Naresuan University Journal: Science and Technology 2016; 24(3) 108

ตัวแบบพยากรณ์มูลค่าการส่งออกไม้ยางพาราแปรรูปและเฟอร์นเิ จอร์ของประเทศไทย
วรางคณา เรียนสุทธิ์

Forecasting Model for the Export Values of Rubber Wood

and Furniture of Thailand
Warangkhana Riansut

สาขาวิชาคณิตศาสตร์และสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยทักษิณ จังหวัดพัทลุง 93210

Department of Mathematics and Statistics, Faculty of Science, Thaksin University, Phatthalung, 93210
Corresponding author. E-mail address: warang27@gmail.com
บทคัดย่อ
วัตถุประสงค์ของการศึกษาครั้ งนี้คือ การสร้ างตัวแบบพยากรณ์ท่เี หมาะสมกับอนุกรมเวลามูลค่ าการส่งออกไม้ ยางพาราแปรรูปและ
เฟอร์นิเจอร์ของประเทศไทย โดยใช้ ข้อมูลจากเว็บไซต์ของธนาคารแห่งประเทศไทย ตั้งแต่เดือนมกราคม 2538 ถึงเดือนมกราคม 2558
จานวน 241 ค่ า ซึ่งข้ อมูลถูกแบ่งออกเป็ น 2 ชุด ข้ อมูลชุด ที่ 1 ตั้งแต่เดือนมกราคม 2538 ถึงเดือนมิถุนายน 2557 จานวน 234 ค่ า
สาหรับการสร้ างตัวแบบพยากรณ์ด้วยวิธกี ารที่เหมาะสมกับอนุกรมเวลาชุดนี้มากที่สดุ 3 วิธี คือ วิธีบอกซ์-เจนกินส์ วิธีการปรับเรียบด้ วย
เส้ นโค้ งเลขชี้กาลังของวินเทอร์แบบคูณ และวิธีการพยากรณ์รวม ข้ อมู ลชุ ดที่ 2 ตั้งแต่ เดือนกรกฎาคม 2557 ถึงเดือนมกราคม 2558
จานวน 7 ค่า นามาใช้ สาหรับการเปรียบเทียบความถูกต้ องของค่าพยากรณ์ โดยใช้ เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย และ
เกณฑ์รากที่สองของความคลาดเคลื่อนกาลังสองเฉลี่ยที่ต่ าที่สดุ ผลการศึกษาพบว่ า ภายใต้ เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์
เฉลี่ย วิธกี ารพยากรณ์รวมมีความถูกต้ องมากที่สดุ ขณะที่ภายใต้ เกณฑ์รากที่สองของความคลาดเคลื่อนกาลังสองเฉลี่ย วิธีการปรับเรียบ
ด้ วยเส้ นโค้ งเลขชี้กาลังของวินเทอร์แบบคูณมี ความถูกต้ องมากที่สดุ อย่ างไรก็ตาม ค่ าพยากรณ์ของทั้ง 2 วิธี มีความน่าเชื่อถือ เนื่องจาก
ไม่มีความแตกต่างกันอย่างมีนัยสาคัญทางสถิติ

คาสาคัญ: ไม้ ยางพารา วิธบี อกซ์-เจนกินส์ วิธกี ารปรับเรียบด้ วยเส้นโค้ งเลขชี้กาลัง วิธกี ารพยากรณ์รวม

Abstract
The objective of this study was to construct the appropriate forecasting model for the export values of rubber wood and
furniture of Thailand. The data gathered from the website of Bank of Thailand during January, 1995 to January, 2015 of 241
values were used and divided into 2 sets. The first set had 234 values from January, 1995 to June, 2014 for constructing the
forecasting models by the most suitable three methods to this time series which were Box-Jenkins method, Winters’
multiplicative exponential smoothing method, and combined forecasting method. The second set had 7 values from July, 2014 to
January, 2015 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, under the criterion of mean absolute percentage error, combined forecasting
method was the most accurate. Whereas under the criterion of root mean squared error, Winters’ multiplicative exponential
smoothing method was the most accurate. However, the forecast values of two methods were reliable because there was no
statistically significant difference.
Keywords: Rubber Wood, Box-Jenkins Method, Exponential Smoothing Method, Combined Forecasting Method
 Naresuan University Journal: Science and Technology 2016; 24(3) 109

