20160308-038

138 บทที่ 5: การประเมนิ ขนาดของผลกระทบจากเหตกุ ารณ์วกิ ฤตที่มตี อ่ อุปสงค์การทอ่ งเที่ยว p และ P คือ อันดบั ของออโตรเี กรสซีฟ (Autoregressive order) ของสว่ นท่ีไม่มีและ มีฤดูกาล q และ Q คอื อันดับของค่าเฉลย่ี เคล่ือนที่ (Moving average order) ของสว่ นท่ีไมม่ ี และมฤี ดกู าล ∆d และ ∆D คือ ผลต่างอนั ดบั ที่ d และ D ของสว่ นท่ีไม่มีและมฤี ดูกาล φ1, … , φp และ Φ1, … , ΦP คือ พารามิเตอร์ของออโตรีเกรสซีฟของส่วนที่ไม่มีและ มีฤดกู าล θ1, … , θq และ Θ1, … ,ΘQ คือ พารามเิ ตอรข์ องคา่ เฉลยี่ เคลอื่ นทข่ี องสว่ นท่ีไมม่ แี ละ มีฤดกู าล εt คอื กระบวนการ White noise คือ ค่าคลาดเคล่ือน ณ เวลา t ภายใต้ ขอ้ สมมตวิ า่ คา่ คลาดเคลอ่ื น ณ เวลาทแี่ ตกตา่ งกนั เปน็ ตวั แปรสมุ่ ทเ่ี ปน็ อสิ ระ ตอ่ กนั และมกี ารแจกแจงแบบปกติ [εt ~ N (0 , σ2εt)] หากข้อมูลอนกุ รมเวลามี Outlier ที่ไม่สามารถอธบิ ายได้ สามารถเพิม่ ตัวแปร Outlier ดงั กล่าว ในแบบจำ�ลองในฐานะของตัวแปรถดถอย อย่างไรก็ตามหากการเปลี่ยนแปลงของข้อมูลอนุกรมเวลา เกดิ จากเหตกุ ารณผ์ ดิ ปกตทิ ท่ี ราบสาเหตขุ องการเกดิ และชว่ งเวลาทเ่ี กดิ เหตกุ ารณ์ สามารถใชก้ ารวเิ คราะห์ Intervention รว่ มกับแบบจำ�ลอง SARIMA หรือเรยี กว่า SARIMA with intervention ทเ่ี สนอโดย Box and Tiao (1975) ได้ แบบจ�ำ ลองดงั กลา่ วเปน็ หน่งึ ในแบบจ�ำ ลองกรณีเฉพาะ (Special case) ของ Transfer function โดยทวั่ ไปผลกระทบของ Intervention ท่ีมีตอ่ อนกุ รมเวลามี 2 ลกั ษณะ คอื ผลกระทบทเ่ี กิดขน้ึ แล้วคงอยูต่ ลอดไป (Step function) และผลกระทบทเี่ กิดขน้ึ ในชว่ งเวลาใดเวลาหนง่ึ แลว้ หมดไป (Pulse function) (Box andTiao, 1975) ความแตกตา่ งของผลกระทบทงั้ สองเปน็ ตวั ก�ำ หนดรปู แบบของตวั แปรหนุ่ ที่ใชใ้ นแบบจำ�ลอง จากรปู ท่ี5.6 และ5.7 ทเ่ี ปน็ กรณตี วั อยา่ งในการวเิ คราะหค์ รง้ั น้ี จะเหน็ ไดว้ า่ เหตกุ ารณว์ กิ ฤตทเี่ กดิ ขน้ึ ในชว่ งระหวา่ งปี พ.ศ.2544-2552 มผี ลกระทบตอ่ จ�ำ นวนนกั ทอ่ งเทยี่ วตา่ งชาตขิ องไทยในชว่ งเวลาใดเวลาหนง่ึ แลว้ หมดไป หรอื มลี ักษณะของผลกระทบแบบ Pulse function ดังนนั้ จงึ กำ�หนดดตวั แปร Intervention หรือตวั แปรหุ่นที่ใช้ในแบบจำ�ลอง SARIMA with intervention แบบ Pulse function ดงั มรี ายละเอียด พอสงั เขปดังน้ี เม่ือสมมติให้ PtT คือ Pulse indicator ท่มี คี า่ 0 และ 1 ภายใตเ้ ง่ือนไขดงั น้ี [5.3] 0, t ≠ T ; ไม่เกิดเหตุการณ์วิกฤต 1, t = T ; เกิดเหตุการณ์วิกฤต PtT =

เศรษฐมิติว่าด้วยการทอ่ งเท่ียว 139 ขI nอteงrvIennแtetลirovะneรปูnทtแiนี่oบnิยบมIสใnช่วteน้ rคvอืbentωคδioือ(n(BBใร))นะยกBะรbเณวโลี Pดาuยหlทsลeี่งั ωเfuกnิด(Bcเหt)ioตแnกุ ลคาะรือณδω์ว(กิBPฤ)tTตคสจือว่ นนโเฟพหตังลกิโุกน์ชาเรันมณขียอด์นงังฟผกงัลลกก่า์ชวรันะสท่งขผบอลขงกผอรลงะตกทรวั บะแทตปบ่อร ค่า Yt สามารถแสดงรูปแบบสมการ Intervention ได้ดังน้ี [5.4] ξt = ωδii (B) (B) Bbi PitT โดยท่ี i คอื จำ�นวนตัวแปร Intervention จากสมการที่ (5.1) Nt = Yt – ξt ดังน้นั สามารถเขียนสมการที่ (5.2) ให้อยู่ในรปู แบบของ Noise series ที่เปน็ สว่ นประกอบของแบบจำ�ลอง SARIMA with intervention ไดด้ ังน้ี [5.5] θq (B) ΘQ (BS) Nt = φp (B) ΦP (BS) ∆d ∆D εt S เม่อื แทนสมการท่ี (5.4) และ (5.5) ในสมการท่ี (5.1) จะได้สมการ SARIMA with intervention ดงั นี้ [5.6] ωδii (B) Bbi PitT θq (B) ΘQ (BS) εt (B) Yt = φp (B) ΦP (BS) ∆d ∆D S สมการท่ี (5.6) คอื สมการท่ีใชป้ ระเมนิ ความสญู เสยี ทเ่ี กดิ จากเหตกุ ารณว์ กิ ฤต ซงึ่ ในกรณตี วั อยา่ งน้ี คือ จำ�นวนนักท่องเที่ยวต่างชาติในแต่ละตลาด/ประเทศต้นทาง ส่วนเหตุการณ์วิกฤตหรือจำ�นวนตัวแปร Intervention ท่ีใชใ้ นกรณตี ัวอยา่ งมีทง้ั หมด 9 เหตุการณ์ ดงั แสดงในตารางที่ 5.5

140 บทท่ี 5: การประเมนิ ขนาดของผลกระทบจากเหตุการณ์วิกฤตทีม่ ตี ่ออุปสงคก์ ารทอ่ งเที่ยว ตารางที่ 5.6 แบบจำ�ลอง SARIMA with intervention และผลการตรวจสอบความเหมาะสมของแบบจ�ำ ลอง ประเทศ รปู แบบ SARIMA จำ�นวนตวั แปร R2 2 LB statistic Intervention รวมทุกประเทศ (0,1,1)(0,1,1)12 9 0.497 0.478 32.098 (P-value = 0.124) มาเลเซยี (1,1,1)(1,0,1)12 6 0.558 0.544 21.412 (P-value = 0.614) 0.551 0.534 33.320 (P-value = 0.097) สิงคโปร์ (0,1,1)(1,1,1)12 7 0.469 0.441 34.368 (P-value = 0.078) 0.736 0.727 26.118 (P-value = 0.347) จีน (1,1,1)(1,0,1)12 9 0.505 0.489 35.650 (P-value = 0.059) 0.507 0.484 23.858 (P-value = 0.469) ญี่ปนุ่ (1,1,1,(1,0,1)12 7 0.483 0.466 33.646 (P-value = 0.091) 0.388 0.368 35.710 (P-value = 0.058) เกาหลใี ต้ (0.1.2)(0.1.1)12 7 0.438 0.422 31.412 (P-value = 0.142) 0.390 0.372 32.418 (P-value = 0.116) ฝรง่ั เศส (1,1,1)(0,1,1)12 7 0.680 0.672 33.853 (P-value = 0.087) 0.657 0.654 32.142 (P-value = 0.123) เยอรมนี (1,1,1)(0,1,1)12 7 0.379 0.364 30.880 (P-value = 0.157) 0.684 0.679 31.055 (P-value = 0.152) สวเี ดน (1,1,2)(0,1,0)12 4 สหราชอาณาจกั ร (2,1,1)(0,1,1)12 5 สหรัฐอเมริกา (0,1,1)(0,1,1)12 6 อินเดยี (0,1,1)(1,0,1)12 5 ออสเตรเลยี (0,1,1)(1,0,1)12 5 ตะวนั ออกกลาง (0,1,1)(0,1,1)12 6 อัฟริกา (0,1,1)(1,0,1)12 3 ที่มา: อคั รพงศ์ อัน้ ทอง และม่งิ สรรพ์ ขาวสอาด (2553) คอลัมนท์ ่ี 2 และ 3 ในตารางท่ี 5.6 แสดงรปู แบบ SARIMA และจำ�นวนตวั แปร Intervention ท่ีใช้ ในแบบจ�ำ ลอง SARIMA with intervention ส่วนคอลัมนท์ ่ี 4-5 เป็นคา่ สถติ กิ ารตัดสนิ ใจ ส�ำ หรบั คอลัมน์ ท่ี 6 เป็นคา่ สถติ ิ LB ที่ใช้ทดสอบความเหมาะสมของแบบจำ�ลอง จากขอ้ มูลในตารางดังกล่าว จะเห็นได้ว่า ตลาดนักท่องเที่ยวต่างชาติแต่ละตลาดได้รับผลกระทบจากเหตุการณ์วิกฤตแตกต่างกัน โดยตลาดจีน เป็นตลาดที่ได้รับผลกระทบจากเหตุการณ์วิกฤตทุกเหตุการณ์ ในขณะที่ตลาดอัฟริกาได้รับผลกระทบ นอ้ ยทสี่ ดุ เพยี ง3 เหตกุ ารณ์ คอื การแพรร่ ะบาดของโรคซารส์ การรฐั ประหารในประเทศไทย พ.ศ.2549 และ ความรนุ แรงในกรงุ เทพฯ แบบจำ�ลอง SARIMA with intervention มีค่า R2 ระหว่าง 0.37-0.74 และมีค่า 2 ใกล้เคยี ง กับคา่ R2 ในขณะทผี่ ลการทดสอบค่าคลาดเคลอื่ นด้วยคา่ สถติ ิ Ljung-Box (LB statistic) พบว่า คา่ สถิติ ดงั กล่าวมคี ่านอ้ ยกว่าค่าวิกฤต Chi-square ทร่ี ะดับนยั ส�ำ คญั ทางสถิตทิ ี่ 0.10 แสดงว่า รูปแบบ SARIMA withintervention ทพี่ ฒั นาขนึ้ มา เปน็ รปู แบบทเี่ หมาะกบั ขอ้ มลู เชงิ ประจกั ษ์ และคา่ คลาดเคลอ่ื นจากรปู แบบ ดงั กลา่ วมีลักษณะ White noise ตามข้อสมมติและเง่อื นไขของวธิ ีน้ี

เศรษฐมิตวิ า่ ด้วยการท่องเที่ยว 141 ขนั้ ตอนที่ 3 การประเมินความสูญเสียจากเหตุการณว์ กิ ฤตต่างๆ นำ�แบบจำ�ลอง SARIMA with intervention ที่ได้ในข้ันตอนท่ี 2 มาประเมินความสูญเสียจาก เหตุการณ์วิกฤตต่างๆ ผลการประเมินความสูญเสียจำ�นวนและรายได้จากนักท่องเที่ยวต่างชาติในช่วง ระหวา่ งปี พ.ศ. 2544-2552 ท่แี สดงในตารางที่ 5.7 พบวา่ การแพร่ระบาดของโรคซารส์ ทำ�ใหน้ ักท่องเทย่ี ว ต่างชาตลิ ดลงมากที่สดุ ประมาณ 0.82 ล้านคน คิดเปน็ มลู ค่ารายได้ทส่ี ญู เสยี ประมาณ 25.54 พนั ลา้ นบาท สว่ นการแพรร่ ะบาดของโรคไขห้ วดั นกและไขห้ วดั ใหญ่2009 ท�ำ ใหน้ กั ทอ่ งเทย่ี วตา่ งชาตลิ ดลงประมาณ0.36 และ0.12 ลา้ นคน คดิ เปน็ มลู คา่ รายไดท้ สี่ ญู เสยี ประมาณ 12.46 และ3.98 พนั ลา้ นบาท ตามล�ำ ดบั รวมแลว้ เหตกุ ารณว์ กิ ฤตประเภทการแพรร่ ะบาดของโรคท�ำ ใหไ้ ทยสญู เสยี จ�ำ นวนและรายไดจ้ ากนกั ทอ่ งเทยี่ วตา่ งชาติ มากท่สี ุด โดยมีจำ�นวนนักทอ่ งเท่ียวตา่ งชาติลดลงประมาณ 1.30 ล้านคน คิดเป็นมลู คา่ รายไดท้ สี่ ูญเสยี ประมาณ 41.97 พนั ลา้ นบาท แตเ่ ปน็ ทนี่ า่ สงั เกตวา่ การแพรร่ ะบาดของโรคไขห้ วดั นกและไขห้ วดั ใหญ ่ 2009 มีขนาดของความสูญเสียน้อยกว่าโรคซาร์ส ข้อสังเกตดังกล่าวสะท้อนให้เห็นว่า ประสบการณ์จากการ แพร่ระบาดของโรคซาร์สทำ�ให้ไทยมีมาตรการเฝ้าระวังและป้องกันที่เข้มงวดมากข้ึน ในขณะเดียวกัน นกั ทอ่ งเทยี่ วตา่ งชาตมิ กี ารเรยี นรใู้ นการเตรยี มพรอ้ มทจ่ี ะเผชญิ กบั เหตกุ ารณ์ในลกั ษณะดงั กลา่ วในอนาคต ท�ำ ใหก้ ารระบาดของโรคในครง้ั ถดั ไปสรา้ งความเสยี หายใหก้ บั ตลาดนกั ทอ่ งเทย่ี วตา่ งชาตขิ องไทยนอ้ ยกวา่ ในครัง้ แรก ตารางท่ี 5.7 จ�ำ นวนและรายไดจ้ ากนกั ทอ่ งเท่ียวต่างชาติทส่ี ูญเสียจากเหตุการณว์ กิ ฤตระหว่างปี พ.ศ. 2544-2552 ปี พ.ศ. เหตุการณว์ ิกฤต ความสญู เสยี ที่เกดิ ขนึ้ เปอร์เซน็ ต์ ทเ่ี กดิ จ�ำ นวน รายไดจ้ าก ความสญู เสยี ผลกระทบ 1 นักท่องเท่ยี ว นกั ทอ่ งเท่ยี วต่างชาติ ตอ่ เดือน2 ต่างชาติ (คน)2 (ล้านบาท)3 2544 การกอ่ การรา้ ยถลม่ ตึกเวิร์ลเทรดในสหรัฐฯ (9/11) 165,053 5,402 4.72 2546 การแพร่ระบาดของโรคซาร์ส (SARS) 821,299 25,539 11.97 2547 การแพรร่ ะบาดของโรคไข้หวัดนก (Bird Flu/ H5N1) 363,817 12,455 2.21 2548 สึนามิ (Tsunami) 698,823 22,292 4.15 2549 รฐั ประหารในประเทศไทย พ.ศ. 2549 161,806 5,396 3.69 2551 วกิ ฤตการณก์ ารเงนิ ในสหรัฐฯ 185,881 6,490 17.28 2551 การปดิ สนามบินสุวรรณภมู แิ ละดอนเมอื ง 364,358 12,721 7.01 2552 ความรนุ แรงในกรงุ เทพฯ 100,108 3,333 9.78 2552 การแพรร่ ะบาดของโรคไข้หวดั ใหญ่ 2009 (H1N1) 119,549 3,980 0.69 หมายเหต:ุ 1 ประเมินดว้ ยวธี ีของ Untong, Piboonrungroj and Kaosa-ard (2006) 2 ประเมินจากแบบจ�ำ ลอง SARIMA with intervention 3 ใชจ้ ำ�นวนวนั พักเฉลี่ยและคา่ ใชจ้ ่ายเฉลยี่ ต่อวนั ตอ่ ครง้ั ของนักทอ่ งเที่ยวตา่ งชาติกอ่ นปรับดว้ ยอตั ราเงินเฟ้อของปีน้นั ๆ ทมี่ า: อคั รพงศ์ อั้นทอง และม่ิงสรรพ์ ขาวสอาด (2553)

142 บทท่ี 5: การประเมินขนาดของผลกระทบจากเหตุการณ์วิกฤตทีม่ ตี ่ออุปสงค์การท่องเที่ยว สำ�หรับสึนามิทำ�ให้นักท่องเที่ยวต่างชาติลดลงรองลงจากการระบาดของโรค โดยลดลงประมาณ 0.70 ลา้ นคน คดิ เปน็ มลู คา่ รายได้ท่สี ญู เสียประมาณ 22.29 พันล้านบาท สว่ นความไม่สงบภายในประเทศ ทง้ั 3 เหตกุ ารณ์ ท�ำ ใหน้ กั ทอ่ งเทยี่ วตา่ งชาตลิ ดลงประมาณ0.63 ลา้ นคน คดิ เปน็ มลู คา่ รายไดท้ ส่ี ญู เสยี ประมาณ 21.45 พันล้านบาท โดยเหตุการณ์ปิดสนามบินสุวรรณภูมิและดอนเมืองเป็นเหตุการณ์ที่สร้างความ เสียหายมากท่ีสุดประมาณร้อยละ 60 ของความเสียหายที่เกิดจากเหตุการณ์ความไม่สงบภายในประเทศ ท้ัง 3 เหตุการณ์ เน่ืองจากเป็นเหตุการณ์ท่ีมีผลกระทบโดยตรงต่อนักท่องเท่ียวต่างชาติ และเกิดขึ้นที่ จดุ เรมิ่ ตน้ ของระบบโลจสิ ตกิ ส์ในการทอ่ งเทยี่ วไทยของนกั ทอ่ งเทย่ี วตา่ งชาติ ส�ำ หรบั วกิ ฤตการเงนิ ในสหรฐั ฯ ท่เี กดิ ในเดือนกันยายน พ.ศ. 2551 ทำ�ใหน้ กั ท่องเท่ียวต่างชาตลิ ดลงประมาณ 0.19 ลา้ นคน คดิ เปน็ มลู ค่า รายได้ท่ีสูญเสยี ประมาณ 6.49 พนั ลา้ นบาท สว่ นการกอ่ การร้ายถลม่ ตึกเวริ ์ลเทรดในสหรฐั ฯ มีผลกระทบ ต่ออุปสงค์ของนักท่องเท่ียวต่างชาติของไทยน้อยที่สุด คือ ทำ�ให้นักท่องเที่ยวต่างชาติลดลงประมาณ 0.17 ล้านคน คิดเปน็ มลู ค่ารายได้ทีส่ ญู เสยี ประมาณ 5.40 พนั ล้านบาท เนอ่ื งจากเป็นการกอ่ การร้ายท่ีไม่ เกี่ยวข้องกับไทย และนักท่องเที่ยวต่างชาติเชื่อว่าไทยไม่ใช่หนึ่งในประเทศเป้าหมายของการก่อการร้าย ข้ามชาติ ตารางท่ี 5.8 จำ�นวนนกั ท่องเทยี่ วตา่ งชาติทส่ี ูญเสียจากเหตุการณ์วกิ ฤตรายประเทศ ประเทศ 9/11 SARS ไข้หวัด สึนามิ การ วกิ ฤต ปิด ความ ไข้หวัดใหญ่ นก ปฏวิ ัติ การเงนิ สนามบนิ รนุ แรงใน 2009 13,562 ในสหรฐั ฯ กรงุ เทพฯ - มาเลเซีย - 202,674 99,474 - 34,585 - 20,829 34,669 68,200 สิงคโปร์ 25,696 87,880 22,758 53,945 - 14,519 56,175 10,905 9,801 149,499 จนี 18,185 178,688 81,973 18,102 45,558 32,174 53,817 31,956 24,576 12,371 ญ่ปี ุ่น 72,974 87,237 - 20,164 22,800 - 31,675 6,699 11,884 7,908 เกาหลใี ต้ 39,046 97,784 60,942 - 14,432 34,494 - 5,488 - ฝรั่งเศส 4,440 31,043 13,494 9,802 - - 2,965 4,021 3,858 - เยอรมนี 1,397 8,356 3,014 23,392 - - 7,032 4,538 4,964 - สวเี ดน 2,506 3,120 - - - 8,931 - - สหราชอาณาจักร - 10,594 - - - 6,189 5,705 5,223 สหรัฐอเมรกิ า 14,055 37,861 4,209 7,647 - 17,468 - 3,284 อนิ เดีย 9,759 37,837 - - 6,342 21,755 - - ออสเตรเลีย 7,603 14,802 - - - 39,839 6,119 3,348 ตะวันออกกลาง 9,640 28,811 - - 17,553 32,935 - 13,527 อัฟริกา - 4,773 - 1,297 - - 755 - ทีม่ า: อัครพงศ์ อ้นั ทอง และมิง่ สรรพ์ ขาวสอาด (2553)

