25

บทที่ 4
ผลการวิเคราะห์ ข้อมูล

ในบทนี้ จะกล่ า วถึ ง ผลการศึ กษาความสั มพันธ์ ระหว่า งดัช นี ราคาตลาดหลัก ทรั พ ย์แห่ ง
ประเทศไทย (SET) กับดัชนี ราคาตลาดหลักทรัพย์ในภูมิภาคเอเชี ยตะวันออก ได้แก่ ดัชนี Nikkei
ของประเทศญี่ปุ่น, ดัชนี Hang Seng ของฮ่องกง และ ดัชนี KSE Composite ของประเทศเกาหลีใต้
ซึ่งการศึกษานั้นได้ครอบคลุมช่วงเวลา ตั้งแต่เดือนมกราคม 2544 ถึงเดือนธันวาคม 2553 รวมข้อมูล
ที่ น ามาศึ ก ษาทั้ง หมด 120 เดื อ น เพื่ อ ที่ จ ะท าการวิเ คราะห์ พ ฤติ ก รรมการเคลื่ อ นไหวของ
ความสัมพันธ์ระหว่างดัชนีราคาตลาดหลักทรัพย์แห่งประเทศไทย กับดัชนี ราคาตลาดหลักทรัพย์ใน
ภูมิ ภาคเอเชี ย ตะวัน ออกได้อย่า งชัดเจน โดยการศึ ก ษาในครั้ งนี้ ได้แบ่ ง ขั้นตอนการศึ ก ษาและ
วิเคราะห์ออกเป็ น 4 ขั้นตอน โดยขั้นตอนแรกจะทาการทดสอบความนิ่ งของข้อมูล (Unit Root
Test) ที่นามาศึกษา เพื่อทดสอบว่าข้อมูลดังกล่าวว่ามีลกั ษณะนิ่ ง (Stationary)หรื อมีลกั ษณะที่ไม่นิ่ง
(Non-stationary) ขั้น ตอนที่ ส องท าการทดสอบหาความสั ม พัน ธ์ ใ นระยะยาวของตัว แปร
(Cointegration Test) ว่าในระยะยาวความสัมพันธ์ของตัวแปรดังกล่าวมีดุลยภาพในระยะยาวหรื อไม่
ขั้นตอนที่สามทาการทดสอบการปรับตัวในระยะสั้น (Error Correction Model) เพื่อเข้าสู่ ดุลยภาพ
ในระยะยาว และขั้นตอนสุ ดท้า ยท าการทดสอบความสั ม พันธ์ ร ะหว่า งตัวแปรโดยวิธี Granger
causality เพื่อดูวา่ ตัวแปร x เป็ นตัวกาหนดตัวแปร y หรื อตัวแปร y กาหนดตัวแปร x หรื อไม่ โดยมี
ผลการทดสอบดังนี้

4.1 การทดสอบ Unit Root Test

การทดสอบ Unit Root ของข้อมูลนั้นเพื่อเช็คว่าข้อมูลนั้นมีลกั ษณะความนิ่ ง (stationary)
[I(0); integrated of order 0] หรื อมีลกั ษณะไม่นิ่ง (non-stationary) [I(d); d > 0, integrated of order
d] เพื่อที่จะหลีกเลี่ยงข้อมูลที่มีค่าเฉลี่ย (mean) และความแปรปรวน (variances) ที่ไม่คงที่ในแต่ละ
ช่วงเวลาที่แตกต่างกัน โดยใช้วิธีการทดสอบสองวิธี คือ วิธีการทดสอบ Augmented Dickey-Fuller
test และวิธีการทดสอบ Phillips-Perron test โดยวิธีทาการทดสอบ Augmented Dickey-Fuller test
จะท าการทดสอบว่าแบบจาลองที่ เหมาะสมนั้น มี จุดตัดแกนและแนวโน้ม เวลาหรื อไม่ โดยใช้
แบบจาลองคือ ปราศจากจุดตัดแกนและแนว โน้ม (without trend and intercept), มีจุดตัดแกนและ
แนวโน้ม (with trend and intercept) และมีจุดตัดแต่ปราศจากแนวโน้ม (with intercept but without
trend) โดยใช้โปรแกรม Eviews 4.1 ซึ่ งการทดสอบการทดสอบ Augmented Dickey-Fuller test
 26

ดังกล่าวจะทาการเลือก lag length หรื อตัวล่า ซึ่ งในวิธีการนี้ เราจะทาการกาหนดค่าความล่าสู งสุ ดที่
12 เนื่ องจากในการศึกษาครั้งนี้ ขอ้ มูลที่นามาศึกษานั้นเป็ นข้อมูลรายเดื อน จึงกาหนดให้มีความล่า
ของข้อมูลในรอบระยะเวลา 1 ปี โดยทาการพิจารณาค่าตัวล่า(Lag Length) อัตโนมัติ (Automatic
based on SIC, MAXLAG=12) ส่ วนการพิจารณาความนิ่ งของข้อมูลนั้น วิเคราะห์ ได้จากการ
พิจารณาเปรี ยบเทียบค่าสถิ ติ Augmented Dickey-Fuller test statistic กับค่าสถิ ติ MacKinnon
critical ณ ระดับนัยสาคัญ ร้อยละ 1, ร้อยละ5 และร้อยละ 10 ของแบบจาลอง ถ้าค่าสถิติ Augmented
Dickey-Fuller test statistic มีค่ามากกว่าค่า MacKinnon critical แสดงว่ายอมรับสมมติฐานหลัก
(H0) และ ปฏิเสธสมมติฐานรอง (H1) ดังนั้นข้อมูลอนุ กรมเวลา (time series) นั้นมีลกั ษณะไม่นิ่ง
(non-stationary) ซึ่ งเราจะทาการแก้ไขได้โดยการทา differencing ลาดับที่ 1 หรื อลาดับถัดไปจนกว่า
ค่าสถิ ติ Augmented Dickey-Fuller test statistic จะมีค่าน้อยกว่าค่า MacKinnon critical ซึ่ งจะ
ปฏิเสธสมมติฐานหลัก (H0) และ ยอมรับสมมติฐานรอง (H1) แสดงว่าข้อมูลอนุ กรมเวลานั้นจะมี
ลักษณะนิ่ ง ส่ วนวิธีการทดสอบ Phillips-Perron test จะทาการทดสอบคล้ายๆ กับวิธี Augmented
Dickey-Fuller test เพราะเป็ นวิธีการที่พฒั นามาจากวิธีการของ Dickey and Fuller (DF test) โดยจะ
ท าการทดสอบว่า แบบจ าลองที่ เ หมาะสมนั้น มี จุ ด ตัด แกนและแนวโน้ม เวลาหรื อ ไม่ โดยใช้
แบบจาลองคือ ปราศจากจุดตัดแกนและแนว โน้ม (without trend and intercept), มีจุดตัดแกนและ
แนวโน้ม (with trend and intercept) และมีจุดตัดแต่ปราศจากแนวโน้ม (with intercept but without
trend) โดยใช้โปรแกรม Eviews 4.1 ซึ่ งการทดสอบการทดสอบ Phillips-Perron test ดังกล่าวจะทา
การเลื อก Bandwidth หรื อตัวล่า โดยการเลื อกตัวล่ าจะทาการพิจารณาจาก Default (Newey-West
using Bartlett kernel) และทาการกาหนดค่าตัวล่าโดยการเลือกอัตโนมัติ เนื่ องจากการทดสอบความ
นิ่งโดยวิธีการของ Phillips-Perron test นั้น เราไม่สามารถทาการกาหนดความล่าสู งสุ ดได้ ส่ วนการ
พิจารณาความนิ่ งของข้อมูลนั้น วิเคราะห์ ได้จากการพิจารณาเปรี ยบเทียบค่าสถิ ติ Phillips-Perron
test statistic กับค่าสถิติ MacKinnon critical ณ ระดับนัยสาคัญร้อยละ 1, ร้อยละ5 และร้อยละ 10
ของแบบจาลอง ถ้าค่าสถิติ Phillips-Perron test statistic มีค่ามากกว่าค่า MacKinnon critical แสดง
ว่ายอมรั บสมมติ ฐานหลัก (H0) และ ปฏิ เสธสมมติ ฐานรอง (H1) ดังนั้นข้อมูล อนุ ก รมเวลา (time
series) นั้นมีลกั ษณะไม่นิ่ง (non-stationary) ซึ่ งเราจะทาการแก้ไขได้โดยการทา differencing ลาดับ
ที่ 1 หรื อลาดับถัดไปจนกว่าค่าสถิติ Phillips-Perron test statistic มีค่าน้อยกว่าค่า MacKinnon
critical ซึ่ งจะปฏิเสธสมมติฐานหลัก (H0) และ ยอมรับสมมติ ฐานรอง (H1) แสดงว่าข้อมูลอนุ กรม
เวลานั้นจะมีลกั ษณะนิ่ ง โดยได้ผลการศึกษา Unit root ของข้อมูลอนุกรมเวลาของตัวแปรที่ใช้ใน
การศึกษาทั้ง 4 ตัวแปรได้แก่ SET, Nikkei, Hang Seng และ KSE Composite ทั้งสองวิธีการทดสอบ
ดังนี้
 27

