งานประชุมวิชาการระดับชาติ ครั้งที่ 12 มหาวิทยาลัยราชภัฏนครปฐม มหาวิทยาลัยราชภัฏนครปฐม | จังหวัดนครปฐม | ประเทศไทย | 9 - 10 กรกฎาคม 2563
ศาสตรพระราชา และการวิจัยเพื่อสรางดุลยภาพชีวิตในยุค Disruptive Technology | 1
การเปรียบเทียบเทคนิคพยากรณความตองการซื้อไขไกในประเทศไทย
ธรรมรัตน กลีบเมฆ
1ญาดา พรภักดี
1และ ปยนุช ปองกัน
1*1สาขาคณิตศาสตรและสถิติประยุกต คณะวิทยาศาสตรและศิลปศาสตร มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน [email protected]
บทคัดยอ
การวิจัยครั้งนี้มีวัตถุประสงคเพื่อหาตัวแบบพยากรณที่เหมาะสมกับขอมูลอนุกรมเวลาปริมาณความตองการซื้อไขไก
ของประเทศไทย โดยใชขอมูลจากสํานักงานเศรษฐกิจการเกษตร กรมสงเสริมการเกษตร ซึ่งใชเทคนิคการสรางตัวแบบ พยากรณทางสถิติ 3 วิธี ไดแก วิธีการปรับใหเรียบเอกซโพเนนเชียลดวยวิธีของวินเทอรแบบบวก วิธีบอกซ-เจนกินส และ วิธีการถดถอยเชิงเสนอยางงาย เมื่อกําหนดใหปริมาณผลผลิตเปนตัวแปรตน เปรียบเทียบความแมนยําของตัวแบบพยากรณ
ดวยเกณฑรอยละของความคลาดเคลื่อนสัมบูรณเฉลี่ย และเกณฑรากที่สองของความคลาดเคลื่อนกําลังสองเฉลี่ยต่ําสุด ผลการวิจัยพบวาตัวแบบจากวิธีบอกซ-เจนกินสเปนตัวแบบพยากรณที่มีความแมนยําสูงที่สุด
คําสําคัญ: ความตองการซื้อไขไก บอกซ-เจนกินส การปรับใหเรียบเอกซโพเนนเชียลดวยวิธีของวินเทอรแบบบวก การถดถอย เชิงเสนอยางงาย
A Comparison of Forecasting Techniques Regarding the Demand for Eggs in Thailand
Tammarat Kleebmek
1, Yada Pornpakdee
1, and Piyanuch Pongkan
1,*1
Department of Applied Mathematics and Statistics, Faculty of Sciences and Liberal Arts, Rajamangala University of Technology Isan, Mueang Nakhon Ratchasima, Nakhon
Ratchasima 30000, THAILAND [email protected]
Abstract
The purpose of this research is to construct the most suitable forecasting model regarding the demand for eggs in Thailand. The data comes from the Office of Agricultural Economics, Department of Agricultural Extension. A comparison of forecasting techniques utilizes three forecasting methods namely, Winters’ Additive Exponential Smoothing method, Box-Jenkins method and Simple Linear Regression method. Comparing the accuracy of the forecasting models by considering the mean absolute percentage error (MAPE) and root mean squared error (RMSE). The results have shown that the Box- Jenkins method is the most accurate of the forecasting models.
