หน้าหลัก
Introduction to Econometrics
Ajarn.Kwan @ เศรษฐศาสตร์ รามคำแหง
🌱

Introduction to Econometrics
ปูพื้นฐานเศรษฐมิติ

สำหรับคนที่เริ่มจากศูนย์ ไม่ต้องกลัวเลข
ค่อยๆ เรียนทีละก้าว ทำได้แน่นอนค่ะ

✦ Self-learning โดย Ajarn Kwan

เชื่อเถอะ… เศรษฐมิติไม่ได้น่ากลัวอย่างที่คิดค่ะ ถ้าเราเข้าใจ "ทำไม" ก่อน "ยังไง" ทุกอย่างจะง่ายขึ้นเอง คอร์สนี้ออกแบบมาให้คนที่กลัวคณิตศาสตร์โดยเฉพาะ เราจะใช้ภาษาง่ายๆ ตัวอย่างจริงจากชีวิตประจำวัน และค่อยๆ ไต่ระดับไปด้วยกันนะคะ 🧡

✏️

ก่อนเริ่ม… ลองทำ 3 ข้อนี้ดูค่ะ

ไม่ใช่ข้อสอบนะคะ แค่ลองดูว่าพื้นฐานที่มีอยู่เพียงพอแล้ว!

🎉 เห็นไหมคะ ทำได้! คณิตศาสตร์ที่ใช้ในเศรษฐมิติไม่ได้ยากไปกว่านี้เลย เริ่มเรียนกันเลยค่ะ!
💛 ไม่เป็นไรเลยค่ะ! ข้อที่พลาดไป บทเรียนด้านล่างจะสอนทั้งหมด ค่อยๆ เรียนไปด้วยกันนะคะ
📊 ความก้าวหน้า 0 / 6 บทเรียน
🤔

บทที่ 1 : เศรษฐมิติคืออะไร?

ทำความรู้จักก่อนว่าเราจะเรียนอะไร ทำไมต้องเรียน

ยังไม่ได้เรียน
▼

🎯 เศรษฐมิติ = เครื่องมือหาคำตอบ

ลองนึกภาพว่าเราเป็น "นักสืบทางเศรษฐกิจ" ค่ะ เรามีคำถามมากมาย เช่น:

▸ ถ้ารัฐบาลขึ้นค่าแรงขั้นต่ำ คนจะตกงานมากขึ้นจริงไหม?
▸ การเรียนจบปริญญาตรี ทำให้รายได้เพิ่มขึ้นจริงหรือเปล่า?
▸ ราคาน้ำมันแพงขึ้น คนใช้รถน้อยลงแค่ไหน?

เศรษฐมิติ (Econometrics) คือเครื่องมือที่ช่วยให้เราตอบคำถามเหล่านี้ด้วย ข้อมูลจริง ไม่ใช่แค่เดาๆ ค่ะ

🧩 สามส่วนประกอบของเศรษฐมิติ

ทฤษฎีเศรษฐศาสตร์
＋
คณิต + สถิติ
＋
ข้อมูลจริง
＝
เศรษฐมิติ ✨

พูดง่ายๆ คือเราเอา "ทฤษฎี" มาตั้งเป็นสมมติฐาน แล้วใช้ "คณิตศาสตร์และสถิติ" เป็นเครื่องมือ ทดสอบกับ "ข้อมูลจริง" ว่าทฤษฎีนั้นจริงไหมค่ะ

💡 ตัวอย่างให้เห็นภาพ

ตัวอย่าง: เรียนมากขึ้น → รายได้มากขึ้น?