ตารางที่ 4.1 ผลการวิเคราะห์ Unit Root Test โดยการทดสอบ Augmented Dickey-Fuller test ของดัชนีราคาหุ น้ ตลาดหลักทรัพย์แห่งประเทศไทย (SET),
ดัชนีราคาหุน้ ตลาดหลักทรัพย์ของญี่ปุ่น (Nikkei), ดัชนีราคาหุ น้ ตลาดหลักทรัพย์ของฮ่องกง (Hang Seng) และ ดัชนีราคาหุน้ ตลาดหลักทรัพย์
ของเกาหลีใต้ (KSE Composite)

Variable
Test Critical Value
Test for Include in test SET NIKKEI HANG SENG KSE COMPOSITE
unit root in equation Lag Lag Lag Lag
ADF test ADF test ADF test ADF test ร้ อยละ 1 ร้ อยละ 5 ร้ อยละ 10
Length Length Length Length
None 0(12) 1.281253 0(12) -0.775037 0(12) 0.230496 0(12) 1.343136 -2.584539 -1.94354 -1.614941
Level Trend and intercept 0(12) -1.465391 0(12) -1.314176 0(12) -2.555211 0(12) -2.084729 -4.036983 -3.448021 -3.149135
intercept 0(12) -0.63566 0(12) -1.314238 0(12) -0.919545 0(12) -0.419416 -3.486064 -2.885863 -2.579818
None 0(12) -9.603188* 0(12) -8.89048* 0(12) -9.135184* 0(12) -10.18653* -2.584707 -1.943563 -1.614927
1st
Trend and intercept 0(12) -9.71815* 0(12) -8.820868* 0(12) -9.115481* 0(12) -10.35118* -4.037668 -3.448348 -3.149326
difference
intercept 0(12) -9.742245* 0(12) -8.856997* 0(12) -9.12386* 0(12) -10.3727* -3.486551 -2.886074 -2.579931
ที่มา : จากการคานวณ
หมายเหตุ 1) * หมายถึง ข้อมูลที่มีลกั ษณะเป็ น Stationary ณ ผลต่างลาดับที่ 1 (1st difference)
2) Lag Length หมายถึง จานวน lag order ที่เหมาะสมของข้อมูล ที่ถูกเลือกโดยอัตโนมัติในแบบจาลอง (Automatic based on SIC, MAXLAG=12)
 28

ตารางที่ 4.2 ผลการวิเคราะห์ Unit Root Test โดยการทดสอบ Phillips-Perron test ของดัชนีราคาหุ น้ ตลาดหลักทรัพย์แห่งประเทศไทย (SET), ดัชนีราคาหุน้
ตลาดหลักทรัพย์ของญี่ปุ่น (Nikkei), ดัชนีราคาหุ น้ ตลาดหลักทรัพย์ของฮ่องกง (Hang Seng) และ ดัชนีราคาหุน้ ตลาดหลักทรัพย์ของเกาหลีใต้
(KSE Composite)

Variable
Test for Include in test Test Critical Value
SET NIKKEI HANG SENG KSE COMPOSITE
unit root in equation
Bandwidth PP test Bandwidth PP test Bandwidth PP test Bandwidth PP test ร้ อยละ 1 ร้ อยละ 5 ร้ อยละ 10
None 6 0.840836 5 -0.755265 4 0.057885 5 1.058586 -2.584539 -1.94354 -1.614941
Level Trend and intercept 7 -2.093707 5 -1.648167 5 -2.91574 6 -2.525473 -4.036983 -3.448021 -3.149135
intercept 6 -1.107196 5 -1.64567 4 -1.248368 5 -0.665382 -3.486064 -2.885863 -2.579818
None 6 -9.928437* 5 -8.978221* 3 -9.161476* 5 -10.39559* -2.584707 -1.943563 -1.614927
1st
Trend and intercept 6 -9.989702* 5 -8.908439* 3 -9.140127* 5 -10.501* -4.037668 -3.448348 -3.149326
difference
intercept 6 -10.00852* 5 -8.944706* 3 -9.146421* 5 -10.52024* -3.486551 -2.886074 -2.579931
ที่มา : จากการคานวณ
หมายเหตุ 1) * หมายถึง ข้อมูลที่มีลกั ษณะเป็ น Stationary ณ ผลต่างลาดับที่ 1 (1st difference)
2) Bandwidth หมายถึง จานวน lag order ที่เหมาะสมของข้อมูล ที่ถูกเลือกโดยอัตโนมัติในแบบจาลอง (Newey-West using Bartlett kernel)
 29

4.1.1 พิจารณาดัชนีราคาหุ้นตลาดหลักทรัพย์ แห่ งประเทศไทย (SET)

จากตารางที่ 4.1 ซึ่ งแสดงผลการทดสอบความนิ่ งของข้อมูลดัชนี ราคาหุ ้นตลาดหลักทรัพย์
แห่ งประเทศไทย (SET) โดยวิธี ADF test ซึ่ งสามารถวิเคราะห์ได้วา่ ข้อมูลดังกล่าวมีลกั ษณะไม่นิ่ง
(non-stationary) หรื อไม่ได้มีลกั ษณะข้อมูลแบบ I(0) เนื่องจากที่ระดับ level นั้นพบว่า เมื่อพิจารณา
ค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้ม เวลา (without trend and intercept), มีจุดตัด
แกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่ปราศจากแนวโน้มเวลา (with
intercept but without trend) ที่มีค่าสถิ ติ ADF test เท่ากับ 1.281253, -1.465391 และ -0.63566
ตามลาดับ ซึ่ ง มี ค่า มากกว่าค่ า MacKinnon critical ณ ระดับนัยส าคัญ ร้ อยละ 1 มี ผลเท่ ากับ
-2.584539, -4.036983 และ -3.486064 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ -1.94354,
-3.448021 และ -2.885863 ตามลาดับ และ ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ -1.614941,
-3.149135 และ -2.579818 ตามลาดับ แสดงว่ายอมรับสมมติ ฐานหลัก (H0) และ ปฏิ เสธสมมติ
ฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ระดับ level ดัชนี ราดัชนี ราคาหุ ้นตลาดหลักทรัพย์แห่ งประเทศไทย
(SET) จะมีลกั ษณะไม่นิ่งหรื อมี unit root ทั้งสามแบบจาลอง และเมื่อพบว่าข้อมูลดัชนี ราดัชนี ราคา
หุ ้นตลาดหลักทรัพย์แห่ งประเทศไทย (SET) มีลกั ษณะไม่นิ่ง (non-stationary) ดังนั้นจึงนาข้อมูล
ดังกล่าวมาทาการทดสอบ order of integration ในระดับที่สูงขึ้น โดยการหาผลต่างระดับที่ 1
(1st difference) หรื อ I(1) ซึ่ งพบว่าเมื่อพิจารณาค่าสถิ ติในแบบจาลองปราศจากจุดตัดแกนและ
แนวโน้มเวลา (without trend and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and
intercept) และมีจุดตัดแต่ปราศจากแนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิ ติ
ADF test เท่ากับ -9.603188, -9.71815 และ -9.742245 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon
critical ณ ระดับนัยสาคัญร้อยละ 1 มีผลเท่ากับ -2.584707, -4.037668 และ -3.486551ตามลาดับ,
ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ -1.943563, -3.448348 และ -2.886074 ตามลาดับ และ
ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ -1.614927, -3.149326 และ -2.579931 ตามลาดับ แสดงว่า
ปฏิเสธสมมติฐานหลัก (H0) และ ยอมรับสมมติฐานรอง (H1) ดังนั้นสรุ ปได้ว่าที่ผลต่างระดับที่ 1
(1st difference) นั้น ดัชนี ราดัชนี ราคาหุ ้นตลาดหลักทรัพย์แห่ งประเทศไทย (SET) มีลกั ษณะนิ่ ง
หรื อไม่มี unit root และมีลกั ษณะข้อมูลแบบ I(1) ทั้งสามแบบจาลอง
และจากตารางที่ 4.2 ซึ่ ง แสดงผลการทดสอบความนิ่ ง ของข้อมู ลดัช นี ราคาหุ ้นตลาด
หลักทรัพย์แห่ งประเทศไทย (SET) โดยวิธี Phillips-Perron test ซึ่ งสามารถวิเคราะห์ได้วา่ ข้อมูล
ดังกล่าวมีลกั ษณะไม่นิ่ง (non-stationary) หรื อไม่ได้มีลกั ษณะข้อมูลแบบ I(0) เนื่ องจากที่ระดับ
level นั้นพบว่า เมื่อพิจารณาค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา (without
trend and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่
 30

ปราศจากแนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิติ PP test เท่ากับ 0.840836,
-2.093707และ -1.107196 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon critical ณ ระดับนัยสาคัญร้อย
ละ 1 มีผลเท่ากับ -2.584539, -4.036983 และ -3.486064 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผล
เท่ากับ -1.94354, -3.448021 และ -2.885863 ตามลาดับ และ ณ ระดับนัยสาคัญ ร้อยละ 10 มีผล
เท่ากับ -1.614941, -3.149135 และ -2.579818 ตามลาดับ แสดงว่ายอมรับสมมติฐานหลัก (H0) และ
ปฏิเสธสมมติฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ระดับ level ดัชนีราดัชนีราคาหุ ้นตลาดหลักทรัพย์แห่ ง
ประเทศไทย (SET) จะมีลกั ษณะไม่นิ่งหรื อมี unit root ทั้งสามแบบจาลอง และเมื่อพบว่าข้อมูลดัชนี
ราดัชนีราคาหุ น้ ตลาดหลักทรัพย์แห่งประเทศไทย (SET) มีลกั ษณะไม่นิ่ง (non-stationary) ดังนั้นจึง
นาข้อมูลดังกล่าวมาทาการทดสอบ order of integration ในระดับที่สูงขึ้น โดยการหาผลต่างระดับที่
1 (1st difference) หรื อ I(1) ซึ่ งพบว่าเมื่อพิจารณาค่าสถิ ติในแบบจาลองปราศจากจุดตัดแกนและ
แนวโน้มเวลา (without trend and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and
intercept) และมีจุดตัดแต่ปราศจากแนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิ ติ
PP test เท่ากับ -9.928437, -9.989702 และ -10.00852ตามลาดับ ซึ่ งมี ค่ามากกว่าค่า MacKinnon
critical ณ ระดับนัยสาคัญร้อยละ 1 มีผลเท่ากับ -2.584707, -4.037668 และ -3.486551 ตามลาดับ, ณ
ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ -1.943563, -3.448348 และ -2.886074 ตามลาดับ และ ณ
ระดับนัยสาคัญร้อยละ10 มีผลเท่ากับ -1.614927, -3.149326 และ -2.579931 ตามลาดับ แสดงว่า
ปฏิเสธสมมติฐานหลัก (H0) และ ยอมรับสมมติฐานรอง (H1) ดังนั้นสรุ ปได้ว่าที่ผลต่างระดับที่ 1
(1st difference) นั้น ดัชนี ราดัชนี ราคาหุ ้นตลาดหลักทรัพย์แห่ งประเทศไทย (SET) มีลกั ษณะนิ่ ง
หรื อไม่มี unit root และมีลกั ษณะข้อมูลแบบ I(1) ทั้งสามแบบจาลอง และได้ผลเช่นเดียวกันในการ
ใช้ค่าตัวล่า (Lag Length) อัตโนมัติ (Automatic based on AIC, MAXLAG=12)

4.1.2 พิจารณาดัชนีราคาหุ้นตลาดหลักทรัพย์ ของญีป่ ุ่ น (Nikkei)

จากตารางที่ 4.1 ซึ่ งแสดงผลการทดสอบความนิ่ งของข้อมูลดัชนี ราคาหุ ้นตลาดหลักทรัพย์
ของญี่ปุ่น (Nikkei) โดยวิธี ADF test ซึ่ งสามารถวิเคราะห์ ได้ว่าข้อมูลดังกล่าวมี ลกั ษณะไม่นิ่ง
(non-stationary) หรื อไม่ได้มีลกั ษณะข้อมูลแบบ I(0) เนื่องจากที่ระดับ level นั้นพบว่า เมื่อพิจารณา
ค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา (without trend and intercept), มีจุดตัด
แกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่ปราศจากแนวโน้มเวลา (with
intercept but without trend) ที่มีค่าสถิติ ADF test เท่ากับ -0.775037, -1.314176 และ -1.314238
ตามล าดับ ซึ่ ง มี ค่ า มากกว่า ค่ า MacKinnon critical ณ ระดับ นัย ส าคัญ ร้ อยละ 1 มี ผ ลเท่ า กับ
-2.584539, -4.036983และ -3.486064 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ -1.94354,
 31

-3.448021 และ -2.885863 ตามลาดับ และ ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ -1.614941,

-3.149135 และ -2.579818 ตามลาดับ แสดงว่ายอมรับสมมติ ฐานหลัก (H0) และ ปฏิ เสธสมมติ
ฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ระดับ level ดัชนีราคาหุ ้นตลาดหลักทรัพย์ของญี่ปุ่น (Nikkei) จะมี
ลัก ษณะไม่ นิ่ง หรื อมี unit root ทั้ง สามแบบจาลอง และเมื่ อพบว่า ข้อมูล ดัช นี ราคาหุ ้นตลาด
หลักทรัพย์ของญี่ปุ่น (Nikkei) มีลกั ษณะไม่นิ่ง (non-stationary) ดังนั้นจึงนาข้อมูลดังกล่าวมาทาการ
ทดสอบ order of integration ในระดับที่สูงขึ้น โดยการหาผลต่างระดับที่ 1 (1st difference) หรื อ I(1)
ซึ่ งพบว่าเมื่อพิจารณาค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา (without trend
and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่ปราศจาก
แนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิติ ADF test เท่ากับ -8.89048, -8.820868
และ -8.856997 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon critical ณ ระดับนัยสาคัญร้อยละ 1 มีผล
เท่ากับ -2.584707, -4.037668 และ -3.486551 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ
-1.943563, -3.448348 และ -2.886074 ตามลาดับ และ ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ
-1.614927, -3.149326 และ -2.579931 ตามลาดับ แสดงว่าปฏิเสธสมมติฐานหลัก (H0) และ ยอมรับ
สมมติฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ผลต่างระดับที่ 1 (1st difference) นั้น ดัชนี ราคาหุ ้นตลาด
หลักทรัพย์ของญี่ปุ่น (Nikkei) มีลกั ษณะนิ่ งหรื อไม่มี unit root และมีลกั ษณะข้อมูลแบบ I(1) ทั้ง
สามแบบจาลอง
และจากตารางที่ 4.2 ซึ่ ง แสดงผลการทดสอบความนิ่ ง ของข้อมู ลดัชนี ราคาหุ ้นตลาด
หลักทรัพย์ของญี่ปุ่น (Nikkei) โดยวิธี Phillips-Perron test ซึ่ งสามารถวิเคราะห์ได้วา่ ข้อมูลดังกล่าว
มีลกั ษณะไม่นิ่ง(non-stationary) หรื อไม่ได้มีลกั ษณะข้อมูลแบบ I(0) เนื่ องจากที่ระดับ level นั้น
พบว่า เมื่อพิจารณาค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา (without trend and
intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่ปราศจาก
แนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิติ PP test เท่ากับ -0.755265, -1.648167
และ -1.64567 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon critical ณ ระดับนัยสาคัญร้อยละ 1 มีผล
เท่ากับ -2.584539, -4.036983 และ -3.486064 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ
-1.94354, -3.448021 และ -2.885863 ตามลาดับ และ ณ ระดับนัยสาคัญร้ อยละ 10 มีผลเท่ากับ
-1.614941, -3.149135 และ -2.579818 ตามลาดับ แสดงว่ายอมรับสมมติฐานหลัก (H0) และ ปฏิเสธ
สมมติฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ระดับ level ดัชนีราคาหุน้ ตลาดหลักทรัพย์ของญี่ปุ่น (Nikkei)
จะมีลกั ษณะไม่นิ่งหรื อมี unit root ทั้งสามแบบจาลอง และเมื่อพบว่าข้อมูลดัชนี ราคาหุ ้นตลาด
หลักทรัพย์ของญี่ปุ่น (Nikkei) มีลกั ษณะไม่นิ่ง (non-stationary) ดังนั้นจึงนาข้อมูลดังกล่าวมาทาการ
ทดสอบ order of integration ในระดับที่สูงขึ้น โดยการหาผลต่างระดับที่ 1 (1st difference) หรื อ I(1)
 32

