การพยากรณ์ราคาหัวมันสำปะหลังสดด้วยวิธีบ็อกซ์-เจนกินส์

ผู้แต่ง

  • วรางคณา เรียนสุทธิ์ สาขาวิชาคณิตศาสตร์และสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยทักษิณ พัทลุง

คำสำคัญ:

หัวมันสำปะหลังสด , วิธีบ็อกซ์-เจนกินส์ , ร้อยละค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย

บทคัดย่อ

วัตถุประสงค์ของการศึกษาครั้งนี้คือ การสร้างและคัดเลือกตัวแบบพยากรณ์ที่เหมาะสมกับอนุกรมเวลาราคาหัวมันสำปะหลังสดด้วยวิธีบ็อกซ์-เจนกินส์ โดยใช้ข้อมูลจากเว็บไซต์ของสำนักงานเศรษฐกิจการเกษตร ตั้งแต่เดือนมกราคม พ.ศ. 2540 ถึงเดือนมกราคม           พ.ศ. 2563 จำนวน 277 ค่า ข้อมูลถูกแบ่งออกเป็น 2 ชุด ชุดที่ 1 ตั้งแต่เดือนมกราคม พ.ศ. 2540 ถึงเดือนธันวาคม พ.ศ. 2561 จำนวน 264 ค่า สำหรับการสร้างตัวแบบพยากรณ์ ข้อมูลชุดที่ 2 ตั้งแต่เดือนมกราคม พ.ศ. 2562 ถึงเดือนมกราคม พ.ศ. 2563 จำนวน 13 ค่า นำมาใช้สำหรับการเปรียบเทียบความถูกต้องของตัวแบบพยากรณ์ โดยใช้เกณฑ์ร้อยละค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ยและเกณฑ์รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ยที่ต่ำที่สุด   ผลการศึกษาพบว่าตัวแบบพยากรณ์ที่มีความถูกต้อง  มากที่สุด คือ ตัวแบบ SARIMA(1, 2, 1)(1, 1, 0)12 ไม่มีพจน์ค่าคงตัว และสามารถเขียนเป็นสมการพยากรณ์ได้ดังนี้

gif.latex?\hat{Y_{t}}&space;=&space;Exp&space;\left&space;\{&space;2.56148Z_{t-1}-2.12296Z_{t-2}+0.56148Z_{t-3}+0.47256Z_{t-12}-1.21045Z_{t-13}+1.00323Z_{t-14}-0.6533Z_{t-15}+0.52744Z_{t-24}-1.35103Z_{t-25}+1.11973Z_{t-26}-0.29615Z_{t-27}-0.99760e_{t-1}&space;\right&space;\}

 

 

 

References

Agricultural Information Center. 2018. Farmers cassava price after it rose 2.49 Baht/Kg. [Online]. Available https://www.moac.go.th/news-preview-401191791168 (12 February 2020). [in Thai]

Box, G.E.P., G.M. Jenkins and G.C. Reinsel. 1994. Time Series Analysis: Forecasting and Control. 3rd Ed. New Jersey: Prentice Hall. 438 p.

Keerativibool, W. 2014. Forecasting the export quantity of rubber compound. Srinakharinwirot Science Journal 30(2): 41-56. [in Thai]

Keerativibool, W. 2016. Forecasting model for the export volumes of cassava. Thaksin University Journal 19(1): 31-43. [in Thai]

Ket-iam, S. 2005. Forecasting Technique. 2nd Ed. Songkhla: Thaksin University. 328 p. [in Thai]

Komkul, P. 2017. Forecasting cassava starch price in Thailand by using time series models. The Journal of King Mongkut’s University of Technology North Bangkok 27(4): 805-820. [in Thai]

Montgomery, D.C., E.A. Peck and G.G. Vining. 2006. Introduction to Linear Regression Analysis. 4th Ed. New York: Wiley. 535 p.

Office of Agricultural Economics. 2020. Fresh cassava prices. [Online]. Available http://www.oae.go.th/assets/portals/1/files/price/monthly_price/casava.pdf (11 February 2020).

Riansut, W. and N. Nisan. 2017. Forecasting the export volume of processed chicken. Naresuan University Journal: Science and Technology 25(2): 140-152. [in Thai]

Riansut, W. 2019. Comparison of tapioca selling prices forecast model by statistical forecasting methods. Journal of Agricultural Research and Extension 36(3): 54-65. [in Thai]

Schwarz, G. 1978. Estimating the dimension of a model. The Annals of Statistics 6(2): 461-464.

Thanapala, D., T. Charoensiri and C. Soponpimol. 2016. Forecasting of factory pineapple prices with Box-Jenkins method. Burapha Science Journal 21(1): 110-118. [in Thai]

Thitinunpong, N. and P. Parthanadee. 2012. Forecasting of Fresh Cassava Root Buying Prices and Cassava Chip Selling Prices. pp. 1-8. In Proceedings of the 50th Kasetsart University Annual Conference. Bangkok: Kasetsart University. [in Thai]

Downloads

เผยแพร่แล้ว

27-04-2022