1

การใช้โปรแกรม SPSS

1. การนาเข้าข้อมูล จาก File ที่เตรียมไว้ใน Excel เปิดโปรแกรมแล้วไปที่ File>
New> Data ดังรูป

2. ค้นหาข้อมูลที่เก็บไว้ เลือก Excel ใน File of type ดังรูป

แล้วกด Open จะปรากฏหน้าต่างให้เราเลือกว่าข้อมูลอยู่ Worksheet ไหน

แล้วก็กด OK จะพบ File ข้อมูลที่เตรียมไว้ ดังรูป

2

การพยาการณ์ข้อมูล
1. ไปที่เมนู Analyze> Regression> Linear แล้วใส่ตัวแปรตามที่ช่อง
Dependent และตัวแปรอิสระที่ช่อง Independent

2. เลือก

จะปรากฏหน้าต่างให้เลือก save ข้อมูลค่าพยากรณ์

3. กด Continue แล้ว กด OK จะได้ค่าพยากรณ์ และตาราง Output ดังรูป

3

ตาราง Output และการอ่านค่าพยากรณ์
3.1 ตาราง Model Summary บอกค่าสัมประสิทธิ์การตัดสินใจ(R Square)

R Square คือค่าที่แสดงถึงอิทธิพลของตัวแปรอิสระทั้งหมดที่มีต่อตัวแปรตาม
จากตาราง Model Summary ค่า
R Square = 0.970 หมายความว่า
ตัวแปรอิสระทั้งหมดมีอิทธิพลต่อตัวแปรตามร้อยละ 97 ส่วนที่เหลืออีกร้อยละ 3
เป็นผลจากตัวแปรหรือปัจจัยอื่นที่ไม่ทราบได้
Adjusted

R

Square

คื อ ค่ า R

Square

ซึ่ ง ค ว ร พิ จ า ร ณ า ค่ า นี้ แ ท น ค่ า R

ที่ ป รั บ แก้ แ ล้ ว
Square

เมื่ อ ข้ อ มู ล ที่ น ามาสร้ า งตั ว แบบมี จ านวนน้ อ ย (น้ อ ยกว่ า 30) หรื อ กรณี ที่ ค่ า R
Square มีค่าสูงมาก และการแปลความหมายเหมือนกับค่า

R Square

Durbin-Watson
ใช้ตรวจสอบข้อ กาหนดเกี่ย วกับ การเป็น อิส ระต่อกัน ของค่าความคลาดเคลื่อน
โดยพิ จารณาว่ าค่ า Durbin-Watson มี ค่ าแตกต่ างไปจาก 2 มากหรื อไม่ ถ้ าค่ า

4
Durbin-Watson

อยู่ ร ะหว่ า ง 1.5

-

2.5

หรื อ เข้ า ใกล้ 2

แสดงว่าค่าความคลาดเคลื่อนแต่ละค่าเป็นอิสระต่อกัน แต่ถ้าค่า Durbin-Watson
มี
ค่

น้



ว่

1.5
แสดงว่าค่าความคลาดเคลื่อนแต่ละค่ามีความสัมพันธ์กันในทางบวก จากตาราง

ค่ า Durbin-Watson
=
แสดงว่าแสดงว่าค่าความคลาดเคลื่อนแต่ละค่าเป็นอิสระต่อกัน
3.2

1.510

ต า ร า ง

ANOVA

บอกการทดสอบสมมติฐานเกี่ยวกับค่าสัมประสิทธิ์การถดถอย โดยใช้สถิติ F-test
เ ป็ น ก า ร ต ร ว จ ส อ บ ว่ า ตั ว แ ป ร อิ ส ร ะ
ที่ น า ม า ใ ช้ ใ น แ บ บ จ า ล อ ง ส า ม า ร ถ พ ย า ก ร ณ์ ตั ว แ ป ร ต า ม ไ ด้ ห รื อ ไ ม่
โดยกาหนดสมมติฐานทางสถิติดังนี้
H0 :

ตัวแปรตามไม่ขน
ึ้ กับตัวแปรอิสระทั้ง

H1 :

k

ตัว

( H 0 : 1  2  ... k  0 )

ตัวแปรตามขึ้นกับตัวแปรอิสระอย่างน้อย 1 ตัว ( H1 : มี
ค่าที่  0; i  1, 2,..., k )

 i อย่างน้อย

1

ในตาราง ANOVA ค่า สถิติ F = 588.846 มีค่า Significant = 0.000 < 0.01
แสดงว่า ปฏิเสธ H 0 ยอมรับ H1 ที่ระดับนัยสาคัญร้อยละ 99 หมายความว่า
มีตัวแปรอสระอย่างน้อย 1 ตัวมีอิทธิพลต่อตัวแปรตาม ที่ระดับนัยสาคัญร้อยละ 99