เศรษฐมิตวิ า่ ดว้ ยการท่องเท่ยี ว 143 ตารางที่5.8 เปน็ ผลการประเมนิ จ�ำ นวนนกั ทอ่ งเทยี่ วทสี่ ญู เสยี ในแตล่ ะตลาด พบวา่ การแพรร่ ะบาดของ โรคซาร์ส เป็นเหตกุ ารณท์ ่ีมีผลกระทบต่อตลาดนักท่องเทยี่ วต่างชาติทีส่ �ำ คัญของไทยทุกตลาด รองลงมา คือ การปดิ สนามบินสุวรรณภูมิและดอนเมือง ในขณะท่กี ารรฐั ประหารในประเทศไทย เมอ่ื ปี พ.ศ. 2549 มีผลกระทบต่อตลาดนักท่องเท่ียวต่างชาติน้อยท่ีสุดเพียง 4 ตลาด คือ จีน ญี่ปุ่น สหรัฐฯ และอัฟริกา นอกจากนีข้ อ้ มูลในตารางดังกล่าวยงั แสดงใหเ้ ห็นว่า จีนและเกาหลีใตม้ คี วามออ่ นไหวต่อเหตกุ ารณว์ ิกฤต มากกว่าตลาดอ่ืนๆ โดยเฉพาะเหตุการณ์ทีเ่ กย่ี วกับการแพร่ระบาดของโรค ในขณะท่อี ัฟริกา สวีเดน และ สหราชอาณาจักร จะอ่อนไหวต่อเหตกุ ารณ์วกิ ฤตน้อยที่สุด จากกรณีตัวอย่างข้างต้น แสดงให้เห็นว่า เหตุการณ์วิกฤตแต่ละเหตุการณ์มีขนาดของผลกระทบ ตอ่ ตลาดนกั ทอ่ งเท่ียวต่างชาติแตกตา่ งกัน โดยตลาดกลุ่มเอเชียตะวนั ออกอย่างจนี เกาหลีใต้ จะอ่อนไหว ตอ่ เหตกุ ารณว์ กิ ฤตมากกวา่ ตลาดอน่ื ๆ และนกั ทอ่ งเทย่ี วตา่ งชาตแิ ตล่ ะตลาดจะออ่ นไหวตอ่ เหตกุ ารณว์ กิ ฤต แตกตา่ งกนั เชน่ มาเลเซยี และจนี จะออ่ นไหวตอ่ การแพรร่ ะบาดของโรคซารส์ ในขณะทเ่ี กาหลีใตจ้ ะออ่ นไหว ตอ่ สึนามิ เป็นต้น และเหตกุ ารณ์วกิ ฤตประเภทการแพรร่ ะบาดของโรคและภัยพิบตั ิ มกั จะมผี ลกระทบตอ่ อปุ สงคก์ ารทอ่ งเทย่ี วมากกวา่ เหตกุ ารณค์ วามไมส่ งบภายในประเทศและวกิ ฤตเศรษฐกจิ สว่ นผลกระทบของ เหตกุ ารณก์ อ่ การรา้ ยขนึ้ อยกู่ บั วา่ แหลง่ ทอ่ งเทย่ี วเปน็ พนื้ ทเ่ี สย่ี งตอ่ การกอ่ การรา้ ยหรอื ไม่ หากเปน็ พนื้ ทเี่ สยี่ ง จะได้รบั อทิ ธพิ ลหรอื มีผลกระทบทีร่ นุ แรง แต่ถา้ หากไม่ใชพ่ น้ื ทีเ่ ส่ียงจะมีผลกระทบคอ่ นน้อย หรืออาจไมม่ ี ผลกระทบต่ออุปสงค์การท่องเที่ยว นอกจากนี้เป็นท่ีน่าสังเกตว่า ในอนาคตการแพร่ระบาดของโรคอาจไม่สร้างความสูญเสียที่รุนแรง มากเทา่ กบั เหตกุ ารณค์ วามไมส่ งบภายในประเทศ เนอ่ื งจากเมอื่ พจิ ารณาแนวโนม้ ความสญู เสยี จากการแพร่ ระบาดของโรค พบว่า เปอร์เซน็ ต์ความสญู เสียต่อเดือนมแี นวโนม้ ลดลง ในขณะที่เปอร์เซ็นตค์ วามสูญเสีย ต่อเดือนของเหตุการณ์ความไม่สงบภายในประเทศมีแนวโน้มเพ่ิมข้ึน ข้อมูลดังกล่าวสะท้อนให้เห็นว่า ความไมส่ งบทเ่ี กดิ ขน้ึ ตอ่ เนอ่ื งอาจท�ำ ใหน้ กั ทอ่ งเทย่ี วตา่ งชาตเิ รม่ิ รสู้ กึ ไมป่ ลอดภยั ทจ่ี ะเดนิ ทางมาทอ่ งเทย่ี วไทย หรืออาจกล่าวได้ว่า การท่องเที่ยวไทยเริ่มมีความเส่ียงมากข้ึนจากเหตุการณ์ความไม่สงบภายในประเทศ ในขณะที่นโยบายที่เข้มงวดในการจัดการและป้องกันการแพร่ระบาดของโรค สามารถสร้างความเชื่อมั่น ใหน้ กั ทอ่ งเทย่ี วตา่ งชาตมิ คี วามรสู้ กึ ปลอดภยั ไดใ้ นระดบั หนง่ึ ดงั นน้ั จ�ำ นวนและรายไดจ้ ากนกั ทอ่ งเทย่ี วตา่ งชาติ ท่สี ูญเสยี เมื่อเกิดเหตุการณ์การแพรร่ ะบาดของโรคข้ึนอีกจึงมีแนวโนม้ ลดลง

144 บทท่ี 5: การประเมินขนาดของผลกระทบจากเหตุการณว์ ิกฤตท่ีมตี ่ออุปสงคก์ ารท่องเทยี่ ว ค�ำ ถามทา้ ยบท 1. จงอธบิ ายความแตกต่างระหว่างเหตุการณว์ กิ ฤตกับความเสยี่ งในการทอ่ งเทย่ี วมาพอสังเขป? 2. เหตกุ ารณ์วกิ ฤตแบบ One-off มีลกั ษณะอยา่ งไร และสามารถประเมนิ ผลกระทบได้อย่างไรบ้าง? 3. จงอธิบายแนวทางการประเมินดว้ ยการเปรยี บเทียบกับค่าพยากรณ์มาพอสังเขป? 4. การประเมนิ ด้วยแบบจ�ำ ลองIntervention มีจดุ เด่น และจดุ ดอ้ ยอยา่ งไร? และมีขน้ั ตอนในการประเมนิ อยา่ งไร?

เศรษฐมิตวิ ่าดว้ ยการทอ่ งเที่ยว 145 บรรณานุกรม อคั รพงศ์ อน้ั ทอง และมง่ิ สรรพ์ ขาวสอาด. 2553. การประเมนิ ผลกระทบของเหตกุ ารณว์ กิ ฤตทมี่ ตี อ่ อปุ สงค ์ ของนกั ทอ่ งเทยี่ วตา่ งชาตขิ องไทย. สถาบนั ศกึ ษานโยบายสาธารณะ มหาวทิ ยาลยั เชยี งใหม.่ (เอกสาร อัดส�ำ เนา) อคั รพงศ์ อ้ันทอง. 2547. การประเมนิ จำ�นวนนักท่องเท่ียวตา่ งชาตทิ ่ีลดลงของไทยจากผลของโรค SARS: โดยใช้แบบจำ�ลอง SARIMA. บทความนำ�เสนอในงานประชุมสัมมนาวิชาการนักเศรษฐศาสตร์ รุ่นเยาว์ คร้ังที่ 1 ณ คณะเศรษฐศาสตร์ มหาวทิ ยาลัยเชียงใหม.่ Barnes, J. 2009. “Restoring Thailand’s tourism destination image in the wake of the resent political crises: a few proposals.” AU-GSB e-Journal 2(1): 3-16. Box, G.E.P. and Tiao, G.C. 1975. “Intervention analysis with application to economic and environmental problems.” Journal of the American Statistical Association 70(349): 70-79. Box, G.E.P., Jenkins, G.M. and Reinsel, G.C. 1994. Time Series Analysis: Forecasting and Control. 3rd ed. Englewood Cliffs, NJ: Prentice-Hall. Chu, F.L. 2008. “A fractionally integrated autoregressive moving average approach to forecasting tourism demand.” Tourism Management 29(1): 79-88. Coshall, J. 2003. “The threat of terrorism as an intervention on international travel flows.” Journal of Travel Research 42(1): 4-12. Enders, W., Sandler, T. and Parise, G.F. 1992. “An econometric analysis of the impact of terrorism on tourism.” KYKLOS 45(4): 531-554. Eugenio-Martin, J.L., Sinclair, M.T. and Yeoman, I. 2006. “Quantifying the effects of tourism crises: An application to Scotland.” Journal of Travel & Tourism Marketing 19(2/3): 21-34. Faulkner, B. 2001. “Towards a framework for tourism disaster management.” Tourism Management 22(2): 135-147. Goh, C. and Law, R. 2002. “Modeling and forecasting tourism demand for arrivals with stochastic nonstationary seasonality and intervention.” Tourism Management 23(5): 499-510. Goodrich, J.N. 2002. “September 11, 2001 attack on America: a record of the immediate impacts and reactions in the USA travel and tourism industry.” Tourism Management 23(6): 573-580. Huang, J-H. and Min, J.C.H. 2002. “Earthquake devastation and recovery in tourism: the Taiwan case.” Tourism Management 23(2): 145-154. Kuo, H.-I., Chen, C.-C., Tseng, W.-C., Ju, L.-F. and Huang, B.-W. 2008. “Assessing impacts of SARS and Avian Flu on international tourism demand to Asia.” Tourism Management 29(5): 917-928.

146 บทท่ี 5: การประเมนิ ขนาดของผลกระทบจากเหตุการณ์วกิ ฤตที่มตี ่ออุปสงคก์ ารทอ่ งเท่ียว Lee, C.-K., Song, H.-J. and Bendle, L.J. 2010. “The impact of Visa-free entry on outbound tourism: A case study of South Korean travelers visiting Japan.” Tourism Geographies 12(2): 302-323. Lee, C.-K., Song, H.-J. and Mjelde, J.W. 2008. “The forecasting of International Expo tourism using quantitative and qualitative techniques.” Tourism Management 29(6): 1084-1098. Lim, C. and McAleer, M. 2002. “Time series forecasts of international travel demand for Australia.” Tourism Management 23(4): 389-396. Min,J.C.H.2008. “ForecastingJapanesetourismdemandinTaiwanusingandinterventionanalysis.” International Journal of Culture, Tourism and Hospitality Research 2(3): 197-216. Moreira, P. 2007. “Aftermath of crises and disasters: Notes for an impact assessment approach.” In Laws, E., Prideaux, B. and Chon, K. (eds), Crisis Management in Tourism, Wallingford, Oxon: CAB International, 51-65 Sloboda, B.W. 2003. “Assessing the effects of terrorism on tourism by use of time series methods.” Tourism Economics 9(2): 179-190. Song, H., Witt, S.F. and Li, G. 2003. “Modelling and forecasting the demand for Thai tourism.” Tourism Economics 9(4): 363-387. Tse, T.S.M. 2006. “Crisis management in tourism.” In Buhalis, D. and Costa, C. (eds.), Tourism Management Dynamics: Trend, Management and Tools. Burlington, MA: Elsevier, Butterworth-Heinemann, 28-38. Untong, A., Piboonrungroj, P. and Kaosa-ard, M. 2006. “The impact of world disasters on the number of international tourist arrivals to thailand.” Proceeding 12th Asia Pacific Tourism Association and 4th APacCHRIE Joint Conference June 26-29, 2006, Hualien, Taiwan. Wang, Y.-S. 2009. “The impact of crisis events and macroeconomic activity on Taiwan’s international inbound tourism demand.” Tourism Management 30(1): 75-82.

บทที่ 6 การวัดประสทิ ธิภาพการจดั การ ของอุตสาหกรรมทอ่ งเทีย่ ว บทนี้แบ่งเนื้อหาออกเป็น 6 ตอน ตอนแรกเป็นการนำ�เสนอความรู้เกี่ยวกับการวัดประสิทธิภาพ เชิงเปรยี บเทียบตามแนวคิดของ Farrell (1957) เพอื่ ใหผ้ อู้ ่านทราบแนวคดิ เบอื้ งตน้ จดุ เดน่ และจดุ ด้อย ของวธิ ีเชิงปรมิ าณท่สี ำ�คัญ 2 วิธี คือ Data envelopment analysis (DEA) และ Stochastic frontier analysis (SFA) ตอนทสี่ องและสามเป็นรายละเอยี ดของวธิ วี ดั ประสิทธภิ าพทงั้ สองวธิ ี สว่ นตอนทีส่ ีแ่ ละห้า เป็นวิธีวัดการเปลี่ยนแปลงประสิทธิภาพ เทคโนโลยี และผลิตภาพปัจจัยการผลิตด้วย Malmquist productivity approach และการวดั ประสทิ ธภิ าพของหนว่ ยธรุ กจิ ทมี่ ศี กั ยภาพการใชเ้ ทคโนโลยี หรือมีการ บรหิ ารจดั การ/การด�ำ เนนิ งานทแี่ ตกตา่ งกนั ระหวา่ งกลมุ่ (Heterogeneitybetweengroups) ดว้ ยวธิ วี เิ คราะห์ Meta-frontier สำ�หรับตอนสุดท้ายเป็นกรณีตัวอย่างการวัดประสิทธิภาพการจัดการและการดำ�เนินงาน ของโรงแรมและเกสตเ์ ฮ้าส์ด้วยวธิ ี DEA และ SFA 6.1 การวัดประสทิ ธภิ าพเชิงเปรียบเทยี บตามแนวคดิ ของ Farrell ประสิทธิภาพเปน็ สิ่งส�ำ คัญในการด�ำ เนนิ งานของธุรกจิ และการเปลย่ี นแปลงประสิทธภิ าพสามารถ สะท้อนความสามารถในการแข่งขันของธุรกิจได้ การประเมินประสิทธิภาพเชิงเปรียบเทียบ (Relative efficiency) ตามแนวคดิ ของ M.J. Farrell (1957) เปน็ แนวคิดสำ�คัญทีน่ ยิ มใช้วดั ประสทิ ธิภาพการจัดการ/ การด�ำ เนนิ งานของอตุ สาหกรรมทอ่ งเทยี่ ว เชน่ โรงแรม รา้ นอาหาร เปน็ ตน้ แนวคดิ ดงั กลา่ ววดั ประสทิ ธภิ าพ ของหน่วยธุรกิจแต่ละหน่วยจากการเปรยี บเทียบกับหน่วยธุรกิจท่ีดีที่สุดซ่ึงอยู่บนเส้นพรมแดน (Frontier) ดงั นั้นภายใตแ้ นวคิดของ Farrell จงึ ต้องมีการประมาณค่าสมการพรมแดน เพ่ือใช้เปรียบเทยี บกับหนว่ ย ธุรกจิ ท่ีต้องการวดั ประสิทธภิ าพ วธิ เี ชงิ ปรมิ าณส�ำ หรบั วดั ประสทิ ธภิ าพตามแนวคดิ นมี้ กี ารพฒั นามาตงั้ แตป่ ี ค.ศ.1977 วธิ เี ชงิ ปรมิ าณ ทน่ี ยิ มใชอ้ ยา่ งกวา้ งขวางในการวดั ประสทิ ธิภาพตามแนวคดิ ของ Farrell ไดแ้ ก่ 1) วิธี Data envelopment analysis (DEA) ท้ังทเ่ี ป็นข้อสมมติ Constant returns to scale (CRS โดยทั่วไปเรยี กวา่ แบบจ�ำ ลอง CCR) (Charnes, Cooper and Rhodes, 1978) และ Variable returns to scale (VRS โดยทั่วไป เรียกว่าแบบจ�ำ ลอง BCC) (Banker, Charnes and Cooper, 1984) รวมทั้ง Malmquist productivity approach ที่ใช้ประเมินการเปลี่ยนแปลงประสิทธิภาพ เทคโนโลยี และผลิตภาพปัจจัยการผลิต และ 2) วธิ ี Stochastic frontier analysis (SFA) ท้ังทเี่ ป็นแบบจ�ำ ลอง Error components และแบบจำ�ลอง Technical efficient effect

148 บทที่ 6: การวัดประสทิ ธิภาพการจดั การของอุตสาหกรรมทอ่ งเท่ียว แมว้ ่าวิธี DEA มขี ้อไดเ้ ปรยี บหลายประการเม่ือเทยี บกับวิธี SFA เชน่ สามารถใชใ้ นกรณที ่มี ีปัจจัย น�ำ เขา้ และผลผลิตหลายชนิด (Multiple inputs and outputs) ไม่จำ�เป็นตอ้ งคำ�นงึ ถงึ รูปแบบฟังกช์ นั ฟอร์ม หรอื แบบจ�ำ ลองทางเศรษฐศาสตร์ และสามารถใชใ้ นกรณที ขี่ อ้ มลู หรอื กลมุ่ ตวั อยา่ งมจี �ำ นวนนอ้ ย[จ�ำ นวนตวั อยา่ งขนั้ ตาํ่ ส�ำ หรบั การวเิ คราะหด์ ว้ ยวธิ ี DEA คอื 3 คณู (จ�ำ นวนผลผลติ +จ�ำ นวนปจั จยั การผลติ ) (Raab and Lichty,2002)] เปน็ ตน้ อยา่ งไรกต็ ามวธิ ี DEA มขี อ้ จ�ำ กดั อยหู่ ลายประการ เมอื่ เปรยี บเทยี บกบั วธิ ี SFA เชน่ การไมม่ ีค่าคลาดเคล่ือน (Error term) ซึง่ หมายความว่า ความคลาดเคลอื่ นถูกรวมอยู่ในค่าประสทิ ธิภาพ ที่ประเมินได้ การไม่มขี อ้ สมมตเิ กยี่ วกับการแจกแจงของคา่ ความไมม่ ีประสทิ ธิภาพ การไมม่ กี ารทดสอบ ทางสถิติของค่าประสิทธิภาพที่คำ�นวณได้ และการอ่อนไหวต่อค่าสุดโต่ง เป็นต้น ดังน้ันหากมีจำ�นวน ตัวอย่างมากพอสำ�หรับประมาณค่าสัมประสิทธ์ิ [ควรมีจำ�นวนตัวอย่างไม่น้อยกว่า 10 ตัวอย่างต่อ คา่ สัมประสิทธทิ์ ่ตี ้องการประมาณค่า 1 ตวั (Hair et al., 1998; VanVoorshis and Morgan, 2007)] และ สามารถกำ�หนดแบบจำ�ลองทางเศรษฐศาสตร์และรูปแบบฟังก์ชันฟอร์มที่เหมาะสมได้ รวมทั้งข้อมูล มีความแปรปรวนค่อนข้างสูง วิธี SFA ดูจะเหมาะสมกว่าวิธี DEA และค่าประสิทธิภาพที่ประเมินได้ มีคา่ ไมส่ งู หรือต่ํากว่าความเป็นจริง กรณอี ตุ สาหกรรมทอ่ งเทยี่ ว แมว้ า่ วธิ ี SFA มคี วามไดเ้ ปรยี บกวา่ วธิ ี DEA ในบางประเดน็ โดยเฉพาะ ในเรื่องความออ่ นไหวต่อคา่ สุดโต่ง (Outlier) ของข้อมลู แตว่ ิธี SFA มีข้อจำ�กัดทส่ี ำ�คัญในเรอื่ งการก�ำ หนด แบบจ�ำ ลองทางเศรษฐศาสตร์หรอื รปู แบบฟงั ก์ชนั ฟอรม์ จากขอ้ จ�ำ กดั ดงั กล่าวจงึ นิยมใช้วธิ ี DEA ประเมิน ประสทิ ธภิ าพการจดั การของอตุ สาหกรรมทอ่ งเทยี่ วมากกวา่ วธิ ี SFA โดยเฉพาะโรงแรม รา้ นอาหาร เปน็ ตน้ สว่ นกรณที ่ีใชว้ ธิ ีSFA นยิ มใชฟ้ งั กช์ นั ตน้ ทนุ มากกวา่ ฟงั กช์ นั การผลติ เนอ่ื งจากการก�ำ หนดตวั แปรในฟงั กช์ นั ตน้ ทุนของอตุ สาหกรรมท่องเที่ยวสามารถทำ�ไดง้ า่ ยกว่าการกำ�หนดตัวแปรในฟังก์ชนั การผลติ โดยเฉพาะ ในกรณขี องโรงแรมและรา้ นอาหาร ในขณะที่วิธี DEA ไมจ่ ำ�เป็นต้องกำ�หนดแบบจ�ำ ลองทางเศรษฐศาสตร์ พิจารณาเพยี งปจั จยั นำ�เขา้ และผลผลิตของการด�ำ เนนิ งานของอตุ สาหกรรมทอ่ งเทย่ี วเท่านนั้ อย่างไรก็ตามวิธีท้ังสองยังคงถูกใช้อย่างกว้างขวางในงานศึกษาทางเศรษฐศาสตร์ รวมท้ังการวัด ประสิทธิภาพการจัดการ/การดำ�เนินงานของอุตสาหกรรมท่องเท่ียว ยังไม่มีข้อยุติว่าวิธีใดเป็นวิธีที่ดีท่ีสุด ทั้งน้ขี ึ้นอยกู่ ับวัตถปุ ระสงคแ์ ละข้อจำ�กดั ของข้อมูลท่ีใชใ้ นการศึกษานนั้ ๆ แมว้ ่าวธิ ี SFA ให้ผลลัพธท์ ่ีดกี ว่า ภายใตเ้ งอ่ื นไขในอดุ มคตทิ างเศรษฐมติ ิ และขอ้ สมมตทิ างเศรษฐศาสตร์ อยา่ งไรกต็ ามในขอ้ มลู บางประเภท ท่ีไม่สามารถกำ�หนดลักษณะความสัมพันธ์ของตัวแปรในแบบจำ�ลอง หรือเป็นการวัดประสิทธิภาพของ หน่วยธรุ กจิ ที่ไม่แสวงหาก�ำ ไร หรอื หน่วยธรุ กจิ ท่ีไมม่ วี ตั ถุประสงค์ของการดำ�เนินงานภายใต้การใช้ต้นทนุ ต่ําท่สี ดุ หรอื ผลติ เพ่ือให้ได้ผลตอบแทนสงู สุด วธิ ี DEA จะเหมาะสมมากกว่าในกรณนี ้ี หากในการศึกษา สามารถก�ำ หนดรปู แบบของแบบจ�ำ ลองได้ มจี �ำ นวนขอ้ มลู มากพอ และขอ้ มลู ดงั กลา่ วมคี วามคลาดเคลอื่ น จากการวดั สงู มตี วั แปรท่ีไมส่ ามารถควบคมุ ไดห้ ลายตวั แปร และตวั แปรตามมคี วามแปรปรวนสงู การใชว้ ธิ ี DEA อาจท�ำ ใหผ้ ลลพั ธท์ ี่ไดม้ คี วามคลาดเคลอื่ นจากความเปน็ จรงิ สงู เนอ่ื งจากเสน้ พรมแดนทป่ี ระมาณคา่ ได้ อยสู่ งู กวา่ ทค่ี วรจะเปน็ ท�ำ ใหค้ า่ ประสทิ ธภิ าพทปี่ ระเมนิ ไดม้ คี า่ ตา่ํ กวา่ ความเปน็ จรงิ ดงั นนั้ ในกรณนี จ้ี งึ นยิ ม ใช้วธิ ี SFA แทนวิธี DEA

เศรษฐมติ ิวา่ ดว้ ยการทอ่ งเท่ยี ว 149 6.2 การวดั ประสิทธภิ าพดว้ ยวธิ ี Data envelopment analysis (DEA) จากแนวคดิ Farrell (1957) ทอี่ าศัยการวเิ คราะห์เสน้ พรมแดน (Frontier analysis) ในการประเมิน ประสิทธิภาพของหน่วยผลิต Charnes et al. (1978) ได้เสนอแบบจำ�ลองคณิตศาสตร์สำ�หรับประเมิน ประสทิ ธิภาพของหน่วยผลติ n หน่วย ในวธิ ี DEA เรยี กวา่ หนว่ ยตดั สินใจ (Decision making unit: DMU) โดยหน่วยตัดสินใจแตล่ ะหน่วยใชป้ ัจจยั นำ�เขา้ m ชนดิ เพื่อผลติ ผลผลติ s ชนิด ดังนน้ั ประสิทธภิ าพของ หนว่ ยตดั สนิ ใจแตล่ ะหน่วยสามารถประเมินได้จากการแกป้ ญั หาแบบจ�ำ ลองคณติ ศาสตรด์ งั นี้ [6.1] max z = μr yro subject to μr yrj – νi xij ≤ 0 νi xio = 1 μr , νi ≥ 0 โดยท ี่ xij คือ จ�ำ นวนปจั จยั นำ�เข้าท่ี i ของหน่วยตัดสนิ ใจ j yrj คือ จำ�นวนผลผลิตท่ี r ของหนว่ ยตดั สนิ ใจ j μr คือ ตัวถว่ งนํา้ หนกั ของผลผลติ r νi คือ ตวั ถ่วงน้าํ หนักของปัจจัยน�ำ เขา้ i n คอื จ�ำ นวนหนว่ ยผลิต s คอื จำ�นวนผลผลติ m คอื จำ�นวนปัจจัยน�ำ เขา้

