May 24, 2019
- WWW.SETTRADE.COM -  SET  1,610.36  +0.57  +0.04%         Value  27,116.22  Mil.Baht         SET50  1,070.16  -0.33  -0.03%         Value  20,111.16  Mil.Baht         SET100  2,359.88  +0.11  +0.00%         Value  22,781.26  Mil.Baht         sSET  733.63  -0.20  -0.03%         Value  383.77  Mil.Baht         SETCLMV  1,006.75  +4.49  +0.45%         Value  6,397.42  Mil.Baht         SETHD  1,183.56  +1.43  +0.12%         Value  8,966.63  Mil.Baht         SETTHSI  1,028.16  +0.33  +0.03%         Value  18,650.87  Mil.Baht         SETWB  1,005.28  +4.18  +0.42%         Value  5,822.46  Mil.Baht         mai  339.31  +0.24  +0.07%         Value  148.89  Mil.Baht             AGRO  417.98  +4.12  +1.00%       AGRI  174.64  -0.50  -0.29%       FOOD  12,045.19  +127.85  +1.07%           CONSUMP  105.80  -0.17  -0.16%       FASHION  689.54  -1.26  -0.18%       HOME  27.48  -0.15  -0.54%       PERSON  249.33  +0.64  +0.26%           FINCIAL  188.20  +0.55  +0.29%       BANK  504.69  +1.12  +0.22%       FIN  3,815.58  +9.31  +0.24%       INSUR  11,497.40  +64.98  +0.57%           INDUS  113.27  -0.61  -0.54%       AUTO  463.47  -0.18  -0.04%       IMM  43.57  -0.04  -0.09%       PAPER  2,841.26  0.00  0.00%       PETRO  1,084.21  -7.38  -0.68%       PKG  3,177.39  +5.14  +0.16%       STEEL  26.85  -0.13  -0.48%           PROPCON  135.65  +0.04  +0.03%       CONMAT  11,071.37  -9.48  -0.09%       PROP  285.03  -0.21  -0.07%       PF&REIT  225.77  +0.69  +0.31%       CONS  91.85  +0.49  +0.54%           RESOURC  209.18  -0.58  -0.28%       ENERG  23,855.20  -66.70  -0.28%       MINE  7.19  0.00  0.00%           SERVICE  506.12  +0.05  +0.01%       COMM  41,114.77  +508.61  +1.25%       HELTH  5,665.76  -31.80  -0.56%       MEDIA  54.45  +0.17  +0.31%       PROF  135.40  +1.25  +0.93%       TOURISM  582.63  -1.83  -0.31%       TRANS  379.45  -4.90  -1.27%           TECH  158.04  +0.07  +0.04%       ETRON  1,211.06  +6.80  +0.56%       ICT  154.29  -0.08  -0.05%       TFEX       SET50 Index Futures       S50K19  1,065.5  -4.8  2        S50M19  1,070.7  +1.1  88,194        S50N19  1,067.0  -1.2  1        S50U19  1,067.3  +1.5  10,445        S50Z19  1,067.3  +1.3  1,616        S50H20  1,064.0  +1.0  522      Sector Index Futures       BANKM19  -  -  -        COMMM19  -  -  -        ENERGM19  -  -  -        FOODM19  -  -  -        ICTM19  -  -  -      Single Stock Futures       AAVM19  4.02  -  541        ADVANCM19  188.50  -1.00  56        AMATAM19  21.33  +0.03  103        AOTM19  65.70  -1.04  542        APM19  -  -  -        BAM19  10.48  -0.22  3        BANPUM19  14.45  +0.13  1,088        BAYM19  -  -  -        BBLM19  -  -  300        BCHM19  -  -  200        BCPM19  28.57  +0.06  4        BDMSM19  26.00  +0.27  104        BEAUTYM19  3.80  -0.03  1,009        BECM19  8.59  +0.02  303        BEMM19  11.14  -0.03  11        BHM19  -  -  -        BJCM19  -  -  80        BLAM19  -  -  -        BLANDM19  1.48  -  69        BTSM19  11.41  -  5        CBGM19  58.80  +1.05  65        CENTELM19  34.46  -0.36  1        CHGM19  2.11  +0.01  23        CKM19  -  -  200        CKPM19  5.80  +0.04  1,472        CPALLM19  78.93  +1.18  357        CPFM19  27.50  +0.22  503        CPNM19  73.08  -0.01  211        DELTAM19  -  -  -        DTACM19  49.06  +0.04  10        EARTHM19  -  -  -        EGCOM19X  -  -  -        EPGM19  -  -  -        GLOBALM19X  -  -  100        GLOWM19  -  -  -        GPSCM19  54.87  +0.37  47        GUNKULM19X  2.73  +0.03  41        HANAM19  23.80  -0.48  1        HMPROM19  16.32  -0.08  1,104        ICHIM19  4.71  +0.07  8        INTUCHM19  56.99  -0.85  52        IRPCM19  4.62  -0.01  192        ITDM19  2.16  +0.02  13        IVLM19  44.45  -0.19  352        JASM19  5.48  -0.03  12        KBANKM19  188.22  +0.01  28        KCEM19  17.00  -0.31  132        KKPM19  -  -  -        KTBM19  18.93  +0.07  83        KTCM19X  38.85  +0.15  7        LHM19  10.62  +0.02  3        LPNM19  -  -  -        MAJORM19  28.06  +0.26  1        MINTM19  37.45  -0.04  112        MTCM19  -  -  -        PLANBM19  6.36  -0.09  10        PSHM19  20.16  -0.24  1        PTGM19  13.55  -0.15  1,169        PTTM19  45.55  -0.05  114        PTTEPM19  124.40  -4.83  429        PTTGCM19  60.57  -0.13  297        QHM19  -  -  -        RATCHM19  61.90  -0.41  101        ROBINSM19  -  -  -        SM19  -  -  500        SAMARTM19  -  -  -        SAWADM19X  -  -  -        SCBM19  127.00  -0.49  102        SCCM19  462.51  +0.51  7        SIRIM19  1.39  -0.04  90        SPALIM19  -  -  100        SPCGM19  -  -  -        STAM19  11.28  +0.01  6        STECM19  24.70  +0.40  221        STPIM19  6.30  -  12        TASCOM19  18.90  +0.02  307        TCAPM19  -  -  -        THAIM19  9.75  +0.11  442        THCOMM19  5.14  -0.15  1        TISCOM19  86.35  -0.39  44        TMBM19  1.88  -  125        TOPM19  59.80  +0.80  549        TPIPLM19  -  -  -        TRUEM19  4.87  +0.01  2,103        TTAM19  4.98  +0.06  37        TTCLM19  -  -  -        TTWM19  13.12  +0.16  50        TUM19  17.85  +0.05  6        TVOM19  -  -  -        UNIQM19  -  -  200        VGIM19  8.81  +0.10  81        VNGM19  -  -  -        WHAM19  4.16  -  33      GF10 Futures       GF10M19  19,530  +90  15,732        GF10Q19  19,570  +60  7,038        GF10V19  19,640  +60  3,160      GF50 Futures       GFM19  19,520  +70  621        GFQ19  19,580  +70  169        GFV19  19,640  +70  192      Gold Online Futures       GOM19  1,287.10  +7.10  17,922      GOLD-D       GDM19  1,288.80  +8.80  23      USD Futures       USDK19  -  -  -        USDM19  31.92  -0.05  375        USDN19  -  -  -        USDU19  31.85  -0.05  35      BB3 Futures       BB3M19  -  -  -        BB3U19  -  -  -      TGB5 Futures       TGB5M19  -  -  -        TGB5U19  -  -  -      RSS3 Futures       RSS3K19  -  -  -        RSS3M19  -  -  -        RSS3N19  -  -  -        RSS3Q19  -  -  -        RSS3U19  -  -  -        RSS3V19  -  -  -        RSS3X19  -  -  -      RSS3D Futures       RSS3DK19  57.80  +1.40  8        RSS3DM19  56.20  +0.50  8        RSS3DN19  54.30  +0.40  10        RSS3DQ19  53.90  +0.30  8        RSS3DU19  53.80  +0.60  20        RSS3DV19  53.50  +0.30  23        RSS3DX19  -  -  -      Index Options       Most Active Call Volume       S50M19C1075  9.6  +0.1  706        S50M19C1100  3.3  -0.2  594        S50M19C1125  1.1  -0.2  430        S50M19C1050  24.6  -0.6  381        S50M19C1150  0.7  -  174      Most Active Put Volume       S50M19P1050  4.7  -0.8  782        S50M19P1075  14.0  -0.7  449        S50M19P1025  1.7  -0.4  225        S50U19P1025  7.8  +0.2  215        S50M19P1125  60.3  +4.3  172      ---     สมาคมตลาดตราสารหนี้ไทย (ThaiBMA) ร่วมกับสภาธุรกิจตลาดทุนไทย (FETCO) จัดสัมมนาหัวข้อ "วางแผนการลงทุนตราสารหนี้ต้อนรับรัฐบาลใหม่" วันที่ 27 มิ.ย. 2562 เวลา 13.00-16.30 น. ที่ตลาดหลักทรัพย์ฯ สำรองที่นั่งได้ตั้งแต่วันนี้..(ฟรี) www.zipeventapp.com/e/ThaiBMA    ---     TFEX Trader Day 2019 ชวนเทรดเดอร์หากำไรด้วยไอเดียเทรด Trade Hunter ร่วมสัมมนา "เล็งเป้า จับจังหวะเทรด" พบมุมมองจาก 3 กูรูนักล่ากำไร สายเทคนิคส่องจังหวะรอดด้วย Fibo และ Elliott Wave เสาร์ 8 มิ.ย. 9.00-17.00 น. ที่ตลาดหลักทรัพย์ฯ ลงทะเบียนฟรี www.TFEX.co.th    ---    

