01

Introduction

 

Residential Property Price Index (RPPI) in Thailand is a tool developed to measure the change in the selling price of residential properties. It covers purchases of new and resale of single-detached houses, town houses, and condominiums by household while excluding semi-detached houses and custom-build/self-build houses.

 

The RPPI is disseminated monthly and is lagged by one month. 

Data Sources and Coverage

 

The RPPI is constructed from mortgage data provided by commercial banks and Government Housing Bank, which are legally obliged to submit individual’s loan contract data to Bank of Thailand (BOT) monthly.

 

The dataset covers around 55% of total residential property transactions in terms of volume and contains information on dwelling characteristics used as variables in the model, including dwelling type, location, land area, built-up area, building age, storey, and developer type. The appraisal price, including both building and land prices, is used as a proxy for the selling price of properties to construct the RPPI.

 

The index is quality-adjusted using the Time-dummy Hedonic Regression method and comprised of 3 subindexes. The single-detached house and town house price indexes are available nationwide. Meanwhile, the condominium price index is only available in the Bangkok and vicinity, but it accounts for more than 80% of total mortgage transactions for condominiums.

 

Additionally, geographical coordinates of major points of interest (POIs) in a specific area, such as transportation service points, are acquired from Google Maps. POIs are anchored to measure distances from the center of subdistrict of dwellings. The vector distances then are placed as variables in the model.

Methodology

 

Data Processing

 

Filtering Mortgage Transactions

RPPI is constructed using a filtering technique to achieve the price reflecting only residential property. Only transactions with objectives of purchasing new and resale properties are kept in the dataset. Other objectives such as personal consumption, construction of self-builds, and refinancing are excluded. Given that about two-thirds of the data are new properties, the index is inclined to indicate the price change of the new dwellings better than that of the existing ones.

 

The dataset includes single-detached houses, townhouses, and condominiums, while excluding semi-detached houses due to their low number of transactions.

 

Outlier Detection

To remove outliers, the mortgage dataset is filtered using rule-based criteria (Table 1) to exclude transactions with unusual values due to human errors or uncommon houses in terms of size, built-up area, or building age. Note that land area in Thailand is commonly measured in square wa (sq. w.), and a square wa equals to 4 square meters (sq. m.).

HHD

The detailed explanations are as follows:

 

Land Area

According to the Land Development Act and the information from National Housing Authority, a single-detached house and a town house require by law to have the minimum land area of 20 sq. w. and 16 sq. w., respectively. In addition, low-rise dwellings with land area exceeding the 99th percentile of the data each month are treated as outliers and are removed.

Building Age

The maximum building age of 50 years is based on the estimated age of reinforced concrete, according to the civil engineering practices.

Number of Storeys (for single-detached house and town house)

The maximum number of storeys for low-rise dwelling is calculated from the 99th percentile of the data in the past ten years, equal to 3.

Floor Number (for condominium)

The floor number of a unit must not exceed the highest floor of the tallest condominium in Thailand, which is the 73rd floor of the King Power Mahanakhon building. This criterion will be adjusted if the highest floor number changes.

Appraisal Price and Built-up Area

For appraisal price and built-up area, outliers are defined as the number lower than the 1st percentile or greater than the 99th percentile of the data each month.

 

The data undergoes a second filtering process based on the Cook’s Distance method, which identifies outliers that have a large influence on the regression model. The Cook’s Distance method measures how much each data point affects the estimated coefficients of the model.

The final data set, consisting of approximately 10,000 observations per month, is then used to construct the index using the Hedonic Regression method.

 

Quality Adjustment

 

Dwelling prices are influenced by various factors, such as their characteristics, macroeconomic conditions, demand, speculation, and government policies. Dwellings are heterogeneous goods, meaning that they differ in many aspects and are not perfectly substitutable. Therefore, their prices cannot be directly compared over time without accounting for the changes in their quality. To construct a price index that reflects the pure price movements, it is necessary to adjust for the quality differences of dwellings, such as size, age, location, and type. This technique is called “quality adjustment.”

 

There are three main methods to deal with quality adjustment: the repeat sales method, the stratification method, and the hedonic regression method. The repeat sales method is not suitable for Thailand, as dwellings, especially single-detached houses and townhouses, are rarely resold in the short- and medium-term periods. The stratification method groups similar houses together and calculates a weighted median price. This method is effective when house characteristic data is limited but it does not adjust for property-mix change within strata. The hedonic regression method controls the price changes determined by changes in house characteristics. This method is well suited for Thailand’s RPPI compilation, as it requires a rich data set on dwelling characteristics and provides an efficient adjustment.

 

Hedonic regression

 

Hedonic regression model

The Thailand’s hedonic regression method uses a log-linear functional form. The equation is as follows:

HHD2

To measure the change in the price between two consecutive periods, the value of the price index for period t is given by

HHDtable1

Regression variables

The regression variables used in the hedonic regression model are shown in the Table 2 and Table 3.

HHDtable2
HHDtable3

The rolling time dummy approach

The RPPI employs a 12-month rolling time dummy regression model. This model updates the regression coefficients every month by shifting the data window one month forward, while keeping the same 12-month length. This allows for more observations and reduces the short-term volatility in price changes. This also enables the model to capture the changing preferences of buyers over time.

 

Index Aggregation

 

Regional Index Aggregation

The regional house price indexes are calculated by applying the 12-month rolling time dummy regression model to the data from selected provinces, depending on dwelling types. The Table 4 shows the provinces that are included in the regional index calculation.

HHDtable4

National Index Aggregation

The regional house price indexes are aggregated to obtain the national level house price indexes for each dwelling type. The aggregations are done by weighting the regional house price indexes by the total appraisal value of each region, which reflects the relative importance of each region in the housing market. The weights are computed by taking the rolling average of the current and previous 11 months, which is consistent with the 12-month rolling data used in the RPPI model. This method allows for capturing the changes in the structure of the housing market over time.

HHD3

The final step of the RPPI calculation is to apply the 3-month moving average technique to all indexes, which smooths out the short-term fluctuations in the data before dissemination. The RPPIs are accessible at ‌‌https://app.bot.or.th/BTWS_STAT/​‌‌statistics‌/BOTWEBSTAT.aspx?reportID=920&language=ENG

Revision Policy

 

The RPPI is regularly updated to reflect the current conditions of the housing market. One of the aspects that is constantly updated is the location variables of the model, which capture the effects of significant changes in the surrounding areas of the dwellings, such as the construction of new rapid transit stations or landmarks. The index is also periodically reviewed to enhance its coverage and methodology. This may involve incorporating new data sources, modifying the outlier criteria, and improving the model. When these changes are implemented, the index is revised as far back as possible, which may result in a revision of the entire series of the index.

