Professional Documents
Culture Documents
1 การพยากรณ์ปริมาณการส่งออกกาแฟ
1 การพยากรณ์ปริมาณการส่งออกกาแฟ
2 (2020)
วรางคณา เรียนสุทธิ์
รับบทความ: 6 กุมภาพันธ์ 2563 แก้ไขบทความ: 29 พฤษภาคม 2563 ยอมรับตีพิมพ์: 18 มิ ถนุ ายน 2563
บทคัดย่อ
การศึกษาครัง้ นี้มวี ตั ถุประสงค์เพื่อพยากรณ์ปริมาณการส่งออกกาแฟสําเร็จรูป โดยใช้ขอ้ มูล
ค่าเฉลีย่ รายเดือนจากเว็บไซต์ของสํานักงานเศรษฐกิจการเกษตร ตัง้ แต่เดือนมกราคม 2554 ถึงเดือน
ธันวาคม 2562 จํานวน 108 เดือน ผู้วจิ ยั ได้แบ่งข้อมูลออกเป็ น 2 ชุด ชุดที่ 1 ตัง้ แต่เดือนมกราคม
2554 ถึงเดือนธันวาคม 2561 จํานวน 96 เดือน สําหรับการสร้างตัวแบบพยากรณ์ด้วยวิธกี ารทาง
สถิติทงั ้ หมด 7 วิธี ได้แก่ วิธีบ็อกซ์–เจนกินส์ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กําลังของโฮลต์
วิธีการปรับเรียบด้วยเส้นโค้ง เลขชี้กําลังของบราวน์ วิธีการปรับเรียบด้วยเส้นโค้ง เลขชี้กําลัง ที่มี
แนวโน้มแบบแดม วิธกี ารปรับเรียบด้วยเส้นโค้งเลขชีก้ าํ ลังทีม่ ฤี ดูกาลอย่างง่าย วิธกี ารปรับเรียบด้วย
เส้นโค้งเลขชี้กําลังของวินเทอร์แบบบวก และวิธกี ารปรับเรียบด้วยเส้นโค้งเลขชี้กําลังของวินเทอร์
แบบคูณ ข้อมูลชุดที่ 2 ตัง้ แต่เดือนมกราคมถึงเดือนธันวาคม 2562 จํานวน 12 เดือน นํามาใช้สาํ หรับ
การเปรียบเทียบความแม่นยําของตัวแบบพยากรณ์ดว้ ยเกณฑ์รากของค่าคลาดเคลื่อนกําลังสองเฉลีย่
ที่ต่ําที่สุด ผลการศึกษาพบว่า วิธที ่มี คี วามแม่นยํามากทีส่ ุด คือ วิธกี ารปรับเรียบด้วยเส้นโค้งเลขชี้
กําลังของวินเทอร์แบบคูณ
คําสําคัญ: กาแฟสําเร็จรูป การส่งออก ตัวแบบพยากรณ์ บ็อกซ์–เจนกินส์ การปรับเรียบด้วยเส้น
โค้งเลขชีก้ าํ ลัง
238
วารสารหน่วยวิจยั วิทยาศาสตร์ เทคโนโลยี และสิง่ แวดล้อมเพื่อการเรียนรู้ ปี ท่ี 11 ฉบับที่ 2 (2563)
Warangkhana Riansut
Abstract
The objective of this study was to forecast the quantity of instant coffee exports. The
monthly average data, which were gathered from the website of Office of Agricultural
Economics during January 2011 to December 2019 of 108 months were divided into 2
datasets. The first dataset, which consisted of 96 months from January 2011 to December
2018 was used for constructing the forecasting models via the use of 7 statistical methods,
namely, 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. The second dataset, which consisted of 12 months from
January to December 2019 was used for comparing the accuracy of the forecasting model via
the lowest root mean square error. The results indicated that the most accurate method was
the Winters’ multiplicative exponential smoothing method.