Keywords: Egg Demand, Box-Jenkins, Winters’ Additive Exponential Smoothing, Simple Linear Regression
1.บทนํา
ในชวง 10 ปที่ผานมาปริมาณการผลิตไขไกของโลกในระยะที่ผานผลผลิตไขไกของโลกมีแนวโนมเพิ่มขึ้นอยางสูงมาก ประเทศผูผลิตที่สําคัญคือ สาธารณรัฐประชาชนจีนคิดเปนรอยละ 48.24 รองลงมาคือสหรัฐอเมริกาคิดเปนรอยละ 10.70 สวน สถานการณไขไกในประเทศไทยไดมีการจัดระเบียบนําเขาพอ-แมพันธุไกไขเพื่อควบคุมปริมาณการผลิตไขไกใหสอดคลองกับ ความตองการของตลาด สงผลใหผูเลี้ยงไกไขเกรงวาจะขาดแคลนลูกไกไข จึงสั่งซื้อเพิ่มขึ้นในขณะเดียวกันยืดอายุการปลด ระวางแมไกไขออกไป ทําใหผลผลิตเพิ่มขึ้นคาดการณวามีผลผลิตลนตลาดวันละ 3-4 ลานฟอง เกษตรกรผูเลี้ยงไกไขจึงเรง ระบายผลผลิตออกสูตลาด พรอมทั้งผูประกอบรายใหญเรงระบายไขไกออกสูตลาดดวย สงผลใหราคาไขไกคละลดราคาต่ํากวา ครึ่งนึง เมื่อเทียบกับตนทุนแลว ทําใหเกษตรกรไดรับความเดือดรอน ภาครัฐไดรวมมือกับภาคเอกชนหามาตรการในการ กําหนดแนวทางแกไขราคาไขไกตกต่ํา โดยการลดปริมาณแมไกไขออกจากระบบ 2 ลานตัว ซึ่งผูประกอบการรายใหญรวมกัน ปลดระวางแมไกไขเกือบ 1 ลานตัว จะเห็นวาเกิดปญหาหลายดาน อยางแรกเลยคือปญหาดานการผลิต พันธุไขไกขาดการวิจัย และพัฒนาพันธุ เนื่องจากในปจจุบันจะตองนําเขาพอ-แมพันธุจากตางประเทศมาผลิตลูกไกไข ทําใหเสียคาใชจายคอนขางสูง ทําใหการผลิตลูกไกไขเพื่อจําหนายกับผูเลี้ยง คอนขางผูกขาดและลูกไกมีราคาแพง สงผลกระทบตอเนื่องทําใหตนทุนการผลิต ไขไกสูงเกินควร ราคาอาหารสัตวสวนใหญในหลายปที่ผานมามีราคาสูงขึ้น ที่ดินมีราคาแพงเปนอุปสรรคตอการขยายฟารม แรงงานขาดแคลนและไมมีคุณภาพ ปญหาทางดานการตลาด คือความไมแนนอนของราคา เนื่องจากวามีการปรับตัวเพิ่มขึ้น และลดลงคอนขางเร็ว เปนอุปสรรคตอการวางแผนการผลิต ปริมาณไขไกที่ออกสูตลาดขาดความสม่ําเสมอ ขาดมาตรฐานใน การจัดขั้นของไขไก
ดวยเหตุนี้คณะผูวิจัยจึงมีความสนใจที่จะเปรียบเทียบวิธีการพยากรณระหวางวิธีการบอกซ – เจนกินส วิธีการปรับให
เรียบเอกซโพเนนเชียลดวยวิธีของวินเทอรแบบบวกและวิธีการถดถอยเชิงเสนอยางงาย สําหรับการพยากรณความตองการซื้อ ไขไกในประเทศไทย เพื่อพยากรณความตองการซื้อไขไกในประเทศไทย จะทําใหทราบถึงปญหาที่อาจจะเกิดขึ้นในอนาคตและ การพยากรณความตองการซื้อไขไกในประเทศไทยที่แมนยําจะสงใหการกําหนดนโยบายทางเศรษฐกิจของประเทศมี
งานประชุมวิชาการระดับชาติ ครั้งที่ 12 มหาวิทยาลัยราชภัฏนครปฐม มหาวิทยาลัยราชภัฏนครปฐม | จังหวัดนครปฐม | ประเทศไทย | 9 - 10 กรกฎาคม 2563
ศาสตรพระราชา และการวิจัยเพื่อสรางดุลยภาพชีวิตในยุค Disruptive Technology | 3
ประสิทธิภาพมากขึ้นและไดสารสนเทศจากการพยากรณมาชวยสนับสนุนในการตัดสินใจใหกับผูบริหารและนักลงทุนของไทย ได
2. วิธีดําเนินการวิจัย