 

When data errors or incompleteness are detected, which may occur in rare circumstances such as a pandemic, the index will be revised in the subsequent release.

Other Real Estate Indicators and Use Cases

 

In addition to the RPPI, BOT compiles the Land Price Index (LPI) to measure the change in land price at appraisal price. However, users should note that the mortgage data used to calculate the LPI includes land with buildings, where the land price is indirectly estimated and may deviate slightly from the actual value. Alternatively, the Empty Land Price Index published by the Real Estate Information Center (REIC) is based on the selling price of vacant plots transferred by corporations and may be more suitable for some use cases, such as monitoring developer costs.

 

Other than the price indexes, BOT and REIC also disseminate various indicators that provide information on the property market, both demand and supply sides, such as total dwellings transferred, housing construction permits, unsold units, etc. BOT uses these indicators, along with the RPPI, to monitor the real estate market and to support policy formation, ensuring financial stability.

Contacts

Mrs. Jaruphan Wanitthanankun        jaruphav@bot.or.th

Mr. Kiattikhun Samritpiam              kiattiks@bot.or.th

Mr. Poonna Pipatpanukul               poonnap@bot.or.th

Bank of Thailand

ดาวน์โหลดบทความฉบับเต็มได้ที่นี่

 

บทคัดย่อ

ธนาคารแห่งประเทศไทย (ธปท.) ได้ปรับปรุงสถิติเงินให้กู้ยืมแก่ภาคครัวเรือน หรือที่รู้จักกันในชื่อ
“หนี้ครัวเรือน” ให้มีความครอบคลุมเพิ่มมากขึ้นเพื่อให้เครื่องชี้สามารถสะท้อนภาพภาระหนี้ที่ใกล้เคียงความจริงมากที่สุด และยังเป็นข้อมูลสนับสนุนการออกนโยบายหรือมาตรการให้ความช่วยเหลือประชาชนได้ดียิ่งขึ้น โดย
มีการปรับปรุงด้านขอบเขตของผู้ให้กู้ จากเดิมที่ครอบคลุมเฉพาะเงินกู้ยืมจากสถาบันการเงินที่รับฝากเงินและ
ไม่รับฝากเงิน ได้เพิ่มความครอบคลุมไปถึงกลุ่มผู้ให้กู้อื่น ๆ ด้วย ได้แก่ กองทุนเงินให้กู้ยืมเพื่อการศึกษา (กยศ.) การเคหะแห่งชาติ ธุรกิจสินเชื่อรายย่อยระดับจังหวัด (พิโกไฟแนนซ์) และสหกรณ์ประเภทต่าง ๆ ที่นอกเหนือจากสหกรณ์ออมทรัพย์ซึ่งได้รวมอยู่ในสถิติเดิมแล้ว

สถิติเงินให้กู้ยืมแก่ภาคครัวเรือนที่ปรับปรุงแล้วมีข้อมูลย้อนหลังตั้งแต่ไตรมาส 1/2555 เป็นต้นไป โดย
การปรับปรุงครั้งนี้ ทำให้ยอดคงค้างของเงินให้กู้ยืมแก่ภาคครัวเรือน ณ ไตรมาส 1/2566 อยู่ที่ 16.0 ล้านล้านบาท หรือมีสัดส่วนร้อยละ 90.6 ต่อ
GDP เพิ่มขึ้นจากก่อนการปรับปรุง 7.7 แสนล้านบาท หรือร้อยละ 4.3 ของ GDP อย่างไรก็ตาม โครงสร้างสัดส่วนเงินให้กู้ยืมที่จำแนกตามวัตถุประสงค์ยังคงใกล้เคียงกับโครงสร้างเดิมก่อน
การปรับปรุง โดยเป็นการกู้ยืมเพื่อซื้อที่อยู่อาศัยเป็นหลัก รองลงมาคือการกู้ยืมเพื่ออุปโภคบริโภคส่วนบุคคลทั่วไป และการกู้ยืมเพื่อประกอบอาชีพ

 

 

การปรับปรุงความครอบคลุมของสถิติเงินให้กู้ยืมแก่ภาคครัวเรือน*

1.      บทนำ

หนี้ครัวเรือนเป็นตัวชี้วัดทางเศรษฐกิจที่สำคัญตัวหนึ่งที่หน่วยงานภาครัฐทุกประเทศ รวมถึงไทย โดย ธปท. ได้มีการติดตามอย่างใกล้ชิด เนื่องจากเป็นเครื่องชี้ที่สะท้อนถึงความมีเสถียรภาพหรือความเปราะบางทางเศรษฐกิจของครัวเรือน ซึ่งสามารถส่งผลต่อการเติบโตทางเศรษฐกิจของประเทศได้ นอกจากนี้ยังสามารถสะท้อนโครงสร้างของตลาดสินเชื่อภาคครัวเรือน

ประเทศไทยมีระบบการเงินที่พึ่งพิงธนาคารเป็นหลักหรือที่เรียกว่า Bank-based economy ดังนั้นผู้ให้กู้หลักแก่ภาคครัวเรือนจึงเป็นธนาคารพาณิชย์และธนาคารเฉพาะกิจของรัฐ จากรูปที่ 1 เห็นได้ว่าธนาคารเป็นผู้ให้กู้
ที่ครองสัดส่วนตลาดมากกว่าร้อยละ 70 ของเงินให้กู้ยืมแก่ภาคครัวเรือนทั้งหมดมาโดยตลอด อย่างไรก็ดี ในช่วง 10 ปี
ที่ผ่านมา บทบาทของธนาคารมีแนวโน้มค่อย ๆ ลดลง และถูกแทนที่ด้วยเงินให้กู้ยืมจากสหกรณ์ออมทรัพย์และ
สถาบันการเงินอื่น โดยเฉพาะธุรกิจสินเชื่อส่วนบุคคล ลีสซิ่ง และบริษัทบัตรเครดิต ค่อย ๆ เพิ่มบทบาทมากขึ้น สังเกตได้จากสัดส่วนที่เพิ่มขึ้นอย่างต่อเนื่อง

 

รูปที่ 1  แผนภูมิยอดคงค้างเงินให้กู้ยืมแก่ภาคครัวเรือนจำแนกตามผู้ให้กู้และเงินให้กู้ยืมแก่ภาคครัวเรือนต่อ GDP ก่อนการปรับปรุงความครอบคลุม