เศรษฐศาสตร์กับการรู้และเข้าใจเหตุที่มาของสิ่งทั้งปวง

15 May 2019
อ่าน 600 ครั้ง

 

สิ่งหนึ่งที่ผู้เขียนแทบมิได้ใส่ใจเลยเมื่อเป็นนักศึกษา แต่กลับนึกถึง รู้สึกเข้าใจและซาบซึ้งมากขึ้นเมื่อโตขึ้นมาก็คือ คติพจน์ของมหาวิทยาลัย ซึ่งแปลจากภาษาลาตินเป็นภาษาอังกฤษว่า “To know/understand the causes of things” และ ดร.สายป่าน ปุริวรรณชนะ ได้กรุณาช่วยแปลเป็นภาษาไทยให้ว่า “เพื่อรู้/เข้าใจเหตุที่มาของสิ่งทั้งปวง” เมื่อย้อนกลับไปถึงชีวิตในมหาวิทยาลัย ก็พบว่าเนื้อหาและกระบวนการวิธีที่ครูอาจารย์อบรมบ่มสอนมา ก็ล้วนแล้วแต่มีรากฐานและสอดคล้องกับคติพจน์ของมหาวิทยาลัยทั้งสิ้น

ในบทความนี้ ผู้เขียนขอนำเสนอว่าทำไมหัวใจของเศรษฐศาสตร์จึงเกี่ยวโยงกับ “To know/understand the causes of things” และนักเศรษฐศาสตร์มีวิธี กระบวนการ และเครื่องมืออะไรเพื่อช่วยนำเราไปสู่การรู้และเข้าใจเหตุที่มาของสิ่งทั้งปวง

ในบทเรียนแรก สิ่งที่พวกเราได้ทำความรู้จักก็คือความแตกต่างระหว่าง positive economics และ normative economics ซึ่ง positive economics คือ เศรษฐศาสตร์ในฐานะศาสตร์วิชาที่ต้องการทำความเข้าใจและอธิบายปรากฏการณ์ต่างๆ ทางเศรษฐกิจและสังคม ในฐานะศาสตร์วิชาที่ต้องการรู้และเข้าใจเหตุและผลของปรากฏการณ์นั้นๆ เช่น ทำไมประเทศต่างๆ ในโลกจึงรํ่ารวยหรือยากจนไม่เท่ากัน อะไรเป็นสาเหตุของการเจริญเติบโตทางเศรษฐกิจ ฯลฯ