3.3 ตาราง Coefficients
บอกการทดสอบสมมติฐานเกี่ยวกับค่าสัมประสิทธิ์การถดถอย โดยใช้สถิติ t-test
เป็นการตรวจสอบว่าตัวแปรอิสระ

5
ที่นามาใช้ในแบบจาลองสามารถพยากรณ์ตัวแปรตาม
ควรอยู่ในแบบจาลองหรือไม่
H0 :

ตัวแปรอิสระไม่ขน
ึ้ กับตัวแปรอิสระที่

H1 :

ตัวแปรอิสระขึ้นกับตัวแปรอิสระที่

i

i

( H 0 : i  0 )
( H 0 : i  0 )

ในตาราง Coefficients ค่าสถิติ t = 24.266 หรือ ค่า Significant ของ PCW
= 0.000 < 0.01 แสดงว่า ปฏิเสธ H 0 ยอมรับ H1 ที่ระดับนัยสาคัญร้อยละ 99
ห ม า ย ค ว า ม ว่ า ตั ว แ ป ร อิ ส ร ะ ส า ม า ร ถ ใ ช้ พ ย า ก ร ณ์ ตั ว แ ป ร ต า ม ไ ด้
ที่ระดับนัยสาคัญร้อยละ 99
สมการทีไ
่ ด้ คือ PC  0.096  0.486PCW
(-1.759) (24.266)
โดยที่

PC = ราคาหัวมันสดคละที่เกษตรกรขายได้

PCW = ราคามันเส้นคละที่เกษตรกรขายได้
ค่าคงที่ (constant) ถ้าไม่ sig ก็สามารถนามาใช้ได้

6

การพยากรณ์สมการถดถอยเชิงเส้นอย่างง่าย (Simple Linear Regression
Models)
รูปแบบจาลอง (Functional Form) ที่จะใช้ในการพยากรณ์ มี 4 รูปแบบ
1) แบบจาลองเชิงเส้น (linear model)
Y =   x
0

1

1.1) เตรียมข้อมูล

1.2) พยากรณ์ข้อมูล ไปที่เมนู Analyze> Regression> Linear
แล้วใส่ตัวแปรตามที่ช่อง Dependent และตัวแปรอิสระที่ช่อง Independent

7

เลือก

จะปรากฏหน้าต่างให้เลือก save ข้อมูลค่าพยากรณ์

1.3) ตาราง Output และสมการพยากรณ์

- สมการพยากรณ์

PC  0.096  0.486( PWC )

8

- ค่าพยากรณ์ที่ได้

ค่ากลาง คือ PRE_1 = 2.14679

ค่าต่าสุด คือ LMCI_1= 2.04846
ค่าสูงสุด คือ UMCI_1= 2.24512

2) แบบจาลองกาลังสอง (quadratic model)
Y =    x   x2
0

1

2

2.1) เตรียมข้อมูล จะต้องทาการสร้างตัวแปรใหม่เพิ่มเข้าไปในแบบจาลอง
คือค่า PCW ยกกาลังสอง โดยไปที่ Transform> Compute Variable

9

2.2) พยากรณ์ข้อมูล ไปที่เมนู Analyze> Regression> Linear
แล้วใส่ตัวแปรตามที่ช่อง Dependent และตัวแปรอิสระที่ช่อง Independent

2.3) ตาราง Output และสมการพยากรณ์

10

- สมการพยากรณ์

- ค่าพยากรณ์ที่ได้

PC  0.078  0.0359( PWC )  0.020( PWC 2 )

ค่ากลาง คือ PRE_1 = 2.15608

ค่าต่าสุด คือ LMCI_1= 2.05677
ค่าสูงสุด คือ UMCI_1= 2.25539

11

3) Semi log model
ln y =    x
0

1

3.1) เตรียมข้อมูล จะต้องทาการสร้างตัวแปรใหม่เพิ่มเข้าไปในแบบจาลอง
คือค่า Ln(PC) โดยไปที่

Transform> Compute Variable

3.2) พยากรณ์ข้อมูล ไปที่เมนู Analyze> Regression> Linear
แล้วใส่ตัวแปรตามที่ช่อง Dependent และตัวแปรอิสระที่ช่อง Independent

