နိုင်ငံရေးသိပ္ပံတွင် စာရင်းအင်းနည်းလမ်းများ

နိုင်ငံရေးသိပ္ပံတွင် စာရင်းအင်းနည်းလမ်းများ

နိုင်ငံရေးသိပ္ပံကို အာဏာ၊ အဖွဲ့အစည်းများ၊ နိုင်ငံရေးအပြုအမူ၊ အများပြည်သူဆိုင်ရာမူဝါဒနှင့် စုပေါင်းဆုံးဖြတ်ချက်များကို ပုံဖော်ပေးသော လူမှုရေးဒိုင်းနမစ်များကို လေ့လာခြင်းအဖြစ် မကြာခဏ နားလည်ကြသည်။ သို့သော်၊ အယူဝါဒဆိုင်ရာငြင်းခုံမှုများ၊ မဲဆွယ်စည်းရုံးရေးဗျူဟာများနှင့် ဥပဒေပြုရေးထက်ကျော်လွန်၍ပင် အခြေခံလိုအပ်ချက်တစ်ခုရှိသည်- ပုံစံများကို နားလည်ပြီး အကြောင်းရင်းနှင့်အကျိုးဆက်ကို ပိုမိုစနစ်တကျရှင်းပြရန်။ ဤနေရာတွင် စာရင်းအင်းနည်းလမ်းများသည် အရေးပါသောအခန်းကဏ္ဍမှ ပါဝင်ပါသည်။ စာရင်းအင်းများသည် နိုင်ငံရေးသိပ္ပံပညာရှင်များအား အချက်အလက်များကို စီမံဆောင်ရွက်ရန်၊ သီအိုရီများကို စမ်းသပ်ရန်၊ ဖြစ်ရပ်များကို နှိုင်းယှဉ်ရန်နှင့် ယုံကြည်စိတ်ချရသော နိဂုံးချုပ်ချက်များ ရေးဆွဲရန် ကူညီပေးသည်။ ဤဆောင်းပါးသည် နိုင်ငံရေးသိပ္ပံတွင် စာရင်းအင်းနည်းလမ်းများ၏ အခန်းကဏ္ဍ၊ အမျိုးအစားများနှင့် အသုံးချမှုများအပြင် ၎င်းတို့ မကြာခဏကြုံတွေ့ရသော စိန်ခေါ်မှုများကို ဆွေးနွေးထားသည်။

နိုင်ငံရေးသိပ္ပံမှာ စာရင်းအင်းပညာက ဘာကြောင့်အရေးကြီးတာလဲ။

နိုင်ငံရေးဖြစ်စဉ်များသည် ရှုပ်ထွေးပြီး စီးပွားရေး၊ ယဉ်ကျေးမှု၊ အဖွဲ့အစည်းဆိုင်ရာဖွဲ့စည်းပုံများ၊ မီဒီယာဆက်သွယ်ရေးနှင့် အုပ်စုလက္ခဏာများပင် ပါဝင်လေ့ရှိသည့် အချက်များစွာ ပါဝင်လေ့ရှိသည်။ အရေအတွက်ဆိုင်ရာကိရိယာများမရှိပါက နိုင်ငံရေးခွဲခြမ်းစိတ်ဖြာမှုသည် ပုံပြင်များ သို့မဟုတ် အလိုလိုသိစိတ်တစ်ခုတည်းဖြင့် ပိတ်မိနေနိုင်သည်။ စာရင်းအင်းများသည် အောက်ပါမေးခွန်းများကို ဖြေဆိုရန်အတွက် မူဘောင်တစ်ခုကို ပေးသည်- မည်သည့်အချက်များက မဲဆန္ဒရှင်ရွေးချယ်မှုကို လွှမ်းမိုးသနည်း။ မူဝါဒတစ်ခုက ဆင်းရဲမွဲတေမှုကို လျှော့ချပေးသလား သို့မဟုတ် မညီမျှမှုကို ပိုမိုကျယ်ပြန့်စေသလား။ ရွေးကောက်ပွဲစနစ်သည် ပါတီအရေအတွက်ကို မည်သို့အကျိုးသက်ရောက်သနည်း။ သဘောထားကွဲလွဲမှုများသည် အချိန်နှင့်အမျှ တိုးလာသလား။