150 บทท่ี 6: การวัดประสิทธภิ าพการจัดการของอุตสาหกรรมท่องเที่ยว แบบจำ�ลองท่ี (6.1) เป็นรูปแบบทวีคูณ (Multiplier form) โดยปญั หาควบคู่ (Dual problem) ท่อี ยู่ ในรปู แบบหอ่ หุ้ม (Envelop form) ของแบบจำ�ลองน้ี คือ [6.2] si– + sr+ min θ – ε subject to xij λj + si– = θxio i=1 , 2 , … , m; yrj λj + sr+ = yro r=1 , 2 , … , s; λj , si– , sr+ ≥ 0 ∀ i, j, r เงอ่ื นไขจ�ำ เปน็ และเพยี งพอส�ำ หรบั หนว่ ยตดั สนิ ใจ jo จะบรรลปุ ระสทิ ธภิ าพ คอื θ* = 1, s –* = s +* = 0 io io ซง่ึ หน่วยตดั สนิ ใจน้ีจะมคี า่ ประสทิ ธภิ าพเท่ากับ 1 หรอื อยู่บนเส้นพรมแดน สว่ นค่าความไมม่ ปี ระสทิ ธิภาพ ของหน่วยตดั สนิ ใจ jo สามารถหาได้จาก x′ij = 0* xio – s –* และ y′rj = yro + s +* เมือ่ s –* คอื ปัจจัยนำ�เข้า io ro io สว่ นเกนิ และ คือ ผลผลติ สว่ นขาดของหนว่ ยตดั สนิ ใจ s +* jo ro คา่ θ เปน็ ค่าประสิทธิภาพของแตล่ ะหน่วยตดั สนิ ใจ โดยมคี ่าระหวา่ ง 0-1 หากหน่วยตดั สนิ ใจใด มคี า่ θ เทา่ กบั 1 หมายความวา่ หนว่ ยตดั สนิ ใจนน้ั มปี ระสทิ ธภิ าพตามแนวคดิ ของFarrell แบบจ�ำ ลองขา้ งตน้ เปน็ แบบจำ�ลองภายใต้ข้อสมมติ CRS (แบบจำ�ลอง CCR) ซงึ่ หนว่ ยตดั สนิ ใจทกุ หนว่ ยต้องด�ำ เนนิ การผลิต ณ ระดับท่ีเหมาะสม (Optimal scale) ดังนั้นหากหน่วยตัดสินใจท่ีเป็นกลุ่มตัวอย่างมีการแข่งขัน แบบไม่สมบูรณ์ ซึ่งเป็นสาเหตุหน่ึงท่ีทำ�ให้หน่วยตัดสินใจดำ�เนินการผลิต ณ ระดับท่ีไม่เหมาะสม จึงไม่เหมาะท่ีจะใช้แบบจำ�ลองดังกล่าว ดังน้ัน Banker et al. (1984) จึงเสนอแบบจำ�ลองใหม่ภายใต้ ขอ้ สมมติ VRS (แบบจ�ำ ลอง BCC) โดยเพม่ิ ขอ้ จ�ำ กดั คา่ ความโคง้ (Convexity constraint) λj = 1 เขา้ ไป ในแบบจำ�ลองเพ่ือให้ม่ันใจว่าเป็นการเปรียบเทียบประสิทธิภาพของหน่วยตัดสินใจขนาดเดียวกันอย่าง แท้จริง ตอ่ มาจงึ เพิม่ ข้อจ�ำ กดั λj ≤ 1แทนขอ้ จ�ำ กดั λj = 1 เพอื่ ให้สามารถประเมนิ คา่ ประสิทธิภาพ ในช่วง Non-increasing returns scale (NIRS) ได้ ดังนน้ั แบบจ�ำ ลอง BCC ท่ีนยิ มใช้ คือ

เศรษฐมติ วิ า่ ด้วยการทอ่ งเท่ียว 151 [6.3] θ* = min θ xij λj – θxio ≤ 0 i=1 , 2 , … , m; subject to r=1 , 2 , … , s; yrj λj – yro ≥ 0 j=1 , 2 , … , n λj ≤ 1 λj ≥ 0 การประเมินประสิทธิภาพภายใต้ข้อสมมติ CRS (TECRS) ประกอบด้วย Scale efficiency (SE) และ Pure technical efficiency (TEVRS) หากหน่วยตัดสินใจดำ�เนินการผลิต ณ ระดับที่ไม่เหมาะสม ค่า TECRS และ TEVRS มีคา่ ไม่เท่ากนั และ TECRS / TEVRS ได้ SE โดยคา่ TECRS , TEVRS และ SE มคี า่ ระหว่าง 0 - 1 โดยท่ี TECRS = TEVRS × SE ค่าประสิทธิภาพที่ได้จากแบบจำ�ลอง CCR และ BCC เรียกว่า Ratio or Radial efficiency (โดยท่ัวไปแทนด้วยสัญลักษณ์ θ*) หน่วยตัดสินใจที่มีค่า θ* = 1 แสดงว่า มีประสิทธิภาพสูงสุด หรืออยู่บนเส้นพรมแดน (Frontier) ในกรณีดังกล่าวหน่วยตัดสินใจต้องไม่มีปัจจัยการผลิตส่วนเกิน (Excesses in inputs) และผลผลติ สว่ นทข่ี าด (Shortfalls in output) หรือกลา่ วงา่ ยๆ ว่า ไม่มี Slack อย่างไรก็ตามแบบจ�ำ ลอง CCR และ BCC วิเคราะหบ์ นพื้นฐานของสดั ส่วนที่ลดลง (หรอื เพ่มิ ขึ้น) ของปจั จยั การผลติ (หรอื ผลผลติ ) ไมไ่ ด้พิจารณาถงึ Slack ของปัจจัยการผลติ และผลผลิตโดยตรง ดังนั้น Tone (2001) จึงเสนอแบบจ�ำ ลอง Slacks-based (Slacks-based model: SBM) ทจ่ี ดั การกับ Slack ของ ปัจจยั การผลติ และผลผลิตโดยตรง แบบจำ�ลองดังกล่าวยังคงให้ค่าประสิทธภิ าพระหว่าง 0 - 1 และยงั คงมี จดุ ออ่ นในเรอ่ื งของการจดั ล�ำ ดบั ของหนว่ ยตดั สนิ ใจในกรณที ม่ี จี �ำ นวนหนว่ ยตดั สนิ ใจทม่ี ปี ระสทิ ธภิ าพสงู สดุ มากกว่า 1 หนว่ ยเหมือนกับแบบจ�ำ ลอง CCR และ BCC ต่อมา Tone (2002) จึงเสนอแบบจ�ำ ลอง SBM super-efficiency model เพอื่ แกไ้ ขปญั หาดงั กลา่ ว Du, Liang and Zhu (2010) ไดพ้ สิ จู น์ในเชงิ คณติ ศาสตร์ แล้วว่า แบบจ�ำ ลอง SBM super-efficiency model เป็นแบบจำ�ลองท่ีไม่มีปัญหา Infeasible (Infeasible problem) เหมือนกบั แบบจำ�ลอง Radial super-efficiency หรอื อาจกล่าวได้วา่ SBM super-efficiency model มคี วามเปน็ ไปได้(Feasible) ในทกุ กรณี และใหค้ า่ ประสทิ ธภิ าพทสี่ ามารถใชจ้ ดั ล�ำ ดบั ของDMU ได้ โดยแบบจำ�ลอง SBM super-efficiency ของ Tone (2002) มีลักษณะดงั นี้ สมมติใหม้ ี DMU จำ�นวน n หน่วย และแตล่ ะหนว่ ยผลติ ผลผลิต (Y) s ชนิด โดยใช้ปจั จัยน�ำ เข้า (X) m ชนดิ เม่อื กำ�หนดใหห้ น่วยผลติ ที่ j เขยี นแทนว่า DMUj (j=1 , … , n) ใชป้ จั จัยนำ�เขา้ i (xij ; i=1 , … , m) ในการผลติ ผลผลติ r (yrs; r=1 , … , s) ดงั น้ันสามารถใช้แบบจ�ำ ลอง SBM super-efficiency ทีเ่ สนอโดย Tone (2002) ประเมินประสทิ ธภิ าพของ DMU0 ดว้ ยการแกไ้ ขปญั หาทางคณิตศาสตร์ดงั น้ี

152 บทที่ 6: การวดั ประสิทธภิ าพการจดั การของอตุ สาหกรรมท่องเทีย่ ว [6.4] ∑1 m i / xi0 i=1 δ* = min δ = m ∑1ss r / yr0 r=1 subject to ≥ λj xj ≤ λj yj ≥ x0 ≤ y0 ≥0,λ≥0 จากสมการที่ (6.4) ปัจจยั น�ำ เขา้ และผลผลิตต้องมคี ่ามากกวา่ ศูนย์ (xj > 0 , yj > 0) สามารถใช้ Charnes-Cooper transformation แปลงสมการที่ (6.4) ใหอ้ ยู่ในรูปแบบปัญหา Linear programming (LP) ไดด้ งั น้ี [6.5] τ* = min τ = m1 xii0 subject to 1 = 1s yrr0 ≥ Λj xj ≤ Λj yj ≥ tx0 ≤ ty0 Λ≥0, ≥0,t>0 โดยที่ (tx0 , ty0) เปน็ จุดท่ี DMU0 สามารถลดปจั จยั น�ำ เข้าและเพิม่ ผลผลติ ได้มากกว่า (x0 , y0) (t ≤ 1 สำ�หรบั x0 และ t ≥ 1 ส�ำ หรบั y0) ดงั นัน้ ค่าประสิทธภิ าพท่ีได้จาก SBM super-efficiency ของ (tx0 , ty0) จึงมากกวา่ (x0 , y0)

เศรษฐมติ วิ า่ ดว้ ยการทอ่ งเท่ียว 153 เมื่อแก้ปัญหาเพื่อหาคำ�ตอบท่ีเหมาะสม (Optimal solution) ของสมการท่ี (6.5) ทำ�ให้ทราบ ค่า τ* , * , * , Λ* และ t* ดังน้นั สามารถหาค�ำ ตอบที่เหมาะสมของ SBM super-efficiency ในสมการ ท่ี (6.4) ไดด้ ังนี้ δ* = τ* , λ* = Λ* / t* , *= * / t* และ * = * / t* จากสมการที่ (6.5) เม่อื ประยุกต์ใช้พิจารณาประสิทธิภาพทางดา้ นปัจจยั การผลิต (Input-oriented) ทเี่ ปน็ การจดั การกบั Weightedistance ทางดา้ นปจั จยั การผลติ โดยคงไวซ้ ง่ึ ผลผลติ ในระดบั เดมิ (Statusquo) ดังนัน้ แบบจำ�ลอง SBM super-efficiency ส�ำ หรบั ในกรณี Input-oriented สามารถแสดงไดด้ ังน้ี [6.6] δI* = min δ = m1 xii0 subject to ≥ λj xj ≤ λj yj ≥ x0 = y0 λ≥0 ในขณะเดยี วกบั การพจิ ารณาประสทิ ธภิ าพทางดา้ นผลผลติ (Output-oriented) ทเี่ ปน็ การจดั การกบั Weighted distance ทางดา้ นผลผลติ โดยคงไวซ้ งึ่ ปจั จยั นำ�เขา้ ในระดบั เดมิ (Status quo) สามารถปรบั ปรงุ แบบจำ�ลอง SBM super-efficiency ทแี่ สดงในสมการที่ (6.4) สำ�หรับใช้ในกรณีดังกล่าวได้ดังนี้ [6.7] δo* = min δ = 1 ∑1ss r / yr0 r=1 subject to ≥ λj xj ≤ λj yj = x0 0 ≤ ≤ y0 λ≥0

154 บทที่ 6: การวัดประสทิ ธภิ าพการจดั การของอตุ สาหกรรมท่องเทย่ี ว ค่าประสทิ ธิภาพท่ีได้จากสมการที่ (6.6) และ (6.7) มคี ่ามากกวา่ หรอื เทา่ กับค่าประสิทธภิ าพท่ีได้ จากสมการท่ี (6.4) (δo* ≥ δ*) เน่ืองจากสมการที่ (6.6) และ (6.7) อยู่ภายใต้พ้ืนที่ที่เป็นไปได้ของ ขอ้ จ�ำ กดั ของสมการท่ี(6.4) หรอื อาจกลา่ วไดว้ า่ เสน้ พรมแดนของสมการท่ี(6.6) และ(6.7) อยตู่ า่ํ หรอื เทา่ กบั เสน้ พรมแดนของสมการที่ (6.4) วธิ ี DEA ทง้ั 3 แบบจ�ำ ลอง เป็นวิธที ี่ไดม้ าซึ่งคา่ ประสทิ ธิภาพ ดงั น้นั จงึ มกี ารเสนอวธิ ี DEA แบบ สองขนั้ ตอน(DEAtwo-stagemethod) ส�ำ หรบั ศกึ ษาและคน้ หาปจั จยั ทมี่ อี ทิ ธพิ ลตอ่ ความไมม่ ปี ระสทิ ธภิ าพ เหมอื นกับวธิ ี SFA ทเ่ี ปน็ แบบจำ�ลอง Technical efficient effect ทเี่ สนอโดย Battese and Coelli (1993) โดยข้ันตอนแรกของวิธี DEA แบบสองขั้นตอนเป็นการประเมินประสิทธิภาพของหน่วยตัดสินใจด้วยวิธี DEA ตอ่ มาในข้นั ตอนที่ 2 เป็นการสร้างสมการถดถอยระหวา่ งคา่ ประสิทธิภาพที่ประเมินไดจ้ ากข้ันตอน ที่ 1 กับตวั แปรภายนอก (Exogenous variables) ทสี่ ามารถควบคมุ หรือเปล่ียนแปลงได้1 เพ่ือค้นหาปจั จยั ทม่ี อี ทิ ธพิ ลตอ่ ความไมม่ /ี มปี ระสทิ ธภิ าพ โดยประมาณคา่ สมั ประสทิ ธข์ิ องแบบจำ�ลองดงั กลา่ วดว้ ยวธิ กี �ำ ลงั สอง น้อยท่ีสุด (Ordinary least square, OLS) หรือวิธีภาวะความน่าจะเป็นสูงสุด (Maximum likelihood estimation, MLE) วิธีหลงั ใชใ้ นกรณขี องแบบจ�ำ ลองโทบติ (Tobit model) อยา่ งไรกต็ ามการใชว้ ธิ ีOLS ประมาณคา่ สมั ประสทิ ธข์ิ องสมการถดถอยในขน้ั ตอนทสี่ อง อาจท�ำ ให้ ตวั ประมาณคา่ ที่ได้ขาดคุณสมบัตคิ วามมีประสทิ ธภิ าพ (Efficiency) เนอื่ งจากตวั แปรตาม (Endogenous) ของสมการที่สองเป็นค่าความมี/ไม่มีประสิทธิภาพที่มีการแจกแจงแบบตัดปลาย (Truncated) โดยมีค่า ระหว่าง 0 - 1 ดังนนั้ การใชว้ ิธี OLS อาจเผชิญกบั ปัญหา Heteroskedasticity (Greene, 2003) ทำ�ให้ คา่ สถติ ิ t(t-statistic) ทคี่ �ำ นวณไดม้ คี า่ ตา่ํ หรอื สงู กวา่ ความเปน็ จรงิ และอาจน�ำ มาสกู่ ารตดั สนิ ใจทผ่ี ดิ พลาด ในการเลอื กตัวแปรอิสระของสมการถดถอยในข้นั ตอนที่สอง นอกจากนี้ Simar and Wilson, (2005) และ Barnum and Gleason (2008) ไดพ้ ิสูจน์ให้เหน็ ว่า ขนาดของความแปรปรวน (Variance) ของปัจจัยนำ�เขา้ ในข้นั ตอนแรกมอี ทิ ธพิ ลต่อการค�ำ นวณหาคา่ ประสทิ ธภิ าพ ทำ�ใหค้ า่ ประสิทธภิ าพท่ีค�ำ นวณได้มีค่าสงู หรอื ตํ่ากว่าความเป็นจริง ขณะเดียวกันขนาดของความแปรปรวนของตัวแปรภายนอกและขนาดสหสัมพันธ์ ระหวา่ งปจั จยั น�ำ เขา้ และตวั แปรภายนอก มอี ทิ ธพิ ลและท�ำ ใหส้ มการถดถอยในขนั้ ตอนทส่ี องเกดิ ความเอน เอียงและขาดความเทีย่ งตรง นอกจากน้ี จากการศกึ ษาความเอนเอยี ง(Bias) และความเทย่ี งตรง(Precisionproblem) ของการใช้ วิธี DEA แบบสองขนั้ ตอนที่เสนอโดย อคั รพงศ์ อนั้ ทอง (2552) ชี้ใหเ้ หน็ วา่ การประเมนิ ค่าประสทิ ธภิ าพ ดว้ ยวธิ ีDEA ผใู้ ชพ้ งึ ระมดั ระวงั การใชป้ จั จยั น�ำ เขา้ และผลผลติ โดยควรตรวจสอบความแปรปรวนของปจั จยั น�ำ เข้าและผลผลิตก่อนน�ำ มาใช้ เพราะ ปจั จยั นำ�เข้าและผลผลติ ท่ีมีความแปรปรวนคอ่ นขา้ งสงู มผี ลท�ำ ให้ คา่ ประสทิ ธภิ าพทค่ี �ำ นวณไดม้ คี า่ ตา่ํ กวา่ ความเปน็ จรงิ โดยทว่ั ไปจะแกไ้ ขปญั หาดงั กลา่ วดว้ ยการแปลงขอ้ มลู (Transform data) ด้วยการท�ำ Natural logarithm ขอ้ มูลกอ่ นใช้ในการวเิ คราะห์ด้วยวิธี DEA 1 ความไม่มีประสิทธิภาพเกิดข้ึนจากการจัดการหรือการจัดสรรปัจจัยนำ�เข้าท่ีไม่เหมาะสม ดังน้ันการปรับปรุงประสิทธิภาพจึงสามารถ ด�ำ เนินการไดภ้ ายใต้การเปลีย่ นแปลงการจดั การหรอื การจัดสรรปัจจยั นำ�เข้าใหม้ คี วามเหมาะสมขึน้

เศรษฐมติ ิว่าดว้ ยการท่องเที่ยว 155 สำ�หรับกรณีท่ีใช้วิธี DEA แบบสองขั้นตอน ผู้ใช้ควรตรวจสอบสหสัมพันธ์ระหว่างปัจจัยนำ�เข้า และตัวแปรภายนอก เน่ืองจากขนาดของสหสัมพันธ์ของปัจจัยนำ�เข้าและตัวแปรภายนอกมีผลต่อ ค่าประสิทธิภาพที่คำ�นวณได้ และมีผลต่อค่าสัมประสิทธ์ิ Marginal effect ของแบบจำ�ลองโทบิตที่อยู่ใน ข้ันตอนท่ี 2 ซึ่งอาจนำ�มาสู่การตัดสินใจเลือกแบบจำ�ลองหรือตัวแปรภายนอกท่ีผิดพลาดได้ ดังนั้น หากปจั จยั นำ�เขา้ และตวั แปรภายนอกมสี หสมั พนั ธก์ นั สงู ยอ่ มทำ�ใหค้ า่ ประสทิ ธภิ าพทคี่ ำ�นวณไดม้ คี า่ ตาํ่ กวา่ ความเปน็ จรงิ ขณะเดยี วกนั กจ็ ะท�ำ ใหอ้ ทิ ธพิ ลของตวั แปรภายนอกทมี่ ตี อ่ คา่ ประสทิ ธภิ าพลดลงดว้ ย กรณที ่ี พบวา่ ตวั แปรภายนอกมสี หสมั พนั ธก์ บั ปจั จยั น�ำ เขา้ คอ่ นขา้ งสงู ผศู้ กึ ษาอาจแกไ้ ขปญั หาโดยเลอื กใชว้ ธิ กี าร เลือกตัวแปรภายนอกใหม่ หรืออาจใช้วิธี Principal components ในการวิเคราะห์องค์ประกอบระหว่าง ตัวแปรภายนอกกับปจั จัยน�ำ เขา้ วิธีท่นี ยิ มใชก้ ันมากในงานศกึ ษาต่างๆ คือ การปรับคา่ ผลผลติ ด้วยตวั แปร ภายนอก โดยหาคา่ ความสมั พนั ธร์ ะหวา่ งผลผลติ กบั ตวั แปรภายนอกดว้ ยวธิ ีOLS หลงั จากนนั้ จงึ น�ำ คา่ ความ สมั พันธด์ งั กลา่ วมาสร้างเป็นตัวแปรผลผลติ ใหม่ดงั น้ี [6.8] yi* = yi – αzi โดยที ่ yi* คอื ค่าผลผลติ ทปี่ รับคา่ แลว้ ของหนว่ ยผลติ ท่ี i zi คือ ตวั แปรภายนอกของหน่วยผลติ ที่ i α คอื ค่าสัมประสิทธ์ิท่ีได้จากการประมาณค่าความสัมพันธ์ระหว่างผลผลิตกับตัวแปร ภายนอกดว้ ยวธิ ี OLS หลงั จากนนั้ จงึ น�ำ คา่ yi* ทค่ี �ำ นวณไดไ้ ปหาคา่ ประสทิ ธภิ าพ จะท�ำ ใหไ้ ดค้ า่ ประสทิ ธภิ าพที่ไมม่ อี ทิ ธพิ ล ของตวั แปรภายนอก และไมม่ ีอทิ ธพิ ลของสหสมั พันธร์ ะหวา่ งตัวแปรภายนอกกับปจั จยั น�ำ เขา้ วธิ นี ้ที �ำ ให้ คา่ ประสทิ ธิภาพท่ีได้มีความเทยี่ งตรงมากกว่าการใชว้ ธิ ี DEA แบบสองขัน้ ตอนท่ีใชก้ นั โดยท่วั ไป นอกจากท่ีกล่าวมาข้างต้น ข้อควรระวังอีกประการหน่ึงในการใช้วิธี DEA แบบสองข้ันตอน คือ ปัญหา Serious multicollinearity ระหว่างปัจจัยนำ�เข้าและตัวแปรภายนอก อัครพงศ์ อั้นทอง (2552) เสนอว่า ปัจจัยนำ�เข้าและตัวแปรภายนอกไม่ควรมีค่าสัมประสิทธ์ิสหสัมพันธ์เกิน 0.80 ปัญหา Serious multicollinearity มีผลทำ�ให้การตัดสินใจเลือกตัวแปรภายนอกเพื่ออธิบายความมี/ไม่มีประสิทธิภาพ ผดิ พลาดได้ และจะท�ำ ใหต้ วั ประมาณคา่ ขาดคณุ สมบตั ิEfficiency คา่ สถติ ิ t ทค่ี �ำ นวณไดข้ าดความนา่ เชอ่ื ถอื เพราะ ค่าความแปรปรวนของคา่ สมั ประสทิ ธ์ิไม่ไดม้ ีค่าตา่ํ สุด