12

3.3) ตาราง Output และสมการพยากรณ์

- สมการพยากรณ์

Ln( PC )  0.897  0.371( PCW )

- แต่ค่าที่พยากรณ์ได้ จะต้องทาการ ปลดค่า Ln ก่อนนาไปใช้

13

- ค่าพยากรณ์ที่ได้

ค่ากลาง คือ PRE_1 = 0.81306 (2.25480)

ค่าต่าสุด คือ LMCI_1= 0.69448 (2.00267)
ค่าสูงสุด คือ UMCI_1= 0.93164 (2.53867)

4) Double log model
ln y =   1nx
0

4.1) เตรียมข้อมูล จะต้องทาการสร้างตัวแปรใหม่เพิ่มเข้าไปในแบบจาลอง
คือค่า Ln(PC) และ Ln(PCW) โดยไปที่ Transform> Compute Variable

14

4.2) พยากรณ์ข้อมูล ไปที่เมนู Analyze> Regression> Linear
แล้วใส่ตัวแปรตามที่ช่อง Dependent และตัวแปรอิสระที่ช่อง Independent

4.3) ตาราง Output และสมการพยากรณ์

15

- สมการพยากรณ์

Ln( PC )  0.881  1.077 Ln( PCW )

- แต่ค่าที่พยากรณ์ได้ จะต้องทาการ ปลดค่า Ln ก่อนนาไปใช้

- ค่าพยากรณ์ที่ได้

ค่ากลาง คือ PRE_1 = 0.76465 (2.14824)

ค่าต่าสุด คือ LMCI_1= 0.69543 (2.00457)
ค่าสูงสุด คือ UMCI_1= 0.83388 (2.30223)

16

ตารางเปรียบเทียบสมการพยากรณ์
รูปแบบสมการ

ค่า

R2

ค่า Mean

ค่า Root Mean

Square Error

Square
Error

1.

PC  0.096  0.486( PWC )

0.970

0.009

0.0949

2.

Ln( PC )  0.897  0.371( PCW )

0.929

0.012

0.1095

0.972

0.005

0.0707

3. Ln(PC)=-

0.881+1.077Ln(PCW)
ตารางเปรียบเทียบค่าพยากรณ์
รูปแบบสมการ

ค่ากลาง

ค่าต่าสุด

ค่าสูงสุด

1.

PC  0.096  0.486( PWC )

2.15

2.05

2.25

2.

Ln( PC )  0.897  0.371( PCW )

2.25

2.00

2.54

2.15

2.00

2.30

3. Ln(PC)=-

0.881+1.077Ln(PCW)

17

การพยากรณ์สมการถดถอยเชิงเส้นหลายตัวแปร (Multiple Linear
Regression Models)
ก า ร พ ย า ก ร ณ์ ผ ล ผ ลิ ต ข้ า ว โ พ ด เ ลี้ ย ง สั ต ว์ ท า ง ภ า ค เ ห นื อ
แบบจาลองการพยากรณ์ผลผลิตข้าวโพดเลี้ยงสัตว์
Yt  f ( XMZavt 1 , XMZ _ SEPt 1 , XMZ min t 1 , XSGt 1 , Xoilt ,
RTapmyt , RTapjut , RTapjlt RTapaut , RTapspt , RTapoct , RTapnot RTapdct ,
RDapmyt , RDapjut , RDapjlt RDapaut , RDapspt , RDapoct , RDapnot RDapdct ,
PAt 1 , Fer _ tt , T )

โดยมีตัวแปรตามและตัวแปรอิสระ ดังนี้
ตัวแปรตาม
Yt = ผลผลิตระดับภาคในปีที่พยากรณ์
ตัวแปรอิสระ
1

XMZav t-1

= ราคาข้าวโพดเลี้ยงสัตว์ความชื้นไม่เกิน14%ที่เกษตรกรขายได้ในปีที่แล้ว

2

XMZ_SEPt-1

= ราคาข้าวโพดเลี้ยงสัตว์ความชื้นไม่เกิน14%ณ
เดือนที่ผลผลิตออกสูต
่ ลาดมากที่สด
ุ (เดือนกันยายน) ปีทแ
ี่ ล้ว