ထို့အပြင် စာရင်းအင်းများသည် သုတေသနတာဝန်ခံမှုကိုလည်း မြှင့်တင်ပေးပါသည်။ အချက်အလက်စုဆောင်းခြင်းနှင့် ကိန်းရှင်သတ်မှတ်ခြင်းမှသည် ခွဲခြမ်းစိတ်ဖြာနည်းစနစ်များနှင့် ယူဆချက်စမ်းသပ်ခြင်းအထိ ရှင်းလင်းသောလုပ်ထုံးလုပ်နည်းများဖြင့် သုတေသနသည် ပိုမိုပွင့်လင်းမြင်သာပြီး ပုံတူပွားနိုင်သည်။

နိုင်ငံရေးသုတေသနတွင် ဒေတာအမျိုးအစားများ

စာရင်းအင်းအသုံးချမှုသည် အသုံးပြုသောဒေတာအမျိုးအစားပေါ်တွင် များစွာမူတည်ပါသည်။ နိုင်ငံရေးသိပ္ပံတွင် ဒေတာပုံစံအချို့မှာ-

၁။ စစ်တမ်းဒေတာ- လူထုထင်မြင်ချက်၊ မဲပေးသည့်အပြုအမူ၊ အဖွဲ့အစည်းများအပေါ် ယုံကြည်မှု သို့မဟုတ် မူဝါဒအပေါ် သဘောထားများဆိုင်ရာ မေးခွန်းလွှာများမှ ရယူထားသည်။ စစ်တမ်းများသည် cross-sectional သို့မဟုတ် panel (ကာလများစွာအတွင်း တူညီသောတုံ့ပြန်သူများကို တိုင်းတာခြင်း) ဖြစ်နိုင်သည်။
၂။ ရွေးကောက်ပွဲဒေတာ- မဲဆန္ဒရှင်လာရောက်မဲပေးမှု၊ မဲဆန္ဒရှင်ပါဝင်မှု၊ ဒေသအလိုက် မဲဖြန့်ဖြူးမှုနှင့် ကိုယ်စားလှယ်လောင်းဒေတာ။ ဤဒေတာကို နိုင်ငံရေးပြိုင်ဆိုင်မှုနှင့် ကိုယ်စားပြုမှုကို ခွဲခြမ်းစိတ်ဖြာရန် မကြာခဏအသုံးပြုလေ့ရှိသည်။
၃။ အဖွဲ့အစည်းဆိုင်ရာနှင့် မူဝါဒဆိုင်ရာ အချက်အလက်- ဥပမာအားဖြင့် သမ္မတ၏ ဗီတိုအာဏာ အရေအတွက်၊ ရွေးကောက်ပွဲ စည်းမျဉ်းများ၊ ဒီမိုကရေစီ အညွှန်းကိန်း၊ အများပြည်သူ့ အသုံးစရိတ် သို့မဟုတ် ဗျူရိုကရေစီ စည်းမျဉ်းများ။
၄။ အချိန်စီးရီးဒေတာ- အချိန်အပေါ်အခြေခံ၍ စီစဉ်ထားသောဒေတာ၊ ဥပမာအားဖြင့် ငွေကြေးဖောင်းပွမှုနှုန်း၊ ဆန္ဒပြပွဲများ သို့မဟုတ် လစဉ်အစိုးရအပေါ် ထောက်ခံမှုရာခိုင်နှုန်း။
၅။ Panel data- ဒေသ/နိုင်ငံများနှင့် အချိန်ကာလအလိုက် data များပေါင်းစပ်ခြင်း၊ ဥပမာအားဖြင့် ၁၀ နှစ်အတွင်း ပြည်နယ် ၃၀ မှ data များ။
၆။ စာသားနှင့် မီဒီယာဒေတာ- နိုင်ငံရေးမိန့်ခွန်းများ၊ သတင်းများ၊ လူမှုမီဒီယာပို့စ်များ၊ မူဝါဒစာရွက်စာတမ်းများ။ ၎င်းတို့ကို ယခုအခါ ခံစားချက်ခွဲခြမ်းစိတ်ဖြာခြင်း သို့မဟုတ် ခေါင်းစဉ်မော်ဒယ်လ်ကဲ့သို့သော ပမာဏဆိုင်ရာနည်းလမ်းများကို အသုံးပြု၍ မကြာခဏ ခွဲခြမ်းစိတ်ဖြာလေ့ရှိသည်။

