การปิดเมืองหรือล็อกดาว์นนั้นส่งผลกระทบโดยตรงต่อแรงงานที่เกี่ยวข้องในกิจกรรมที่ถูกระงับ (supply-side effect) และส่งผลกระทบทางอ้อมผ่านการลดการบริโภค (demand-side effect) และภาคเศรษฐกิจที่มีความเชื่อมโยงกัน (supply-chain effect)

งานชิ้นนี้ประเมินผลกระทบในมิติ supply-side โดยใช้ข้อมูลการสำรวจภาวะการทำงานของประชากรปี 2562 ร่วมกับฐานข้อมูลอาชีพที่มีรายละเอียดของลักษณะงานที่ทำกว่า 400 อาชีพ ทำให้สามารถสร้างดัชนีว่าอาชีพใดสามารถปรับเปลี่ยนมาทำงานจากบ้านได้ และอาชีพใดเกี่ยวข้องกับการสัมผัสใกล้ชิดระหว่างบุคคล การใช้ดัชนีสองตัวนี้ช่วยให้มองภาพผลกระทบต่อกลุ่มต่าง ๆ ได้ในมุมที่ลึกลงไป และมองทางเลือกสำหรับนโยบายช่วยเหลือได้ชัดเจนขึ้น นอกจากนี้ ผลยังพบว่าการล็อก
ดาว์นเพิ่มความเหลื่อมล้ำในเชิงรายได้ แม้แรงงานทุกระดับรายได้จะได้รับผลกระทบ แต่กลุ่มรายได้ต่ำมักจะประกอบอาชีพที่ปรับเปลี่ยนสถานที่ทำงานไม่ได้
สถานการณ์การระบาดของไวรัสโควิด-19 นับเป็นวิกฤตที่เกิดขึ้นอย่างกะทันหันโดยที่ไม่มีประเทศใดในโลกคาดการณ์และเตรียมระบบสุขภาพที่จะรับมือกับสถานการณ์เช่นนี้ เนื่องจากไวรัสตัวนี้ติดต่อจากคนสู่คนได้ง่าย จำนวนผู้ติดเชื้อจึงเพิ่มขึ้นอย่างรวดเร็ว หลาย ๆ ประเทศได้มีมาตรการต่าง ๆ เพื่อ “flatten the curve” นั่นคือ ชะลอการระบาดเพื่อป้องกันไม่ให้ healthcare demand มากกว่า healthcare supply บางประเทศ เช่น จีน สามารถเพิ่ม supply ได้อย่างรวดเร็วโดยการสร้างโรงพยาบาลใหม่ แต่ประเทศอื่น ๆ มักต้องใช้มาตรการทาง demand side เพื่อลดการแพร่ระบาด ไม่ว่าจะเป็นการไม่รับชาวต่างชาติเข้าประเทศ เช่น ญี่ปุ่น ออสเตรเลีย มาตรการกักกันบริเวณของบุคคลกลุ่มเสี่ยง เช่น นิวซีแลนด์ ซึ่งให้ผู้ที่เดินทางมาจากต่างประเทศทั้งหมดกักตัวอยู่ในบริเวณที่รัฐจัดให้
อย่างไรก็ดี มาตรการที่หลาย ๆ ประเทศใช้ร่วมกับมาตรการอื่น ๆ ในปัจจุบัน คือ การล็อกดาว์น (lockdown) หรือ ปิดเมือง ซึ่งเป็นการระงับกิจกรรมหลายประเภทที่ก่อให้เกิดความเสี่ยงต่อการแพร่ระบาดของเชื้อไวรัสทันที เพื่อจำกัดการเคลื่อนที่ของกลุ่มคนและลดการสัมผัสใกล้ชิด
เมื่อการปิดเมืองกระทบกิจกรรมทางเศรษฐกิจหลาย ๆ ประเภท การปิดเมืองจึงส่ง “ผลกระทบ” โดยตรงต่อบุคคลที่อยู่ในกิจกรรมที่เกี่ยวข้องอย่างกะทันหัน (supply-side effect) และยังอาจส่งผลกระทบทางอ้อมต่อกิจกรรมอื่น ๆ ที่ไม่ได้โดนล็อกดาว์นด้วย เช่น เมื่อไม่มีคนมาทำงาน การบริโภคจับจ่ายสินค้าในบริเวณใกล้เคียงที่ทำงานลดลง ความต้องการใช้รถสาธารณะน้อยลง (demand-side effect) และ/หรือ ส่งผลต่อเนื่องไปยังภาคธุรกิจอื่น ๆ ที่มีความเชื่อมโยงกัน (supply-chain effect) งานวิจัยชิ้นนี้วิเคราะห์ถึงผลกระทบของการล็อกดาว์นที่มีต่อแรงงานไทยจากมิติ supply-side โดยใช้ข้อมูลการสำรวจภาวะการทำงานของประชากร (Labour Force Survey: LFS) ปี 2562 (ไตรมาสที่ 3) ข้อมูลการประกาศล็อกดาว์นภาคธุรกิจ และฐานข้อมูลลักษณะงานที่ทำของทุกอาชีพ