บทนา การพยากรณ์ทางสถิติ นับเป็ นวิธีการหนึ่งที่สามารถช่ วย

ลดความเสี่ยงต่างๆ ที่อาจเกิดขึ้น เมื่อทราบค่าพยากรณ์
ในอดีตต้ นยางที่ถูกโค่นล้ มจะใช้ ประโยชน์เพียงการ ในอนาคต จึงส่งผลดีต่อการวางแผนการปลูกยางพารา
ทาเป็ นฟื นหรือเผาเป็ นถ่าน เมื่อมีการประกาศยกเลิกการ ทาให้ เกษตรกรสามารถประมาณการเพิ่ มหรือลดพื้ นที่
ตัดไม้ ธรรมชาติจากป่ า ทาให้ ไม้ ใช้ สอยขาดแคลนและมี การเพาะปลู ก ได้ อ ย่ า งเหมาะสม ซึ่ ง จากการทบทวน
ราคาแพง ดังนั้นจึงมีการนาไม้ ยางพารามาแปรรูปใช้ แทน วรรณกรรม พบว่า มีการใช้ เทคนิคการพยากรณ์ทางสถิติ
ไม้ ธรรมชาติอ่ นื ๆ เนื่องจากไม้ ยางมีคุณสมบัติเฉพาะตัว ส าหรั บ การพยากรณ์ มู ล ค่ า การส่ ง ออกมากมาย เช่ น
มีสมบัติของไม้ ดี มีความสวยงาม คงทน แข็งแรง ราคา วรางคณา กีรติวิบูลย์ (2558ก) ได้ ศึกษาการพยากรณ์
ไม่ แ พง หาได้ ง่ า ย และใช้ ทดแทนไม้ ป่ าได้ เ ป็ นอย่ า งดี มู ล ค่ า การส่ ง ออกอาหารกระป๋ องผ่ า นด่ า นศุ ล กากร
(การยางแห่ งประเทศไทย, ม.ป.ป.) ประเทศไทยเป็ น ในภาคใต้ ข องประเทศไทยด้ วยวิ ธี บ อกซ์ -เจนกิ น ส์
ผู้ปลูกยางรายใหญ่ของโลก ไม้ ยางพาราจึงมีปริมาณมาก วิธ ีก ารปรับ เรีย บด้ ว ยเส้ น โค้ ง เลขชี้ กาลัง ของวิน เทอร์
พอที่จะใช้ ในอุตสาหกรรมเครื่องเรือนและเฟอร์นิเจอร์ แบบคูณ และวิธ ีก ารแยกส่ว นประกอบอนุ ก รมเวลา
นอกจากการบริโภคภายในประเทศแล้ วยังมีการส่งออกที่ ผลการศึกษาพบว่า วิธกี ารแยกส่วนประกอบอนุกรมเวลา
เพิ่ ม มากขึ้ นทุ ก ปี ปั จ จุ บั น มี ก ารใช้ ประโยชน์ จ าก มี ค วามเหมาะสมมากที่ สุ ด วรางคณา กี ร ติ วิ บู ล ย์
ต้ นยางพาราแทบทุกส่วน เช่ น ลาต้ นใช้ ทาเฟอร์นิเจอร์ (2558ข) ได้ ศึกษาการพยากรณ์มูลค่าการส่งออกถุงมือ
กิ่งก้ านใช้ ทา Particle Board เปลือกไม้ นาไปบดใช้ ทาธูป ยางด้ วยวิธบี อกซ์-เจนกินส์ และวิธกี ารปรับเรียบด้ วยเส้ น
และใบยางใช้ ทาดอกไม้ ประดิษฐ์ เมื่อความต้ องการไม้ ยาง โค้ งเลขชี้กาลังของวินเทอร์แบบคูณ ผลการศึกษาพบว่ า
มี เ พิ่ ม มากขึ้ นทุ ก ปี ประกอบกั บ นโยบายของรั ฐ บาล วิธ ีก ารปรับ เรีย บด้ ว ยเส้ น โค้ ง เลขชี้ กาลัง ของวิน เทอร์
ต้ องการปรับปรุงพื้นที่การผลิตยางของประเทศ และตาม แบบคูณมีความเหมาะสมมากที่สุด ด้ วยเหตุผลดังกล่ าว
ยุทธศาสตร์ยางพาราให้ ลดพื้นที่ปลูกยางโดยการแทนที่ จึงสมควรศึกษาวิจัย ข้ อมูลเพื่อวิเคราะห์ พยากรณ์มูลค่ า