การวิจัยครั้งนี้ดําเนินการสรางตัวแบบพยากรณดวยโปรแกรมสําเร็จรูปทางสถิติ โดยใชอนุกรมเวลาความตองการซื้อ ไขไกในประเทศไทย (สํานักงานเศรษฐกิจการเกษตร, 2563) ตั้งแตเดือนมกราคม พ.ศ.2553 ถึง เดือนธันวาคม พ.ศ.2562 จํานวน 120 คา คณะผูวิจัยไดแบงขอมูลออกเปน 2 ชุด ชุดที่ 1 คือ ขอมูลตั้งแตเดือนมกราคม พ.ศ.2553 ถึง เดือนธันวาคม พ.ศ.2561 จํานวน 108 คา สําหรับการสรางตัวแบบพยากรณดวยวิธีทางสถิติ 3 วิธี ไดแก วิธีการของบอกซ – เจนกินส วิธีการ ปรับใหเรียบเอกซโพเนนเชียลดวยวิธีของวินเทอรแบบบวก และวิธีการถดถอยเชิงเสนอยางงาย เนื่องจากทั้ง 3 วิธีการ พยากรณมีความเหมาะสมกับอนุกรมเวลาชุดนี้มากที่สุด เพราะจากการพิจารณาลักษณะการเคลื่อนไหวของอนุกรมเวลา พบวาอนุกรมเวลาชุดนี้มีสวนประกอบของแนวโนมและความผันแปรของฤดูกาล โดยที่แนวโนมมีลักษณะเพิ่มขึ้น และความผัน แปรของฤดูกาลมีลักษณะคงที่ สวนขอมูลชุดที่ 2 คือ ขอมูลตั้งแตเดือนมกราคม พ.ศ.2562 ถึง เดือนธันวาคม พ.ศ.2562 จํานวน 12 คา นํามาใชสําหรับการเปรียบเทียบความแมนยําของตัวแบบพยากรณโดยใชเกณฑรากที่สองของความ คลาดเคลื่อนกําลังสองเฉลี่ย และเปอรเซ็นตความคลาดเคลื่อนสมบูรณเฉลี่ยที่ต่ําที่สุด
ภาพที่ 1 ลักษณะการเคลื่อนไหวของอนุกรมเวลาความตองการซื้อไขไกในประเทศไทย ตั้งแตเดือนมกราคม พ.ศ.2553 ถึงเดือนธันวาคม พ.ศ.2562
2.1 การพยากรณโดยวิธีบอกซ – เจนกินส (Box – Jenkins Method)
วิธีการพยากรณ ARIMA เปนวิธีการพยากรณของบอกซ – เจนกินส ดวยตัวแบบอารีมามีชื่อเต็มวา Autoregressive Integrated Moving Average วิธีนี้เปนการเลือกตัวแบบ เพื่อใชในการพยากรณจากการนําอนุกรมเวลามา พิจารณากราฟฟงกชันสหสัมพันธในตัว (Auto Correlation Function: ACF) และกราฟฟงกชันสหสัมพันธในตัวบางสวน (Partial Auto Correlation Function: PACF) และตัวแบบที่ไดอาจมีไดมากกวา 1 ตัวแบบ โดยอนุกรมเวลามีลักษณะคงที่
(Stationary Time Series) นั่นคือ มีคาเฉลี่ยคงที่ และความแปรปรวนคงที่ (ทรงศิริ แตสมบัติ, 2549) โดยมีตัวแบบทั่วไป คือ ARIMA(p,d,q)(P,D,Q)S=12 (George E.P.Box et al, 2016) แสดงดังสมการที่ (1)
Ip( )B)P(BL)(1B) (1d BL D) Yt G Tq( )B4Q(BL)Ht (1) โดยที่ Ip( )B 1 I1BI2B2 ... IpBp แทน ตัวดําเนินการสหสัมพันธในตัวเองแบบไมมีฤดูกาลอันดับที่ p (Non – Seasonal Autoregressive Operator of Order p : AR(p))
2
1 2
( L) 1 L L ... PL
P B B B PB
) ) ) ) แทน ตัวดําเนินการสหสัมพันธในตัวเองแบบมีฤดูกาลอันดับที่ P (Seasonal Autoregressive Operator of Order P : SAR(P))
(1B)d แทน ลําดับที่ของการหาผลตางไมมีฤดูกาล
(1BL D) แทน ลําดับที่ของการหาผลตางมีฤดูกาล
2
1 2
( ) 1 ... q
q B B B qB
T T T T แทน ตัวดําเนินการเฉลี่ยเคลื่อนที่แบบไมมีฤดูกาลอันดับที่ q (Non – Seasonal Moving Average Operator of Order q : MA(q))
2
1 2
( s) 1 L L ... QL
Q B B B QB