ซึ่ งพบว่าเมื่อพิจารณาค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา (without trend

and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่ปราศจาก
แนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิติ PP test เท่ากับ -8.978221, -8.908439
และ -8.944706 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon critical ณ ระดับนัยสาคัญร้อยละ 1 มีผล
เท่ากับ -2.584707, -4.037668 และ -3.486551 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ
-1.943563, -3.448348 และ -2.886074 ตามลาดับ และ ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ
-1.614927, -3.149326 และ -2.579931 ตามลาดับ แสดงว่าปฏิเสธสมมติฐานหลัก (H0) และ ยอมรับ
สมมติฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ผลต่างระดับที่ 1 (1st difference) นั้น ดัชนี ราคาหุ ้นตลาด
หลักทรัพย์ของญี่ปุ่น (Nikkei) มีลกั ษณะนิ่ งหรื อไม่มี unit root และมีลกั ษณะข้อมูลแบบ I(1) ทั้ง
สามแบบจาลองแบบจาลอง และได้ผลเช่ นเดี ยวกันในการใช้ค่าตัวล่า (Lag Length) อัตโนมัติ
(Automatic based on AIC, MAXLAG=12)

4.1.3 พิจารณาดัชนีราคาหุ้นตลาดหลักทรัพย์ ของฮ่ องกง (Hang Seng)

จากตารางที่ 4.1 ซึ่ งแสดงผลการทดสอบความนิ่ งของข้อมูลดัชนี ราคาหุ ้นตลาดหลักทรัพย์
ของฮ่องกง (Hang Seng) โดยวิธี ADF test ซึ่ งสามารถวิเคราะห์ได้วา่ ข้อมูลดังกล่าวมีลกั ษณะไม่นิ่ง
(non-stationary) หรื อไม่ได้มีลกั ษณะข้อมูลแบบ I(0) เนื่องจากที่ระดับ level นั้นพบว่า เมื่อพิจารณา
ค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา (without trend and intercept), มีจุดตัด
แกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่ปราศจากแนวโน้มเวลา (with
intercept but without trend) ที่มีค่าสถิติ ADF test เท่ากับ 0.230496, -2.555211 และ -0.919545
ตามล าดับ ซึ่ ง มี ค่ า มากกว่า ค่ า MacKinnon critical ณ ระดับ นัย ส าคัญ ร้ อยละ 1 มี ผ ลเท่ า กับ
-2.584539, -4.036983และ -3.486064 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ -1.94354,
-3.448021 และ -2.885863 ตามลาดับ และ ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ -1.614941,
-3.149135 และ -2.579818 ตามลาดับ แสดงว่ายอมรับสมมติ ฐานหลัก (H0) และ ปฏิ เสธสมมติ
ฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ระดับ level ดัชนี ราคาหุ ้นตลาดหลักทรัพย์ของฮ่องกง (Hang Seng)
จะมีลกั ษณะไม่นิ่งหรื อมี unit root ทั้งสามแบบจาลอง และเมื่อพบว่าข้อมูลดัชนี ราคาหุ ้นตลาด
หลักทรัพย์ของฮ่องกง (Hang Seng) มีลกั ษณะไม่นิ่ง (non-stationary) ดังนั้นจึงนาข้อมูลดังกล่าวมา
ทาการทดสอบ order of integration ในระดับที่สูงขึ้น โดยการหาผลต่างระดับที่ 1 (1st difference)
หรื อ I(1) ซึ่ ง พบว่าเมื่ อพิ จารณาค่า สถิ ติใ นแบบจาลองปราศจากจุ ดตัดแกนและแนวโน้ม เวลา
(without trend and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and intercept) และมี
จุดตัดแต่ปราศจากแนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิติ ADF test เท่ากับ
 33

-9.135184, -9.115481 และ -9.12386 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon critical ณ ระดับ
นัยสาคัญร้อยละ 1 มีผลเท่ากับ -2.584707, -4.037668 และ -3.486551 ตามลาดับ, ณ ระดับนัยสาคัญ
ร้อยละ 5 มีผลเท่ากับ -1.943563, -3.448348 และ -2.886074 ตามลาดับ และ ณ ระดับนัยสาคัญร้อย
ละ 10 มีผลเท่ากับ -1.614927, -3.149326 และ -2.579931 ตามลาดับ แสดงว่าปฏิเสธสมมติฐานหลัก
(H0) และ ยอมรับสมมติฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ผลต่างระดับที่ 1 (1st difference) นั้น ดัชนี
ราคาหุ ้นตลาดหลักทรัพย์ของฮ่องกง (Hang Seng) มีลกั ษณะนิ่ งหรื อไม่มี unit root และมีลกั ษณะ
ข้อมูลแบบ I(1) ทั้งสามแบบจาลอง
และจากตารางที่ 4.2 ซึ่ ง แสดงผลการทดสอบความนิ่ ง ของข้อมู ลดัช นี ราคาหุ ้นตลาด
หลักทรัพย์ของฮ่องกง (Hang Seng) โดยวิธี Phillips-Perron test ซึ่ งสามารถวิเคราะห์ได้วา่ ข้อมูล
ดังกล่าวมีลกั ษณะไม่นิ่ง (non-stationary) หรื อไม่ได้มีลกั ษณะข้อมูลแบบ I(0) เนื่ องจากที่ระดับ
level นั้นพบว่า เมื่อพิจารณาค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา (without
trend and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่
ปราศจากแนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิติ PP test เท่ากับ 0.057885,
-2.91574 และ -1.248368 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon critical ณ ระดับนัยสาคัญร้อย
ละ 1 มีผลเท่ากับ -2.584539, -4.036983 และ -3.486064 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผล
เท่ากับ -1.94354, -3.448021 และ -2.885863 ตามลาดับ และ ณ ระดับนัยสาคัญร้อยละ 10 มีผล
เท่ากับ -1.614941, -3.149135 และ -2.579818 ตามลาดับ แสดงว่ายอมรับสมมติฐานหลัก (H0) และ
ปฏิเสธสมมติฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ระดับ level ดัชนี ราคาหุ ้นตลาดหลักทรัพย์ของฮ่องกง
(Hang Seng) จะมีลกั ษณะไม่นิ่งหรื อมี unit root ทั้งสามแบบจาลอง และเมื่อพบว่าข้อมูลดัชนี ราคา
หุ ้นตลาดหลักทรัพย์ของฮ่องกง (Hang Seng) มีลกั ษณะไม่นิ่ง (non-stationary) ดังนั้นจึงนาข้อมูล
ดังกล่าวมาทาการทดสอบ order of integration ในระดับที่สูงขึ้น โดยการหาผลต่างระดับที่ 1
(1st difference) หรื อ I(1) ซึ่ งพบว่าเมื่อพิจารณาค่าสถิ ติในแบบจาลองปราศจากจุดตัดแกนและ
แนวโน้มเวลา (without trend and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and
intercept) และมีจุดตัดแต่ปราศจากแนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิ ติ
PP test เท่ากับ -9.161476, -9.140127และ -9.146421 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon
critical ณ ระดับนัยสาคัญร้อยละ 1 มีผลเท่ากับ -2.584707, -4.037668 และ -3.486551 ตามลาดับ, ณ
ระดับนัยสาคัญร้ อยละ 5 มีผลเท่ากับ -1.943563, -3.448348 และ -2.886074 ตามลาดับ และ ณ
ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ -1.614927, -3.149326 และ -2.579931 ตามลาดับ แสดงว่า
ปฏิเสธสมมติฐานหลัก (H0) และ ยอมรับสมมติฐานรอง (H1) ดังนั้นสรุ ปได้ว่าที่ผลต่างระดับที่ 1
(1st difference) นั้น ดัชนี ราคาหุ ้นตลาดหลักทรัพย์ของฮ่องกง (Hang Seng) มีลกั ษณะนิ่ งหรื อไม่มี
 34

unit root และมีลกั ษณะข้อมูลแบบ I(1) ทั้งสามแบบจาลองแบบจาลอง และได้ผลเช่นเดียวกันใน

การใช้ค่าตัวล่า (Lag Length) อัตโนมัติ (Automatic based on AIC, MAXLAG=12)

4.1.4 พิจารณาดัชนีราคาหุ้นตลาดหลักทรัพย์ ของเกาหลีใต้ (KSE Composite)

