SlideShare a Scribd company logo
1 of 64
Download to read offline
นำเสนอขำย RMF อย่ำงไรให้ได้ผล: กำรศึกษำเชิงทดลอง
โดย ดนุพล ทองคำ วทม. (NIDA), นพพล อัตต์สินทอง วทม. (NIDA),
อำจำรย์ ดร. อำนนท์ ศักดิ์วรวิชญ์
The First NIDA Business Analytics and Data Sciences Contest/Conference
วันที่ 1-2 กันยำยน 2559 ณ อำคำรนวมินทรำธิรำช สถำบันบัณฑิตพัฒนบริหำรศำสตร์
https://businessanalyticsnida.wordpress.com
https://www.facebook.com/BusinessAnalyticsNIDA/
-เวลำขำย RMF ต้องทำให้ลูกค้ำรู้สึกมั่นใจว่ำตนเองมีควำมรู้หรือไม่
-เวลำขำย RMF ต้องทำให้ลูกค้ำมีควำมรู้จริงๆ ในเรื่องของ RMF หรือไม่
- รู้สึกว่ำตัวเองรู้ กับ รู้จริง อย่ำงไหนจะทำให้อยำกลงทุน
-มีตัวเลือกเยอะๆ ดีหรือไม่ในกำรนำเสนอขำย RMF
-บอกข้อมูลให้ครบถ้วนหรือไม่ครบถ้วน แบบไหนจะทำให้ขำยได้ง่ำยกว่ำกัน
-ทั้งหมดนี้หำคำตอบได้ด้วยศำสตร์ Behavioral Finance และ Experiment
นวมินทรำธิรำช 3002 วันที่ 1 กันยำยน 2559 9.00-9.30 น.
นำเสนอขำย RMF อย่ำงไรให้ได้ผล: กำรศึกษำ
เชิงทดลองเพื่อรองรับภำวะสังคมผู้สูงอำยุ
ดนุพล ทองคำ
นพพล อัตต์สินทอง
อำจำรย์ ดร. อำนนท์ ศักดิ์วรวิชญ์
ที่มำและควำมสำคัญของปัญหำ
พีระมิดประชากรทั่วราชอาณาจักร พ.ศ. 2553 (สานักงานสถิติแห่งชาติ, 2553)
จากรูปข้างต้น พบว่า
- ประเทศไทยเป็นสังคมผู้สูงอายุอย่างเต็มตัวเป็นที่เรียบร้อยแล้ว
- ปัญหาที่ตามมา ประชาชนไม่มีรายได้จากการทางาน และไม่มีการ
วางแผนออมเงินเพื่อใช้ในวัยเกษียณ
- รัฐบาลต้องรับภาระค่าใช้จ่ายในการดูแลผู้สูงอายุจานวนมาก
- รัฐบาลควรมีนโยบายในการสนับสนุนให้ประชาชนเห็นความสาคัญ
ของการออม
กำรออมโดย RMF
- กองทุนรวมเพื่อการเลี้ยงชีพ (RMF) มีวัตถุประสงค์ที่ชัดเจนในการ
ออมเงินไว้ใช้ในวัยเกษียณ ซึ่งเป็นการออมที่ต่อเนื่องและมีความเสี่ยงต่า
- หากปฏิบัติตามเงื่อนไขในการลงทุน จะทาให้ผู้ลงทุนได้รับทั้งสิทธิ
ประโยชน์ทางภาษี และมีเงินออมเพื่อใช้ในวัยเกษียณ
ผู้วิจัย จึงศึกษาปัจจัยที่มีผลต่อความตั้งใจในการลงทุนใน RMF เพื่อ
เป็นแนวทางในการพัฒนากองทุนรวม RMF ให้ตรงกับความต้องการของ
ประชาชน
1. เพื่อศึกษาปัจจัยที่มีผลต่อการตัดสินใจซื้อกองทุนรวมเพื่อการเลี้ยงชีพ
(RMF)
2. เพื่อสร้างแบบจาลองทานายความตั้งใจในการลงทุนในกองทุนเพื่อการ
เลี้ยงชีพ และร้อยละของเงินลงทุน
วัตถุประสงค์ของงำนวิจัย
1. สามารถใช้แบบจาลองเพื่อทานายความตั้งใจในการลงทุนในกองทุนรวมเพื่อการ
เลี้ยงชีพ
2. บริษัทจัดการกองทุนสามารถนาผลการศึกษาไปออกแบบและกาหนดกลยุทธ์ใน
การเสนอขายกองทุนรวมเพื่อการเลี้ยงชีพ ให้ตรงกับความต้องการของผู้ลงทุน
3. รัฐบาลสามารถนาผลการศึกษาไปปรับใช้ในการออกนโยบายสนับสนุนการออม
เพื่อดึงดูดให้ประชาชนวางแผนในการออมมากขึ้น
ประโยชน์ที่คำดว่ำจะได้รับ
กองทุนรวมเพื่อกำรเลี้ยงชีพ (Retirement Mutual Fund: RMF)
- มีวัตถุประสงค์ในการออมเงินไว้ใช้ในวัยเกษียณ
- เป็นกองทุนรวมที่ได้รับการสนับสนุนสิทธิประโยชน์ทางภาษีแก่ ผู้ลงทุน
- เหมาะกับบุคคลทุกกลุ่มที่ต้องการออมเงินเพื่อวัยเกษียณ โดยเฉพาะบุคคล
ที่ไม่มีสวัสดิการ อย่างเช่น กองทุนสารองเลี้ยงชีพ หรือกองทุนบาเหน็จ
บานาญข้าราชการ (กบข.)
- มีนโยบายการลงทุนให้เลือกหลากหลาย ตั้งแต่กองทุนที่มีระดับความเสี่ยง
ต่า (ลงทุนในตราสารหนี้ เช่น พันธบัตร) ระดับความเสี่ยงปานกลาง
(ผสมผสานการลงทุนระหว่างตราสารหนี้และตราสารทุน) ไปจนถึงระดับที่มี
ความเสี่ยงสูง (ลงทุนในตราสารทุน เช่น หุ้น ใบสาคัญแสดงสิทธิการซื้อหุ้น
(warrant))
สิทธิประโยชน์ทางภาษี และเงื่อนไขการลงทุน
ควำมรู้เชิงอัตวิสัย (SK) VS ควำมรู้เชิงภววิสัย (OK)
ความรู้เชิงอัตวิสัย คือ ความรู้ที่เกิดจากมุมมองหรือความคิดเห็นของ
บุคคล โดยเฉพาะความผู้ที่เกี่ยวข้องกับความรู้สึก ความเชื่อ หรือความ
ต้องการ ซึ่งอาจจะเป็นความรู้ที่แท้จริงหรือไม่ก็ได้
ส่วนความรู้เชิงภววิสัย คือ ความรู้ที่มีพื้นฐานอยู่บนข้อเท็จจริง
(Solomon, Robert C., 2005)
ผลของควำมรู้เชิงภววิสัย (OK) ที่มีต่อควำมรู้เชิงอัตวิสัย (SK)
SK เป็น Metacognition ของ OK คือ การที่คนเราจะรับรู้ว่าตัวเองรู้ สอดคล้องกับ
สิ่งที่ตัวเองรู้จริงนั้น ต้องอาศัยหลายปัจจัยกากับ เช่น ความรู้คนนั้นๆ ประสบการณ์ โดยหลาย
คนไม่รู้ว่าตัวเองไม่รู้อะไร และหลายคนก็ไม่รู้ว่าตัวเองรู้อะไร (Flavell J. H., 1979)
โดยทั่วไปเรามักพบสหสัมพันธ์ทางบวกเล็กน้อยระหว่าง Cognition และ
Metacognition เราคาดว่าระหว่าง OK และ SK น่าจะมีสหสัมพันธ์ทางบวก คือ คนที่มีความรู้
จริงน่าจะมีแนวโน้มที่จะรู้ว่าตนเองมีความรู้จริง และคนที่ไม่รู้จริงน่าจะขาดความมั่นใจและไม่คิด
ว่าตนเองรู้ (แต่ไม่เสมอไป) (Hadar, L., Sood, A., 2014)
แต่ในบางครั้ง OK เพิ่มขึ้นทาให้ SK ลดลง อาจเป็นเพราะว่าเมื่อคนที่มีความรู้เชิงภว
วิสัยหรือความรู้ที่แท้จริงเพิ่มขึ้น จะทาให้คนๆ นั้นทราบถึงระดับความรู้ที่แท้จริงของตนเอง ซึ่ง
อาจทราบจากการทาแบบทดสอบ หรือการศึกษาข้อมูลเกี่ยวกับเรื่องนั้นๆ (Christine M.,
Kristin D., David B., and Blair K., 2004)
สมมติฐำนที่ 1 ความรู้เชิงภววิสัย (OK) มีความสัมพันธ์ทางบวกกับความรู้เชิงอัตวิสัย (SK)
จำนวนตัวเลือกในกำรลงทุนกับควำมรู้เชิงภววิสัยและควำมตั้งใจในกำรลงทุน
จานวนตัวเลือกและข้อมูลที่มากเกินไป ก่อให้เกิดความลาบากในการ
วิเคราะห์หาตัวเลือกที่เหมาะสมและต้องกาจัดตัวเลือกที่ไม่เหมาะสมมากขึ้น
ส่งผลให้ SK ลดลงและทาให้ WTP ลดลงด้วย (Hadar, L., Sood, A., 2014)
สมมติฐำนที่ 2 จานวนตัวเลือกน้อย ทาให้ความรู้เชิงอัตวิสัย (SK) และความ
ตั้งใจในการลงทุน (WTP) มากกว่าจานวนตัวเลือกมาก
Too many choices and
Information overload
ต้องตัดตัวเลือกหลายตัว และ
หาตัวเลือกที่เหมาะสมยาก
SK ลดลง
WTP ลดลง และไม่
อยากซื้อ
ข้อมูลสูญหำยกับควำมรู้เชิงภววิสัยและควำมตั้งใจในกำรลงทุน
ความรู้เชิงภววิสัย (SK) จะลดลงหากข้อมูลเกี่ยวกับการลงทุนมีความ
ผิดปกติหรือมีการสูญหาย และยังส่งผลให้ความตั้งใจในการลงทุน (WTP) ที่
ลดลงตามไปด้วย(Hadar L., Sood A., Fox R. C., 2013)
สมมติฐำนที่ 3 ข้อมูลที่มีความสมบูรณ์ ทาให้ความรู้เชิงอัตวิสัย (SK) และ
ความตั้งใจในการลงทุน (WTP) มากกว่าข้อมูลที่มีค่าสูญหาย
Missing data
เกิดความสงสัยใน
ความผิดปกติของข้อมูล
SK ลดลง
WTP ลดลง และไม่
อยากซื้อ
กำรทำแบบทดสอบกับควำมรู้เชิงอัตวิสัยและควำมตั้งใจในกำรลงทุน
การทาแบบทดสอบเป็นการวัดความรู้เชิงภววิสัย (OK) ของคนแต่ละคน โดยหลังจากการ
ทาแบบทดสอบ จะทาให้ความรู้เชิงอัตวิสัย (SK) ลดลง เนื่องจากสามารถประเมินความรู้ที่แท้จริงของ
ตนเองได้ชัดเจนขึ้น จึงส่งผลให้ความตั้งใจในการลงทุนลดลง
แต่จะทาให้ ความสอดคล้องระหว่างความรู้เชิงภววิสัย (OK) กับความรู้เชิงอัตวิสัย (SK)
สูงขึ้น (Christine M., Kristin D., David B., and Blair K., 2004)
สมมติฐำนที่ 4.1 การทาแบบทดสอบก่อน ทาให้ความรู้เชิงอัตวิสัย (SK) และความตั้งใจซื้อ (WTP)
น้อยกว่ากาทาแบบทดสอบหลัง
สมมติฐำนที่ 4.2 การทาแบบทดสอบก่อน ทาให้ความรู้เชิงภววิสัย (OK) และความรู้เชิงอัตวิสัย (SK)
มีความสัมพันธ์กันสูงขึ้น
Test before ทราบ OK ของตัวเอง SK ลดลง
WTP ลดลง และไม่
อยากซื้อ
อัตรำผลตอบแทนกับกำรลงทุน (Return & Investment)
นักลงทุนทุกคน ต่างต้องการผลตอบแทนจากการลงทุนในอนาคต โดยเฉพาะการ
ลงทุนที่ให้ผลตอบแทนสูง ย่อมได้รับความสนใจจากนักลงทุนมากกว่าการลงทุนที่
ผลตอบแทนต่า
อัตราผลตอบแทนจึงน่าจะมีผลต่อการตัดสินใจและความตั้งใจในการลงทุน โดยที่
อัตราผลตอบแทนที่เพิ่มขึ้น จะทาให้ความตั้งใจในการลงทุนเพิ่มขึ้นตามไปด้วย (Bodie,
Kane, Marcus, & Jain, 2014)
สมมติฐำนที่ 5 อัตราผลตอบแทนตามการรับรู้มีความสัมพันธ์ทางบวกกับความตั้งใจในการ
ลงทุน (WTP)
ควำมเสี่ยงกับกำรลงทุน (Risk & Investment)
โดยปกติแล้วคนทั่วไปมักจะหลีกเลี่ยงความเสี่ยง ไม่ว่าจะเป็นการทากิจกรรมต่างๆ ใน
ชีวิตประจาวัน หรือแม้แต่การวางแผนทางการเงิน โดยเฉพาะผู้ที่ไม่ชอบความเสี่ยง (Risk Averse)
จะไม่นิยมลงทุนในหน่วยลงทุนที่มีความเสี่ยงสูง เช่น ตราสารอนุพันธ์ (Ackert & Deaves, 2010)
ด้วยเหตุนี้เอง อัตราความเสี่ยง จึงน่าจะมีผลต่อการตัดสินใจและความตั้งใจในการลงทุน
โดยยิ่งหน่วยลงทุนที่มีความเสี่ยงสูงเท่าไหร่ จะทาให้ความตั้งในการลงทุนของนักลงทุนต่าลงเท่านั้น
สมมติฐำนที่ 6 อัตราความเสี่ยงตามการรับรู้มีความสัมพันธ์ทางลบกับความตั้งใจในการลงทุน
(WTP)
สิทธิประโยชน์ทำงภำษีกับกำรลงทุน (Tax incentives & Investment)
การให้สิทธิประโยชน์ทางภาษี เป็นการสร้างแรงจูงใจอย่างหนึ่ง ในการดึงดูด
ความสนใจของนักลงทุน โดยการลงทุนที่จะมีสิทธิประโยชน์ทางภาษี คือ การลงทุนที่
เงินลงทุนจะถูกนาไปใช้ในการบริหารประเทศของรัฐบาล หรือเป็นการลงทุนเพื่อลด
ภาระค่าใช้จ่ายของรัฐบาล ซึ่งการมีสิทธิประโยชน์ทางภาษีจากการลงทุน จะทาให้นัก
ลงทุนอยากลงทุนมากขึ้น (Zee, Stotsky, & Ley, 2002)
สมมติฐำนที่ 7 สิทธิประโยชน์ทางภาษีตามการรับรู้ มีความสัมพันธ์ทางบวกกับความ
ตั้งใจในการลงทุน (WTP)
กำรเข้ำถึงกับกำรลงทุน (Accessibility & Investment)
ช่องทางในการเข้าถึงการลงทุน เป็นสิ่งที่การที่ผู้ลงทุนสามารถเข้าถึงการ
ลงทุนได้อย่างสะดวกและง่ายดาย จะส่งผลให้ความตั้งใจในการลงทุนเพิ่มขึ้น
สมมติฐำนที่ 8 ระดับความยากในการเข้าถึงการลงทุนตามการรับรู้มีความสัมพันธ์ทาง
ลบกับความตั้งใจในการลงทุน (WTP)
ควำมเพียงพอของเงินทุนกับกำรลงทุน (Capital adequacy & Investment)
ความโน้มเอียงในการบริโภคหน่วยสุดท้าย (Marginal Propensity to
