Models for Analyzing Economical Crop Yields in Thailand
Main Article Content
บทคัดย่อ
This research is to propose an appropriate and efficient model for analyzing economical crop yields, rice, sugarcane and corn, in Thailand. The data were collected from provinces in the central region of Thailand, 22 provinces for rice, 9 provinces for corn and 14 provinces for sugarcanes, from 2007 to 2019. A linear mixed model (LMM) including spatial relationship explained by a conditional autoregressive (CAR) model was adopted. The Bayesian method was used for parameter estimation. The factors related to the production of rice, sugarcane and corn were also investigated. The results showed that the amount of rain, temperature, region and spatial effects affected the yields. When comparing the LMM with spatial relationship and the one without spatial relationship, it was found that the LMM model spatial relationship was more suitable than the one without spatial relationship. For each yield, the mean square error (MSE) of the LMM was greater than the MSE of the proposed model (rice yields: 6.07 vs 1.59, corn yields: 7226.11 vs 6287.44 and sugarcane yields: 76.76 vs 46.69).
Article Details
กองบรรณาธิการวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ มีความยินดีที่จะรับบทความจากอาจารย์ นักวิจัย นักวิชาการทั้งภายในและภายนอกมหาวิทยาลัย ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยี ได้แก่ สาขาวิชาวิทยาศาสตร์ วิศวกรรมศาสตร์ และสาขาอื่นๆ ที่เกี่ยวข้อง รวมถึงสาขาต่างๆ ที่มีการบูรณาการข้ามศาสตร์ที่เกี่ยวข้องวิทยาศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏอยู่ในแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพแต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา หรือข้อคิดเห็นใดๆ ของบทความในวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ ไปเผยแพร่ก่อนได้รับอนุญาตจากกองบรรณาธิการ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร
References
The agricultural futures exchange of Thailand, the Thailand Futures Exchange (TFEX)[Internet]. [updated 2019 Aug 19; cited 2019 Aug 9]. Available from: https://www.tfex.co.th/th/about/glance.html.
Liang KY, Zeger SL. Longitudinal data analysis using generalized linear models. Biometrika. 1986; 73:13-22.
Limmun W, Ingsrisawang, L. Study of factors affecting road traffic accidents using generalized estimating equations and generalized linear models. Journal of KMUTNB. 2010; 20(2): 311-21.
Lekdee K, Ingsrisawang L. Risk factors for malaria in Thailand using generalized estimating equations (GEE) and genalized linear mixed model (GLMM). J Health Sci. 2010; 19: 364-73.
Saengseedam P, Kantanantha N. Spatio-temporal model for crop yield forecasting. J Appl Stat. 2017; 44(3):427-40.
Sammatat, S. and Lekdee K. Estimation and Detection of Rice Yield in Thailand Using Spatial and Longitudinal Data Analysis. Applied Mathematical Sciences, 2019; 13(18): 877 - 84.
Bates DM, Mächler M, Bolker BM, et al. Fitting Linear Mixed-Effects Models Using lme4.2014[Internet]. [updated 2020 May 19; cited 2020 Jul 30]. Available from:http://arxiv.org/abs/1406.5823.
R Core Team. R: A Language and Environment for Statistical Computing. 2014[Internet]. [updated 2020 May 19; cited 2020 Jul 30] Available from: http://www.R-project.org
Magezi DA. Linear mixed-effects models for within-participant psychology experiments: an introductory tutorial and free, graphical user interface (LMMgui). Switzerland: University of Fribourg: Department of Medicine, Faculty of Science; 2015.
Pedroza CA. Bayesian forecasting model: predicting U.S. male mortality. Biostatistics. 2006; 7(4):530-50.
West BT, Welch KB, Galecki AT. Linear mixed models: A practical guide to using statistical software. NY : Chapman & Hall/CRC; 2007.
Banerjee S, Carlin BP, Gelfand AE. Hierarchical Modeling and Analysis for Spatial Data. Chapman and Hall/CRC Press. FL. Janeway CA, Travers P, Walport M, Shlomchik M. Immunobiology. 5th ed. New York: Garland Publishing; 2004.
Clayton D, Kaldor J. Empirical Bayes estimates of age-standardized relative risks for use in disease mapping. Biometrics. 1987;43:671-81.
Cowles MK. Applied Bayesian statistics: with R and OpenBUGS, New York: springer; 2013.
Baio G, Berardi A, Heath A. Bayesian cost-effectiveness analysis with the R package BCEA. New York: springer; 2017.
Temperature data. [Internet]. the thai meteorological department [updated 2019 Aug 19; cited 2019 Aug 9]. Available from: https://www.tmd.go.th/en/.
Yield data. [Internet]. the Office of Agricultural Economics [updated 2019 Aug 19; cited 2019 Aug 9]. Available from: http://www.oae.go.th/view/1/%E0%B8%AB%E0%B8%99%E0%B9%89%E0%B8%B2%E0%B9%81%E0%B8%A3%E0%B8%81/TH-TH.