การเปรียบเทียบวิธีการพยากรณ์ระหว่างวิธีปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ วิธีบ๊อกซ์-เจนกินส์ และวิธีพยากรณ์รวม สำหรับพยากรณ์ราคากุ้งขาวแวนนาไมรายเดือน

Article Sidebar

PDF
เผยแพร่แล้ว: มิ.ย. 21, 2019
คำสำคัญ:
ราคากุ้งขาวแวนนาไม ตัวแบบพยากรณ์ วิธีปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์ วิธีบ๊อกซ์-เจนกินส์ วิธีพยากรณ์รวม

Main Article Content

เมธาสิทธิ์ ธัญรัตนศรีสกุล
กลุ่มสาระการเรียนรู้คณิตศาสตร์ โรงเรียนราชินีบูรณะ นครปฐม

บทคัดย่อ

          วัตถุประสงค์ของการวิจัยนี้ คือ เพื่อเปรียบเทียบวิธีการพยากรณ์ 3 วิธี ได้แก่ 1) วิธีปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ 2) วิธีบ๊อกซ์-เจนกินส์ และ 3) วิธีพยากรณ์รวม สำหรับการพยากรณ์ราคากุ้งขาวแวนนาไมขนาด 70 ตัวต่อกิโลกรัม ข้อมูลอนุกรมเวลาที่ใช้ในการวิจัย คือ ราคากุ้งขาวแวนนาไมขนาด 70 ตัวต่อกิโลกรัม เป็นรายเดือน ตั้งแต่เดือนมกราคม พ.ศ. 2548 ถึงเดือนธันวาคม พ.ศ. 2561 จำนวน 168 ค่า โดยแบ่งข้อมูลเป็น 2 ชุด ประกอบด้วย ชุดที่ 1 ข้อมูลราคากุ้งขาวแวนนาไมตั้งแต่เดือนมกราคม พ.ศ. 2548 ถึงเดือนธันวาคม พ.ศ. 2560 จำนวน 156 ค่า ใช้สำหรับสร้างตัวแบบอนุกรมเวลา และชุดที่ 2 คือ ข้อมูลราคากุ้งขาวแวนนาไมตั้งแต่เดือนมกราคมถึงเดือนธันวาคม พ.ศ. 2561 จำนวน 12 ค่า ใช้สำหรับคัดเลือกวิธีการพยากรณ์ที่เหมาะสมที่สุดโดยใช้เกณฑ์ค่าเฉลี่ยของค่าสัมบูรณ์เปอร์เซ็นต์ความคลาดเคลื่อน (MAPE) น้อยที่สุด ผลการวิจัยพบว่า


          1. ตัวแบบที่สร้างขึ้นด้วยวิธีปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ คือ  gif.latex?\dpi{80}&space;\tiny&space;\dpi{100}&space;\small&space;\small&space;\hat{Y}_{t}=[176.308-0.356k]\hat{S}_{k+144} เมื่อ gif.latex?\dpi{150}&space;\tiny&space;\hat{Y}_{t} และ gif.latex?\dpi{150}&space;\tiny&space;\hat{S}_{k}  แทน ค่าพยากรณ์และส่วนของฤดูกาล ตามลำดับ , gif.latex?k แทน จำนวนนับ, gif.latex?n แทน จำนวนข้อมูลในอนุกรมเวลา ซึ่ง gif.latex?t = gif.latex?n + gif.latex?k และมีค่าสัมประสิทธิ์สหสัมพันธ์เท่ากับ 0.98