Consume: MPC) หมายถึง อัตราส่วนของการเปลี่ยนแปลงรายจ่ายเพื่อการบริโภคต่อการ
เปลี่ยนแปลงของรายได้ ค่า MPC จะมีค่าระหว่าง มากกว่าศูนย์ แต่น้อยกว่าหนึ่ง
โดยผู้ที่มีรายได้น้อยจะมีค่า MPC สูง เพราะรายได้ส่วนใหญ่ จะนาไปใช้จ่ายในการ
อุปโภคบริโภค ต่างจากผู้ที่มีรายได้มาก (คนรวย) ที่มีค่า MPC ต่า เพราะอัตราส่วนของการ
บริโภคนั้นน้อยมากเมื่อเทียบกับรายได้ และรายได้ส่วนที่เหลือจะถูกนาไปออมหรือลงทุนเพื่อ
ก่อให้เกิดรายได้เพิ่มขึ้น (Hall & Taylor, 1986)
ดังนั้น ความตั้งใจในการลงทุน จึงน่าจะเพิ่มขึ้นตามรายได้ที่เหลือจากการใช้จ่าย
ในการบริโภค
สมมติฐำนที่ 9 ความเพียงพอของเงินลงทุนตามการรับรู้มีความสัมพันธ์ทางบวกกับความ
ตั้งใจในการลงทุน (WTP)
สภำพคล่องกับกำรลงทุน (Liquidity & Investment)
สภาพคล่อง คือ ความเร็วในการเปลี่ยนสินทรัพย์เป็นเงินสด การลงทุนแต่ละประเภทมี
สภาพคล่องที่แตกต่างกันไป การเลือกลงทุนจึงขึ้นอยู่กับเป้าหมายในการลงทุนของนักลงทุน เช่น
หากนักลงทุนมีเป้าหมายเพื่อการออมเงิน ก็ควรเลือกการลงทุนที่มีสภาพคล่องต่า แตกหากเป็นธุรกิจ
ที่ต้องการเก็งกาไร ก็ควรเลือกการลงทุนที่มีสภาพคล่องสูง เพราะต้องใช้เงินทุนหมุนเวียนตลอดเวลา
แต่โดยมากแล้วไม่ว่าเป้าหมายในการลงทุนจะเป็นอย่างไร นักลงทุนมักจะเลือก
การลงทุนที่มีสภาพคล่องมากกว่า (Soprano, 2015)
จึงเป็นเหตุผลที่คนไม่นิยมลงทุนใน RMF เพราะต้องลงทุนยาวและต่อเนื่อง
หากต้องการรับสิทธิประโยชน์ทางภาษี
สมมติฐำนที่ 10 สภาพคล่องตามการรับรู้มีความสัมพันธ์ทางบวกกับความตั้งใจในการ
ลงทุน (WTP)
ภำระในกำรดูแลรักษำกับกำรลงทุน (Obligations & Investment)
การลงทุนที่ต้องการการดูแลรักษาและการจัดการที่ยาก จะส่งผลให้
ความตั้งใจในการลงทุนน้อยลง
สาหรับ RMF แล้วแทบไม่ต้องดูแลรักษาอะไรเลย เพราะบริษัทจัดการ
หลักทรัพย์ เป็นผู้ดูแลและวางแผนการลงทุนทุกอย่าง ผู้ซื้อ RMF เพียงแค่
จ่ายเงินลงทุนตามระยะเวลาที่กาหนด (คล้ายเงินฝากประจา)
สมมติฐำนที่ 11 ภาระในการดูแลรักษาตามการรับรู้มีความสัมพันธ์ทางบวกกับ
ความตั้งใจในการลงทุน (WTP)
ตัวแปรต้น
- ความรู้เชิงอัตวิสัย
(Subjective Knowledge: SK)
- ความรู้เชิงภววิสัย
(Objective Knowledge: OK)
- จานวนตัวเลือกในการลงทุน
- ความสมบูรณ์ของข้อมูล
- การทาแบบทดสอบก่อนและหลังตัดสินใจ
ตัวแปรตำม
- ความตั้งใจในการลงทุน
(Willingness To Purchase: WTP)
- ร้อยละของเงินที่จะลงทุน
(Percent of investment: PI)
Covariate
- อัตราผลตอบแทน
- ความเสี่ยงของในการลงทุน
- การเข้าถึงกองทุน
- ความเพียงพอของเงินลงทุน
- สภาพคล่อง
- การดูแลรักษา
- สิทธิประโยชน์ทางภาษี
วิธีดำเนินกำรวิจัย
ตัวแปรตำม (Dependent Variable) ที่ต้องกำรศึกษำ
ประกอบด้วย
1. ความรู้เชิงอัตวิสัย (SK) เกี่ยวกับ RMF และราคากองทุนรวม
ย้อนหลัง
2. ความตั้งใจในการลงทุน (WTP) ใน RMF
3. ร้อยละของเงินลงทุน (PI) ที่จะลงทุนใน RMF
ผู้วิจัยได้สร้างแบบจาลอง เพื่อศึกษาว่าตัวแปรอิสระตัวใดบ้างที่มีอิทธิพล
ต่อตัวแปรตามข้างต้น และมีอิทธิพลมากน้อยเพียงใด
ตัวแปรอิสระ (Independent Variable) ในกำรศึกษำ
ตัวแปรหลักที่ต้องการศึกษา ได้แก่
1) ความสมบูรณ์ของข้อมูล (ข้อมูลสมบูรณ์ และข้อมูลมีค่าสูญหาย)
2) จานวนตัวเลือกในการลงทุน (5 ตัวเลือก และ 10 ตัวเลือก)
3) การทาแบบทดสอบความรู้ (ก่อนทาแบบสอบถาม และหลังทา
แบบสอบถาม)
การวิจัยนี้เป็นการวิจัยเชิงทดลอง (Experimental Design) ซึ่งเป็นแบบ 2 x 2 x 2
Factorial Design
Experimental Manipulation
กำรจำลอง (Simulation) ข้อมูลกองทุน กำรสร้ำงข้อมูลสูญหำย และกำรสร้ำงตัวเลือก
ในกำรลงทุน
ขั้นตอนที่ 1 คัดเลือกกองทุนรวมเพื่อการเลี้ยงชีพที่มียอดการลงทุนสูงและให้
ผลตอบแทนอย่างต่อเนื่องมา 1 กองทุน ได้แก่ กองทุนรวม S-EQRMF นาราคากองทุน
ย้อนหลังรายเดือน ตั้งแต่เดือน พ.ย. 2552 - ม.ค. 2558 มาวิเคราะห์ข้อมูลอนุกรมเวลา
สร้างตัวแบบข้อมูลอนุกรมเวลา
ขั้นตอนที่ 2 จาลองข้อมูลจากตัวแบบข้อมูลอนุกรมเวลาเพื่อให้ได้ข้อมูลราคา
กองทุนย้อนหลังทั้งหมด 5 หรือ 10 กองทุน ซึ่งมีผลตอบแทนและความเสี่ยงที่เท่าเทียมกัน
ทั้งหมด
ขั้นตอนที่ 3 สุ่มลบข้อมูลกองทุนรวมย้อนหลังออกเพื่อให้เกิดการสูญหายของ
ข้อมูลโดยข้อมูลแต่ละชุดจะต้องมีข้อมูลสูญหายในเดือนและปีเดียวกันเพื่อไม่ให้เกิดความ
แตกต่างระหว่างกองทุน เลือก missing pattern จากช่วงวิกฤติเศรษฐกิจที่ SET Index
ตกต่าให้เป็นข้อมูลสูญหาย
0
5
10
15
20
25
ราคากองทุนรวมRMFต่อหน่วยลงทุน
เดือน / ปี
0
5
10
15
20
25
ราคากองทุนรวมRMFต่อหน่วยลงทุน
เดือน / ปี
ตัวอย่ำงข้อมูลรำคำ RMF ย้อนหลัง Full VS Missing
Measurement
ตัวแปรตาม
- ความรู้เชิงอัตวิสัย (SK) ให้ผู้ทาแบบสารวจประเมินความรู้เกี่ยวกับ
RMF รวมทั้งราคาย้อนหลัง โดยมีทั้งหมด 3 ข้อ และแบ่งระดับความเข้าใจเป็น 4
ระดับ ค่าสัมประสิทธิ์ Cronbach's Alpha 0.86
ตัวอย่างคาถาม ท่านเข้าใจแนวโน้มราคา RMF ในระดับใด
- ความตั้งใจในการลงทุน (WTP) จานวน 1 ข้อ ให้ผู้ตอบประเมินระดับ
ความตั้งใจในการลงทุน โดยแบ่งเป็น 4 ระดับ
- ร้อยละของเงินลงทุน (PI) ให้ผู้ตอบประเมินเงินลงทุน ว่าจะลงทุนใน
RMF เป็นร้อยละเท่าใด ของรายได้ที่เหลือจากการหักค่าใช้จ่ายอื่นแล้ว โดยให้
กรอกตัวเลขเป็นร้อยละลงในช่องว่างที่เว้นไว้ให้
Measurement
ตัวแปรต้น
ความรู้เชิงภววิสัย (OK) เป็นคะแนนจากการทาแบบทดสอบ ทั้งหมด 13
ข้อ ซึ่งเป็นคาถามเกี่ยวกับ RMF โดยมีทั้งคาถามทั่วไปและคาถามเชิงลึก เป็นการ
ทดสอบแบบเลือกตอบ (Multiple Choices) 4 ตัวเลือก แบบทดสอบมีความ
น่าเชื่อถือที่ค่า Cronbach's Alpha 0.60
ตัวอย่างคาถาม
- ข้อใดไม่ใช่เงื่อนไขการลงทุนของ RMF
- หากท่านมีเงินได้แต่ละปี 1,500,000 บาท และมีการลงทุนใน
กองทุนสารองเลี้ยงชีพ 210,000 บาท จานวนเงินสูงสุดที่ท่านสามารถลงทุนใน
RMF และนาไปลดหย่อนภาษีได้ เป็นเท่าใด
Covariate
- ให้ประเมินอัตรำผลตอบแทนที่คิดว่าจะได้รับจาก RMF ตามที่รับรู้/รู้สึก
- ให้ประเมินควำมเสี่ยงหรือความไม่แน่นอนในผลตอบแทนของ RMF ตามที่รับรู้/
รู้สึก
- ให้ประเมินระดับสะดวกในกำรเข้ำถึง RMF
- ให้ประเมินควำมเพียงพอของเงินลงทุน สาหรับลงทุนใน RMF
- ให้ประเมินว่า RMF มีสภำพคล่องที่จะแปรเปลี่ยนเป็นเงินสดได้รวดเร็วเพียงใด
- ให้ประเมินว่า RMF มีภำระและควำมยำกในกำรดูแล/รักษำ มากเพียงใดตามที่
รับรู้/รู้สึก
- ให้ประเมินว่า RMF มีสิทธิประโยชน์ทำงภำษี มากน้อยเพียงใดตามที่รับรู้/รู้สึก
ผู้เข้าร่วมการทดลองประเมิน RFM ตามคาถามข้างต้นด้วย summated rating scale ที่มี 4
อันตรภาค โดยแบบประเมินมีค่าความน่าเชื่อถือ Cronbach's Alpha 0.79
Experimental Procedure
การเก็บข้อมูลเป็นแบบออนไลน์ (Online Experiment) โดยผู้เข้ามาตอบต้องปฏิบัติตามขั้นตอน ดังนี้
50%50%
ผู้ตอบแบบสอบถาม 560 คน ผู้ตอบแบบสอบถามส่วนใหญ่
- มีอายุอยู่ในช่วง 40-44 ปี จานวน 271 คน (ร้อยละ 48.4)
- มีการศึกษาระดับปริญญาตรี จานวน 417 คน (ร้อยละ 74.5)
- มีรายได้เฉลี่ยอยู่ระหว่าง 20,001 - 40,000 บาท จานวน 321
คน (ร้อยละ 57.3)
ผลกำรวิจัย
Descriptive:SK
Total
Data Choice
Before After
Mean SD N Mean SD N Mean SD N
Missing
5 choices 6.51 1.21 70 7.66 1.89 70 7.09 1.55 140
10 choices 6.39 1.13 70 6.57 2.39 70 6.48 1.76 140
Total 6.45 1.17 140 7.11 2.14 140 6.78 1.66 280
Full
5 choices 7.43 1.99 70 8.04 1.71 70 7.74 1.85 140
10 choices 6.71 1.23 70 7.89 1.71 70 7.30 1.47 140
Total 7.07 1.61 140 7.96 1.71 140 7.52 1.66 280
Total 6.70 1.35 280 7.45 1.97 280 7.08 1.66 560
ตารางที่ 1 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน: ความรู้เชิงอัตวิสัย (SK)
10 Choice*Test Before*Missing data
5 Choice*Test After*Full data
ตารางที่ 2 ผลการวิเคราะห์ความแปรปรวน: ตัวแปรตามความรู้เชิงอัตวิสัย (SK)
Source F Partial Eta Squared P-value
Full VS Missing Data 25.94 .04 .000**
5 VS 10 Choices 13.03 .02 .000**
Test OK Before VS After 29.05 .05 .000**
Full VS Missing Data*
5 VS 10 Choices
0.35 .00 .553
Full VS Missing Data *
Test OK Before VS After
0.62 .00 .429
5 VS 10 Choices*
Test OK Before VS After
0.47 .00 .489
Full VS Missing Data *
5 VS 10 Choices *
Test OK Before VS After
6.86 .01 .009**
Interaction plot Full VS Missing Data * 5 VS 10 Choices * Test OK Before
Full VS Missing Data * 5 VS 10 Choices *
Test OK Before
Full VS Missing Data * 5 VS 10 Choices *
Test OK After
ตารางที่ 3 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน: ความตั้งใจซื้อ (WTP)
Descriptive:WTP
Total
Data Choice
Before After
Mean SD N Mean SD N Mean SD N
Missing
5 choices 2.17 .45 70 2.51 .68 70 2.34 0.56 140
10 choices 2.10 .78 70 2.24 .79 70 2.17 0.79 140
Total 2.14 .62 140 2.38 .73 140 2.26 0.67 280
Full
5 choices 2.31 .88 70 2.79 .61 70 2.55 0.74 140
10 choices 2.17 .54 70 2.70 .64 70 2.44 0.59 140
Total 2.24 .71 140 2.74 .63 140 2.49 0.67 280
Total 2.18 0.65 280 2.52 0.69 280 2.35 0.67 560
10 Choice*Test Before*Missing data
5 Choice*Test After*Full data
ตารางที่ 4 ผลการวิเคราะห์ความแปรปรวน: ตัวแปรตามความตั้งใจที่จะซื้อ (WTP)
Source F Partial Eta Squared P-value
Full VS Missing Data 16.64 .03 .000**
5 VS 10 Choices 6.11 .01 .014**
Test OK Before VS After 41.31 .07 .000**
Full VS Missing Data*