4 4 4 4 แทน ตัวดําเนินการเฉลี่ยเคลื่อนที่แบบมีฤดูกาลอันดับที่ Q
(Seasonal Moving Average Operator of Order Q : SMA(Q))
Yt แทน อนุกรมเวลา ณ เวลา t
( ) ( L)
p B P B
G PI ) แทน คาคงที่ โดยที่ P แทนคาเฉลี่ยของอนุกรมเวลาที่มีลักษณะคงที่ (Stationary)
Ht แทน อนุกรมเวลาของความคลาดเคลื่อนที่มีการแจกแจงปกติและเปนอิสระกัน ดวยคาเฉลี่ยเทากับศูนย
และความแปรปรวนคงที่ทุกชวงเวลา
t แทน ชวงเวลา ซึ่งมีคาตั้งแต 1 ถึง n
n แทน จํานวนขอมูลในอนุกรมชุดที่ 1
L แทน จํานวนฤดูกาล
B แทน ตัวดําเนินการถอยหลัง (Backward Operator) โดยที่ B YL t Yt L
2.2 การพยากรณโดยวิธีการปรับใหเรียบเอกซโพเนนเชียลดวยวิธีของวินเทอรแบบบวก (Winters’ Additive Exponential Smoothing Method)
วิธีการปรับใหเรียบเอกซโพเนนเชียลดวยวิธีของวินเทอร มีความเหมาะสมกับอนุกรมเวลาที่มีแนวโนมเปน เสนตรง และมีสวนประกอบของฤดูกาล มีคาคงที่การปรับเรียบ 3 ตัว คือ คาคงที่การปรับเรียบของคาระดับ (α) คาคงที่การ ปรับเรียบของคาความชัน (γ) และคาคงที่การปรับเรียบของคาฤดูกาล (Seasonal) (δ) ตัวแบบพยากรณแสดงดังสมการที่
(2)
ˆ-
ˆt m t t( ) t s m
Y a b m S (2) เมื่อ Yˆt m แทน คาพยากรณ ณ เวลา t mโดยที่ m แทนจํานวนชวงเวลาที่ตองการพยากรณไปขางหนา
,
t t
a bและSˆt แทน คาประมาณ ณ เวลา t แสดง ระยะตัดแกน Y ความชันของแนวโนม และความผันแปรตาม ฤดูกาลตามลําดับ โดยที่ at D( - ) (1 Yt Sˆt - s - )D >at - 1 bt - 1@
-1 -1
( - ) (1 - )
t t t t
b J a a J b
และ Sˆt G( - ) (1 - )Yt at G Sˆt - s
α, γ และ δ แทน คาคงที่การปรับเรียบ โดยที่ 0 <α < 1 , 0 < γ < 1 และ 0 <δ < 1
t แทน ชวงเวลา ซึ่งมีคาตั้งแต 1 ถึง n1โดยที่ n1แทนจํานวนขอมูลในอนุกรมเวลาชุดที่ 1
s แทน จํานวนฤดูกาล
2.3 การพยากรณโดยวิธีการถดถอยเชิงเสนอยางงาย (Simple Linear Regression Method)
การวิเคราะหถดถอย เปนการศึกษาเกี่ยวกับความสัมพันธระหวางตัวแปร 2 ลักษณะ คือ ตัวแปรอิสระ ซึ่งเปนตัว แปรที่ไมไดถูกกําหนดโดยตัวแปรอื่น ๆ ที่เกี่ยวของในเรื่องที่ศึกษาอยู แตอาจจะเกิดขึ้นจากปจจัยอื่น ๆ ที่ไมเกี่ยวของกับเรื่องที่
ศึกษาหรือเปนขอมูลพื้นฐานทั่วไป ตัวแปรตามเปนตัวแปรที่เปลี่ยนแปลงไปตามตัวแปรอิสระ ความสัมพันธระหวางตัวแปร 2 ตัวแปรดังกลาว อาจมีรูปแบบของความสัมพันธใน 2 ลักษณะคือ ความสัมพันธที่เปนเสนตรงและความสัมพันธที่ไมเปน เสนตรง โดยการวิเคราะหความสัมพันธที่มีตัวแปรอิสระเพียงตัวแปรเดียวเปนตัวบงบอกอิทธิพลของตัวแปรตาม เราอาจ เรียกวา เปนการวิเคราะหการถดถอยอยางงาย (Simple Regression Analysis) ตัวแบบพยากรณแสดงดังสมการที่ (3)
Yˆi a bXi (3) เมื่อ Yˆi แทน คาพยากรณตัวแปรตาม เมื่อ i = 1,2,3,…
a แทน คาคงที่หรือจุดตัดบนแกน y
b แทน คาความชันของเสนถดถอย
Xi แทน ตัวแปรอิสระหรือตัวแปรตน เมื่อ i = 1,2,3,…