ด้ วยปาล์มนา้ มัน ทาให้ การขาดแคลนไม้ ยางอาจเกิดขึ้น การส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์ สาหรับ
ในอนาคต ดั ง นั้ น การศึ ก ษาทางด้ า นเศรษฐกิ จ การ ใช้ ป ระโยชน์ ใ นการวางแผนการผลิ ต ให้ ส อดคล้ องกับ
พยากรณ์ป ริม าณและมูล ค่ า การส่ง ออกไม้ ย างพารา สถานการณ์หรือภาวะปั จจุบันของตลาด ซึ่งจะส่งผลดีต่อ
จึงเป็ นข้ อมูลที่ทางภาครัฐจาเป็ นต้ องทราบ เพื่อดูแลให้ การตัด สิน ใจ การบริ ห ารจั ด การด้ า นความเสี่ย งต่ า งๆ
ระบบอุตสาหกรรมไม้ ยางดาเนินการได้ สะดวก มีการผลิต ช่ ว ยในการประเมิน การคาดการณ์ มู ล ค่ า การส่ ง ออก
ที่เพียงพอกับความจาเป็ นในการตั้งโรงงานแปรรูปไม้ ยาง ไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์ล่วงหน้ า โดยข้ อมูล
ปรับปรุงความสามารถในการแปรรูปไม้ ยาง ใช้ ในการ ที่ไ ด้ จ ะเป็ นประโยชน์ ต่ อ ผู้ ส่ ง ออก และบุ ค คลที่มี ส่ ว น
วางแผนการผลิต การปรับ เปลี่ ย นพื้ นที่ ไ ปปลูก พื ช เกี่ยวข้ องในการวางแผน กาหนดนโยบาย หรือกาหนด
ชนิดอื่นที่มีความเหมาะสมหรือให้ ผลตอบแทนมากกว่ า แนวทางการส่ ง เสริ ม แก้ ไ ขปั ญ หา และขจั ด อุป สรรค
พร้ อ มกับ การตรวจสอบคุณ ภาพไม้ ที่ไ ด้ จ ากกรรมวิธี ที่อ าจจะเกิด ขึ้น ในอนาคต อีก ทั้ง ยั ง เป็ นประโยชน์ ต่ อ
การผลิต จากการเติบโตของอุตสาหกรรมไม้ ยางอย่ า ง รัฐบาลในการจัดทายุ ทธศาสตร์ไม้ ยางพาราของประเทศ
ต่อเนื่อง ทาให้ มองในระยะยาวแล้ วไม่สามารถสรุปได้ ว่า ต่อไป
อุตสาหกรรมนี้จะเติบโตเช่นไรต่อไปในอนาคต เมื่อต้ อง
พบอุปสรรคข้ อจากัดด้ านวัตถุดบิ ไม้ ยางพาราที่ขาดแคลน วิธีการศึกษาและวัสดุอุปกรณ์
เพราะพื้นที่โค่นยางซึ่งเป็ นแหล่งวัตถุดิบลดลง สวนยาง
ขาดประสิทธิภ าพการผลิ ต ทาให้ ไ ด้ ผ ลผลิต ยางตกต่ า การวิจัยครั้งนี้ดาเนินการสร้ างตัวแบบพยากรณ์โดยใช้
รัฐบาลไม่ มีนโยบายชั กจู งเกษตรกรให้ โค่ นยางหรือวาง อนุ กรมเวลามู ลค่ า การส่ งออกไม้ ยางพาราแปรรูปและ
นโยบายการตัดโค่น และการจัดการแปรรูปไม้ ครบวงจร เฟอร์นิเจอร์ (ล้ านบาท) จากเว็บไซต์ของธนาคารแห่ ง
ไม่ชัดเจนเพียงพอ (อารักษ์ จันทุมา และคณะ, 2551) ประเทศไทย (ธนาคารแห่ งประเทศไทย, 2558) ตั้งแต่
110 Naresuan University Journal: Science and Technology 2016; 24(3)