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

การศึกษาเชิงประจักษ์หลายชิ้นบ่งชี้ว่า การขยายตัวของระดับหนี้ครัวเรือนเป็นการเพิ่มความเสี่ยง
การเกิดวิกฤตการเงินและสามารถนำไปสู่การชะลอตัวของการเติบโตทางเศรษฐกิจ ในบทความเรื่องหนี้ครัวเรือนและเสถียรภาพทางการเงินของ
IMF ปี 2017 ระบุว่า อัตราส่วนหนี้ครัวเรือนต่อ GDP ที่เพิ่มขึ้นมีทั้งผลดีและผลเสีย
อย่างไรก็ตาม ผลดีจะเกิดขึ้นเพียงระยะสั้น แต่กลับส่งผลเสียต่อเศรษฐกิจและเสถียรภาพทางการเงินในระยะกลางและระยะยาว โดยในระยะสั้น หนี้ครัวเรือนที่สูงขึ้นสัมพันธ์กับการบริโภคและการจ้างงานที่สูงขึ้น ซึ่งส่งผลให้เกิดการขยายตัว
ทางเศรษฐกิจ แต่ผลดีเหล่านี้จะกลับสู่สภาพเดิมภายใน 3 - 5 ปี การขยายตัวมากขึ้นของหนี้ครัวเรือนในระยะกลางและระยะยาวนั้นสัมพันธ์กับความเสี่ยงของการเกิดวิกฤตในระบบการเงิน เนื่องจากอาจส่งผลให้ภาคครัวเรือนไม่สามารถ
ชำระหนี้ได้ ยิ่งไปกว่านั้นหากเกิดการผิดนัดชำระหนี้ในวงกว้างอาจนำไปสู่วิกฤตเศรษฐกิจได้ในที่สุด ผลเสียเหล่านี้
จะยิ่งมากขึ้นเมื่อระดับหนี้ครัวเรือนยิ่งสูงและเห็นชัดเจนในเขตเศรษฐกิจพัฒนาแล้ว (
Advanced market economies) มากกว่าเขตเศรษฐกิจตลาดเกิดใหม่ (Emerging market economies) ที่ส่วนใหญ่มีระดับหนี้ครัวเรือนและ
การมีส่วนร่วมในตลาดสินเชื่อต่ำกว่าตามรูปที่ 2

 

%

รูปที่ 2 หนี้ครัวเรือนต่อ GDP ณ ไตรมาส 4/2565 ของเขตเศรษฐกิจพัฒนาแล้วและตลาดเกิดใหม่

ที่มา: BIS (ธนาคารเพื่อการชำระหนี้ระหว่างประเทศ) / จัดทำแผนภูมิ: ธปท.

 

 

 

 

 

 

 

 

 

 

ธปท. รวมทั้งหน่วยงานผู้ให้กู้ต่าง ๆ ที่เกี่ยวข้อง ตระหนักถึงความสำคัญของข้อมูลหนี้ครัวเรือนเช่นเดียวกับ
งานศึกษาตามที่กล่าวมาข้างต้น  ประกอบกับการให้กู้ยืมของผู้ให้กู้กลุ่มอื่น ๆ ที่นอกเหนือจากสถาบันการเงินมีบทบาทและขนาดที่มีนัยสำคัญ รวมถึงหน่วยงานผู้ให้กู้อื่น ๆ มีความพร้อมของข้อมูลมากขึ้น ธปท. จึงได้ทบทวนและปรับปรุงข้อมูลเงินให้กู้ยืมแก่ภาคครัวเรือน ให้ครอบคลุมมากกว่าเงินกู้ยืมจากกลุ่มผู้ให้กู้ที่จัดเก็บอยู่เดิม เพื่อให้ได้ข้อมูลที่
สะท้อนภาพภาระทางการเงินของภาคครัวเรือนให้ครบถ้วนใกล้เคียงจริงมากที่สุด เพื่อใช้ในการดำเนินนโยบาย
ทางเศรษฐกิจ และนโยบายการแก้ปัญหาหนี้ให้แก่ครัวเรือนที่แม่นยำมากยิ่งขึ้น

2.      นิยามและขอบเขตของข้อมูลเงินให้กู้ยืมแก่ภาคครัวเรือน

 ข้อมูลเงินให้กู้ยืมแก่ภาคครัวเรือน (Loans to Household) สถิติทางการที่ ธปท. เผยแพร่ มักถูกนำไปใช้อ้างอิงเป็นข้อมูลหนี้ครัวเรือน (Household debts) จนผู้ใช้บางส่วนเข้าใจว่า ข้อมูลทั้ง 2 ชุด คือข้อมูลเดียวกัน อย่างไรก็ดี ตามมาตรฐานสากลสถิติทั้ง 2 ชุด มีนิยามและองค์ประกอบความครอบคลุมแตกต่างกัน ซึ่งมีรายละเอียดดังนี้

เงินให้กู้ยืมแก่ภาคครัวเรือน ยังมิได้มีนิยามหรือองค์ประกอบที่เป็นสากล ในแต่ละประเทศจึงมีรายละเอียด ความครอบคลุมที่ต่างกันทั้งในมิติของผู้ให้กู้และวัตถุประสงค์การกู้ยืม เนื่องจากข้อจำกัดในการเข้าถึงแหล่งข้อมูล หน่วยงานผู้จัดทำข้อมูลจึงใช้ความพยายามอย่างที่สุด (best effort) ในการรวบรวมจากแหล่งข้อมูลเท่าที่จะทำได้ โดยมิติผู้ให้กู้ ข้อมูลของบางประเทศครอบคลุมแค่สถาบันการเงินหรือธนาคารพาณิชย์เนื่องจากกำกับดูแล
โดยธนาคารกลางซึ่งเป็นผู้จัดทำสถิติ บางประเทศขอความร่วมมือจากภาคเศรษฐกิจอื่น ๆ เช่น สถาบันการเงินอื่น หน่วยงานราชการ หรือภาคธุรกิจร่วมด้วย ทำให้มีความครอบคลุมในมิติของผู้ให้กู้กว้างมากขึ้น สำหรับมิติ
ด้านวัตถุประสงค์ ข้อมูลของบางประเทศครอบคลุมเฉพาะการอุปโภคบริโภคส่วนบุคคล และบางประเทศครอบคลุมถึงการนำไปประกอบอาชีพด้วย ความครอบคลุมของข้อมูลเงินให้กู้ยืมแก่ครัวเรือนของไทย และตัวอย่างคำศัพท์
และนิยามของประเทศต่าง ๆ แสดงดังตารางที่
1

ตารางที่ 1 ตัวอย่างคำศัพท์ที่ใช้เรียกเงินให้กู้ยืมแก่ภาคครัวเรือนของประเทศต่าง ๆ

ประเทศ/
กลุ่มประเทศ

คำศัพท์ที่ใช้เรียก
เงินให้กู้ยืมแก่ภาคครัวเรือน
(Term)