          2. ตัวแบบที่สร้างขึ้นด้วยวิธีบ๊อกซ์-เจนกินส์ คือ ตัวแบบ SARIMA (1, 1, 0), (0, 1, 1)12 (ไม่มีค่าคงที่) มีสมการพยากรณ์ คือ gif.latex?\dpi{150}&space;\tiny&space;\hat{Y}_{t}=1.3639(\hat{Y}_{t-1}-\hat{Y}_{t-13})-0.3639(\hat{Y}_{t-2}+\hat{Y}_{t-14})+\hat{Y}_{t-12}+e_{t}-0.863e_{t-12}  เมื่อ gif.latex?\dpi{150}&space;\tiny&space;\hat{Y}_{t} และ gif.latex?\dpi{150}&space;\tiny&space;e_{t} แทน ค่าพยากรณ์และความคลาดเคลื่อน ตามลำดับ และมีค่าสัมประสิทธิ์สหสัมพันธ์เท่ากับ 0.98


          3. ตัวแบบที่สร้างขึ้นด้วยวิธีพยากรณ์รวม คือ  gif.latex?\dpi{150}&space;\tiny&space;\hat{Y}_{t}=4.11+0.322\hat{Y}_{wt}+0.649\hat{Y}_{bt} เมื่อ gif.latex?\dpi{150}&space;\tiny&space;\hat{Y}_{t}, gif.latex?\dpi{150}&space;\tiny&space;\hat{Y}_{wt} และ gif.latex?\dpi{150}&space;\tiny&space;\hat{Y}_{bt} แทน ค่าพยากรณ์รวม ค่าพยากรณ์จากวิธีปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ และค่าพยากรณ์จากวิธีบ๊อกซ์-เจนกินส์ ตามลำดับ และมีค่าสัมประสิทธิ์สหสัมพันธ์เท่ากับ 0.98


          4. วิธีพยากรณ์ที่ดีที่สุดในการวิจัยครั้งนี้ คือ วิธีปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ เนื่องจากให้ค่าเฉลี่ยของค่าสัมบูรณ์เปอร์เซ็นต์ความคลาดเคลื่อนน้อยที่สุด (MAPE = 16.40) ซึ่งน้อยกว่าวิธีบ๊อกซ์-เจนกินส์ (MAPE = 19.10) และวิธีพยากรณ์รวม (MAPE = 17.50)

Article Details

รูปแบบการอ้างอิง
ธัญรัตนศรีสกุล เ. (2019). การเปรียบเทียบวิธีการพยากรณ์ระหว่างวิธีปรับให้เรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ วิธีบ๊อกซ์-เจนกินส์ และวิธีพยากรณ์รวม สำหรับพยากรณ์ราคากุ้งขาวแวนนาไมรายเดือน. วารสารวิชาการ มทร.สุวรรณภูมิ, 7(1), 72–86. สืบค้น จาก https://li01.tci-thaijo.org/index.php/rmutsb-sci/article/view/183436
ฉบับ
ปีที่ 7 ฉบับที่ 1 (2019): มกราคม - มิถุนายน 2562
ประเภทบทความ
บทความวิจัย

ต้นฉบับที่ได้รับการตีพิมพ์ถือเป็นสิทธิของเจ้าของต้นฉบับและของวารสารวิชาการ มทร.สุวรรณภูมิ เนื้อหาบทความในวารสารเป็นแนวคิดของผู้แต่ง มิใช่เป็นความคิดเห็นของคณะกรรมการการจัดทำวารสาร และมิใช่ความรับผิดชอบของมหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ

เอกสารอ้างอิง

กลุ่มเศรษฐกิจการประมง กองนโยบายและยุทธศาสตร์พัฒนาการประมง. (2562). สถานการณ์สินค้ากุ้งทะเลและผลิตภัณฑ์ ปี 2561 และแนวโน้มปี 2562. สืบค้น 20 มกราคม 2562, จาก https://www.fisheries.go.th/strategy /UserFiles/files/21-2-62.pdf.

กัลยา วานิชย์บัญชา. (2555). การใช้ SPSS for Windows ในการวิเคราะห์ข้อมูล. กรุงเทพฯ: จุฬาลงกรณ์มหาวิทยาลัย.