ทฤษฎี: ทฤษฎีทุนมนุษย์บอกว่า ยิ่งเรียนสูง รายได้ยิ่งสูง

ข้อมูล: สำรวจคน 1,000 คน เก็บข้อมูลว่าเรียนกี่ปี รายได้เท่าไหร่

เศรษฐมิติ: ใช้สถิติวิเคราะห์ → เรียนเพิ่ม 1 ปี เงินเดือนเพิ่มประมาณ 8%

💡 เคล็ดลับ: ไม่ต้องเข้าใจตัวเลขตอนนี้ ขอแค่จำว่า "เศรษฐมิติ = ใช้ข้อมูลพิสูจน์ว่าสิ่งที่เราคิดมันจริงไหม" ค่ะ
🧪 เศรษฐมิติต่างจากเศรษฐศาสตร์ทั่วไปอย่างไร?
ก เศรษฐมิติใช้คณิตศาสตร์ เศรษฐศาสตร์ไม่ใช้เลย
ข เศรษฐมิติเน้นทดสอบทฤษฎีด้วย "ข้อมูลจริง" และ "สถิติ"
ค เศรษฐมิติเรียนเฉพาะเรื่องเงินเท่านั้น
✅ ถูกต้องค่ะ! เศรษฐมิติคือการนำข้อมูลจริงมาทดสอบทฤษฎีทางเศรษฐศาสตร์ ผ่านเครื่องมือทางสถิติ เป็นการ "พิสูจน์" ไม่ใช่แค่ "คิด" ค่ะ
❌ ลองคิดใหม่นะคะ จุดสำคัญคือเศรษฐมิติใช้ "ข้อมูลจริง" มาทดสอบว่าทฤษฎีนั้นจริงไหม เศรษฐศาสตร์ทั่วไปก็ใช้คณิตศาสตร์เหมือนกันค่ะ
📐

บทที่ 2 : คณิตพื้นฐานที่ต้องรู้ (ไม่ยากเลย!)

ทบทวนพีชคณิตง่ายๆ ที่จะใช้ตลอดวิชา

ยังไม่ได้เรียน
▼
🤗 อย่าเพิ่งตกใจนะคะ! คณิตศาสตร์ที่ใช้ในเศรษฐมิติส่วนใหญ่คือสิ่งที่เราเคยเรียนมาแล้ว แค่อาจลืมไปบ้าง เราจะทบทวนไปด้วยกันค่ะ

📝 สมการเส้นตรง Y = a + bX

นี่คือหัวใจของเศรษฐมิติเลยค่ะ! ลองนึกภาพง่ายๆ:

Y = a + bX Y = สิ่งที่เราอยากรู้  |  X = สิ่งที่มีผลต่อ Y  |  a = จุดเริ่มต้น  |  b = อัตราการเปลี่ยน
ตัวอย่าง: ค่าไอศกรีม

สมมติ ไอศกรีมสกูปละ 30 บาท โคนราคา 10 บาท

ราคาที่ต้องจ่าย = 10 + 30 × จำนวนสกูป
→ สั่ง 1 สกูป: 10 + 30(1) = 40 บาท
→ สั่ง 2 สกูป: 10 + 30(2) = 70 บาท
→ สั่ง 3 สกูป: 10 + 30(3) = 100 บาท

1 สกูป → ราคา = 10 + 30(1) = 40 บาท
ℹ️ ตัว b = 30 คือตัวที่บอกว่า "ถ้า X เพิ่มขึ้น 1 หน่วย, Y จะเปลี่ยนไปเท่าไหร่" — ในเศรษฐมิติ เราเรียกมันว่า สัมประสิทธิ์ (coefficient) ค่ะ ซึ่งตัวนี้แหละที่สำคัญมากๆ!

➕➖ การจัดรูปสมการ

ในเศรษฐมิติ เราจะต้องย้ายข้างสมการบ่อยๆ กฎง่ายๆ คือ:

ย้ายข้าง = เปลี่ยนเครื่องหมาย
▸ บวก ↔ ลบ
▸ คูณ ↔ หาร
ฝึกย้ายข้าง

ถ้า Y = 10 + 30X   แล้วเราอยากรู้ว่า X เท่าไหร่?

Y - 10 = 30X   (ย้าย 10 ไปลบอีกข้าง)
X = (Y - 10) / 30   (ย้าย 30 ไปหาร)

ถ้า Y = 100:   X = (100 - 10) / 30 = 3 สกูป! 🍦

📊 ค่าเฉลี่ย (Mean) — ง่ายกว่าที่คิด

ค่าเฉลี่ยคือ "ตัวแทน" ของข้อมูลทั้งหมดค่ะ คำนวณโดย:

ค่าเฉลี่ย = ผลรวมทั้งหมด ÷ จำนวนข้อมูล เช่น คะแนนสอบ 60, 70, 80 → ค่าเฉลี่ย = (60+70+80) ÷ 3 = 70
🎉 แค่นี้เองค่ะ! ถ้าบวกเลขได้ หารเลขได้ ก็คำนวณค่าเฉลี่ยได้แล้ว ซึ่งค่าเฉลี่ยนี่แหละเป็นพื้นฐานสำคัญมากๆ ในเศรษฐมิติค่ะ
🧪 ในสมการ Y = 5 + 2X ถ้า X = 4 แล้ว Y เท่ากับเท่าไหร่?
ก 9
ข 11
ค 13
✅ เก่งมากค่ะ! Y = 5 + 2(4) = 5 + 8 = 13 ง่ายใช่ไหมคะ ถ้าทำข้อนี้ได้ คุณมีพื้นฐานเพียงพอสำหรับเศรษฐมิติแล้วค่ะ!
❌ ลองใหม่นะคะ: แทนค่า X = 4 → Y = 5 + 2(4) = 5 + 8 = 13 ค่ะ อย่าลืมคูณก่อนบวกนะคะ!
📈

