Overview

Dataset statistics

Number of variables12
Number of observations11
Missing cells14
Missing cells (%)10.6%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory1.2 KiB
Average record size in memory107.6 B

Variable types

Numeric1
Categorical11

Alerts

หมายเหตุการสำรวจ is highly correlated with ช่วงเวลาประกาศ and 6 other fieldsHigh correlation
ช่วงเวลาประกาศ is highly correlated with หมายเหตุการสำรวจ and 6 other fieldsHigh correlation
หมายเหตุการประกาศ is highly correlated with ช่วงเวลาประกาศ and 8 other fieldsHigh correlation
ตัวย่อดัชนีหลัก is highly correlated with หมายเหตุการสำรวจ and 9 other fieldsHigh correlation
ความถี่ในการวัด is highly correlated with หมายเหตุการประกาศ and 6 other fieldsHigh correlation
ช่วงเวลาสำรวจข้อมูล is highly correlated with หมายเหตุการประกาศ and 5 other fieldsHigh correlation
ชื่อดัชนีหลัก is highly correlated with หมายเหตุการสำรวจ and 9 other fieldsHigh correlation
link เข้าถึงดัชนี is highly correlated with หมายเหตุการสำรวจ and 9 other fieldsHigh correlation
วิธีการวัด is highly correlated with หมายเหตุการสำรวจ and 9 other fieldsHigh correlation
คำอธิบายย่อ is highly correlated with หมายเหตุการสำรวจ and 9 other fieldsHigh correlation
องค์กรผู้สำรวจ is highly correlated with หมายเหตุการสำรวจ and 7 other fieldsHigh correlation
ลำดับ is highly correlated with ชื่อดัชนีหลัก and 10 other fieldsHigh correlation
ชื่อดัชนีหลัก is highly correlated with ลำดับ and 10 other fieldsHigh correlation
ตัวย่อดัชนีหลัก is highly correlated with ลำดับ and 10 other fieldsHigh correlation
คำอธิบายย่อ is highly correlated with ลำดับ and 10 other fieldsHigh correlation
องค์กรผู้สำรวจ is highly correlated with ลำดับ and 10 other fieldsHigh correlation
วิธีการวัด is highly correlated with ลำดับ and 10 other fieldsHigh correlation
ความถี่ในการวัด is highly correlated with ลำดับ and 8 other fieldsHigh correlation
ช่วงเวลาสำรวจข้อมูล is highly correlated with ลำดับ and 10 other fieldsHigh correlation
หมายเหตุการสำรวจ is highly correlated with ลำดับ and 8 other fieldsHigh correlation
ช่วงเวลาประกาศ is highly correlated with ลำดับ and 9 other fieldsHigh correlation
หมายเหตุการประกาศ is highly correlated with ลำดับ and 9 other fieldsHigh correlation
link เข้าถึงดัชนี is highly correlated with ลำดับ and 10 other fieldsHigh correlation
ตัวย่อดัชนีหลัก has 1 (9.1%) missing values Missing
หมายเหตุการสำรวจ has 5 (45.5%) missing values Missing
หมายเหตุการประกาศ has 8 (72.7%) missing values Missing
ชื่อดัชนีหลัก is uniformly distributed Uniform
ตัวย่อดัชนีหลัก is uniformly distributed Uniform
คำอธิบายย่อ is uniformly distributed Uniform
วิธีการวัด is uniformly distributed Uniform
ช่วงเวลาสำรวจข้อมูล is uniformly distributed Uniform
หมายเหตุการประกาศ is uniformly distributed Uniform
link เข้าถึงดัชนี is uniformly distributed Uniform
ลำดับ has unique values Unique
ชื่อดัชนีหลัก has unique values Unique
คำอธิบายย่อ has unique values Unique
วิธีการวัด has unique values Unique
link เข้าถึงดัชนี has unique values Unique

Reproduction

Analysis started2026-09-09 04:20:46.158831
Analysis finished2026-09-09 04:20:48.245952
Duration2.09 seconds
Software versionpandas-profiling v3.1.0
Download configurationconfig.json

Variables

ลำดับ
Real number (ℝ≥0)

HIGH CORRELATION
UNIQUE

Distinct11
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean6
Minimum1
Maximum11
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size216.0 B
2026-09-09T11:20:48.299997image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum1
5-th percentile1.5
Q13.5
median6
Q38.5
95-th percentile10.5
Maximum11
Range10
Interquartile range (IQR)5

Descriptive statistics

Standard deviation3.31662479
Coefficient of variation (CV)0.5527707984
Kurtosis-1.2
Mean6
Median Absolute Deviation (MAD)3
Skewness0
Sum66
Variance11
MonotonicityStrictly increasing
2026-09-09T11:20:48.422295image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=11)
ValueCountFrequency (%)
111
9.1%
101
9.1%
91
9.1%
81
9.1%
71
9.1%
61
9.1%
51
9.1%
41
9.1%
31
9.1%
21
9.1%
ValueCountFrequency (%)
11
9.1%
21
9.1%
31
9.1%
41
9.1%
51
9.1%
61
9.1%
71
9.1%
81
9.1%
91
9.1%
101
9.1%
ValueCountFrequency (%)
111
9.1%
101
9.1%
91
9.1%
81
9.1%
71
9.1%
61
9.1%
51
9.1%
41
9.1%
31
9.1%
21
9.1%