เราขอนำเสนอบทวิเคราะห์เป็น 3 ส่วน ส่วนแรก วิเคราะห์ภาพกว้างของธุรกิจและลักษณะอาชีพที่ถูกผลกระทบจากมาตรการล็อกดาว์น ณ มีนาคม 2563 รวมถึงพิจารณากรณีสมมติหากสถานการณ์การระบาดเพิ่มสูงขึ้น และรัฐมีมาตรการเข้มงวดมากขึ้น ส่วนที่สอง นำเสนอดัชนีความยากง่ายต่อการปรับเปลี่ยนการทำงาน และดัชนีงานที่มีการใกล้ชิดสัมผัสกับผู้อื่น และส่วนที่ 3 วิเคราะห์มิติด้านรายได้ของกลุ่มลูกจ้าง บทสุดท้าย เปิดประเด็นวิเคราะห์นัยทางนโยบายที่เกี่ยวข้อง
ส่วนที่ 1 ภาพกว้างของผลกระทบของมาตรการล็อกดาว์นต่อแรงงานในภาคธุรกิจต่าง ๆ จำนวนผู้ติดเชื้อใหม่ในประเทศไทยเพิ่มขึ้นอย่างรวดเร็วช่วงกลางเดือนมีนาคม ทำให้เริ่มมีประกาศใช้มาตรการล็อกดาว์นในหลาย ๆ จังหวัด สำหรับกรุงเทพมหานครและปริมณฑล มาตรการล็อกดาว์น มีผลบังคับใช้เป็นกลุ่มจังหวัดแรกเมื่อวันที่ 22 มีนาคม 2563 โดยระงับกิจกรรมหลายประเภท รวมทั้งสิ้น 25 กลุ่ม[1]
หากเทียบกับประเทศในแถบยุโรป รูปแบบของมาตรการล็อกดาว์นในขณะนี้ของไทย นับว่าเป็นล็อกดาว์น “แบบผ่อนปรน” นั่นคือ เป็นการบังคับห้ามการทำกิจกรรมบางประเภทที่มีความเสี่ยงต่อการแพร่กระจายของเชื้อไวรัสเท่านั้น (พร้อมข้อยกเว้นบางประการ) แต่ยังไม่ได้ระงับกิจกรรมอื่นๆ หรือห้ามทุกคนออกจากที่อยู่อาศัย ดังเช่นหลาย ๆ ประเทศในยุโรป เช่น ในอิตาลี หรือ สเปน เป็นการล็อกดาว์น “แบบเต็มตัว” นั่นคือ ห้ามไม่ให้ทุกคนออกนอกบ้าน ยกเว้นเพียงแต่กิจกรรมที่ “จำเป็น” อาทิ การรักษาผู้ป่วย การโทรคมนาคม ภาคการธนาคาร หรือ การผลิตและขายสินค้าอุปโภคบริโภคพื้นฐาน ตั้งแต่ 14 มีนาคม 2563
รูปที่ 1 เปรียบเทียบผลกระทบของมาตรการล็อกดาว์นแบบผ่อนปรน (ณ 22 มีนาคม 2563) และแบบเต็มตัว (กรณีสมมติแบบยุโรป หากสถานการณ์เลวร้ายลงและรัฐยกระดับการล็อกดาว์น) ต่อแรงงานในภาคธุรกิจต่าง ๆ โดยรวมแรงงานไทยที่ถูกกระทบโดยตรงมี 6.1 ล้านคน ผลกระทบในที่นี้หมายถึงผลกระทบด้าน supply-side เท่านั้นและอาจจะมีความแตกต่างระหว่างภาคธุรกิจ บางธุรกิจอาจจะถูกกระทบเพียงต้องมีการอนุญาตให้พนักงานทำงานจากบ้านได้ โดยเพิ่มการสนับสนุนด้าน IT แต่บางธุรกิจอาจจะลดชั่วโมงทำงานของลูกจ้างหรือปิดกิจการ กลุ่มธุรกิจที่ได้รับผลกระทบเต็มที่ ไม่ว่าจะในกรณีแบบผ่อนปรนหรือเต็มตัว ได้แก่ กลุ่มศิลปะ ความบันเทิง และ นันทนาการ และ กลุ่มภาคการศึกษา (สีส้มทั้งแถบ) แต่ในภาคธุรกิจอื่น ๆ ระดับผลกระทบจากกรณีล็อกดาว์นเต็มตัวจะสูงกว่า เช่น กลุ่มที่พักแรมและร้านอาหาร (ร้อยละ 10.3 ของแรงงานทั้งหมด เทียบกับร้อยละ 6.6) กลุ่มกิจกรรมบริการด้านอื่น ๆ (ร้อยละ 85 เทียบกับร้อยละ 33) ส่วน “กิจกรรมจำเป็น” ในรูปขวา แสดงถึงกลุ่มที่มีความต้องการอย่างมากในวิกฤตโรคระบาด ซึ่งได้แก่ กลุ่มงานเกี่ยวข้องกับสาธารณูปโภค ด้านสุขภาพพื้นฐาน และภาคการผลิตอาหารและสินค้าจำเป็น