5 VS 10 Choices
0.24 .00 .621
Full VS Missing Data *
Test OK Before VS After
4.95 .01 .027**
5 VS 10 Choices*
Test OK Before VS After
0.38 .00 .537
Full VS Missing Data *
5 VS 10 Choices *
Test OK Before VS After
1.23 .00 .266
Interaction plot Full VS Missing Data * Test OK Before VS After
Full VS Missing Data * Test OK Before VS After
ตารางที่ 5 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน: ร้อยละการลงทุน (PI)
Descriptive:Percent Invesment (PI)
Total
Data Choice
Before After
Mean SD N Mean SD N Mean SD N
Missing
5 choices 22.26 28.76 47 16.53 15.25 49 19.40 22.00 96
10 choices 13.68 16.25 59 13.07 12.61 54 13.38 14.43 113
Total 17.97 22.50 106 14.80 13.93 103 16.39 18.21 209
Full
5 choices 16.17 19.46 54 18.94 13.67 50 17.56 16.56 104
10 choices 10.27 8.17 45 11.52 10.52 64 10.90 9.35 109
Total 13.22 13.81 99 15.23 12.10 114 14.23 12.95 218
Total 16.07 19.03 205 14.97 13.20 269 15.52 16.11 427
10 Choice*Test Before*Full data
5 Choice*Test Before*Missing data
ตารางที่ 6 ผลการวิเคราะห์ความแปรปรวน: ตัวแปรตามร้อยละการลงทุน (PI)
Source F Partial Eta Squared P-value
Full VS Missing Data 1.797 0.004 .181
5 VS 10 Choices 15.465 0.036 .000**
Test OK Before VS After 0.127 0.000 .722
Full VS Missing Data*
5 VS 10 Choices
0.040 0.000 .842
Full VS Missing Data *
Test OK Before VS After
2.582 0.006 .109
5 VS 10 Choices*
Test OK Before VS After
0.313 0.001 .576
Full VS Missing Data *
5 VS 10 Choices *
Test OK Before VS After
1.060 0.003 .304
แบบจำลองทำนำยควำมตั้งใจในกำรลงทุน (WTP)
ตารางที่ 7 ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และค่าความสัมพันธ์ของปัจจัยต่างๆ กับความตั้งใจในการลงทุน
(WTP)
ตารางที่ 8 แบบจาลองทานายความตั้งใจในการลงทุน (WTP) วิเคราะห์โดยใช้วิธี Enter
ตัวแปร B Beta t P-value
(Constant) 0.371 1.576 .116
ความสมบูรณ์ของข้อมูล (D1) -0.302 -0.197 -1.118 .264
จานวนตัวเลือกในการลงทุน (D2) -0.069 -0.045 -0.669 .504
การทาแบบทดสอบ (D3) 0.337 0.220 1.419 .156
อัตราผลตอบแทน (X1) 0.195 0.175 4.356 .000
ความเสี่ยงในการลงทุน (X2) -0.079 -0.071 -1.425 .155
การเข้าถึงกองทุน (X3) 0.077 0.082 2.062 .040
ความเพียงพอของเงินลงทุน (X4) 0.171 0.180 4.041 .000
สภาพคล่อง (X5) 0.079 0.095 2.069 .039
การดูแลรักษากองทุน (X6) -0.125 -0.129 -2.815 .005
สิทธิประโยชน์ทางภาษี (X7) 0.092 0.100 2.247 .025
ตัวแปร B Beta t P-value
ความรู้เชิงอัตวิสัย (X8) 0.118 0.299 3.924 .000
คะแนนแบบทดสอบ (X9) -0.004 -0.012 -0.304 .761
ความสมบูรณ์ของข้อมูล*จานวนตัวเลือกในการลงทุน (D1*D2) 0.169 0.095 1.115 .265
ความสมบูรณ์ของข้อมูล*การทาแบบทดสอบ (D1*D3) 0.378 0.213 2.492 .013
จานวนตัวเลือกในการลงทุน*การทาแบบทดสอบ (D2*D3) 0.060 0.034 0.395 .693
ความสมบูรณ์ของข้อมูล*จานวนตัวเลือกในการลงทุน*การทา
แบบทดสอบ (D1*D2*D3)
-0.103 -0.044 -0.481 .631
ความสมบูรณ์ของข้อมูล*ความเสี่ยงในการลงทุน (D1*X2) -0.052 -0.090 -0.664 .507
ความสมบูรณ์ของข้อมูล*ความรู้เชิงอัตวิสัย (D1*X8) 0.042 0.213 1.375 .170
การทาแบบทดสอบ*ความรู้เชิงอัตวิสัย (D3*X8) -0.028 -0.149 -0.921 .358
R-Square = 0.414, F(19,540) = 20.102, p-value = 0.000
ตารางที่ 8 แบบจาลองทานายความตั้งใจในการลงทุน (WTP) วิเคราะห์โดยใช้วิธี Enter (ต่อ)
ตารางที่ 9 แบบจาลองทานายความตั้งใจในการลงทุน (WTP) วิเคราะห์โดยใช้วิธี Stepwise
ตัวแปร B Beta t P-value
(Constant) 0.304 2.235 .026
ความรู้เชิงอัตวิสัย (X8) 0.118 0.299 7.695 .000
อัตราผลตอบแทน (X1) 0.205 0.184 4.719 .000
ความสมบูรณ์ของข้อมูล*การทาแบบทดสอบ (D1*D3) 0.285 0.161 3.882 .000
ความเพียงพอของเงินลงทุน (X4) 0.170 0.179 4.173 .000
การทาแบบทดสอบ (D3) 0.204 0.133 3.239 .001
สิทธิประโยชน์ทางภาษี (X7) 0.091 0.098 2.303 .022
การดูแลรักษากองทุน (X6) -0.133 -0.137 -3.155 .002
สภาพคล่อง (X5) 0.093 0.111 2.756 .006
ความเสี่ยงในการลงทุน (X2) -0.100 -0.090 -2.301 .022
การเข้าถึงกองทุน (X3) 0.076 0.080 2.036 .042
R-Square = 0.408, F(10,549) = 37.858, p-value = 0.000
Full*After
1
2
3
4
Missing*After
Missing*Before
Full*Before
Interaction plot Full VS Missing Data * Test OK Before VS After
วิเคราะห์ด้วย Tukey
Full*Before Missing*Before Missing*After Full*After
-0.18 -0.12 0.03 0.28
แบบจำลองทำนำยร้อยละของกำรลงทุน (PI)
ตารางที่ 10 ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และค่าความสัมพันธ์ของปัจจัยต่างๆ กับ
ร้อยละของเงินที่จะลงทุน (PI)
ตารางที่ 11 แบบจาลองทานายร้อยละของเงินที่จะลงทุน (PI) วิเคราะห์โดยใช้วิธี Enter
ตัวแปร B Beta t P-value
(Constant) -18.937 -2.652 .008
ความสมบูรณ์ของข้อมูล (D1) 14.035 0.435 1.795 .073
จานวนตัวเลือกในการลงทุน (D2) 4.462 0.138 1.591 .112
การทาแบบทดสอบ (D3) -10.555 -0.327 -1.639 .102
อัตราผลตอบแทน (X1) 10.853 0.423 8.595 .000
ความเสี่ยงในการลงทุน (X2) -2.772 -0.114 -1.926 .055
การเข้าถึงกองทุน (X3) -0.400 -0.020 -0.416 .678
ความเพียงพอของเงินลงทุน (X4) 2.722 0.138 2.508 .013
สภาพคล่อง (X5) -0.146 -0.008 -0.139 .890
การดูแลรักษากองทุน (X6) -1.388 -0.067 -1.134 .257
สิทธิประโยชน์ทางภาษี (X7) 3.438 0.178 3.161 .002
ตัวแปร B Beta t P-value
ความรู้เชิงอัตวิสัย (X8) -0.368 -0.044 -0.459 .646
คะแนนแบบทดสอบ (X9) -0.008 -0.001 -0.026 .979
ความสมบูรณ์ของข้อมูล*จานวนตัวเลือกในการลงทุน (D1*D2) -6.988 -0.190 -1.714 .087
ความสมบูรณ์ของข้อมูล*การทาแบบทดสอบ (D1*D3) -4.093 -0.113 -1.012 .312
จานวนตัวเลือกในการลงทุน*การทาแบบทดสอบ (D2*D3) -5.061 -0.141 -1.239 .216
ความสมบูรณ์ของข้อมูล*จานวนตัวเลือกในการลงทุน*การทา
แบบทดสอบ (D1*D2*D3)
1.127 0.025 0.198 .843
ความสมบูรณ์ของข้อมูล*ความเสี่ยงในการลงทุน (D1*X2) -4.670 -0.379 -2.159 .031
ความสมบูรณ์ของข้อมูล*ความรู้เชิงอัตวิสัย (D1*X8) 0.550 0.134 0.689 .491
การทาแบบทดสอบ*ความรู้เชิงอัตวิสัย (D3*X8) 2.357 0.593 2.885 .004
R-Square = 0.316, F(19,402) = 9.770, p-value = 0.000
ตารางที่ 12 แบบจาลองทานายร้อยละของเงินที่จะลงทุน (PI) วิเคราะห์โดยใช้วิธี
Stepwise
ตัวแปร B Beta t P-value
(Constant) -20.795 -5.222 .000
อัตราผลตอบแทน (X1) 10.170 .397 8.628 .000
สิทธิประโยชน์ทางภาษี (X7) 2.571 .133 2.521 .012
ความเสี่ยงในการลงทุน (X2) -4.812 -.197 -4.340 .000
ความรู้เชิงอัตวิสัย (X8) 1.225 .146 3.089 .002
ความเพียงพอของเงินลงทุน (X4) 2.719 .138 2.759 .006
R-Square = 0.274, F(5,416) = 31.422, p-value = 0.000
สรุปผลกำรวิจัย
1. จากผลการทดลอง พบว่า กองทุนรวมเพื่อการเลี้ยงชีพ (RMF) ที่มีข้อมูลสมบูรณ์ จานวน
ตัวเลือกในการลงทุนน้อย และทาแบบทดสอบหลังตัดสินใจลงทุน เป็นกรณีที่ค่าความรู้เชิงอัตวิสัย
(Subjective Knowledge: SK) สูงที่สุด ส่งผลให้ความตั้งใจในการลงทุนสูงที่สุดด้วย อาจเนื่องด้วยผู้
ลงทุนมีความเชื่อมั่นในกองทุนรวม และไม่สับสนกับตัวเลือกที่มีไม่มาก ประกอบกับการที่ยังไม่ได้ทา
แบบทดสอบจึงทาให้มั่นใจว่ามีความรู้เพียงพอที่จะตัดสินใจในการลงทุน
แตกต่างจากกองทุนรวมเพื่อการเลี้ยงชีพ (RMF) ที่มีข้อมูลสูญหาย จานวนตัวเลือกในการ
ลงทุนมาก และมีการทาแบบทดสอบก่อนที่จะตัดสินใจลงทุนเป็น ซึ่งเป็นกรณีที่ค่าความรู้เชิงอัตวิสัย
(SK) ต่าที่สุด และส่งผลให้ความตั้งใจในการลงทุนต่าที่สุดเช่นกัน
2. ปัจจัยที่มีผลต่อความตั้งใจที่จะลงทุน (WTP) ในกองทุนรวมเพื่อการเลี้ยงชีพ (RMF) ได้แก่
ปัจจัย ทิศทำงควำมสัมพันธ์
ความรู้เชิงอัตวิสัย บวก
อัตราผลตอบแทน บวก
ความเพียงพอของเงินลงทุน บวก
การทาแบบทดสอบก่อน/หลัง บวก
สิทธิประโยชน์ทางภาษี บวก
การดูแลรักษากองทุน ลบ
สภาพคล่อง บวก
ความเสี่ยงในการลงทุน ลบ
การเข้าถึงกองทุน บวก
ความสมบูรณ์ของข้อมูล*การทาแบบทดสอบ บวก
3. ปัจจัยที่มีผลต่อร้อยละของเงินที่จะลงทุน (PI) ในกองทุนรวมเพื่อการเลี้ยงชีพ (RMF)
ได้แก่
ปัจจัย ทิศทำงควำมสัมพันธ์
ความรู้เชิงอัตวิสัย บวก
อัตราผลตอบแทน บวก
ความเพียงพอของเงินลงทุน บวก
สิทธิประโยชน์ทางภาษี บวก
ความเสี่ยงในการลงทุน ลบ
ข้อเสนอแนะ
1. บริษัทจัดการหลักทรัพย์ควรออกแบบกองทุนรวมเพื่อการเลี้ยงชีพ
(RMF) โดยมีปัจจัยดังนี้
- ข้อมูลสาคัญเกี่ยวกับการลงทุนใน RMF รวมทั้งราคาย้อนหลังของ
แต่ละกองทุน จะต้องมีความครบถ้วนและไม่มีค่าสูญหาย
- จานวนตัวเลือกในการลงทุน ไม่ควรมีมากเกินไป เพราะจะทาให้ผู้
ลงทุนเกิดความสับสนในการตัดสินใจลงทุน
- ควรให้ผู้ที่ต้องการลงทุนทาแบบทดสอบก่อนการตัดสินใจลงทุน
เพื่อให้เกิดความเข้าใจและความมั่นใจในการลงทุนอย่างแท้จริง
2. รัฐบาลควรให้ความรู้ความเข้าใจกับประชาชนเกี่ยวกับ
กองทุนรวมเพื่อการเลี้ยงชีพ (RMF) และส่งเสริมให้ประชาชน
ออมเงินเพื่อใช้ในยามเกษียณ เพื่อลดภาระค่าใช้จ่ายที่รัฐบาล
จะต้องดูแลประชาชนที่อยู่ในวัยเกษียณในอนาคต
3. ในการศึกษาครั้งต่อไปควรจะเพิ่มปัจจัยที่อาจมีอิทธิพล
ต่อความตั้งใจลงทุน เช่น การทาหนังสือชี้ชวนให้มีความกระชับ
และเข้าใจง่ายอาจจะส่งผลให้ความตั้งใจในการลงทุนเพิ่มขึ้น หรือ
ปัจจัยอื่นๆ ที่ได้จากการศึกษาต่อไปในอนาคต