ชื่อดัชนีหลัก
Categorical

HIGH CORRELATION
HIGH CORRELATION
UNIFORM
UNIQUE

Distinct11
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size216.0 B
IMD World Competitiveness Ranking
1 
IMD World Digital Competitiveness Ranking
1 
Worldwide Governance Indicators
1 
Corruption Perceptions Index
1 
E-Government Development Index
1 
Other values (6)
6 

Length

Max length41
Median length29
Mean length27.36363636
Min length14

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique11 ?
Unique (%)100.0%

Sample

1st rowEdelman Trust Barometer
2nd rowCorruption Perceptions Index
3rd rowChandler Good Government Index
4th rowIMD World Competitiveness Ranking
5th rowE-Government Development Index

Common Values

ValueCountFrequency (%)
IMD World Competitiveness Ranking1
9.1%
IMD World Digital Competitiveness Ranking1
9.1%
Worldwide Governance Indicators1
9.1%
Corruption Perceptions Index1
9.1%
E-Government Development Index1
9.1%
Edelman Trust Barometer1
9.1%
WJP Rule of Law Index1
9.1%
Business Ready1
9.1%
Global Competitiveness Report1
9.1%
E-Participation Index1
9.1%

Length

2026-09-09T11:20:48.570100image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
index5
 
13.5%
competitiveness3
 
8.1%
imd2
 
5.4%
world2
 
5.4%
ranking2
 
5.4%
good1
 
2.7%
digital1
 
2.7%
worldwide1
 
2.7%
governance1
 
2.7%
indicators1
 
2.7%
Other values (18)18
48.6%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

ตัวย่อดัชนีหลัก
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING
UNIFORM

Distinct10
Distinct (%)100.0%
Missing1
Missing (%)9.1%
Memory size216.0 B
IMD
1 
B-READY
1 
CPI
1 
EGDI
1 
GCR
1 
Other values (5)
5 

Length

Max length8
Median length3
Mean length4.1
Min length3

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique10 ?
Unique (%)100.0%

Sample

1st rowCPI
2nd rowCGGI
3rd rowIMD
4th rowEGDI
5th rowEPI

Common Values

ValueCountFrequency (%)
IMD1
9.1%
B-READY1
9.1%
CPI1
9.1%
EGDI1
9.1%
GCR1
9.1%
IMD WDCR1
9.1%
EPI1
9.1%
WJP1
9.1%
CGGI1
9.1%
WGI1
9.1%
(Missing)1
9.1%

Length

2026-09-09T11:20:48.722523image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:20:48.839724image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
imd2
18.2%
wgi1
9.1%
cggi1
9.1%
wjp1
9.1%
epi1
9.1%
wdcr1
9.1%
gcr1
9.1%
egdi1
9.1%
cpi1
9.1%
b-ready1
9.1%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

คำอธิบายย่อ
Categorical

HIGH CORRELATION
HIGH CORRELATION
UNIFORM
UNIQUE

Distinct11
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size216.0 B
วัดความสามารถในการแข่งขันของ ~69 ประเทศใน 4 ด้านหลัก
1 
สะท้อนระดับการพัฒนารัฐบาลดิจิทัลของ 193 ประเทศ
1 
การรับรู้การทุจริตภาครัฐทั่วโลก จัดอันดับประเทศจากคะแนน 0–100
1 
วัดมุมมองการกำกับดูแลของภาครัฐใน 6 มิติ
1 
ประเมินสภาพแวดล้อมทางธุรกิจใน 10 ขั้นตอน
1 
Other values (6)
6 

Length

Max length261
Median length52
Mean length76.27272727
Min length39

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique11 ?
Unique (%)100.0%

Sample

1st rowสำรวจความเชื่อมั่นรัฐบาล ธุรกิจ NGO และสื่อ ใน 28 ประเทศ
2nd rowการรับรู้การทุจริตภาครัฐทั่วโลก จัดอันดับประเทศจากคะแนน 0–100
3rd rowวัดความสามารถและประสิทธิภาพของรัฐบาลใน 7 เสา 35 ตัวชี้วัด
4th rowวัดความสามารถในการแข่งขันของ ~69 ประเทศใน 4 ด้านหลัก
5th rowสะท้อนระดับการพัฒนารัฐบาลดิจิทัลของ 193 ประเทศ

Common Values

ValueCountFrequency (%)
วัดความสามารถในการแข่งขันของ ~69 ประเทศใน 4 ด้านหลัก1
9.1%
สะท้อนระดับการพัฒนารัฐบาลดิจิทัลของ 193 ประเทศ1
9.1%
การรับรู้การทุจริตภาครัฐทั่วโลก จัดอันดับประเทศจากคะแนน 0–1001
9.1%
วัดมุมมองการกำกับดูแลของภาครัฐใน 6 มิติ1
9.1%
ประเมินสภาพแวดล้อมทางธุรกิจใน 10 ขั้นตอน1
9.1%
ประเมินระดับการมีส่วนร่วมผ่านระบบอิเล็กทรอนิกส์1
9.1%
วัดความสามารถและประสิทธิภาพของรัฐบาลใน 7 เสา 35 ตัวชี้วัด1
9.1%
วัดขีดความสามารถการแข่งขันทั่วโลกใน 12 ปัจจัยหลัก1
9.1%
วัดนิติธรรมที่ครอบคลุม 143 ประเทศและเขตอำนาจศาล ดัชนีนี้สร้างจากแนวคิด 4 หลักการสากลของนิติธรรม ได้แก่ 1) ความรับผิดชอบของรัฐและเอกชน, 2) กฎหมายที่ชัดเจนและเสมอภาค, 3) รัฐบาลโปร่งใส, และ 4) ความเป็นธรรมที่เข้าถึงได้ ซึ่งประกอบด้วย 8 ปัจจัยหลักและ 44 ปัจจัยย่อย1
9.1%
วัดความสามารถของประเทศในการรองรับ สำรวจ และใช้ประโยชน์จากเทคโนโลยีดิจิทัล ใน 3 ปัจจัยหลัก (Knowladge, Technology, Future Readiness)1
9.1%