เมื่อแยกผลของมาตรการล็อกดาว์นจากรูปที่ 1 ตามกลุ่มอาชีพ ดังในรูปที่ 2 พบว่า กลุ่มอาชีพที่ได้รับผลกระทบมากที่สุดจากการปิดเมืองแบบผ่อนปรน คือ กลุ่มอาชีพด้านการขาย มีจำนวนประมาณ 3.4 ล้านคน รองลงมา คือ กลุ่มทำงานในสาขาวิชาชีพจำนวนเกือบ 1 ล้าน (ซึ่งส่วนใหญ่มาจากการประกาศปิดสถานศึกษาทุกระดับชั้น) และกลุ่มคนทำงานในอาชีพพื้นฐาน ซึ่งรวมผู้ใช้แรงงานในธุรกิจต่าง ๆ อีก 7 แสนคน และหากการล็อกดาว์นเพิ่มระดับเป็นเต็มตัว กลุ่มคนที่ได้รับผลกระทบจะเพิ่มเป็น 7.1 ล้านคน ซึ่งแน่นอนว่านี่เป็นเพียงตัวเลขผู้ได้รับผลกระทบโดยตรง
นอกจากนี้ รูปที่ 3 แสดงให้เห็นว่ากลุ่มที่ถูกผลกระทบจากมาตรการส่วนใหญ่เป็นแรงงานหญิง แรงงานที่มีการศึกษาในระดับชั้นประถมศึกษาหรือต่ำกว่า และรองลงมาเป็นกลุ่มปริญญาตรี หรือสูงกว่า แต่กลุ่มนี้มาจากกลุ่มประกอบกิจกรรมทางการศึกษา ซึ่งน่าจะยังเป็นอาชีพที่มีการคุ้มครองด้านความมั่นคงของการทำงาน และสามารถปรับเปลี่ยนไปเป็นการทำงานในลักษณะออนไลน์ได้ และเป็นกลุ่มวัย 26-35 ปี และ 36-45 ปี ทั้งนี้ ระดับผลกระทบในแต่ละกลุ่มอายุ เพศ หรือการศึกษา ก็จะต่างกันขึ้นอยู่กับลักษณะของธุรกิจและอาชีพของคนกลุ่มนั้น ๆ บางธุรกิจอาจจะปรับตัวได้ เช่น มีการซื้อขายแบบส่งถึงบ้าน การสอนแบบ online การประชุมงานผ่าน internet ในทางกลับกัน กิจกรรมบางประเภท ไม่สามารถจะผันตัวเป็นกิจกรรมในรูปแบบอื่นได้ เช่น ธุรกิจสปา หรือ ร้านตัดผม
ปัจจัยหลักที่มีผลต่อการปรับตัวของแรงงาน คือ (1) งานดังกล่าวสามารถปรับเปลี่ยนไปทำในลักษณะอื่นๆ โดยไม่ต้องเดินทางออกจากที่พักอาศัยได้หรือไม่ และ (2) งานดังกล่าวนั้นจัดว่าเสี่ยงต่อการแพร่ระบาดของเชื้อไวรัสในขณะปฏิบัติงานหรือไม่ (เช่น มีการสัมผัสใกล้ชิดกับผู้อื่น หรือก่อให้เกิดการรวมกลุ่ม) ดังนั้น อาชีพที่โชคร้ายโดยตรงจากมาตรการล็อกดาว์น คือ งานที่มีทั้งสองปัจจัยเป็นองค์ประกอบ แต่ผู้ได้รับผลกระทบทางอ้อมอื่น ๆ ยังมีมากกว่านั้น ในส่วนที่ 2 ของบทความจะนำเสนอดัชนีชี้วัดระดับของปัจจัยเชิงอาชีพดังกล่าวโดยละเอียด
ในมิติเชิงพื้นที่ หากเปรียบเทียบผลกระทบรายจังหวัด จะเห็นว่าแรงงานในกลุ่มจังหวัดหัวเมือง คือ กลุ่มที่ได้ผลกระทบจากการล็อกดาว์นเมื่อปลายเดือน มีนาคม 2563 ดังภาพซ้ายในรูปที่ 4 ซึ่งแสดงสัดส่วนของแรงงานในล็อกดาว์นต่อแรงงานทั้งจังหวัดแบบจัดลำดับ (สีเข้ม แสดงสัดส่วนของแรงงานที่ประสบกับมาตรการล็อกดาว์นโดยตรงในแต่ละจังหวัดที่สูงกว่า) แต่หากการล็อกดาว์นกลายเป็นรูปแบบเต็มตัว งานบริการทุกประเภท รวมทั้งงานค้าขาย (หากไม่ใช้แบบการขายออนไลน์) ไม่สามารถดำเนินการได้ จะพบว่า กลุ่มจังหวัดในภาคใต้ และภาคตะวันออกจะได้รับผลกระทบมากกว่าเดิม จังหวัดทางภาคตะวันออกเฉียงเหนือที่ส่วนใหญ่เป็นภาคเกษตรกรรมไม่ได้รับผลกระทบมากนัก (รูปขวา)
