การพยากรณ์ราคาแป้งมันสำปะหลังของประเทศไทยด้วยตัวแบบอนุกรมเวลา
Main Article Content
บทคัดย่อ
วัตถุประสงค์ของการศึกษา คือ การพยากรณ์ราคาของแป้งมันสำปะหลังในประเทศไทย ด้วยเทคนิคอนุกรมเวลา 5 วิธี ได้แก่ วิธีบ๊อกซ์-เจนกินส์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของโฮลต์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังที่มีแนวโน้มแบบแด็มพ์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังอย่างง่าย และวิธีการเฉลี่ยเคลื่อนที่อย่างง่าย 3, 6 และ 12 เดือน โดยใช้ข้อมูลจากสมาคมแป้งมันสำปะหลังไทย (TTSA) จำนวน 72 เดือน ตั้งแต่เดือนมกราคม 2552 ถึงเดือนธันวาคม 2557 ผู้วิจัยได้แบ่งข้อมูลออกเป็นสองชุด โดยข้อมูลชุดที่ 1 จำนวน 60 เดือน เริ่มตั้งแต่เดือนมกราคม 2552 ถึงเดือนธันวาคม 2556 สำหรับการสร้างตัวแบบพยากรณ์ และข้อมูลชุดที่ 2 จำนวน 12 เดือน โดยเริ่มตั้งแต่เดือนมกราคมถึงเดือนธันวาคม 2557 สำหรับการเปรียบเทียบประสิทธิภาพของวิธีการพยากรณ์ ด้วยเกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสมบูรณ์เฉลี่ย และเกณฑ์รากที่สองของความคลาดเคลื่อนเฉลี่ยกำลังสองเฉลี่ยที่ต่ำที่สุด ผลการวิจัยพบว่า จากวิธีการพยากรณ์ทั้งหมดที่ได้ศึกษา ภายใต้เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย วิธีการเฉลี่ยเคลื่อนที่อย่างง่ายสามเดือน เป็นวิธีที่มีประสิทธิภาพสูงที่สุด ขณะที่ภายใต้เกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังอย่างง่าย เป็นวิธีที่มีประสิทธิภาพสูงที่สุด อย่างไรก็ตาม ค่าพยากรณ์ของทั้งสองวิธีมีความน่าเชื่อถือ เนื่องจากไม่มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ
Article Details
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
[2] K. Sittikul, “Study of price behavior and forecasting of Cassava products,” M.S. thesis, Department of Agricultural and Resource Economics, Faculty of Economics Kasetsart University, Bangkok, 1998 (in Thai).
[3] S. Sanitchan, “Cassava product prices forecasting by ARIMA method,” M.S. thesis, Faculty of Economics Chaing Mai University, Chang Mai, 2004 (in Thai).
[4] N. Thitinunpong and P. Parthanadee, “Forecasting of fresh cassava root buying prices and cassava chip selling prices,” M.S. thesis, Department of Agro-Industrial Technology, Faculty of Agro-Industry Kasetsart University, Bangkok, 2012 (in Thai).
[5] TTSA. (2009, Jan.). Weekly Tapioca Starch Price. Thai Tapioca Starch Association. Thailand [online]. Available:http;//www.thaipiocastarch.org/en/Information/learning_industry/articles
[6] M. Manmin, Time Series and Forecasting. Bangkok: Prakaypruek Publishing center, 2006 (in Thai).
[7] W. Keeratiwiboon. (2014, December). Forecasting the export quantity of rubber compound. Srinakharinwirot science journal [online]. vol. 30, no. 2, pp. 41–56. Available: http://www.tci- Thaijo.org/index.php/tstj/article/viesFile/41059/3395
[8] S. Taesombat, Forecasting Quantitative. 2nd ed. Bangkok: Kasetsart University Publishing Center, 2006 (in Thai).
[9] S. Ketaium, Techniques of Forecasting. 2nd ed. Songkla: Taksin University Publishing Center, 2005 (in Thai).
[10] IBM Corporation. IBM SPSS Statistics information Center. IBM Corporation. Document [online]. Available: http://publib.boulder.ibm.com/Infocenter/spssstat/v20rm0/index.jsp.?.
[11] B. L. Bowerman and O’Connell, Forecasting and Time Series: An Applied Approach. 3rd ed. California: Duxbury Press, 1993.