาดของโรคติดเชื้อไวรัสโคโรนา (COVID-19) ในส่วนของกระทรวงการคลัง รวมกว่า 47.0 ล้านคน (คิดเป็นสัดส่วนร้อยละ 71.0 ของประชากรทั้งประเทศ) โดยสามารถแบ่งประชาชนออกเป็น 5 กลุ่ม ได้แก่ 1) กลุ่มผู้ถือบัตรสวัสดิการแห่งรัฐจำนวน 13.3 ล้านคน (ข้อมูล ณ วันที่ 1 กรกฎาคม 2565) 2) กลุ่มแรงงานประกอบอาชีพอิสระที่เข้าร่วมมาตรการช่วยเหลือเงินเยียวยา 5,000 บาท ต่อเนื่อง 3 เดือน (โครงการเราไม่ทิ้งกัน) จำนวน 15.3 ล้านคน 3) กลุ่มผู้ใช้งานแอพพลิเคชั่น “เป๋าตัง” ในโครงการคนละครึ่งระยะที่ 1 2 และ 3 จำนวน 26.3 ล้านคน 4) กลุ่มผู้ประกอบการรายย่อยที่ใช้งานแอพพลิเคชั่น “ถุงเงิน” ในโครงการคนละครึ่งระยะที่ 1 2 และ 3 จำนวน 1.3 ล้านคน และ 5) กลุ่มผู้ต้องการความช่วยเหลือเป็นพิเศษที่ใช้จ่ายผ่านบัตรประชาชนในโครงการเราชนะ จำนวน 2.5 ล้านคน ทั้งนี้ คณะผู้จัดทำจะนำข้อมูลส่วนนี้ ไปบูรณาการร่วมกับข้อมูลต่าง ๆ เพื่อวิเคราะห์ปัจจัยพื้นฐานทางเศรษฐกิจในแต่ละกลุ่มคนที่มีลักษณะแตกต่างกัน

4. การจัดทำระบบแสดงผลข้อมูล (Data Visualization)

ภายหลังการดำเนินกระบวนการเชื่อมโยงฐานข้อมูลและคำนวณ SEFI เสร็จสิ้น คณะผู้ศึกษาได้ใช้โปรแกรม Tableau ซึ่งเป็นโปรแกรมที่ได้รับความนิยมมากในการสร้าง Dashboard ในเชิงธุรกิจ เพื่อแสดงผลการบูรณาการฐานข้อมูล (Data Visualization) ในลักษณะรายงาน Interactive Dashboard บนระบบ FPO Infohub ของ สศค. ซึ่งได้จัดทำขึ้นโดยมีวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยพื้นฐานทางเศรษฐกิจรายตำบล อำเภอ และจังหวัดทั้ง 88 ตัวชี้วัด ครอบคลุม 6 ด้านต่าง ๆ โดยคณะผู้ศึกษาได้จัดทำ Dashboard ที่แสดงข้อมูลดัชนี SEFI รายพื้นที่ เป็นแผนที่และแผนผังต้นไม้ (Tree Map) ซึ่งสามารถลงรายละเอียดย่อยได้ถึงระดับตำบล รวมถึงจัดทำแถบการเรียงลำดับ (Ranking) เพื่อจัดอันดับ SEFI ในแต่ละด้าน และสามารถเรียกดูกราฟข้อมูลได้ทั้งหมด 88 ตัวชี้วัด ทั้งนี้ ผู้ใช้งาน (Users) สามารถปรับเลือกตัวกรอง (Filters) ได้หลากหลายรูปแบบ ได้แก่ 1) ตัวกรองพื้นที่ (เมืองหลัก/รอง ภูมิภาค จังหวัด อำเภอ และตำบล) 2) ตัวกรองลักษณะบุคคล (เพศ อาชีพ รายได้ การศึกษา และกลุ่มอายุ) และ 3) ตัวกรองกลุ่มคน (กลุ่มผู้ถือบัตรสวัสดิการแห่งรัฐ แรงงานประกอบอาชีพอิสระ ผู้ใช้งานแอพพลิเคชั่นเป๋าตัง ผู้ประกอบการที่ใช้งานแอพพลิเคชั่นถุงเงิน และผู้ต้องการความช่วยเหลือพิเศษ)

5. ปัจจัยพื้นฐานทางเศรษฐกิจมีความสำคัญอย่างไร?