Length

2026-09-09T11:20:49.017214image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
43
 
4.7%
ปัจจัยหลัก2
 
3.1%
ประเทศ2
 
3.1%
ใน2
 
3.1%
32
 
3.1%
281
 
1.6%
101
 
1.6%
121
 
1.6%
วัดขีดความสามารถการแข่งขันทั่วโลกใน1
 
1.6%
ตัวชี้วัด1
 
1.6%
Other values (48)48
75.0%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

องค์กรผู้สำรวจ
Categorical

HIGH CORRELATION
HIGH CORRELATION

Distinct8
Distinct (%)72.7%
Missing0
Missing (%)0.0%
Memory size216.0 B
UNDESA
2 
World Bank
2 
IMD World Competitiveness Center
2 
World Economic Forum (WEF)
1 
World Justice Project (WJP)
1 
Other values (3)
3 

Length

Max length32
Median length26
Mean length21.36363636
Min length6

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique5 ?
Unique (%)45.5%

Sample

1st rowEdelman Trust Institute
2nd rowTransparency International (TI)
3rd rowChandler Institute of Governance
4th rowIMD World Competitiveness Center
5th rowUNDESA

Common Values

ValueCountFrequency (%)
UNDESA2
18.2%
World Bank2
18.2%
IMD World Competitiveness Center2
18.2%
World Economic Forum (WEF)1
9.1%
World Justice Project (WJP)1
9.1%
Transparency International (TI)1
9.1%
Edelman Trust Institute1
9.1%
Chandler Institute of Governance1
9.1%

Length

2026-09-09T11:20:49.168614image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:20:49.277638image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
world6
18.8%
undesa2
 
6.2%
institute2
 
6.2%
bank2
 
6.2%
imd2
 
6.2%
competitiveness2
 
6.2%
center2
 
6.2%
justice1
 
3.1%
economic1
 
3.1%
forum1
 
3.1%
Other values (11)11
34.4%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

วิธีการวัด
Categorical

HIGH CORRELATION
HIGH CORRELATION
UNIFORM
UNIQUE

Distinct11
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size216.0 B
1/3 ข้อมูลสาธารณะ + 2/3 แบบสอบถามผู้บริหาร
1 
ใช้ข้อมูลจาก 13 แหล่ง เช่น WB, WEF, EIU ฯลฯ
1 
ใช้ทั้งข้อมูลสถิติ (hard data) 40 เกณฑ์ และแบบสำรวจผู้บริหาร (survey) 21 เกณฑ์
1 
ใช้ข้อมูลจาก >30 ดัชนี คำนวณ Z-score และ percentiles
1 
ใช้ข้อมูลจากแหล่งที่มา 3 ประเภท โดยแต่ละประเภทมีบทบาทสำคัญ: 1. General Population Poll (GPP) - สำรวจประชากรทั่วไป 2. Qualified Respondents' Questionnaires (QRQ) - แบบสอบถามจากผู้เชี่ยวชาญทางกฎหมาย 3. Third-Party Sources (TPS) - แหล่งข้อมูลบุคคลที่สาม
1 
Other values (6)
6 

Length

Max length250
Median length45
Mean length69.72727273
Min length39

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique11 ?
Unique (%)100.0%

Sample

1st rowสัมภาษณ์ออนไลน์ ~32,000 คน/ปี (~1,150 คน/ประเทศ) ได้คะแนนจาก Weighted Average of Trust Scores
2nd rowใช้ข้อมูลจาก 13 แหล่ง เช่น WB, WEF, EIU ฯลฯ
3rd rowใช้ข้อมูลจาก IMF, WB, OECD และดัชนีย่อย
4th row2/3 ข้อมูลสถิติ + 1/3 แบบสอบถามผู้บริหาร
5th rowค่าเฉลี่ยถ่วงน้ำหนักของ OSI + TII + HCI

Common Values

ValueCountFrequency (%)
1/3 ข้อมูลสาธารณะ + 2/3 แบบสอบถามผู้บริหาร1
9.1%
ใช้ข้อมูลจาก 13 แหล่ง เช่น WB, WEF, EIU ฯลฯ1
9.1%
ใช้ทั้งข้อมูลสถิติ (hard data) 40 เกณฑ์ และแบบสำรวจผู้บริหาร (survey) 21 เกณฑ์ 1
9.1%
ใช้ข้อมูลจาก >30 ดัชนี คำนวณ Z-score และ percentiles1
9.1%
ใช้ข้อมูลจากแหล่งที่มา 3 ประเภท โดยแต่ละประเภทมีบทบาทสำคัญ: 1. General Population Poll (GPP) - สำรวจประชากรทั่วไป 2. Qualified Respondents' Questionnaires (QRQ) - แบบสอบถามจากผู้เชี่ยวชาญทางกฎหมาย 3. Third-Party Sources (TPS) - แหล่งข้อมูลบุคคลที่สาม1
9.1%
ค่าเฉลี่ยถ่วงน้ำหนักของ OSI + TII + HCI1
9.1%
2/3 ข้อมูลสถิติ + 1/3 แบบสอบถามผู้บริหาร1
9.1%
สำรวจพอร์ทัล/บริการภาครัฐ แล้วให้คะแนน 3 ขั้น1
9.1%
สัมภาษณ์ออนไลน์ ~32,000 คน/ปี (~1,150 คน/ประเทศ) ได้คะแนนจาก Weighted Average of Trust Scores1
9.1%
ใช้ข้อมูลจาก IMF, WB, OECD และดัชนีย่อย1
9.1%