ความหมาย

ไทย

Loans to Households

เงินให้กู้ยืมทุกประเภทที่ให้แก่บุคคลธรรมดาที่อยู่อาศัยในประเทศ (resident) ทั้งเงินเบิกเกินบัญชี เงินให้กู้ยืมทั่วไป ตั๋วเงินที่เปลี่ยนมือไม่ได้ และเงินลงทุนในลูกหนี้ รวมทุกสกุลเงินในทุกวัตถุประสงค์ โดยรวมเฉพาะส่วนที่เป็นเงินต้น (ไม่รวมดอกเบี้ยคงค้าง)

ญี่ปุ่น

Loans to Households

เงินให้กู้ยืมเพื่อที่อยู่อาศัยและเพื่ออุปโภคบริโภค

สหภาพยุโรป

Loans granted to households

เงินให้กู้ยืมแก่ภาคครัวเรือนและองค์กรไม่แสวงหากำไร

มาเลเซีย

Loans to Household sector

เงินให้กู้ยืมแก่บุคคลธรรมดาของธนาคาร (ไม่รวม non-bank)
โดยไม่รวมเงินกู้เพื่อประกอบกิจการ

ฝรั่งเศส

Loans to individuals

เงินให้กู้ยืมแก่บุคคลธรรมดาจากสถาบันการเงินในประเทศ

อังกฤษ

Lending to Individuals (excluding student loans)

เงินให้กู้ยืมแก่บุคคลธรรมดาจากสถาบันการเงิน โดยไม่รวมเงินกู้ยืม
เพื่อการศึกษาและเพื่อประกอบกิจการ

แคนาดา

Credit liabilities of households

เงินให้กู้ยืมแก่ภาคครัวเรือน (รวมกิจการที่ไม่จดทะเบียนเป็น
นิติบุคคล) จากทุกภาคเศรษฐกิจ

เกาหลีใต้

Credit to households

เงินให้กู้ยืมแก่ภาคครัวเรือนจากสถาบันการเงินที่รับฝากเงิน สถาบันการเงินที่ไม่รับฝากเงิน และสินเชื่อการค้า

สิงคโปร์

Consumer loans

เงินให้กู้ยืมและเงินทดรองจากธนาคารแก่บุคคลธรรมดา โดยไม่รวม
เงินให้กู้ยืมเพื่อประกอบกิจการ

สหรัฐอเมริกา

Consumer Credit

เงินให้กู้ยืมแก่บุคคลธรรมดาเพื่ออุปโภคบริโภคในครัวเรือน โดย
ไม่รวมเงินกู้ยืมที่มีอสังหาริมทรัพย์ค้ำประกัน

ขณะที่ หนี้ครัวเรือน (Household debt) ตามนิยามขององค์กรระหว่างประเทศ เช่น BIS (ธนาคาร
เพื่อการชำระหนี้ระหว่างประเทศ)
IMF (กองทุนการเงินระหว่างประเทศ) หรือ OECD (องค์การเพื่อความร่วมมือและการพัฒนาทางเศรษฐกิจ) หมายถึง หนี้สินรวมทั้งหมด ซึ่งประกอบด้วยเครื่องมือทางการเงินทุกประเภท ได้แก่ ตราสารหนี้ (debt securities) เงินกู้ยืม (loans) รวมถึงหนี้สินอื่น ๆ ของภาคครัวเรือน ที่มีต่อทุกภาคเศรษฐกิจ
ทั้งภายในประเทศและต่างประเทศ โดยเงินกู้ยืมเป็นหนี้สินที่รวมทั้งเงินต้นและดอกเบี้ยคงค้าง ส่วนตราสารหนี้
เป็นหนี้สินตามมูลค่าตลาด

หนี้ครัวเรือนที่มีความครอบคลุมครบถ้วนตามนิยามสากลข้างต้น จำเป็นต้องใช้ข้อมูลในระบบบัญชีประชาชาติ หรือ System of National Accounts จากส่วนที่เป็นงบแสดงฐานะการเงินแบบจำแนกภาคเศรษฐกิจของคู่สัญญาของภาคครัวเรือน หรือ Household and NPISHs Sectoral Balance Sheet  อย่างไรก็ตาม ขณะนี้ประเทศไทยยังไม่มีข้อมูลงบแสดงฐานะการเงินดังกล่าวที่สมบูรณ์ ดังนั้น ถึงแม้ว่าความครอบคลุมของข้อมูลชุด
เงินให้กู้ยืมแก่ภาคครัวเรือนจะแคบกว่า แต่ก็เป็นข้อมูลที่มีขอบเขตใกล้เคียงมากที่สุดที่สามารถนำมาใช้ทดแทนได้ ประเทศไทยจึงใช้ข้อมูลสถิติเงินให้กู้ยืมแก่ภาคครัวเรือนและสถิติหนี้ครัวเรือนเป็นข้อมูลชุดเดียวกัน ซึ่ง
การเปรียบเทียบความครอบคลุมของหนี้ครัวเรือน ตามนิยามสากล และเงินให้กู้ยืมแก่ครัวเรือนของไทย
แสดงดังตารางที่
2

ตารางที่ 2 เปรียบเทียบความครอบคลุมของหนี้ครัวเรือน (ตามนิยามสากล) และเงินให้กู้ยืมแก่ภาคครัวเรือน
ของไทย (ก่อนการปรับปรุง)

มิติต่าง ๆ ของความครอบคลุม

หนี้ครัวเรือน

(นิยามสากล)

เงินให้กู้ยืมแก่ภาคครัวเรือน หรือ หนี้ครัวเรือนของไทย
(ก่อนการปรับปรุง)

1.      ผู้กู้

 

 

 

ครัวเรือน

P

P

 

องค์กรไม่แสวงหากำไรที่ให้บริการครัวเรือน (NPISHs*)

P

Î

2.      ผู้ให้กู้

 

 

 

สถาบันการเงิน

P

P

 

ภาครัฐบาล

P

Î

 

ภาคธุรกิจที่ไม่ใช่สถาบันการเงิน

P

Î

 

เจ้าหนี้ต่างประเทศ

P

Î

3.      เครื่องมือทางการเงิน

 

 

 

เงินกู้ยืม

P

P

 

ตราสารหนี้

P

Î

 

หนี้สินอื่น ๆ เช่น หนี้สินทางการค้า

P

Î

4.      การวัดมูลค่า

 

 

 

เงินกู้ยืม

 

 

 

 

เงินต้น

P

P

 

 

ดอกเบี้ยค้างรับ

P

Î

 