เดือนมกราคม 2538 ถึงเดือนมกราคม 2558 จานวน การกาหนดตัวแบบของวิธบี อกซ์-เจนกินส์ ทาได้

241 ค่า ผู้วิจัยได้ แบ่งข้ อมูลออกเป็ น 2 ชุด ชุดที่ 1 คือ
ข้ อ มู ล ตั้ ง แต่ เ ดื อนมกราคม 2538 ถึ ง เดื อ นมิถุ น ายน
2557 จานวน 234 ค่า สาหรับการสร้ างตัวแบบพยากรณ์
ด้ ว ยวิ ธีก ารทางสถิ ติ 3 วิ ธี ได้ แ ก่ วิ ธีบ อกซ์ -เจนกิน ส์
วิธ ีก ารปรับ เรีย บด้ ว ยเส้ น โค้ ง เลขชี้ กาลัง ของวิน เทอร์
แบบคูณ และวิธกี ารพยากรณ์รวม โดยใช้ โปรแกรม SPSS
รุ่น 17 เนื่ องจากได้ พิ จ ารณาจากค่ า เปอร์ เ ซ็น ต์ ค วาม
คลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Percentage
Error: MAPE) และค่ารากที่สองของความคลาดเคลื่อน
ก าลั ง สองเฉลี่ ย (Root Mean Squared Error: RMSE)
ของข้ อมูลชุดที่ 1 แล้ วพบว่า วิธกี ารพยากรณ์เหล่านี้เป็ น
วิธที ่มี คี วามเหมาะสมกับอนุกรมเวลาชุดนี้มากกว่าวิธกี าร
พยากรณ์ อ่ ื น ๆ ข้ อ มู ล ชุ ด ที่ 2 คื อ ข้ อ มู ล ตั้ ง แต่ เ ดื อ น
กรกฎาคม 2557 ถึงเดือนมกราคม 2558 จานวน 7 ค่า
สาหรับการเปรี ย บเทีย บความถู กต้ องของค่ า พยากรณ์
โดยใช้ เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย
(MAPE) และเกณฑ์ร ากที่ส องของความคลาดเคลื่ อ น
กาลังสองเฉลี่ย (RMSE) ที่ต่าที่สดุ
1. การพยากรณ์ โ ดยวิ ธี บ อกซ์ -เจนกิ น ส์ (Box-
Jenkins Method)
โดยการตรวจสอบคุณสมบัติฟังก์ชันสหสัมพันธ์ในตัวเอง
(Autocorrelation Function: ACF) แ ล ะ ฟั ง ก์ ชั น
สหสัมพั น ธ์ในตัว เองบางส่วน (Partial Autocorrelation
Function: PACF) ของอนุ กรมเวลาที่คงที่ (Stationary)
หรื ออนุ ก รมเวลาที่มีค่ าเฉลี่ย และความแปรปรวนคงที่
(ทรงศิริ แต้ สมบัติ, 2539) กรณีท่ีอนุ กรมเวลาไม่คงที่
(Non-Stationary) ต้ องแปลงอนุ กรมเวลาให้ คงที่ก่อนที่
จะก าหนดตั ว แบบ เช่ น การแปลงข้ อ มู ล ด้ ว ยการหา
ผลต่ า งหรื อ ผลต่ า งฤดู ก าล (Difference or Seasonal
Difference) การแปลงข้ อมูลด้ ว ยลอการิทึมสามัญหรื อ
ลอการิ ทึมธรรมชาติ (Common Logarithm or Natural
Logarithm) การแปลงข้ อมู ลด้ วยเลขยกกาลั ง เช่ น ยก
กาลัง 0.5 (Square Root Transformation) หรือยกกาลัง
2 (Square Transformation) เ ป็ น ต้ น (Bowerman &
O’Connell, 1993) ตัวแบบทั่วไปของวิธบี อกซ์-เจนกินส์
คื อ Seasonal Autoregressive Integrated Moving
Average: SARIMA(p, d, q)(P, D, Q)s แ ส ด ง ดั ง
ส ม ก า ร ที่ (1) (Box, Jenkins, & Reinsel, 1994;
Bowerman & O’Connell, 1993) และขั้นตอนการสร้ าง
ตัว แบบพยากรณ์แ สดงรายละเอีย ดใน วรางคณา
กีรติวิบูลย์ (2557ก)

p  B P  Bs  1  B 1  Bs  Yt    q  B Q  Bs  t
d D
(1)

เมื่อ แทนอนุกรมเวลา ณ เวลา t

Yt
 แทนอนุกรมเวลาของความคลาดเคลื่อนที่มก
t ี ารแจกแจงปกติและเป็ นอิสระกัน ด้ วยค่าเฉลี่ยเท่ากับศูนย์ และ
ความแปรปรวนคงที่ทุกช่วงเวลา
    B    B  แทนค่าคงที่ โดยที่  แทนค่าเฉลี่ยของอนุกรมเวลาที่คงที่
p P
s

  B  1   B   B  …  B แทนตัว ด าเนิ น การสหสัม พั น ธ์ใ นตัว เองแบบไม่ มีฤ ดู ก าลอัน ดับ ที่ p (Non-
p 1 2
2
p
p

Seasonal Autoregressive Operator of Order p: AR(p))

  B   1   B   B  …  B แทนตั ว ด าเนิ น การสหสั ม พั น ธ์ ใ นตั ว เองแบบมี ฤ ดู ก าลอั น ดั บ ที่ P
P
s
1
s
2
2s
P
Ps

(Seasonal Autoregressive Operator of Order P: SAR(P))

  B  1   B   B  …  B แทนตัว ดาเนินการเฉลี่ยเคลื่อนที่แบบไม่มีฤดูกาลอันดับที่ q (Non-Seasonal
q 1 2
2
q
q

Moving Average Operator of Order q: MA(q))

  B   1   B   B  …  B แทนตัว ด าเนิ น การเฉลี่ ย เคลื่ อ นที่แ บบมีฤ ดู ก าลอัน ดับ ที่ Q (Seasonal
Q
s
1
s
2
2s
Q
Qs