More Related Content

Viewers also liked

ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...BAINIDA
 
From fraudulence to adversarial learning จรัล งามวิโรจน์เจริญ chief data sci...
From fraudulence to adversarial learning  จรัล งามวิโรจน์เจริญ chief data sci...From fraudulence to adversarial learning  จรัล งามวิโรจน์เจริญ chief data sci...
From fraudulence to adversarial learning จรัล งามวิโรจน์เจริญ chief data sci...BAINIDA
 
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...BAINIDA
 
การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรว...
การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรว...การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรว...
การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรว...BAINIDA
 
Introduction to big data and analytic eakasit patcharawongsakda
Introduction to big data and analytic eakasit patcharawongsakdaIntroduction to big data and analytic eakasit patcharawongsakda
Introduction to big data and analytic eakasit patcharawongsakdaBAINIDA
 
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...BAINIDA
 
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์ เอื้อวัฒนามงคล
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์  เอื้อวัฒนามงคลMachine Learning: An introduction โดย รศ.ดร.สุรพงค์  เอื้อวัฒนามงคล
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์ เอื้อวัฒนามงคลBAINIDA
 
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...BAINIDA
 
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...BAINIDA
 
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา รุ่งระวี วทม. (NIDA)
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา  รุ่งระวี วทม. (NIDA)  วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา  รุ่งระวี วทม. (NIDA)
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา รุ่งระวี วทม. (NIDA) BAINIDA
 
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...BAINIDA
 
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิลText Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิลBAINIDA
 

Viewers also liked (12)

ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
 
From fraudulence to adversarial learning จรัล งามวิโรจน์เจริญ chief data sci...
From fraudulence to adversarial learning  จรัล งามวิโรจน์เจริญ chief data sci...From fraudulence to adversarial learning  จรัล งามวิโรจน์เจริญ chief data sci...
From fraudulence to adversarial learning จรัล งามวิโรจน์เจริญ chief data sci...
 
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
 
การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรว...
การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรว...การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรว...
การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรว...
 