กัลยา วานิชย์บัญชา. (2557). การวิเคราะห์สถิติ: สถิติสำหรับการบริหารและวิจัย. กรุงเทพฯ: จุฬาลงกรณ์มหาวิทยาลัย.

ณัฏฐวดี นิสิยมั่น. (2554). การพยากรณ์ราคากุ้งขาวแวนนาไมด้วยวิธีการของบ๊อกซ์-เจนกินส์ (รายงานผลการวิจัย). ชลบุรี: มหาวิทยาลัยบูรพา.

ดาว สงวนรังศิริกุล, หรรษา เชี่ยวอนันตวานิช, และมณีรัตน์ แสงเกษม. (2558). การศึกษาเปรียบเทียบเพื่อหาตัวแบบที่เหมาะสมสำหรับการพยากรณ์จำนวนผู้ป่วยที่เป็นโรคเฝ้าระวังทางระบาดในกรุงเทพมหานคร. วารสารวิจัยและพัฒนา มจธ, 38(1), 35-55.

วรางคณา กีรติวิบูลย์. (2556). การเปรียบเทียบวิธีการพยากรณ์ระหว่างวิธีบอกซ์-เจนกินส์ วิธีการทำให้เรียบแบบเอกซ์โพเนนเชียลที่มีฤดูกาลอย่างง่าย และวิธีการพยากรณ์รวม สำหรับการพยากรณ์อุณหภูมิเฉลี่ยต่อเดือนในเขตกรุงเทพมหานคร. วารสารวิทยาศาสตร์บูรพา, 18(2), 149-160.

วรางคณา กีรติวิบูลย์. (2557). ตัวแบบพยากรณ์มูลค่าการส่งออกข้าวหอมมะลิ. วารสารวิทยาศาสตร์บูรพา, 19(1), 78-90.

วรางคณา กีรติวิบูลย์. (2558). การพยากรณ์ราคากุ้งขาวแวนนาไม. วารสารวิทยาศาสตร์ มศว, 31(1), 123-140.

ศูนย์อัจฉริยะเพื่ออุตสาหกรรมอาหาร. (2562). อุตสาหกรรมกุ้งไทย. สืบค้น 9 พฤษภาคม 2562, จาก https://fic.nfi.or.th.

ศิริลักษณ์ สุวรรณวงศ์. (2556). เทคนิคการพยากรณ์เชิงปริมาณ: การวิเคราะห์อนุกรมเวลา. นครปฐม: มหาวิทยาลัยมหิดล.

สำนักงานเศรษฐกิจการเกษตร. (2562). กุ้ง: ราคากุ้งขาวแวนนาไมขนาด 70 ตัว/กิโลกรัม รายเดือนที่เกษตรกรขายได้ที่ฟาร์มทั้งประเทศ ปี 2547-2562. สืบค้น 20 มกราคม 2562, จาก https://www.oae.go.th/monthlyprice.html.

เสาวณิต สุขภารังษี. (2542). การพยากรณ์แนวโน้มของการเกิดโรคที่ต้องเฝ้าระวังทางระบาดวิทยาของจังหวัดฉะเชิงเทรา. สืบค้น 13 เมษายน 2562, จาก https://cuir.car.chula.ac.th/handle.

Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (1994). Time series analysis: Forecasting and control. New Jersey: Prentice Hall.

Farnum, N. R., & Stanton, L. W. (1989). Quantitative forecasting methods. Boston: PWS-KENT Publishing Company.

George, A. F. (1989). Statistical analysis in psychology and education. New York: McGraw-Hill.

Hinkle, D. E, William, W., & Stephen, G. J. (1998). Applied statistics for the behavior sciences. New York: Houghton Mifflin.

Wei, W. W. S. (2006). Time series analysis univariate and multivariate method. Boston: Pearson Addison Wesley.

Winter, P. R. (1960). Forecasting sale by exponentially weighted moving average. Management Science, 6(3), 324-342.