          จากการทดสอบความสัมพันธ์ระหว่างดัชนีทั้ง 2 ตัวกับข้อมูลที่บ่งชี้ผลสัมฤทธิ์ทางเศรษฐกิจ อาทิ รายได้ต่อหัวของประชากร (GDP per Capita) สัดส่วนผู้ถือบัตรสวัสดิการแห่งรัฐของกระทรวงการคลังต่อประชากร ค่าครองชีพ พบว่า 1) ค่าสัมประสิทธิ์สหสัมพันธ์ (Correlation Coefficient) ระหว่าง SEFI และ GDP per Capita รายจังหวัด อยู่ที่ 0.534 2) Correlation Coefficient ระหว่าง SEFI และค่าครองชีพรายจังหวัด อยู่ที่ 0.680 และ (3) Correlation Coefficient ระหว่าง SEFI และสัดส่วนผู้ถือบัตรสวัสดิการแห่งรัฐรายจังหวัด อยู่ที่ 0.621 แสดงดังภาพที่ 4 

นอกจากนี้ หากตั้งสมมติฐานว่าการที่ปัจจัยพื้นฐานทางเศรษฐกิจในพื้นที่มีความพร้อมสูง น่าจะมีความสัมพันธ์กับความอยู่ดีกินดีของประชาชน ในที่นี้สะท้อนจากระดับ Labor Productivity หรือผลิตภาพการผลิตของแรงงานโดยอาศัยข้อมูลจากการสำรวจ จปฐ ของกระทรวงมหาดไทย แล้วนำมาคำนวณผลิตภาพแรงงานทั้งในและนอกภาคเกษตรแล้วนำมาแสดงดังภาพที่ 5 

ผลการทดสอบพบว่าระดับ SEFI รายอำเภอ และระดับผลิตภาพแรงงานรายอำเภอทั้งในภาคการเกษตรและนอกภาคการเกษตรมีความสัมพันธ์กันอย่างมีนัยสำคัญทางสถิติ (ทดสอบด้วย Spearman Rank Correlation) แสดงให้เห็นว่า ปัจจัยพื้นฐานทางเศรษฐกิจในพื้นที่ที่ดีจะมาพร้อมกับความกินดีอยู่ดีของประชาชนในพื้นที่ไม่ว่าประกอบอาชีพในหรือนอกเกษตรก็ตาม ซึ่งถือเป็นปัจจัยสำคัญในเชิงนโยบายที่ควรให้ความสำคัญในการพัฒนาเศรษฐกิจเชิงพื้นที่