Moving Average Operator of Order Q: SMA(Q))

t แทนช่วงเวลา ซึ่งมีค่าตั้งแต่ 1 ถึง n โดยที่ n แทนจานวนข้ อมูลในอนุกรมเวลาชุดที่ 1
 Naresuan University Journal: Science and Technology 2016; 24(3)
s แทนจานวนคาบของฤดูกาล
d และ D แทนลาดับที่ของการหาผลต่างและผลต่างฤดูกาล ตามลาดับ
B แทนตัวดาเนินการถอยหลัง (Backward Operator) โดยที่ B Y  Y
เมื่อได้ ตัวแบบพยากรณ์แล้ วจะดาเนินการตรวจสอบ
คุณลักษณะของความคลาดเคลื่อนจากการพยากรณ์ คือ
ความคลาดเคลื่อนต้ องมีการแจกแจงปกติ ตรวจสอบโดย
ใ ช้ ก า ร ท ด ส อ บ โ ค ล โ ม โ ก ร อ ฟ -ส เ มี ย ร์ น อ ฟ
(Kolmogorov-Smirnov’s Test) มีการเคลื่ อนไหวเป็ น
อิสระกัน ตรวจสอบโดยพิ จ ารณาจากกราฟ ACF และ
PACF ของความคลาดเคลื่ อ น มี ค่ า เฉลี่ ย เท่ า กับ ศู น ย์
ตรวจสอบโดยใช้ ก ารทดสอบที (t-Test) และมี ค วาม
แปรปรวนคงที่ทุกช่วงเวลา ตรวจสอบโดยใช้ การทดสอบ
ของเลวี น ภายใต้ ก ารใช้ ค่ า มั ธ ยฐาน (Levene’s Test
based on Median)
2. การพยากรณ์โดยวิธกี ารปรับเรียบด้ วยเส้ นโค้ งเลข
ชี้กาลังของวินเทอร์แบบคูณ (Winters’ Multiplicative
Exponential Smoothing Method)
การพยากรณ์โดยวิธีการปรับเรียบ (Smoothing
Method) คือ การพยากรณ์โ ดยใช้ ค่า สัง เกตจากอดีต
ส่ ว นหนึ่ ง หรื อ ทั้ ง หมดในการสร้ า งสมการพยากรณ์
ซึ่ ง น้า หนั ก ที่ ใ ห้ กั บ ค่ า สั ง เกตแต่ ล ะค่ า จะแตกต่ า งกั น
เหตุ ผ ลส าคั ญ ที่ มี ก ารใช้ วิ ธี ก ารปรั บ เรี ย บ เนื่ อ งจาก
อนุ ก รมเวลาอาจเกิ ด ความผั น แปรจากเหตุ ก ารณ์ ท่ี
ผิดปกติ ทาให้ ไม่เห็นส่วนประกอบของอนุกรมเวลาอื่นๆ
ซึ่งวิธีการปรับเรียบจะช่ วยลดอิทธิพลของความผันแปร
ดังกล่ าวได้ ดังนั้นส่วนประกอบของอนุ กรมเวลาแต่ ละ
ส่วนจึงปรากฏชัดเจนขึ้น ทาให้ สามารถพยากรณ์ค่าของ
อนุ กรมเวลาในอนาคตได้ สาหรับวิธีการปรับเรียบนั้นมี
วิธีการหลายวิธี และการใช้ งานจะขึ้นอยู่กับลักษณะของ
อนุ กรมเวลา เช่ น อนุ กรมเวลาที่ไม่ มีส่วนประกอบของ
แนวโน้ มและฤดูกาล ควรใช้ การเฉลี่ยเคลื่อนที่อย่างง่ าย
การเฉลี่ยเคลื่อนที่ถ่วงนา้ หนัก การปรับเรียบด้ วยเส้ นโค้ ง
Yt  0  1t  St t
Ŷt  m
111
s
t t s
เลขชี้กาลังอย่างง่าย อนุกรมเวลาที่มีเฉพาะส่วนประกอบ
ของแนวโน้ ม ควรใช้ การปรับเรียบด้ วยเส้ นโค้ งเลขชี้กาลัง
ของโฮลต์ การปรั บ เรี ย บด้ ว ยเส้ น โค้ ง เลขชี้ ก าลั ง ของ
บราวน์ การปรับเรียบด้ วยเส้ นโค้ งเลขชี้กาลังที่มีแนวโน้ ม
แบบแดม อนุ ก รมเวลาที่ มี เ ฉพาะส่ ว นประกอบของ
ฤดูกาล ควรใช้ การปรับเรียบด้ วยเส้ นโค้ งเลขชี้กาลัง ที่มี
ฤดูกาลอย่ างง่ าย และอนุ กรมเวลาที่มีท้ัง ส่วนประกอบ
ของแนวโน้ มและฤดูกาล ควรใช้ การปรับเรียบด้ วยเส้ น
โค้ งเลขชี้กาลังของวินเทอร์ (วรางคณา กีรติวิบูลย์, 2557ข)
ซึ่งวิธีการปรับเรียบด้ วยเส้ นโค้ งเลขชี้กาลังของวินเทอร์
แบ่งออกเป็ น 2 กรณี คือ การปรับเรียบด้ วยเส้ นโค้ งเลขชี้
ก า ลั ง ข อ ง วิ น เ ท อ ร์ แ บ บ บ ว ก (Winters’ Additive
Exponential Smoothing) ค ว ร ใ ช้ กั บ ก า ร พ ย า ก ร ณ์
อนุ กรมเวลาที่มีความผันแปรตามฤดูกาลคงที่ กล่ าวคือ
ความผัน แปรตามฤดูกาลมีค่า ไม่เ พิ่ มขึ้น และไม่ล ดลง
ตามเวลาที่เปลี่ยนแปลงไป และการปรับเรียบด้ วยเส้ น
โ ค้ ง เ ล ข ชี้ ก า ลั ง ข อ ง วิ น เ ท อ ร์ แ บ บ คู ณ (Winters’
Multiplicative Exponential Smoothing) ควรใช้ กับการ
พยากรณ์ อ นุ ก รมเวลาที่ มี ค วามผั น แปรตามฤดู ก าล
เพิ่มขึ้นหรือลดลงตามเวลาที่เปลี่ยนแปลงไป (วรางคณา
กีร ติวิ บูล ย์ , 2556) ส าหรั บการวิ จั ย ครั้ ง นี้ ได้ ใ ช้ วิ ธี การ
ปรับเรี ยบด้ วยเส้ นโค้ งเลขชี้กาลัง ของวิ นเทอร์ แบบคู ณ
เนื่ อ งจากอนุ ก รมเวลามูล ค่ า การส่ง ออกไม้ ย างพารา
แปรรูปและเฟอร์นิเจอร์ของข้ อมูลชุดที่ 1 ในช่ วงเดือน
มกราคม 2538 ถึงเดือนมิถุนายน 2557 มีความผันแปร
ตามฤดูกาลเพิ่ มขึ้นตามเวลาที่เปลี่ยนแปลงไป (แสดง
รายละเอียดในรูปที่ 1) ตัวแบบแสดงดังสมการที่ (2)
และตัวแบบพยากรณ์แสดงดังสมการที่ (3) (สมเกียรติ
เกตุเอี่ยม, 2548)
(2)
  a t  b t m  Sˆ t (3)
112 Naresuan University Journal: Science and Technology 2016; 24(3)