ส่วนที่ 2: ดัชนีด้านความยากง่ายต่อการปรับเปลี่ยนการทำงาน (Work location flexibility index)
อย่างที่กล่าวไปข้างต้นว่า ปัจจัยด้านอาชีพมีความสำคัญต่อระดับผลกระทบจากมาตรการล็อกดาว์น อาชีพที่ปรับตัวง่าย คือ
- งานที่สามารถปรับเปลี่ยนไปทำในลักษณะอื่นๆ โดยไม่ต้องเดินทางออกจากที่พักอาศัย
- งานที่ไม่ก่อให้เกิดความเสี่ยงต่อการแพร่ระบาดของเชื้อไวรัส
ซึ่งเราสามารถแบ่งกลุ่มอาชีพและโอกาสที่จะได้รับผลกระทบได้เป็น 4 กลุ่ม ตามตารางที่ 1 โดยกลุ่มที่คาดว่าจะได้รับผลกระทบสูง คือ กลุ่มที่ทำงานจากบ้านไม่ได้และลักษณะงานก่อให้เกิดความเสี่ยงต่อการแพร่ระบาดสูง (ตามที่วงไว้)
ในงานวิจัยชิ้นนี้ เราได้จัดกลุ่มอาชีพกว่า 400 อาชีพในข้อมูล LFS โดยใช้ข้อมูลเพิ่มเติมเรื่องลักษณะงานที่ทำของอาชีพต่าง ๆ (เช่น ต้องใช้เครื่องจักรหรือไม่ ต้องติดต่อสื่อสาร หรือพบปะกับผู้คนหรือไม่) จากฐานข้อมูลอาชีพ O*NET (The Occupational Information Network –ที่จัดทำโดยกระทรวงแรงงานของสหรัฐอเมริกา) โดยได้สร้างดัชนีทั้งหมด 4 ตัว[2] ดังนี้
ด้านความง่ายในการปรับเปลี่ยนสถานที่ทำงาน โดยไม่ต้องเดินทางออกไปที่อื่นๆ ได้แก่
- ดัชนีด้านลักษณะงานที่ผูกติดกับเครื่องจักร หรือ เครื่องมือ (-) : ค่ามากแสดงถึงความยากในการปรับสถานที่ทำงาน (Machine Dependent)
- ดัชนีด้านลักษณะงานที่เอื้อต่อการใช้เทคโนโลยีสารสนเทศ (+): ค่ามากแสดงถึงความเป็นไปได้ที่จะปรับสถานที่ทำงานมีสูง (ICT Enabled)
- ดัชนีรวมด้านความง่ายในการปรับเปลี่ยนสถานที่ทำงาน: แสดงปัจจัยด้านความความง่ายในการปรับเปลี่ยนสถานที่ทำงาน โดย คิดจากการรวมคะแนนของทั้งสองดัชนี (ค่ามากแสดงถึงความง่ายในการปรับสถานที่ทำงาน) (flexible work location)
- ด้านความเสี่ยงที่ก่อให้เกิดการแพร่ระบาดของเชื้อไวรัส ได้แก่
4.ดัชนีด้านลักษณะงานที่ต้องทำใกล้ชิดกับคนอื่น หรือคนกลุ่มใหญ่ (-) : ค่ามากแสดงถึงความเสี่ยงต่อการแพร่กระจายของเชื้อไวรัสในขณะทำงาน (physical Proximity)
รูปที่ 5 แสดงความสัมพันธ์ระหว่างดัชนีรวมด้านความง่ายในการปรับสถานที่ทำงานและดัชนีด้านความเสี่ยงที่ก่อให้เกิดการแพร่ระบาดของไวรัส โดยภาพซ้ายเป็นอาชีพจาก LFS ทั้งหมด และภาพขวาแสดงตัวอย่างอาชีพในกลุ่มต่าง ๆ ตัวอย่างอาชีพที่น่าจะถูกผลกระทบน้อย (quadrant ซ้ายบน) ได้แก่ โปรแกรมเมอร์ นักเศรษฐศาสตร์ ตัวอย่างอาชีพที่น่าจะถูกผลกระทบมาก (quadrant ขวาล่าง) ได้แก่ เจ้าหน้าที่ดูแลเด็กเล็ก พนักงานขาย ช่างตัดผม ส่วนกลุ่มที่ไม่สามารถปรับเปลี่ยนสถานที่ทำงานได้ แต่ไม่ได้สัมผัสใกล้ชิดกับผู้อื่น คือ กลุ่มเกษตรกร และช่างซ่อมเครื่องจักรต่าง ๆ (quadrant ซ้ายล่าง)
