ตัวแบบพยากรณ์ราคาไข่ไก่ (FORECASTING MODEL FOR THE EGG’S PRICES)

Abstract

วัตถุประสงค์ของการศึกษาครั้งนี้คือ การเปรียบเทียบตัวแบบพยากรณ์ราคาไข่ไก่ โดยวิธีการทางสถิติทั้งหมด 7 วิธี ได้แก่ วิธีบอกซ์-เจนกินส์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของโฮลต์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของบราวน์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังที่มีแนวโน้มแบบแดม วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังที่มีฤดูกาลอย่างง่าย วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบบวก และวิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบคูณ เพื่อสร้างตัวแบบพยากรณ์ที่ดีที่สุด อนุกรมเวลาราคาไข่ไก่เฉลี่ยต่อเดือนได้มาจากเว็บไซต์ของสำนักงานเศรษฐกิจการเกษตร ตั้งแต่เดือนมกราคม 2548 ถึงเดือนกุมภาพันธ์ 2561 จำนวน 158 ค่า แบ่งข้อมูลออกเป็น 2 ชุด ชุดที่ 1 ตั้งแต่เดือนมกราคม 2548 ถึงเดือนสิงหาคม 2560 จำนวน 152 ค่า สำหรับการสร้างตัวแบบพยากรณ์ ชุดที่ 2 ตั้งแต่เดือนกันยายน 2560 ถึงเดือนกุมภาพันธ์ 2561 จำนวน 6 ค่า สำหรับการเปรียบเทียบความถูกต้องของตัวแบบพยากรณ์ โดยใช้เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยและเกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยที่ต่ำที่สุด ผลการศึกษาพบว่า จากวิธีการพยากรณ์ทั้งหมดที่ได้ศึกษา วิธีที่มีความถูกต้องมากที่สุด คือ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังที่มีฤดูกาลอย่างง่ายคำสำคัญ: ไข่ไก่  บอกซ์-เจนกินส์  การปรับเรียบด้วยเส้นโค้งเลขชี้กำลัง  เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย  รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยThe objective of this study was to compare the egg prices forecasting model by 7 forecasting methods: Box-Jenkins method, Holt’s exponential smoothing method, Brown’s exponential smoothing method, damped trend exponential smoothing method, simple seasonal exponential smoothing method, Winters’ additive exponential smoothing method, and Winters’ multiplicative exponential smoothing method in order to create the best forecasting model. Time series of monthly egg prices which were gathered from the website of Office of Agricultural Economics during January, 2005 to February, 2018 of 158 observations were divided into 2 datasets. The first dataset had 152 observations from January, 2005 to August, 2017 for constructing the forecasting models. The second dataset had 6 observations from September, 2017 to February, 2018 for comparing accuracy of the forecasts via the criteria of the lowest mean absolute percentage error and root mean squared error. Research findings indicated that for all forecasting methods that had been studied, the most accurate method was simple seasonal exponential smoothing method.Keywords: Egg, Box-Jenkins, Exponential Smoothing, Mean Absolute Percentage Error, Root Mean Squared Error