ဖော်ပြချက်စာရင်းအင်းများ- နိုင်ငံရေးခွဲခြမ်းစိတ်ဖြာမှု၏ အခြေခံအုတ်မြစ်

အရေအတွက်ဆိုင်ရာ သုတေသန၏ ကနဦးခြေလှမ်းသည် အချက်အလက်များကို အကျဉ်းချုပ်ဖော်ပြသည့် နည်းပညာတစ်ခုဖြစ်သည့် ဖော်ပြချက်စာရင်းအင်းများဖြင့် စတင်လေ့ရှိသည်။ ရိုးရှင်းပုံရသော်လည်း ဖော်ပြချက်စာရင်းအင်းများသည် နောက်ဆက်တွဲ ခွဲခြမ်းစိတ်ဖြာမှု၏ အရည်အသွေးကို သိသိသာသာ ဆုံးဖြတ်ပေးသည်။

အသုံးချမှု ဥပမာများတွင် ပြည်နယ်အလိုက် ပျမ်းမျှမဲပေးသူဦးရေကို တွက်ချက်ခြင်း၊ အသက်အုပ်စုအလိုက် ပါတီဦးစားပေးမှုများ ဖြန့်ဖြူးမှုကို စစ်ဆေးခြင်း သို့မဟုတ် ဥပဒေပြုအဖွဲ့အစည်းများအပေါ် လူထုယုံကြည်မှုလမ်းကြောင်းများကို ပုံဖော်ခြင်းတို့ ပါဝင်သည်။ ပျမ်းမျှ၊ အလယ်အလတ်၊ မုဒ်နှင့် ကွဲလွဲမှုကဲ့သို့သော တိုင်းတာမှုများအပြင် မြင်ယောင်မှုများ (ဘားဂရပ်များ၊ ဟစ်စတိုဂရမ်များ၊ အကြောင်းအရာမြေပုံများ) သည် သုတေသီများအား အစောပိုင်းပုံစံများကို ဖော်ထုတ်ရန်နှင့် မူမမှန်မှုများကို ထောက်လှမ်းရန် ကူညီပေးသည်။

စာရင်းအင်းဆိုင်ရာ ကောက်ချက်ချခြင်း- နမူနာများမှ လူဦးရေအထိ ယေဘုယျပြုလုပ်ခြင်း

လူဦးရေတစ်ခုလုံးကို လေ့လာစောင့်ကြည့်ရန် မဖြစ်နိုင်သောကြောင့် နိုင်ငံရေးသိပ္ပံပညာရှင်များသည် နမူနာများဖြင့် မကြာခဏ လုပ်ဆောင်လေ့ရှိသည်။ စာရင်းအင်းဆိုင်ရာ ကောက်ချက်ချခြင်းသည် သုတေသီများအား လူဦးရေဝိသေသလက္ခဏာများကို ခန့်မှန်းရန်နှင့် ယူဆချက်များကို စမ်းသပ်ရန် ခွင့်ပြုသည်။

အခြေခံ ကောက်ချက်ချနည်းစနစ်များတွင် အောက်ပါတို့ ပါဝင်သည်-
– ခန့်မှန်းချက်များနှင့် ယုံကြည်မှုကြားကာလများ- ဥပမာအားဖြင့် အမှားအယွင်းအတိုင်းအတာတစ်ခုဖြင့် ကိုယ်စားလှယ်လောင်းတစ်ဦးအတွက် ထောက်ခံမှုအဆင့်ကို ခန့်မှန်းခြင်း။
– ယူဆချက်စမ်းသပ်ခြင်း- ဥပမာအားဖြင့် ပညာရေးနိမ့်ကျသောအုပ်စုများနှင့် မြင့်မားသောပညာရေးအုပ်စုများအကြား ပံ့ပိုးမှုကွာခြားချက်သည် စာရင်းအင်းအရ သိသာထင်ရှားမှုရှိမရှိ စမ်းသပ်ခြင်း။

သို့သော် စာရင်းအင်းအရ အရေးပါမှုဆိုသည်မှာ အမြဲတမ်း အနှစ်သာရအားဖြင့် ကြီးမားသည် သို့မဟုတ် အရေးကြီးသည်ဟု မဆိုလိုကြောင်း နားလည်ရန် အရေးကြီးပါသည်။ ထို့ကြောင့် ခေတ်သစ်နိုင်ငံရေးသိပ္ပံသည် အစီရင်ခံခြင်း၏ အကျိုးသက်ရောက်မှု အရွယ်အစားများနှင့် နိုင်ငံရေးနှင့်သက်ဆိုင်သော အဓိပ္ပာယ်ဖွင့်ဆိုချက်များကိုလည်း အလေးပေးဖော်ပြသည်။