ในที่นี้ เศรษฐศาสตร์ก็มีกระบวนการหาคำตอบเหมือนวิทยา ศาสตร์ เราสังเกต ตั้งคำถาม และสร้างทฤษฎีขึ้นมาอธิบายสิ่งที่เราสงสัย (ปัจจุบันนักเศรษฐศาสตร์ใช้การพิสูจน์ทางคณิตศาสตร์เข้ามาประกอบในทฤษฎี ส่วนหนึ่งเพราะบางครั้งตรรกะของมนุษย์ก็อาจมีอคติ) และเราก็ต้องมีการทดสอบทฤษฎี ด้วยการหาหลักฐานและข้อมูล แล้วนำมาวิเคราะห์โดยใช้หลักทางเศรษฐมิติ (สถิติที่พัฒนาเพื่อใช้กับข้อมูลทางเศรษฐศาสตร์และสังคมที่เต็มไปด้วยข้อจำกัดและความซับซ้อน หลากหลาย)

ถ้าผลจากการวิเคราะห์บ่งชี้ว่าทฤษฎีนี้ยังไม่ครบถ้วนหรือไม่สามารถอธิบายสิ่งที่เราสงสัยได้ เราก็จะปรับ ปรุง สร้างทฤษฎีใหม่ แล้วก็ทดสอบทฤษฎีใหม่กัน นั่นหมายถึง เราพยายามมองโลกอย่างปราศจากอคติ (value- free) เราต้องการอธิบายเหตุและผลของสิ่งที่เกิดขึ้นในโลก สิ่งที่เราคิดไว้ ถ้าหลักฐานแสดงว่าผิด เราก็พร้อมที่จะเปลี่ยนความคิด ไม่ใช่นำความเห็นของเราไปครอบว่าโลกควรจะเป็นอย่างไร ซึ่งแตกต่างกับ normative economics ที่นำความเห็น ความคาดหวัง ความคิดและอุดมคติต่างๆ มาประกอบว่าระบบหรือนโยบายทางเศรษฐกิจควรเป็นอย่างไร หลายคนบอกว่า เราสามารถเรียก positive economics สั้นๆ ได้ว่า “what is” ส่วน normative economics ก็คือ “what should be”

ถึงตอนนี้ ท่านผู้อ่านคงจะเดาไม่ยากจากคติพจน์ประจำมหาวิทยาลัยของผู้เขียนว่า บทเรียนหลังจากบทแรกในรั้วมหาวิทยาลัยของผู้เขียนล้วนแล้วแต่เพื่อตอบคำถาม “what is” เพราะก่อนที่จะสามารถบอกได้ว่านโยบายทางเศรษฐกิจควรเป็นอย่างไร หรือ “what should be” เราควรเข้าใจและสามารถอธิบายสิ่งที่เราเห็นทางเศรษฐกิจและในแง่มุมต่างๆ ให้ได้เสียก่อน ว่ามีที่มาที่ไปเกิดจากอะไร เช่น ถ้าอยากขจัดความยากจน ก็ต้องเข้าใจก่อนว่าอะไรเป็นสาเหตุแห่งความยากจน การที่พยายามบอกว่า “what should be” โดยปราศจากความเข้าใจถึงเหตุที่มาของสิ่งทั้งปวง หรืออย่างน้อยการพยายามทำความเข้าใจ เป็นเรื่องอันตราย

เพราะฉะนั้นจะเห็นได้ว่าการพิสูจน์ทฤษฎีมีความสำคัญมาก เศรษฐศาสตร์ให้ความสำคัญอย่างมากว่า หลักฐานที่เรานำมาสนับสนุนหรือหักล้างทฤษฎีนั้นน่าเชื่อถือแค่ไหน เรียกได้ว่าเราไม่ได้แค่พยายามประเมินเฉพาะทฤษฎี แต่ความน่าเชื่อถือของหลักฐานก็ต้องถูกนำมาประเมินด้วย

ประโยคหนึ่งที่ผู้เขียนยังจดจำได้แม่นยำจากอาจารย์ก็คือ “Correlation does not imply causation” หมายความว่า การที่เราเห็นความสัมพันธ์ระหว่างสิ่ง 2 สิ่ง (correlation) ไม่ได้หมายความว่า สิ่งทั้ง 2 สิ่งต้องเป็น เหตุและผลของกันและกัน (causation) และถ้าย้อนกลับไปว่านักเศรษฐศาสตร์ต้องการอธิบายต้นสายปลายเหตุของปรากฏการณ์ทางเศรษฐกิจและสังคม วิธีการวิเคราะห์ข้อมูลที่บอกได้แต่ correlation แต่ไม่สามารถบอก causation ได้ ย่อมทำให้ข้อสรุปผิดเพี้ยน


 

