การสร้างสมการทำนายปริมาณการใช้ไฟฟ้ารายจังหวัดของประเทศไทยด้วยการวิเคราะห์การถดถอยเชิงเส้นพหุคูณ
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีอิทธิผลต่อปริมาณการใช้ไฟฟ้าของประเทศไทย และสร้างสมการทำนายปริมาณการใช้ไฟฟ้ารายจังหวัดของประเทศไทยด้วยการวิเคราะห์การถดถอยเชิงเส้นพหุคูณ ข้อมูลที่ใช้ในงานวิจัยครั้งนี้เป็นข้อมูลทุติยภูมิซึ่งเป็นข้อมูลเปิดจากหน่วยงานเกี่ยวข้องของข้อมูลในแต่ละมิติ ซึ่งประกอบด้วย 5 มิติ คือ มิติที่ 1 ข้อมูลด้านทะเบียนผู้ใช้ไฟฟ้าและปริมาณการใช้ไฟฟ้าในแต่ละประเภท มิติที่ 2 ข้อมูลด้านสภาพภูมิประเทศ มิติที่ 3 ข้อมูลด้านสภาพภูมิอากาศ มิติที่ 4 ข้อมูลด้านอุตสาหกรรม และมิติที่ 5 ข้อมูลด้านครัวเรือน และวิเคราะห์ข้อมูลโดยใช้โปรแกรมโอเพนซอร์ทที่เป็นภาษาคอมพิวเตอร์ในการคำนวณทางสถิติ ผลการวิจัยพบว่าตัวแปรอิสระที่มีอิทธิพลอย่างมีนัยสำคัญทางสถิติต่อปริมาณการใช้ไฟฟ้ารายจังหวัดจำนวน 11 ตัวแปร โดยมิติที่มีจำนวนตัวแปรอิสระมากที่สุดคือมิติด้านสภาพภูมิอากาศและมิติด้านอุตสาหกรรม จำนวน 3 ตัวแปร รองลงมาคือมิติด้านสภาพภูมิประเทศและมิติด้านครัวเรือน จำนวน 2 ตัวแปร และน้อยที่สุดคือมิติด้านทะเบียนผู้ใช้ไฟฟ้าและปริมาณการใช้ไฟฟ้า จำนวน 1 ตัวแปร โดยสมการทำนายสามารถใช้ในการทำนายปริมาณการใช้ไฟฟ้ารายจังหวัดได้อย่างถูกต้องประมาณร้อยละ 95.13 โดยมีค่า R-Square เท่ากับร้อยละ 95.13 และ Adjusted R-squared เท่ากับร้อยละ 95.04 และสมการทำนายที่ได้สอดคล้องตามเงื่อนไขตามข้อสมมติพื้นฐานของเกี่ยวกับ ในการวิเคราะห์การถดถอย และไม่มีปัญหาด้านคุณลักษณะของข้อมูลที่ใช้เป็นตัวอย่างการวิจัยที่ส่งผลต่อความแม่นยำในการทำนายของสมการ
Article Details
เอกสารอ้างอิง
ภัทรภรณ์ หิรัญวงศ์ และสิงหพันธุ์ สิงหเสนี. 2015. อนาคตพลังงานไฟฟ้าไทยพอเพียงแต่เสี่ยงภัย, Focused and Quick (FAQ) Bank of Thailand, 102, 1-7 [Pattharaporn Hirunwong and Singhapan Singhaseni. 2015. The future of Thai electricity is self-sufficient, but risky, Focused and Quick (FAQ) Bank of Thailand, 102, 1-7. (in Thai)]
เผด็จ ไชยมงคล, วิชัย สุระพัฒน์, และคมสันต์ หงษ์สมบัติ. 2557. การจัดการพลังงานไฟฟ้าในระบบจำหน่ายแบบสมาร์ทกริดอย่างมีประสิทธิภาพ. วิศวกรรมสาร มก., 27(88), 81-92. [Phadet Chaimongkol, Wichai Surapat, and Khomsan Hongsombat. 2014. Effective Energy Management in Smart Grid Distribution System. Kasetsart Engineering Journal, 27(88), 81-92. (in Thai)]
นิฉา แก้วหาวงษ์. 2558. การพยากรณ์ปริมาณการใช้ไฟฟ้าของประเทศไทยโดยใช้ตัวแบบ SARIMA และตัวแบบการถดถอยที่มีความคลาดเคลื่อนเป็นตัวแบบ ARMA. วารสารวิทยาศาสตร์และเทคโนโลยี, 4(1), 24-36. [Nicha Kaewhawong. 2015. Forecasting Electricity Consumption of Thailand by Using SARIMA and Regression Models with ARMA Errors). Thai Journal of Science and Technology, 4(1), 24-36. (in Thai)]
ปรีดาภรณ์ กาญจนสำราญวงศ์ และสุฑารัตน์ ทองรอง. 2555. ตัวแบบพยากรณ์ปริมาณการใช้ไฟฟ้าของการไฟฟ้าส่วนภูมิภาค เขต 2 ภาคใต้. วารสารวิทยาศาสตร์ มศว, 28(2), 13-29. [Preedaporn Kanjanasamranwong and Sutarat Thongrong. 2012. Forecasting Model in Electrical Power Consumption of the Provincial Electricity Authority in Southern Area 2. Srinakharinwirot Science Journal, 28(2), 13-29. (in Thai)]
ประกาศ เรื่อง ยุทธศาสตร์ชาติ (พ.ศ. 2561 - 2580). 2018. (2561, 13 ตุลาคม). ราชกิจจานุเบกษา. เล่มที่ 135. [The National Strategy Act B.E. 2561 - 2580 (2018 - 2037C.E.). 2018. (2561, 13 October). Royal Thai Government Gazette. Volume 135. (in Thai)]
Kipping, A. and Trømborg, E. 2015. Hourly electricity consumption in Norwegian households–Assessing the impacts of different heating systems. Energy, 93, 655-671.