Introduction to big data and analytic eakasit patcharawongsakda
Introduction to big data and analytic eakasit patcharawongsakdaIntroduction to big data and analytic eakasit patcharawongsakda
Introduction to big data and analytic eakasit patcharawongsakda
 
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
 
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์ เอื้อวัฒนามงคล
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์  เอื้อวัฒนามงคลMachine Learning: An introduction โดย รศ.ดร.สุรพงค์  เอื้อวัฒนามงคล
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์ เอื้อวัฒนามงคล
 
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
 
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
 
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา รุ่งระวี วทม. (NIDA)
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา  รุ่งระวี วทม. (NIDA)  วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา  รุ่งระวี วทม. (NIDA)
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา รุ่งระวี วทม. (NIDA)
 
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
 
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิลText Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
 

More from BAINIDA

Mixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciencesMixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciencesBAINIDA
 
Advanced quantitative research methods in political science and pa
Advanced quantitative  research methods in political science and paAdvanced quantitative  research methods in political science and pa
Advanced quantitative research methods in political science and paBAINIDA
 
Latest thailand election2019report
Latest thailand election2019reportLatest thailand election2019report
Latest thailand election2019reportBAINIDA
 
Data science in medicine
Data science in medicineData science in medicine
Data science in medicineBAINIDA
 
Nursing data science
Nursing data scienceNursing data science
Nursing data scienceBAINIDA
 
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...BAINIDA
 
Statistics and big data for justice and fairness
Statistics and big data for justice and fairnessStatistics and big data for justice and fairness
Statistics and big data for justice and fairnessBAINIDA
 
Data science and big data for business and industrial application
Data science and big data  for business and industrial applicationData science and big data  for business and industrial application
Data science and big data for business and industrial applicationBAINIDA
 
Update trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-upUpdate trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-upBAINIDA
 
Advent of ds and stat adjustment
Advent of ds and stat adjustmentAdvent of ds and stat adjustment
Advent of ds and stat adjustmentBAINIDA
 
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร BAINIDA
 
Data visualization. map
Data visualization. map Data visualization. map
Data visualization. map BAINIDA
 
Dark data by Worapol Alex Pongpech
Dark data by Worapol Alex PongpechDark data by Worapol Alex Pongpech
Dark data by Worapol Alex PongpechBAINIDA
 
Deepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDADeepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDABAINIDA
 
Professionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data ScienceProfessionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data ScienceBAINIDA
 
Deep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr SanparitDeep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr SanparitBAINIDA
 
Visualizing for impact final
Visualizing for impact finalVisualizing for impact final
Visualizing for impact finalBAINIDA
 
Python programming workshop
Python programming workshopPython programming workshop
Python programming workshopBAINIDA
 
Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...BAINIDA
 
Second prize data analysis @ the First NIDA business analytics and data scie...
Second prize data analysis @ the First NIDA  business analytics and data scie...Second prize data analysis @ the First NIDA  business analytics and data scie...
Second prize data analysis @ the First NIDA business analytics and data scie...BAINIDA
 

More from BAINIDA (20)

Mixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciencesMixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciences
 
Advanced quantitative research methods in political science and pa
Advanced quantitative  research methods in political science and paAdvanced quantitative  research methods in political science and pa
Advanced quantitative research methods in political science and pa
 
Latest thailand election2019report
Latest thailand election2019reportLatest thailand election2019report
Latest thailand election2019report
 
Data science in medicine
Data science in medicineData science in medicine
Data science in medicine
 
Nursing data science
Nursing data scienceNursing data science
Nursing data science
 
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
 
Statistics and big data for justice and fairness
Statistics and big data for justice and fairnessStatistics and big data for justice and fairness
Statistics and big data for justice and fairness
 
Data science and big data for business and industrial application
Data science and big data  for business and industrial applicationData science and big data  for business and industrial application
Data science and big data for business and industrial application
 
Update trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-upUpdate trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-up
 
Advent of ds and stat adjustment
Advent of ds and stat adjustmentAdvent of ds and stat adjustment
Advent of ds and stat adjustment
 
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
 
Data visualization. map
Data visualization. map Data visualization. map
Data visualization. map
 
Dark data by Worapol Alex Pongpech
Dark data by Worapol Alex PongpechDark data by Worapol Alex Pongpech
Dark data by Worapol Alex Pongpech
 
Deepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDADeepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDA
 
Professionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data ScienceProfessionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data Science
 
Deep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr SanparitDeep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr Sanparit
 
Visualizing for impact final
Visualizing for impact finalVisualizing for impact final
Visualizing for impact final
 
Python programming workshop
Python programming workshopPython programming workshop
Python programming workshop
 
Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...
 
Second prize data analysis @ the First NIDA business analytics and data scie...
Second prize data analysis @ the First NIDA  business analytics and data scie...Second prize data analysis @ the First NIDA  business analytics and data scie...
Second prize data analysis @ the First NIDA business analytics and data scie...
 

นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอายุ โดย ดนุพล ทองคำ, นพพล อัตต์สินทอง, อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์