ตัวอย่างคลาสสิกที่พวกเราต้องเรียนกันก็คือ ทฤษฎีที่บอกว่าการสะสมทุนมนุษย์ด้วยการศึกษาจะช่วยพัฒนารายได้ของประเทศ ถ้าจะพิสูจน์ทฤษฎีนี้เราจะทำอย่างไร บางคนอาจจะบอกว่า ไม่เห็นต้องทำอะไรเลย เราก็เห็นกันอยู่แล้วไม่ใช่หรือว่าประเทศที่คนมีการศึกษามากและดี เป็นประเทศที่รํ่ารวย หรือบางคนก็อาจบอกว่าเราเก็บข้อมูลการศึกษาและรายได้ของทุกประเทศแล้วมาทำสมการถดถอย แต่นักเศรษฐศาสตร์จะบอกว่า นี่เป็นหลักฐานเพียงแค่ความสัมพันธ์ ไม่ใช่เหตุปัจจัย

ความสัมพันธ์ที่เราเห็นอาจเป็นเพราะว่าประเทศที่รํ่ารวยสามารถมีรายได้หรืองบประมาณมาสนับสนุนให้คนในประเทศมีการศึกษาดีได้มากกว่า ซึ่งเป็นการสลับเหตุและผลกับทฤษฎีข้างต้น (reverse causality) หรือความสัมพันธ์ที่เราเห็นอาจจะเป็นเพราะว่ามีเหตุปัจจัยอื่นที่เป็นสาเหตุของทั้งการศึกษาที่ดีและรายได้ที่ดี จึงทำให้ดูเหมือนว่าการศึกษาและรายได้มีความสัมพันธ์กัน (omitted variable problem หรือ confounding factors) เช่น ประเทศที่มีเศรษฐกิจแบบพึ่งพาภาคอุตสาหกรรมที่ใช้เทคโนโลยีขั้นสูงจะทำให้มีความต้องการแรงงานที่มีคุณภาพสูงและอาจทำให้คนมีแรงจูงใจในการศึกษาเพื่อพัฒนาตนเองมากกว่า

แต่ในขณะเดียวกันเทคโนโลยีขั้นสูงก็มีผลโดยตรงกับรายได้ที่สูงด้วย ในที่นี้เทคโนโลยีขั้นสูงเป็นตัวขับเคลื่อนทั้งการศึกษาและรายได้ ทำให้เราเห็นความสัมพันธ์ของการศึกษาและรายได้ โดยที่ทั้ง 2 อาจจะไม่ได้เป็นผลของกันและกัน (นี่เป็นเพียงตัวอย่าง ไม่ได้หมายความว่าจำเป็นต้อง เป็นอย่างนี้ในความเป็นจริงนะคะ)

เพื่อช่วยในการหาเหตุปัจจัย สิ่งที่อาจจะง่ายที่สุดที่นักเศรษฐศาสตร์ทำก็คือพยายามออกแบบการทดลองให้คล้ายคลึงกับวิทยาศาสตร์ แต่อาศัยเหตุการณ์ที่เกิดขึ้นจริง (quasi-natural experiment) และบางครั้งเป็นเหตุการณ์ที่เกิดจากการเปลี่ยนนโยบาย (policy experiment) จากตัวอย่างขั้นต้น คำถามที่เราสนใจเป็นในรูปมหภาค แต่เราสามารถทอนมาดูในแบบจุลภาคได้ กล่าวคือ ในระดับบุคคล ถ้ามีการศึกษามากขึ้น รายได้ของเขาจะดีขึ้นไปด้วย ในการหาหลักฐานแบบ
quasi-natural/policy experiment เราต้องการเหตุการณ์หรือปัจจัยหรือนโยบายหนึ่งที่ทำให้จู่ๆ คนมีการศึกษามากขึ้น แต่ไม่เกี่ยวข้องสัมพันธ์กับรายได้โดยตรงหรือปัจจัยอื่นๆ ที่จะกระทบรายได้ นักเศรษฐศาสตร์เรียกว่าเป็น exogenous factor (ปัจจัยภายนอก)