งานประชุมวิชาการระดับชาติ ครั้งที่ 12 มหาวิทยาลัยราชภัฏนครปฐม มหาวิทยาลัยราชภัฏนครปฐม | จังหวัดนครปฐม | ประเทศไทย | 9 - 10 กรกฎาคม 2563
ศาสตรพระราชา และการวิจัยเพื่อสรางดุลยภาพชีวิตในยุค Disruptive Technology | 5
3. ผลการวิจัย
การวิจัยเพื่อพยากรณความตองการซื้อไขไกในประเทศไทย โดยใชตัวแบบอารีมา ตัวแบบของวินเทอรแบบบวก และตัว แบบการถดถอยเชิงเสนอยางงาย เพื่อหาตัวแบบที่เหมาะสมที่สุดในการพยากรณความตองการซื้อไขไกในประเทศไทย 3.1 ผลการพยากรณโดยวิธีบอกซ – เจนกินส
พิจารณาจากลักษณะของสหสัมพันธในตัวโดยระบุพารามิเตอร q,Q ในตัวแบบและสหสัมพันธในตัวบางสวนของ ขอมูลโดยระบุ p,P ในตัวแบบสามารถดูไดจากกราฟ ACF และ PACF ดังภาพที่ 2 พบวาอนุกรมเวลายังไมคงที่ นั่นคือ ชุดของ ขอมูลมีการเคลื่อนไหวไปตามแนวโนมที่เพิ่มขึ้นตามกาลเวลา (Time Trend) และความแปรปรวนวิ่งหางออกจากเดิมไปเรื่อย ๆ ตามแนวโนมของระยะเวลาที่เพิ่มขึ้น ดังนั้นคณะผูวิจัยจึงทําการแปลงขอมูลดวยการ Difference Trend and Seasonal 1 (d = 1), (D = 1) ไดกราฟ ACF และ PACF ของอนุกรมเวลาที่แปลงขอมูลแลว แสดงดังภาพที่ 3 ซึ่งพบวา อนุกรมเวลามี
ลักษณะคงที่ จึงกําหนดตัวแบบพยากรณที่เปนไปได พรอมกับประมาณคาพารามิเตอร ดังแสดงในตารางที่ 1 โดยตัวแบบ พยากรณมีคาพารามิเตอรของตัวแบบเหมาะสม ที่ระดับนัยสําคัญ 0.05 และคาสถิติ Q Ljung – Box (18) เทากับ 12.413 และคา p-value = 0.715 ซึ่งมากกวาระดับนัยสําคัญที่ D= 0.05 ดังนั้น ตัวแบบที่พิจารณามีความเหมาะสม เมื่อตรวจสอบ ขอตกลงเบื้องตนของความคลาดเคลื่อนจากการพยากรณ พบวา ความคลาดเคลื่อนมีการแจกแจงปกติ (Kolmogorov- Smirnov Z = 1.135, p-value = 0.152) มีการเคลื่อนไหวเปนอิสระกัน (Q Ljung – Box (27) = 39.848, p-value = 0.053) มีคาเฉลี่ยไมแตกตางจากศูนย (t = 324, p-value = 0.747) และมีความแปรปรวนคงที่ทุกชวงเวลา (Levene Statistic p-value = 0.086) ดังนั้น ตัวแบบที่เหมาะสม นั่นคือ ARIMA(1,1,0)(1,1,0)12 ไมมีพจนคาคงที่ ซึ่งจากสมการที่ (1) สามารถเขียนตัวแบบไดดังนี้
1 12 1 1 1 1 13 1 1 13 1 2 1 1 14 12 1 24
1 13 1 1 25 13 1 25 1 14 1 1 26
t t t t t t t t t t
t t t t t t
Y Y Y Y Y Y Y Y Y Y
Y Y Y Y Y Y
I I I I
I I I I
) ) ) ) ) ) ) )
เมื่อแทนคาประมาณพารามิเตอรจากตารางที่ 1 จะไดตัวแบบพยากรณแสดงดังนี้
12 1 13 1 13 2 14 12
24 13 25 13 25 14 26
ˆ ( 0.361) 0.314 (0.314)(0.361) 0.361 0.314 (0.314)(0.361)
0.361 0.314 (0.314)(0.361) 0.361 0.314 (0.314)(0.361)
t t t t t t t t t
t t t t t t t
Y Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y
(4)
เมื่อ Yˆt แทน คาพยากรณ ณ เวลา t
Yt i แทน อนุกรมเวลา ณ เวลา t i เมื่อ i= 1, 2, 12, 13, 14, 24, 25, 26
ภาพที่ 2 กราฟสหสัมพันธในตัว ACF และสหสัมพันธในตัวบางสวน PACF