จากตารางที่ 4.1 ซึ่ งแสดงผลการทดสอบความนิ่ งของข้อมูลดัชนี ราคาหุ ้นตลาดหลักทรัพย์
ของเกาหลี ใต้ (KSE Composite) โดยวิธี ADF test ซึ่ งสามารถวิเคราะห์ ได้ว่าข้อมูลดังกล่ าวมี
ลักษณะไม่นิ่ง(non-stationary) หรื อไม่ได้มีลกั ษณะข้อมูลแบบ I(0) เนื่ องจากที่ระดับ level นั้น
พบว่า เมื่อพิจารณาค่าสถิติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา (without trend and
intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and intercept) และมีจุดตัดแต่ปราศจาก
แนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิติ ADF test เท่ากับ 1.343136, -2.084729
และ -0.419416 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon critical ณ ระดับนัยสาคัญร้อยละ 1 มีผล
เท่ากับ -2.584539, -4.036983 และ -3.486064 ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ
-1.94354, -3.448021 และ -2.885863 ตามลาดับ และ ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ
-1.614941, -3.149135 และ -2.579818 ตามลาดับ แสดงว่ายอมรับสมมติฐานหลัก (H0) และ ปฏิเสธ
สมมติฐานรอง (H1) ดังนั้นสรุ ปได้ว่าที่ ระดับ level ดัชนี ราคาหุ ้นตลาดหลักทรัพย์ของเกาหลี ใต้
(KSE Composite) จะมีลกั ษณะไม่นิ่งหรื อมี unit root ทั้งสามแบบจาลอง และเมื่อพบว่าข้อมูลดัชนี
ราคาหุ ้นตลาดหลักทรัพย์ของเกาหลีใต้ (KSE Composite) มีลกั ษณะไม่นิ่ง (non-stationary) ดังนั้น
จึงนาข้อมูลดังกล่าวมาทาการทดสอบ order of integration ในระดับที่สูงขึ้น โดยการหาผลต่าง
ระดับที่ 1 (1st difference) หรื อ I(1) ซึ่ งพบว่าเมื่อพิจารณาค่าสถิติในแบบจาลองปราศจากจุดตัดแกน
และแนวโน้มเวลา (without trend and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and
intercept) และมีจุดตัดแต่ปราศจากแนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิ ติ
ADF test เท่ากับ -10.18653, -10.35118 และ -10.3727 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon
critical ณ ระดับนัยสาคัญร้อยละ 1 มีผลเท่ากับ -2.584707, -4.037668 และ -3.486551 ตามลาดับ,
ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ -1.943563, -3.448348 และ -2.886074 ตามลาดับ และ
ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ -1.614927, -3.149326 และ -2.579931 ตามลาดับ แสดงว่า
ปฏิเสธสมมติฐานหลัก (H0) และ ยอมรับสมมติฐานรอง (H1) ดังนั้นสรุ ปได้ว่าที่ผลต่างระดับที่ 1
(1st difference) นั้น ดัชนีราคาหุ ้นตลาดหลักทรัพย์ของเกาหลีใต้ (KSE Composite) มีลกั ษณะนิ่ ง
หรื อไม่มี unit root และมีลกั ษณะข้อมูลแบบ I(1) ทั้งสามแบบจาลอง
และจากตารางที่ 4.2 ซึ่ ง แสดงผลการทดสอบความนิ่ ง ของข้อมู ลดัช นี ราคาหุ ้นตลาด
หลักทรัพย์ของเกาหลีใต้ (KSE Composite) โดยวิธี Phillips-Perron test ซึ่ งสามารถวิเคราะห์ได้ว่า
 35

ข้อมูลดังกล่าวมีลกั ษณะไม่นิ่ง (non-stationary) หรื อไม่ได้มีลกั ษณะข้อมูลแบบ I(0) เนื่ องจากที่

ระดับ level นั้นพบว่า เมื่อพิจารณาค่าสถิ ติในแบบจาลองปราศจากจุดตัดแกนและแนวโน้มเวลา
(without trend and intercept), มีจุดตัดแกนและแนวโน้มเวลา (with trend and intercept) และมี
จุดตัดแต่ปราศจากแนวโน้มเวลา (with intercept but without trend) ที่มีค่าสถิ ติ PP test เท่ากับ
1.058586, -2.525473 และ -0.665382 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า MacKinnon critical ณ ระดับ
นัยสาคัญร้อยละ 1 มีผลเท่ากับ -2.584539, -4.036983 และ -3.486064 ตามลาดับ, ณ ระดับนัยสาคัญ
ร้อยละ 5 มีผลเท่ากับ -1.94354, -3.448021 และ -2.885863 ตามลาดับ และ ณ ระดับนัยสาคัญร้อยละ
10 มีผลเท่ากับ -1.614941, -3.149135 และ -2.579818 ตามลาดับ แสดงว่ายอมรับสมมติฐานหลัก
(H0) และ ปฏิเสธสมมติฐานรอง (H1) ดังนั้นสรุ ปได้วา่ ที่ระดับ level ดัชนีราคาหุ ้นตลาดหลักทรัพย์
ของเกาหลีใต้ (KSE Composite) จะมีลกั ษณะไม่นิ่งหรื อมี unit root ทั้งสามแบบจาลอง และเมื่อ
พบว่าข้อมูลดัชนี ราคาหุ ้นตลาดหลักทรัพย์ของเกาหลีใต้ (KSE Composite) มีลกั ษณะไม่นิ่ง (non-
stationary) ดังนั้นจึงนาข้อมูลดังกล่าวมาทาการทดสอบ order of integration ในระดับที่สูงขึ้น โดย
การหาผลต่างระดับที่ 1 (1st difference) หรื อ I(1) ซึ่ งพบว่าเมื่อพิจารณาค่าสถิ ติในแบบจาลอง
ปราศจากจุดตัดแกนและแนวโน้มเวลา (without trend and intercept), มีจุดตัดแกนและแนวโน้ม
เวลา (with trend and intercept) และมีจุดตัดแต่ปราศจากแนวโน้มเวลา (with intercept but without
trend) ที่มีค่าสถิติ PP test เท่ากับ -10.39559, -10.501 และ -10.52024 ตามลาดับ ซึ่ งมีค่ามากกว่าค่า
MacKinnon critical ณ ระดับนัยสาคัญร้อยละ 1 มีผลเท่ากับ -2.584707, -4.037668 และ -3.486551
ตามลาดับ, ณ ระดับนัยสาคัญร้อยละ 5 มีผลเท่ากับ -1.943563, -3.448348 และ -2.886074 ตามลาดับ
และ ณ ระดับนัยสาคัญร้อยละ 10 มีผลเท่ากับ -1.614927, -3.149326 และ -2.579931 ตามลาดับ
แสดงว่าปฏิ เสธสมมติฐานหลัก (H0) และ ยอมรับสมมติฐานรอง (H1) ดังนั้นสรุ ป ได้ว่าที่ ผลต่า ง
ระดับที่ 1 (1st difference) นั้น ดัชนีราคาหุ ้นตลาดหลักทรัพย์ของเกาหลีใต้ (KSE Composite) มี
ลักษณะนิ่ งหรื อไม่มี unit root และมีลกั ษณะข้อมูลแบบ I(1) ทั้งสามแบบจาลองแบบจาลอง และ
ได้ผลเช่ นเดี ยวกันในการใช้ค่าตัวล่ า (Lag Length) อัตโนมัติ (Automatic based on AIC,
MAXLAG=12)

4.2 การทดสอบ Cointegration Test

จากขั้นตอนการทดสอบ Unit Root Test หรื อการหาระดับความนิ่ งของข้อมูลที่ผา่ นมา ผล
ปรากฏว่าตัวแปรทุกตัวที่ใช้ในการศึกษาในครั้งนี้ เป็ นตัวแประที่มีลกั ษณะเป็ น non-stationary ณ
ระดับของข้อมูล ดังนั้นเราจึงต้องทาการทดสอบในขั้นต่อไปว่า ตัวแปรดังกล่าวมีความสัมพันธ์ใน
เชิงดุลยภาพระยาวหรื อไม่ โดยในการศึกษาครั้งนี้ จะผูศ้ ึกษาจะใช้วิธีการทดสอบ cointegration ตาม
 36

แนวทางของ Johansen เนื่ องจากเป็ นกระบวนการการทดสอบที่ใช้กบั แบบจาลองที่มีตวั แปรหลาย