Keywords: Instant coffee, Export, Forecasting model, Box–Jenkins, Exponential smoothing
ตาราง 1 ตัวแบบพยากรณ์
วิ ธีที่ วิ ธีพยากรณ์ ตัวแบบพยากรณ์
1 บ็อกซ์–เจนกินส์ SARIMA(p, d, q)(P, D, Q)s :
(BJ) ˆ ( Bs ) (1 − B )d (1 − Bs )D Y
φˆ p ( B ) Φ ˆ ( Bs ) e
ˆ = δˆ + θˆ ( B ) Θ (Box et al., 1994)
P t q Q t
b t = γ ( a t − a t −1 ) + (1 − γ ) φb t −1 (Manmin, 2006)
5 ฤดูกาลอย่างง่าย Ŷ=
t a t + Sˆ t โดยที่ ( )
a t = α Yt − Sˆ t − s + (1 − α ) a t −1 ,
(SimpleS) Sˆ t = δ ( Yt − a t ) + (1 − δ ) Sˆ t − s (Ket–iam, 2005)
6 วินเทอร์แบบ
บวก
Ŷt + m =( a t + b t m ) + Sˆ t โดยที่ ( )
a t = α Yt − Sˆ t − s + (1 − α )( a t −1 + b t −1 ) ,
b t = γ ( a t − a t −1 ) + (1 − γ ) b t −1 , Sˆ t = δ ( Yt − a t ) + (1 − δ ) Sˆ t − s (Ket–iam, 2005)
(WinterAdd)
7 วินเทอร์แบบคูณ Ŷt += ( a t + b t m ) Sˆ t โดยที่ at = α
Yt
+ (1 − α )( a t −1 + b t −1 ) ,
m
(WinterMul) Ŝt − s
Y
b t = γ ( a t − a t −1 ) + (1 − γ ) b t −1 , Sˆ t = δ t + (1 − δ ) Sˆ t − s (Ket–iam, 2005)
at
θˆ q ( B ) = 1 − θˆ 1B − θˆ 2 B2 − … −θˆ q Bq
แทน เดือน ดังนัน้ s = 12
ตัวดําเนินการเฉลีย่ เคลื่อนทีอ่ นั ดับที่ q กรณีไม่มี d และ D แทนลําดับที่ของการหาผล-
ฤดูกาล (non–seasonal moving average operator ต่างและผลต่างฤดูกาล ตามลําดับ
of order q: MA(q)) B แทนตัวดําเนินการถอยหลัง (back-
Θˆ (B ) = 1 − Θ
s ˆ B −Θ ˆ B − … −Θ
s ˆ B
2s Qs
ward operator) โดยที่ B Y = Y s
t t −s
Q 1 2 Q
โดยที่ n1 แทนจํานวนข้อมูลในอนุ กรมเวลาชุดที่ 1 ปรับเรียบ โดยที่ 0 < α < 1 , 0 < γ < 1 , 0 < φ < 1
(n1 = 96) และ 0 < δ < 1
s แทนจํานวนฤดูกาล ซึ่งอนุ กรมเวลา ผูว้ จิ ยั จะดําเนินการสร้างตัวแบบพยากรณ์
ปริมาณการส่งออกกาแฟสําเร็จรูปเป็ นข้อมูลราย ทัง้ 7 วิธี โดยใช้โปรแกรม SPSS ซึ่งวิธบี อ็ กซ์–
243
J. Res. Unit Sci. Technol. Environ. Learning Vol. 11 No. 2 (2020)
พยากรณ์ เพื่อ คํา นวณค่ า RMSE โดยตัว แบบ ผลการวิ จยั และอภิ ปรายผล
พยากรณ์ทใ่ี ห้ค่า RMSE ตํ่าทีส่ ดุ จัดเป็ นตัวแบบที่ จากการพิจารณาลักษณะการเคลื่อนไหว
มีความแม่นยํามากทีส่ ดุ เนื่องจากให้ค่าพยากรณ์ ของอนุกรมเวลาปริมาณการส่งออกกาแฟสําเร็จ-
ที่มคี วามแตกต่างกับข้อมูลจริงน้อยที่สุด เกณฑ์ รูปชุดที่ 1 ตัง้ แต่เดือนมกราคม 2554 ถึงธันวาคม
RMSE (Ket–iam, 2005) แสดงดังนี้ 2561 จํานวน 96 เดือน ดังในภาพที่ 1 พบว่า อนุกรม
1 n2 2 เวลาชุดนี้มกี ารเคลื่อนไหวจากแนวโน้มทัง้ ในทิศ-
RMSE = ∑ej
n 2 j=1
ทางเพิม่ ขึน้ และลดลง และมีความแปรปรวนของ
เมื่อ e= Y − Yˆ แทนค่าคลาดเคลื่อ น
j j j ข้อมูลสูงในบางช่วงเวลา เช่น ช่วงเดือนมกราคม
จากการพยากรณ์ ณ เวลา j 2554 ถึงธันวาคม 2555
Y และ Ŷ แทนอนุ ก รมเวลาและ
j j จากการทดสอบสมมุติฐานเพื่อตรวจ-
ค่าพยากรณ์ ณ เวลา j ตามลําดับ สอบการเคลื่อนไหวจากแนวโน้มและอิทธิพลของ