ตารางที่ 2 สรุปค่าเฉลี่ยของดัชนีแต่ละตัวตามกลุ่มอาชีพหลัก 9 กลุ่ม ซึ่งผลก็สอดคล้องกับรูปที่ 5 ว่ากลุ่มพนักงานบริการ ขายของในร้านค้าและตลาด คือ กลุ่มที่น่าจะได้รับผลกระทบจากการปิดเมืองสูงที่สุด เนื่องจากทั้งปรับเปลี่ยนสถานที่ทำงานได้ยากและเป็นลักษณะงานที่ต้องใกล้ชิดกับคนอื่น โดยอาจจะถูกเลิกจ้าง หรือสูญเสียรายได้เพราะถูกลดชั่วโมงทำงาน ในทางกลับกัน กลุ่มอาชีพผู้ปฏิบัติงานด้านการเกษตรและประมง และผู้ปฏิบัติการด้านเครื่องจักรในโรงงาน ถึงแม้ว่าจะมีค่าดัชนีด้านงานที่ต้องสัมผัสใกล้ชิดกับกลุ่มอื่นจะต่ำที่สุด แต่กลุ่มนี้ก็จะมีโอกาสสูญเสียการจ้างงานหรือสูญเสียรายได้สูงจากปิดเมือง เพราะทำงานที่ผูกติดกับเครื่องมือหรือเครื่องจักรทำให้ไม่สามารถปรับสถานที่ทำงานได้
ตารางที่ 3 แสดงค่าดัชนีตามคุณลักษณะของบุคคลในมิติต่าง ๆ และจำนวนแรงงานทั่วประเทศในคุณลักษณะนั้น ๆ โดยรวมแรงงานในประเทศไทยยังไม่มีความพร้อมมากนักในการปรับเปลี่ยนไปทำงานที่บ้าน (ค่าดัชนีรวม -0.615) เนื่องจากงานในประเทศไทยส่วนใหญ่ ค่อนข้างผูกติดกับเครื่องจักร และสถานที่ทำงานนอกบ้าน (0.404) ทั้งยังเป็นงานที่ไม่ได้มีการปรับใช้เทคโนโลยีสารสนเทศมากนัก (-0.6) แต่โดยส่วนใหญ่ไม่ต้องทำใกล้ชิดกับคนอื่นมากนัก (-0.247)
ในส่วนที่ 1 เราพบว่าหากใช้ข้อมูลธุรกิจที่ถูกล็อกดาว์นอย่างเดียวมาวิเคราะห์ ผู้ที่ถูกกระทบส่วนมากจะเป็นแรงงานหญิงและกลุ่มอายุ 26-45 ปี แต่จากตารางที่ 2 เราจะเห็นภาพในมุมที่ลึกขึ้น ว่าจริงๆ แล้ว โดยเฉลี่ยแรงงานชายปรับเปลี่ยนสถานที่ทำงานยากกว่ากลุ่มแรงงานหญิง เนื่องมาจากแรงงานชายส่วนมากทำงานที่งานที่ผูกติดกับเครื่องจักร เครื่องมือ และในมิติของอายุ กลุ่มอายุ 46 ปี ขึ้นไป จัดเป็นกลุ่มที่ไม่พร้อมทำงานที่บ้านสูงที่สุด เนื่องจากงานที่ทำไม่ค่อยเอื้อต่อการใช้เทคโนโลยีสารสนเทศ ดังนั้น การมองผลกระทบที่แท้จริงต้องมองในหลายมิติ รวมถึงปัจจัยอื่น ๆ ด้วย เช่น ครอบครัวที่มีลูกอาจจะโดนผลกระทบจากการปิดสถานศึกษา
เมื่อพิจารณาตามลักษณะชั่วโมงทำงาน จะเห็นได้ว่า กลุ่มลูกจ้างที่ทำงานไม่เต็มเวลา (น้อยกว่า 35 ชั่วโมง ต่อสัปดาห์) เป็นกลุ่มที่ปรับสถานที่ทำงานได้ยาก เช่น งานก่อสร้าง หรืองานซ่อมรถ สำหรับระดับการศึกษา กลุ่มการศึกษาระดับปริญญาตรีขึ้นไป มีความพร้อมในการปรับสถานที่ทำงานมากที่สุด เพราะมักจะไม่ได้ทำงานที่ผูกติดกับเครื่องจักร เครื่องมือ และทำงานที่เอื้อต่อการใช้เทคโนโลยีสารสนเทศ ดังนั้น แรงงานกลุ่มนี้อาจมีผลกระทบเชิงลบต่อการจ้างงานและรายได้ น้อยกว่า กลุ่มอื่น ๆ
สำหรับมิติเชิงพื้นที่ ในส่วนที่ 1 เราวิเคราะห์มาตรการล็อกดาว์นผ่านข้อมูลการปิดกิจกรรมของภาคธุรกิจเพียงอย่างเดียว และพบว่ากรุงเทพมหานครและจังหวัดหัวเมืองถูกกระทบมากที่สุด (รูปที่ 4) ในส่วนนี้เรานำข้อมูลด้านลักษณะงานที่ทำมาร่วมวิเคราะห์ และพบภาพในมุมเพิ่มเติม ดังในรูปที่ 6 ซึ่งแสดงการจัดลำดับของดัชนีแต่ละประเภท โดยสีเข้มแสดงค่าดัชนีที่สูงกว่า
