การเปรียบเทียบการพยากรณ์ดัชนีราคาผู้บริโภคของประเทศไทยโดยตัวแบบ ARIMA และ ARIMAX
คำสำคัญ:
การพยากรณ์ , ดัชนีราคาผู้บริโภค, ตัวแบบ ARIMA, ตัวแบบ ARIMAXบทคัดย่อ
งานวิจัยนี้มีจุดประสงค์เพื่อทำการศึกษาและเปรียบเทียบประสิทธิภาพในการพยากรณ์ดัชนีราคาผู้บริโภคจากตัวแบบ ARIMA และตัวแบบ ARIMAX โดยผลการพยากรณ์ดัชนีราคาผู้บริโภคสามารถใช้เป็นข้อมูลสำหรับการตัดสินใจกำหนดนโยบายการเงินและการคลัง การศึกษาวิจัยครั้งนี้ใช้ข้อมูลอนุกรมเวลาแบบรายเดือนตั้งแต่วันที่ 1 มกราคม พ.ศ. 2553 ถึงวันที่ 31 ธันวาคม พ.ศ. 2565 โดยตัวแปรอิสระที่ใช้ในการวิเคราะห์ตัวแบบ ARIMAX ได้แก่ ดัชนีแลกเปลี่ยนเงินบาทที่แท้จริง อัตราการว่างงานของคนในประเทศไทย ดัชนีค้าปลีกของประเทศไทย ดัชนีค้าส่งของประเทศไทย และอัตราดอกเบี้ยนโยบายของประเทศไทย โดยผลการศึกษาตามวัตถุประสงค์สามารถอธิบายได้โดยการเปรียบเทียบความคลาดเคลื่อนของการพยากรณ์ คือ ค่าเบี่ยงเบนสัมบูรณ์เฉลี่ย (MAD) ค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (MSE) และ ค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) เพื่อหาตัวแบบที่ให้ค่าความคลาดเคลื่อนน้อยที่สุด และยังทำการเปรียบเทียบค่าสัมประสิทธิ์การตัดสินใจ (R-Squared) เพื่ออธิบายประสิทธิภาพในการพยากรณ์อีกด้วย ผลจากการศึกษาพบว่าตัวแบบที่มีความเหมาะสมมากที่สุด คือ ตัวแบบ ARIMAX(2,1,(1,11)) ที่มีดัชนีค้าส่งของประเทศไทยเป็นตัวแปรอิสระในการพยากรณ์ ซึ่งให้ค่า MAD, MSE, MAPE (%) และ R-Squared (%) เท่ากับ 0.4216, 0.3435, 0.4166 % และ 84.1019 % ตามลำดับ
References
ธนาคารแห่งประเทศไทย. ประกาศคณะกรรมการนโยบายการเงิน เป้าหมายของนโยบายการเงิน ประจำปี 2566.[อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 20 เม.ย. 2567]. เข้าถึงได้จาก: https://www.bot.or.th/content/dam/bot/documents/th/our-roles/monetary-policy/monetary-policy-target/AnnounceMPC_Target2566.pdf
พัชราภรณ์ นิยมจิตร. ปัจจัยที่มีผลต่อดัชนีราคาผู้บริโภคในประเทศไทย. วิทยานิพนธ์ปริญญาเศรษฐศาสตร์มหาบัณฑิต สาขาเศรษฐศาสตร์ธุรกิจ, คณะเศรษฐศาสตร์. มหาวิทยาลัยหอการค้าไทย. กรุงเทพฯ; 2561.
นิฉา แก้วหาวงษ์. การพยากรณ์ปริมาณการใช้ไฟฟ้าของประเทศไทยโดยใช้ตัวแบบ SARIMA และตัวแบบการถดถอยที่มีความคลาดเคลื่อนเป็นตัวแบบ ARMA. J Sci Tech 2558;4(1):24-36.
Bolanle AD, Oluwadare A. ARIMA and ARIMAX stochastic models for fertility in Nigeria. J Math Comp 2017;7(5):1-20.
Adu WK, Appiahene P, Afrifa S. VAR, ARIMAX and ARIMA models for nowcasting unemployment rate in Ghana using Google trends. J Elect Inform Tech 2023;10(12):1-16.
Aji BS, Indwi I, Rohmawati AA. Forecasting Number of COVID-19 Cases in Indonesia with ARIMA and ARIMAX models. In: proceedings of the 9th International Conference on Information and Communication Technology, August 3-5, 2021; Yogyakarta, Indonesia; 2021. p.71-5.
พงษ์ศิริ ศิริพานิช. การพยากรณ์อนุกรมเวลาด้วยตัวแบบผสมระหว่าง ARIMA และเครือข่ายประสาทเทียม. วิทยานิพนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต สาขาวิชาคณิตศาสตร์และเทคโนโลยีสารสนเทศ, คณะวิทยาศาสตร์ มหาวิทยาลัยศิลปากร. กรุงเทพฯ; 2550.
Andrews BH, Dean MD, Swain R, Cole C. Building ARIMA and ARIMAX Models for Predicting Long-Term Disability Benefit Application Rates in the Public/Private Sectors. 1st ed. Chicago: Society of Actuaries; 2013.
Yimnak K, Intaramo R. Fourier Regression and ARIMAX Model for Forecasting Monthong Durian Price Index. Curr Appl Sci Technol 2021;21(4):712-20.
Anggraeni W, Vinarti R, Kurniawati Y. Performance Comparisons Between ARIMA and ARIMAX method in Moslem Kids Clothes Demand Forecasting: Case Study. Procedia Comput Sci 2015;72:630-7.
Kongcharoen C, Kruangpradit T. Autoregressive Integrated Moving Average with Explanatory Variable (ARIMAX) Model for Thailand Export. In: proceedings of the 33rd International Symposium on Forecasting, June 23-26, 2013; Seoul, Korea; 2013. p.1-8.
Andrianady J, Randrimifidy F, Ranaivoson MH, Steffanie TM. Econometric Analysis and Forecasting of Madagascar’s Economy: An ARIMAX Approach. [Internet]. 2023 [cited 2024 August 24]. Available from: https://mpra.ub.uni-muenchen.de/118763/1/MPRA_paper_118763.pdf
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2024 วารสารวิทยาศาสตร์และเทคโนโลยี หัวเฉียวเฉลิมพระเกียรติ
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความทุกบทความที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของ คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยหัวเฉียวเฉลิมพระเกียรติ