156 บทที่ 6: การวัดประสิทธภิ าพการจดั การของอุตสาหกรรมท่องเที่ยว 6.3 การวดั ประสิทธิภาพดว้ ยวธิ ี Stochastic frontier analysis (SFA) วธิ ี SFA เป็นวิธี Parametric ที่ใช้เศรษฐมิตปิ ระมาณค่าฟังกช์ ันเส้นพรมแดน (Frontier function) โดยการประมาณคา่ สัมประสิทธน์ิ ยิ มใชว้ ธิ ีภาวะความน่าจะเปน็ สงู สดุ (Maximum likelihood estimation) ท่เี สนอโดย Aigner, Lovel and Schmidt (1977) Meeusen and Van den Broeck (1977) และ Battese and Corra (1977) แบบจ�ำ ลองเส้นพรมแดนเชงิ เฟ้นสุ่ม (Stochastic frontier model) ประยกุ ต์ใชใ้ นการ ประมาณคา่ ฟงั กช์ นั การผลติ ฟงั ก์ชนั ต้นทนุ การผลติ ฟังก์ชันก�ำ ไร เปน็ ต้น ในการวิเคราะห์อาจใช้ข้อมูล ภาคตดั ขวาง (Cross sectional data) หรือขอ้ มูล Panel แนวคิดของแบบจ�ำ ลองเสน้ พรมแดนเชิงเฟน้ สุม่ จะสมมติให้ฟังก์ชันการผลติ เชงิ เฟ้นสุ่มมีลกั ษณะดังน้ี [6.9] Yi = f (xi , β) exp(εi) โดยที่ Yi คือ ผลผลิตของหนว่ ยธรุ กจิ ท่ี i (i=1 , 2 , … , N) Xi คอื เมตรกิ ซข์ องปัจจัยการผลติ β คือ เวกเตอรข์ องค่าสัมประสิทธิ์ และ εi คอื เทอมค่าคลาดเคลอื่ น (Error term) ประกอบดว้ ย vi และ ui (εi ≡ vi – ui) โดยท่ี vi เป็นค่าคลาดเคล่ือนท่ีไม่สามารถควบคุมได้ เช่น ปริมาณน้ําฝน ลักษณะดิน ภูมิอากาศ การระบาดของโรค เป็นต้น และสมมติให้มีลักษณะการแจกแจงแบบสองด้าน (Symmetric) ท่ีมีการแจกแจงเดียวกันและเป็นอิสระต่อกัน (Independently and identically distributed: IID) โดยมี คา่ เฉลย่ี เปน็ ศนู ย์ และคา่ ความแปรปรวนเทา่ กบั σ2 [vi ~ N(0, σv2)] สว่ น ui เปน็ คา่ คลาดเคลอ่ื นทส่ี ามารถ v ควบคุมได้ เช่น การใช้ปจั จัยการผลิต ประสบการณข์ องเกษตรกร เปน็ ต้น และใหม้ ีลกั ษณะการแจกแจง แบบดา้ นเดยี ว(One-sided) ทเี่ ปน็ การแจกแจงปกตแิ บบตดั ปลาย(Truncatednormal) ทางดา้ นบวก (ui>0) มคี า่ เฉล่ยี เป็นศูนย์ และค่าความแปรปรวนเทา่ กบั σ2 [ui ~ N(0, σu2)] กรณีที่ ui มีคา่ เฉลีย่ เปน็ ศูนย์ u δi0 ∑J δij เรยี กว่า แบบจำ�ลอง Error component (Coelli, 1996) ส่วนกรณที ่ี มีค่าเฉลีย่ เทา่ กบั j=1 ui + Zij โดยที่ Zij คือ ปัจจัยตัวที่ j ท่ีมีอิทธิพลต่อความไม่มีประสิทธิภาพของหน่วยธุรกิจท่ี i และ δ คือ ค่าสัมประสิทธิ์ กรณีน้ีเรยี กว่า แบบจ�ำ ลอง Technical efficient effect (Battese and Coelli, 1995) ส�ำ หรบั การประมาณคา่ สมั ประสทิ ธดิ์ ว้ ยวธิ ภี าวะความนา่ จะเปน็ สงู สดุ หรอื MLE มกี ารเสนอฟงั กช์ นั Log-likelihood ทแี่ ตกต่างกนั สองรูปแบบ คอื Log-likelihood ท่ีเสนอโดย Aigner, Lovel and Schmidt (1977) มีลกั ษณะดังนี้ [6.10] πσ2 ln Φ – εσi λ 1 ln L = – 1 ln 2 + – 2σ2 ε2 2 i โดยท ่ี Φ คือ ฟังก์ชนั สะสม (Cumulative function) ของการแจกแจงปกตมิ าตรฐาน (Standard normal)

เศรษฐมติ ิว่าดว้ ยการท่องเทยี่ ว 157 จากฟงั ก์ชนั Log-likelihood ขา้ งต้น ใชว้ ธิ ี MLE ประมาณค่าสมั ประสิทธิ์ (β) และคา่ สมั ประสิทธ์ิ ความแปรปรวนของฟงั กช์ นั Log-likelihood (σ2 และ λ) โดยท่ี σ2 ≡ σ2 + σ2 และ λ ≡ σu / σv คา่ λ เปน็ คา่ v u ที่แสดงใหเ้ หน็ ว่า แบบจ�ำ ลองมเี สน้ พรมแดนหรอื ไม่ หากคา่ λ มคี า่ แตกต่างไปจากศนู ยอ์ ยา่ งมนี ยั ส�ำ คญั ทางสถติ ิ แสดงวา่ แบบจ�ำ ลองมเี สน้ พรมแดนตามแนวคดิ ของ Farrell (1957) กจ็ ะสามารถน�ำ ไปใชป้ ระเมนิ คา่ ประสทิ ธิภาพของหนว่ ยธุรกิจได้ แต่ Battese and Corra (1977) โตแ้ ย้งวา่ การใชค้ ่า λ ในฟังก์ชนั Log-likelihood ท�ำ ใหไ้ มส่ ามารถประมาณคา่ แบบจ�ำ ลองในกรณที ี่ vi มคี วามแปรปรวนเทา่ กบั ศนู ย์ (σv2 = 0) ดงั นั้น Battese and Corra (1977) จงึ เสนอฟงั กช์ ัน Log-likelihood ท่แี ตกต่างจาก Aigner, Lovel and Schmidt (1977) ดังนี้ [6.11] πσ2 ln Φ – εσi γ 1 1–γ ln L = – 1 ln 2 + – 2σ2 εi2 2 ฟังก์ชัน Log-likelihood ทีเ่ สนอโดย Battese and Corra (1977) ใช้การประมาณค่า γ ≡ σ2 / σ2 λ σ2 u แทนการประมาณคา่ ซง่ึ สามารถประมาณคา่ แบบจ�ำ ลองได้ทกุ กรณรี วมทัง้ กรณที ี่ v = 0 เมื่อหาอนุพันธ์ของฟังก์ชัน Log-likelihood เทียบกับตัวพารามิเตอร์ท่ีไม่ทราบค่าในฟังก์ชัน Log-likelihood (β,σ,γ) แลว้ แกส้ มการ จะไดค้ า่ สมั ประสทิ ธท์ิ ง้ั หมดทเ่ี ปน็ ตวั ประมาณคา่ ความนา่ จะเปน็ สงู สดุ (Maximum likelihood estimator) แล้วจงึ นำ�คา่ สมั ประสทิ ธิ์ท่ีไดไ้ ปประเมนิ หาค่า i ของแต่ละหน่วยธุรกจิ จากการหาค่าคาดหวัง (Expected value) ของ ui จากการแจกแจงแบบมีเง่ือนไข (Conditional distribution) ของ ui เม่ือก�ำ หนด εi มาให้ โดยมสี ตู รการคำ�นวณดังน้ี (Battese and Coelli, 1988) [6.12] φ γεi 1–Φ γ(1 – γ) σ2 E(ui εi) = – γεi + γ(1 – γ) σ2 γεi γ(1 – γ) σ2 โดยท่ี φ คือ ฟงั ก์ชันความหนาแนน่ (Density function) ของการแจกแจงปกตมิ าตรฐาน

158 บทท่ี 6: การวัดประสทิ ธภิ าพการจดั การของอุตสาหกรรมท่องเท่ียว สว่ นกรณขี องAigner,LovelandSchmidt(1977) สามารถค�ำ นวณหาคา่ คาดหวงั ของ ui เมอ่ื ก�ำ หนด εi มาให้ ตามสตู รท่ี Jondrow et al. (1982) เสนอดงั น้ี [6.13] φ εσi λ – εσi λ 1 – Φ εσi λ E(ui εi) = σuσσv และจากทงั้ สองกรณีหากใช้ฟังก์ชนั ฟอร์มแบบ Cobb-Douglas สามารถประมาณคา่ ประสทิ ธภิ าพ ของแตล่ ะหนว่ ยธุรกจิ ได้ดังนี้ TE = exp(– i) และสามารถหาค่าเฉลีย่ ความมีประสิทธิภาพของหน่วยธรุ กิจทง้ั หมดไดด้ ังนี้ [6.14] γσ2 ; กรณีของ Battese and Corra (1977) ; กรณีของ Aigner, Lovel and Schmidt (1977) E(e ) = 2 [1 – Φ(σ γ )] • exp 2 หรอื E(e ) = 2 [1 – Φ(σu)] • exp σu2 2

เศรษฐมติ วิ า่ ด้วยการทอ่ งเที่ยว 159 6.4 การวัดการเปลยี่ นแปลงประสทิ ธิภาพดว้ ย Malmquist productivity approach จากแนวคดิ พ้นื ฐานของ Farell (1957) ตอ่ มา Cave et al. (1982) ได้เสนอแนวคิดสำ�หรับประเมิน การเปล่ียนแปลงประสิทธิภาพ เทคโนโลยี และผลิตภาพปัจจัยการผลิตของหน่วยตัดสินใจดังแสดงใน รูปที่ 6.1 ดงั น้ี รูปที่ 6.1 การประเมินการเปล่ียนแปลงประสทิ ธิภาพการจัดการท่ีพิจารณาทางด้านผลผลิต Y D Ft+1 ณ เวลาท่ี t+1 Dt+1 (Xt+1 , Yt+1)•Yt+1 G At+1 (Xt+1 , Yt+1) Yt+1 F C Ft ณ เวลาที่ t At (Xt , Yt) Dt (Xt , Yt)•Yt Yt EB X ท่มี า: ดดั แปลงมาจาก Hwang and Chang (2003) จากรปู ที่ 6.1 ก�ำ หนดให้ Ft คอื เสน้ พรมแดน ณ เวลาท่ี t และ Ft+1 คอื เสน้ พรมแดน ณ เวลาที่ t+1 ในขณะที่ ณ จุด At(xt , yt) และ At+1 (xt+1 , yt+1) แสดง เวกเตอร์ของปัจจยั นำ�เข้าและผลผลิตของ หน่วยตดั สินใจ ณ เวลาที่ t และ t+1 ตามลำ�ดับ ดงั น้นั การเปลี่ยนในประสทิ ธิภาพ (Shift in efficiency: SIE) จากเวลาท่ี t ถงึ เวลาท่ี t+1 คือ SIEt,t+1 = BD EG ½ BC EF

160 บทที่ 6: การวัดประสทิ ธิภาพการจดั การของอุตสาหกรรมทอ่ งเทยี่ ว และสัดส่วนระหว่างประสทิ ธิภาพของหน่วยตดั สินใจ ณ เวลาที่ t+1 เทียบกบั ณ เวลาท่ี t หรอื Catching-up in efficiency (CIE) คือ CIEt,t+1 = BAt+1 EAt BD EF ดงั นั้นการเปล่ียนแปลงประสทิ ธิภาพโดยรวม (Total efficiency change) ของหนว่ ยตดั สนิ ใจ ณ เวลาท่ี t ถึงเวลาท่ี t+1 คือ ×TECt,t+1 = CIEt,t+1 SIEt,t+1 จากแนวคดิ ขา้ งตน้ Caves et al. (1982) และ Färe et al. (1992) ประยกุ ต์ใช้ฟังก์ชันระยะทาง (Distance function) ประเมินการเปลีย่ นแปลงในประสทิ ธภิ าพจากเวลาที่ t ถึงเวลาท่ี t+1 ดงั น้ี [6.15] BD EG ½ BC EF SIEt,t+1 = = Dt+1 (xt+1 , yt+1) Dt+1 (xt , yt) ½ Dt (xt+1 , yt+1) Dt (xt , yt) ในขณะที่ CIE จากเวลาที่ t+1 ถึงเวลาท่ี t สามารถหาได้ดังนี้ [6.16] BAt+1 EAt BD EF CIEt,t+1 = = Dt+1 (xt+1 , yt+1) –1 Dt (xt , yt) = Dt (xt , yt) Dt+1 (xt+1 , yt+1)

เศรษฐมิตวิ ่าด้วยการทอ่ งเทย่ี ว 161 ส่วนการเปล่ียนแปลงประสิทธภิ าพโดยรวมของหนว่ ยตดั สินใจ ณ เวลาท่ี t ถงึ เวลาที่ t+1 สามารถ หาไดด้ งั นี้ ×[6.17] TECt,t+1 = CIEt,t+1 SIEt,t+1 Dt+1 (xt+1 , yt+1) Dt+1 (xt , yt) ½ Dt (xt+1 , yt+1) Dt (xt , yt) = Dt (xt , yt) Dt+1 (xt+1 , yt+1) Dt+1 (xt , yt) ½ Dt+1 (xt+1 , yt+1) = Dt (xt , yt) Dt (xt+1 , yt+1) สมการท่ี (6.17) เหมือนกับ Malmquist productivity index ที่ใช้ประเมินการเปลี่ยนแปลง ประสิทธภิ าพของหนว่ ยตัดสนิ ใจ ณ เวลาท่ี t ถึงเวลาที่ t+1 จากสมการดังกลา่ ว สามารถใช้แบบจ�ำ ลอง ท่ี (6.3) ประเมินประสิทธภิ าพ ณ เวลาที่ t และ t+1 ของฟังก์ชัน Dt (xt , yt) และ Dt+1 (xt+1 , yt+1) สว่ นฟังก์ชนั Dt+1 (xt , yt) ทแี่ สดงประสทิ ธภิ าพของหน่วยตัดสินใจ ณ เวลาท่ี t ทอี่ า้ งอิงเส้นพรมแดน ณ เวลาที่ t+1 สามารถหาได้จากแบบจ�ำ ลองดังนี้ [6.18] Dt+1 (xt , yt) = min θ subject to λ θ ≤x – xitj+1 jt+1iot0 i=1 , 2 , … , m; λ ≥y – yt+1 t+1t 0 r=1 , 2 , … , s; rj j ro λ t+1 ≤ 1 j λ t+1 ≥ 0 j=1 , 2 , … , n j

162 บทที่ 6: การวดั ประสิทธภิ าพการจัดการของอุตสาหกรรมท่องเที่ยว เช่นเดียวกันฟังก์ชัน Dt(xt+1 , yt+1) ทแ่ี สดงประสิทธภิ าพของหน่วยผลิต ณ เวลาที่ t+1 ท่อี า้ งอิง เสน้ พรมแดน ณ เวลาท่ี t สามารถหาได้จากแบบจำ�ลองดังน้ี [6.19] Dt (xt+1 , yt+1) = min θ subject to x t λ t – θx t+1 ≤ 0 i=1 , 2 , … , m; ij j io λ ≥yrtj jt – yrot+1 0 r=1 , 2 , … , s; λjt ≤ 1 λjt ≥ 0 j=1 , 2 , … , n 6.5 การวดั ประสทิ ธภิ าพด้วยวิธีการวเิ คราะห์ Meta-frontier วธิ ี DEA และ SFA ทเ่ี สนอข้างตน้ มีข้อสมมตทิ สี่ ำ�คัญ คือ หนว่ ยธุรกจิ ทีเ่ ปน็ กลุ่มตวั อย่างต้องมี เทคโนโลยีการผลิตหรือการดำ�เนินงานท่ีเหมือนกัน นั่นคือ สมมติให้หน่วยธุรกิจมีลักษณะของฟังก์ชัน การผลิตเหมือนกัน (Homogeneity of production function) หากหน่วยธุรกิจมีเทคโนโลยีแตกต่างกัน ผลลัพธ์จากวิธี DEA และ SFA อาจคลาดเคลอื่ น ดังน้ันจงึ มกี ารเสนอแนวคดิ การวเิ คราห์ Meta-frontier ทเี่ ปน็ การวเิ คราะหเ์ สน้ พรมแดนขอบเขตของเสน้ พรมแดนแตล่ ะกลมุ่ (Individualfrontiers) ของหนว่ ยธรุ กจิ ทีอ่ ยู่ในอตุ สาหกรรมเดยี วกัน แต่มเี ทคโนโลยีการแตกตา่ งกนั ดังแสดงในรปู ท่ี 6.2 รูปท่ี 6.2 Meta-frontier และเสน้ พรมแดนกล่มุ (Individual frontiers) Output Y Meta-frontier Individual frontiers 0 Input X ที่มา: ดัดแปลงมาจาก Battese, Rao and O’Donnell (2004)

เศรษฐมิตวิ ่าดว้ ยการทอ่ งเที่ยว 163 ในที่นน้ี ำ�เสนอเฉพาะการวเิ คราะห์ Meta-frontier ในกรณีวธิ ี SFA ที่เสนอโดย Battese and Rao (2002) ซ่ึงตอ่ มา Battese, Rao and O’Donnell (2004) O’Dennell, Rao and Battese (2008) และ Villano, Fleming and Fleming (2008) ไดพ้ ฒั นาวธิ นี ้ีให้ดขี ้ึนและน�ำ มาใชศ้ กึ ษาเชิงประจกั ษ์ นอกจากนี้ Villano, Fleming and Fleming (2008) เสนอว่า แมว้ ่ามีการศกึ ษาเพือ่ ให้ไดค้ ่าประสทิ ธภิ าพท่ีใกล้เคียง ความเป็นจรงิ มากขนึ้ เช่น Latent class model (Greene, 2004) State-contingent frontier (O’Donnell and Griffiths,2006) เปน็ ตน้ แตว่ ธิ เี หลา่ นย้ี งั คงเปน็ ตวั ประมาณคา่ ทม่ี คี วามเอนเอยี ง(Biasedestimators) เมื่อนำ�มาใช้ประมาณค่าสัมประสิทธ์ิของสมการเส้นพรมแดนจะได้ผลลัพธ์ที่ไม่สมบูรณ์ภายใต้เทคโนโลยี ทแ่ี ตกต่างกัน ดังน้นั การวิเคราะห์ Meta-frontier จึงเหมาะสมกวา่ ในการประเมนิ อตั ราส่วนความแตกตา่ ง ของเทคโนโลยี (Technology gap ratio: TGR) และความไมม่ ีประสทิ ธิภาพของหน่วยธรุ กิจที่มเี ทคโนโลยี แตกตา่ งกัน การวเิ คราะหด์ ้วย Meta-frontier มี 2 ขัน้ ตอนหลัก คอื ขัน้ แรกเปน็ การอธบิ ายความแตกต่างของ ประสทิ ธภิ าพภายในกลมุ่ เสน้ พรมแดนเดยี วกนั หรอื ภายในกลมุ่ ทมี่ เี ทคโนโลยเี หมอื นกนั และขน้ั ตอนตอ่ ไป เป็นการอธิบายความแตกต่างของประสิทธิภาพระหว่างกลุ่มเส้นพรมแดนหรือระหว่างกลุ่มที่มีเทคโนโลยี แตกต่างกัน (ระหว่าง Meta-frontier) โดยปกติค่าประสิทธิภาพที่ได้จาก Meta-frontier มีค่าน้อยกว่า ค่าประสิทธิภาพที่ไดจ้ ากเส้นพรมแดนกลุ่ม (Individual frontiers) จากรูปที่ 6.2 สามารถประมาณค่าแบบจำ�ลองมาตรฐานของเส้นพรมแดนเชิงเฟ้นสุ่มของกลุ่มท่ี แตกต่างกัน R กลมุ่ ภายในอตุ สาหกรรมเดยี วกนั โดยใชฟ้ ังก์ชนั การผลิตเชิงเฟน้ ส่มุ ดังนี้ [6.20] Yi(j) = f (Xi(j) , β(j))e vi(j) –ui(j) ; i=1 , 2 , … , N , j=1 , 2 , … , R โดยท่ี j คอื กลมุ่ ของหน่วยธุรกจิ ท่อี ยู่ในอุตสาหกรรมเดียวกนั i คือ หนว่ ยธรุ กิจที่มีการผลติ สินคา้ 1 ชนดิ โดยใชป้ จั จัยการผลิตหลายชนดิ Yi(j) คือ เวกเตอร์ของผลผลติ ของหนว่ ยธุรกิจที่ i ท่ีอยู่ในกลุ่มที่ j Xi(j) คือ เมตริกซ์ของปจั จัยการผลิตทถี่ กู ใชโ้ ดยหน่วยธุรกิจที่ i ทีอ่ ยู่ในกล่มุ ที่ j β(j) คือ เวกเตอร์ของค่าสัมประสิทธิ์ของปัจจัยการผลิตท่ีได้จากวิธี Stochastic frontier ของกลุ่มที่ j vi(j) คอื ค่าคลาดเคลอ่ื นที่ไมส่ ามารถควบคมุ ได้ และมลี ักษณะการแจกแจงแบบสองด้าน (Symmetric) ที่มีการแจกแจงเดียวกันและเป็นอิสระต่อกัน (IID) โดย v(j) ~ N(0 , δ2v(j)) ui(j) คือ ค่าคลาดเคลื่อนที่สามารถควบคุมได้ และมีลักษณะการแจกแจงแบบด้านเดียว (One-sided) ที่มลี กั ษณะ u ( j) ~ N(μ i( j) , δ )2 โดยที่ μi(j) คอื แบบจำ�ลอง u( j) ความไมม่ ปี ระสทิ ธภิ าพ

164 บทท่ี 6: การวดั ประสิทธภิ าพการจัดการของอตุ สาหกรรมท่องเทีย่ ว ดงั น้นั รปู แบบพ้นื ฐานของแบบจำ�ลองเส้นพรมแดนส�ำ หรับกลมุ่ j คอื f β ≡Y = (X , )e e[6.21] xi β(j) +vi(j) –ui(j) i i (j) vi(j) –ui(j) จากสมการที่ (6.21) เมื่อสมมติให้ฟังก์ชันเส้นพรมแดนเป็นฟังก์ชันเส้นตรง โดยผลผลิตของ หนว่ ยธรุ กจิ ที่ i (Yi) มีความสัมพันธ์เชงิ เส้นตรงกับเวกเตอรข์ องค่าสมั ประสทิ ธ์ิ β(j) และ Xi ท่เี ปน็ เมตรกิ ซ์ ของปจั จยั การผลิตของหน่วยธุรกิจท่ี i สำ�หรับรปู แบบของแบบจ�ำ ลอง Meta-frontier ของหน่วยธุรกจิ ในอุตสาหกรรม มีลกั ษณะดังนี้ [6.22] ; i=1 , 2 , … , N = Nj Yi* = f (Xi , β*) = e xi β* จากสมการท่ี (6.22) β* คอื เวกเตอรข์ องคา่ สมั ประสิทธิ์สำ�หรบั แบบจ�ำ ลอง Meta-frontier โดยท่ี [6.23] ; j=1 , 2 , … , J Xi β* ≥ Xi β(j) และจากสมการท่ี (6.23) แบบจำ�ลอง Meta-frontier สามารถหาไดจ้ ากการแกไ้ ขปัญหา (Solve) การหาค่าทเี่ หมาะสมท่สี ุด (Optimization problem) ของปัญหาทางคณติ ศาสตร์ดงั นี้ (Battese, Rao and O’Donnell, 2004) [6.24] Objective Min L = [ln f (Xi , β*) – ln f (Xi , β(j))] subject to ln f (Xi , β*) ≥ ln f (Xi , β(j)) โดยที่ β(j) คือ เวกเตอร์ของคา่ สมั ประสทิ ธท์ิ ่ีได้จากวิธีStochastic frontier ของกลุม่ ที่ j จากสมการ ที่ (6.21)