เมื่อ แทนอนุกรมเวลา ณ เวลา t

Yt
 ,  และ S แทนพารามิเ ตอร์ข องตัว แบบแสดงระยะตัด แกน ความชัน ของแนวโน้ ม และความผัน แปร
0 1 t

ตามฤดูกาล ตามลาดับ
 แทนอนุกรมเวลาของความคลาดเคลื่อนที่มก
t ี ารแจกแจงปกติและเป็ นอิสระกัน ด้ วยค่าเฉลี่ยเท่ากับศูนย์ และ
ความแปรปรวนคงที่ทุกช่วงเวลา
Ŷ แทนค่าพยากรณ์ ณ เวลา t + m โดยที่ m แทนจานวนช่วงเวลาที่ต้องการพยากรณ์ไปข้ างหน้ า
t m

a , b และ Ŝ แทนค่าประมาณ ณ เวลา t ของพารามิเตอร์  ,  และ S ตามลาดับ

t t t 0 1 t

โดยที่ a   Y  1    a  b 
t
t
t 1 t 1
Ŝt s
bt    a t  a t 1   1    bt 1
Y
Sˆ t   t  1    Sˆ t s
at
, และ  แทนค่าคงที่การปรับเรียบ โดยที่ 0    1 , 0    1 และ 0    1
t แทนช่วงเวลา ซึ่งมีค่าตั้งแต่ 1 ถึง n โดยที่ n แทนจานวนข้ อมูลในอนุกรมเวลาชุดที่ 1
s แทนจานวนคาบของฤดูกาล

เมื่อได้ ตัวแบบพยากรณ์แล้ วจะดาเนินการตรวจสอบ การพยากรณ์รวมเป็ นวิธีการประยุกต์ท่มี ีการรวม