Regression: Variable များအကြား ဆက်နွယ်မှုကို ရှင်းပြခြင်း

နိုင်ငံရေးသိပ္ပံတွင် အသုံးအများဆုံးနည်းလမ်းများထဲမှတစ်ခုမှာ regression analysis ဖြစ်သည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် တစ်ပြိုင်နက်တည်း variable များစွာ၏ လွှမ်းမိုးမှုကို အကဲဖြတ်နိုင်သောကြောင့်ဖြစ်သည်။

၁။ မှီခိုကိန်းရှင်သည် ဂဏန်းဖြစ်သည့်အခါ၊ ဥပမာ ဒီမိုကရေစီရမှတ်၊ ပါဝင်မှုနှုန်း သို့မဟုတ် အတည်ပြုထားသော မူဝါဒအရေအတွက်ဖြစ်သည့်အခါ လိုင်းရင်းဆုတ်ယုတ်မှု (OLS) ကို အသုံးပြုသည်။
၂။ “မဲပေး/မဲမပေး”၊ “နိုင်/ရှုံး” သို့မဟုတ် “သဘောတူ/သဘောမတူ” ကဲ့သို့သော မှီခိုကိန်းရှင်သည် ဒွိစုံဖြစ်သည့်အခါ Logistic regression ကို အသုံးပြုသည်။
၃။ Multinomial/ordinal regression ကို ရွေးချယ်မှုများသည် အမျိုးအစားနှစ်ခုထက်ပိုသောအခါ၊ ဥပမာအားဖြင့် ပါတီဦးစားပေးမှု (A၊ B၊ C) သို့မဟုတ် သဘောတူညီချက်အဆင့် (လုံးဝသဘောမတူမှ လုံးဝသဘောတူ) ကဲ့သို့ဖြစ်သည့်အခါ အသုံးပြုသည်။

မဲဆန္ဒရှင်အပြုအမူဆိုင်ရာလေ့လာမှုများတွင်၊ ဝင်ငွေ၊ ပညာရေး၊ ဘာသာရေးအမှတ်အသား၊ မီဒီယာထိတွေ့မှု သို့မဟုတ် နိုင်ငံရေးရွေးချယ်မှုများအပေါ် အစိုးရစွမ်းဆောင်ရည်ကို အကဲဖြတ်ခြင်းတို့၏ လွှမ်းမိုးမှုကို စစ်ဆေးရန် regression ကို မကြာခဏအသုံးပြုလေ့ရှိသည်။ မူဝါဒလေ့လာမှုများတွင်၊ regression သည် အများပြည်သူအသုံးစရိတ်ကို လူမှုဖူလုံရေးညွှန်းကိန်းများနှင့် ချိတ်ဆက်ရန် ကူညီပေးသည်။

ဘက်စုံအဆင့် ခွဲခြမ်းစိတ်ဖြာမှုနှင့် ဆက်စပ်ဒေတာ

နိုင်ငံရေးဒေတာများသည် မကြာခဏ အဆင့်ဆင့်ရှိသည်- လူပုဂ္ဂိုလ်များသည် ဒေသများအတွင်းတွင် တည်ရှိပြီး ဒေသများသည် နိုင်ငံများအတွင်းတွင် တည်ရှိသည်။ အဆင့်များစွာပါဝင်သော မော်ဒယ်များ (အဆင့်ဆင့်ပုံစံများ) သည် သုတေသီများအား တစ်ဦးချင်းအကျိုးသက်ရောက်မှုများနှင့် နောက်ခံအခြေအနေဆိုင်ရာ အကျိုးသက်ရောက်မှုများကို ခွဲခြားနိုင်စေပါသည်။ ဥပမာအားဖြင့်၊ လူတစ်ဦး၏ မဲပေးရွေးချယ်မှုများသည် ၎င်းတို့၏ ကိုယ်ရေးကိုယ်တာဝိသေသလက္ခဏာများ (အသက်၊ ပညာရေး) နှင့် ၎င်းတို့၏ ဒေသဆိုင်ရာအခြေအနေ (ဆင်းရဲမွဲတေမှုအဆင့်များ၊ ဒေသဆိုင်ရာပါတီလွှမ်းမိုးမှု) နှစ်ခုလုံး၏ လွှမ်းမိုးမှုခံရသည်။ ဤနည်းလမ်းသည် ခွဲခြမ်းစိတ်ဖြာမှုအဆင့်များ ရောနှောခြင်းကြောင့် ဖြစ်ပေါ်လာသော မှားယွင်းသောနိဂုံးချုပ်ချက်များကို ရှောင်ရှားရန် ကူညီပေးသည်။