เศรษฐมิติว่าดว้ ยการทอ่ งเท่ยี ว 165 จากผลผลติ ทส่ี งั เกตได้ (Observed output) ของสมการท่ี (6.21) ที่ไดจ้ ากวธิ ี Stochastic frontier ของกลุ่มที่ j (Yi) และผลผลิตที่สังเกตได้ของแบบจำ�ลอง Meta-frontier ในสมการที่ (6.22) (Yi*) จะได้ว่า [6.25] f (Xi , β(j)) f (Xi , β*) Yi = e –ui(j) • • f (Xi , β*)e vi(j) โดยที่ e –ui(j) ในสมการท่ี (6.25) คือ คา่ ประสิทธิภาพที่ได้จากวิธี Stochastic frontier ของกลมุ่ ท่ี j ตามวิธขี อง Battese and Rao (2002) ดงั นี้ [6.26] Yi(j) = e –ui(j) (Xi(j) , )e(j) vi(j) f βTEi(j) = ค วามแตสกว่ นตา่ งfขf(อ(XXงสii,,ภββา(*พj)))แวดในลส้อมมก-าเทรทคโ่ี (น6โ.2ล5ย)ี (Eคnอื vอirตัonรmาสeว่ nนt-คteวาcมhnแoตloกgตyา่ gงขapองraเทtioค:โนEโTลGยีRห)รอืซอง่ึ ัตสารามสา่วรนถ แสดงไดด้ งั นี้ [6.27] f (Xi , β(j)) f (Xi , β*) TGR = ETGR = TGR หรอื ETGR วัดจากอัตราสว่ นของผลผลิตจากเสน้ พรมแดนของกลุม่ ที่ j เทยี บกบั ผลผลิต จากเส้นพรมแดนท่ีประมาณค่าด้วยการวิเคราะห์ Meta-frontier ภายใต้การใช้ปัจจัยการผลิตท่ีมีอยู่จริง ซง่ึ ค่า TGR หรือ ETGR ที่ค�ำ นวณไดม้ คี ่าระหวา่ ง 0 - 1 ส�ำ หรบั การประเมนิ ประสทิ ธภิ าพของหนว่ ยธรุ กจิ ที่ i เมอ่ื เทยี บกบั เสน้ พรมแดนที่ไดจ้ ากการวเิ คราะห์ Meta-frontier ซึ่งแทนดว้ ย TEi* มีการวิเคราะหท์ ี่คล้ายคลงึ กบั สมการท่ี (6.26) ดังนี้ [6.28] Yi TE* = f (Xi , β*)e vi(j)

166 บทที่ 6: การวัดประสิทธภิ าพการจัดการของอุตสาหกรรมทอ่ งเทย่ี ว สมการท่ี (6.28) คือ อัตราส่วนของผลผลติ ท่ีสังเกตได้ (Yi) เทยี บกับ f (Xi , β*)e vi(j) ในสมการ ที่ (6.25) ซ่ึงก็คือ ผลผลิตจากเส้นพรมแดนที่ได้จากการวิเคราะห์ Meta-frontier ที่ถูกปรับด้วยค่า คลาดเคลอื่ น ดังน้นั จากสมการ (6.25) (6.26) (6.27) และ (6.28) สามารถอธิบายประสิทธภิ าพจากการวิเคราะห์ Meta-frontier ไดด้ ังน้ี [6.29] Yi = e –ui(j) • f (Xi , β(j)) f (Xi , β*) TE* = f (Xi , β*)e vi(j) TE* = TEi * TGR จากแนวคดิ พน้ื ฐานการวเิ คราะห ์ Meta-frontier ขา้ งตน้ มกี ารพฒั นาและศกึ ษาเพม่ิ เตมิ ในประเดน็ ตา่ งๆ เชน่ การศึกษาในกรณีทม่ี ผี ลผลิตหลายชนิดและ Time-invariant inefficiency โดย O’Donnell, Rao and Battese (2008) การศึกษาในกรณที ีม่ กี ารเปลยี่ นแปลงเทคโนโลยโี ดย Coelli et al. (2005) การศกึ ษา หลักเกณฑ์ในการเลือกและกำ�หนดกลุ่มโดย Orea and Kumbhakar (2004) และ O’Donnell and Griffiths (2006) เปน็ ต้น เหตุผลท่ีใช้สนับสนุนการวเิ คราะหด์ ว้ ย Meta-frontier คือ การทดสอบด้วยสถติ ิ Likelihood-ratio (LR) โดยสมมตฐิ านหลกั (H0) คอื หนว่ ยธุรกิจแตล่ ะกลมุ่ มีเทคโนโลยเี หมอื นกนั ดังน้ันหากค่าสถิติ LR ท่ีคำ�นวณได้มคี ่ามากกว่าค่าวิกฤต Chi-square (χ2) ณ ระดับนยั ส�ำ คัญทีก่ ำ�หนด จะปฏเิ สธสมมติฐานหลัก แสดงวา่ หน่วยธรุ กิจในแตล่ ะกลุม่ มีเทคโนโลยแี ตกตา่ งกนั โดยค่าสถติ ิ LR มีสูตรดงั นี้ (Battese, Rao and O’Donnell, 2004) [6.30] LR = –2{ln[L (H0)] –ln[L(H1)]} χ2 [J] โดยที่ ln[L (H0)] คือ คา่ Log-likelihood ของแบบจ�ำ ลอง SFA ทปี่ ระมาณคา่ ดว้ ยขอ้ มลู ทงั้ หมด ln[L(H1)] คอื ผลรวมของคา่ Log-likelihood ของแบบจ�ำ ลอง SFA ของกลุม่ ของหน่วย ธุรกิจ J คอื องศาความเป็นอิสระ พิจารณาจากจำ�นวนพารามิเตอร์ทั้งหมดของ แบบจ�ำ ลองSFA ของกลมุ่ ของหนว่ ยธรุ กจิ ลบดว้ ยจ�ำ นวนพารามเิ ตอรข์ อง แบบจำ�ลอง SFA ของข้อมลู ทัง้ หมด

เศรษฐมติ ิว่าดว้ ยการท่องเทีย่ ว 167 6.6 กรณศี ึกษาประสิทธภิ าพการด�ำ เนนิ งานของโรงแรม การศึกษาและประเมินประสิทธิภาพของโรงแรมในระยะแรกเป็นการเปรียบเทียบอัตราส่วนต่างๆ ของผลการดำ�เนนิ งาน เชน่ การศึกษาของ Baker and Riley (1994) เป็นต้น และการวเิ คราะห์การจัดการ ผลผลิต (Yield management) เช่น การศึกษาของ Brotherton and Mooney (1992) Donaghy, McMahon and McDowell (1995) เป็นต้น ก่อนท่ีจะมกี ารประยุกต์ใช้วิธกี ารวิเคราะหต์ ามแนวคิดของ Farrell (1957) ในปี พ.ศ. 2538 โดย Morey and Dittman (1995) ต้ังแต่นั้นมาการศึกษาและประเมินประสิทธิภาพ การดำ�เนนิ และการจัดการของโรงแรมตามแนวคดิ ของ Farrell (1957) ท้ังทเ่ี ป็นวธิ ี DEA และ SFA ก็ไดร้ บั ความนยิ มอยา่ งตอ่ เนอื่ ง กรณปี ระเทศไทยพบมกี ารใชท้ งั้ สองวธิ ีในการประเมนิ ประสทิ ธภิ าพการด�ำ เนนิ งาน ของโรงแรมทงั้ ในระดบั ประเทศ ภาค และจงั หวดั และพบการศกึ ษาการเปลย่ี นแปลงประสทิ ธภิ าพการจดั การ ของโรงแรมโดยใช้ Malmquist index รวมทัง้ การวเิ คราะหด์ ้วย Meta-frontier (ตารางที่ 6.1) ตารางที่ 6.1 ผลงานการศกึ ษาการวดั ประสทิ ธิภาพของโรงแรมตามแนวคดิ ของ Farrell ท่ีส�ำ คญั ผูแ้ ตง่ วิธีการวเิ คราะห์ ขนาดของกลมุ่ ตวั อยา่ ง การศึกษาระดบั นานาชาติ Morey and Dittman (1995) DEA (CRS) 54 hotels in the U.S. Anderson et al. (1999) SFA (Error component) 48 hotels in the U.S. Hwang and Chang (2003) Malmquist index 45 hotels in Taiwan Bo and Liping (2004) DEA two-stage approach 242 hotels in California, U.S. Barros and Mascarenhas (2004) DEA (VRS) (TE, AE, EE) 43 hotels in Portugal Sigala (2004) DEA stepwise 93 hotels in the U.K. Shang et al. (2008) DEA (Three-stage) 87 hotels in Taiwan Barros, Peypoch and Solonanadrasana (2009) DEA (Luenberger index) 15 hotels in Portugal Song, Yang and Wu (2009) DEA the game cross-efficiency 23 hotels in Taiwan Assaf, Barros and Josiassen (2010) DEA (Meta-frontier) 78 hotels in Taiwan การศึกษาในประเทศไทย DEA (VRS) two stage. อัครพงศ์ อั้นทอง (2547) 477 แห่ง ในภาคเหนือ ม่ิงสรรพ์ ขาวสอาด และคณะ (2548) SFA (TE effect model). 1,752 แห่ง ในประเทศไทย อัครพงศ์ อัน้ ทอง และมงิ่ สรรพ์ ขาวสอาด (2552) DEA (VRS) และ Malmquist index 43 แห่ง ในจงั หวดั เชียงใหม่ อคั รพงศ์ อัน้ ทอง พนินท์ เครอื ไทย SFA (Meta-frontier) 1,799 แหง่ ในประเทศไทย และมิง่ สรรพ์ ขาวสอาด (2554)

168 บทท่ี 6: การวัดประสทิ ธิภาพการจดั การของอุตสาหกรรมท่องเท่ียว เนื้อหาในส่วนต่อไปนำ�เสนอผลการศึกษาการวัดประสิทธิภาพการจัดการและการดำ�เนินงานของ โรงแรมในประเทศไทย ทง้ั ที่เป็นการประเมนิ ดว้ ยวิธี DEA และ SFA ดังน้ี 6.6.1 การวัดประสิทธภิ าพการจดั การของโรงแรมด้วยวธิ ี DEA เนือ้ หาสว่ นนี้อ้างองิ งานศกึ ษาของ อัครพงศ์ อ้ันทอง และม่ิงสรรพ์ ขาวสอาด (2552) ทปี่ ระยุกต์ใช้ วธิ ีDEA ประเมนิ ประสทิ ธภิ าพและการเปลยี่ นแปลงประสทิ ธภิ าพการจดั การของโรงแรมในจงั หวดั เชยี งใหม่ งานศกึ ษาดงั กลา่ วใหค้ วามสนใจทจ่ี ะประเมนิ วา่ โรงแรมทเ่ี ปน็ กลมุ่ ตวั อยา่ งมปี ระสทิ ธภิ าพการจดั การปจั จยั น�ำ เขา้ ทีป่ ระกอบด้วยต้นทุนขายท้งั หมด คา่ ใช้จา่ ยในการขายและบริการ สนิ ทรัพย์รวม ส่วนของผถู้ อื หนุ้ และจำ�นวนห้องพัก เพ่ือให้ได้รับรายได้ท้ังหมดสูงสุด [ผลผลิตของโรงแรมมีหน่วยวัดที่แตกต่างกัน เช่น การจัดเล้ียง การใหเ้ ชา่ พน้ื ที่ (ร้านคา้ ) การให้เชา่ หอ้ งพกั บรกิ าร ภัตตาคาร เปน็ ต้น ดงั น้นั การใช้รายได้ จงึ มคี วามสะดวกมากกวา่ และปกตริ ายไดท้ ่ีไม่ใชห่ อ้ งพกั มสี ดั สว่ นประมาณรอ้ ยละ30-50 ของรายไดท้ ง้ั หมด (ม่ิงสรรพ์ ขาวสอาด นุกลู เครอื ฟู และอคั รพงศ์ อั้นทอง, 2548)] ข้อมูลท่ีใช้เป็นข้อมูล Panel ท่ีเก็บรวบรวมจากงบกำ�ไรขาดทุนของโรงแรมในจังหวัดเชียงใหม่ ที่รายงานตอ่ กรมพฒั นาธรุ กิจการค้าในปี พ.ศ. 2545 และ 2549 [ปรับขอ้ มลู ทางการเงินให้เป็นราคาคงที่ ด้วยดัชนรี าคาผ้บู รโิ ภคท่ัวไปของจังหวดั เชียงใหม่ (ปี พ.ศ. 2545 เปน็ ปีฐาน)] และเลอื กเฉพาะโรงแรมที่มี ขอ้ มลู ครบทัง้ สองปแี ละมีก�ำ ไรจากการด�ำ เนินงาน ซึง่ มีจำ�นวนโรงแรมทีเ่ ป็นกลุ่มตัวอยา่ งทั้งหมด 43 แห่ง เปน็ โรงแรมทจ่ี ดทะเบยี นแบบบรษิ ทั จ�ำ กดั รอ้ ยละ 77 และทเี่ หลอื เปน็ โรงแรมทจ่ี ดทะเบยี นแบบหา้ งหนุ้ สว่ น จำ�กัด เมอื่ เปรียบเทียบข้อมูลทางการเงินของโรงแรมท่ีเป็นกลุม่ ตวั อยา่ งระหวา่ งปี พ.ศ. 2545 และ 2549 พบวา่ โรงแรมทเี่ ปน็ กลมุ่ ตวั อยา่ งมรี ายได้ ทนุ จดทะเบยี น หนสี้ นิ คา่ ใชจ้ า่ ยในการขายและบรกิ าร สว่ นของ ผู้ถือหุ้น และอัตราการเข้าพักเฉลี่ยเพิ่มขึ้น ในขณะท่ีต้นทุนขายท้ังหมดลดลงเล็กน้อย แต่สินทรัพย์รวม มแี นวโน้มลดลงอย่างชดั เจน (ตารางที่ 6.2) ตารางที่ 6.2 ข้อมลู ทางการเงินที่สำ�คัญของโรงแรมทีเ่ ป็นกลมุ่ ตัวอย่างในจงั หวัดเชียงใหม่ รายการ หน่วย ปี พ.ศ. 2545 ปี พ.ศ. 2549 % การเปลย่ี นแปลง จำ�นวนโรงแรม แห่ง 43 43 - 100.00 - ประเภทของธรุ กิจ รอ้ ยละ 100.00 23.00 - 77.00 - •หา้ งหุ้นสว่ นจ�ำ กัด 23.00 28.04 0.69 63.71 4.87 •บรษิ ทั จ�ำ กัด 77.00 44.46 14.66 11.73 -1.47 รายได้เฉลี่ยตอ่ โรงแรม1 ลา้ นบาท 27.85 9.69 2.50 83.58 -24.08 ทนุ จดทะเบียนเฉลยี่ ตอ่ โรงแรม1 ลา้ นบาท 60.75 71.17 56.38 44.64 27.36 หนีส้ ินเฉลยี่ ตอ่ โรงแรม1 ลา้ นบาท 38.77 ต้นทนุ ขายทัง้ หมดเฉลยี่ ตอ่ โรงแรม1 ล้านบาท 11.91 ค่าใช้จา่ ยในการขายและบริการเฉล่ียตอ่ โรงแรม1 ล้านบาท 9.46 สนิ ทรัพย์รวมเฉลยี่ ตอ่ โรงแรม1 ลา้ นบาท 110.08 สว่ นของผถู้ อื หนุ้ เฉลีย่ ตอ่ โรงแรม1 ล้านบาท 45.51 อัตราการเขา้ พกั เฉลีย่ (Occupancy rate) ร้อยละ 35.05 หมายเหตุ: 1ปรับดว้ ยดชั นรี าคาผบู้ ริโภคท่ัวไปของจงั หวัดเชียงใหม่ (ปี พ.ศ. 2545 เปน็ ปีฐาน) ท่ีมา: อัครพงศ์ อั้นทอง และมิง่ สรรพ์ ขาวสอาด (2552)

เศรษฐมิตวิ ่าด้วยการท่องเทยี่ ว 169 ส�ำ หรบั ปจั จยั น�ำ เขา้ มี 5 ชนดิ คอื ตน้ ทนุ ขายทงั้ หมด คา่ ใชจ้ า่ ยในการขายและบรกิ าร สนิ ทรพั ยร์ วม สว่ นของผู้ถือห้นุ และจ�ำ นวนหอ้ งพกั สว่ นผลผลติ มี 1 ชนิด ได้แก่ รายไดท้ ้ังหมดของโรงแรม และเป็นการ ประเมินประสทิ ธิภาพการจัดการทพ่ี จิ ารณาดา้ นปจั จัยการผลิต (Input-orientated) ภายใตข้ อ้ สมมติ VRS เนื่องจากการแข่งขันของโรงแรม ส่วนหน่ึงขึ้นอยู่กับความเชื่อถือในภาพลักษณ์และช่ือเสียงของโรงแรม ซงึ่ เปน็ สาเหตหุ นงึ่ ทที่ �ำ ใหโ้ รงแรมมกี ารแขง่ ขนั แบบไมส่ มบรู ณ์ ดงั นน้ั โรงแรมอาจด�ำ เนนิ การผลติ ณ ระดบั ท่ีไม่เหมาะสม นอกจากนี้เพ่ือแก้ไขปัญหาการอ่อนไหวต่อค่าสุดโต่ง จึงแปลงข้อมูล (Transform data) ดว้ ยการท�ำ Natural logarithm ขอ้ มูล ผลการศกึ ษาแบง่ เปน็ สองสว่ น สว่ นแรกเปน็ ผลการประเมนิ ประสทิ ธภิ าพการจดั การในปี พ.ศ.2545 และ พ.ศ.2549 และสว่ นทสี่ องเปน็ ผลการประเมนิ การเปลยี่ นแปลงประสทิ ธภิ าพการจดั การดงั มรี ายละเอยี ด ในแตล่ ะส่วนดงั น้ี • ประสิทธิภาพการจัดการของโรงแรมในจังหวดั เชยี งใหม่ ปี พ.ศ.2545 และ พ.ศ.2549 มโี รงแรมทมี่ ปี ระสทิ ธภิ าพ6 และ7 แหง่ ตามล�ำ ดบั (มคี า่ ประสทิ ธภิ าพ เทา่ กบั 1) และโรงแรมทเี่ ปน็ กลมุ่ ตวั อยา่ งมปี ระสทิ ธภิ าพเฉลย่ี รอ้ ยละ76.60 และ76.78 ตามล�ำ ดบั โรงแรม ขนาดเล็กมีประสิทธิภาพสงู กว่าโรงแรมขนาดใหญ่ (ไม่ว่าแบ่งตามจ�ำ นวนหอ้ งพกั หรือรายได้) และโรงแรม ทมี่ ีระดับราคาหอ้ งพักตํา่ กว่า 1,000 บาท/คนื มปี ระสทิ ธภิ าพสูงกวา่ โรงแรมท่มี ีระดบั ราคาอ่นื ๆ ในขณะที่ โรงแรมทมี่ ีรูปแบบการจดทะเบียนแตกตา่ งกันไม่มปี ระสิทธิภาพแตกตา่ งกัน (ตารางท่ี 6.3) ผลการศึกษาสะท้อนให้เหน็ วา่ โรงแรมที่เป็นกลมุ่ ตัวอย่างบางรายมคี วามด้อยประสทิ ธิภาพในการ จดั การปจั จยั น�ำ เขา้ เพอื่ ใหไ้ ดร้ บั รายไดส้ งู สดุ โดยเฉพาะโรงแรมขนาดใหญ่ และโรงแรมทมี่ รี ะดบั ราคาหอ้ งพกั สงู กวา่ 1,000 บาท/คนื การที่โรงแรมขนาดเลก็ มปี ระสทิ ธิภาพสูงกวา่ โรงแรมขนาดใหญ่ อาจเปน็ เพราะวา่ โรงแรมขนาดเล็กมีความยืดหยุ่นและความคล่องตัวในการบริหารจัดการมากกว่าโรงแรมขนาดใหญ่ และ โรงแรมขนาดเลก็ บางแหง่ ทเ่ี ปน็ กลมุ่ ตวั อยา่ งเปน็ โรงแรมประเภทบตู กิ ทม่ี บี รกิ ารดี นอกจากนโ้ี รงแรมขนาดใหญ่ มคี วามยากล�ำ บากในการลดตน้ ทนุ กอปรกบั โรงแรมขนาดใหญท่ เ่ี ปน็ กลมุ่ ตวั อยา่ งไมไ่ ดเ้ ปน็ โรงแรมในเครอื ตา่ งประเทศ(Internationalchain) จงึ ไมไ่ ดป้ ระโยชนจ์ ากการเปน็ สมาชกิ ในเครอื ขา่ ยขนาดใหญ่(Economies of network) ทีม่ กั ไดร้ ับอานิสงส์ในดา้ นการตลาดระหวา่ งประเทศ

170 บทท่ี 6: การวดั ประสิทธิภาพการจัดการของอุตสาหกรรมท่องเทย่ี ว ตารางที่ 6.3 ประสิทธภิ าพการจัดการของโรงแรมที่เปน็ กลมุ่ ตวั อยา่ ง รายการ จ�ำ นวน ปี พ.ศ. 2545 หนว่ ย: รอ้ ยละ ประสทิ ธภิ าพในการจัดการเฉลย่ี 43 76.60 ปี พ.ศ. 2549 แบ่งตามการจดทะเบียน t-statistic = 1.798 76.78 (d.f. = 41; Sig. = 0.080) •ห้างห้นุ ส่วนจ�ำ กัด 10 t-statistic = 1.588 •บรษิ ัทจำ�กัด 33 84.32 (d.f. = 41; Sig. = 0.120) 74.27 แบ่งตามจ�ำ นวนหอ้ ง F-statistic = 10.803 83.49 (d.f. = 2,40; Sig. = 0.000) 74.75 •นอ้ ยกว่า 60 ห้อง 15 82.23 F-statistic = 11.988 •60-150 หอ้ ง 14 82.94 (d.f. = 2,40; Sig. = 0.000) •มากกว่า 150 ห้องข้ึนไป 14 63.25 80.70 F-statistic = 15.820 85.76 แบง่ ตามระดบั รายได้ (ปี พ.ศ. 2549) (d.f. = 2,40; Sig. = 0.000) 63.59 89.91 F-statistic = 16.993 •ตา่ํ กว่า 5 ล้านบาท 16 72.38 (d.f. = 2,40; Sig. = 0.000) •ระหว่าง 5-10 ล้านบาท 9 66.89 89.91 •10 ลา้ นบาทข้นึ ไป 18 t-statistic = 2.893 73.36 (d.f. = 41; Sig. = 0.006) 66.82 แบ่งตามราคาห้องพกั (ปี พ.ศ. 2549) 81.34 t-statistic = 3.023 67.77 (d.f. = 41; Sig. = 0.004) •ตํ่ากวา่ 1,000 บาท/คนื 28 81.57 67.83 •มากกว่า 1,000 บาท/คืน 15 ท่ีมา: อคั รพงศ์ อัน้ ทอง และมง่ิ สรรพ์ ขาวสอาด (2552) • การเปล่ยี นแปลงประสิทธิภาพการจัดการของโรงแรมในจงั หวดั เชียงใหม่ การศกึ ษาโดยใชว้ ธิ ีMalmquistproductivityapproach พบวา่ ระหวา่ งปี พ.ศ.2545-2549 มโี รงแรม ทมี่ ปี ระสทิ ธภิ าพดขี น้ึ 23 แหง่ และมผี ลติ ภาพปจั จยั การผลติ ดขี น้ึ 21 แหง่ แตม่ โี รงแรมเพยี ง5 แหง่ เทา่ นน้ั ท่ีมีเทคโนโลยีในการจัดการท่ีดีข้ึน โดยในปี พ.ศ. 2549 โรงแรมท่ีเป็นกลุ่มตัวอย่างมีประสิทธิภาพดีข้ึน เล็กน้อย แต่มีการเปลี่ยนแปลงเทคโนโลยีและผลิตภาพปัจจัยการผลิตลดลงเม่ือเทียบกับปี พ.ศ. 2545 ผลลัพธ์ดังกล่าวสะท้อนให้เห็นว่า โรงแรมที่เป็นกลุ่มตัวอย่างสามารถรักษาประสิทธิภาพในการจัดการ ปัจจยั การผลติ แต่ขาดการปรับปรุงเทคโนโลยีในการจดั การให้ดีขนึ้ จงึ ท�ำ ใหผ้ ลิตภาพปัจจยั การผลิตลดลง ซงึ่ อาจเกดิ จากการขาดการลงทนุ ในเทคโนโลยีในการจดั การ เมอ่ื พจิ ารณาโรงแรมตามขนาด พบวา่ โรงแรม ขนาดกลางมกี ารปรบั ปรงุ เทคโนโลยีในการจดั การใหด้ ขี น้ึ มากกวา่ โรงแรมขนาดเลก็ และใหญ่(ตารางที่ 6.4) แสดงวา่ ในปี พ.ศ. 2549 นอกจากการปรับปรงุ ประสิทธิภาพ โรงแรมขนาดกลางบางรายไดเ้ รม่ิ ให้ความ สำ�คัญกับการปรับปรุงเทคโนโลยีในการจัดการใหด้ ขี น้ึ