คุณลักษณะของความคลาดเคลื่อนจากการพยากรณ์ คือ
ความคลาดเคลื่อนต้ องมีการแจกแจงปกติ ตรวจสอบ
โดยใช้ ก ารทดสอบโคลโมโกรอฟ-สเมี ย ร์ น อฟ มี ก าร
เคลื่ อนไหวเป็ นอิส ระกัน ตรวจสอบโดยพิ จ ารณาจาก
กราฟ ACF และ PACF ของความคลาดเคลื่ อน มี
ค่าเฉลี่ยเท่ากับศูนย์ ตรวจสอบโดยใช้ การทดสอบที และ
มีความแปรปรวนคงที่ทุกช่วงเวลา ตรวจสอบโดยใช้ การ
ทดสอบของเลวีน ภายใต้ การใช้ ค่ามัธยฐาน
3. ก า ร พ ย า ก ร ณ์ โ ด ย วิ ธี ก า ร พ ย า ก ร ณ์ ร ว ม
(Combined Forecasting Method)
ค่าพยากรณ์จากวิธีการพยากรณ์เดี่ยวตั้งแต่ 2 วิธีข้ ึนไป
เพื่ อ ให้ ไ ด้ ค ่ า พยากรณ์ใ หม่ ที่ ม ีค วามคลาดเคลื่ อ น
น้ อ ยที่สดุ สามารถใช้ ได้ ดีในกรณีท่วี ิธกี ารพยากรณ์เดี่ยว
มีความเหมาะสมกับอนุ กรมเวลามากกว่ า 1 วิธี (มุกดา
แม้ นมินทร์, 2549) ณ ที่น้ ีได้ พิจารณาวิธีการพยากรณ์
เดี่ยว 2 วิธี คือ วิธบี อกซ์-เจนกินส์ และวิธกี ารปรับเรียบ
ด้ วยเส้ นโค้ งเลขชี้กาลังของวินเทอร์แบบคูณ เนื่องจากค่า
พยากรณ์ของวิธีการเหล่ านี้มีความสัมพันธ์กันอย่ างมาก
กับ อนุ ก รมเวลาชุ ด ที่ 1 (สัม ประสิท ธิ์ส หสัม พั น ธ์มี ค่ า
เท่ากับ 0.9616 และ 0.9654 ตามลาดับ) ดังนั้นตัวแบบ
ของวิธกี ารพยากรณ์รวมที่ใช้ ในการวิจัยครั้งนี้ คือ

ˆ b bYˆ ˆ
Yt 0 1 1t  b2 Y2t (4)

เมื่อ Ŷtแทนค่าพยากรณ์รวม ณ เวลา t

Ŷ และ Ŷ แทนค่ าพยากรณ์เดี่ยว ณ เวลา t จากวิธีบอกซ์ -เจนกินส์ และวิธก
1t 2t ี ารปรับเรียบด้ วยเส้ นโค้ งเลขชี้
กาลังของวินเทอร์แบบคูณ ตามลาดับ
b , b และ b แทนค่าถ่วงนา้ หนักโดยวิธก
0 1 2 ี าลังสองน้ อยที่สดุ (Least Squares Method) (Montgomery, Peck,
& Vining, 2006) เมื่อกาหนดให้ ค่าพยากรณ์เดี่ยวจากวิธีบอกซ์-เจนกินส์ และวิธีการปรับเรี ยบด้ วยเส้ นโค้ งเลขชี้
กาลังของวินเทอร์แบบคูณ เป็ นตัวแปรอิสระ และมูลค่าการส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์เป็ นตัวแปรตาม
ซึ่งค่า b , b และ b จะคานวณจากจานวนข้ อมูลพยากรณ์ในอนุกรมเวลาชุดที่ 1 ณ ที่น้ คี อื 233 ค่า เนื่องจากมีการ
0 1 2

แปลงข้ อมูลด้ วยการหาผลต่างลาดับที่ 1 ของวิธบี อกซ์-เจนกินส์ ทาให้ ไม่มคี ่าพยากรณ์ค่าแรก

