ตัวแบบพยากรณ์มูลค่าการส่งออกไม้ยางพาราแปรรูปและเฟอร์นิเจอร์ของประเทศไทย

Forecasting Model for the Export Values of Rubber Wood and Furniture of Thailand

Abstract

วัตถุประสงค์ของการศึกษาครั้งนี้คือ การสร้างตัวแบบพยากรณ์ที่เหมาะสมกับอนุกรมเวลามูลค่าการส่งออกไม้ยางพาราแปรรูปและเฟอร์นิเจอร์ของประเทศไทย โดยใช้ข้อมูลจากเว็บไซต์ของธนาคารแห่งประเทศไทย ตั้งแต่เดือนมกราคม 2538 ถึงเดือนมกราคม 2558 จำนวน 241 ค่า ซึ่งข้อมูลถูกแบ่งออกเป็น 2 ชุด ข้อมูลชุดที่ 1 ตั้งแต่เดือนมกราคม 2538 ถึงเดือนมิถุนายน 2557 จำนวน 234 ค่า สำหรับการสร้างตัวแบบพยากรณ์ด้วยวิธีการที่เหมาะสมกับอนุกรมเวลาชุดนี้มากที่สุด 3 วิธี คือ วิธีบอกซ์-เจนกินส์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ และวิธีการพยากรณ์รวม ข้อมูลชุดที่ 2 ตั้งแต่เดือนกรกฎาคม 2557 ถึงเดือนมกราคม 2558 จำนวน 7 ค่า นำมาใช้สำหรับการเปรียบเทียบความถูกต้องของค่าพยากรณ์ โดยใช้เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย และเกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยที่ต่ำที่สุด ผลการศึกษาพบว่า ภายใต้เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย วิธีการพยากรณ์รวมมีความถูกต้องมากที่สุด ขณะที่ภายใต้เกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณมีความถูกต้องมากที่สุด อย่างไรก็ตาม ค่าพยากรณ์ของทั้ง 2 วิธี มีความน่าเชื่อถือ เนื่องจากไม่มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ

The objective of this study was to construct the appropriate forecasting model for the export values of rubber wood and furniture of Thailand. The data gathered from the website of Bank of Thailand during January, 1995 to January, 2015 of 241 values were used and divided into 2 sets. The first set had 234 values from January, 1995 to June, 2014 for constructing the forecasting models by the most suitable three methods to this time series which were Box-Jenkins method, Winters’ multiplicative exponential smoothing method, and combined forecasting method. The second set had 7 values from July, 2014 to January, 2015 for comparing accuracy of the forecasts via the criteria of the lowest mean absolute percentage error and root mean squared error. Research findings indicated that, under the criterion of mean absolute percentage error, combined forecasting method was the most accurate. Whereas under the criterion of root mean squared error, Winters’ multiplicative exponential smoothing method was the most accurate. However, the forecast values of two methods were reliable because there was no statistically significant difference.