ตัว เพื่อท าการพิ สู จน์ว่า ดัชนี ราคาตลาดหลัก ทรั พ ย์แห่ งประเทศไทย (SET) กับ ดัช นี ราคาตลาด
หลักทรัพย์ในภูมิภาคเอเชียตะวันออก ได้แก่ ดัชนี Nikkei ของประเทศญี่ปุ่น, ดัชนี Hang Seng ของ
ฮ่องกง และ ดัชนี KSE Composite ของประเทศเกาหลีใต้ นั้นมีพฤติกรรมการเคลื่ อนไหวเป็ นไป
ตามแนวทางเดียวกัน โดยจะทาการทดสอบหาความยาวของ lag ที่เหมาะสมของตัวแปร ซึ่ งมี 3 วิธี
คือ พิจารณาความยาวของ lag ด้วยการพิจารณาค่า Likelihood Ratio Test (LR), Akaike Information
Criterion (AIC) และ Schwartz Bayesian Criterion (SBC) โดยจะพิจารณาจากค่า LR ที่มีค่ามาก
ที่สุด, AIC ที่มีค่าน้อยที่สุด และ SBC ที่มีค่าน้อยที่สุด ซึ่งได้ผลการทดสอบ ดังตารางที่ 4.3 ดังนี้

ตารางที่ 4.3 ผลการการทดสอบหา lag ที่เหมาะสมของตัวแปร ของดัชนี SET, Nikkei, Hang Seng
และ KSE Composite

lag LR AIC SC
0 N/A 62.99854 63.10024
1 99.1646* 53.21366 53.72219*
2 34.56974 53.15746* 54.07282
3 20.78596 53.23673 54.55893
4 21.4176 53.29825 55.02727
5 12.23294 53.45855 55.59441
6 31.71493 53.36479 55.90747
7 15.67851 53.46344 56.41295
8 10.76207 53.61955 56.97589
9 10.13806 53.77593 57.5391
10 21.51552 53.7421 57.91211
11 26.22766 53.60526 58.18209
12 15.63869 53.62861 58.61227
13 7.687215 53.78558 59.17606
14 7.105374 53.94209 59.73941
15 22.50651 53.72637 59.93052
16 10.34307 53.76886 60.37984
ที่มา : จากการคานวณ
 37

หมายเหตุ 1) * หมายถึง การเลือก lag ที่เหมาะสมภายใต้เกณฑ์การพิจารณา

จากผลการทดสอบหา lag ที่เหมาะสมของตัวแปร ของดัชนี SET, Nikkei, Hang Seng และ

KSE Composite ในภาพที่ 4.3 ด้วยวิธี Likelihood Ratio Test (LR), Akaike Information Criterion
(AIC) และ Schwartz Bayesian Criterion (SBC) พบว่าจานวน lag ที่เหมาะสมสาหรับการพิจารณา
การทดสอบด้วยวิธี Likelihood Ratio Test (LR) คือ 1 lag เนื่องจากมีค่าสู งสุ ด คือ 99.1646 ส่ วนการ
ทดสอบด้วยวิธี Akaike Information Criterion (AIC) คือ 2 lag เนื่ องจากมีค่าต่าสุ ด คือ 53.15746
และการทดสอบด้วยวิธี Schwartz Bayesian Criterion (SBC) คือ 1 lag เนื่ องจากมีค่าต่ าสุ ด คื อ
53.72219 ดังนั้นจะได้ช่วงเวลาของ lag ที่เหมาะสม คือช่วง 1 ถึง 4 เพื่อทดสอบ cointegrating ต่อไป
จากข้า งต้น เมื่ อ ได้ค่ า lag ที่ เ หมาะสมของตัว แปรแล้ว จึ ง ท าการทดสอบหาจ านวน
cointegration vectors ด้วยวิธี maximal eigenvalue statistic หรื อ max test และ eigenvalue trace
statistic หรื อ trace test โดยวิเคราะห์ได้จากการพิจารณาเปรี ยบเทียบค่าสถิ ติ λmax และ λtrace ซึ่ ง
เปรี ยบเทียบค่าสถิติ λmax และ λtrace กับค่าสถิติ Critical Value ที่ระดับร้อยละ 1 และร้อยละ 5 ของ
แบบจาลอง ถ้าค่าสถิติ λmax และ λtrace มีค่ามากกว่าค่าสถิติ Critical Value ที่ระดับ ร้อยละ 1 และ
ร้อยละ 5 แสดงว่าแบบจาลองดังกล่าวมี Cointegrating หรื อมีความสัมพันธ์เชิงดุลยภาพในระยะยาว
และในทิศทางตรงกันข้ามถ้าหากค่าสถิติ λmax และ λtrace มีค่าน้อยกว่าค่าสถิติ Critical Value ที่ร้อย
ละ 1 และร้อยละ 5 แสดงว่าแบบจาลองดังกล่าวไม่มี Cointegrating หรื อไม่มีความสัมพันธ์เชิ งดุลย
ภาพในระยะยาว ซึ่ งในกรณี น้ ี จะท าการพิ จ ารณาหาความสั ม พัน ธ์ ข องตัว แปรในระยาวของ
ความสัมพันธ์ของดัชนีราคาตลาดหลักทรัพย์แห่งประเทศไทย (SET) กับดัชนี ราคาตลาดหลักทรัพย์
ในภูมิภาคเอเชียตะวันออก ได้แก่ ดัชนี Nikkei ของประเทศญี่ปุ่น, ดัชนี Hang Seng ของฮ่องกง และ
ดัชนี KSE Composite ของประเทศเกาหลีใต้ ซึ่งได้ผลการทดสอบ ดังตารางที่ 4.4 ดังนี้

ตารางที่ 4.4 ผลการการทดสอบ Cointegration test ของดัชนี SET, Nikkei, Hang Seng
และ KSE Composite

Cointegration Test Based on λmax

Max-Eigen 5 Percent 1 Percent
H0 H1
Statistic Critical Value Critical Value
r=0 r=1 23.05238 27.07 32.24
r≤1 r=2 13.09115 20.97 25.52
r≤2 r=3 6.890124 14.07 18.63
 38

ตารางที่ 4.4 ผลการการทดสอบ Cointegration test ของดัชนี SET, Nikkei, Hang Seng
และ KSE Composite (ต่อ)

Cointegration Test Based on λtrace

Trace 5 Percent 1 Percent
H0 H1
Statistic Critical Value Critical Value
r=0 r≥1 43.21593 47.21 54.46
r≤1 r≥2 20.16354 29.68 35.65
r≤2 r≥3 7.072391 15.41 20.04
ที่มา : จากการคานวณ

จากผลการทดสอบ Cointegration test ในภาพที่ 4.4 พบว่า ค่ า λmax ในกรณี Null

Hypothesis (H0) ที่ Rank = 0 มีค่าเท่ากับ 23.05238 ซึ่ งน้อยกว่าค่า critical value ณ ระดับนัยสาคัญ
ร้อยละ 1 และร้อยละ 5 ซึ่ งมีค่าเท่ากับ 32.24 และ 27.07 ตามลาดับ ทาให้เรายอมรับสมมติฐานหลัก
(H0) และ ปฏิเสธสมมติฐานรอง (H1) ซึ่ งเท่ากับว่ามี Rank = 0 และสามารถยืนยันได้จากค่า λmax ใน
กรณี Null Hypothesis (H0) ที่ Rank ≤ 1 ซึ่ งมีค่าเท่ากับ 13.09115 ซึ่ งมีค่าน้อยกว่าค่า critical value
ณ ระดับนัยสาคัญ ร้อยละ 1 และร้อยละ 5 ซึ่ งมีค่าเท่ากับ 25.52 และ 20.97 ซึ่ งยอมรับสมมติฐาน
หลัก (H0) และ ปฏิ เสธสมมติฐานรอง (H1) ดังนั้นจะเห็ นได้ว่าไม่มี Rank ระดับใดๆที่จะปฏิ เสธ
สมมติฐานหลักได้
จากผลการทดสอบด้วย λtrace เพื่อเป็ นการยืนยันผลของการทดสอบ λmax เนื่ องจากกรณี
critical value ที่คานวณได้ในกรณี (H0) ที่มี Cointegration Vector เท่ากับ 0 Cointegration Vector มี
ค่าเท่ากับ 43.21593 ซึ่ งมีค่าน้อยกว่าค่า critical value ณ ระดับนัยสาคัญร้อยละ 1 และร้อยละ 5 ซึ่ งมี
ค่าเท่ากับ 54.46 และ 47.21 ทาให้เรายอมรับสมมติฐานหลัก (H0) และ ปฏิเสธสมมติฐานรอง (H1)
ซึ่ งแสดงว่ามี Cointegration Vector เท่ากับศูนย์ ดังนั้นจากผลของการทดสอบ λmax และ λtrace
สามารถยื น ยัน ได้ว่ า แบบจ าลองที่ ใ ช้ ใ นการศึ ก ษาหาความสั ม พัน ธ์ ร ะหว่ า งดัช นี ร าคาตลาด
หลักทรัพย์แห่งประเทศไทย (SET) กับดัชนี ราคาตลาดหลักทรัพย์ในภูมิภาคเอเชี ยตะวันออก ได้แก่
ดัชนี Nikkei ของประเทศญี่ปุ่น, ดัชนี Hang Seng ของฮ่องกง และ ดัชนี KSE Composite ของ
ประเทศเกาหลี ใ ต้ นั้น ไม่ มี Cointegration Vector ซึ่ งแสดงว่า ตัว แปรในแบบจ าลองไม่ มี
ความสัมพันธ์กนั ในระยาว
 39