ยกตัวอย่างเช่น งานวิจัย Duflo (2001) ใช้การสร้างโรงเรียนทั่วประเทศครั้งใหญ่ในประเทศอินโดนีเซีย ช่วงทศวรรษ 1970 เพราะงบประมาณที่เพิ่มขึ้นจากการเพิ่มขึ้นของราคานํ้ามันดิบมาเป็นปัจจัยภายนอกที่เพิ่มการศึกษา (เพิ่มโครงสร้างทางการศึกษา) แล้วมาทดสอบว่าเมื่อเปรียบเทียบรายได้ระหว่างรุ่นของคนที่มีอายุอยู่ในช่วงที่ไปโรงเรียนก่อนและหลังการสร้างโรงเรียนทั่วประเทศครั้งใหญ่นี้ และระหว่างคนที่อยู่ในเขตที่ได้รับการสร้างโรงเรียนมากน้อยต่างกัน


 

เราพบว่าคนที่วัยเด็กได้รับผลกระทบจากการสร้างโรงเรียนมากกว่าและน่าที่จะได้รับการศึกษามากกว่ามีรายได้สูงกว่าจริงหรือไม่ (ผลคือจริง) ในที่นี้จะเห็นว่านอกจากเราอาศัยปัจจัยภายนอกแล้ว เรายังต้องมีความแตกต่างในการได้ปัจจัยภายนอกของคนแต่ละคนอีกด้วย (ทั้งในเชิงรุ่นที่ได้โรงเรียนเพิ่ม กับพื้นที่ที่ได้ความหนาแน่นโรงเรียนต่างกัน) ถ้าจะเปรียบง่ายๆ ทางวิทยาศาสตร์ก็เหมือนเรามีทั้ง control group (กลุ่มควบคุม) และ treatment group (กลุ่มที่ได้รับการทดลอง) 

อีกนัยหนึ่งก็คือเรามีทั้งต้นไม้ที่ได้รับแสง และไม่ได้รับแสง แต่ quasi-natural experiment ก็มีข้อด้อยและการหา quasi-natural experiment ที่น่าเชื่อถือก็ไม่ใช่เรื่องง่าย นักเศรษฐศาสตร์จึงพัฒนาเครื่องมือทางเศรษฐมิติต่างๆ อย่างต่อเนื่อง เพื่อช่วยในการหาหลักฐานที่น่าเชื่อถือในการอธิบายเหตุปัจจัยของสิ่งต่างๆ ในด้านเศรษฐศาสตร์และสังคมศาสตร์ เช่น instrumental variable strategy ซึ่งมีพื้นฐานมาจากการใช้ปัจจัยภาย นอกเช่นกัน

ถึงแม้ว่า ในบทความนี้ผู้เขียนไม่ได้นำงานวิจัยและผลจากงานวิจัยมาเล่าสู่กันฟังอย่างที่เคยเป็น แต่ก็หวังว่าบทความจะช่วยให้ผู้อ่านตั้งคำถามว่า ทุกครั้งที่เราได้ยินนักเศรษฐศาสตร์หรือท่านผู้รู้พูดถึงเศรษฐศาสตร์หรือเศรษฐกิจ เขากำลังพูดถึงสิ่งนั้นในฐานะ positive economics ที่ไม่มีอคติมาเป็นตัวนำ หรือ normative economics ซึ่งผสมปนกับความเชื่อ และความคิดของผู้พูด แล้วถ้าสิ่งที่เขากำลังพูดถึงเป็น positive economics วิธีการและหลักฐานที่นำมาได้ซึ่งสิ่งนั้นมีความน่าเชื่อถือแค่ไหน เป็นเพียงแค่การสังเกตและการแสดงความสัมพันธ์แบบง่ายๆ หรือได้ผ่านกระบวนการการวิเคราะห์ที่น่าเชื่อถือเพื่อ “การรู้และเข้าใจเหตุที่มาของสิ่งทั้งปวง”

 

เอกสารอ้างอิง

Duflo, E., 2001. Schooling and labor market consequences of school construction in Indonesia: Evidence from an unusual policy experiment.American economic review,91(4), pp.795-813.

เศรษฐเสวนา จุฬาฯทัศนะ โดย ดร.ธันยพร จันทร์กระจ่าง คณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย

หน้า 7 หนังสือพิมพ์ฐานเศรษฐกิจ ฉบับ 3470 ระหว่างวันที่ 16 - 18 พฤษภาคม 2562


ไม่พลาดข่าวสำคัญ แค่กดเป็นเพื่อน กับ LINE @thansettakij