6. ผลการศึกษา

การวิเคราะห์ประมวลผลด้านการชี้วัดความพร้อมของปัจจัยพื้นฐานทางเศรษฐกิจรายตำบล อำเภอ และจังหวัด ดังภาพที่ 6 เพื่อให้เห็นถึงความแตกต่างของความพร้อมของปัจจัยพื้นฐานทางเศรษฐกิจในแต่ละพื้นที่ซึ่งจำเป็นต้องมีการดำเนินนโยบายเชิงพื้นที่ที่แตกต่างกัน เมื่อพิจารณาแผนที่ SEFI ทั้ง 878 อำเภอทั่วประเทศ สะท้อนให้ว่า พื้นที่ตอนกลางของประเทศมีปัจจัยพื้นฐานทางเศรษฐกิจที่เข็มแข็ง โดยเฉพาะพื้นที่เขตอำเภอของจังหวัดในเขตปริมณฑลและหัวเมืองเศรษฐกิจสำคัญของประเทศ นำโดยจังหวัดนนทบุรี (อำเภอเมือง บางกรวย บางใหญ่ ปากเกร็ด และบางบัวทอง) รองลงมาคือ ปทุมธานี (อำเภอเมือง ลำลูกกา คลองหลวง และธัญบุรี) ภูเก็ต (อำเภอเมือง กะทู้ และถลาง) สมุทรปราการ (อำเภอเมืองและบางพลี) และชลบุรี (อำเภอเมืองและเกาะสีชัง) ตามลำดับ โดยแนวทางการพัฒนาพื้นที่เหล่านี้ ควรส่งเสริมให้ภาคเอกชนเข้ามามีส่วนร่วมในการขับเคลื่อนเศรษฐกิจแทนเพื่อประหยัดทรัพยากรภาครัฐและนำไปทรัพยากรของรัฐไปกระจายให้กับพื้นที่อำเภออื่น ๆ ที่ด้อยพัฒนากว่า  ขณะที่พื้นที่ส่วนใหญ่ของภาคตะวันออกเฉียงเหนือ เช่น จังหวัดบุรีรัมย์ (อำเภอพลับพลาชัย แคนดง และสตึก) สุรินทร์ (อำเภอพนมดงรัก กาบเชิง และรัตนบุรี) บึงกาฬ (อำเภอเซกา) นครราชสีมา (อำเภอขามสะแกแสง เมืองยาง และพระทองคำ) สกลนคร (อำเภอโพนนาแก้ว) ชัยภูมิ (อำเภอซับใหญ่) เป็นต้น และบางส่วนของภาคเหนือ เช่น จังหวัดแม่ฮ่องสอน (อำเภอสบเมย แม่สะเรียง และแม่ลาน้อย) น่าน (อำเภอเฉลิมพระเกียรติ) ตาก (อำเภอท่าสองยาง) และภาคใต้ อย่างจังหวัดนราธิวาส (อำเภอเจาะไอร้อง จะแนะ และสุคิริน) นครศรีธรรมราช (อำเภอปากพนัง และนบพิตำ) กระบี่ (อำเภอเกาะลันตา) ยังมีปัจจัยพื้นฐานทางเศรษฐกิจที่อ่อนแอกว่า ซึ่งยังต้องการความช่วยเหลืออย่างเร่งด่วน โดยควรยกระดับประสิทธิภาพทางการผลิตและความพร้อมของปัจจัยพื้นฐานด้านต่าง ๆ ไปพร้อมกัน และรัฐบาลอาจให้ความช่วยเหลือด้านสวัสดิการของประชาชนในพื้นที่ควบคู่กันไปด้วย

อีกทั้ง จากการวิเคราะห์ Cluster Analysis โดยอาศัยวิธี Local Indicators of Spatial Association (LISA) ดังภาพที่ 7 เพื่อแสดงความสัมพันธ์ระหว่างอำเภอหนึ่ง ๆ และอำเภอข้างเคียง ว่ามีความสัมพันธ์อย่างมีนัยสำคัญทางสถิติอย่างไร โดยจากผลการวิเคราะห์ LISA พบว่า พื้นที่อำเภอในแถบตอนกลางของประเทศทั้งบริเวณปริมณฑลรอบ ๆ กรุงเทพมหานคร รวมทั้ง บางส่วนของภาคกลางและภาคตะวันออกมีความสัมพันธ์แบบ High-High เหมือนกัน แสดงถึงความเป็นคลัสเตอร์ที่อำเภอตนเองและอำเภอข้างเคียง มีระดับคะแนน SEFI สูงไปด้วยกัน รวมถึงมีผลิตภาพแรงงานในภาคเกษตรและภาคนอกเกษตรสูงไปด้วยกัน ขณะที่พื้นที่ส่วนใหญ่ของภาคตะวันออกเฉียงเหนือ พื้นที่บางส่วนของภาคเหนือและภาคใต้ตอนล่าง มีความสัมพันธ์แบบ Low-Low เหมือนกัน แสดงถึงความเป็นคลัสเตอร์ที่อำเภอตนเองและอำเภอข้างเคียงมีระดับคะแนน SEFI ต่ำไปด้วยกัน มีผลิตภาพแรงงานในภาคเกษตรและนอกภาคเกษตรต่ำไปด้วยกัน แสดงถึงความชัดเจนของความสัมพันธ์เชิงพื้นที่แบบคลัสเตอร์ ที่ความพร้อมของปัจจัยพื้นฐานทางเศรษฐกิจและรายได้ของแรงงาน ไม่ว่าจะเป็นภาคเกษตรหรือภาคนอกเกษตร มีความแปรผันตามกัน ดังนั้น จากผลการวิเคราะห์ดังกล่าว ภาครัฐสามารถดำเนินนโยบายการคลังในพื้นที่ที่ความพร้อมของปัจจัยพื้นฐานทางเศรษฐกิจสูง ซึ่งจะทำให้เกิดความมั่งคั่งของประชาชนในพื้นที่ไม่ว่าจะประกอบอาชีพใดก็ตาม ทั้งภาคเกษตรและนอกเกษตร อันเป็นผลให้เกิดการขยายตัวทางเศรษฐกิจ