ดังนั้น สรุ ปได้ว่า การศึกษาความสัมพันธ์เชิ งดุ ล ยภาพในระยะยาว ของดัชนี ราคาตลาด

หลักทรัพย์แห่งประเทศไทย (SET) กับดัชนี ราคาตลาดหลักทรัพย์ในภูมิภาคเอเชี ยตะวันออก ได้แก่
ดัชนี Nikkei ของประเทศญี่ปุ่น, ดัชนี Hang Seng ของฮ่องกง และ ดัชนี KSE Composite ของ
ประเทศเกาหลีใต้ พบว่าไม่มีความสัมพันธ์เชิงดุลยภาพในระยะยาว

4.3 การทดสอบการปรับตัวในระยะสั้ น (Error Correction Model)

จากผลการทดสอบ Cointegration ที่ผา่ นมาพบว่า ตัวแปรในแบบจาลองไม่มีความสัมพันธ์
กันในระยาว ดังนั้นการทดสอบการปรับตัวในระยะสั้นแบบ ECM จึงไม่จาเป็ นต้องทดสอบก็ได้
เนื่องจากผลที่ได้จากการทดสอบจากการทดสอบ Cointegration แสดงผลให้ทราบแล้วว่าดัชนี ราคา
ตลาดหลักทรัพย์แห่ งประเทศไทย (SET) กับดัชนี ราคาตลาดหลักทรัพย์ในภูมิภาคเอเชียตะวันออก
ได้แก่ ดัชนี Nikkei ของประเทศญี่ปุ่น, ดัชนี Hang Seng ของฮ่องกง และ ดัชนี KSE Composite ของ
ประเทศเกาหลี ใต้ ไม่มีความสัมพันธ์เชิ งดุ ลยภาพในระยะยาว ดังนั้นจึงไม่มีความสัมพันธ์กนั ใน
ระยะสั้นด้วย

4.4 การทดสอบด้ วยวิธี Granger causality

หลั ง จากผลการทดสอบ Cointegration แล้ ว ปรากฏว่ า ตั ว แปรในแบบจ าลองไม่ มี
ความสัมพันธ์กนั ในระยาว ดังนั้นในหัวข้อนี้เราจึงต้องทาการศึกษาถึงความสัมพันธ์ระหว่างตัวแปร
ที่นามาศึกษาด้วยวิธี Granger causality โดยแนวคิดของ Granger คือสมมติวา่ เรามีตวั แปรอนุ กรม
เวลาอยู่ 2 ตัวแปร คือ x และ y และทดสอบดูวา่ การเปลี่ยนแปลงของตัวแปร x เป็ นสาเหตุของการ
เปลี่ยนแปลงตัวแปร y หรื อว่า การเปลี่ยนแปลงของตัวแปร y จะเป็ นสาเหตุของการเปลี่ยนแปลง
ของตัวแปร x โดยมีสมมติฐานหลักของการทดสอบทั้งสองกรณี คือ
H0: x ไม่ได้เป็ นสาเหตุของ y (x does not Granger Cause y)
H0: y ไม่ได้เป็ นสาเหตุของ x (y does not Granger Cause x)
จากสมมติฐานหลักที่วา่ “H0: x ไม่ ได้ เป็ นสาเหตุของ y (x does not Granger Cause y)” ถ้า
ค่า F-Statistic ที่คานวณได้สูงกว่าค่าวิกฤติ ( Prob.<α ) แสดงว่า ปฏิ เสธสมมติ ฐานหลัก (H0)
หมายความว่า x เป็ นสาเหตุของของการเปลี่ยนแปลงของ y ในทานองเดียวกันจากสมมติฐานหลัก
ที่วา่ “H0: y ไม่ ได้ เป็ นสาเหตุของ x (y does not Granger Cause x)” ถ้าค่า F-Statistic ที่คานวณได้
สู งกว่าค่าวิกฤติ ( Prob.<α ) แสดงว่า ปฏิเสธสมมติฐานหลัก (H0) หมายความว่า y เป็ นสาเหตุของ
ของการเปลี่ยนแปลงของ x
 40

จากรายละเอียดข้างต้นเราจะทาการพิจารณาจากค่า probability ที่ระดับนัยสาคัญร้อยละ 95

ว่ายอมรับสมมติฐานหรื อไม่ หากค่า probability มีค่ามากกว่า 0.05 แสดงว่ายอมรับสมมติฐานหลัก
(H0) ซึ่ งหมายความว่า x ไม่ได้เป็ นสาเหตุของของการเปลี่ยนแปลงของ y หรื อ y ไม่ได้เป็ นสาเหตุ
ของของการเปลี่ยนแปลงของ x ซึ่ งได้ผลเป็ นไปตามตารางที่ 4.6 ในกรณี การทดสอบความสัมพันธ์
ของดัชนี ราคาตลาดหลักทรัพย์แห่ งประเทศไทย (SET) กับดัชนี ราคาตลาดหลักทรั พย์ในภูมิภาค
เอเชี ยตะวันออก ได้แก่ ดัชนี Nikkei ของประเทศญี่ปุ่น, ดัชนี Hang Seng ของฮ่องกง และ ดัชนี
KSE Composite ของประเทศเกาหลีใต้ ดังนี้

ตารางที่ 4.5 ผลการทดสอบ Granger causality tests แบบรวม

Null Hypothesis: F-Statistic Probability

1 NIKKEI does not Granger Cause SET 2.73841 0.06897
SET does not Granger Cause NIKKEI 0.81838 0.44374
2 KSE_COMPOSITE does not Granger Cause SET 0.08905 0.91487
SET does not Granger Cause KSE_COMPOSITE 2.29189 0.10576
3 HANG_SENG does not Granger Cause SET 2.21635 0.11372
SET does not Granger Cause HANG_SENG 1.70149 0.18705
4 KSE_COMPOSITE does not Granger Cause NIKKEI 0.26432 0.7682
NIKKEI does not Granger Cause KSE_COMPOSITE 2.0567 0.13264
5 HANG_SENG does not Granger Cause NIKKEI 0.77846 0.46156
NIKKEI does not Granger Cause HANG_SENG 0.17577 0.83904
6 HANG_SENG does not Granger Cause KSE_COMPOSITE 2.60689 0.0782
KSE_COMPOSITE does not Granger Cause HANG_SENG 8.12177 0.00051
ที่มา : จากการคานวณ