အချိန်စီးရီးနှင့် နိုင်ငံရေးပြောင်းလဲမှုလေ့လာမှုများ

နိုင်ငံရေးဖြစ်စဉ်များစွာသည် ပြောင်းလဲနေတတ်သည်- အစိုးရများအပေါ် ထောက်ခံမှုများသည် အတက်အကျရှိခြင်း၊ ပဋိပက္ခများ မြင့်တက်လာခြင်း သို့မဟုတ် လျော့ပါးသွားခြင်းနှင့် မူဝါဒများ ပြောင်းလဲခြင်းတို့ ဖြစ်သည်။ ခေတ်ရေစီးကြောင်းများ၊ သံသရာများနှင့် ဖြစ်ရပ်များ၏ သက်ရောက်မှုကို နားလည်ရန် အချိန်စီးရီးခွဲခြမ်းစိတ်ဖြာမှုကို အသုံးပြုသည်။

ဥပမာအားဖြင့်၊ သုတေသီများသည် စီးပွားရေးအကျပ်အတည်းတစ်ခုပြီးနောက် ထောက်ခံမှုအဆင့်သတ်မှတ်ချက်ကျဆင်းခြင်းရှိမရှိ သို့မဟုတ် ရွေးကောက်ပွဲစည်းမျဉ်းများတွင် ပြောင်းလဲမှုများသည် နောက်ဆက်တွဲရွေးကောက်ပွဲများတွင် ပါတီပြိုကွဲမှုကို သက်ရောက်မှုရှိမရှိကို စစ်ဆေးနိုင်သည်။ ARIMA သို့မဟုတ် ကြားဝင်ဆောင်ရွက်မှုပုံစံများကဲ့သို့သော နည်းပညာများကို ဖြစ်ရပ်တစ်ခုမတိုင်မီနှင့် ဖြစ်ရပ်ပြီးနောက် ပြောင်းလဲမှုများကို ဖမ်းယူရန် အသုံးပြုနိုင်သည်။

ဆက်စပ်မှုနည်းလမ်း- ဆက်စပ်မှုမှ ဆက်စပ်မှုသို့

နိုင်ငံရေးသိပ္ပံတွင် အကြီးမားဆုံးစိန်ခေါ်မှုမှာ ဆက်စပ်မှုနှင့် အကြောင်းရင်းဆက်စပ်မှုကို ခွဲခြားသိမြင်ခြင်းဖြစ်သည်။ ကိန်းရှင်နှစ်ခု အတူတကွရွေ့လျားသောအခါ တစ်ခုက အခြားတစ်ခုကို ဖြစ်ပေါ်စေသည်ဟု မဆိုလိုပါ။ သုတေသီများသည် ရှုပ်ထွေးသောကိန်းရှင်များ၊ ပြောင်းပြန်အကြောင်းရင်းဆက်စပ်မှုနှင့် ရွေးချယ်မှုဘက်လိုက်မှုများကို သတိပြုရမည်။

အကြောင်းရင်းဆက်စပ်မှုဆိုင်ရာ ကောက်ချက်ချမှုအတွက် စာရင်းအင်းဆိုင်ရာ ချဉ်းကပ်မှုအချို့တွင် အောက်ပါတို့ ပါဝင်သည်-
– စမ်းသပ်ချက်များနှင့် ကျပန်းထိန်းချုပ်ထားသော စမ်းသပ်မှုများ (RCTs)- ဥပမာအားဖြင့်၊ မဲဆန္ဒရှင်များ၏ သဘောထားများအပေါ် မဲဆွယ်စည်းရုံးရေး မက်ဆေ့ချ်အချို့၏ သြဇာလွှမ်းမိုးမှုကို ကျပန်းဖြန့်ဝေခြင်းဖြင့် စမ်းသပ်ခြင်း။
– Quasi-experiments များ- ကွာခြားချက်များတွင် ကွဲပြားမှု၊ regression discontinuity သို့မဟုတ် ကျပန်းပြုလုပ်ခြင်း မဖြစ်နိုင်သည့် အခြေအနေများအတွက် ကိရိယာတန်ဆာပလာများ ကဲ့သို့သော။
– ကိုက်ညီမှုနှင့် သဘောထားရမှတ်- “ကုသမှု” ခံယူသောအဖွဲ့များနှင့် မခံယူသောအဖွဲ့များကို နှိုင်းယှဉ်ရန် အလားတူယူနစ်များကို ကိုက်ညီအောင် တွဲပေးခြင်း။