ภาพที่ 3 ACF และ PACF ของอนุกรมเวลาความตองการซื้อไขไกในประเทศไทย เมื่อแปลงขอมูลดวย Trend and Seasonal Difference
ตารางที่ 1 คาประมาณพารามิเตอรของตัวแบบ ARIMA(p,d,q)(P,D,Q)12
ARIMA(p,d,q)(P,D,Q)12
คาประมาณพารามิเตอร ARIMA(1,1,0)(1,1,0)12
ไมมีพจนของคาคงที่
คาคงที่ คาประมาณ
p-value -
(1) : 1
AR I คาประมาณ
p-value -0.314
0.002
(1) : 1
SAR ) คาประมาณ
p-value
-0.361 0.000
Q Ljung – Box (ณ lag 18) 12.413
p-value 0.715
3.2 ผลการพยากรณโดยวิธีการปรับใหเรียบเอกซโพเนนเชียลแบบวินเทอรแบบบวก
วิธีการปรับใหเรียบเอกซโพเนนเชียลแบบวินเทอรแบบบวก เปนวิธีพยากรณที่เหมาะสําหรับขอมูลที่มี
สวนประกอบของแนวโนม และความผันแปรตามฤดูกาล วิธีนี้จะใชคาคงที่ในการปรับใหเรียบ 3 ตัว คือ คาปรับน้ําหนักสําหรับ คาระดับ ( )D คาปรับน้ําหนักสําหรับความชัน ( )E และคาปรับน้ําหนักสําหรับฤดูกาล ( )J โดยใชโปรแกรมสําเร็จรูปทาง สถิติ SPSS หาคาคงที่ดังกลาวที่ใหคาผลรวมความคลาดเคลื่อนกําลังสอง (Sum of Squared Error) ต่ําที่สุดโดยคาปรับ น้ําหนักสําหรับคาระดับ ( )D คาปรับน้ําหนักสําหรับความชัน ( )E และคาปรับน้ําหนักสําหรับฤดูกาล ( )J จะทําการหา ตั้งแต 0.01 และขยับไปทีละ 0.01 จนถึง 1 การสรางตัวแบบพยากรณโดยวิธีการปรับใหเรียบเอกซโพเนนเชียลแบบวินเทอร
แบบบวก เมื่อตรวจสอบขอตกลงเบื้องตนของความคลาดเคลื่อนจากการพยากรณ พบวา ความคลาดเคลื่อนมีการแจกแจง ปกติ (Kolmogorov-Smirnov Z = 0.077, p-value = 0.125) มีการเคลื่อนไหวเปนอิสระกัน (Durbin - Watson = 2.129) มีคาเฉลี่ยไมแตกตางจากศูนย (t = 0.182, p-value = 0.856) และมีความแปรปรวนคงที่ทุกชวงเวลา (Levene Statistic p-value = 0.291) ดังนั้นตัวแบบพยากรณที่ไดมีความเหมาะสม สามารถเขียนตัวแบบไดดังนี้
ˆt m 1, 295.662 4.211( ) ˆt S m
Y m S (5)
เมื่อ YYt m แทน คาพยากรณณเวลา t m โดยที่ mเทากับ 1 ถึง 12 (เดือนมกราคมถึงเดือนธันวาคม พ.ศ. 2563 จํานวน 12 คา)
ˆt S m
S แทน คาดัชนีฤดูกาล
3.3 ผลการพยากรณโดยใชวิธีการถดถอยเชิงเสนอยางงาย
การสรางตัวแบบพยากรณโดยวิธีการถดถอยเชิงเสนอยางงาย คณะผูวิจัยไดทําการเก็บรวบรวมขอมูลความ ตองการซื้อไขไกในประเทศไทยและราคาไขไก ตังแตเดือนมกราคม พ.ศ.2553 ถึง เดือนธันวาคม พ.ศ.2561
350 325 300 275 250 1400 1300 1200 1100 1000 900 800
700
Price
Product
Scatterplot of Product vs Price
ภาพที่ 4 แผนภาพการกระจายของความตองการซื้อไขไกในประเทศไทย (Product:Y) และราคาไขไก (Price:X) ตั้งแตเดือนมกราคม พ.ศ.2553 ถึง เดือนธันวาคม พ.ศ.2561
งานประชุมวิชาการระดับชาติ ครั้งที่ 12 มหาวิทยาลัยราชภัฏนครปฐม มหาวิทยาลัยราชภัฏนครปฐม | จังหวัดนครปฐม | ประเทศไทย | 9 - 10 กรกฎาคม 2563