Length

2026-09-09T11:20:49.451864image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
7
 
8.2%
ใช้ข้อมูลจาก3
 
3.5%
33
 
3.5%
1/32
 
2.4%
เกณฑ์2
 
2.4%
wb2
 
2.4%
แบบสอบถามผู้บริหาร2
 
2.4%
2/32
 
2.4%
11
 
1.2%
โดยแต่ละประเภทมีบทบาทสำคัญ1
 
1.2%
Other values (60)60
70.6%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

ความถี่ในการวัด
Categorical

HIGH CORRELATION
HIGH CORRELATION

Distinct2
Distinct (%)18.2%
Missing0
Missing (%)0.0%
Memory size216.0 B
รายปี
9 
ทุก 2 ปี
2 

Length

Max length8
Median length5
Mean length5.545454545
Min length5

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowรายปี
2nd rowรายปี
3rd rowรายปี
4th rowรายปี
5th rowทุก 2 ปี

Common Values

ValueCountFrequency (%)
รายปี9
81.8%
ทุก 2 ปี2
 
18.2%

Length

2026-09-09T11:20:49.592673image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:20:49.684175image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
รายปี9
60.0%
ปี2
 
13.3%
22
 
13.3%
ทุก2
 
13.3%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

ช่วงเวลาสำรวจข้อมูล
Categorical

HIGH CORRELATION
HIGH CORRELATION
UNIFORM

Distinct10
Distinct (%)90.9%
Missing0
Missing (%)0.0%
Memory size216.0 B
ม.ค.-ส.ค.
2 
มี.ค.-ก.ย.
1 
ก.พ.-ธ.ค.
1 
ก.ค.-ธ.ค.
1 
ต.ค.-พ.ย.
1 
Other values (5)
5 

Length

Max length11
Median length10
Mean length9.636363636
Min length9

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique9 ?
Unique (%)81.8%

Sample

1st rowต.ค.-พ.ย.
2nd rowเม.ย.-มี.ค.
3rd rowก.ค.-ธ.ค.
4th rowก.พ.-มิ.ย.
5th rowมี.ค.-ก.ย.

Common Values

ValueCountFrequency (%)
ม.ค.-ส.ค.2
18.2%
มี.ค.-ก.ย.1
9.1%
ก.พ.-ธ.ค.1
9.1%
ก.ค.-ธ.ค.1
9.1%
ต.ค.-พ.ย.1
9.1%
เม.ย.-มี.ค.1
9.1%
ม.ค.-มิ.ย.1
9.1%
มี.ค.-ส.ค.1
9.1%
ก.พ.-มิ.ย.1
9.1%
ม.ค.-เม.ย.1
9.1%

Length

2026-09-09T11:20:49.788999image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:20:49.905657image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
ม.ค.-ส.ค2
18.2%
ม.ค.-เม.ย1
9.1%
ก.พ.-มิ.ย1
9.1%
มี.ค.-ส.ค1
9.1%
ม.ค.-มิ.ย1
9.1%
เม.ย.-มี.ค1
9.1%
ต.ค.-พ.ย1
9.1%
ก.ค.-ธ.ค1
9.1%
ก.พ.-ธ.ค1
9.1%
มี.ค.-ก.ย1
9.1%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

หมายเหตุการสำรวจ
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING

Distinct4
Distinct (%)66.7%
Missing5
Missing (%)45.5%
Memory size216.0 B
เก็บข้อมูลก่อนปีที่จะรายงาน
3 
รวบรวมข้อมูลและอัพเดตแหล่งข้อมูลอย่างต่อเนื่องตลอดทั้งปี
1 
เก็บข้อมูลตั้งแต่ ก.พ. ถึง ธ.ค. ของ 2 ปีก่อนหน้า เนื่องจากรวบรวมข้อมูลจากใช้เวลาในการประมวลความคิดเห็นจาก 3 กลุ่มเป้าหมาย
1 
เก็บข้อมูลตั้งแต่ เม.ย. ของ 2 ปีก่อนหน้าจนถึง มี.ค. ของปีรายงาน เนื่องจากรวบรวมข้อมูลจากหลายแหล่ง
1 

Length

Max length121
Median length41.5
Mean length59.16666667
Min length27

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique3 ?
Unique (%)50.0%

Sample

1st rowเก็บข้อมูลตั้งแต่ เม.ย. ของ 2 ปีก่อนหน้าจนถึง มี.ค. ของปีรายงาน เนื่องจากรวบรวมข้อมูลจากหลายแหล่ง
2nd rowเก็บข้อมูลก่อนปีที่จะรายงาน
3rd rowเก็บข้อมูลก่อนปีที่จะรายงาน
4th rowรวบรวมข้อมูลและอัพเดตแหล่งข้อมูลอย่างต่อเนื่องตลอดทั้งปี
5th rowเก็บข้อมูลก่อนปีที่จะรายงาน