နိုင်ငံရေးသိပ္ပံသုတေသနများစွာသည် “ဘာဖြစ်ခဲ့လဲ” ကိုသာမဟုတ်ဘဲ “ဘာကြောင့်ဖြစ်ခဲ့တာလဲ” နှင့် “မူဝါဒများပြောင်းလဲပါက မည်သို့အကျိုးသက်ရောက်မည်နည်း” ကိုပါ ရှင်းပြရန် ရည်ရွယ်သောကြောင့် အကြောင်းရင်းဆက်စပ်နည်းလမ်းများသည် ပိုမိုအရေးကြီးလာပါသည်။

စာသားခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် နိုင်ငံရေး Big Data

သတင်းအချက်အလက်နည်းပညာတိုးတက်မှုကြောင့် နိုင်ငံရေးဒေတာရင်းမြစ်များ တိုးချဲ့လာပါသည်- လူမှုမီဒီယာ၊ သတင်းပေါ်တယ်များ၊ တရားရုံးမှတ်တမ်းများနှင့် မူဝါဒစာရွက်စာတမ်းများ။ စာရင်းအင်းနည်းလမ်းများကို ယခုအခါတွင် အောက်ပါတို့အတွက် အသုံးပြုကြသည်။
– အချို့သောကိစ္စရပ်များအပေါ် လူထု၏ခံစားချက်ကို တိုင်းတာခြင်း၊
– မိန့်ခွန်း သို့မဟုတ် ကြေညာစာတမ်းတွင် အဓိကအကြောင်းအရာများကို ဖော်ထုတ်ပါ။
– သတင်းအချက်အလက်နှင့် သတင်းမှားဖြန့်ဖြူးမှုကွန်ရက်များကို မြေပုံရေးဆွဲခြင်း။

သို့သော် ဒစ်ဂျစ်တယ်ဒေတာတွင် စိန်ခေါ်မှုများရှိသည်- ကိုယ်စားပြုမှုဘက်လိုက်မှု (လူမှုမီဒီယာအသုံးပြုသူများသည် လူဦးရေကို ကိုယ်စားမပြုပါ)၊ ပလက်ဖောင်း အယ်လဂိုရီသမ် ဒိုင်းနမစ်နှင့် ကိုယ်ရေးကိုယ်တာ ကျင့်ဝတ်ဆိုင်ရာ ပြဿနာများ။