J แทนช่วงเวลา ซึง่ มีค่าตัง้ แต่ 1 ถึง ฤดูกาล พบว่า อนุ กรมเวลาปริมาณการส่งออก
n2 โดยที่ n2 แทนจํานวนข้อมูลในอนุกรมเวลาชุด กาแฟสําเร็จรูปในแต่ละปี มกี ารแจกแจงปรกติ แต่
ที่ 2 (n2 = 12)
(ก) (ข)
ภาพที่ 2 กราฟ ACF และ PACF ของอนุ กรมเวลาปริมาณการส่งออกกาแฟสําเร็จรูป เมื่อแปลงข้อมูล
ด้วยผลต่างลําดับที่ 1
ได้ตวั แบบพยากรณ์ของวิธบี อ็ กซ์–เจนกินส์และ
ประมาณค่าพารามิเตอร์จนได้ตวั แบบ
วิธกี ารพยากรณ์อ่นื ๆ แสดงในตาราง 2 และค่า
พยากรณ์ทม่ี พี ารามิเตอร์ทุกตัวมีนัยสําคัญที่ระดับ
ดัชนีฤดูกาลจากวิธกี ารปรับเรียบด้วยเส้นโค้งเลข
0.05 คือ ตัวแบบ ARIMA(0, 1, 1) ไม่มีพจน์ ค่า
ชีก้ าํ ลังทีม่ ฤี ดูกาลอย่างง่าย วิธกี ารปรับเรียบด้วย
คงตัว ซึง่ จากตาราง 1 สามารถเขียนเป็ นตัวแบบ
ของวิธบี อ็ กซ์–เจนกินส์ได้ดงั นี้ เส้น โค้ง เลขชี้กํ า ลัง ของวิน เทอร์แ บบบวกและ
(1 − B) Y = (1 − θ B) ε
t 1 t แบบคูณ แสดงในตาราง 3 สําหรับผลการตรวจ-
= Y +ε −θε
Yt t −1 t
สอบข้อสมมุติของค่ าคลาดเคลื่อนจากการพยา-
1 t −1
เดือนมกราคม 2562
5 ฤดูกาลอย่า=งง่าย Ŷt 276,396.27975 + Sˆ t โดยที่ Ŝt แสดงในตาราง 3
(SimpleS)
6 วินเทอร์แบบบวก Ŷt + m= ( 273,116.84353 − 579.64416m ) + Sˆ t
(WinterAdd) โดยที่ m = 1 แทนเดือนมกราคม 2562 และ Ŝt แสดงในตาราง 3
7 วินเทอร์แบบคู
= ณ Ŷt + m ( 287,064.55967 − 2, 430.66227m ) Sˆ t
(WinterMul) โดยที่ m = 1 แทนเดือนมกราคม 2562 และ Ŝt แสดงในตาราง 3
247
J. Res. Unit Sci. Technol. Environ. Learning Vol. 11 No. 2 (2020)
เมื่อ ใช้ตัว แบบพยากรณ์ ท่ีส ร้า งขึ้น ใน สําเร็จรูป เนื่องจากมีค่า RMSE ตํ่าทีส่ ุด (RMSE
ตาราง 2 สําหรับการพยากรณ์ปริมาณการส่งออก = 65,707) หรือมีความผิดพลาดในการพยากรณ์
กาแฟสําเร็จรูปชุดที่ 2 ตัง้ แต่ เดือนมกราคมถึง ปริมาณการส่งออกกาแฟสําเร็จรูป 65,707 กิโล-
ธันวาคม 2562 จากนัน้ เปรียบเทียบค่าพยากรณ์ กรัม และตัวแบบพยากรณ์ ท่มี คี วามแม่นยํารอง
กับค่าจริงโดยการคํานวณค่า RMSE ได้ผลแสดง ลงมา คือ ตัวแบบพยากรณ์ของวิธกี ารปรับเรียบ
ในตาราง 5 ผลการเปรียบเทียบพบว่า ตัวแบบ ด้ว ยเส้น โค้ง เลขชี้กํ า ลัง ที่มีแ นวโน้ ม แบบแดม
พยากรณ์ของวิธกี ารปรับเรียบด้วยเส้นโค้งเลขชี้ (RMSE = 79,872) หรือมีความผิดพลาดในการ
กํา ลัง ของวิน เทอร์แบบคูณ มีความแม่ นยํามาก พยากรณ์ ป ริม าณการส่ ง ออกกาแฟสํ า เร็จ รู ป
ที่สุดในการพยากรณ์ ปริมาณการส่งออกกาแฟ 79,872 กิโลกรัม
ตาราง 5 ค่า RMSE ของข้อมูลชุดที่ 2
วิ ธีพยากรณ์ BJ Holt Brown Damped SimpleS WinterAdd WinterMul
RMSE 83,058 81,837 128,715 79,872 88,107 85,317 65,707
248
วารสารหน่วยวิจยั วิทยาศาสตร์ เทคโนโลยี และสิง่ แวดล้อมเพื่อการเรียนรู้ ปี ท่ี 11 ฉบับที่ 2 (2563)
250
วารสารหน่วยวิจยั วิทยาศาสตร์ เทคโนโลยี และสิง่ แวดล้อมเพื่อการเรียนรู้ ปี ท่ี 11 ฉบับที่ 2 (2563)
251