Common Values

ValueCountFrequency (%)
เก็บข้อมูลก่อนปีที่จะรายงาน3
27.3%
รวบรวมข้อมูลและอัพเดตแหล่งข้อมูลอย่างต่อเนื่องตลอดทั้งปี1
 
9.1%
เก็บข้อมูลตั้งแต่ ก.พ. ถึง ธ.ค. ของ 2 ปีก่อนหน้า เนื่องจากรวบรวมข้อมูลจากใช้เวลาในการประมวลความคิดเห็นจาก 3 กลุ่มเป้าหมาย1
 
9.1%
เก็บข้อมูลตั้งแต่ เม.ย. ของ 2 ปีก่อนหน้าจนถึง มี.ค. ของปีรายงาน เนื่องจากรวบรวมข้อมูลจากหลายแหล่ง1
 
9.1%
(Missing)5
45.5%

Length

2026-09-09T11:20:50.078529image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:20:50.171592image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
เก็บข้อมูลก่อนปีที่จะรายงาน3
13.6%
22
 
9.1%
เก็บข้อมูลตั้งแต่2
 
9.1%
ของ2
 
9.1%
รวบรวมข้อมูลและอัพเดตแหล่งข้อมูลอย่างต่อเนื่องตลอดทั้งปี1
 
4.5%
ก.พ1
 
4.5%
ถึง1
 
4.5%
ธ.ค1
 
4.5%
เนื่องจากรวบรวมข้อมูลจากหลายแหล่ง1
 
4.5%
ของปีรายงาน1
 
4.5%
Other values (7)7
31.8%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

ช่วงเวลาประกาศ
Categorical

HIGH CORRELATION
HIGH CORRELATION

Distinct8
Distinct (%)72.7%
Missing0
Missing (%)0.0%
Memory size216.0 B
ก.ย.
3 
ต.ค.
2 
เม.ย.–พ.ค.
1 
ม.ค.
1 
ม.ค.–ก.พ.
1 
Other values (3)
3 

Length

Max length10
Median length4
Mean length5.454545455
Min length4

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique6 ?
Unique (%)54.5%

Sample

1st rowม.ค.
2nd rowม.ค.–ก.พ.
3rd rowเม.ย.–พ.ค.
4th rowก.ค.
5th rowก.ย.

Common Values

ValueCountFrequency (%)
ก.ย.3
27.3%
ต.ค.2
18.2%
เม.ย.–พ.ค.1
 
9.1%
ม.ค.1
 
9.1%
ม.ค.–ก.พ.1
 
9.1%
ก.ค.1
 
9.1%
ก.ย.–ต.ค.1
 
9.1%
พ.ย.1
 
9.1%

Length

2026-09-09T11:20:50.319582image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:20:50.428523image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
ก.ย3
27.3%
ต.ค2
18.2%
พ.ย1
 
9.1%
ก.ย.–ต.ค1
 
9.1%
ก.ค1
 
9.1%
ม.ค.–ก.พ1
 
9.1%
ม.ค1
 
9.1%
เม.ย.–พ.ค1
 
9.1%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

หมายเหตุการประกาศ
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING
UNIFORM

Distinct3
Distinct (%)100.0%
Missing8
Missing (%)72.7%
Memory size216.0 B
เริ่มเปิดตัว 2024–2026
1 
ประกาศพร้อม EGDI
1 
หยุดจัดอันดับหลังปี 2019
1 

Length

Max length24
Median length22
Mean length20.66666667
Min length16

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique3 ?
Unique (%)100.0%

Sample

1st rowประกาศพร้อม EGDI
2nd rowเริ่มเปิดตัว 2024–2026
3rd rowหยุดจัดอันดับหลังปี 2019

Common Values

ValueCountFrequency (%)
เริ่มเปิดตัว 2024–20261
 
9.1%
ประกาศพร้อม EGDI1
 
9.1%
หยุดจัดอันดับหลังปี 20191
 
9.1%
(Missing)8
72.7%

Length

2026-09-09T11:20:50.747401image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:20:50.856790image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
20191
16.7%
หยุดจัดอันดับหลังปี1
16.7%
egdi1
16.7%
ประกาศพร้อม1
16.7%
2024–20261
16.7%
เริ่มเปิดตัว1
16.7%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

link เข้าถึงดัชนี
Categorical

HIGH CORRELATION
HIGH CORRELATION
UNIFORM
UNIQUE

Distinct11
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size216.0 B
https://www.transparency.org/en/cpi/2024
1 
https://www.worldbank.org/en/businessready
1 
https://publicadministration.un.org/egovkb/en-us/Data/Country-Information/id/169-Thailand/dataYear/2010
1 
https://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-competitiveness-ranking/
1 
https://www.weforum.org/publications/the-global-competitiveness-report-2020/
1 
Other values (6)
6 

Length

Max length113
Median length76
Mean length73.09090909
Min length36

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique11 ?
Unique (%)100.0%

Sample

1st rowhttps://www.edelman.com/trust/trust-barometer
2nd rowhttps://www.transparency.org/en/cpi/2024
3rd rowhttps://chandlergovernmentindex.com/
4th rowhttps://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-competitiveness-ranking/
5th rowhttps://publicadministration.un.org/egovkb/en-us/Data/Country-Information/id/169-Thailand/dataYear/2010