3

XMZmint-1

= ราคาข้าวโพดเลี้ยงสัตว์ความชื้นไม่เกิน14% ต่าสุดปีที่แล้ว

4

XMZmax t-1

= ราคาข้าวโพดเลี้ยงสัตว์ความชื้นไม่เกิน14% สูงสุดปีทแ
ี่ ล้ว

18
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5

XSGt-1
XCSt-1
Xoilt
RTapmy t
RTapjut
RTapjl t

= ราคาอ้อยโรงงานที่เกษตรกรขายได้เฉลีย
่ ปีที่แล้ว

RTapaut

= ปริมาณน้าฝนสะสมเดือนเมษายนถึงสิงหาคมปีที่พยากรณ์

RTapsp t

= ปริมาณน้าฝนสะสมเดือนเมษายนถึงกันยายนปีที่พยากรณ์

RTapoc t

= ปริมาณน้าฝนสะสมเดือนเมษายนถึงตุลาคมปีที่พยากรณ์

RTapno t

= ปริมาณน้าฝนสะสมเดือนเมษายนถึงพฤศจิกายนปีที่พยากรณ์

RTapdc t

= ปริมาณน้าฝนสะสมเดือนเมษายนถึงธันวาคมปีที่พยากรณ์

RDapmy t

= จานวนวันฝนตกสะสมเดือนเมษายนถึงพฤษภาคมปีที่พยากรณ์

RDapjut

= จานวนวันฝนตกสะสมเดือนเมษายนถึงมิถุนายนปีที่พยากรณ์

RDapjl t

= จานวนวันฝนตกสะสมเดือนเมษายนถึงกรกฎาคมปีที่พยากรณ์

RDapaut

= จานวนวันฝนตกสะสมเดือนเมษายนถึงสิงหาคมปีที่พยากรณ์

RDapsp t

= จานวนวันฝนตกสะสมเดือนเมษายนถึงกันยายนปีที่พยากรณ์

RDapoc t

= จานวนวันฝนตกสะสมเดือนเมษายนถึงตุลาคมปีที่พยากรณ์

RDapno t

= จานวนวันฝนตกสะสมเดือนเมษายนถึงพฤศจิกายนปีที่พยากรณ์

RDapdc t

= จานวนวันฝนตกสะสมเดือนเมษายนถึงธันวาคมปีที่พยากรณ์

PA t-1

= เนื้อที่เพาะปลูกของปีก่อนหน้าปีที่พยากรณ์

T

= แนวโน้มเวลา โดยให้ปีเพาะปลูก 2527/28 มีค่า = 1

= ราคาหัวมันสาปะหลังสดคละที่เกษตรกรขายได้เฉลี่ยปีที่แล้ว
= ราคาน้ามันดีเซลในปีที่พยากรณ์
= ปริมาณน้าฝนสะสมเดือนเมษายนถึงพฤษภาคมปีที่พยากรณ์
= ปริมาณน้าฝนสะสมเดือนเมษายนถึงมิถุนายนปีที่พยากรณ์
= ปริมาณน้าฝนสะสมเดือนเมษายนถึงกรกฎาคมปีที่พยากรณ์

รูปแบบจาลอง (Functional Form) ที่จะใช้ในการพยากรณ์ มี 2 รูปแบบ

19
1) แบบจาลองเชิงเส้น (linear model)
1.1) เตรียมข้อมูล นาข้อมูลเข้าจาก Excel

1.2) การเลือกตัวแปรเพื่อศึกษาในสมการ
ใ น ก า ร เ ลื อ ก ตั ว แ ป ร เ พื่ อ ศึ ก ษ า ใ น ส ม ก า ร นั้ น
จ าเป็ น ต้ อ งเลื อ กตั ว แปรที่ มี ค วามเกี่ ย วข้ อ งกั บ ตั ว แปรตามที่ ต้ อ งการศึ ก ษา
ในการเลื อ กจะใช้ ค่ า สั ม ประสิ ท ธิ์ ส หสั ม พั น ธ์ ( Correlation
Coefficient)
เป็ น ค่ า ที่ แ สดงถึ ง ความสั ม พั น ธ์ ร ะหว่ า งตั ว แปร โดยมี ค่ า ตั้ ง แต่ -1.00 ถึ ง 1.00
ความสัมพันธ์ของ ตัวแปร x และ y ที่อาจเป็นไปได้ คือ
2.2.1) มีความสัมพันธ์กัน แบ่งได้ 2 ลักษณะ คือ
ก . มี ค ว า ม สั ม พั น ธ์ กั น อ ย่ า ง ส ม บู ร ณ์ ซึ่ ง มี 2 ลั ก ษ ณ ะ คื อ
ค ว า ม สั ม พั น ธ์ กั น อ ย่ า ง ส ม บู ร ณ์ ท า ง บ ว ก ห รื อ ใ น ท า ง เ ดี ย ว กั น
ความสั ม พั น ธ์ กั น อย่ า งสมบู ร ณ์ ท างลบหรื อ ในทางตรงกั น ข้ า ม ค่ า ความสั ม พั น ธ์
เท่ากับ 1 หรือ -1
ข . มี ค ว า ม สั ม พั น ธ์ กั น อ ย่ า ง ไ ม่ ส ม บู ร ณ์ มี 2 ลั ก ษ ณ ะ คื อ
ค ว า ม สั ม พั น ธ์ กั น อ ย่ า ง ไ ม่ ส ม บู ร ณ์ ท า ง บ ว ก ห รื อ ใ น ท า ง เ ดี ย ว กั น
ความสัมพันธ์กัน อย่างไม่สมบูรณ์ทางลบหรือในทางตรงกันข้าม ค่าความสัมพัน ธ์
อยู่ระหว่าง 0 ถึง 1 หรือ 0 ถึง -1
2.2.2) ไม่มีความสัมพันธ์ ค่าความสัมพันธ์ เท่ากับ 0