ศาสตรพระราชา และการวิจัยเพื่อสรางดุลยภาพชีวิตในยุค Disruptive Technology | 7
จากภาพที่ 4 จะเห็นวา ความตองการซื้อไขไกในประเทศไทย เมื่อเปรียบเทียบกับราคาไขไก ตั้งแตเดือนมกราคม พ.ศ.2553 ถึง เดือนธันวาคม พ.ศ.2561 มีทิศทางตรงกันขาม และเมื่อนําขอมูลทั้งสองสวนมาทําแผนภูมิการกระจาย พบวา การกระจายของตัวแปรทั้งสองสามารถอธิบายความสัมพันธในเชิงเสนตรง (pd 0.05) สามารถเขียนตัวแบบไดดังนี้
Yˆi 1,389.396 1.157 Xi (6) เมื่อ Yˆi แทน คาพยากรณความตองการซื้อไขไก
Xi แทน ราคาไขไก
3.4 การเปรียบเทียบความแมนยําของวิธีการพยากรณทั้ง 3 วิธี
การพยากรณความตองการซื้อไขไกในประเทศไทย ดังตารางที่ 2 พบวา คาความคลาดเคลื่อนของตัวแบบที่มี
ความเหมาะสมสําหรับการพยากรณมากที่สุด คือ วิธีการของบอกซ – เจนกินส เนื่องจากใหคาพยากรณที่ใกลเคียงกับคาจริง มากที่สุดหรือใหคา MAPE และ RMSE ต่ําที่สุด
ตารางที่ 2 การเปรียบเทียบความแมนยําของวิธีการพยากรณทั้ง 3 วิธี ประจําป พ.ศ.2562
เดือน คาจริง คาพยากรณ
บอกซ – เจนกินส วินเทอรแบบบวก การถดถอยเชิงเสนอยางงาย
มกราคม 1,186.450 1,334.890 1,373.154 1,073.539
กุมภาพันธ 1,158.240 1,282.280 1,335.268 1,072.382
มีนาคม 1,168.640 1,318.990 1,374.825 1,086.266
เมษายน 1,183.480 1,327.160 1,369.520 1,083.952
พฤษภาคม 1,223.580 1,377.260 1,410.206 1,072.382
มิถุนายน 1,219.120 1,376.700 1,400.649 1,065.440
กรกฎาคม 1,269.610 1,419.860 1,433.423 1,060.812
สิงหาคม 1,290.400 1,439.860 1,433.236 1,058.498
กันยายน 1,262.190 1,405.570 1,405.864 1,053.870
ตุลาคม 1,293.370 1,445.680 1,434.150 1,050.399
พฤศจิกายน 1,285.940 1,426.940 1,404.325 1,058.498
ธันวาคม 1,308.220 1,473.090 1,447.895 1,066.597
RMSE 148.563 166.414 181.018
MAPE 11.986 13.387 13.601
3.5 ผลการพยากรณความตองการซื้อไขไกในประเทศไทย
การเปรียบเทียบความแมนยําของคาพยากรณ ซึ่งพบวาวิธีการของบอกซ – เจนกินส มีความเหมาะสมกับ อนุกรมเวลาชุดนี้มากที่สุด ดังนั้นคณะผูวิจัยจึงเลือกใชวิธีการดังกลาวในการพยากรณความตองการซื้อไขไกในประเทศไทย ตั้งแตเดือนมกราคม พ.ศ.2563 ถึง เดือนธันวาคม พ.ศ. 2563 รายละเอียดดังภาพที่ 5
ภาพที่ 5 การเปรียบเทียบอนุกรมเวลาผลผลิตไขไกในประเทศไทยจากคาพยากรณ 3 วิธี
ขอมูลชุดที่ 1
ขอมูลชุดที่ 2
คาพยากรณ
4. สรุปผลการวิจัย
งานวิจัยการเปรียบเทียบเทคนิคพยากรณความตองการซื้อไขไกในประเทศไทย มีจุดประสงคเพื่อศึกษา สรางตัวแบบ และพยากรณความตองการซื้อไขไก ซึ่งขั้นตอนการสรางตัวแบบจะใชเครื่องมือในการวิเคราะหขอมูลเชิงปริมาณ โดยการใช
เทคนิคการพยากรณอยูดวยกัน 3 วิธี ไดแก วิธีการของบอกซ – เจนกินส วิธีการปรับใหเรียบเอกซโพเนนเชียลดวยวิธีของวิน เทอรแบบบวกและวิธีการถดถอยเชิงเสนอยางงาย จากนั้นทําการตรวจสอบความแมนยําของตัวแบบโดยใชเกณฑรากที่สอง ของความคลาดเคลื่อนกําลังสองเฉลี่ย (RMSE) และเปอรเซ็นตความคลาดเคลื่อนสมบูรณเฉลี่ย (MAPE) เพื่อทําใหผลการ พยากรณมีความผิดพลาดในการพยากรณต่ําที่สุด