เศรษฐมติ ิว่าดว้ ยการท่องเท่ียว 171 ผลการศึกษาแสดงให้เห็นว่า โรงแรมกว่าคร่ึงหนึ่งของกลุ่มตัวอย่างยังคงรักษาประสิทธิภาพ ในการจัดการและมีโรงแรมจำ�นวนน้อยท่ีปรับปรุงหรือเปลี่ยนแปลงเทคโนโลยีในการจัดการเพื่อเสริมสร้าง ความสามารถในการแข่งขนั ของตนเองแทนการปรบั ปรงุ ประสทิ ธภิ าพเพยี งอยา่ งเดียว เชน่ การใช้ระบบ คอมพิวเตอร์เข้ามาช่วยบริหารจัดการภายในโรงแรม เป็นต้น การปรับปรุงประสิทธิภาพเพียงอย่างเดียว ไม่เพียงพอต่อการเสริมสร้างความสามารถในการแข่งขันในระยะยาว การปรับปรุงหรือเปล่ียนแปลง เทคโนโลยีในการจัดการเป็นส่ิงสำ�คัญที่ทำ�ให้โรงแรมยังคงไว้ซ่ึงความสามารถในการแข่งขันในระยะยาว กับค่แู ข่งรายอนื่ ๆ รวมทงั้ คแู่ ข่งทกี่ �ำ ลังเข้ามาใหม่ ตารางที่ 6.4 การเปล่ียนแปลงประสทิ ธภิ าพการจดั การของโรงแรมทเ่ี ปน็ กลุ่มตวั อยา่ ง รายการ การเปลย่ี นแปลงทางด้าน ประสิทธภิ าพการจดั การ เทคโนโลยใี นการจัดการ ผลติ ภาพปจั จัยการผลิต (Managerial efficiency) (Managerial technology) (Total factor productivity) คา่ เฉลีย่ 1.0049 0.9755 0.9871 t-statistic = -0.631 t-statistic = -2.157 t-statistic = -0.480 แบ่งตามการจดทะเบยี น (d.f. = 41; Sig. = 0.531) (d.f. = 41; Sig. = 0.037) (d.f. = 9.607; Sig. = 0.642) •ห้างหุน้ ส่วนจ�ำ กดั 0.9944 0.9566 0.9745 •บรษิ ัทจ�ำ กัด 1.0080 0.9812 0.9909 แบ่งตามจำ�นวนห้อง F-statistic = 1.818 F-statistic = 3.089 F-statistic = 2.555 (d.f. = 2,40; Sig. = 0.176) (d.f. = 2,40; Sig. = 0.057) (d.f. = 2,40; Sig. = 0.090) •น้อยกวา่ 60 ห้อง 0.9834 0.9632 0.9608 •60-150 หอ้ ง 1.0242 0.9724 1.0046 •มากกว่า 150 ห้องขน้ึ ไป 1.0085 0.9917 0.9976 แบง่ ตามระดบั รายได้ F-statistic = 0.217 F-statistic = 4.419 F-statistic = 0.421 (ปี พ.ศ. 2549) (d.f. = 2,40; Sig. = 0.806) (d.f. = 2,40; Sig. = 0.018) (d.f. = 2,40; Sig. = 0.659) •ตา่ํ กว่า 5 ล้านบาท 1.0022 0.9608 0.9764 •ระหว่าง 5-10 ล้านบาท 1.0167 0.9700 0.9917 •10 ลา้ นบาทข้ึนไป 1.0013 0.9913 0.9943 แบ่งตามราคาหอ้ งพัก t-statistic = 0.111 t-statistic = -2.135 t-statistic = -1.437 (ปี พ.ศ. 2549) (d.f. = 41; Sig. = 0.912) (d.f. = 33.596; Sig. = 0.040) (d.f. = 37.712; Sig. = 0.159) •ตํ่ากว่า 1,000 บาท/คืน 1.0056 0.9696 0.9797 •มากกว่า 1,000 บาท/คนื 1.0035 0.9864 1.0008 หมายเหต:ุ คา่ >1 แสดงว่า มีการเปล่ียนแปลงในทางทด่ี ีขึน้ , คา่ < 1 แสดงวา่ มกี ารเปลยี่ นแปลงในทางทล่ี ดลง และ = 1 ไมม่ กี ารเปลยี่ นแปลง ที่มา: อัครพงศ์ อั้นทอง และมิง่ สรรพ์ ขาวสอาด (2552)

172 บทที่ 6: การวัดประสทิ ธภิ าพการจดั การของอุตสาหกรรมท่องเทย่ี ว เพื่อให้เห็นถึงศักยภาพการแข่งขันในระยะส้ันของโรงแรมท่ีเป็นกลุ่มตัวอย่าง อัครพงศ์ อั้นทอง และมิ่งสรรพ์ ขาวสอาด (2552) จึงประยุกต์ใช้เมตริกซ์ความสัมพันธ์ระหว่างประสิทธิภาพการจัดการ กบั การเปลย่ี นแปลงประสิทธภิ าพการจดั การ ในการแบง่ กลุ่มโรงแรมออกเปน็ 4 กลมุ่ ดงั นี้ ก. กลุ่มท่ีมีความสามารถในการแข่งขันสูงและมีการจัดการดีข้ึน ได้แก่ โรงแรมท่ีมีประสิทธิภาพ การจดั การในปี พ.ศ. 2549 สูงกว่าคา่ เฉล่ีย และมีประสิทธภิ าพการจดั การดีขนึ้ กวา่ ปี พ.ศ. 2545 โดยมี โรงแรม 11 แหง่ ทอ่ี ยู่กลมุ่ น้ี โรงแรมกลุม่ น้ีมศี กั ยภาพสูงในการแข่งขัน และมีการปรับปรุงประสิทธิภาพ การจัดการใหด้ ขี นึ้ ตลอดเวลา รวมท้ังมีการเสริมสรา้ งความสามารถในการแข่งขันให้ดขี น้ึ อีกดว้ ย ข. กลุ่มท่ีมีความสามารถในการแข่งขันสูงแต่ขาดการปรับปรุงการจัดการให้ดีข้ึน ได้แก่ โรงแรม ทมี่ ปี ระสทิ ธภิ าพการจดั การในปี พ.ศ.2549 สงู กวา่ คา่ เฉลย่ี แตม่ ปี ระสทิ ธภิ าพการจดั การลดลงเมอ่ื เทยี บกบั ปี พ.ศ.2545 มโี รงแรม9 แหง่ ทอ่ี ยู่ในกลมุ่ นี้ โรงแรมเหลา่ นม้ี ศี กั ยภาพการแขง่ ขนั แตข่ าดการปรบั ปรงุ และ พฒั นาประสทิ ธภิ าพการจดั การใหด้ ขี นึ้ ดงั นน้ั ในอนาคตโรงแรมกลมุ่ นอ้ี าจสญู เสยี ความสามารถในการแขง่ ขนั หากขาดการพฒั นาประสทิ ธภิ าพการจดั การใหด้ ขี น้ึ ในขณะเดยี วกนั หากโรงแรมกลมุ่ นพ้ี ฒั นาประสทิ ธภิ าพ การจดั การใหด้ ีข้ึน กจ็ ะสามารถพัฒนาตัวเองไปสู่กลุ่มโรงแรมท่มี ศี กั ยภาพการแข่งขันสงู ได้ ค. กลุ่มท่ีมีความสามารถในการแขง่ ขันต่าํ แตม่ ีการจดั การทดี่ ขี ึน้ ได้แก่ โรงแรมท่มี ีประสทิ ธภิ าพ การจดั การในปี พ.ศ.2549 ตา่ํ กวา่ คา่ เฉลยี่ แตก่ ลบั มปี ระสทิ ธภิ าพการจดั การดขี น้ึ เมอ่ื เทยี บกบั ปี พ.ศ.2545 มโี รงแรม 12 แห่ง ที่อยู่ในกลุ่มน้ี แมว้ า่ โรงแรมกลุ่มน้มี คี วามสามารถในการแข่งขันตํา่ แต่พยายามพัฒนา ประสทิ ธภิ าพการจดั การใหด้ ขี นึ้ ดงั นนั้ ในอนาคตโรงแรมกลมุ่ นกี้ จ็ ะสามารถพฒั นาตวั เองไปสโู่ รงแรมกลมุ่ ทมี่ ี ศักยภาพการแข่งขนั สูงได้ ง. กลุ่มท่มี คี วามสามารถในการแขง่ ขนั ตา่ํ และขาดการปรบั ปรงุ การจัดการให้ดขี ้นึ ได้แก่ โรงแรม ทมี่ ปี ระสทิ ธภิ าพการจดั การในปี พ.ศ.2549 ตาํ่ กวา่ เฉลย่ี ในขณะเดยี วกนั กม็ ปี ระสทิ ธภิ าพการจดั การลดลง เมอ่ื เทยี บกบั ปี พ.ศ.2545 มโี รงแรม11 แหง่ ทอี่ ยู่ในกลมุ่ น้ี โรงแรมเหลา่ นมี้ คี วามสามารถในการแขง่ ขนั ตา่ํ ขาดการปรับปรุงและพัฒนาประสิทธิภาพการจัดการให้ดีขึ้น ในอนาคตภายใต้สภาพการแข่งขันท่ีเข้มข้น โรงแรมกลมุ่ น้ีอาจตอ้ งเปล่ียนกลยทุ ธ์ในการแขง่ ขนั หรือเลิกกจิ การ จากผลการศึกษาข้างต้น สรุปได้ว่า โรงแรมขนาดกลางและขนาดใหญ่ที่เป็นกลุ่มตัวอย่าง มปี ระสทิ ธภิ าพการจดั การนอ้ ยกวา่ โรงแรมขนาดเลก็ โดยโรงแรมทเี่ ปน็ กลมุ่ ตวั อยา่ งมแี นวโนม้ ประสทิ ธภิ าพ การจัดการค่อนข้างคงที่ และละเลยการปรบั ปรุงเทคโนโลยีในการจดั การ ทำ�ให้การเปลี่ยนแปลงผลติ ภาพ ปัจจัยการผลิตลดลง การยกระดับประสิทธิภาพการจัดการเพียงอย่างเดียวไม่เพียงพอต่อการเสริมสร้าง ความสามารถในการแข่งขันในระยะยาว ดังนั้นในระยะยาวโรงแรมต้องให้ความสำ�คัญกับการปรับปรุง หรือเปล่ียนแปลงเทคโนโลยีในการจัดการ หรือควรปรับปรุงและพัฒนาตนเองอยู่ตลอดเวลาเพื่อคงไว้ ซงึ่ ความสามารถในการแข่งขันในระยะยาวของตนเอง

เศรษฐมิตวิ า่ ด้วยการท่องเทย่ี ว 173 6.6.2 การวัดประสทิ ธภิ าพการดำ�เนินงานของโรงแรมด้วยวิธี SFA เนอื้ หาสว่ นนอ้ี า้ งองิ มาจากงานศกึ ษาของ อคั รพงศ์ อนั้ ทอง พนนิ ท์ เครอื ไทย และมง่ิ สรรพ์ ขาวสอาด (2554) ทปี่ ระยกุ ต์ใชว้ ธิ ีSFA ภายใตก้ ารวเิ คราะห์ Meta-frontier ประเมนิ ประสทิ ธภิ าพการด�ำ เนนิ ของธรุ กจิ โรงแรมและเกสตเ์ ฮา้ ส์ในประเทศไทยภายใตก้ ารใชเ้ ทคโนโลยกี ารด�ำ เนนิ งานทแ่ี ตกตา่ งกนั โดยแบง่ โรงแรม และเกสต์เฮา้ ส์ออกเป็น 5 กลมุ่ ตามระดบั ความแตกต่างของเทคโนโลยกี ารด�ำ เนนิ งาน โดยอ้างอิงการจัด แบ่งกลุ่มตามสมาคมโรงแรม (ใช้เกณฑ์ราคาห้องพัก) ร่วมกับการจัดแบ่งกลุ่มตามประเภทของโรงแรม แล้วนำ�มาทดสอบด้วยแบบจำ�ลอง SFA ว่า โรงแรมและเกสต์เฮ้าส์แต่ละกลุ่มมีเส้นพรมแดนหรือไม่ โดยการพจิ ารณาจากคา่ Gamma (γ) และใชส้ ถติ ิ Likelihood-ratio (LR) ทดสอบวา่ โรงแรมและเกสตเ์ ฮา้ ส์ แตล่ ะกล่มุ มเี ทคโนโลยกี ารด�ำ เนนิ งานแตกต่างกันหรือไม่ จากการทดสอบเบื้องต้นสามารถแบ่งโรงแรมและเกสต์เฮ้าส์เปน็ 5 กลุ่ม ดังน้ี กล่มุ ท่ี 1: โรงแรมในเครอื ตา่ งประเทศ หรือมีการลงทุนจากต่างประเทศ (International chain or foreign investment hotel) กลุ่มท่ี 2: โรงแรมประเภทรีสอร์ท หรือบูทีค หรือโรงแรมในเครือภายในประเทศ (Resort or boutiqueorThai’schainhotel) สว่ นใหญเ่ ปน็ โรงแรมเพอ่ื การพกั ผอ่ น มรี ะดบั ราคาหอ้ งพกั สงู กวา่ 900 บาท ต่อคืน ตั้งอยู่ตามสถานที่ท่องเท่ียวท่ีสวยงามหรือเมืองใหญ่ และมีบริการและสิ่งอำ�นวยความสะดวกท่ี ครบครัน กลมุ่ ท่ี3: โรงแรมประเภทเพอ่ื การคา้ หรอื การพาณชิ ย์ หรอื การประชมุ (Commercialorconvention hotel) สว่ นใหญเ่ ปน็ โรงแรมทมี่ รี ะดบั ราคาหอ้ งพกั ระหวา่ ง300-900 บาทตอ่ คนื มรี ายไดร้ วมสงู กวา่ 1 ลา้ นบาท ตอ่ ปี เน้นบริการนักธรุ กจิ พอ่ คา้ ท่ีมาตดิ ต่อธรุ กิจ กลุ่มผู้มาประชมุ สัมมนา และอบรม กลุ่มท่ี 4: โรงแรมประเภทโมเต็ล (Motel) ท่เี ป็นโรงแรมขนาดเล็ก ต้ังอยู่ในเมอื งเล็ก หรอื ชานเมอื ง หรอื ตามถนนสายส�ำ คญั ทมี่ สี ถานทจ่ี อดรถตดิ กบั หอ้ งพกั เนน้ บรกิ ารนกั ทอ่ งเทย่ี วหรอื ผเู้ ขา้ พกั แบบรายวนั หรอื ผเู้ ดนิ ทางท่ีใชร้ ถยนตเ์ ปน็ พาหนะ หรอื ผทู้ ม่ี าท�ำ งานในตา่ งจงั หวดั แบบชว่ั คราว สว่ นใหญโ่ รงแรมกลมุ่ นี้ มรี ะดบั ราคาห้องพกั ระหวา่ ง 300-900 บาทต่อคนื และมีรายไดร้ วมต่อปตี าํ่ กวา่ 1 ล้านบาท กลมุ่ ที่ 5: เกสตเ์ ฮ้าส์ หรอื อพาร์ตเมนต์ (Guest house or apartment) ท่มี ีระดับราคาหอ้ งพัก ตํ่ากวา่ 300 บาทตอ่ คืน เนน้ ลกู ค้ากลุ่มท่พี กั ค้างคืนแบบราคาถูก ไมส่ นใจการบริการ หรือส่ิงอำ�นวยความ สะดวกตา่ งๆ ตอ้ งการเพียงสถานท่พี กั แรม หรือที่พักคา้ งคืนเท่านั้น ข้อมูลท่ีใช้เป็นข้อมูลภาคตัดขวางจากโครงการสำ�รวจการประกอบกิจการโรงแรมและเกสต์เฮาส์ พ.ศ. 2551 ท่ีดำ�เนินการโดยสำ�นักงานสถิติแห่งชาติ เป็นข้อมูลการดำ�เนินกิจการในรอบปี พ.ศ. 2550 โดยมีโรงแรมและเกสต์เฮาส์ที่เปน็ กลมุ่ ตวั อยา่ งท้ังหมด 1,799 แห่ง ทกุ แหง่ เปิดดำ�เนนิ การและจดทะเบียน ถกู ต้องตามกฎหมาย โดยจ�ำ แนกตามกล่มุ ศกึ ษาดงั ตารางที่ 6.5 ทง้ั นี้โรงแรมและเกสตเ์ ฮา้ ส์ในกล่มุ ท่ี 1 และ 2 มจี �ำ นวนห้องพกั เฉลย่ี มากกวา่ 100 ห้อง มีระดับราคาเฉล่ียมากกว่า 2,000 บาทตอ่ คืน ใชแ้ รงงาน มากกวา่ กลมุ่ อน่ื ๆ และมผี เู้ ขา้ พกั ชาวตา่ งชาตมิ ากกวา่ ชาวไทย สว่ นกลมุ่ ท่ี 5 (เกสตเ์ ฮา้ สแ์ ละอพารต์ เมนต)์ มจี �ำ นวนห้องพักมากกว่ากลุม่ ที่ 3 และ 4 แต่มีราคาห้องพักเฉลี่ยตํา่ กว่าคร่งึ

174 บทที่ 6: การวดั ประสทิ ธภิ าพการจัดการของอุตสาหกรรมท่องเทย่ี ว ตารางที่ 6.5 ข้อมูลพื้นฐานท่สี ำ�คัญของโรงแรมและเกสต์เฮา้ สท์ ีเ่ ป็นกล่มุ ตวั อยา่ ง รายการ กลุม่ ที่ 1 กลุ่มที่ 2 กลมุ่ ท่ี 3 กล่มุ ท่ี 4 กลุ่มที่ 5 รวมทั้งหมด 229 596 252 674 1,799 จ�ำ นวนโรงแรม (แห่ง) 48 33,189 43,680 4,659 19,294 112,275 145 73 18 206 707 จ�ำ นวนห้องพัก (หอ้ ง) 11,453 72.41 8.55 0.52 0.98 20.49 2,483 493 415 206 707 จำ�นวนห้องพักเฉลี่ยตอ่ โรงแรม (ห้อง) 239 135 34 5 7 38 37.47 3.91 0.23 0.37 10.86 รายไดท้ งั้ หมดเฉลี่ยตอ่ โรงแรม (ล้านบาท) 299.76 172.05 32.00 8.43 9.74 54.14 29,992 11,739 17,100 10,644 15,838 ราคาห้องพักเฉลย่ี (บาท/หอ้ ง) 3,470 25,659 6,618 3,378 5,847 9,988 14,103 7,603 14,940 7,238 9,728 จำ�นวนคนงานเฉลย่ี ตอ่ โรงแรม (คน) 246 คา่ ใช้จา่ ยในการด�ำ เนินงานเฉล่ียต่อโรงแรม (ลา้ นบาท) 173.34 สินทรัพยร์ วมเฉลี่ยตอ่ โรงแรม (ล้านบาท) 629.93 จ�ำ นวนผู้เข้าพักเฉล่ียต่อโรงแรม (คน/ปี) 65,511 •ชาวตา่ งประเทศ 65,278 •ชาวไทย 24,368 ทม่ี า: อคั รพงศ์ อน้ั ทอง, พนนิ ท์ เครือไทย และมงิ่ สรรพ์ ขาวสอาด (2554) • ตวั แปรและแบบจำ�ลองทใ่ี ชใ้ นการศึกษา ตัวแปรที่ใช้ในแบบจำ�ลองเส้นพรมแดน ประกอบด้วย ตัวแปรอิสระหรือปัจจัยนำ�เข้า (Input) 4 ตัวแปร ได้แก่ จ�ำ นวนหอ้ งพัก จำ�นวนแรงงาน ค่าใช้จ่ายดำ�เนนิ งาน และสินทรัพยร์ วม ส่วนตัวแปรตาม หรือผลผลิต (Output) ไดแ้ ก่ รายไดท้ ั้งหมดของโรงแรมและเกสต์เฮ้าส์ ส�ำ หรับตวั แปรในแบบจำ�ลองความ ไมม่ ีประสทิ ธภิ าพมี 3 ตัวแปร ได้แก่ สดั สว่ นแรงงานต่อหอ้ งพัก (ผลิตภาพแรงงาน) ระยะเวลาด�ำ เนินงาน (ประสบการณ์) และจำ�นวนผู้เข้าพักชาวต่างชาติต่อจำ�นวนผู้เข้าพักทั้งหมด (ตลาดและมาตรฐาน การใหบ้ รกิ าร) ในการศึกษาประยุกต์ใช้แบบจำ�ลอง Production stochastic frontier และใช้ฟังก์ชันฟอร์ม แบบ Cobb-Douglas เนือ่ งจากค่าสถิติ Likelihood-ratio (LR) ท่คี �ำ นวณไดม้ คี า่ 12.38 ตาํ่ กวา่ คา่ วิกฤต Chi-square ณ ระดบั นยั ส�ำ คัญทางสถติ ทิ ่ี 0.102 ขณะทก่ี ารใช้ฟังก์ชันฟอร์มแบบ Translog มีโอกาสท่จี ะ เผชญิ กับปญั หา Multicollinearity สงู ฟงั กช์ นั ฟอรม์ แบบCobb-Dougleas มคี ณุ สมบตั ติ รงกบั สมการการผลติ ของ Neoclassic3 ประการ คอื 1) ผลผลิตส่วนเพิ่ม (Marginal product) ของการใชป้ จั จัยการผลติ มีคา่ เป็นบวก 2) ผลผลิตสว่ นเพมิ่ จะเพ่ิมในอัตราทลี่ ดลง (Coelli, Rao, O’Donnell and Battese, 2005) และ 3) รูปแบบสมการไมไ่ ด้เป็น ตวั ก�ำ หนดระดบั ของผลตอบแทนตอ่ ขนาดการผลติ (Degree of return toscale) แตจ่ ะถกู ก�ำ หนดโดยขอ้ มลู ท่ีใช้ (Shamsul, 1983) แบบจ�ำ ลองที่ใช้ศกึ ษามลี กั ษณะดงั น้ี 2 การทดสอบเพอ่ื เลอื กระหวา่ งฟงั ก์ชนั ฟอรม์ แบบ Cobb-Douglas กบั Translog ใชส้ ถิติ LR โดยคา่ Log-likelihood ของ Translog = -1,296.18 (lnLU) และ Log-likelihood ของ Cobb-Douglas = -1,302.37 (lnLR) ดงั นน้ั LR = -2[(-1,302.37)-(-1,296.18)] = 12.38 ณ d.f. = 9 จะไดค้ า่ P-value = 0.19