  • 1. นำเสนอขำย RMF อย่ำงไรให้ได้ผล: กำรศึกษำเชิงทดลอง โดย ดนุพล ทองคำ วทม. (NIDA), นพพล อัตต์สินทอง วทม. (NIDA), อำจำรย์ ดร. อำนนท์ ศักดิ์วรวิชญ์ The First NIDA Business Analytics and Data Sciences Contest/Conference วันที่ 1-2 กันยำยน 2559 ณ อำคำรนวมินทรำธิรำช สถำบันบัณฑิตพัฒนบริหำรศำสตร์ https://businessanalyticsnida.wordpress.com https://www.facebook.com/BusinessAnalyticsNIDA/ -เวลำขำย RMF ต้องทำให้ลูกค้ำรู้สึกมั่นใจว่ำตนเองมีควำมรู้หรือไม่ -เวลำขำย RMF ต้องทำให้ลูกค้ำมีควำมรู้จริงๆ ในเรื่องของ RMF หรือไม่ - รู้สึกว่ำตัวเองรู้ กับ รู้จริง อย่ำงไหนจะทำให้อยำกลงทุน -มีตัวเลือกเยอะๆ ดีหรือไม่ในกำรนำเสนอขำย RMF -บอกข้อมูลให้ครบถ้วนหรือไม่ครบถ้วน แบบไหนจะทำให้ขำยได้ง่ำยกว่ำกัน -ทั้งหมดนี้หำคำตอบได้ด้วยศำสตร์ Behavioral Finance และ Experiment นวมินทรำธิรำช 3002 วันที่ 1 กันยำยน 2559 9.00-9.30 น.
  • 2. นำเสนอขำย RMF อย่ำงไรให้ได้ผล: กำรศึกษำ เชิงทดลองเพื่อรองรับภำวะสังคมผู้สูงอำยุ ดนุพล ทองคำ นพพล อัตต์สินทอง อำจำรย์ ดร. อำนนท์ ศักดิ์วรวิชญ์
  • 4. พีระมิดประชากรทั่วราชอาณาจักร พ.ศ. 2553 (สานักงานสถิติแห่งชาติ, 2553)
  • 5. จากรูปข้างต้น พบว่า - ประเทศไทยเป็นสังคมผู้สูงอายุอย่างเต็มตัวเป็นที่เรียบร้อยแล้ว - ปัญหาที่ตามมา ประชาชนไม่มีรายได้จากการทางาน และไม่มีการ วางแผนออมเงินเพื่อใช้ในวัยเกษียณ - รัฐบาลต้องรับภาระค่าใช้จ่ายในการดูแลผู้สูงอายุจานวนมาก - รัฐบาลควรมีนโยบายในการสนับสนุนให้ประชาชนเห็นความสาคัญ ของการออม
  • 6. กำรออมโดย RMF - กองทุนรวมเพื่อการเลี้ยงชีพ (RMF) มีวัตถุประสงค์ที่ชัดเจนในการ ออมเงินไว้ใช้ในวัยเกษียณ ซึ่งเป็นการออมที่ต่อเนื่องและมีความเสี่ยงต่า - หากปฏิบัติตามเงื่อนไขในการลงทุน จะทาให้ผู้ลงทุนได้รับทั้งสิทธิ ประโยชน์ทางภาษี และมีเงินออมเพื่อใช้ในวัยเกษียณ ผู้วิจัย จึงศึกษาปัจจัยที่มีผลต่อความตั้งใจในการลงทุนใน RMF เพื่อ เป็นแนวทางในการพัฒนากองทุนรวม RMF ให้ตรงกับความต้องการของ ประชาชน
  • 8. 1. สามารถใช้แบบจาลองเพื่อทานายความตั้งใจในการลงทุนในกองทุนรวมเพื่อการ เลี้ยงชีพ 2. บริษัทจัดการกองทุนสามารถนาผลการศึกษาไปออกแบบและกาหนดกลยุทธ์ใน การเสนอขายกองทุนรวมเพื่อการเลี้ยงชีพ ให้ตรงกับความต้องการของผู้ลงทุน 3. รัฐบาลสามารถนาผลการศึกษาไปปรับใช้ในการออกนโยบายสนับสนุนการออม เพื่อดึงดูดให้ประชาชนวางแผนในการออมมากขึ้น ประโยชน์ที่คำดว่ำจะได้รับ
  • 9. กองทุนรวมเพื่อกำรเลี้ยงชีพ (Retirement Mutual Fund: RMF) - มีวัตถุประสงค์ในการออมเงินไว้ใช้ในวัยเกษียณ - เป็นกองทุนรวมที่ได้รับการสนับสนุนสิทธิประโยชน์ทางภาษีแก่ ผู้ลงทุน - เหมาะกับบุคคลทุกกลุ่มที่ต้องการออมเงินเพื่อวัยเกษียณ โดยเฉพาะบุคคล ที่ไม่มีสวัสดิการ อย่างเช่น กองทุนสารองเลี้ยงชีพ หรือกองทุนบาเหน็จ บานาญข้าราชการ (กบข.) - มีนโยบายการลงทุนให้เลือกหลากหลาย ตั้งแต่กองทุนที่มีระดับความเสี่ยง ต่า (ลงทุนในตราสารหนี้ เช่น พันธบัตร) ระดับความเสี่ยงปานกลาง (ผสมผสานการลงทุนระหว่างตราสารหนี้และตราสารทุน) ไปจนถึงระดับที่มี ความเสี่ยงสูง (ลงทุนในตราสารทุน เช่น หุ้น ใบสาคัญแสดงสิทธิการซื้อหุ้น (warrant))
  • 11. ควำมรู้เชิงอัตวิสัย (SK) VS ควำมรู้เชิงภววิสัย (OK) ความรู้เชิงอัตวิสัย คือ ความรู้ที่เกิดจากมุมมองหรือความคิดเห็นของ บุคคล โดยเฉพาะความผู้ที่เกี่ยวข้องกับความรู้สึก ความเชื่อ หรือความ ต้องการ ซึ่งอาจจะเป็นความรู้ที่แท้จริงหรือไม่ก็ได้ ส่วนความรู้เชิงภววิสัย คือ ความรู้ที่มีพื้นฐานอยู่บนข้อเท็จจริง (Solomon, Robert C., 2005)
  • 12. ผลของควำมรู้เชิงภววิสัย (OK) ที่มีต่อควำมรู้เชิงอัตวิสัย (SK) SK เป็น Metacognition ของ OK คือ การที่คนเราจะรับรู้ว่าตัวเองรู้ สอดคล้องกับ สิ่งที่ตัวเองรู้จริงนั้น ต้องอาศัยหลายปัจจัยกากับ เช่น ความรู้คนนั้นๆ ประสบการณ์ โดยหลาย คนไม่รู้ว่าตัวเองไม่รู้อะไร และหลายคนก็ไม่รู้ว่าตัวเองรู้อะไร (Flavell J. H., 1979) โดยทั่วไปเรามักพบสหสัมพันธ์ทางบวกเล็กน้อยระหว่าง Cognition และ Metacognition เราคาดว่าระหว่าง OK และ SK น่าจะมีสหสัมพันธ์ทางบวก คือ คนที่มีความรู้ จริงน่าจะมีแนวโน้มที่จะรู้ว่าตนเองมีความรู้จริง และคนที่ไม่รู้จริงน่าจะขาดความมั่นใจและไม่คิด ว่าตนเองรู้ (แต่ไม่เสมอไป) (Hadar, L., Sood, A., 2014) แต่ในบางครั้ง OK เพิ่มขึ้นทาให้ SK ลดลง อาจเป็นเพราะว่าเมื่อคนที่มีความรู้เชิงภว วิสัยหรือความรู้ที่แท้จริงเพิ่มขึ้น จะทาให้คนๆ นั้นทราบถึงระดับความรู้ที่แท้จริงของตนเอง ซึ่ง อาจทราบจากการทาแบบทดสอบ หรือการศึกษาข้อมูลเกี่ยวกับเรื่องนั้นๆ (Christine M., Kristin D., David B., and Blair K., 2004)
  • 13. สมมติฐำนที่ 1 ความรู้เชิงภววิสัย (OK) มีความสัมพันธ์ทางบวกกับความรู้เชิงอัตวิสัย (SK)
  • 14. จำนวนตัวเลือกในกำรลงทุนกับควำมรู้เชิงภววิสัยและควำมตั้งใจในกำรลงทุน จานวนตัวเลือกและข้อมูลที่มากเกินไป ก่อให้เกิดความลาบากในการ วิเคราะห์หาตัวเลือกที่เหมาะสมและต้องกาจัดตัวเลือกที่ไม่เหมาะสมมากขึ้น ส่งผลให้ SK ลดลงและทาให้ WTP ลดลงด้วย (Hadar, L., Sood, A., 2014) สมมติฐำนที่ 2 จานวนตัวเลือกน้อย ทาให้ความรู้เชิงอัตวิสัย (SK) และความ ตั้งใจในการลงทุน (WTP) มากกว่าจานวนตัวเลือกมาก Too many choices and Information overload ต้องตัดตัวเลือกหลายตัว และ หาตัวเลือกที่เหมาะสมยาก SK ลดลง WTP ลดลง และไม่ อยากซื้อ
  • 15. ข้อมูลสูญหำยกับควำมรู้เชิงภววิสัยและควำมตั้งใจในกำรลงทุน ความรู้เชิงภววิสัย (SK) จะลดลงหากข้อมูลเกี่ยวกับการลงทุนมีความ ผิดปกติหรือมีการสูญหาย และยังส่งผลให้ความตั้งใจในการลงทุน (WTP) ที่ ลดลงตามไปด้วย(Hadar L., Sood A., Fox R. C., 2013) สมมติฐำนที่ 3 ข้อมูลที่มีความสมบูรณ์ ทาให้ความรู้เชิงอัตวิสัย (SK) และ ความตั้งใจในการลงทุน (WTP) มากกว่าข้อมูลที่มีค่าสูญหาย Missing data เกิดความสงสัยใน ความผิดปกติของข้อมูล SK ลดลง WTP ลดลง และไม่ อยากซื้อ
  • 16. กำรทำแบบทดสอบกับควำมรู้เชิงอัตวิสัยและควำมตั้งใจในกำรลงทุน การทาแบบทดสอบเป็นการวัดความรู้เชิงภววิสัย (OK) ของคนแต่ละคน โดยหลังจากการ ทาแบบทดสอบ จะทาให้ความรู้เชิงอัตวิสัย (SK) ลดลง เนื่องจากสามารถประเมินความรู้ที่แท้จริงของ ตนเองได้ชัดเจนขึ้น จึงส่งผลให้ความตั้งใจในการลงทุนลดลง แต่จะทาให้ ความสอดคล้องระหว่างความรู้เชิงภววิสัย (OK) กับความรู้เชิงอัตวิสัย (SK) สูงขึ้น (Christine M., Kristin D., David B., and Blair K., 2004) สมมติฐำนที่ 4.1 การทาแบบทดสอบก่อน ทาให้ความรู้เชิงอัตวิสัย (SK) และความตั้งใจซื้อ (WTP) น้อยกว่ากาทาแบบทดสอบหลัง สมมติฐำนที่ 4.2 การทาแบบทดสอบก่อน ทาให้ความรู้เชิงภววิสัย (OK) และความรู้เชิงอัตวิสัย (SK) มีความสัมพันธ์กันสูงขึ้น Test before ทราบ OK ของตัวเอง SK ลดลง WTP ลดลง และไม่ อยากซื้อ
  • 17. อัตรำผลตอบแทนกับกำรลงทุน (Return & Investment) นักลงทุนทุกคน ต่างต้องการผลตอบแทนจากการลงทุนในอนาคต โดยเฉพาะการ ลงทุนที่ให้ผลตอบแทนสูง ย่อมได้รับความสนใจจากนักลงทุนมากกว่าการลงทุนที่ ผลตอบแทนต่า อัตราผลตอบแทนจึงน่าจะมีผลต่อการตัดสินใจและความตั้งใจในการลงทุน โดยที่ อัตราผลตอบแทนที่เพิ่มขึ้น จะทาให้ความตั้งใจในการลงทุนเพิ่มขึ้นตามไปด้วย (Bodie, Kane, Marcus, & Jain, 2014) สมมติฐำนที่ 5 อัตราผลตอบแทนตามการรับรู้มีความสัมพันธ์ทางบวกกับความตั้งใจในการ ลงทุน (WTP)
  • 18. ควำมเสี่ยงกับกำรลงทุน (Risk & Investment) โดยปกติแล้วคนทั่วไปมักจะหลีกเลี่ยงความเสี่ยง ไม่ว่าจะเป็นการทากิจกรรมต่างๆ ใน ชีวิตประจาวัน หรือแม้แต่การวางแผนทางการเงิน โดยเฉพาะผู้ที่ไม่ชอบความเสี่ยง (Risk Averse) จะไม่นิยมลงทุนในหน่วยลงทุนที่มีความเสี่ยงสูง เช่น ตราสารอนุพันธ์ (Ackert & Deaves, 2010) ด้วยเหตุนี้เอง อัตราความเสี่ยง จึงน่าจะมีผลต่อการตัดสินใจและความตั้งใจในการลงทุน โดยยิ่งหน่วยลงทุนที่มีความเสี่ยงสูงเท่าไหร่ จะทาให้ความตั้งในการลงทุนของนักลงทุนต่าลงเท่านั้น สมมติฐำนที่ 6 อัตราความเสี่ยงตามการรับรู้มีความสัมพันธ์ทางลบกับความตั้งใจในการลงทุน (WTP)
  • 19. สิทธิประโยชน์ทำงภำษีกับกำรลงทุน (Tax incentives & Investment) การให้สิทธิประโยชน์ทางภาษี เป็นการสร้างแรงจูงใจอย่างหนึ่ง ในการดึงดูด ความสนใจของนักลงทุน โดยการลงทุนที่จะมีสิทธิประโยชน์ทางภาษี คือ การลงทุนที่ เงินลงทุนจะถูกนาไปใช้ในการบริหารประเทศของรัฐบาล หรือเป็นการลงทุนเพื่อลด ภาระค่าใช้จ่ายของรัฐบาล ซึ่งการมีสิทธิประโยชน์ทางภาษีจากการลงทุน จะทาให้นัก ลงทุนอยากลงทุนมากขึ้น (Zee, Stotsky, & Ley, 2002) สมมติฐำนที่ 7 สิทธิประโยชน์ทางภาษีตามการรับรู้ มีความสัมพันธ์ทางบวกกับความ ตั้งใจในการลงทุน (WTP)
  • 20. กำรเข้ำถึงกับกำรลงทุน (Accessibility & Investment) ช่องทางในการเข้าถึงการลงทุน เป็นสิ่งที่การที่ผู้ลงทุนสามารถเข้าถึงการ ลงทุนได้อย่างสะดวกและง่ายดาย จะส่งผลให้ความตั้งใจในการลงทุนเพิ่มขึ้น สมมติฐำนที่ 8 ระดับความยากในการเข้าถึงการลงทุนตามการรับรู้มีความสัมพันธ์ทาง ลบกับความตั้งใจในการลงทุน (WTP)