ตราสารหนี้

 

 

 

 

มูลค่าตลาด

P

-

*ตัวอย่างขององค์กรไม่แสวงหากำไรที่ให้บริการครัวเรือน หรือ NPISHs ได้แก่ วัด โบสถ์ องค์กรทางศาสนา มูลนิธิเพื่อการกุศล สโมสรกีฬา สหภาพแรงงาน และพรรคการเมือง

ทั้งนี้ แต่ละประเทศมักนำสถิติเงินให้กู้ยืมแก่ภาคครัวเรือนหรือหนี้ครัวเรือนมาจัดทำเป็นอัตราส่วนหนี้สินของภาคครัวเรือนต่อ GDP ของประเทศ เพื่อประเมินระดับหนี้ของภาคครัวเรือนมีมาก-น้อยเพียงใดเมื่อเทียบกับขนาดเศรษฐกิจของประเทศ ซึ่งจากฐานข้อมูลของ BIS ประเทศต่าง ๆ มีอัตราส่วนของหนี้ครัวเรือนต่อ GDP
ตามตารางที่
3

ตารางที่ 3 ตัวอย่างอัตราส่วนหนี้สินของภาคครัวเรือนต่อ GDP ของประเทศต่าง ๆ ณ ไตรมาส 4/2565 จากฐานข้อมูลของ BIS

ประเทศ/กลุ่มประเทศ

หนี้สินของภาคครัวเรือนต่อ GDP*
  ณ ไตรมาส 4/2565

ไทย**

87.7

ญี่ปุ่น

68.2

สหภาพยุโรป

57.4

มาเลเซีย

66.8

ฝรั่งเศส

66.2

สหราชอาณาจักร

83.5

แคนาดา

102.4

เกาหลีใต้

105.0

สิงคโปร์

48.6

สหรัฐอเมริกา

74.4

จีน

61.3

                                   *Total credit to households (core debt) to GDP (BIS) ซึ่งผู้กู้รวมองค์กรไม่แสวงหากำไร
                                   ** ก่อนการปรับปรุง

3.      การปรับปรุงสถิติเงินให้กู้ยืมแก่ภาคครัวเรือน

สถิติเงินให้กู้ยืมแก่ภาคครัวเรือนของ ธปท. ก่อนการปรับปรุง ประกอบด้วย สถิติเงินให้กู้ยืมแก่
ภาคครัวเรือนที่จำแนกตามสถาบันผู้ให้กู้และตามวัตถุประสงค์การกู้ โดยมิติของผู้ให้กู้ ธปท. ได้จัดเก็บและขยายความครอบคลุมข้อมูลการให้กู้ยืมของผู้ให้กู้เพิ่มขึ้นอย่างต่อเนื่อง ซึ่งสถิติชุดล่าสุดก่อนการปรับปรุงมีองค์ประกอบของผู้ให้กู้ ได้แก่ ธนาคารพาณิชย์ สถาบันการเงินเฉพาะกิจของรัฐที่รับฝากเงิน บริษัทเงินทุน บริษัทเครดิตฟองซิเอร์ และสหกรณ์ออมทรัพย์ นอกจากนี้ ธปท. ยังได้รับความร่วมมือเป็นอย่างดีจากหน่วยงานกำกับดูแลอื่นและจากสถาบันการเงินโดยตรง เช่น ธุรกิจสินเชื่อที่ไม่ใช่ธนาคาร (
Non-bank) บริษัทประกันภัยและประกันชีวิต
บริษัทหลักทรัพย์ ธุรกิจบริหารสินทรัพย์ โรงรับจำนำ เป็นต้น ดังรายละเอียดตามตารางที่
4 สถิติชุดนี้เริ่มเผยแพร่ครั้งแรกเมื่อเดือนมีนาคม 2556 โดยมีข้อมูลย้อนหลังเริ่มตั้งแต่ไตรมาส 1 ปี 2546

ส่วนมิติวัตถุประสงค์การกู้ยืม ธปท. เห็นว่า ข้อมูลที่จำแนกวัตถุประสงค์จะช่วยให้ผู้ใช้ข้อมูลทราบถึง
การนำเงินกู้ยืมไปใช้ในวัตถุประสงค์ต่าง ๆ รวมทั้งช่วยในการวิเคราะห์และประเมินความเสี่ยงของสินเชื่อ
แต่ละประเภทได้ดียิ่งขึ้น จึงได้จัดทำและเผยแพร่สถิติเงินให้กู้ยืมแก่ภาคครัวเรือนจำแนกตามวัตถุประสงค์
เมื่อต้นปี
2563 โดยมีข้อมูลย้อนหลังเริ่มตั้งแต่ไตรมาส 1 ปี 2555  โดยวัตถุประสงค์ที่จำแนกได้มีดังต่อไปนี้

Ø เพื่ออุปโภคบริโภค

·      เพื่อซื้ออสังหาริมทรัพย์

·      ซื้อหรือเช่าซื้อรถยนต์และรถจักรยานยนต์

·      เพื่อการศึกษา

·      อุปโภคบริโภคส่วนบุคคลอื่น

§  บัตรเครดิตและสินเชื่อส่วนบุคคลภายใต้การกำกับของ ธปท.

§  สินเชื่อส่วนบุคคลอื่น ๆ (ไม่ได้อยู่ภายใต้การกำกับของ ธปท.)

Ø เพื่อประกอบอาชีพ

Ø อื่น ๆ

สำหรับการปรับปรุงสถิติในครั้งนี้เป็นการขยายความครอบคลุมของผู้ให้กู้เพิ่มเติมจากเดิมที่มีเฉพาะ
สถาบันการเงิน โดยมีปัจจัยหรือเกณฑ์ในการเลือกแหล่งข้อมูล ได้แก่ ความคุ้มค่า (
cost and benefit)
ความมีสาระสำคัญของข้อมูล (
materiality) คุณภาพของข้อมูล ความน่าเชื่อถือของแหล่งข้อมูล ความสม่ำเสมอ
ของการเผยแพร่จากแหล่งข้อมูล ภาระของผู้รายงาน ความต่อเนื่องเพียงพอของข้อมูลสำหรับการวิเคราะห์
อนุกรมเวลา (
time series) รวมถึงการทำประมาณการเพิ่มเติมจากข้อมูลที่ได้รับที่จะต้องสามารถทำได้โดยใช้
หลักสถิติที่สมเหตุสมผล จากการพิจารณาปัจจัยตามที่กล่าวถึงข้างต้น ธปท. ได้เลือกข้อมูลจาก
4 แหล่งเพื่อนำมาปรับปรุงสถิติเงินให้กู้ยืมแก่ภาคครัวเรือน ซึ่งรวมทั้งผู้ให้กู้ที่อยู่ในภาครัฐและภาคเอกชนด้วย ได้แก่