กรุงเทพมหานครและกลุ่มจังหวัดทางภาคใต้มีความพร้อมของตลาดแรงงานในการปรับเปลี่ยนไปทำงานที่บ้าน หากดูที่ดัชนีด้านงานที่เอื้อต่อการใช้เทคโนโลยีสารสนเทศ แต่ในขณะเดียวกัน พบว่า กลุ่มจังหวัดทางภาคใต้ยังมีงานที่มีลักษณะงานผูกติดกับเครื่องจักร สถานที่ทำงาน หรือเครื่องมือ ในระดับสูงเมื่อเทียบกับจังหวัดอื่น ๆ และมีงานที่มีความเสี่ยงต่อการแพร่กระจายของเชื้อไวรัสมาก เพราะมีระดับของดัชนีงานที่ต้องทำใกล้ชิดกับคนอื่นในระดับที่สูง
สำหรับเชียงใหม่ แม้ดัชนีงานที่ผูกติดกับเครื่องจักรเครื่องมือไม่ได้สูงนัก แต่มีค่าดัชนีงานที่ต้องทำใกล้ชิดกับคนอื่นค่อนข้างสูง ในทางกลับกัน จังหวัดในภาคตะวันออกเฉียงเหนือส่วนใหญ่ ซึ่งเป็นภาคเกษตรกรรมมีดัชนีการทำงานที่ต้องทำใกล้ชิดกับคนอื่นในระดับต่ำ และดัชนีงานเอื้อต่อการใช้เทคโนโลยีสารสนเทศต่ำ หากการปิดเมืองไม่ได้ยกเว้นภาคเกษตรกรรม แรงงานกลุ่มนี้ก็จะได้รับผลกระทบเช่นกัน
ส่วนที่ 3: มิติทางรายได้ของมาตรการล็อกดาว์น (ในกลุ่มลูกจ้าง)
เนื่องจาก LFS มีข้อมูลรายได้เฉพาะลูกจ้าง ไม่มีรายได้ของผู้ประกอบกิจการส่วนตัว[3] ภาพด้านรายได้จึงมาจากกลุ่มลูกจ้างประมาณ 17 ล้านคน รูปที่ 7 แสดงดัชนีตัวที่ 1, 2 และ 4 ตามระดับรายได้จากกลุ่มเปอร์เซนไทล์ต่ำที่สุดไปสูงที่สุด จะเห็นได้ว่าดัชนีด้านลักษณะงานที่ผูกติดกับเครื่องจักรหรือเครื่องมือมีความสัมพันธ์เชิงลบกับรายได้ ดัชนีด้านงานที่เอื้อต่อการใช้ ICT มีความสัมพันธ์เชิงบวกกับรายได้ ส่วนดัชนีด้านงานที่ต้องสัมผัสใกล้ชิดกับผู้อื่นมีความสัมพันธ์เชิงบวกแต่ไม่สูงนัก
หากนำข้อมูลด้านดัชนีอาชีพและข้อมูลเรื่องการล็อกดาว์นมาร่วมวิเคราะห์ผลกระทบ จะเห็นได้ว่าการล็อกดาว์นน่าจะตอกย้ำเรื่องความเหลื่อมล้ำทางรายได้ ในตารางที่ 4 ตัวเลขในแถวแรกแสดงจำนวนลูกจ้างในแต่ละระดับรายได้ ซึ่งกลุ่มลูกจ้างที่มีจำนวนมากที่สุด คือ กลุ่มที่มีรายได้อยู่ประมาณเกณฑ์ค่าจ้างขั้นต่ำ (6,000-9,000 บาทต่อเดือน) คิดเป็นประมาณร้อยละ 32 หากใช้ข้อมูลการล็อกดาว์นตามภาคธุรกิจเพียงอย่างเดียว จะเห็นว่าสัดส่วนของลูกจ้างแต่ละกลุ่มรายได้ที่ถูกผลกระทบนั้นไม่ต่างกันมากนัก อยู่ที่ร้อยละ 13-23 แต่ถ้าหากนำดัชนีเรื่องความง่ายต่อการปรับสถานที่ทำงานมาประกอบก็จะเห็นว่ากลุ่มรายได้ระดับล่าง 3 กลุ่มนั้นปรับสถานที่ทำงานได้ยาก โดยเฉพาะกลุ่มรายได้ 6,000-9,000 บาท
ดังนั้น ในภาพรวม กลุ่มรายได้ระดับล่าง 3 กลุ่ม (รายได้ไม่เกิน 12,000 ต่อเดือน) คิดเป็นประมาณ 1.6 ล้านคน น่าจะโดนผลแบบเต็มเม็ดเต็มหน่วยจากการล็อกดาว์น ณ มีนาคม 2563 ซึ่งหากคำนวณเป็นความสูญเสียทางรายได้ก็จะเป็นมูลค่าไม่น้อย ซึ่งยังไม่รวมผู้ประกอบการอิสระและผู้สูญเสียรายได้ทางอ้อม ส่วนกลุ่มรายได้สูง (30,000 บาทต่อเดือน ขึ้นไป) จำนวน 3 แสนกว่าคน (ร้อยละ 23 ของ 1.47 ล้านคน) ไม่น่าจะถูกผลกระทบจากการล็อกดาว์นมากนักเพราะสามารถปรับเปลี่ยนสถานที่ทำงานได้ง่าย นอกจากนี้ ภาพความเหลื่อมล้ำทางรายได้ที่เพิ่มขึ้นก็จะส่งต่อไปถึงความเหลื่อมล้ำทางการบริโภค เพราะจากข้อมูล Household Socio-economic Survey ครัวเรือนรายได้ต่ำ ก็มักขาดสภาพคล่องในการบริหารรายจ่ายที่จำเป็น เช่น อาหาร ค่าเช่าบ้าน)