  • 21. ควำมเพียงพอของเงินทุนกับกำรลงทุน (Capital adequacy & Investment) ความโน้มเอียงในการบริโภคหน่วยสุดท้าย (Marginal Propensity to Consume: MPC) หมายถึง อัตราส่วนของการเปลี่ยนแปลงรายจ่ายเพื่อการบริโภคต่อการ เปลี่ยนแปลงของรายได้ ค่า MPC จะมีค่าระหว่าง มากกว่าศูนย์ แต่น้อยกว่าหนึ่ง โดยผู้ที่มีรายได้น้อยจะมีค่า MPC สูง เพราะรายได้ส่วนใหญ่ จะนาไปใช้จ่ายในการ อุปโภคบริโภค ต่างจากผู้ที่มีรายได้มาก (คนรวย) ที่มีค่า MPC ต่า เพราะอัตราส่วนของการ บริโภคนั้นน้อยมากเมื่อเทียบกับรายได้ และรายได้ส่วนที่เหลือจะถูกนาไปออมหรือลงทุนเพื่อ ก่อให้เกิดรายได้เพิ่มขึ้น (Hall & Taylor, 1986) ดังนั้น ความตั้งใจในการลงทุน จึงน่าจะเพิ่มขึ้นตามรายได้ที่เหลือจากการใช้จ่าย ในการบริโภค สมมติฐำนที่ 9 ความเพียงพอของเงินลงทุนตามการรับรู้มีความสัมพันธ์ทางบวกกับความ ตั้งใจในการลงทุน (WTP)
  • 22. สภำพคล่องกับกำรลงทุน (Liquidity & Investment) สภาพคล่อง คือ ความเร็วในการเปลี่ยนสินทรัพย์เป็นเงินสด การลงทุนแต่ละประเภทมี สภาพคล่องที่แตกต่างกันไป การเลือกลงทุนจึงขึ้นอยู่กับเป้าหมายในการลงทุนของนักลงทุน เช่น หากนักลงทุนมีเป้าหมายเพื่อการออมเงิน ก็ควรเลือกการลงทุนที่มีสภาพคล่องต่า แตกหากเป็นธุรกิจ ที่ต้องการเก็งกาไร ก็ควรเลือกการลงทุนที่มีสภาพคล่องสูง เพราะต้องใช้เงินทุนหมุนเวียนตลอดเวลา แต่โดยมากแล้วไม่ว่าเป้าหมายในการลงทุนจะเป็นอย่างไร นักลงทุนมักจะเลือก การลงทุนที่มีสภาพคล่องมากกว่า (Soprano, 2015) จึงเป็นเหตุผลที่คนไม่นิยมลงทุนใน RMF เพราะต้องลงทุนยาวและต่อเนื่อง หากต้องการรับสิทธิประโยชน์ทางภาษี สมมติฐำนที่ 10 สภาพคล่องตามการรับรู้มีความสัมพันธ์ทางบวกกับความตั้งใจในการ ลงทุน (WTP)
  • 23. ภำระในกำรดูแลรักษำกับกำรลงทุน (Obligations & Investment) การลงทุนที่ต้องการการดูแลรักษาและการจัดการที่ยาก จะส่งผลให้ ความตั้งใจในการลงทุนน้อยลง สาหรับ RMF แล้วแทบไม่ต้องดูแลรักษาอะไรเลย เพราะบริษัทจัดการ หลักทรัพย์ เป็นผู้ดูแลและวางแผนการลงทุนทุกอย่าง ผู้ซื้อ RMF เพียงแค่ จ่ายเงินลงทุนตามระยะเวลาที่กาหนด (คล้ายเงินฝากประจา) สมมติฐำนที่ 11 ภาระในการดูแลรักษาตามการรับรู้มีความสัมพันธ์ทางบวกกับ ความตั้งใจในการลงทุน (WTP)
  • 24. ตัวแปรต้น - ความรู้เชิงอัตวิสัย (Subjective Knowledge: SK) - ความรู้เชิงภววิสัย (Objective Knowledge: OK) - จานวนตัวเลือกในการลงทุน - ความสมบูรณ์ของข้อมูล - การทาแบบทดสอบก่อนและหลังตัดสินใจ ตัวแปรตำม - ความตั้งใจในการลงทุน (Willingness To Purchase: WTP) - ร้อยละของเงินที่จะลงทุน (Percent of investment: PI) Covariate - อัตราผลตอบแทน - ความเสี่ยงของในการลงทุน - การเข้าถึงกองทุน - ความเพียงพอของเงินลงทุน - สภาพคล่อง - การดูแลรักษา - สิทธิประโยชน์ทางภาษี
  • 26. ตัวแปรตำม (Dependent Variable) ที่ต้องกำรศึกษำ ประกอบด้วย 1. ความรู้เชิงอัตวิสัย (SK) เกี่ยวกับ RMF และราคากองทุนรวม ย้อนหลัง 2. ความตั้งใจในการลงทุน (WTP) ใน RMF 3. ร้อยละของเงินลงทุน (PI) ที่จะลงทุนใน RMF ผู้วิจัยได้สร้างแบบจาลอง เพื่อศึกษาว่าตัวแปรอิสระตัวใดบ้างที่มีอิทธิพล ต่อตัวแปรตามข้างต้น และมีอิทธิพลมากน้อยเพียงใด
  • 27. ตัวแปรอิสระ (Independent Variable) ในกำรศึกษำ ตัวแปรหลักที่ต้องการศึกษา ได้แก่ 1) ความสมบูรณ์ของข้อมูล (ข้อมูลสมบูรณ์ และข้อมูลมีค่าสูญหาย) 2) จานวนตัวเลือกในการลงทุน (5 ตัวเลือก และ 10 ตัวเลือก) 3) การทาแบบทดสอบความรู้ (ก่อนทาแบบสอบถาม และหลังทา แบบสอบถาม)
  • 30. กำรจำลอง (Simulation) ข้อมูลกองทุน กำรสร้ำงข้อมูลสูญหำย และกำรสร้ำงตัวเลือก ในกำรลงทุน ขั้นตอนที่ 1 คัดเลือกกองทุนรวมเพื่อการเลี้ยงชีพที่มียอดการลงทุนสูงและให้ ผลตอบแทนอย่างต่อเนื่องมา 1 กองทุน ได้แก่ กองทุนรวม S-EQRMF นาราคากองทุน ย้อนหลังรายเดือน ตั้งแต่เดือน พ.ย. 2552 - ม.ค. 2558 มาวิเคราะห์ข้อมูลอนุกรมเวลา สร้างตัวแบบข้อมูลอนุกรมเวลา ขั้นตอนที่ 2 จาลองข้อมูลจากตัวแบบข้อมูลอนุกรมเวลาเพื่อให้ได้ข้อมูลราคา กองทุนย้อนหลังทั้งหมด 5 หรือ 10 กองทุน ซึ่งมีผลตอบแทนและความเสี่ยงที่เท่าเทียมกัน ทั้งหมด ขั้นตอนที่ 3 สุ่มลบข้อมูลกองทุนรวมย้อนหลังออกเพื่อให้เกิดการสูญหายของ ข้อมูลโดยข้อมูลแต่ละชุดจะต้องมีข้อมูลสูญหายในเดือนและปีเดียวกันเพื่อไม่ให้เกิดความ แตกต่างระหว่างกองทุน เลือก missing pattern จากช่วงวิกฤติเศรษฐกิจที่ SET Index ตกต่าให้เป็นข้อมูลสูญหาย
  • 32. Measurement ตัวแปรตาม - ความรู้เชิงอัตวิสัย (SK) ให้ผู้ทาแบบสารวจประเมินความรู้เกี่ยวกับ RMF รวมทั้งราคาย้อนหลัง โดยมีทั้งหมด 3 ข้อ และแบ่งระดับความเข้าใจเป็น 4 ระดับ ค่าสัมประสิทธิ์ Cronbach's Alpha 0.86 ตัวอย่างคาถาม ท่านเข้าใจแนวโน้มราคา RMF ในระดับใด - ความตั้งใจในการลงทุน (WTP) จานวน 1 ข้อ ให้ผู้ตอบประเมินระดับ ความตั้งใจในการลงทุน โดยแบ่งเป็น 4 ระดับ - ร้อยละของเงินลงทุน (PI) ให้ผู้ตอบประเมินเงินลงทุน ว่าจะลงทุนใน RMF เป็นร้อยละเท่าใด ของรายได้ที่เหลือจากการหักค่าใช้จ่ายอื่นแล้ว โดยให้ กรอกตัวเลขเป็นร้อยละลงในช่องว่างที่เว้นไว้ให้
  • 33. Measurement ตัวแปรต้น ความรู้เชิงภววิสัย (OK) เป็นคะแนนจากการทาแบบทดสอบ ทั้งหมด 13 ข้อ ซึ่งเป็นคาถามเกี่ยวกับ RMF โดยมีทั้งคาถามทั่วไปและคาถามเชิงลึก เป็นการ ทดสอบแบบเลือกตอบ (Multiple Choices) 4 ตัวเลือก แบบทดสอบมีความ น่าเชื่อถือที่ค่า Cronbach's Alpha 0.60 ตัวอย่างคาถาม - ข้อใดไม่ใช่เงื่อนไขการลงทุนของ RMF - หากท่านมีเงินได้แต่ละปี 1,500,000 บาท และมีการลงทุนใน กองทุนสารองเลี้ยงชีพ 210,000 บาท จานวนเงินสูงสุดที่ท่านสามารถลงทุนใน RMF และนาไปลดหย่อนภาษีได้ เป็นเท่าใด
  • 34. Covariate - ให้ประเมินอัตรำผลตอบแทนที่คิดว่าจะได้รับจาก RMF ตามที่รับรู้/รู้สึก - ให้ประเมินควำมเสี่ยงหรือความไม่แน่นอนในผลตอบแทนของ RMF ตามที่รับรู้/ รู้สึก - ให้ประเมินระดับสะดวกในกำรเข้ำถึง RMF - ให้ประเมินควำมเพียงพอของเงินลงทุน สาหรับลงทุนใน RMF - ให้ประเมินว่า RMF มีสภำพคล่องที่จะแปรเปลี่ยนเป็นเงินสดได้รวดเร็วเพียงใด - ให้ประเมินว่า RMF มีภำระและควำมยำกในกำรดูแล/รักษำ มากเพียงใดตามที่ รับรู้/รู้สึก - ให้ประเมินว่า RMF มีสิทธิประโยชน์ทำงภำษี มากน้อยเพียงใดตามที่รับรู้/รู้สึก ผู้เข้าร่วมการทดลองประเมิน RFM ตามคาถามข้างต้นด้วย summated rating scale ที่มี 4 อันตรภาค โดยแบบประเมินมีค่าความน่าเชื่อถือ Cronbach's Alpha 0.79
  • 35. Experimental Procedure การเก็บข้อมูลเป็นแบบออนไลน์ (Online Experiment) โดยผู้เข้ามาตอบต้องปฏิบัติตามขั้นตอน ดังนี้ 50%50%
  • 36. ผู้ตอบแบบสอบถาม 560 คน ผู้ตอบแบบสอบถามส่วนใหญ่ - มีอายุอยู่ในช่วง 40-44 ปี จานวน 271 คน (ร้อยละ 48.4) - มีการศึกษาระดับปริญญาตรี จานวน 417 คน (ร้อยละ 74.5) - มีรายได้เฉลี่ยอยู่ระหว่าง 20,001 - 40,000 บาท จานวน 321 คน (ร้อยละ 57.3)
  • 38. Descriptive:SK Total Data Choice Before After Mean SD N Mean SD N Mean SD N Missing 5 choices 6.51 1.21 70 7.66 1.89 70 7.09 1.55 140 10 choices 6.39 1.13 70 6.57 2.39 70 6.48 1.76 140 Total 6.45 1.17 140 7.11 2.14 140 6.78 1.66 280 Full 5 choices 7.43 1.99 70 8.04 1.71 70 7.74 1.85 140 10 choices 6.71 1.23 70 7.89 1.71 70 7.30 1.47 140 Total 7.07 1.61 140 7.96 1.71 140 7.52 1.66 280 Total 6.70 1.35 280 7.45 1.97 280 7.08 1.66 560 ตารางที่ 1 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน: ความรู้เชิงอัตวิสัย (SK) 10 Choice*Test Before*Missing data 5 Choice*Test After*Full data
  • 39. ตารางที่ 2 ผลการวิเคราะห์ความแปรปรวน: ตัวแปรตามความรู้เชิงอัตวิสัย (SK) Source F Partial Eta Squared P-value Full VS Missing Data 25.94 .04 .000** 5 VS 10 Choices 13.03 .02 .000** Test OK Before VS After 29.05 .05 .000** Full VS Missing Data* 5 VS 10 Choices 0.35 .00 .553 Full VS Missing Data * Test OK Before VS After 0.62 .00 .429 5 VS 10 Choices* Test OK Before VS After 0.47 .00 .489 Full VS Missing Data * 5 VS 10 Choices * Test OK Before VS After 6.86 .01 .009**
  • 40. Interaction plot Full VS Missing Data * 5 VS 10 Choices * Test OK Before Full VS Missing Data * 5 VS 10 Choices * Test OK Before Full VS Missing Data * 5 VS 10 Choices * Test OK After
  • 41. ตารางที่ 3 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน: ความตั้งใจซื้อ (WTP) Descriptive:WTP Total Data Choice Before After Mean SD N Mean SD N Mean SD N Missing 5 choices 2.17 .45 70 2.51 .68 70 2.34 0.56 140 10 choices 2.10 .78 70 2.24 .79 70 2.17 0.79 140 Total 2.14 .62 140 2.38 .73 140 2.26 0.67 280 Full 5 choices 2.31 .88 70 2.79 .61 70 2.55 0.74 140 10 choices 2.17 .54 70 2.70 .64 70 2.44 0.59 140 Total 2.24 .71 140 2.74 .63 140 2.49 0.67 280 Total 2.18 0.65 280 2.52 0.69 280 2.35 0.67 560 10 Choice*Test Before*Missing data 5 Choice*Test After*Full data
  • 42. ตารางที่ 4 ผลการวิเคราะห์ความแปรปรวน: ตัวแปรตามความตั้งใจที่จะซื้อ (WTP) Source F Partial Eta Squared P-value Full VS Missing Data 16.64 .03 .000** 5 VS 10 Choices 6.11 .01 .014** Test OK Before VS After 41.31 .07 .000** Full VS Missing Data* 5 VS 10 Choices 0.24 .00 .621 Full VS Missing Data * Test OK Before VS After 4.95 .01 .027** 5 VS 10 Choices* Test OK Before VS After 0.38 .00 .537 Full VS Missing Data * 5 VS 10 Choices * Test OK Before VS After 1.23 .00 .266