7. บทสรุป

ดัชนีปัจจัยพื้นฐานทางเศรษฐกิจเชิงพื้นที่ (Spatial Economic Fundamentals Index, SEFI) เป็นการบูรณาการฐานข้อมูลขนาดใหญ่ด้านเศรษฐกิจจากแหล่งข้อมูลที่หลากหลายไม่ว่าจะเป็นข้อมูลความจำเป็นพื้นฐาน (จปฐ) ข้อมูลดาวเทียมและภูมิสารสนเทศ ข้อมูลมาตรการรัฐ และข้อมูลปัจจัยพื้นฐานทางเศรษฐกิจของหน่วยงานภาครัฐและเอกชนต่าง ๆ เพื่อนำมาประมวลผลด้วยเทคโนโลยี Data Science สมัยใหม่ โดย SEFI จะเป็นประโยชน์ต่อการจัดสรรทรัพยากรภาครัฐเพื่อไปพัฒนาในพื้นที่ที่ยังมีความพร้อมในเชิงปัจจัยพื้นฐานทางเศรษฐกิจเพื่อให้เศรษฐกิจของประเทศเติมโตอย่างทั่วถึงและยั่งยืน อีกทั้งภาครัฐยังสามารถใช้ SEFI ที่พัฒนาขึ้นนี้ในการจัดทำนโยบายที่มีเป้าหมาย (Targeted Policy) เพื่อให้พื้นที่ที่ยังมีปัญหาในเชิงปัจจัยพื้นฐานทางเศรษฐกิจในด้านต่างๆ ไม่ว่าจะเป็นโครงสร้างพื้นฐาน เศรษฐกิจ ทรัพยากรมนุษย์ และสิ่งแวดล้อม ได้รับการแก้ไขปัญหาอย่างถูกฝาถูกตัวและประหยัดทรัพยากรของรัฐ ดังนั้น จึงสามารถนำไปประยุกต์ใช้ในการพัฒนาเศรษฐกิจในด้านต่าง ๆ อาทิ

1) การประเมินจุดแข็งและจุดอ่อนเชิงพื้นที่เพื่อประโยชน์ในการจัดทำข้อเสนอแนะในการพัฒนาเชิงพื้นที่ไม่ว่าจะเป็นการต่อยอดจุดแข็ง และการแก้ไขจุดอ่อนของพื้นที่ เพื่อส่งเสริมการเติบโตทางเศรษฐกิจ 2) การนำไปใช้ในการประเมินการดำเนินมาตรการการเงิน/การคลัง อาทิ บัตรสวัสดิการแห่งรัฐ เราชนะ และคนละครึ่ง เป็นต้น เพื่อประเมินว่าประชาชนในพื้นที่ที่มีระดับปัจจัยพื้นฐานทางเศรษฐกิจที่แตกต่างกันได้รับประโยชน์จากมาตรการของรัฐอย่างเหมาะสมหรือไม่ อย่างไร

ชัยวัฒน์ หาญพิทักษ์พงศ์ ดร.กวิน เอี่ยมตระกูล นรพัชร์ อัศววัลลภ บุณฑริกา ชลพิทักษ์วงศ์ ปภัช สุจริตตานันท์ สัณหณัฐ เศรษฐศักดาศิริ