จากผลการพิจารณาการผลการทดสอบ Granger causality tests แบบรวม ดังสมมติฐานที่ได้

กล่าวมาแล้วในบทที่ 3 ดังนี้
 41

1. พิจารณาการทดสอบตามสมมติ ฐานที่ 1 ในบทที่ 3 ซึ่ งหากผลการทดสอบเป็ นดัง

สมมติฐานนี้จะเรี ยกว่า independence คือไม่มีตวั แปรใดกาหนดอีกตัวแปรหนึ่ งซึ่ งกันและกัน คือตัว
แปร y t ไม่ได้กาหนดตัวแปร xt และตัวแปร xt ก็ไม่ได้กาหนดตัวแปร yt ซึ่ งเมื่อทาการพิจารณา
เป็ นรายคู่และพิจารณารวมทั้งหมดทุกตัวแปรทั้ง 4 ตัวแปร และพบว่ามี 5 ลักษณะความสัมพันธ์ที่
เป็ นไปตามสมมติฐานที่ 1 ดังนี้
- ดัชนี Nikkei ไม่ได้เป็ นตัวกาหนดดัชนี ราคาตลาดหลักทรัพย์แห่ งประเทศไทย (SET) ซึ่ ง
ได้ค่าสถิติเท่ากับ 2.73841 ค่า probability เท่ากับ 0.06897 แสดงว่ายอมรับสมมติฐานหลักที่ระดับ
ความเชื่ อมั่นร้ อยละ 95 และ ดัช นี ร าคาตลาดหลัก ทรั พ ย์แ ห่ ง ประเทศไทย (SET) ไม่ ไ ด้เ ป็ น
ตัวกาหนดดัชนี Nikkei ซึ่ งได้ค่าสถิ ติเท่ากับ 0.81838 ค่า probability เท่ากับ 0.44374 แสดงว่า
ยอมรับสมมติ ฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 ดังนั้นสรุ ปได้ว่า ดัชนี Nikkei ไม่ได้เป็ น
ตัวกาหนดดัชนี ราคาตลาดหลักทรัพย์แห่ งประเทศไทย (SET) และ ดัชนี ราคาตลาดหลักทรัพย์แห่ ง
ประเทศไทย (SET) ไม่ได้เป็ นตัวกาหนดดัชนี Nikkei
- ดัชนี KSE Composite ไม่ได้เป็ นตัวกาหนดดัชนี ราคาตลาดหลักทรัพย์แห่ งประเทศไทย
(SET) ซึ่ งได้ค่าสถิติเท่ากับ 0.08905 ค่า probability เท่ากับ 0.91487 แสดงว่ายอมรับสมมติฐานหลัก
ที่ระดับความเชื่ อมัน่ ร้อยละ 95 และ ดัชนีราคาตลาดหลักทรัพย์แห่ งประเทศไทย (SET) ไม่ได้เป็ น
ตัวกาหนดดัชนี KSE Composite ซึ่ งได้ค่าสถิติเท่ากับ 2.29189 ค่า probability เท่ากับ 0.10576 แสดง
ว่ายอมรับสมมติฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 ดังนั้นสรุ ปได้วา่ ดัชนี KSE Composite
ไม่ ไ ด้เป็ นตัวก าหนดดัช นี ราคาตลาดหลัก ทรั พ ย์แห่ ง ประเทศไทย (SET) และ ดัชนี ราคาตลาด
หลักทรัพย์แห่งประเทศไทย (SET) ไม่ได้เป็ นตัวกาหนดดัชนี KSE Composite
- ดัชนี Hang Seng ไม่ได้เป็ นตัวกาหนดดัชนี ราคาตลาดหลักทรัพย์แห่ งประเทศไทย (SET)
ซึ่ งได้ค่าสถิ ติเท่ากับ 2.21635 ค่า probability เท่ากับ 0.11372 แสดงว่ายอมรั บสมมติ ฐานหลัก ที่
ระดับความเชื่ อมัน่ ร้อยละ 95 และ ดัชนี ราคาตลาดหลักทรัพย์แห่ งประเทศไทย (SET) ไม่ได้เป็ น
ตัวกาหนดดัชนี Hang Seng ซึ่ งได้ค่าสถิติเท่ากับ 1.70149 ค่า probability เท่ากับ 0.18705 แสดงว่า
ยอมรับสมมติฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 ดังนั้นสรุ ปได้วา่ ดัชนี Hang Seng ไม่ได้เป็ น
ตัวกาหนดดัชนี ราคาตลาดหลักทรัพย์แห่ งประเทศไทย (SET) และ ดัชนี ราคาตลาดหลักทรัพย์แห่ ง
ประเทศไทย (SET) ไม่ได้เป็ นตัวกาหนดดัชนี Hang Seng
- ดัชนี KSE Composite ไม่ได้เป็ นตัวกาหนดดัชนี Nikkei ซึ่ งได้ค่าสถิติเท่ากับ 0.26432 ค่า
probability เท่ากับ 0.7682 แสดงว่ายอมรับสมมติฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 และ ดัชนี
Nikkei ไม่ได้เป็ นตัวกาหนดดัชนี KSE Composite ซึ่ งได้ค่าสถิ ติเท่ากับ 2.0567 ค่า probability
เท่ากับ 0.13264 แสดงว่ายอมรับสมมติฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 ดังนั้นสรุ ปได้ว่า
 42

ดัชนี KSE Composite ไม่ได้เป็ นตัวกาหนดดัชนี Nikkei และ ดัชนี Nikkei ไม่ได้เป็ นตัวกาหนดดัชนี
KSE Composite
- ดัชนี Hang Seng ไม่ได้เป็ นตัวกาหนดดัชนี Nikkei ซึ่ งได้ค่าสถิ ติเท่ากับ 0.77846 ค่า
probability เท่ากับ 0.46156 แสดงว่ายอมรับสมมติฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 และ
ดัชนี Nikkei ไม่ได้เป็ นตัวกาหนดดัชนี Hang Seng ซึ่ งได้ค่าสถิ ติเท่ากับ 0.17577 ค่า probability
เท่ากับ 0.83904 แสดงว่ายอมรับสมมติฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 ดังนั้นสรุ ปได้ว่า
ดัชนี Hang Seng ไม่ได้เป็ นตัวกาหนดดัชนี Nikkei และ ดัชนี Nikkei ไม่ได้เป็ นตัวกาหนดดัชนี
Hang Seng
2. พิจารณาการทดสอบตามสมมติฐานที่ 2 ในบทที่ 3 ซึ่ งหากผลการทดสอบเป็ นดัง
สมมติฐานนี้ จะเรี ยกว่า unidirectional causality from xt คือ ตัวแปร xt เป็ นตัวกาหนดตัวแปร y t
แต่ตวั แปร yt ไม่ได้กาหนดตัวแปร xt ซึ่ งสมมติฐานนี้ จะมีความสัมพันธ์ไปในทิศทางเดียว ซึ่ งทา
การพิจารณาเป็ นรายคู่และพิจารณารวมทั้งหมดทุกตัวแปรทั้ง 4 ตัวแปร และพบว่าไม่มีลกั ษณะใดมี
ความสัมพันธ์ที่เป็ นไปตามสมมติฐานที่ 2
3. พิจารณาการทดสอบตามสมมติฐานที่ 3 ในบทที่ 3 ซึ่ งหากผลการทดสอบเป็ นดัง
สมมติฐานนี้จะเรี ยกว่า feedback or bilateral causality คือ ตัวแปรทั้ง 2 กาหนดซึ่ งกันและกัน นัน่ คือ
ตัวแปร xt เป็ นตัวก าหนดตัวแปร y t และตัวแปร yt ก็เป็ นตัวก าหนด xt ซึ่ ง สมมติ ฐานนี้ จะมี
ความสัมพันธ์กนั 2 ทิศทาง ซึ่งการพิจารณาแยกออกเป็ น 2 กรณี คือ พิจารณาเป็ นรายคู่และพิจารณา
รวมทั้ง หมดทุ ก ตัวแปรทั้ง 4 ตัวแปร และพบว่า ไม่ มี ล ัก ษณะใดมี ค วามสั ม พันธ์ ที่ เป็ นไปตาม
สมมติฐานที่ 3
4. พิจารณาการทดสอบตามสมมติฐานที่ 4 ในบทที่ 3 ซึ่ งหากผลการทดสอบเป็ นดัง
สมมติฐานนี้ จะเรี ยกว่า conversely, unidirectional causality from yt to xt คือ ตัวแปร xt ไม่ได้
กาหนดตัวแปร yt แต่ตวั แปร yt กาหนดตัวแปร xt นัน่ คือมีความสัมพันธ์ไปในทิศทางเดียว ซึ่ ง
การพิจารณาแยกออกเป็ น 2 กรณี คือ พิจารณาเป็ นรายคู่และพิจารณารวมทั้งหมดทุกตัวแปรทั้ง 4 ตัว
แปร และพบว่ามี 1 ลักษณะความสัมพันธ์ที่เป็ นไปตามสมมติฐานที่ 4 ดังนี้
- ดัชนี Hang Seng ไม่ได้เป็ นตัวกาหนดดัชนี KSE Composite ซึ่ งได้ค่าสถิติเท่ากับ 2.60689
ค่า probability เท่ากับ 0.0782 แสดงว่ายอมรับสมมติฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 แต่
ดัชนี KSE Composite เป็ นตัวกาหนดดัชนี Hang Seng ซึ่ งได้ค่าสถิติเท่ากับ 8.12177 ค่า probability
เท่ากับ 0.00051 แสดงว่ายอมรับสมมติฐานหลักที่ระดับความเชื่ อมัน่ ร้อยละ 95 ดังนั้นสรุ ปได้ว่า
ดัชนี Hang Seng ไม่ได้เป็ นตัวกาหนดดัชนี ดชั นี KSE Composite แต่ ดัชนี KSE Composite เป็ น
ตัวกาหนดดัชนี Hang Seng