ตัวแบบพยากรณ์ปริมาณการส่งออกกาแฟคั่วและบด Forecasting Model for the Export Value of Roast and Ground Coffee

Abstract

วัตถุประสงค์ของการวิจัยครั้งนี้ คือ การสร้างตัวแบบพยากรณ์ปริมาณการส่งออกกาแฟคั่วและบด ด้วยการเปรียบเทียบเทคนิคการวิเคราะห์อนุกรมเวลา 5 วิธี ได้แก่ วิธีบอกซ์-เจนกินส์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของโฮลต์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังที่มีแนวโน้มแบบแดม วิธีการพยากรณ์รวมที่ถ่วงน้ำหนักด้วยการผกผันของรากที่สองของผลรวมของความคลาดเคลื่อนกำลังสอง และวิธีการพยากรณ์รวมที่ถ่วงน้ำหนักด้วยสัมประสิทธิ์การถดถอยจากวิธีกำลังสองน้อยที่สุด โดยใช้อนุกรมเวลาปริมาณการส่งออกกาแฟคั่วและบดจากเว็บไซต์ของสำนักงานเศรษฐกิจการเกษตร จำนวนทั้งหมด 190 ค่า ตั้งแต่เดือนมกราคม 2541 ถึงเดือนตุลาคม 2556 ผู้วิจัยได้แบ่งข้อมูลออกเป็น 2 ชุด ชุดที่ 1 จำนวน 180 ค่า ตั้งแต่เดือนมกราคม 2541 ถึงเดือนธันวาคม 2555 สำหรับการสร้างตัวแบบพยากรณ์ และชุดที่ 2 จำนวน 10 ค่า ตั้งแต่เดือนมกราคมถึงเดือนตุลาคม 2556 สำหรับการเปรียบเทียบประสิทธิภาพของตัวแบบพยากรณ์ ด้วยเกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยที่ต่ำที่สุด ผลการศึกษาพบว่า จากวิธีการพยากรณ์ทั้งหมดที่ได้ศึกษา วิธีการพยากรณ์รวมที่ถ่วงน้ำหนักด้วยสัมประสิทธิ์การถดถอยจากวิธีกำลังสองน้อยที่สุดเป็นวิธีที่มีประสิทธิภาพสูงที่สุด ซึ่งมีตัวแบบพยากรณ์เป็น เมื่อ และ แทนค่าพยากรณ์เดี่ยว ณ เวลา t จากวิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของโฮลต์ และวิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังที่มีแนวโน้มแบบแดม ตามลำดับ The purpose of this research was to construct an appropriate forecasting model for the export value of roast and ground coffee by comparing five time series methods, which are Box-Jenkins method, Holt’s exponential smoothing method, damped trend exponential smoothing method, combined forecasting method using a weighted by the inverse of root sum squares error, and combined forecasting method using a weighted by regression coefficients from the ordinary least squares method. Time series that used was the export value of roast and ground coffee which gathered from the website of Office of Agricultural Economics during January, 1998 to October, 2013 (190 values). The data were split into two sets, the first 180 values from January, 1998 to December, 2012 for the modeling and the last 10 values from January to October, 2013 ​​for finding the most suitable forecasting model by the criterion of the lowest root mean squared error. The results showed that for all forecasting methods that have been studied, the combined forecasting method using a weighted by regression coefficients from the ordinary least squares method is the most efficient method and the forecasting model is: where and represent the single forecasts at time t from Holt’s exponential smoothing method and damped trend exponential smoothing method, respectively.