บทสรุปและนัยทางนโยบาย
วิกฤตสถานการณ์ไวรัสโควิด 19 ครั้งนี้ ส่งผลให้รัฐดำเนินมาตรการต่าง ๆ มาจนถึงการประกาศล็อกดาวน์ ซึ่งส่งผลต่อแรงงานไทยบางกลุ่มอย่างเฉียบพลัน งานวิจัยชิ้นนี้ได้ใช้ ข้อมูลสถิติจากการสำรวจกำลังแรงงานปี 2562 ร่วมกับข้อมูลการประกาศล็อกดาว์นรายภาคธุรกิจ และฐานข้อมูลลักษณะอาชีพอย่างละเอียดมาประเมินผลเบื้องต้นที่ผ่านมาทาง supply-side ข้อสรุปหลัก ๆ ได้แก่
หนึ่ง หากแบ่งแรงงานตามภาคธุรกิจที่โดนล็อกดาว์น แรงงานที่ได้รับผลกระทบโดยตรงจะมีประมาณ 6.1 ล้านคน (ซึ่งไม่รวมผู้ที่ได้รับผลกระทบทางอ้อมจากการลดการบริโภคและ supply-chain) แต่ทั้งนี้ผลกระทบก็จะแตกต่างกันขึ้นกับลักษณะของธุรกิจและอาชีพว่าปรับตัวได้หรือไม่ สำหรับวิกฤตครั้งนี้ ลักษณะทางอาชีพที่สำคัญ คือ งานดังกล่าวสามารถทำภายในที่พักอาศัยได้หรือไม่ และเป็นงานที่เสี่ยงต่อการแพร่เชื้อไวรัสด้วยหรือไม่ การใช้ดัชนีที่แสดงความง่ายในการปรับเปลี่ยนสถานที่ทำงานและดัชนีงานที่สัมผัสใกล้ชิดกับผู้อื่น ทำให้มองภาพผลกระทบได้ชัดเจนขึ้น
สอง แม้มาตรการต่าง ๆ ดูเหมือนจะต้องชั่งน้ำหนักระหว่างการควบคุมการระบาดของโรคและการสูญเสียรายได้ของแรงงาน แต่การใช้ดัชนีที่แสดงความง่ายในการปรับเปลี่ยนสถานที่ทำงานและดัชนีงานที่สัมผัสใกล้ชิดกับผู้อื่น อาจจะทำให้มองทางเลือกของนโยบายได้ชัดเจนขึ้น ตารางที่ 5 แสดงตัวอย่างอาชีพของการแบ่งกลุ่มงานตามดัชนีดังกล่าว กลุ่มที่น่าจะต้องการการสนับสนุนค่าใช้จ่ายการใช้เทคโนโลยีสารสนเทศ คือ กลุ่มที่สามารถทำงานที่บ้านได้ และนายจ้างไม่ได้สนับสนุนค่าใช้จ่ายดังกล่าว
ส่วนกลุ่มที่ทำงานจากบ้านไม่ได้และลักษณะงานมีความเสี่ยงที่ก่อให้เกิดการแพร่ระบาดต่ำ การสนับสนุนด้าน IT ไม่น่าจะบรรเทาการสูญเสียรายได้ได้มากนัก น่าจะมีการผ่อนผันให้คนในอาชีพเหล่านี้กลับเข้าสถานที่ทำงานได้ (ซึ่งคือ ผู้คุมเครื่องจักร หรือ เกษตรกร) และเพิ่มการจัดพื้นที่ทำงานให้มีระยะห่างที่เหมาะสมและใส่หน้ากากป้องกัน
ส่วนกลุ่มสุดท้ายที่ทำงานจากบ้านไม่ได้ และลักษณะงานก่อให้เกิดความเสี่ยงต่อการแพร่ระบาดสูงนั้น เป็นกลุ่มที่ถูกล็อกดาวน์กลุ่มแรก และน่าจะเป็นกลุ่มสุดท้ายที่จะได้ถูกปลดล็อก ดังนี้ รัฐจึงจำเป็นอย่างยิ่งที่จะต้องให้ความช่วยเหลือ ไม่ว่าจะเป็นการช่วยเหลือด้านการเงินเพื่อยังชีพ และ/หรือการช่วยจัดหางาน หรือปรับทักษะให้ไปทำงานในภาคธุรกิจที่ยังขาดแคลนคน ซึ่งอาจจะเป็นการถือโอกาสปรับการ mismatch ระหว่าง demand และ supply ในตลาดแรงงานในระยะยาว