เศรษฐมิติว่าด้วยการทอ่ งเทีย่ ว 175 Y = β X X X X ε[6.31] β1(k) β2(k) β3(k) β4(k) i(k) 0(k) 1i(k) 2i(k) 3i(k) 4i(k) i(k) โดยท่ี Yi(k) คอื รายได้ท้ังหมดของโรงแรมและเกสตเ์ ฮ้าส์ที่ i ในกลุ่มที่ k X1i(k) คือ จ�ำ นวนหอ้ งพักของโรงแรมและเกสต์เฮ้าสท์ ี่ i ในกลมุ่ ท่ี k X2i(k) คอื จำ�นวนแรงงานของโรงแรมและเกสต์เฮ้าส์ท่ี i ในกลุ่มท่ี k X3i(k) คอื คา่ ใช้จา่ ยในการดำ�เนินงานของโรงแรมและเกสตเ์ ฮ้าส์ท่ี i ในกลุ่มที่ k (ไมร่ วมค่าจา้ งแรงงาน) X4i(k) คือ สินทรพั ย์รวมของโรงแรมและเกสต์เฮา้ สท์ ่ี i ในกลมุ่ ท่ี k β0(k) , β1(k) , β2(k) , β3(k) , β4(k) คือ คา่ สมั ประสทิ ธข์ิ องแบบจ�ำ ลองของโรงแรมและเกสตเ์ ฮา้ ส์ ในกลมุ่ ท่ี k εi(k) คือ ค่าคลาดเคลอ่ื นของโรงแรมและเกสตเ์ ฮ้าส์ที่ i ในกลมุ่ ท่ี k ทปี่ ระกอบด้วย vi(k) และ ε ui(k) ( i(k) = vi(k) – u )i(k) ในการศึกษาเลือกแบบจำ�ลอง SFA แบบ Technical efficient effect ที่สมมติให้ ui(k) มีลักษณะการแจกแจงแบบด้านเดียวท่ีมีค่าเฉลี่ยเท่ากับ Ui(k) และค่าความแปรปรวนเท่ากับ σ2 [ui(k) ~ N(Ui(k) , σ 2ui(k))] โดยท่ี Ui(k) คือ ฟังก์ชันปัจจัยที่มีอิทธิพลต่อความไม่มีประสิทธิภาพ u(k) การดำ�เนินงานทม่ี ลี ักษณะดังนี้ δ δ δ δ ξU = + Z + Z + Z +[6.32] i(k) o(k) 1(k) 1i(k) 2(k) 2i(k) 3(k) 3i(k) i(k) โดยท่ ี Z1i(k) คอื สดั ส่วนของแรงงานตอ่ ห้องพักของโรงแรมและเกสต์เฮ้าส์ท่ี i ในกลมุ่ ท่ี k Z2i(k) คอื ระยะเวลาด�ำ เนนิ กิจการของโรงแรมและเกสตเ์ ฮา้ สท์ ี่ i ในกลมุ่ ที่ k Z3i(k) คอื สัดส่วนผู้เข้าพักชาวต่างชาติต่อผู้เข้าพักท้ังหมดของโรงแรมและเกสต์เฮ้าส์ท่ี i ในกลุ่มท่ี k δo(k) , δ ,1(k) δ ,2(k) δ3(k) คือ ค่าสัมประสิทธ์ิของแบบจำ�ลองความไม่มีประสิทธิภาพการ ด�ำ เนินงานของโรงแรมและเกสต์เฮา้ ส์ในกลุ่มที่ k ξi(k) คือ ค่าคลาดเคล่ือนของโรงแรมและเกสต์เฮ้าส์ท่ี i ในกลุ่มที่ k ของแบบจำ�ลอง ความไมม่ ีประสิทธิภาพการดำ�เนินงาน

176 บทที่ 6: การวัดประสทิ ธภิ าพการจัดการของอตุ สาหกรรมทอ่ งเท่ียว • ผลการศกึ ษาเชงิ ประจักษ์ การศึกษาของ อัครพงศ์ อั้นทอง พนินท์ เครือไทย และม่ิงสรรพ์ ขาวสอาด (2554) ประเมิน คา่ ประสิทธภิ าพการดำ�เนินงานของโรงแรมและเกสต์เฮา้ สด์ ว้ ย 3 แบบจ�ำ ลอง คือ 1) แบบจำ�ลอง SFA มาตรฐานที่ใชข้ อ้ มูลท้งั หมด หรือ Pooled frontier 2) แบบจำ�ลอง SFA ในแตล่ ะกลมุ่ หรือ Group frontier และ 3) การวิเคราะหด์ ว้ ย Meta-frontier ตารางที่ 6.6 คา่ สัมประสทิ ธข์ิ องแบบจำ�ลอง Stochastic frontier แบบ Technical efficient effect ตวั แปร Group frontier Pooled Meta- กลมุ่ 1 กลุม่ 2 กลมุ่ 3 กลุ่ม 4 กล่มุ 5 frontier frontier แบบจำ�ลองเส้นพรมแดน 5.373*** 6.523*** 7.812*** 7.718*** 5.795*** 5.566*** 6.578 คา่ คงที่ (0.949) (0.471) (0.329) (0.450) (0.279) (0.172) จ�ำ นวนห้องพกั (หอ้ ง) 0.108 0.127 * 0.038 0.083 0.270*** 0.142*** 0.078 (0.205) (0.732) (0.135) (0.054) (0.047) (0.031) จำ�นวนแรงงาน (คน) 0.323 0.394*** 0.457*** 0.404*** 0.312*** 0.403*** 0.455 (0.204) (0.095) (0.053) (0.049) (0.047) (0.014) คา่ ใชจ้ ่ายในการด�ำ เนนิ งาน (บาท) 0.622*** 0.529*** 0.427*** 0.370*** 0.515*** 0.536*** 0.530 (0.088) (0.032) (0.020) (0.035) (0.024) (0.015) สินทรพั ยร์ วม (บาท) 0.010 0.011* 0.015* 0.017* 0.006 0.013** 0.014 (0.023) (0.006) (0.008) (0.010) (0.008) (0.005) แบบจ�ำ ลองความไมม่ ีประสทิ ธภิ าพ 0.970 0.631** 0.169* -11.644*** -10.436** 0.080*** - (0.750) (0.295) (0.096) (6.883) (4.627) (0.023) คา่ คงที่ สดั สว่ นแรงงานต่อห้องพกั (%) 1.117* -0.145 0.037 -1.989 -1.677 -0.020 - (0.613) (0.134) (0.114) (2.024) (1.306) (0.025) ระยะเวลาดำ�เนินกิจการ (ป)ี -0.131* 0.001 0.001 0.108* 0.084** 0.002* - (0.076) (0.003) (0.003) (0.063) (0.036) (0.001) ผเู้ ขา้ พกั ชาวต่างชาติต่อทง้ั หมด (%) -0.037* -0.055*** 0.004** 0.045* 0.024* -0.003*** - (0.021) (0.0008) (0.002) (0.026) (0.013) (0.0004) ค่าสัมประสทิ ธค์ิ วามแปรปรวน 1.005* 0.167*** 0.167*** 2.537** 2.120** 0.249*** - (0.539) (0.016) (0.013) (1.209) (0.791) (0.009) Sigma-squared (σ2) Gamma (γ) 0.818*** 0.237*** 0.003*** 0.957*** 0.903*** 0.00013*** - (0.195) (0.052) (0.0004) (0.038) (0.040) (0.00002) Log-likelihood -35.45 -120.08 -362.31 -132.78 -495.81 -1,302.37 LR = 311.88*** หมายเหตุ : ***, ** และ * แสดงระดบั นยั สำ�คัญทางสถิตทิ ่ี 0.01, 0.05 และ 0.10 ตามลำ�ดบั ส่วนตวั เลขในวงเลบ็ เป็นคา่ คลาดเคล่อื นมาตรฐาน ท่ีมา: อคั รพงศ์ อน้ั ทอง พนนิ ท์ เครือไทย และมิ่งสรรพ์ ขาวสอาด (2554)

เศรษฐมิตวิ า่ ด้วยการทอ่ งเทย่ี ว 177 จากตารางที่ 6.6 เม่อื พิจารณาคา่ สมั ประสทิ ธ์ิ Gamma (γ) ที่ได้จากการประมาณค่าด้วยวธิ ี MLE พบว่า ค่าสัมประสิทธ์ิดังกล่าวมีค่าแตกต่างไปจากศูนย์ ณ ระดับนัยสำ�คัญทางสถิติที่ 0.01 ทุกแบบ จำ�ลอง แสดงวา่ แบบจ�ำ ลอง SFA ทงั้ ท่ีใชข้ ้อมลู ท้งั หมดและที่แบ่งตามกลมุ่ ทัง้ 5 กลุม่ มีเสน้ พรมแดนจริง จึงสามารถนำ�ไปประเมินค่าประสิทธิภาพได้ นอกจากนี้ค่าสถิติ LR ท่ีคำ�นวณได้ มีค่า 311.88 สูงกว่า คา่ วิกฤต Chi-square (χ2) ที่ระดับนัยสำ�คัญทางสถิตทิ ี่ 0.01 (ณ องศาความเป็นอิสระเท่ากับ 44) แสดงวา่ โรงแรมและเกสต์เฮา้ ส์ทงั้ 5 กลมุ่ มเี ทคโนโลยกี ารดำ�เนินงานแตกต่างกนั การวิเคราะหด์ ้วย Meta-frontier จึงเป็นวิธที ่เี หมาะสมที่จะน�ำ มาใชป้ ระเมนิ ค่าประสทิ ธภิ าพ ผลการประมาณค่าสมั ประสิทธข์ิ องแบบจ�ำ ลอง SFA ที่แสดงในตารางที่ 6.6 พบว่า โรงแรมและ เกสต์เฮ้าส์แต่ละกลุ่มมีปัจจัยนำ�เข้าท่ีมีอิทธิพลต่อรายได้แตกต่างกัน อย่างไรก็ตามการเปลี่ยนแปลงของ ค่าใช้จา่ ยด�ำ เนนิ งาน (เปรยี บเสมือนตน้ ทุนหลักในการบรหิ ารจัดการ หรือต้นทุนผันแปร) มผี ลท�ำ ให้รายได้ เปลีย่ นแปลงอย่างมนี ัยส�ำ คัญทางสถิติที่ 0.01 ในทกุ กลมุ่ โดยการเพม่ิ ข้นึ ของค่าใช้จา่ ยด�ำ เนนิ งานเพียง รอ้ ยละ1 ท�ำ ใหธ้ รุ กจิ โรงแรมและเกสตเ์ ฮา้ สม์ โี อกาสไดร้ บั รายไดเ้ พม่ิ ขนึ้ รอ้ ยละ 0.37-0.62 ขณะทก่ี ารจา้ งงาน เพมิ่ ขน้ึ ท�ำ ใหร้ ายไดเ้ พม่ิ ขนึ้ เชน่ กนั คอื ระหวา่ ง 0.31-0.46 ยกเวน้ ในกลมุ่ ท่ี 1 (โรงแรมในเครอื ตา่ งประเทศ หรอื มีการลงทุนจากต่างประเทศ) ที่ผลไม่มีนัยสำ�คัญทางสถติ ิ สว่ นการเพม่ิ ขน้ึ ของจ�ำ นวนหอ้ งพกั มผี ลท�ำ ใหร้ ายไดเ้ พม่ิ ขนึ้ เชน่ กนั โดยเฉพาะกลมุ่ ท่ี 5 จะมรี ายได้ เพมิ่ ขน้ึ รอ้ ยละ0.27 หากมจี �ำ นวนหอ้ งเพม่ิ ขนึ้ รอ้ ยละ 1 อยา่ งมนี ยั ส�ำ คญทางสถติ ทิ ี่0.01 ขณะทกี่ ารเพมิ่ ขน้ึ ของสินทรัพย์รวมทำ�ให้มีโอกาสได้รับรายได้เพิ่มขึ้นน้อยกว่าการเปลี่ยนแปลงปัจจัยนำ�เข้าอ่ืนๆ เพราะ ผลตอบแทนจากการลงทุนในสนิ ทรพั ยเ์ ปน็ ผลตอบแทนสะสมทต่ี ้องอาศยั เวลา นอกจากน้อี าจเปน็ ไปไดว้ า่ โดยส่วนใหญ่โรงแรมและเกสต์เฮ้าส์ไม่มีประสิทธิภาพการใช้สินทรัพย์ในการแสวงหารายได้ โดยเฉพาะ โรงแรมขนาดใหญห่ รอื โรงแรมในเครอื ทง้ั ภายในและตา่ งประเทศมกั ลงทนุ ในสนิ ทรพั ยท์ ่ีไมก่ อ่ ใหเ้ กดิ รายได้ สงู กวา่ การลงทนุ ในสินทรพั ย์ประเภทอ่ืนๆ เช่น สงิ่ ก่อสรา้ งประเภทสถาปตั ยกรรม สวนหยอ่ ม เปน็ ต้น ส�ำ หรบั ผลการประมาณคา่ แบบจ�ำ ลองความไมม่ ปี ระสทิ ธภิ าพการด�ำ เนนิ งาน สะทอ้ นใหเ้ หน็ วา่ โรงแรม และเกสตเ์ ฮา้ ส์ในกล่มุ ที่ 1 ควรปรบั ปรุงผลติ ภาพแรงงานในอนั ดบั แรก โดยเฉพาะการลดสัดส่วนแรงงาน ตอ่ หอ้ งพกั ขณะทกี่ ลมุ่ ที่2 ควรยกระดบั มาตรฐานการบรหิ ารจดั การใหไ้ ดม้ าตรฐานสากล เพอื่ รองรบั ผเู้ ขา้ พกั ชาวตา่ งชาตหิ รอื นกั ทอ่ งเทยี่ วภายในประเทศทเี่ ปน็ กลมุ่ ระดบั กลางถงึ บน ส�ำ หรบั ในกลมุ่ ท่ี3 การมงุ่ ท�ำ ตลาด ดึงดดู นักทอ่ งเที่ยวตา่ งชาตจิ ะท�ำ ให้กลุ่มนี้มีประสทิ ธิภาพการดำ�เนนิ งานลดลง เพราะมรี ูปแบบการบรหิ าร จัดการและทรัพยากรที่เหมาะกับการให้บริการผู้เข้าพักชาวไทยมากกว่าชาวต่างชาติ ส่วนในกลุ่มท่ี 4 เป็นขนาดเล็กท่ีเน้นบริการแบบรายวัน บางแห่งเปิดมานาน จึงนิยมใช้กลยุทธ์การแข่งขันทางด้านราคา เพ่ือดงึ ดดู ผ้เู ขา้ พกั เช่นเดยี วกับกล่มุ ที่ 5 สองกลุม่ หลงั มกี ารใชแ้ รงงานท่ีไมม่ ีประสทิ ธิภาพ ไม่เนน้ คณุ ภาพ บริการ แต่เน้นการไหลเวียนของผู้เข้าพัก ดังนั้นการเพิ่มประสิทธิภาพของกลุ่มนี้ (โดยเฉพาะโรงแรม และเกสตเ์ ฮา้ ส์ทต่ี ้ังอยู่ใกล้ตวั เมืองในต่างจงั หวัด) ควรใช้ประสบการณข์ องตนเองในการเพิม่ ประสทิ ธิภาพ การดำ�เนนิ งาน เชน่ การควบคมุ ดแู ลในเรอื่ งของความสะอาด ความปลอดภยั เปน็ ตน้ นอกจากนย้ี งั อาจจะ เพิ่มประสิทธิภาพโดยยกระดับมาตรฐานการบริการและการจัดการให้เป็นโรงแรมระดับหนึ่งหรือสองดาว เพอื่ รองรับตลาดนกั ท่องเท่ียวกลมุ่ สะพายเปไ้ ด้

178 บทท่ี 6: การวดั ประสิทธภิ าพการจัดการของอุตสาหกรรมท่องเท่ียว ผลการประเมินค่าประสิทธิภาพการดำ�เนินงานของโรงแรมและเกสต์เฮ้าส์ด้วยแบบจำ�ลองท้ังสาม ท่ีแสดงในตารางที่ 6.7 พบวา่ คา่ ประสทิ ธภิ าพการดำ�เนนิ งานท่ีไดจ้ ากแบบจ�ำ ลอง SFA แบบ Pool frontier มคี า่ สงู กวา่ แบบจ�ำ ลองอน่ื และจากการวเิ คราะห์Meta-frontier ใหค้ า่ ตา่ํ กวา่ แบบจ�ำ ลองอน่ื อยา่ งมนี ยั ส�ำ คญั ทางสถิติท่ี 0.01 (ดูรายละเอียดของผลการทดสอบในตารางที่ 6.8) ผลลัพธ์ดังกล่าวสะท้อนให้เห็น เชิงประจักษ์ว่า กรณีที่เทคโนโลยีการดำ�เนินงานแตกต่างกัน ผลจากแบบจำ�ลอง Pool frontier และ Group frontier ให้คา่ ประสิทธิภาพสงู กวา่ ความเป็นจรงิ ส�ำ หรบั การประเมนิ อตั ราสว่ นชอ่ งวา่ งทางเทคโนโลยี หรอื TGR ทเี่ ปน็ การเปรยี บเทยี บคา่ ประสทิ ธภิ าพ ของกลมุ่ กบั คา่ ประสทิ ธภิ าพท่ีไดจ้ ากการวเิ คราะห์ Meta-frontier พบวา่ กลมุ่ ที่ 1 มคี า่ TGR สงู สดุ (รอ้ ยละ 83.98) แสดงวา่ กลมุ่ ท่ี1 มปี ระสทิ ธภิ าพการด�ำ เนนิ งานภายใตเ้ ทคโนโลยขี องกลมุ่ สงู กวา่ กลมุ่ อน่ื หรอื มชี อ่ งวา่ ง ทางเทคโนโลยีน้อยท่ีสุดเม่ือเทียบกับเส้นพรมแดนการดำ�เนินงานที่ดีสุดภายใต้เทคโนโลยีการดำ�เนินงาน ทแ่ี ตกต่างกันของกลุ่มตา่ งๆ ขณะทก่ี ล่มุ ท่ี 2 และ 3 มีค่า TGR ในลำ�ดับรองลงมา สว่ นกลุ่มท่ี 4 และ 5 ทเ่ี นน้ ตลาดผเู้ ขา้ พกั ระดบั ลา่ ง มปี ระสทิ ธภิ าพการด�ำ เนนิ งานภายใตเ้ ทคโนโลยขี องกลมุ่ ตาํ่ ทสี่ ดุ เมอ่ื เทยี บกบั กลมุ่ อน่ื ๆ หรอื มีประสิทธิภาพการใชเ้ ทคโนโลยกี ารดำ�เนนิ งานของกลุม่ ต่ํากว่ากลมุ่ อืน่ ๆ ผลการประเมนิ ด้วย Meta-frontier พบวา่ โรงแรมและเกสต์เฮา้ สท์ เี่ ป็นกลุม่ ตวั อย่างมีประสทิ ธภิ าพ การดำ�เนินงานเฉลยี่ รอ้ ยละ 48.92 ต่ํากว่าคา่ ประสทิ ธิภาพทป่ี ระเมินดว้ ยแบบจ�ำ ลอง SFA แบบ Pooled frontier และ Group frontier ประมาณรอ้ ยละ 88.51 และ 66.11 ตามลำ�ดบั เมอ่ื พจิ ารณาประสิทธภิ าพ การดำ�เนินงานตามกลุ่มต่างๆ พบว่า กลุ่มที่ 1 มีประสิทธิภาพการดำ�เนินงานสูงสุดถึงร้อยละ 65.64 รองลงมาไดแ้ ก่ กลุม่ ท่ี 2 และ 3 มปี ระสทิ ธภิ าพการดำ�เนนิ งานเฉลี่ยรอ้ ยละ 59.76 และ 58.68 ตามล�ำ ดบั สว่ นกลมุ่ ที่4 มปี ระสทิ ธภิ าพการด�ำ เนนิ งานเฉลยี่ ตา่ํ สดุ คอื รอ้ ยละ36.40 ผลลพั ธด์ งั กลา่ วสะทอ้ นใหเ้ หน็ วา่ โรงแรมในเครอื ตา่ งประเทศหรอื มกี ารลงทนุ จากตา่ งประเทศยงั คงมปี ระสทิ ธภิ าพการด�ำ เนนิ งานสงู กวา่ กลมุ่ อน่ื ๆ ไม่ว่าจะประเมนิ ด้วยแบบจำ�ลองหรอื วธิ ีใดก็ตาม เปน็ การยนื ยันวา่ โรงแรมและเกสต์เฮา้ ส์ในกลมุ่ ดงั กลา่ ว มเี ทคโนโลยกี ารด�ำ เนนิ งานหรอื การบรหิ ารจดั การทเ่ี ปน็ มาตรฐานสากลและมปี ระสทิ ธภิ าพ โรงแรมเหลา่ น้ี มีคู่มือดำ�เนินงานและการบริหารจัดการที่เป็นมาตรฐานเหมือนกันทั้งหมด จึงทำ�ให้มีประสิทธิภาพการ ด�ำ เนนิ งานสูงกว่ากลุ่มอื่น ส�ำ หรบั กลุ่มท่ี 5 ท่เี ปน็ เกสต์เฮ้าสห์ รืออพารต์ เมนตร์ ะดับราคาห้องพกั ตํ่ากวา่ 300 บาทต่อคนื และ นยิ มใชก้ ลยุทธท์ างด้านราคาในการแข่งขนั พบว่า ไม่ใช่กลุม่ ท่ีมีประสิทธภิ าพตาํ่ สดุ ขณะที่กลมุ่ ท่ี 4 ทเ่ี ปน็ โรงแรมประเภทโมเตล็ ทต่ี งั้ อยตู่ ามตา่ งจงั หวดั หรอื อ�ำ เภอ หรอื ตามถนนสายส�ำ คญั ๆ สว่ นใหญเ่ ปน็ โรงแรม ขนาดเลก็ มจี �ำ นวนห้องพกั ไม่เกนิ 50 ห้อง กลบั เป็นกลมุ่ ที่มีประสทิ ธิภาพการด�ำ เนนิ งานตํา่ สดุ สว่ นใหญ่ เปน็ โรงแรมเกา่ แบบโมเต็ลที่ใหบ้ ริการท่พี กั แบบรายวันในต่างจังหวัด มกี ารบริหารงานโดยเจ้าของกิจการ และเนน้ ลกู คา้ ประเภทพนกั งานขาย กลมุ่ ผทู้ �ำ งานบรษิ ทั หรอื ราชการหรอื รฐั วสิ าหกจิ ทต่ี อ้ งท�ำ งานออกพน้ื ท่ี ในตา่ งจังหวดั กลุ่มลูกคา้ ทต่ี ้องการทพ่ี ักแบบช่ัวคราวหรือรายวัน