20
ในการทดสอบสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน (Pearson Product
Moment Correlation Coefficient) โดยใช้คาสั่ง Analyze> Correlate>
Bivariate

เลือกตัวแปร แล้วกด OK จะได้ตาราง Output ดังรูป

21
1.3) พยากรณ์ข้อมูล ไปที่เมนู Analyze> Regression> Linear
แล้วใส่ตัวแปรตามที่ช่อง Dependent
และตัวแปรอิสระที่มีความสัมพันธ์กับตัวแปรตามจากการทดสอบสัมประสิทธิ์สหสัมพั
นธ์แบบเพียร์สัน ในช่อง Independent
ส่วน Method เลือกแบบ Stepwise

เลือก Statistics เพื่อให้หาค่า Durbin-Watson แล้วกด
Continue

เลือก Save เพื่อให้หาพยากรณ์ค่ากลาง ค่าสูงสุด ค่าต่าสุด

22

เสร็จแล้วกด Continue แล้ว กด OK

ค่าสถิติที่ใช้ในการพิจารณาความเหมาะสมของแบบจาลอง
(1)
ค่


ถิ
ติ
F
สามารถตรวจสอบความสัม พัน ธ์โ ดยรวมระหว่างชุด ตั วแปรอิสระและตัวแปรตาม
แ ล ะ บ อ ก ค ว า ม เ ห ม า ะ ส ม ข อ ง แ บ บ จ า ล อ ง
หากการทดสอบสัมประสิทธิ์ของตัวแปรทุกตัวแล้วมีค่าเท่ากับศูนย์อย่างมีนัยสาคัญห
รื อ ย อ ม รั บ ( Accept)
ส ม ม ติ ฐ า น ว่ า ง
แสดงว่ า ไม่ มี ตั ว แปรอิ ส ระใดในการทดสอบที่ ส ามารถอธิ บ ายตั ว แปรตามได้
ห รื อ แ บ บ จ า ล อ ง ที่ ก า ห น ด ไ ม่ มี ค ว า ม เ ห ม า ะ ส ม แ ต่ ถ้ า ป ฏิ เ ส ธ ( Reject)

23
สมมติ ฐ านหรื อ ค่ า สถิ ติ F
มีอิทธิพลต่อตัวแปรตาม

มี ค่ า มาก แสดงว่ า มี ตั ว แปรอิ ส ระอย่ า งน้ อ ย 1 ตั ว

(2)
ค่ า ส ถิ ติ t
เป็ น การทดสอบความสั ม พั น ธ์ ร ะหว่ า งตั ว แปรอิ ส ระแต่ ล ะตั ว กั บ ตั ว แปรตาม
หากค่าสัมประสิทธิ์ของตัวแปรมีค่าแตกต่างจากค่าศูนย์อย่างมีนัยสาคัญ ก็แสดงว่า
ตัวแปรอิสระตัวนั้นสมควรปรากฏอยู่ในแบบจาลอง
(3) ค่าสถิติ Adjusted R2 พิจารณาเลือกแบบจาลองที่ให้ค่าสถิติ Adjusted
R2 สู ง สุ ด ซึ่ ง R2 จะบอกถึ ง อิ ท ธิ พ ลของตั ว แปรอิ ส ระที่ ม าอธิ บ ายตั ว แปรตาม