Ø การเคหะแห่งชาติ

Ø กองทุนเงินให้กู้ยืมเพื่อการศึกษา

Ø ธุรกิจสินเชื่อรายย่อยระดับจังหวัด หรือ พิโกไฟแนนซ์

Ø สหกรณ์ประเภทอื่น ๆ นอกเหนือจากสหกรณ์ออมทรัพย์ ได้แก่ สหกรณ์เครดิตยูเนี่ยน
สหกรณ์การเกษตร สหกรณ์ประมง สหกรณ์ร้านค้า สหกรณ์นิคม และสหกรณ์บริการ

กลุ่มผู้ให้กู้เหล่านี้ได้เข้ามามีบทบาทในตลาดสินเชื่อภาคครัวเรือนมากขึ้นเรื่อย ๆ โดยในช่วง 10 ปีที่ผ่านมา มีการให้เงินกู้ยืมแก่ครัวเรือนเพิ่มขึ้นถึงเกือบร้อยละ 50 กล่าวคือเพิ่มขึ้นจากราว 5 แสนล้านบาท ณ ไตรมาส 1
ปี
2555 มาเป็น 7.7 แสนล้านบาท ณ ไตรมาส 1 ปี 2566

ความครอบคลุมของกลุ่มผู้ให้กู้สำหรับสถิติชุดที่ปรับปรุงแล้ว สามารถจำแนกเป็นสถาบันรับฝากเงิน สถาบันการเงินอื่น และภาคเศรษฐกิจอื่น ดังรายละเอียดตามตารางที่ 4 โดยมีข้อมูลย้อนหลังเริ่มตั้งแต่ไตรมาส 1
ปี
2555 ในขณะที่ข้อมูลเงินให้กู้ยืมแก่ภาคครัวเรือนจำแนกตามวัตถุประสงค์ภายหลังการปรับปรุงไม่มี
การเปลี่ยนแปลงรายการวัตถุประสงค์จากเดิม อย่างไรก็ตาม การขยายความครอบคลุมของผู้ให้กู้ทำให้จำเป็นต้องสร้างชุดข้อมูลใหม่อีกหนึ่งชุด โดยมีข้อมูลย้อนหลังเริ่มตั้งแต่ไตรมาส
1 ปี 2555 เช่นกัน เพื่อให้แนวโน้มของข้อมูล
มีความต่อเนื่องและมีข้อมูลในช่วงระยะเวลาที่ยาวเพียงพอสำหรับการวิเคราะห์และการพยากรณ์ได้

ตารางที่ 4 การเปรียบเทียบความครอบคลุมในมิติของผู้ให้กู้ในชุดข้อมูลเงินให้กู้ยืมแก่ภาคครัวเรือน

ความครอบคลุมก่อนปรับปรุง

ความครอบคลุมหลังปรับปรุง

Ø สถาบันการเงินที่รับฝากเงิน

Ø สถาบันการเงินที่รับฝากเงิน

·      ธนาคารพาณิชย์ในประเทศ

·      ธนาคารพาณิชย์ในประเทศ

·      สถาบันการเงินเฉพาะกิจที่รับฝากเงิน

·      สถาบันการเงินเฉพาะกิจที่รับฝากเงิน

·      สหกรณ์ออมทรัพย์

·      สหกรณ์ออมทรัพย์

·      สถาบันรับฝากเงินอื่นๆ

 

·      สถาบันรับฝากเงินอื่นๆ (รวมสหกรณ์เครดิตยูเนี่ยน)

Ø สถาบันการเงินอื่น

Ø สถาบันการเงินอื่น

·      บริษัทบัตรเครดิต ลิสซิ่ง และสินเชื่อส่วนบุคคล

·      บริษัทบัตรเครดิต ลิสซิ่ง และสินเชื่อส่วนบุคคล

·      บริษัทประกันภัยและประกันชีวิต

·      บริษัทประกันภัยและประกันชีวิต

·      บริษัทหลักทรัพย์

·      บริษัทหลักทรัพย์

·      ธุรกิจบริหารสินทรัพย์สถาบันการเงิน

·      ธุรกิจบริหารสินทรัพย์สถาบันการเงิน

·      โรงรับจำนำ

·      โรงรับจำนำ

·      สถาบันการเงินอื่นๆ

 

·      สถาบันการเงินอื่นๆ (รวมธุรกิจสินเชื่อรายย่อยระดับจังหวัด หรือ พิโกไฟแนนซ์)

 

Ø ภาคเศรษฐกิจอื่น 
(กองทุนเงินให้กู้ยืมเพื่อการศึกษา, การเคหะแห่งชาติ, สหกรณ์การเกษตร, สหกรณ์บริการ, สหกรณ์นิคม, สหกรณ์ประมง, สหกรณ์ร้านค้า)

เมื่อปรับปรุงความครอบคลุมของสถาบันผู้ให้กู้แล้ว ยอดคงค้างรวมของเงินให้กู้ยืมแก่ภาคครัวเรือน ณ
ไตรมาส
1 ปี 2566 เพิ่มขึ้น 7.7 แสนล้านบาท ขณะที่อัตราส่วนเงินให้กู้ยืมแก่ภาคครัวเรือนต่อ GDP เพิ่มขึ้นจากร้อยละ 86.3 เป็นร้อยละ 90.6

 

รูปที่ 3  แผนภูมิเปรียบเทียบยอดคงค้างเงินให้กู้ยืมแก่ภาคครัวเรือน และหนี้ครัวเรือนต่อ GDP
ก่อนและหลังการปรับปรุงความครอบคลุม

รูปที่ 4  แผนภูมิเปรียบเทียบสัดส่วนเงินให้กู้ยืมแก่ภาคครัวเรือนจำแนกวัตถุประสงค์ ณ ไตรมาส 1/2566
ก่อนและหลังการปรับปรุงความครอบคลุม

สำหรับวัตถุประสงค์การกู้ยืมที่มีการเปลี่ยนแปลงเพิ่มขึ้นมากที่สุด คือวัตถุประสงค์เพื่อการศึกษา โดย
ณ ไตรมาส 1 ปี
2566 เงินกู้ยืมเพื่อการศึกษาเพิ่มขึ้นจากสถิติชุดเดิม 4.8 แสนล้านบาทหรือมากกว่า 2 เท่า
แต่โดยรวมแล้วสัดส่วนของเงินกู้ยืมแต่ละวัตถุประสงค์ไม่แตกต่างจากเดิมมากนัก โดยวัตถุประสงค์หลักยังคง
เป็นการกู้ยืมเพื่อซื้ออสังหาริมทรัพย์ รองลงมาคือการกู้ยืมเพื่ออุปโภคบริโภคส่วนบุคคล