สําหรับตัวแบบในการเปรียบเทียบเทคนิคพยากรณความตองการซื้อไขไกในประเทศไทย โดยผลจากตัวแบบวิธีบอกซ
– เจนกินส ใหคา RMSE เทากับ 148.56 และคา MAPE เทากับ 11.99 ตัวแบบวิธีการปรับใหเรียบเอกซโพเนนเชียลดวยวิธี
ของวินเทอรแบบบวก ใหคา RMSE เทากับ 166.41 และคา MAPE เทากับ 13.39 และตัวแบบการพยากรณโดยวิธีการถดถอย เชิงเสนอยางงาย ใหคา RMSE เทากับ 181.02 และคา MAPE เทากับ 13.60 ตัวแบบที่เหมาะสมที่สุดนั่นคือ ตัวแบบ ARIMA(0,1,0)(1,1,0)S=12 ไมมีพจนของคาคงที่ โดยวิธีบอกซ – เจนกินส
จากผลของตัวแบบ ARIMA(0,1,0)(1,1,0)S=12 ไมมีพจนของคาคงที่ พบวา ความตองการซื้อไขไกในประเทศไทย ในป
พ.ศ.2563 ต่ําสุดคือ เดือนกุมภาพันธ จํานวน 1366.68 ลานฟอง และสูงสุดคือ เดือนธันวาคม จํานวน 1568.73 ลานฟอง
5. กิตติกรรมประกาศ
โครงการวิจัยไดรับทุนอุดหนุนการวิจัยจากมหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน ตามสัญญาเลขที่
FRB630010/0174-P6-01
6. เอกสารอางอิง
เฉลิมพล จตุพร และคณะ. (2559). ตัวแบบพยากรณผลผลิตและปริมาณสงออกยางพาราของประเทศไทย. วารสารแกน เกษตร, 44 (2), 219 - 228.
ซีพีเอฟ. (2558). การบริโภคไขไกของคนไทย. คนเมื่อวันที่ 22 พฤษภาคม 2563. จาก https://www.cpfworldwide.com ณัฏฐนันท มุขมา และคณะ. (2561). การพยากรณจํานวนนักทองเที่ยวชาวจีนที่เดินทางเขามาในประเทศไทย. วารสารวิทยา
ศาสตรและเทคโนโลยี, 26 (3), 417 -428.
ทรงศิริ แตสมบัติ.(2549). การพยากรณเชิงปริมาณ, กรุงเทพ, สํานักพิมพมหาวิทยาลัยเกษตรศาสตร.
บุญฤทธิ์ ชูประดิษฐ และเสาวภา ชัยพิทักษ. (2561). ตัวแบบพยากรณปริมาณสงออกมะมวงของประเทศไทย. วารสารวิทยา ศาสตรและเทคโนโลยี, 26 (2), 74 - 85.
พิชญากร เลค. (2559). การทํานายจํานวนนักทองเที่ยวที่เดินทางเขามาในประเทศไทยโดยใชการ วิเคราะหอนุกรมเวลา ดวยเทคนิคเหมืองขอมูล. การประชุมวิชาการระดับชาติ ครั้งที่ 1 มหาวิทยาลัยเกษตรศาสตร วิทยาเขตศรีราชา ประจําป
2559.
มุกดา แมนมินทร. (2549). อนุกรมเวลาและการพยากรณ. พิมพครั้งที่ 1 กรุงเทพ. สํานักพิมพประกายพรึก
สมาคมผูผลิต ผูคาและสงออกไขไก. (2562). ปริมาณการผลิต ราคา การบริโภคไขไก. คนเมื่อวันที่ 22 พฤษภาคม 2563. จาก เว็บไซต http://www.egg-thailand.com
สํานักงานเศรษฐกิจการเกษตร. (2563). ดัชนีราคาและผลผลิต. คนเมื่อวันที่ 22 พฤษภาคม 2563. จากเว็บไซต
http://www.oae.go.th
วรางคณา เรียนสุทธิ์. (2562). ตัวแบบพยากรณราคาไขไก. วารสารศรีนครินทรวิโรฒวิจัยและพัฒนา, 11 (22), 196 - 211.
วรางคณา เรียนสุทธิ์ (2559) การพยากรณราคาน้ํายางธรรมชาติ. วารสารวิทยาศาสตรและเทคโนโลยี, 24 (2). 211 - 214