บทที่ 3 : ตัวแปร — พระเอกของเศรษฐมิติ

ตัวแปรต้น ตัวแปรตาม คืออะไร ใช้ยังไง

ยังไม่ได้เรียน
▼

🏷️ ตัวแปรคืออะไร?

"ตัวแปร" ก็คือ "สิ่งที่เปลี่ยนแปลงได้" ค่ะ ในชีวิตจริง ตัวแปรอยู่รอบตัวเราเลย:

▸ อุณหภูมิในแต่ละวัน (เปลี่ยนไปเรื่อย)
▸ เงินเดือนของแต่ละคน (ไม่เท่ากัน)
▸ ราคาหุ้นในแต่ละวัน (ขึ้นๆ ลงๆ)

🎯 ตัวแปรตาม (Y) vs ตัวแปรต้น (X)

ในเศรษฐมิติ เราแบ่งตัวแปรเป็น 2 กลุ่มหลักค่ะ:

ตัวแปรตาม (Y) ตัวแปรต้น (X)
🏷️ ชื่อเรียก Dependent Variable Independent Variable
🎭 บทบาท สิ่งที่เราอยากอธิบาย สิ่งที่เราใช้อธิบาย
🍦 ยอดขายไอศกรีม อุณหภูมิ
💰 เงินเดือน จำนวนปีที่เรียน
🏠 ราคาบ้าน ขนาดพื้นที่
💡 เคล็ดลับจำง่ายๆ: ตัวแปรตามคือตัวที่ "ตาม" ตัวอื่นไป เช่น ยอดขายไอศกรีม "ตาม" อุณหภูมิ — ร้อนมากขายดี ร้อนน้อยขายไม่ดี ค่ะ

🔍 ทำไมต้องแยก Y กับ X?

เพราะเป้าหมายของเศรษฐมิติคือการหาว่า "X มีผลต่อ Y แค่ไหน" ค่ะ

ตัวอย่าง

เราอยากรู้ว่า "การเรียนเพิ่ม 1 ปี ทำให้เงินเดือนเพิ่มขึ้นกี่บาท?"

Y = เงินเดือน, X = จำนวนปีที่เรียน

เศรษฐมิติจะช่วยตอบว่า "เรียนเพิ่ม 1 ปี → เงินเดือนเพิ่มประมาณ 3,000 บาท" (เป็นตัวอย่างนะคะ)

🧪 ถ้าเราอยากรู้ว่า "จำนวนชั่วโมงที่อ่านหนังสือ" มีผลต่อ "เกรด" ไหม ตัวแปรตาม (Y) คืออะไร?
ก จำนวนชั่วโมงที่อ่านหนังสือ
ข เกรด
ค จำนวนวิชาที่ลงทะเบียน
✅ ถูกต้องค่ะ! "เกรด" คือสิ่งที่เราอยากอธิบาย จึงเป็นตัวแปรตาม (Y) ส่วน "ชั่วโมงอ่านหนังสือ" เป็นตัวแปรต้น (X) ที่เราคิดว่ามีผลต่อเกรดค่ะ
❌ ลองคิดใหม่นะคะ ตัวแปรตามคือสิ่งที่เราอยากอธิบาย ในที่นี้คือ "ผลลัพธ์" ที่เราสนใจ ซึ่งก็คือ "เกรด" ค่ะ
🔗

บทที่ 4 : ความสัมพันธ์ระหว่างตัวแปร

สหสัมพันธ์ vs สาเหตุ — สิ่งที่ต้องแยกให้ออก

ยังไม่ได้เรียน
▼

📊 สหสัมพันธ์ (Correlation) คืออะไร?

สหสัมพันธ์ = ตัวแปรสองตัว "เคลื่อนที่ไปด้วยกัน" ค่ะ

ทิศทางบวก (+): X เพิ่ม → Y เพิ่มด้วย
เช่น อุณหภูมิสูง → ยอดขายไอศกรีมเพิ่ม 🍦☀️

ทิศทางลบ (−): X เพิ่ม → Y ลดลง
เช่น ราคาสินค้าสูง → ปริมาณซื้อลดลง 📉💰

⚠️ Correlation ≠ Causation!