စာရင်းအင်းများအသုံးပြုခြင်းဆိုင်ရာ စိန်ခေါ်မှုများနှင့် ကျင့်ဝတ်များ

စာရင်းအင်းများကို အသုံးချခြင်းသည် အရည်အသွေးမြင့် သုတေသနကို အလိုအလျောက် အာမမခံနိုင်ပါ။ မကြာခဏ ပေါ်ပေါက်လာသော ပြဿနာအချို့မှာ-
၁။ အချက်အလက်အရည်အသွေးနှင့် ပြောင်းလဲနိုင်သော ကိန်းရှင်များ၏ တိုင်းတာခြင်း- “ဒီမိုကရေစီ”၊ “လူကြိုက်များမှု” သို့မဟုတ် “ယုံကြည်မှု” ကဲ့သို့သော သဘောတရားများကို တစ်ခုတည်း တိုင်းတာရန် ခက်ခဲသည်။
၂။ နမူနာယူခြင်းဘက်လိုက်မှု- ဖြေဆိုသူအချို့ကို ဆက်သွယ်ရန် ပိုမိုခက်ခဲပါက စစ်တမ်းများသည် ကိုယ်စားပြုမှုမရှိနိုင်ပါ။
၃။ မှားယွင်းစွာ အဓိပ္ပာယ်ဖွင့်ဆိုခြင်း- p-တန်ဖိုးများကို မကြာခဏ မှားယွင်းစွာ အဓိပ္ပာယ်ဖွင့်ဆိုလေ့ရှိပြီး ဆက်စပ်မှုကို အကြောင်းရင်းဆိုင်ရာ အကြောင်းရင်းအဖြစ် မကြာခဏ ယူဆလေ့ရှိသည်။
၄။ ပွင့်လင်းမြင်သာမှုနှင့် ပုံတူကူးယူခြင်း- သုတေသီများသည် ဖြစ်နိုင်သည့်နေရာတွင် ဒေတာ၊ ခွဲခြမ်းစိတ်ဖြာကုဒ်နှင့် ဒေတာသန့်ရှင်းရေးလုပ်ထုံးလုပ်နည်းများကို ထုတ်ပြန်ရန် လိုအပ်သည်။
၅။ ကျင့်ဝတ်- ကိုယ်ရေးကိုယ်တာအချက်အလက်များ၊ ကွင်းဆင်းစမ်းသပ်မှုများ သို့မဟုတ် လူမှုမီဒီယာခွဲခြမ်းစိတ်ဖြာမှုများကို အသုံးပြုခြင်းသည် ဘာသာရပ်ကာကွယ်ရေးမူနှင့် ကိုက်ညီရမည်ဖြစ်ပြီး လူမှုရေးဆိုင်ရာ ထိခိုက်မှုမဖြစ်စေရပါ။

ပိတ်

စာရင်းအင်းနည်းလမ်းများသည် ခေတ်သစ်နိုင်ငံရေးသိပ္ပံ၏ မရှိမဖြစ်အစိတ်အပိုင်းတစ်ခု ဖြစ်လာခဲ့သည်။ လူထုထင်မြင်ယူဆချက်လမ်းကြောင်းများကို ဖော်ပြခြင်းနှင့် မဲဆန္ဒရှင်အပြုအမူနှင့် မူဝါဒအကဲဖြတ်မှုများကို ခွဲခြမ်းစိတ်ဖြာခြင်းမှသည် ဖြစ်စဉ်ဆိုင်ရာမော်ဒယ်လ်နှင့် ကြီးမားသောဒေတာများအထိ၊ စာရင်းအင်းများသည် သုတေသီများအား နိုင်ငံရေးရှုပ်ထွေးမှုများကို ပိုမိုတိုင်းတာနိုင်သော တွေ့ရှိချက်များအဖြစ် စုစည်းရန် ကူညီပေးသည်။ သို့သော်၊ စာရင်းအင်းများ၏ စွမ်းအားကို ဂရုတစိုက်သုတေသနဒီဇိုင်း၊ အချက်အလက်အရည်အသွေးနှင့် ကျင့်ဝတ်ဆိုင်ရာတာဝန်ယူမှုတို့နှင့် ဟန်ချက်ညီအောင်ထိန်းထားရမည်။ အဆုံးစွန်အားဖြင့်၊ စာရင်းအင်းများသည် နိုင်ငံရေးကို အနှစ်သာရအားဖြင့် နားလည်ခြင်းအတွက် အစားထိုးခြင်းမဟုတ်ဘဲ၊ အငြင်းပွားမှုများကို အားကောင်းစေပြီး နိုင်ငံရေးအဖြစ်မှန်များကို ပိုမိုစနစ်တကျဖတ်ရှုနိုင်စွမ်းကို တိုးချဲ့ပေးသည့်ကိရိယာတစ်ခုဖြစ်သည်။

သင်အလိုရှိပါက ဤဆောင်းပါးကို ကိုးကားချက်များပါရှိသော ပြီးပြည့်စုံသော ပညာရေးဆိုင်ရာဗားရှင်းအဖြစ် ကျွန်ုပ် ပြုပြင်ပြောင်းလဲနိုင်ပါသည် (APA/ချီကာဂို)၊ အင်ဒိုနီးရှားဖြစ်ရပ်ဥပမာများကို ထည့်သွင်းနိုင်သည်၊ သို့မဟုတ် စာတမ်းတစ်စောင်ကဲ့သို့ ဖွဲ့စည်းနိုင်ပါသည် (အကျဉ်းချုပ်-မိတ်ဆက်-နည်းလမ်းများ-ရလဒ်များ-ဆွေးနွေးချက်)။