Common Values

ValueCountFrequency (%)
https://www.transparency.org/en/cpi/20241
9.1%
https://www.worldbank.org/en/businessready1
9.1%
https://publicadministration.un.org/egovkb/en-us/Data/Country-Information/id/169-Thailand/dataYear/20101
9.1%
https://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-competitiveness-ranking/1
9.1%
https://www.weforum.org/publications/the-global-competitiveness-report-2020/1
9.1%
https://publicadministration.un.org/egovkb/en-us/About/Overview/E-Participation-Index1
9.1%
https://www.edelman.com/trust/trust-barometer1
9.1%
https://info.worldbank.org/governance/wgi/ https://databank.worldbank.org/source/worldwide-governance-indicators1
9.1%
https://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-digital-competitiveness-ranking/1
9.1%
https://chandlergovernmentindex.com/1
9.1%

Length

2026-09-09T11:20:50.980853image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
https://worldjusticeproject.org/rule-of-law-index/global1
8.3%
https://chandlergovernmentindex.com1
8.3%
https://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-digital-competitiveness-ranking1
8.3%
https://databank.worldbank.org/source/worldwide-governance-indicators1
8.3%
https://info.worldbank.org/governance/wgi1
8.3%
https://www.edelman.com/trust/trust-barometer1
8.3%
https://publicadministration.un.org/egovkb/en-us/about/overview/e-participation-index1
8.3%
https://www.weforum.org/publications/the-global-competitiveness-report-20201
8.3%
https://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-competitiveness-ranking1
8.3%
https://publicadministration.un.org/egovkb/en-us/data/country-information/id/169-thailand/datayear/20101
8.3%
Other values (2)2
16.7%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

Interactions

2026-09-09T11:20:47.243060image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Correlations

2026-09-09T11:20:51.106689image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Spearman's ρ

The Spearman's rank correlation coefficient (ρ) is a measure of monotonic correlation between two variables, and is therefore better in catching nonlinear monotonic correlations than Pearson's r. It's value lies between -1 and +1, -1 indicating total negative monotonic correlation, 0 indicating no monotonic correlation and 1 indicating total positive monotonic correlation.

To calculate ρ for two variables X and Y, one divides the covariance of the rank variables of X and Y by the product of their standard deviations.
2026-09-09T11:20:51.250824image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Pearson's r

The Pearson's correlation coefficient (r) is a measure of linear correlation between two variables. It's value lies between -1 and +1, -1 indicating total negative linear correlation, 0 indicating no linear correlation and 1 indicating total positive linear correlation. Furthermore, r is invariant under separate changes in location and scale of the two variables, implying that for a linear function the angle to the x-axis does not affect r.

To calculate r for two variables X and Y, one divides the covariance of X and Y by the product of their standard deviations.
2026-09-09T11:20:51.394709image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Kendall's τ

Similarly to Spearman's rank correlation coefficient, the Kendall rank correlation coefficient (τ) measures ordinal association between two variables. It's value lies between -1 and +1, -1 indicating total negative correlation, 0 indicating no correlation and 1 indicating total positive correlation.

To calculate τ for two variables X and Y, one determines the number of concordant and discordant pairs of observations. τ is given by the number of concordant pairs minus the discordant pairs divided by the total number of pairs.
2026-09-09T11:20:51.564477image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Cramér's V (φc)

Cramér's V is an association measure for nominal random variables. The coefficient ranges from 0 to 1, with 0 indicating independence and 1 indicating perfect association. The empirical estimators used for Cramér's V have been proved to be biased, even for large samples. We use a bias-corrected measure that has been proposed by Bergsma in 2013 that can be found here.
2026-09-09T11:20:51.830069image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Phik (φk)

Phik (φk) is a new and practical correlation coefficient that works consistently between categorical, ordinal and interval variables, captures non-linear dependency and reverts to the Pearson correlation coefficient in case of a bivariate normal input distribution. There is extensive documentation available here.

Missing values

2026-09-09T11:20:47.468520image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
A simple visualization of nullity by column.
2026-09-09T11:20:47.790646image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Nullity matrix is a data-dense display which lets you quickly visually pick out patterns in data completion.
2026-09-09T11:20:47.994257image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
The correlation heatmap measures nullity correlation: how strongly the presence or absence of one variable affects the presence of another.
2026-09-09T11:20:48.123992image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
The dendrogram allows you to more fully correlate variable completion, revealing trends deeper than the pairwise ones visible in the correlation heatmap.