Kavousian, A., Rajagopal, R. and Fischer, M.J.E. 2013. Determinants of residential electricity consumption: Using smart meter data to examine the effect of climate, building characteristics, appliance stock, and occupants' behavior. Energy, 55, 184-194.
Lin, B. and Ouyang, X. 2014. Electricity demand and conservation potential in the Chinese nonmetallic mineral products industry. Energy Policy, 68, 243-253.
Zhou, K., Yang, S. and Shao, Z. 2017. Household monthly electricity consumption pattern mining: A fuzzy clustering-based model and a case study. Journal of cleaner production, 141, 900-908.
สำนักงานพัฒนารัฐบาลดิจิทัล. 2563. ศูนย์กลางข้อมูลเปิดภาครัฐ (Open Government Data). สำนักนายกรัฐมนตรี, แหล่งข้อมูล: https://data.go.th. ค้นเมื่อวันที่ 23 ตุลาคม 2563.
สำนักงานสถิติแห่งชาติ. 2563. สถิติผู้ใช้น้ำ ปริมาณการผลิต และการจำหน่ายน้ำประปา ปีงบประมาณ 2549 - 2558 สถิติผู้ใช้ไฟฟ้า และการจำหน่ายพลังงานไฟฟ้า จำแนกตามประเภทผู้ใช้ พ.ศ. 2549 - 2558. แหล่งข้อมูล: https://data.go.th/dataset/statseries18. ค้นเมื่อวันที่ 23 ตุลาคม 2563.
สำนักงานสถิติแห่งชาติ. 2562. สถิติประชากรศาสตร์ ประชากรและเคหะ. แหล่งข้อมูล: http:// statbbi.nso.go.th/staticreport/page/sector/th/01.aspx. ค้นเมื่อวันที่ 23 ตุลาคม 2563.
กรมอุตุนิยมวิทยา. 2561. รายงานค่าสถิติภูมิอากาศ ค่าปกติ ประเทศไทย 2524-2553. แหล่งข้อมูล: https://data.tmd.go.th/api/index1.php. ค้นเมื่อวันที่ 23 ตุลาคม 2563.
สำนักงานสถิติแห่งชาติ. 2557. สถิติโรงงานอุตสาหกรรม ที่จดทะเบียนไว้กับกระทรวงอุตสาหกรรม และได้รับอนุญาตให้ประกอบกิจการ (ตามพระราชบัญญัติโรงงาน พ.ศ. 2535) พ.ศ. 2548 - 2557. แหล่งข้อมูล: http://service.nso.go.th/nso/web/statseries/statseries16.html. ค้นเมื่อวันที่ 23 ตุลาคม 2563.
สำนักงานสถิติแห่งชาติ. 2558. รายได้เฉลี่ยต่อเดือนต่อครัวเรือน จำแนกตามภาค และจังหวัด พ.ศ. 2541 - 2558. แหล่งข้อมูล: http://service.nso.go.th/nso/web/statseries/statseries11.html. ค้นเมื่อวันที่ 23 ตุลาคม 2563.
จิราวัลย์ จิตรถเวช. 2558. การวิเคราะห์การถดถอย. พิมพ์ครั้งที่ 1, โครงการส่งเสริมและพัฒนาเอกสารวิชาการ, กรุงเทพมหานคร. [Jirawan Jitthavech. 2015. Regression Analysis. 1st ed. National Institute of Development Administration, Bangkok. (in Thai)]
Aiken, L.S., West, S.G., Pitts, S.C., Baraldi, A.N. and Wurpts, I.C. 2012. Multiple linear regression. Handbook of Psychology. 2nd ed.
Seber, G.A.F. and Lee, A.J. 2012. Linear regression analysis (Vol. 329): John Wiley & Sons.
Ghorbani, H. 2019. Mahalanobis distance and its application for detecting multivariate outliers. Facta Univ Ser Math Inform, 34(3), 583-95.
Stevens, J.P. 1984. Outliers and influential data points in regression analysis. Psychological bulletin, 95(2), 334.
Savin, N.E. and White, K.J. 1977. The Durbin-Watson test for serial correlation with extreme sample sizes or many regressors. Econometrica, 1989-1996.
Mansfield, E.R. and Helms, B.P. 1982. Detecting multicollinearity. The American Statistician, 36(3a), 158-160.
Craney, T.A. and Surles, J.G. 2002. Model-dependent variance inflation factor cutoff values. Quality Engineering, 14(3), 391-403.
Berk, K.N. 1977. Tolerance and condition in regression computations. Journal of the American Statistical Association, 72(360), 863-866.
Quesenberry, C.P. and Quesenberry Jr, C. 1982. On the distribution of residuals form fitted parametric models. Journal of Statistical Computation and Simulation, 15(2-3), 129-140.
Waldman, D.M. 1983. A note on algebraic equivalence of White's test and a variation of the Godfrey/Breusch-Pagan test for heteroscedasticity. Economics Letters, 13(2-3), 197-200.
Li, Y., Pizer, W. A. and Wu, L. 2019. Climate change and residential electricity consumption in the Yangtze River Delta, China. Proceedings of the National Academy of Sciences, 116(2), 472-477.
Yu, M., Zhao, X. and Gao, Y. 2019. Factor decomposition of China’s industrial electricity consumption using structural decomposition analysis. Structural Change and Economic Dynamics, 51, 67-76.