นี่คือกับดักสำคัญที่สุดในเศรษฐมิติค่ะ: "เกี่ยวข้องกัน" ไม่ได้แปลว่า "เป็นสาเหตุ"

ตัวอย่างสนุกๆ

📌 ข้อมูลพบว่า "ยอดขายไอศกรีม" กับ "จำนวนคนจมน้ำ" เพิ่มขึ้นด้วยกัน!

หมายความว่าไอศกรีมทำให้คนจมน้ำ? 🤣

ไม่ใช่ค่ะ! ทั้งสองอย่างเกิดขึ้นเพราะ "อากาศร้อน" (ตัวแปรซ่อน) ทำให้คนกินไอศกรีมมากขึ้น "และ" ไปเล่นน้ำมากขึ้นค่ะ

ℹ️ ตัวแปรซ่อนที่ไปมีผลต่อทั้ง X และ Y เราเรียกว่า Confounding Variable ค่ะ เศรษฐมิติมีเครื่องมือจัดการกับปัญหานี้ ซึ่งจะได้เรียนในวิชาจริงค่ะ

📏 วัดความสัมพันธ์ด้วยค่า r

ค่าสหสัมพันธ์ (r) อยู่ระหว่าง -1 ถึง +1 ค่ะ:

ค่า r ความหมาย ตัวอย่าง
+1 สัมพันธ์บวกสมบูรณ์ ไปด้วยกันเป๊ะ!
0 ไม่สัมพันธ์กัน ไม่เกี่ยวกันเลย
-1 สัมพันธ์ลบสมบูรณ์ สวนทางกันเป๊ะ!
💡 ในโลกจริง r ไม่ค่อยได้เท่ากับ +1 หรือ -1 เป๊ะๆ หรอกค่ะ ส่วนใหญ่จะอยู่ระหว่างนั้น เช่น r = 0.7 แปลว่า "สัมพันธ์กันค่อนข้างมากในทิศทางบวก"
🧪 "ยิ่งกินวิตามินซีมาก ยิ่งเป็นหวัดบ่อย" ข้อมูลนี้บอกอะไรเราได้?
ก วิตามินซีทำให้เป็นหวัด
ข มีความสัมพันธ์กัน แต่ยังสรุปไม่ได้ว่าเป็นสาเหตุ
ค ข้อมูลผิดแน่นอน ไม่มีทางเป็นไปได้
✅ ถูกต้องค่ะ! Correlation ≠ Causation เสมอ อาจเป็นเพราะ "คนที่เป็นหวัดบ่อยจึงกินวิตามินซีมาก" (สาเหตุสลับกัน) หรือมีตัวแปรอื่นซ่อนอยู่ก็ได้ค่ะ
❌ อย่าลืมนะคะ: ข้อมูลที่ "สัมพันธ์กัน" ไม่ได้แปลว่า "เป็นสาเหตุ" เสมอไป ต้องวิเคราะห์ลึกกว่านั้นค่ะ
📉

บทที่ 5 : การถดถอยเชิงเส้น (ไม่น่ากลัว!)

หัวใจของเศรษฐมิติ — เข้าใจแบบง่ายๆ

ยังไม่ได้เรียน
▼

📐 Regression = ลากเส้นให้พอดีที่สุด

ลองนึกภาพว่าเราจุดข้อมูลลงบนกราฟค่ะ แล้วลากเส้นตรงเส้นหนึ่งให้ "ใกล้" จุดทุกจุดมากที่สุด นั่นแหละคือ regression!

Y = β₀ + β₁X + ε β₀ = จุดตัดแกน Y  |  β₁ = ความชัน  |  ε = ความคลาดเคลื่อน (error)
🤗 อย่าตกใจสัญลักษณ์! β (เบตา) ก็แค่ชื่อเรียกค่ะ ถ้าเขียนเป็นภาษาคนก็คือ:

สิ่งที่อยากรู้ = จุดเริ่มต้น + (ผลกระทบ × ตัวที่มีอิทธิพล) + สิ่งที่เราอธิบายไม่ได้
🎮 ลองเล่นกราฟ Regression ด้วยตัวเองค่ะ!
สมการ
Y = 10 + 2.5X
R²
—
💡 ลองปรับค่า β₁ ดูค่ะ — สังเกตว่าเส้นเปลี่ยนความชันไหม? เส้นสีแดงเล็กๆ คือ "ε (error)" ระยะห่างระหว่างจุดข้อมูลจริงกับเส้นทำนายค่ะ

🎯 ทำไมต้องมี ε (error)?