Sample

First rows

ลำดับชื่อดัชนีหลักตัวย่อดัชนีหลักคำอธิบายย่อองค์กรผู้สำรวจวิธีการวัดความถี่ในการวัดช่วงเวลาสำรวจข้อมูลหมายเหตุการสำรวจช่วงเวลาประกาศหมายเหตุการประกาศlink เข้าถึงดัชนี
01Edelman Trust BarometerNaNสำรวจความเชื่อมั่นรัฐบาล ธุรกิจ NGO และสื่อ ใน 28 ประเทศEdelman Trust Instituteสัมภาษณ์ออนไลน์ ~32,000 คน/ปี (~1,150 คน/ประเทศ) ได้คะแนนจาก Weighted Average of Trust Scoresรายปีต.ค.-พ.ย.NaNม.ค.NaNhttps://www.edelman.com/trust/trust-barometer
12Corruption Perceptions IndexCPIการรับรู้การทุจริตภาครัฐทั่วโลก จัดอันดับประเทศจากคะแนน 0–100Transparency International (TI)ใช้ข้อมูลจาก 13 แหล่ง เช่น WB, WEF, EIU ฯลฯรายปีเม.ย.-มี.ค.เก็บข้อมูลตั้งแต่ เม.ย. ของ 2 ปีก่อนหน้าจนถึง มี.ค. ของปีรายงาน เนื่องจากรวบรวมข้อมูลจากหลายแหล่งม.ค.–ก.พ.NaNhttps://www.transparency.org/en/cpi/2024
23Chandler Good Government IndexCGGIวัดความสามารถและประสิทธิภาพของรัฐบาลใน 7 เสา 35 ตัวชี้วัดChandler Institute of Governanceใช้ข้อมูลจาก IMF, WB, OECD และดัชนีย่อยรายปีก.ค.-ธ.ค.NaNเม.ย.–พ.ค.NaNhttps://chandlergovernmentindex.com/
34IMD World Competitiveness RankingIMDวัดความสามารถในการแข่งขันของ ~69 ประเทศใน 4 ด้านหลักIMD World Competitiveness Center2/3 ข้อมูลสถิติ + 1/3 แบบสอบถามผู้บริหารรายปีก.พ.-มิ.ย.NaNก.ค.NaNhttps://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-competitiveness-ranking/
45E-Government Development IndexEGDIสะท้อนระดับการพัฒนารัฐบาลดิจิทัลของ 193 ประเทศUNDESAค่าเฉลี่ยถ่วงน้ำหนักของ OSI + TII + HCIทุก 2 ปีมี.ค.-ก.ย.เก็บข้อมูลก่อนปีที่จะรายงานก.ย.NaNhttps://publicadministration.un.org/egovkb/en-us/Data/Country-Information/id/169-Thailand/dataYear/2010
56E-Participation IndexEPIประเมินระดับการมีส่วนร่วมผ่านระบบอิเล็กทรอนิกส์UNDESAสำรวจพอร์ทัล/บริการภาครัฐ แล้วให้คะแนน 3 ขั้นทุก 2 ปีมี.ค.-ส.ค.เก็บข้อมูลก่อนปีที่จะรายงานก.ย.ประกาศพร้อม EGDIhttps://publicadministration.un.org/egovkb/en-us/About/Overview/E-Participation-Index
67Worldwide Governance IndicatorsWGIวัดมุมมองการกำกับดูแลของภาครัฐใน 6 มิติWorld Bankใช้ข้อมูลจาก >30 ดัชนี คำนวณ Z-score และ percentilesรายปีม.ค.-ส.ค.รวบรวมข้อมูลและอัพเดตแหล่งข้อมูลอย่างต่อเนื่องตลอดทั้งปีก.ย.NaNhttps://info.worldbank.org/governance/wgi/ https://databank.worldbank.org/source/worldwide-governance-indicators
78Business ReadyB-READYประเมินสภาพแวดล้อมทางธุรกิจใน 10 ขั้นตอนWorld Bankใช้ข้อมูลจากผู้เชี่ยวชาญและแบบสอบถามภาคธุรกิจรายปีม.ค.-มิ.ย.NaNก.ย.–ต.ค.เริ่มเปิดตัว 2024–2026https://www.worldbank.org/en/businessready
89Global Competitiveness ReportGCRวัดขีดความสามารถการแข่งขันทั่วโลกใน 12 ปัจจัยหลักWorld Economic Forum (WEF)1/3 ข้อมูลสาธารณะ + 2/3 แบบสอบถามผู้บริหารรายปีม.ค.-เม.ย.NaNต.ค.หยุดจัดอันดับหลังปี 2019https://www.weforum.org/publications/the-global-competitiveness-report-2020/
910IMD World Digital Competitiveness RankingIMD WDCRวัดความสามารถของประเทศในการรองรับ สำรวจ และใช้ประโยชน์จากเทคโนโลยีดิจิทัล ใน 3 ปัจจัยหลัก (Knowladge, Technology, Future Readiness)IMD World Competitiveness Centerใช้ทั้งข้อมูลสถิติ (hard data) 40 เกณฑ์ และแบบสำรวจผู้บริหาร (survey) 21 เกณฑ์รายปีม.ค.-ส.ค.เก็บข้อมูลก่อนปีที่จะรายงานพ.ย.NaNhttps://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-digital-competitiveness-ranking/