ยิ่

มี
ค่

สู

แสดงว่าตัวแปรอิสระมีความเหมาะสมในการพยากรณ์ตัวแปรตามได้ดีมากเท่านั้น
(4)

ค่ า ค ว า ม ค ล า ด เ ค ลื่ อ น ข อ ง ค่ า พ ย า ก ร ณ์ ไ ด้ แ ก่

กรณฑ์ที่สองของค่าเฉลี่ยความคลาดเคลื่อนกาลังสอง (Root Mean Square Error:
RMSE) ควรเลือกตัวแบบพยากรณ์ที่ค่าความคลาดเคลื่อนต่าสุด
RMSE  MSE

(
5
)

่า
Durbin-Watson
ใช้ต รวจสอบข้อ ก าหนดเกี ่ย วกับ การเป็น อิส ระต่อ กัน ของ ค่ าความคลาดเคลื่ อน
โดยพิ จ ารณาว่ า ค่ า Durbin-Watson มี ค่ า แตกต่ า งไปจาก 2 มากหรื อ ไม่ ถ้ า ค่ า
Durbin-Watson

อยู่ ร ะหว่ า ง 1.5

-

2.5

หรื อ เข้ า ใกล้ 2

แสดงว่ าค่ าความคลาดเคลื่ อนแต่ ละค่ าเป็ นอิ สระต่ อกั น แต่ ถ้ าค่ า Durbin-Watson
มี
ค่

น้



ว่

1.5
แ ส ด ง ว่ า ค่ า ค ว า ม ค ล า ด เ ค ลื่ อ น แ ต่ ล ะ ค่ า มี ค ว า ม สั ม พั น ธ์ กั น ใ น ท า ง บ ว ก
แ ล ะ ถ้ า ค่ า ยิ่ ง เ ข้ า ใ ก ล้ 0
แ ส ด ง ว่ า
ค่าความคลาดเคลื่ อนแต่ละค่ ามีความสัมพันธ์กันอย่างมากในทางบวก และหากค่ า
Durbin-Watson
มี ค่ า ม า ก ก ว่ า 2.5
แสดงว่าค่าความคลาดเคลื่อนแต่ละค่ามีความสัมพันธ์กันในทางลบ และถ้าค่าเข้าใกล้
4 แสดงว่าค่าความคลาดเคลื่อนแต่ละค่ามีความสัมพันธ์กันอย่างมากในทางลบ

24

1.3) ตาราง Output และสมการพยากรณ์

25

Yt  1192537  33763(T )  2565( RTAPMYt )

(7.255)

(4.987)

(3.298)

Adjusted R2 = 65.60, F = 22.916, RMSE = 1320429.65, DurbinWatson = 1.653

26

2) Double log model
2.1) เตรี ยมข้อมูล จะต้องทาการสร้ างตัวแปรใหม่เพิ่มเข้าไปในแบบจาลอง
คือ Take Ln เข้าไปในทุกตัวแปร โดยไปที่ Transform> Compute Variable

2.2) พยากรณ์ข้อมูล ไปที่เมนู Analyze> Regression> Linear
แล้วใส่ตัวแปรตามที่ช่อง Dependent
และตัวแปรอิสระที่มีความสัมพันธ์กับตัวแปรตามจากการทดสอบสัมประสิทธิ์สหสัมพั
นธ์แบบเพียร์สัน ที่ทาการ Take Ln ในช่อง Independent ส่วน Method เลือกแบบ
Stepwise

27

เลือก Statistics เพื่อให้หาค่า Durbin-Watson แล้วกด Continue

เลือก Save เพื่อให้หาพยากรณ์ค่ากลาง ค่าสูงสุด ค่าต่าสุด

เสร็จแล้วกด Continue แล้ว กด OK

28
2.3) ตาราง Output และสมการพยากรณ์

Ln(Yt )  12.805  0.239( LnXOilt )  0.230( LnRTAPMYt )

(31.397)

(3.977)

(2.813)

Adjusted R2 = 50.80, F = 16.893, RMSE = 0.65 , DurbinWatson = 1.944
ตาราง เปรียบเทียบค่าสถิตใ
ิ นการทดสอบ
และค่าเฉลี่ยร้อยละความคลาดเคลื่อนสัมบูรณ์
แบบจาลอง
Linear

Adjusted

R2

RMSE

F

67.76 1320429.65 22.916

DurbinWatson
1.653

29
Double Log

50.80

0.65 16.893

1.944

Sign up to vote on this title
UsefulNot useful