เพราะในโลกจริง ไม่มีอะไรเป๊ะ 100% ค่ะ

ตัวอย่าง

สมมติเราสำรวจว่า "เรียนเพิ่ม 1 ปี → เงินเดือนเพิ่ม 3,000 บาท"

แต่ในความจริง คนที่เรียนเท่ากันก็ได้เงินไม่เท่ากัน เพราะมีปัจจัยอื่นอีกมากมาย เช่น ความสามารถ, โชค, คอนเนกชัน ฯลฯ

สิ่งเหล่านี้ถูก "ซ่อน" อยู่ใน ε ค่ะ

🔑 ค่าที่สำคัญที่สุด: β₁

β₁ (beta one) คือตัวเลขที่ตอบคำถามงานวิจัยค่ะ มันบอกว่า:

"ถ้า X เพิ่มขึ้น 1 หน่วย → Y จะเปลี่ยนไปเท่าไหร่ โดยเฉลี่ย"
อ่านค่า β₁

ถ้า β₁ = 3,000 ในสมการ เงินเดือน = 15,000 + 3,000(ปีที่เรียน)

แปลว่า: "เรียนเพิ่ม 1 ปี → เงินเดือนเพิ่มขึ้นเฉลี่ย 3,000 บาท"

คนเรียน 12 ปี (ม.6): 15,000 + 3,000(12) = 51,000 บาท
คนเรียน 16 ปี (ป.ตรี): 15,000 + 3,000(16) = 63,000 บาท

🎉 ถ้าเข้าใจ β₁ ได้ แปลว่าคุณเข้าใจแก่นของเศรษฐมิติแล้วค่ะ! บทเรียนที่เหลือจะเป็นเรื่องของ "ทำยังไงให้ β₁ ถูกต้องน่าเชื่อถือ" ซึ่งจะได้เรียนในวิชาจริงค่ะ

📊 R² — โมเดลอธิบายได้ดีแค่ไหน?

เมื่อเราลากเส้น regression แล้ว คำถามต่อมาคือ "เส้นนี้อธิบายข้อมูลได้ดีแค่ไหน?" คำตอบคือ R² (R-squared) ค่ะ

R² อยู่ระหว่าง 0 ถึง 1 0 = อธิบายไม่ได้เลย  |  1 = อธิบายได้สมบูรณ์แบบ

ลองนึกภาพง่ายๆ ค่ะ:

R² = 0.75 หมายความว่า…

โมเดลของเราอธิบายการเปลี่ยนแปลงของ Y ได้ 75%

อีก 25% ที่เหลือ เป็นสิ่งที่โมเดลอธิบายไม่ได้ (ซ่อนอยู่ใน ε)

75%
โมเดลอธิบายได้ 🟢 อธิบายไม่ได้ (ε) 🔴
ℹ️ R² สูง = ดีเสมอไหม? ไม่เสมอไปค่ะ! R² สูงมากๆ อาจหมายความว่าโมเดล "พยายามมากเกินไป" (overfitting) ในทางกลับกัน R² ต่ำก็ไม่ได้แปลว่าไร้ประโยชน์ ถ้า β₁ มีนัยสำคัญทางสถิติก็ยังบอกอะไรเราได้ค่ะ
💡 ลองกลับไปเล่นกราฟด้านบน! ปรับ β₀ และ β₁ แล้วดูว่า R² เปลี่ยนไหม — ค่า R² จะสูงเมื่อเส้นตรง "ใกล้" จุดข้อมูลมากที่สุดค่ะ
🧪 ในสมการ ยอดขาย = 100 + 50(อุณหภูมิ) + ε ถ้าอุณหภูมิเพิ่มขึ้น 1 องศา ยอดขายจะเปลี่ยนไปอย่างไร?
ก เพิ่มขึ้น 100 หน่วย
ข เพิ่มขึ้น 50 หน่วยโดยเฉลี่ย
ค เพิ่มขึ้น 150 หน่วย
✅ เยี่ยมค่ะ! β₁ = 50 หมายความว่าอุณหภูมิเพิ่ม 1 องศา → ยอดขายเพิ่มขึ้นเฉลี่ย 50 หน่วย ส่วน 100 เป็นแค่จุดเริ่มต้น (β₀) ค่ะ
❌ ลองดูดีๆ นะคะ ค่า β₁ คือตัวเลขที่ "คูณ" กับ X ในที่นี้คือ 50 มันบอกว่า X เพิ่ม 1 → Y เพิ่มเท่าไหร่ค่ะ
🗺️