Last rows

ลำดับชื่อดัชนีหลักตัวย่อดัชนีหลักคำอธิบายย่อองค์กรผู้สำรวจวิธีการวัดความถี่ในการวัดช่วงเวลาสำรวจข้อมูลหมายเหตุการสำรวจช่วงเวลาประกาศหมายเหตุการประกาศlink เข้าถึงดัชนี
12Corruption Perceptions IndexCPIการรับรู้การทุจริตภาครัฐทั่วโลก จัดอันดับประเทศจากคะแนน 0–100Transparency International (TI)ใช้ข้อมูลจาก 13 แหล่ง เช่น WB, WEF, EIU ฯลฯรายปีเม.ย.-มี.ค.เก็บข้อมูลตั้งแต่ เม.ย. ของ 2 ปีก่อนหน้าจนถึง มี.ค. ของปีรายงาน เนื่องจากรวบรวมข้อมูลจากหลายแหล่งม.ค.–ก.พ.NaNhttps://www.transparency.org/en/cpi/2024
23Chandler Good Government IndexCGGIวัดความสามารถและประสิทธิภาพของรัฐบาลใน 7 เสา 35 ตัวชี้วัดChandler Institute of Governanceใช้ข้อมูลจาก IMF, WB, OECD และดัชนีย่อยรายปีก.ค.-ธ.ค.NaNเม.ย.–พ.ค.NaNhttps://chandlergovernmentindex.com/
34IMD World Competitiveness RankingIMDวัดความสามารถในการแข่งขันของ ~69 ประเทศใน 4 ด้านหลักIMD World Competitiveness Center2/3 ข้อมูลสถิติ + 1/3 แบบสอบถามผู้บริหารรายปีก.พ.-มิ.ย.NaNก.ค.NaNhttps://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-competitiveness-ranking/
45E-Government Development IndexEGDIสะท้อนระดับการพัฒนารัฐบาลดิจิทัลของ 193 ประเทศUNDESAค่าเฉลี่ยถ่วงน้ำหนักของ OSI + TII + HCIทุก 2 ปีมี.ค.-ก.ย.เก็บข้อมูลก่อนปีที่จะรายงานก.ย.NaNhttps://publicadministration.un.org/egovkb/en-us/Data/Country-Information/id/169-Thailand/dataYear/2010
56E-Participation IndexEPIประเมินระดับการมีส่วนร่วมผ่านระบบอิเล็กทรอนิกส์UNDESAสำรวจพอร์ทัล/บริการภาครัฐ แล้วให้คะแนน 3 ขั้นทุก 2 ปีมี.ค.-ส.ค.เก็บข้อมูลก่อนปีที่จะรายงานก.ย.ประกาศพร้อม EGDIhttps://publicadministration.un.org/egovkb/en-us/About/Overview/E-Participation-Index
67Worldwide Governance IndicatorsWGIวัดมุมมองการกำกับดูแลของภาครัฐใน 6 มิติWorld Bankใช้ข้อมูลจาก >30 ดัชนี คำนวณ Z-score และ percentilesรายปีม.ค.-ส.ค.รวบรวมข้อมูลและอัพเดตแหล่งข้อมูลอย่างต่อเนื่องตลอดทั้งปีก.ย.NaNhttps://info.worldbank.org/governance/wgi/ https://databank.worldbank.org/source/worldwide-governance-indicators
78Business ReadyB-READYประเมินสภาพแวดล้อมทางธุรกิจใน 10 ขั้นตอนWorld Bankใช้ข้อมูลจากผู้เชี่ยวชาญและแบบสอบถามภาคธุรกิจรายปีม.ค.-มิ.ย.NaNก.ย.–ต.ค.เริ่มเปิดตัว 2024–2026https://www.worldbank.org/en/businessready
89Global Competitiveness ReportGCRวัดขีดความสามารถการแข่งขันทั่วโลกใน 12 ปัจจัยหลักWorld Economic Forum (WEF)1/3 ข้อมูลสาธารณะ + 2/3 แบบสอบถามผู้บริหารรายปีม.ค.-เม.ย.NaNต.ค.หยุดจัดอันดับหลังปี 2019https://www.weforum.org/publications/the-global-competitiveness-report-2020/
910IMD World Digital Competitiveness RankingIMD WDCRวัดความสามารถของประเทศในการรองรับ สำรวจ และใช้ประโยชน์จากเทคโนโลยีดิจิทัล ใน 3 ปัจจัยหลัก (Knowladge, Technology, Future Readiness)IMD World Competitiveness Centerใช้ทั้งข้อมูลสถิติ (hard data) 40 เกณฑ์ และแบบสำรวจผู้บริหาร (survey) 21 เกณฑ์รายปีม.ค.-ส.ค.เก็บข้อมูลก่อนปีที่จะรายงานพ.ย.NaNhttps://www.imd.org/centers/wcc/world-competitiveness-center/rankings/world-digital-competitiveness-ranking/
1011WJP Rule of Law IndexWJPวัดนิติธรรมที่ครอบคลุม 143 ประเทศและเขตอำนาจศาล ดัชนีนี้สร้างจากแนวคิด 4 หลักการสากลของนิติธรรม ได้แก่ 1) ความรับผิดชอบของรัฐและเอกชน, 2) กฎหมายที่ชัดเจนและเสมอภาค, 3) รัฐบาลโปร่งใส, และ 4) ความเป็นธรรมที่เข้าถึงได้ ซึ่งประกอบด้วย 8 ปัจจัยหลักและ 44 ปัจจัยย่อยWorld Justice Project (WJP)ใช้ข้อมูลจากแหล่งที่มา 3 ประเภท โดยแต่ละประเภทมีบทบาทสำคัญ: 1. General Population Poll (GPP) - สำรวจประชากรทั่วไป 2. Qualified Respondents' Questionnaires (QRQ) - แบบสอบถามจากผู้เชี่ยวชาญทางกฎหมาย 3. Third-Party Sources (TPS) - แหล่งข้อมูลบุคคลที่สามรายปีก.พ.-ธ.ค.เก็บข้อมูลตั้งแต่ ก.พ. ถึง ธ.ค. ของ 2 ปีก่อนหน้า เนื่องจากรวบรวมข้อมูลจากใช้เวลาในการประมวลความคิดเห็นจาก 3 กลุ่มเป้าหมายต.ค.NaNhttps://worldjusticeproject.org/rule-of-law-index/global