ตัวแบบพยากรณ์จำนวนผู้ป่วยโรคบิดในประเทศไทย

Forecasting Model for the Number of Patients with Dysentery in Thailand

Abstract

        วัตถุประสงค์ของการวิจัยครั้งนี้ คือ การสร้างตัวแบบพยากรณ์ที่เหมาะสมที่สุดของจำนวนผู้ป่วยโรคบิดในประเทศไทย โดยใช้ข้อมูลจากเว็บไซต์ของระบบฐานข้อมูลด้านสังคมและคุณภาพชีวิต ตั้งแต่ไตรมาสที่ 1 ปี 2546 ถึงไตรมาสที่ 4 ปี 2557 จำนวน 48 ค่า ผู้วิจัยได้แบ่งข้อมูลออกเป็น 2 ชุด ชุดที่ 1 คือ ข้อมูลตั้งแต่ไตรมาสที่ 1 ปี 2546 ถึงไตรมาสที่ 4 ปี 2556 จำนวน 44 ค่า สำหรับการสร้างตัวแบบพยากรณ์ด้วยวิธีการทางสถิติ 3 วิธี ได้แก่ วิธีบอกซ์-เจนกินส์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ และวิธีการพยากรณ์รวม ชุดที่ 2 คือ ข้อมูลตั้งแต่ไตรมาสที่ 1 ถึงไตรมาสที่ 4 ปี 2557 จำนวน 4 ค่า สำหรับการตรวจสอบความแม่นยำของตัวแบบพยากรณ์ด้วยเกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยที่ต่ำที่สุด ผลการวิจัยพบว่า จากวิธีการพยากรณ์ทั้งหมดที่ได้ศึกษา วิธีการพยากรณ์รวมเป็นวิธีที่มีความเหมาะสมกับอนุกรมเวลาชุดนี้มากที่สุด ซึ่งมีตัวแบบพยากรณ์เป็น เมื่อ  และ  แทนค่าพยากรณ์เดี่ยว ณ เวลา t จากวิธีบอกซ์-เจนกินส์ และวิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ ตามลำดับ

        The purpose of this research was to construct the most suitable forecasting model for the number of patients with dysentery in Thailand. The data gathered from the website of Social and Quality of Life Database System during the first quarter, 2003 to the fourth quarter, 2014 (48 values) were used and divided into two categories. The first category had 44 values, which were the data during the first quarter, 2003 to the fourth quarter, 2013 for construction of forecasting model by three methods, Box-Jenkins, Winters’ multiplicative exponential smoothing, and combined forecasting. The second category had 4 values, which were the data from all four quarters in 2014 for checking the accuracy of the forecasting models via the criterion of the lowest mean absolute percentage error. The results showed that for all forecasting methods that had been studied, combined forecasting method was the most suitable for this time series and the forecasting model was  where and represented the single forecasts at time t from Box-Jenkins and Winters’ multiplicative exponential smoothing, respectively.