บทที่ 6 : เตรียมพร้อมเข้าเรียนเศรษฐมิติ

สรุปสิ่งที่เรียนมา + แผนที่ของวิชา

ยังไม่ได้เรียน
▼

🎯 สรุปสิ่งที่เรียนมาทั้งหมด

✅ เศรษฐมิติ = ใช้ข้อมูลจริงพิสูจน์ทฤษฎีเศรษฐศาสตร์
✅ สมการเส้นตรง Y = a + bX — พื้นฐานสำคัญ
✅ ตัวแปรตาม (Y) คือสิ่งที่อยากอธิบาย, ตัวแปรต้น (X) คือตัวที่ใช้อธิบาย
✅ Correlation ≠ Causation — สัมพันธ์กันไม่ได้แปลว่าเป็นสาเหตุ
✅ Regression = ลากเส้นให้พอดีกับข้อมูลมากที่สุด
✅ β₁ = ตัวเลขที่ตอบคำถามงานวิจัย
✅ R² = โมเดลอธิบายข้อมูลได้ดีแค่ไหน (0 ถึง 1)

🗺️ แผนที่ของวิชาเศรษฐมิติ

หัวข้อที่จะเจอเมื่อเข้าเรียนจริงค่ะ (ตอนนี้ไม่ต้องเข้าใจ แค่รู้ว่ามีอะไรรออยู่):

1
OLS — วิธีคำนวณหาเส้น regression ที่ดีที่สุด
2
Hypothesis Testing — ทดสอบว่า β₁ "จริงๆ" ≠ 0 ไหม
3
Multiple Regression — ใส่ตัวแปร X หลายตัว
4
ปัญหาที่ต้องระวัง — Multicollinearity, Heteroscedasticity ฯลฯ
5
หัวข้อขั้นสูง — Time Series, Panel Data, IV ฯลฯ
💡 อย่ากังวล! คำศัพท์อาจดูน่ากลัว แต่ทั้งหมดสร้างจากพื้นฐานที่เราเพิ่งเรียนมาค่ะ ถ้าเข้าใจ 6 บทเรียนนี้ ก็พร้อมเข้าเรียนจริงแล้ว!

💪 ข้อแนะนำก่อนเข้าเรียนจริง

1. ฝึกแทนค่าสมการบ่อยๆ — ทำจนเป็นอัตโนมัติ

2. จำ Correlation ≠ Causation — ทุกครั้งที่อ่านข่าว ลองถามตัวเองว่า "จริงเหรอ? หรือมีตัวแปรซ่อนอยู่?"

3. อย่ากลัวสัญลักษณ์ — β, ε, Σ ล้วนเป็นแค่ "ชื่อเล่น" ของตัวเลขค่ะ

4. เน้น "ทำไม" ก่อน "ยังไง" — เข้าใจว่าทำไปทำไมก่อน แล้วสูตรจะจำง่ายขึ้นเอง
🧪 ข้อใดเป็นสิ่งที่เศรษฐมิติ "ไม่สามารถ" ทำได้?
ก วัดผลกระทบของนโยบายรัฐบาล
ข พิสูจน์ความสัมพันธ์เชิงสาเหตุได้ 100% ทุกกรณี
ค ทดสอบว่าทฤษฎีเศรษฐศาสตร์สอดคล้องกับข้อมูลจริงไหม
✅ ยอดเยี่ยมค่ะ! เศรษฐมิติเป็นเครื่องมือที่ทรงพลัง แต่ก็มีข้อจำกัด การพิสูจน์ "เชิงสาเหตุ" ต้องใช้การออกแบบงานวิจัยที่ดี ไม่ใช่แค่กดปุ่มรันโปรแกรมค่ะ 🎓
❌ ลองคิดเรื่อง "Correlation ≠ Causation" ที่เราเรียนในบทที่ 4 ค่ะ เศรษฐมิติมีข้อจำกัดในเรื่องไหน?
สร้างด้วย 🧡 โดย Ajarn Kwan  |  📄 สรุป 1 หน้า

เรียนต่ออะไรดี?

ถ้ายังไม่มั่นใจ mean / variance
Math & Stats for Econ
ถ้าอยากจำศัพท์ regression
ศัพท์เศรษฐศาสตร์มหภาค
ถ้าอยากดูสรุป 1 หน้า
Cheat Sheet · Econometrics