เศรษฐมติ ิวา่ ดว้ ยการทอ่ งเที่ยว 179 ตารางท่ี 6.7 ค่าประสทิ ธิภาพการด�ำ เนนิ งาน และอัตราส่วนช่องว่างทางเทคโนโลยขี องโรงแรมและเกสตเ์ ฮ้าส์ในแตล่ ะกลุม่ กลุ่มโรงแรม คา่ ตาํ่ สดุ คา่ สูงสุด คา่ เฉลี่ย S.D. โรงแรมทง้ั หมด ประสิทธภิ าพการดำ�เนินงานทไ่ี ดจ้ าก Pool frontier 0.7579 0.9999 0.9222 0.0516 0.9969 0.8126 0.1083 ประสิทธภิ าพการดำ�เนินงานท่ีได้จาก Group frontier 0.1211 1.0000 0.6057 0.1577 0.9951 0.4892 0.1344 อัตราส่วนช่องว่างทางเทคโนโลยี (TGR) 0.3416 0.9999 0.9483 0.0559 ประสิทธภิ าพการดำ�เนนิ งานที่ไดจ้ าก Meta-frontier 0.0621 0.9315 0.7778 0.1409 1.0000 0.8398 0.0733 โรงแรมกล่มุ ท่ี 1: โรงแรมในเครือต่างประเทศ หรือมีการลงทุนจากตา่ งประเทศ 0.8942 0.6564 0.1418 ประสทิ ธภิ าพการด�ำ เนนิ งานทไ่ี ดจ้ าก Pool frontier 0.8559 0.9999 0.9346 0.0599 ประสิทธิภาพการด�ำ เนินงานท่ไี ดจ้ าก Group frontier 0.2266 0.9370 0.6994 0.1462 1.0000 0.7562 0.0432 อตั ราส่วนช่องว่างทางเทคโนโลยี (TGR) 0.6822 0.8461 0.5976 0.1210 ประสิทธิภาพการด�ำ เนนิ งานที่ได้จาก Meta-frontier 0.1802 0.9999 0.9270 0.0516 0.9969 0.8575 0.0844 โรงแรมกล่มุ ท่ี 2: โรงแรมประเภทรีสอรท์ หรือบทู ีค หรือโรงแรมในเครือภายในประเทศ 1.0000 0.6846 0.1016 ประสทิ ธิภาพการดำ�เนนิ งานที่ไดจ้ าก Pool frontier 0.6198 0.9951 0.5868 0.1032 ประสิทธภิ าพการดำ�เนินงานที่ได้จาก Group frontier 0.4132 0.9999 0.9017 0.0399 0.9327 0.8006 0.1082 อัตราสว่ นช่องว่างทางเทคโนโลยี (TGR) 0.5140 0.7800 0.4559 0.0709 0.6177 0.3640 0.0708 ประสทิ ธิภาพการดำ�เนนิ งานทีไ่ ด้จาก Meta-frontier 0.3714 0.9999 0.9195 0.0494 โรงแรมกล่มุ ท่ี 3: โรงแรมประเภทเพ่ือการค้า หรือการพาณชิ ย์ หรอื การประชุม 0.9401 0.8184 0.0757 ประสิทธภิ าพการดำ�เนินงานที่ได้จาก Pool frontier 0.7727 0.6340 0.4903 0.0436 0.5524 0.4010 0.0500 ประสทิ ธภิ าพการดำ�เนินงานที่ไดจ้ าก Group frontier 0.1000 อัตราสว่ นชอ่ งวา่ งทางเทคโนโลยี (TGR) 0.4501 ประสิทธภิ าพการดำ�เนินงานที่ได้จาก Meta-frontier 0.0621 โรงแรมกลา่ ที่ 4: โรงแรมประเภทโมเต็ล ประสทิ ธิภาพการดำ�เนินงานทไี่ ดจ้ าก Pool frontier 0.8199 ประสทิ ธภิ าพการดำ�เนนิ งานที่ได้จาก Group frontier 0.2178 อัตราส่วนชอ่ งวา่ งทางเทคโนโลยี TGR 0.3416 ประสทิ ธิภาพการด�ำ เนนิ งานที่ไดจ้ าก Meta-frontier 0.1097 โรงแรมกล่มุ ท่ี 5: เกสต์เฮา้ ส์หรอื อพาร์ตเมนต์ ประสิทธภิ าพการด�ำ เนนิ งานที่ได้จาก Pool frontier 0.7579 ประสิทธิภาพการด�ำ เนนิ งานที่ได้จาก Group frontier 0.1730 อัตราส่วนช่องว่างทางเทคโนโลยี (TGR) 0.3475 ประสิทธภิ าพการดำ�เนินงานที่ไดจ้ าก Meta-frontier 0.0817 ทม่ี า: อัครพงศ์ อน้ั ทอง พนนิ ท์ เครือไทย และมิ่งสรรพ์ ขาวสอาด (2554)

180 บทท่ี 6: การวัดประสทิ ธภิ าพการจัดการของอตุ สาหกรรมท่องเทย่ี ว ตารางท่ี 6.8 ผลการทดสอบความแตกตา่ งของค่าประสทิ ธิภาพการดำ�เนนิ งานเฉลยี่ ของโรงแรมและเกสตเ์ ฮา้ ส์ในกรณีตา่ งๆ สมมตฐิ านหลกั ของการทดสอบ F-statistic 1. โรงแรมแต่ละกลุ่มมีค่าประสิทธิภาพการดำ�เนนิ งานเฉลย่ี ที่ได้จาก Pool frontier 18.787 ไม่แตกต่างกนั (d.f. = 4, 1794; Sig. = 0.000) 2. โรงแรมแต่ละกลุม่ มีค่าประสทิ ธิภาพการด�ำ เนินงานเฉลี่ยท่ไี ดจ้ าก Group frontier 113.261 ไม่แตกต่างกัน (d.f. = 4, 1794; Sig. = 0.000) 3. โรงแรมแต่ละกลุ่มมคี า่ ประสทิ ธิภาพการดำ�เนินงานเฉล่ียท่ไี ดจ้ าก Meta-frontier 625.23 ไมแ่ ตกตา่ งกัน (d.f. = 4, 1794; Sig. = 0.000) 4. คา่ ประสิทธภิ าพการด�ำ เนนิ งานเฉลย่ี ของโรงแรมท้ังหมดมีคา่ ไมแ่ ตกต่างกัน 8432.108 ในแต่ละแบบจำ�ลอง (d.f. = 2, 5394; Sig. = 0.000) 5. ค่าประสทิ ธิภาพการด�ำ เนนิ งานเฉลีย่ ของโรงแรมกลุ่มท่ี 1 มคี า่ ไม่แตกต่างกัน 71.820 ในแตล่ ะแบบจ�ำ ลอง (d.f. = 2, 141; Sig. = 0.000) 6. คา่ ประสทิ ธภิ าพการดำ�เนนิ งานเฉลย่ี ของโรงแรมกล่มุ ท่ี 2 มคี า่ ไมแ่ ตกต่างกนั 518.169 ในแต่ละแบบจ�ำ ลอง (d.f. = 2, 684; Sig. = 0.000) 7. ค่าประสทิ ธภิ าพการดำ�เนินงานเฉลี่ยของโรงแรมกลุม่ ที่ 3 มีค่าไม่แตกตา่ งกนั ใน 14313.314 แตล่ ะแบบจ�ำ ลอง (d.f. = 2, 2019; Sig. = 0.000) 8. ค่าประสทิ ธภิ าพการด�ำ เนนิ งานเฉลี่ยของโรงแรมกลุ่มท่ี 4 มคี า่ ไมแ่ ตกต่างกนั ใน 3373.811 แตล่ ะแบบจำ�ลอง (d.f. = 2, 753; Sig. = 0.000) 9. คา่ ประสิทธิภาพการดำ�เนนิ งานเฉลี่ยของโรงแรมกลุ่มท่ี 5 มคี า่ ไม่แตกต่างกันใน 2829.664 แตล่ ะแบบจำ�ลอง (d.f. = 2, 1785; Sig. = 0.000) ทมี่ า: อคั รพงศ์ อ้นั ทอง พนินท์ เครือไทย และมิ่งสรรพ์ ขาวสอาด (2554) ผลการศกึ ษาข้างตน้ แสดงให้เหน็ วา่ การประเมนิ ประสิทธภิ าพโดยมองข้ามความแตกต่างทางด้าน เทคโนโลยีอาจนำ�มาซ่ึงผลการประเมินที่สูงกว่าความเป็นจริง นอกจากน้ีผลการศึกษายังแสดงให้เห็นว่า โรงแรมในเครือต่างประเทศหรือมีการลงทุนจากต่างประเทศมีประสิทธิภาพการดำ�เนินงานสูงกว่ากลุ่มอ่ืน ขณะท่ีโรงแรมประเภทเพื่อการค้าหรือการพาณิชย์หรือการประชุมมีประสิทธิภาพการดำ�เนินงานในลำ�ดับ รองลงมา สว่ นโรงแรมประเภทโมเตล็ ทไ่ี มเ่ นน้ คณุ ภาพการใหบ้ รกิ ารและสง่ิ อ�ำ นวยความสะดวกมปี ระสทิ ธภิ าพ การดำ�เนนิ งานต่ําสดุ โรงแรมประเภทนี้นิยมใช้กลยุทธร์ าคาในการแขง่ ขันกับเกสตเ์ ฮ้าส์และอพารต์เมนต์ ในอนาคตการแข่งขันในลักษณะดังกล่าวทำ�ให้โรงแรมประเภทนี้สูญเสียความสามารถในการแข่งขันและ เข้าสกู่ บั ดกั ราคาตา่ํ การด�ำ เนนิ นโยบายเพอื่ เสรมิ สรา้ งความสามารถในการแขง่ ขนั และการสง่ เสรมิ การเพมิ่ ประสทิ ธภิ าพ การด�ำ เนนิ งานของโรงแรมและเกสตเ์ ฮา้ สภ์ ายในประเทศไทย ยอ่ มมคี วามแตกตา่ งกนั ตามกลมุ่ ของโรงแรม และเกสต์เฮ้าส์ที่มีเทคโนโลยีการดำ�เนินงานท่ีแตกต่างกัน โดยการเพิ่มประสิทธิภาพการดำ�เนินงานของ โรงแรมประเภทโมเตล็ เกสตเ์ ฮา้ สแ์ ละอพารต์ เมนตค์ วรใหค้ วามส�ำ คญั กบั การใชป้ ระสบการณข์ องผปู้ ระกอบการ ในการปรับปรุงและยกระดับประสิทธิภาพการทำ�งานหรือคุณภาพการให้บริการ และควรเน้นตลาด ชาวตา่ งชาตกิ ลมุ่ สะพายเป้ สว่ นกลมุ่ โรงแรมในเครอื ตา่ งประเทศหรอื ทมี่ กี ารลงทนุ จากตา่ งประเทศ ควรเนน้ การเพิ่มผลิตภาพแรงงานด้วยการลดสัดส่วนแรงงานต่อห้องพัก สำ�หรับโรงแรมประเภทรีสอร์ทหรือบูทีค หรือโรงแรมในเครอื ภายในประเทศ ควรใหค้ วามสำ�คญั กบั การยกระดบั การดำ�เนินงานและการบรกิ ารใหไ้ ด้

เศรษฐมิติว่าด้วยการทอ่ งเท่ียว 181 มาตรฐานสากลมากยงิ่ ขน้ึ และมงุ่ เนน้ ตลาดชาวตา่ งชาติ ขณะที่โรงแรมประเภทเพอื่ การคา้ หรอื การพาณชิ ย์ หรอื การประชมุ ควรใหค้ วามส�ำ คญั กบั ตลาดชาวไทยมากกวา่ ชาวตา่ งชาติ นอกจากนภี้ าครฐั หรอื หนว่ ยงาน ทเ่ี ก่ียวขอ้ งควรส่งเสริมใหม้ กี ารถ่ายทอดความรู้ (Transferring knowledge) ในการด�ำ เนนิ งานภายในกลุ่ม โรงแรมและเกสต์เฮ้าส์ระดบั เดยี วกัน และควรมีการจดั การความรู้ (Knowledge management) รว่ มกัน ระหว่างกลมุ่ เพอื่ นำ�ไปสู่การปรบั ปรุงหรอื เปล่ียนแปลงเทคโนโลยกี ารดำ�เนนิ งานทเี่ หมาะสมทั้งภายในและ ระหวา่ งกลมุ่ โรงแรมและเกสตเ์ ฮา้ ส์ ซงึ่ จะกอ่ ใหเ้ กดิ ประโยชนส์ งู สดุ ตอ่ อตุ สาหกรรม ทง้ั ยงั เปน็ การเสรมิ สรา้ ง ความสามารถในการแข่งขันให้กับอุตสาหกรรมโรงแรมและเกสต์เฮ้าส์ในประเทศไทยท้ังในระยะส้ัน และระยะยาวอยา่ งเปน็ ระบบ

182 บทท่ี 6: การวัดประสทิ ธภิ าพการจดั การของอตุ สาหกรรมทอ่ งเทยี่ ว คำ�ถามท้ายบท 1. จงอธิบายแนวคดิ การวัดประสทิ ธภิ าพของ Farrell (1957) มาพอสังเขป? 2. วิธี DEA และ SFA มีจุดเดน่ และจุดด้อยแตกตา่ งกันอย่างไร? 3. วิธี DEA มีแบบจ�ำ ลองกีแ่ บบ? อะไรบา้ ง? และภายใต้การเปล่ยี นแปลงของเวลาควรใช้วิธอี ะไร? 4. จากผลลัพธ์ที่แสดงในตารางข้างล่าง ใช้ฟังก์ชัน Log-likelihoods ของใคร? และจงอธิบายผลลัพธ์ พอสังเขป? ตวั แปร คา่ สมั ประสิทธิ์ t-ratio แบบจ�ำ ลองพรมแดน คา่ คงที่ (Constant) 7.1320 6.4794*** 0.3815 9.2375*** จำ�นวนแรงงาน (ln X1) 0.3342 7.4653*** 0.2473 8.0976*** จำ�นวนหอ้ งพัก (ln X2) 0.1123 3.0473*** คา่ ใช้จ่ายในการดำ�เนินงาน (ln X3) 5.1923 4.7854*** 0.8326 9.5871*** มกี ารประกอบกิจการอนื่ ๆ (B) Variance Parameter Sigma-squared (σ2) Gamma (γ)

เศรษฐมติ ิว่าดว้ ยการท่องเท่ยี ว 183 บรรณานุกรม มิ่งสรรพ์ ขาวสอาด, นกุ ลุ เครือฟู และอคั รพงศ์ อั้นทอง. 2548. อุตสาหกรรมโรงแรมของประเทศไทย. สถาบันวจิ ัยสงั คม มหาวทิ ยาลยั เชียงใหม.่ อคั รพงศ์ อนั้ ทอง และมง่ิ สรรพ์ ขาวสอาด. 2552. “การเปลยี่ นแปลงประสทิ ธภิ าพในการจดั การของโรงแรม ในจงั หวดั เชยี งใหม่.” วารสารเศรษฐศาสตร์ธรรมศาสตร์ 27(3): 1-26. อัครพงศ์ อั้นทอง, พนินท์ เครือไทย และม่ิงสรรพ์ ขาวสอาด. 2554. “ประสิทธิภาพการดำ�เนินงาน ของธรุ กจิ โรงแรมและเกสตเ์ ฮา้ ส์ในประเทศไทย.” วารสารเศรษฐศาสตรป์ ระยุกต์ 18(1): 44-63 อัครพงศ์ อั้นทอง. 2547. ประสิทธิภาพการดำ�เนินงานของโรงแรมและเกสต์เฮ้าส์ในจังหวัดภาคเหนือ ตอนบนของไทย. เอกสารประการบรรยายพิเศษเรอ่ื งประสทิ ธภิ าพการดำ�เนินงานของโรงแรมและ เกสต์เฮา้ ส์จงั หวัดภาคเหนอื ตอนบนของประเทศไทย วันที่ 16 มกราคม 2547. (เอกสารอัดสำ�เนา) อัครพงศ์ อั้นทอง. 2548. คู่มอื การใช้โปรแกรม DEAP 2.1 ส�ำ หรบั การวิเคราะหป์ ระสทิ ธิภาพด้วยวธิ ีการ Data Envelopment Analysis. สถาบันวจิ ยั สงั คม มหาวิทยาลัยเชียงใหม.่ (เอกสารอดั สำ�เนา) อคั รพงศ์ อนั้ ทอง.2552. “ความเอนเอยี งของวธิ ดี อี เี อแบบสองขน้ั ตอน.” วารสารเศรษฐศาสตร์ มหาวทิ ยาลยั เกษตรศาสตร์ 16(1): 39-53. Aigner, D.J., Lovell, C.A.K. and Schmidt, P. 1977. “Formulation and estimation of stochastic frontier production function models.” Journal of Econometrics 6(1): 21-37. Anderson, R.I., Fish, M., Xia, Y., and Michello, F. 1999. “Measuring efficiency in the hotel industry: A stochastic frontier approach.” International Journal of Hospitality Management 18(1): 45-57. Assaf, A., Barros, C.P. and Josiassen, A. 2010. “Hotel efficiency: A bootstrapped metafrontier approach.” International Journal of Hospitality Management 29(3): 468-475. Baker, M. and Riley, M. 1994. “New perspectives on productivity in hotels: some advances and new directions.” International Journal of Hospitality Management 13(4): 297-311. Banker R.D., Charnes, A. and Cooper, W.W. 1984. “Some models for estimating technical and scale inefficiencies in data envelopment analysis.” Management Science 30(9): 1078-1092. Barnum D.T. and Gleason, J.M. 2008. “Bias and precision in the DEA two-stage method.” Applied Economics 40(18): 2305-2311. Barros, C.P., and Mascarenhas, M.J. 2004. “Technical and allocative efficiency in a chain of small hotels.” International Journal of Hospitality Management 24(3): 415-436. Barros, C.P., Peypoch, N. and Solonandrasana, B. 2009. “Efficiency and productivity growth in hotel industry.” International Journal of Tourism Research 11(4): 389-402.

184 บทท่ี 6: การวัดประสทิ ธภิ าพการจดั การของอตุ สาหกรรมทอ่ งเที่ยว Battese, G.E. and Coelli T.J. 1995. “A model for technical inefficiency effects in a stochastic frontier production function for panel data.” Empirical Economics 20(2): 325-332. Battese, G.E. and Coelli, T.J. 1988. “Prediction of firm-level technical efficiencies with a generalized froniter production function and panel data.” Journal of Econometrics 38(3): 387-399. Battese, G.E. and Coelli, T.J. 1993. “A stochastic frontier production function incorporating a model for technical inefficiency effects.” Working Papers in Econometrics and Applied Statistics No.69 Department of Econometrics, University of New England, Armidale. Battese, G.E. and Corra, G.S. 1977. “Estimation of a production frontier model: with application to the pastoral zone of eastern australia.” Australian Journal of Agricultural Economics 21(3): 169-179. Battese, G.E. and Rao, D.S.P. 2002. “Technology gap, efficiency and a stochastic metafrontier function.” International Journal of Business and Economics 1(2): 87-93. Battese, G.E., Rao, D.S.P. and O’Donnell, C.J. 2004. “A Metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies.” Journal of Productivity Analysis 21(1): 91-103. Bo, A.H., and Liping, A.C. 2004. “Hotel labor productivity assessment: A data envelopment analysis.” Journal of Travel and Tourism Marketing 16(2/3): 27-38. Brotherton, B. and Mooney, S. 1992. “Yield management progress and prospects.” International Journal of Hospitality Management 11(1): 23-32. Caves, D.W., Christensen, L.R. and Diewert, W.E. 1982. “The economic theory of index numbers and the measurement of input, output and productivity.” Econometrica 50(6): 1393-1414. Charnes, A., Cooper, W.W. and Rhodes, E. 1978. “Measuring the efficiency of decision making units.” European Journal of Operational Research 2(6): 429-444. Coelli, T.J. 1996. “A guide to FRONTIER Version 4.1: A computer program for stochastic frontier production and cost function estimation.” CEPA Working Papers No.7/96 School of Economics, University of New England, Armidale. Coelli, T.J., Rao, D.S.P., O’Donnell, C.J. and Battese, G.E. 2005. An Introduction to Efficiency and Productivity Analysis. 2nd ed. New York: Springer. Cooper, W.W., Seiford L.M. and Zhu, J. 2004. Handbook on Data Envelopment Analysis. Boston: Springer: Kluwer Academic Publishers. Donaghy, K., McMahon, U. and McDowell D. 1995. “Yield management: An overview.” International Journal of Hospitality Management 14(2): 1339-1350.

เศรษฐมิติวา่ ด้วยการท่องเที่ยว 185 Färe R., Grosskopf S., Lindgren, B. and Roos, P. 1992. “Productivity change in Swedish pharmacies 1980-1989: A non-parametric Malmquist approach.” Journal of Productivity Analysis 3(1): 85-101. Färe R., Grosskopf S., Yaisawarng S., Li S. and Wang, Z. 1990. “Productivity growth in illinois electric utilities.” Resources and Energy 12(4): 383-398. Farrell, M.J. 1957. “The measurement of productive efficiency.” Journal of the Royal Statistical Society Series A (General) 120(3): 253-290. Greene, W. 2004. “Reconsidering heterogeneity in panel data estimators of the stochastic frontier model.” Journal of Econometrics 126(2): 269-303. Hair, J.F., Anderson, R.E., Tatham, R.L. and Black, W. 1998. Multivariate Data Analysis. 5th ed. London: Prentice-Hall International Inc. Hwang S.N. and Chang T.Y. 2003. “Using data envelopment analysis to measure hotel managerial efficiency change in Taiwan.” Tourism Management 24(3): 357-369. Jondrow, J., Lovell, C.A.K., Materov, I.S. and Schmidt, P. 1982. “On estimation of technical inefficiency in the stochastic frontier production function model.” Journal of Econometrics 19(2-3): 233-238. Loikkanen, H.A. and Susiluoto, I 2002. An Evaluation of Economic Efficiency of Finnish Regions by DEA and Tobit Modes. The 42st Congress of the European Regional Science Association. Dortmund, Germany. August 27-31, 2002. Meeusen, W. and Van den Broeck, J. 1977. “Efficiency estimation from Cobb-Douglas production functions with composed error.” International Economic Review 18(2): 435-444. Morey, R. and Dittman, D. 1995. “Evaluating a hotel GM’s performance: A case study in benchmarking.” Cornell Hotel Restaurant and Administration Quarterly 36(5): 30-35. Mortimer, D. and Peacock, S. 2002. “Hospital efficiency measurement: simple ratios vs frontier methods.” Working Paper 135. Centre for Health Program Evaluation, Monash University, Australia. O’Donnell, C., Rao, D.S.P. and Battese, G.E. 2008. “Metafrontier frameworks for the study of firm-level efficiencies and technology ratios.” Empirical Economics 34(2): 231-255. O’Donnell, C.J. and Griffiths, W.E. 2006. “Estimating state-contingent production frontiers.” American Journal of Agricultural Economics 88(1): 249-266. Orea, L. and Kumbhakar, S.C. 2004. “Efficiency measurement using a latent class stochastic frontier model.” Empirical Economics 29(1): 169-183. Raab, R. and R. Lichty. 2002. “Identifying sub-areas that comprise a Greater Metropolitain Area: The criterion of country relative efficiency.” Journal of Regional Science 42(3): 579-594.

186 บทท่ี 6: การวดั ประสิทธภิ าพการจัดการของอุตสาหกรรมท่องเทยี่ ว Shamsul, A. 1983. Farm Resource Productivity under Alternative Management Practices. Master of Economics, Faculty of Economics, Thammasart University. Shang, J., Hung, W., Lo, C. and Wang, F. 2008. “Ecommerce and hotel performance: Three-stage DEA analysis.” The Service Industries Journal 28(4): 529-540. Sigala, M. 2004. “Using data envelopment analysis for measuring and benchmarking productivity in the hotel sector.” Journal of Travel and Tourism Marketing 16(2/3): 39-60. Simar, L. and Wilson, P.W. 2005. “Estimation and inference in two-stage, semi-parametric models of production processes.” Journal of Econometrics 136(1): 31-64. Song, H., Yang, S.and Wu, J. 2009. Measuring Hotel Performance Using the Game Cross-Efficiency Approach. CIATE 2009, December 11-13 2009, Chiang Mai, Thailand. Thang, B.N. 2007. “Analysis of technical efficiency for the hotel industry in Vietnam.” In Minh, N.K. and Long, G.T. (eds.). Technical Efficiency and Productivity Growth in Vietnam. Faculty of Economics, National Economics University, 137-164. VanVoorshis, C.W. and Morgan, L.B. 2007. “Understanding power and rules of thumb for determining sample sizes.” Tutorials in Quantitative Methods for Psychology 3(2): 43-50. Villano, R., Fleming, E. and Fleming, P. 2008. Measuring regional productivity differences in the Australianwool industry:A metafrontierapproach. AARES 52nd Annual Conference.February 5-8, 2008, Canberra, Australia. Wang, K., Weng, C. and Chang, M. 2001. “A study of technical efficiency of travel agencies in Taiwan.” Asia Pacific Management Review 6(1): 73-90.

แม้ว่าความก้าวหน้าทางคอมพิวเตอร์และเทคโนโลยีจะทำาให้การใช้เคร่ืองมือทางเศรษฐมิติ กลายเป็นเรื่องง่ายดายมากข้ึนแต่ปัญหาสำาคัญคือ การอธิบายและการตีความผลลัพธ์ที่ได้ จากวิธีทางเศรษฐมิติ ความเป็นไปได้ทางทฤษฎีและความสอดคล้องกับสภาพความเป็นจริงแล้ว ทาำ อย่างไร การเลือกใช้เครอ่ื งมอื ทางเศรษฐมิติจะไม่เปน็ เรอ่ื ง “จับแพะชนแกะ”… อัครพงศ์ อนั้ ทอง