สาม การใช้ดัชนีลักษณะอาชีพมาร่วมวิเคราะห์ ทำให้เห็นว่าการปิดเมืองเพิ่มความเหลื่อมล้ำทางรายได้ หากใช้ข้อมูลภาคธุรกิจที่ถูกปิดจากมาตรการล็อกดาว์นอย่างเดียว สัดส่วนของลูกจ้างแต่ละกลุ่มรายได้ที่ถูกผลกระทบนั้นไม่ต่างกันมากนัก แต่ถ้าหากนำดัชนีเรื่องความง่ายต่อการปรับสถานที่ทำงานมาประกอบ จะเห็นว่ากลุ่มลูกจ้างรายได้ระดับไม่เกิน 12,000 ต่อเดือน ซึ่งคิดเป็นประมาณ 1.6 ล้านคน นั้น เป็นกลุ่มที่ปรับสถานที่ทำงานได้ยาก จึงน่าจะโดนผลแบบเต็มเม็ดเต็มหน่วยจากการล็อกดาว์น ณ มีนาคม 2563 ส่วนกลุ่มรายได้สูง (30,000 บาทต่อเดือน ขึ้นไป) จำนวน 3 แสนกว่าคนไม่น่าจะถูกผลกระทบจากการล็อกดาว์นมากนักเพราะสามารถปรับเปลี่ยนสถานที่ทำงานได้ง่าย
บทความชิ้นนี้ แม้จะประเมินผลกระทบทางตรงเป็นหลัก ไม่ได้รวมถึงผลกระทบทางอ้อมจากการลดการบริโภคหรือความเชื่อมโยงของภาคเศรษฐกิจ แต่น่าจะเป็นจุดเริ่มต้นในการนำข้อมูลจริงมาใช้การประเมินจำนวนผู้ที่ถูกผลกระทบ และนำเสนอทางเลือกเพิ่มเติมจากมิติลักษณะงาน เพื่อให้ความพยายามแก้ปัญหา และการหา “ทางออก” ในหลากหลายมิติมีผลสัมฤทธิ์ที่ดีที่สุดในวิกฤตเช่นนี้ นอกจากนี้ แม้การล็อกดาว์นสิ้นสุดลง แต่หากยังมีการรณรงค์ให้มี social distancing ต่อไปอีกระยะหนึ่ง ดัชนีที่สร้างขึ้นก็สามารถนำไปปรับใช้เพื่อวิเคราะห์สถานการณ์ในตลาดแรงงานได้
ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
โดย
1. เนื้อแพร เล็กเฟื่องฟู
Universidad Carlos III de Madrid
This email address is being protected from spambots. You need JavaScript enabled to view it.
2. ศุภนิจ ปิยะพรมดี
University College London
This email address is being protected from spambots. You need JavaScript enabled to view it.
3. พรพจ ปรปักษ์ขาม
National Graduate Institute for Policy Studies, Tokyo
This email address is being protected from spambots. You need JavaScript enabled to view it.
4. นฎา วะสี
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
This email address is being protected from spambots. You need JavaScript enabled to view it.
Source: PIER

คลิก

Cr.Bank of Thailand Scholarship Students
----------------------------------------------------------------------------------------

เพิ่มเพื่อนรับข่าวสารตลาดหุ้น Forex และบทความดีๆ ด้านการเงิน การลงทุน ฟรี !!
http://line.me/ti/p/%40zhq5011b 

Line ID:@fxhanuman

Web : https://www.fxhanuman.com
Web : https://www.eluforex.com/
FB:https://www.facebook.com/review.forex.broker/

เยี่ยมชม partner ของเราที่ Eluforex รีวิวโบรกเกอร์ Forex

#forex #ลงทุน #peppers #xm #fbs #exness #icmarkets #avatrade #fxtm #tickmill #fxpro #fxopen #fxcl #forex4you