 

4.      บทสรุป

สถิติเงินให้กู้ยืมแก่ภาคครัวเรือน เป็นข้อมูลที่หลายภาคส่วนให้ความสนใจติดตามอยู่เสมอ เนื่องจากเป็นเครื่องชี้ที่ช่วยสะท้อนถึงเสถียรภาพทางเศรษฐกิจของภาคครัวเรือนในประเทศ ที่ผ่านมา ธปท. จึงมีการปรับปรุงขยายความครอบคลุมสถิติดังกล่าวอยู่เป็นระยะ ๆ สำหรับการปรับปรุงในครั้งนี้ เพื่อให้สถิติดังกล่าวสะท้อนระดับหนี้ของภาคครัวเรือนที่ใกล้เคียงจริงมากที่สุด ธปท. และหน่วยงานผู้ให้กู้มีความพยายามในการจัดเก็บและรวบรวมข้อมูลจากทุกแหล่งที่สามารถเข้าถึงได้ ซึ่งได้เพิ่มความครอบคลุมเงินให้กู้ยืมของกลุ่มผู้ให้กู้อื่น ๆ  ได้แก่ กองทุนเงินให้กู้ยืมเพื่อการศึกษา การเคหะแห่งชาติ ธุรกิจพิโกไฟแนนซ์ และสหกรณ์ประเภทต่าง ๆ เข้ามาด้วย เนื่องจากเป็นแหล่งข้อมูลที่มีบทบาทการให้กู้ยืมแก่ครัวเรือนเพิ่มมากขึ้น รวมทั้งมีความพร้อมทั้งด้านคุณภาพของข้อมูล และ
การให้ข้อมูลที่เพียงพอเพื่อให้สามารถใช้งานและเผยแพร่ได้อย่างต่อเนื่อง อย่างไรก็ดี สถิติเงินให้กู้ยืมแก่

ภาคครัวเรือนของไทยมีนิยามและขอบเขตใกล้เคียงกับข้อมูลของต่างประเทศแต่ยังไม่ครอบคลุมในมิติต่าง ๆ เท่ากับหนี้สินของภาคครัวเรือนตามนิยามสากลขององค์กรระหว่างประเทศ

ข้อมูลเงินให้กู้ยืมแก่ภาคครัวเรือนต่อ GDP หลังการปรับปรุงมีการปรับเพิ่มขึ้นจากข้อมูลก่อนปรับปรุงเฉลี่ยร้อยละ 4.5 ตลอดทั้งชุดข้อมูล โดยในข้อมูลที่จำแนกตามผู้ให้กู้มีการเพิ่มผู้ให้กู้ภาคอื่น ๆ เข้ามาด้วยนอกเหนือจากภาคสถาบันการเงิน ส่วนข้อมูลที่จำแนกตามวัตถุประสงค์การกู้ยืมมีความใกล้เคียงกับสัดส่วนเดิม มีเพียงสัดส่วนของเงินกู้เพื่อการศึกษาที่เพิ่มขึ้นจากร้อยละ 1 เป็นร้อยละ 4 ของเงินให้กู้ยืมแก่ภาคครัวเรือนทั้งหมด

ทั้งนี้ ธปท. กำหนดการเผยแพร่ข้อมูลสถิติชุดใหม่ที่จำแนกตามกลุ่มสถาบันผู้ให้กู้และวัตถุประสงค์การกู้
เป็นรายไตรมาส ล่าช้า
1 ไตรมาส เริ่มตั้งแต่ข้อมูลไตรมาส 1 ปี 2566 โดยมีข้อมูลย้อนหลังถึงงวดไตรมาส 1
ปี 2555 ในวันที่ 30 มิถุนายน 2566 เป็นต้นไป และสำหรับสถิติชุดปัจจุบันจะเผยแพร่จนถึงข้อมูลงวดไตรมาส 4
ปี
2566

 

ภาคผนวก

ตารางที่ 1 การเปรียบเทียบข้อมูลเงินให้กู้ยืมแก่ภาคครัวเรือนจำแนกตามผู้ให้กู้ชุดเดิมกับข้อมูลปัจจุบัน
หลังการปรับปรุงความครอบคลุมสำหรับงวดไตรมาส 1 ปี 2566

(หน่วย: ล้านบาท)

 

 

 

ก่อนปรับปรุง

หลังปรับปรุง

 

 

Q1/2566

Q1/2566

1

สถาบันรับฝากเงิน

12,834,383

12,890,446

2

       ธนาคารพาณิชย์

6,327,510

6,327,510

3

       สถาบันการเงินเฉพาะกิจที่รับฝากเงิน

4,262,938

4,262,938

4

       สหกรณ์ออมทรัพย์

2,241,722

2,241,722

5

       สถาบันรับฝากเงินอื่นๆ

2,213

58,276

6

สถาบันการเงินอื่น

2,359,634

2,366,114

7

       บริษัทบัตรเครดิต ลิสซิ่ง และสินเชื่อส่วนบุคคล

1,848,409

1,848,409

8

       บริษัทประกันภัยและประกันชีวิต

179,401

179,401

9

       บริษัทหลักทรัพย์

116,460

116,460

10

       ธุรกิจบริหารสินทรัพย์สถาบันการเงิน

87,955

87,955

11

       โรงรับจำนำ

82,264

82,264

12

       สถาบันการเงินอื่นๆ

45,145

51,625

13

อื่น ๆ

-

703,741

14

รวม

 15,194,016

 15,960,301

15

เงินให้กู้ยืมแก่ภาคครัวเรือนต่อ GDP (%)

 86.3

90.6

16

เงินให้กู้ยืมแก่ภาคครัวเรือนต่อ GDP ปรับฤดูกาล (%)

86.2

90.6

ตารางที่ 2 การเปรียบเทียบข้อมูลเงินให้กู้ยืมแก่ภาคครัวเรือนจำแนกตามวัตถุประสงค์การกู้ยืมชุดเดิมกับข้อมูลปัจจุบันหลังการปรับปรุงความครอบคลุมสำหรับงวดไตรมาส 1 ปี 2566

(หน่วย: ล้านบาท)

 

 

 

ก่อนปรับปรุง

หลังปรับปรุง

 

 

Q1/2566

Q1/2566

1

เพื่ออุปโภคบริโภคส่วนบุคคล

11,615,763

 12,140,717

2

   เพื่อซื้ออสังหาริมทรัพย์

5,341,316

 5,352,505

3

   ซื้อหรือเช่าซื้อรถยนต์และรถจักรยานยนต์

1,809,336

 1,809,336

4

   เพื่อการศึกษา

211,858

 696,449

5

   อุปโภคบริโภคส่วนบุคคลอื่น

4,253,253

 4,282,427

6

      of which บัตรเครดิตและสินเชื่อส่วนบุคคลภายใต้
      การกำกับของธปท.