  • 43. Interaction plot Full VS Missing Data * Test OK Before VS After Full VS Missing Data * Test OK Before VS After
  • 44. ตารางที่ 5 เปรียบเทียบค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน: ร้อยละการลงทุน (PI) Descriptive:Percent Invesment (PI) Total Data Choice Before After Mean SD N Mean SD N Mean SD N Missing 5 choices 22.26 28.76 47 16.53 15.25 49 19.40 22.00 96 10 choices 13.68 16.25 59 13.07 12.61 54 13.38 14.43 113 Total 17.97 22.50 106 14.80 13.93 103 16.39 18.21 209 Full 5 choices 16.17 19.46 54 18.94 13.67 50 17.56 16.56 104 10 choices 10.27 8.17 45 11.52 10.52 64 10.90 9.35 109 Total 13.22 13.81 99 15.23 12.10 114 14.23 12.95 218 Total 16.07 19.03 205 14.97 13.20 269 15.52 16.11 427 10 Choice*Test Before*Full data 5 Choice*Test Before*Missing data
  • 45. ตารางที่ 6 ผลการวิเคราะห์ความแปรปรวน: ตัวแปรตามร้อยละการลงทุน (PI) Source F Partial Eta Squared P-value Full VS Missing Data 1.797 0.004 .181 5 VS 10 Choices 15.465 0.036 .000** Test OK Before VS After 0.127 0.000 .722 Full VS Missing Data* 5 VS 10 Choices 0.040 0.000 .842 Full VS Missing Data * Test OK Before VS After 2.582 0.006 .109 5 VS 10 Choices* Test OK Before VS After 0.313 0.001 .576 Full VS Missing Data * 5 VS 10 Choices * Test OK Before VS After 1.060 0.003 .304
  • 47. ตารางที่ 7 ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และค่าความสัมพันธ์ของปัจจัยต่างๆ กับความตั้งใจในการลงทุน (WTP)
  • 48. ตารางที่ 8 แบบจาลองทานายความตั้งใจในการลงทุน (WTP) วิเคราะห์โดยใช้วิธี Enter ตัวแปร B Beta t P-value (Constant) 0.371 1.576 .116 ความสมบูรณ์ของข้อมูล (D1) -0.302 -0.197 -1.118 .264 จานวนตัวเลือกในการลงทุน (D2) -0.069 -0.045 -0.669 .504 การทาแบบทดสอบ (D3) 0.337 0.220 1.419 .156 อัตราผลตอบแทน (X1) 0.195 0.175 4.356 .000 ความเสี่ยงในการลงทุน (X2) -0.079 -0.071 -1.425 .155 การเข้าถึงกองทุน (X3) 0.077 0.082 2.062 .040 ความเพียงพอของเงินลงทุน (X4) 0.171 0.180 4.041 .000 สภาพคล่อง (X5) 0.079 0.095 2.069 .039 การดูแลรักษากองทุน (X6) -0.125 -0.129 -2.815 .005 สิทธิประโยชน์ทางภาษี (X7) 0.092 0.100 2.247 .025
  • 49. ตัวแปร B Beta t P-value ความรู้เชิงอัตวิสัย (X8) 0.118 0.299 3.924 .000 คะแนนแบบทดสอบ (X9) -0.004 -0.012 -0.304 .761 ความสมบูรณ์ของข้อมูล*จานวนตัวเลือกในการลงทุน (D1*D2) 0.169 0.095 1.115 .265 ความสมบูรณ์ของข้อมูล*การทาแบบทดสอบ (D1*D3) 0.378 0.213 2.492 .013 จานวนตัวเลือกในการลงทุน*การทาแบบทดสอบ (D2*D3) 0.060 0.034 0.395 .693 ความสมบูรณ์ของข้อมูล*จานวนตัวเลือกในการลงทุน*การทา แบบทดสอบ (D1*D2*D3) -0.103 -0.044 -0.481 .631 ความสมบูรณ์ของข้อมูล*ความเสี่ยงในการลงทุน (D1*X2) -0.052 -0.090 -0.664 .507 ความสมบูรณ์ของข้อมูล*ความรู้เชิงอัตวิสัย (D1*X8) 0.042 0.213 1.375 .170 การทาแบบทดสอบ*ความรู้เชิงอัตวิสัย (D3*X8) -0.028 -0.149 -0.921 .358 R-Square = 0.414, F(19,540) = 20.102, p-value = 0.000 ตารางที่ 8 แบบจาลองทานายความตั้งใจในการลงทุน (WTP) วิเคราะห์โดยใช้วิธี Enter (ต่อ)
  • 50. ตารางที่ 9 แบบจาลองทานายความตั้งใจในการลงทุน (WTP) วิเคราะห์โดยใช้วิธี Stepwise ตัวแปร B Beta t P-value (Constant) 0.304 2.235 .026 ความรู้เชิงอัตวิสัย (X8) 0.118 0.299 7.695 .000 อัตราผลตอบแทน (X1) 0.205 0.184 4.719 .000 ความสมบูรณ์ของข้อมูล*การทาแบบทดสอบ (D1*D3) 0.285 0.161 3.882 .000 ความเพียงพอของเงินลงทุน (X4) 0.170 0.179 4.173 .000 การทาแบบทดสอบ (D3) 0.204 0.133 3.239 .001 สิทธิประโยชน์ทางภาษี (X7) 0.091 0.098 2.303 .022 การดูแลรักษากองทุน (X6) -0.133 -0.137 -3.155 .002 สภาพคล่อง (X5) 0.093 0.111 2.756 .006 ความเสี่ยงในการลงทุน (X2) -0.100 -0.090 -2.301 .022 การเข้าถึงกองทุน (X3) 0.076 0.080 2.036 .042 R-Square = 0.408, F(10,549) = 37.858, p-value = 0.000
  • 52. วิเคราะห์ด้วย Tukey Full*Before Missing*Before Missing*After Full*After -0.18 -0.12 0.03 0.28
  • 54. ตารางที่ 10 ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และค่าความสัมพันธ์ของปัจจัยต่างๆ กับ ร้อยละของเงินที่จะลงทุน (PI)
  • 55. ตารางที่ 11 แบบจาลองทานายร้อยละของเงินที่จะลงทุน (PI) วิเคราะห์โดยใช้วิธี Enter ตัวแปร B Beta t P-value (Constant) -18.937 -2.652 .008 ความสมบูรณ์ของข้อมูล (D1) 14.035 0.435 1.795 .073 จานวนตัวเลือกในการลงทุน (D2) 4.462 0.138 1.591 .112 การทาแบบทดสอบ (D3) -10.555 -0.327 -1.639 .102 อัตราผลตอบแทน (X1) 10.853 0.423 8.595 .000 ความเสี่ยงในการลงทุน (X2) -2.772 -0.114 -1.926 .055 การเข้าถึงกองทุน (X3) -0.400 -0.020 -0.416 .678 ความเพียงพอของเงินลงทุน (X4) 2.722 0.138 2.508 .013 สภาพคล่อง (X5) -0.146 -0.008 -0.139 .890 การดูแลรักษากองทุน (X6) -1.388 -0.067 -1.134 .257 สิทธิประโยชน์ทางภาษี (X7) 3.438 0.178 3.161 .002
  • 56. ตัวแปร B Beta t P-value ความรู้เชิงอัตวิสัย (X8) -0.368 -0.044 -0.459 .646 คะแนนแบบทดสอบ (X9) -0.008 -0.001 -0.026 .979 ความสมบูรณ์ของข้อมูล*จานวนตัวเลือกในการลงทุน (D1*D2) -6.988 -0.190 -1.714 .087 ความสมบูรณ์ของข้อมูล*การทาแบบทดสอบ (D1*D3) -4.093 -0.113 -1.012 .312 จานวนตัวเลือกในการลงทุน*การทาแบบทดสอบ (D2*D3) -5.061 -0.141 -1.239 .216 ความสมบูรณ์ของข้อมูล*จานวนตัวเลือกในการลงทุน*การทา แบบทดสอบ (D1*D2*D3) 1.127 0.025 0.198 .843 ความสมบูรณ์ของข้อมูล*ความเสี่ยงในการลงทุน (D1*X2) -4.670 -0.379 -2.159 .031 ความสมบูรณ์ของข้อมูล*ความรู้เชิงอัตวิสัย (D1*X8) 0.550 0.134 0.689 .491 การทาแบบทดสอบ*ความรู้เชิงอัตวิสัย (D3*X8) 2.357 0.593 2.885 .004 R-Square = 0.316, F(19,402) = 9.770, p-value = 0.000
  • 57. ตารางที่ 12 แบบจาลองทานายร้อยละของเงินที่จะลงทุน (PI) วิเคราะห์โดยใช้วิธี Stepwise ตัวแปร B Beta t P-value (Constant) -20.795 -5.222 .000 อัตราผลตอบแทน (X1) 10.170 .397 8.628 .000 สิทธิประโยชน์ทางภาษี (X7) 2.571 .133 2.521 .012 ความเสี่ยงในการลงทุน (X2) -4.812 -.197 -4.340 .000 ความรู้เชิงอัตวิสัย (X8) 1.225 .146 3.089 .002 ความเพียงพอของเงินลงทุน (X4) 2.719 .138 2.759 .006 R-Square = 0.274, F(5,416) = 31.422, p-value = 0.000
  • 59. 1. จากผลการทดลอง พบว่า กองทุนรวมเพื่อการเลี้ยงชีพ (RMF) ที่มีข้อมูลสมบูรณ์ จานวน ตัวเลือกในการลงทุนน้อย และทาแบบทดสอบหลังตัดสินใจลงทุน เป็นกรณีที่ค่าความรู้เชิงอัตวิสัย (Subjective Knowledge: SK) สูงที่สุด ส่งผลให้ความตั้งใจในการลงทุนสูงที่สุดด้วย อาจเนื่องด้วยผู้ ลงทุนมีความเชื่อมั่นในกองทุนรวม และไม่สับสนกับตัวเลือกที่มีไม่มาก ประกอบกับการที่ยังไม่ได้ทา แบบทดสอบจึงทาให้มั่นใจว่ามีความรู้เพียงพอที่จะตัดสินใจในการลงทุน แตกต่างจากกองทุนรวมเพื่อการเลี้ยงชีพ (RMF) ที่มีข้อมูลสูญหาย จานวนตัวเลือกในการ ลงทุนมาก และมีการทาแบบทดสอบก่อนที่จะตัดสินใจลงทุนเป็น ซึ่งเป็นกรณีที่ค่าความรู้เชิงอัตวิสัย (SK) ต่าที่สุด และส่งผลให้ความตั้งใจในการลงทุนต่าที่สุดเช่นกัน
  • 60. 2. ปัจจัยที่มีผลต่อความตั้งใจที่จะลงทุน (WTP) ในกองทุนรวมเพื่อการเลี้ยงชีพ (RMF) ได้แก่ ปัจจัย ทิศทำงควำมสัมพันธ์ ความรู้เชิงอัตวิสัย บวก อัตราผลตอบแทน บวก ความเพียงพอของเงินลงทุน บวก การทาแบบทดสอบก่อน/หลัง บวก สิทธิประโยชน์ทางภาษี บวก การดูแลรักษากองทุน ลบ สภาพคล่อง บวก ความเสี่ยงในการลงทุน ลบ การเข้าถึงกองทุน บวก ความสมบูรณ์ของข้อมูล*การทาแบบทดสอบ บวก
  • 61. 3. ปัจจัยที่มีผลต่อร้อยละของเงินที่จะลงทุน (PI) ในกองทุนรวมเพื่อการเลี้ยงชีพ (RMF) ได้แก่ ปัจจัย ทิศทำงควำมสัมพันธ์ ความรู้เชิงอัตวิสัย บวก อัตราผลตอบแทน บวก ความเพียงพอของเงินลงทุน บวก สิทธิประโยชน์ทางภาษี บวก ความเสี่ยงในการลงทุน ลบ
  • 63. 1. บริษัทจัดการหลักทรัพย์ควรออกแบบกองทุนรวมเพื่อการเลี้ยงชีพ (RMF) โดยมีปัจจัยดังนี้ - ข้อมูลสาคัญเกี่ยวกับการลงทุนใน RMF รวมทั้งราคาย้อนหลังของ แต่ละกองทุน จะต้องมีความครบถ้วนและไม่มีค่าสูญหาย - จานวนตัวเลือกในการลงทุน ไม่ควรมีมากเกินไป เพราะจะทาให้ผู้ ลงทุนเกิดความสับสนในการตัดสินใจลงทุน - ควรให้ผู้ที่ต้องการลงทุนทาแบบทดสอบก่อนการตัดสินใจลงทุน เพื่อให้เกิดความเข้าใจและความมั่นใจในการลงทุนอย่างแท้จริง
  • 64. 2. รัฐบาลควรให้ความรู้ความเข้าใจกับประชาชนเกี่ยวกับ กองทุนรวมเพื่อการเลี้ยงชีพ (RMF) และส่งเสริมให้ประชาชน ออมเงินเพื่อใช้ในยามเกษียณ เพื่อลดภาระค่าใช้จ่ายที่รัฐบาล จะต้องดูแลประชาชนที่อยู่ในวัยเกษียณในอนาคต 3. ในการศึกษาครั้งต่อไปควรจะเพิ่มปัจจัยที่อาจมีอิทธิพล ต่อความตั้งใจลงทุน เช่น การทาหนังสือชี้ชวนให้มีความกระชับ และเข้าใจง่ายอาจจะส่งผลให้ความตั้งใจในการลงทุนเพิ่มขึ้น หรือ ปัจจัยอื่นๆ ที่ได้จากการศึกษาต่อไปในอนาคต