1,233,927

 1,233,927

7

เพื่อประกอบอาชีพ

2,714,557

 2,897,568

8

อื่นๆ

863,697

 922,015

9

รวม

15,194,016

 15,960,301

10

เงินให้กู้ยืมแก่ภาคครัวเรือนต่อ GDP (%)

 86.3

 90.6

 

 

เอกสารอ้างอิง

Bank for International Settlements. (2 มิถุนายน 2566). Total credit to households (core debt): BIS. เรียกใช้เมื่อ 20 มิถุนายน 2566 จาก เว็บไซต์ Bank for International Settlements: https://stats.bis.org/statx/srs/table/f3.1

Bank for International Settlements. (ม.ป.ป.). About credit statistics: BIS. เรียกใช้เมื่อ 20 เมษายน 2565 จาก เว็บไซต์ Bank for International Settlements: https://www.bis.org/statistics/about_credit_stats.htm?m=2673

Bank Negara Malaysia. (ม.ป.ป.). Publications - Monthly Highlights & Statistics in April 2022. เรียกใช้เมื่อ 14 มิถุนายน 2565 จาก เว็บไซต์ Bank Negara Malaysia: https://www.bnm.gov.my/-/monthly-highlights-statistics-in-april-2022

Bank of England. (14 กุมภาพันธ์ 2562). Further details about total lending to individuals data. เรียกใช้เมื่อ 14 มิถุนายน 2565 จาก เว็บไซต์ Bank of England: https://www.bankofengland.co.uk/statistics/details/further-details-about-total-lending-to-individuals-data

Bank of Japan. (ม.ป.ป.). [Notes on Statistics] Monetary Aggregates (Market volume, outstanding) / Outstanding of Deposits and Loans. เรียกใช้เมื่อ 28 เมษายน 2565 จาก เว็บไซต์ Bank of Japan: https://www.boj.or.jp/en/statistics/outline/note/notest33.htm/#08

Bank of Korea. (28 พฤษภาคม 2565). Economic Statisitics System - Search Stat. เรียกใช้เมื่อ 14 มิถุนายน 2565 จาก เว็บไซต์ Economic Statisitics System: https://ecos.bok.or.kr/#/SearchStat

Banque de France. (1 เมษายน 2565). Loans to individuals, France 2022Feb. เรียกใช้เมื่อ 20 เมษายน 2565 จาก เว็บไซต์ Banque de France: https://www.banque-france.fr/en/statistics/loans-individuals-france-2022feb

Board of Governors of the Federal Reserve System. (5 มิถุนายน 2563). The Fed - Consumer Credit - G.19 - About. เรียกใช้เมื่อ 13 มิถุนายน 2565 จาก เว็บไซต์ Federal Reserve Board: https://www.federalreserve.gov/releases/g19/about.htm

European Central Bank. (18 สิงหาคม 2563). European Central Bank - Statistical Data Warehouse - Quick View. เรียกใช้เมื่อ 18 เมษายน 2565 จาก เว็บไซต์ European Central Bank: https://sdw.ecb.europa.eu/quickview.do?SERIES_KEY=332.QSA.Q.N.I8.W0.S1M.S1.N.L.LE.F4.T._Z.XDC_R_B1GQ_CY._T.S.V.N._T

Monetary and Financial Dept. International Monetary Fund. . (ตุลาคม 2560). Global Financial Stability Report, October 2017 Is Growth at Risk? Washington, D.C.: International Monetary Fund.

Monetary Authority of Singapore. (26 กุมภาพันธ์ 2563). MAS Monthly Statistical Bulletin - I.5A Commercial Banks: Loans and Advances to Residents by Industry. เรียกใช้เมื่อ 13 มิถุนายน 2565 จาก เว็บไซต์ Monetary Authority of Singapore: https://eservices.mas.gov.sg/statistics/msb-xml/Report.aspx?tableSetID=I&tableID=I.5A

OECD. (ม.ป.ป.). Household accounts - Household debt - OECD Data. เรียกใช้เมื่อ 18 เมษายน 2565 จาก เว็บไซต์ OECD: https://data.oecd.org/hha/household-debt.htm

Statistics Canada. (18 ธันวาคม 2563). Guide to the Monthly Credit Aggregates. เรียกใช้เมื่อ 14 มิถุนายน 2565 จาก เว็บไซต์ Statistics Canada: https://www150.statcan.gc.ca/n1/en/pub/13-605-x/2020001/article/00004-eng.pdf?st=C41h4j3e

Statistics Canada. (13 มิถุนายน 2565). Credit liabilities of households. doi:https://doi.org/10.25318/3610063901-eng

ธนาคารแห่งประเทศไทย.ทีมสถิติการเงินการคลัง 1-2. (ม.ป.ป.). คำอธิบายข้อมูล: EC_MB_039 เงินให้กู้ยืมแก่ภาคครัวเรือน. เรียกใช้เมื่อ 18 เมษายน 2565 จาก เว็บไซต์ธนาคารแห่งประเทศไทย: https://www.bot.or.th/App/BTWS_STAT/statistics/DownloadFile.aspx?file=EC_MB_039_TH.PDF

รชต ตั้งนรารัชชกิจ. (18 มกราคม 2565). หนี้ครัวเรือน: ปัญหาที่ทุกคนต้องร่วมด้วยช่วยกันแก้. เข้าถึงได้จาก เว็บไซต์ธนาคารแห่งประเทศไทย: https://www.bot.or.th/Thai/ResearchAndPublications/articles/Pages/Article_18Jan2022-2.aspx

 

 

ผู้จัดทำ

  พิชามญชุ์ กิตติอัครเสถียร

  ผู้วิเคราะห์อาวุโส

  ธนาคารแห่งประเทศไทย

  PichamKi@bot.or.th

 

 



* ผู้เขียนขอขอบคุณ คุณสุวัชชัย ใจข้อ คุณคุณทิพย์ ตรงธรรมกิจ คุณวิชชวรรณ วรฉัตราวณิช และคุณชญากัญจน์ ประเสริฐบัญชาชัย สำหรับความร่วมมือ การสนับสนุน และคำแนะนำที่มีค่าตลอดระยะเวลาการศึกษาปรับปรุงในครั้งนี้