 Naresuan University Journal: Science and Technology 2016; 24(3)
เมื่อได้ ตัวแบบพยากรณ์แล้ วจะดาเนินการตรวจสอบ
คุณลักษณะของความคลาดเคลื่อนจากการพยากรณ์ คือ
ความคลาดเคลื่ อนต้ องมีการแจกแจงปกติ ตรวจสอบ
โดยใช้ ก ารทดสอบโคลโมโกรอฟ-สเมี ย ร์ น อฟ มี ก าร
เคลื่ อนไหวเป็ นอิส ระกัน ตรวจสอบโดยพิ จ ารณาจาก
กราฟของความคลาดเคลื่ อนเทีย บกับเวลา มีค่า เฉลี่ ย
เท่ากับศูนย์ ตรวจสอบโดยใช้ การทดสอบที และมีความ
แปรปรวนคงที่ทุกช่วงเวลา ตรวจสอบโดยใช้ การทดสอบ
ของเลวีน ภายใต้ การใช้ ค่ามัธยฐาน
4. การเปรียบเทียบความถูกต้ องของค่าพยากรณ์
การวิ จั ย ครั้ ง นี้ ได้ คั ด เลื อ กตั ว แบบพยากรณ์ ท่ี
เหมาะสมกับอนุ กรมเวลามูลค่าการส่งออกไม้ ยางพารา
แปรรูปและเฟอร์นิเจอร์ โดยการพยากรณ์ข้อมูลชุดที่ 2
ตั้งแต่ เดือนกรกฎาคม 2557 ถึงเดือนมกราคม 2558
100 n 2 e t
MAPE  
n 2 t 1 Yt
เมื่อ ˆ
et  Yt  Y
แทนความคลาดเคลื่อนจากการพยากรณ์ ณ เวลา t
t
Y แทนอนุกรมเวลา ณ เวลา t
t
Ŷ แทนค่าพยากรณ์ ณ เวลา t
t
t แทนช่วงเวลา ซึ่งมีค่าตั้งแต่ 1 ถึง n โดยที่ n แทนจานวนข้ อมูลในอนุกรมเวลาชุดที่ 2
2 2
ผลการศึกษา
จากการพิ จารณาลักษณะการเคลื่อนไหวของ
อนุกรมเวลามูลค่าการส่งออกไม้ ยางพาราแปรรูปและ
เฟอร์ นิ เ จอร์ ตั้ง แต่ เ ดือนมกราคม 2538 ถึง เดือ น
113
จานวน 7 ค่ า ด้ ว ยวิ ธีการพยากรณ์ ท้ัง 3 วิ ธี ได้ แก่ วิ ธี
บอกซ์-เจนกินส์ วิธกี ารปรับเรียบด้ วยเส้ นโค้ งเลขชี้กาลัง
ของวิ น เทอร์ แ บบคู ณ และวิ ธี ก ารพยากรณ์ ร วม เพื่ อ
คานวณค่ าเปอร์เ ซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ ย
(MAPE) และค่ารากที่สองของความคลาดเคลื่อนกาลัง
สองเฉลี่ย (RMSE) ตัวแบบพยากรณ์ท่ีมีค่าเปอร์เซ็นต์
ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) และค่ารากที่
สองของความคลาดเคลื่ อ นกาลัง สองเฉลี่ ย (RMSE)
ต่ า ที่สุด จั ดเป็ นตัว แบบที่มีค วามเหมาะสมกับ อนุ ก รม
เวลาชุ ด นี้ มากที่สุด เนื่ อ งจากให้ ค่ า พยากรณ์ท่ีมีค วาม
แตกต่างกับข้ อมูลจริงน้ อยที่สุด เกณฑ์เปอร์เซ็นต์ความ
คลาดเคลื่ อนสัมบู รณ์เ ฉลี่ ย (MAPE) และเกณฑ์รากที่
สองของความคลาดเคลื่ อ นก าลั ง สองเฉลี่ ย (RMSE)
(สมเกียรติ เกตุเอี่ยม, 2548) แสดงดังนี้
1 n2 2
และ RMSE   et
n 2 t 1
(5)
มิถุนายน 2557 จานวน 234 ค่ า ดัง รูปที่ 1 พบว่ า
อนุกรมเวลาชุดนี้มแี นวโน้ มเพิ่มขึ้น และมีความผันแปร
ตามฤดูกาลไม่คงที่ กล่าวคือ ความผันแปรตามฤดูกาล
มีค่าเพิ่มขึ้นตามเวลาที่เปลี่ยนแปลงไป
114 Naresuan University Journal: Science and Technology 2016; 24(3)

รูปที่ 1 ลักษณะการเคลื่อนไหวของอนุกรมเวลามูลค่าการส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์

ตั้งแต่เดือนมกราคม 2538 ถึงเดือนมิถุนายน 2557

1. ผลการพยากรณ์โดยวิธบี อกซ์-เจนกินส์ จากการพยากรณ์ พบว่ า ความคลาดเคลื่ อ นมีก าร

จากกราฟ ACF และ PACF ดั ง รู ป ที่ 2 พบว่ า
อนุ ก รมเวลายั ง ไม่ ค งที่ เนื่ อ งจากมี ส่ ว นประกอบของ
แนวโน้ ม ดังนั้นผู้วิจัยจึงแปลงข้ อมูลด้ วยการหาผลต่ าง
ล าดั บ ที่ 1 (d = 1) ได้ กราฟ ACF และ PACF ของ
อนุกรมเวลาที่แปลงข้ อมูลแล้ ว แสดงดังรูปที่ 3 ซึ่งพบว่า
อนุกรมเวลามีลักษณะคงที่ จึงกาหนดตัวแบบพยากรณ์ท่ี
เป็ นไปได้ พร้ อมกับประมาณค่าพารามิเตอร์ ดังแสดงใน
ตารางที่ 1 โดยตัวแบบพยากรณ์ท่ีมีพารามิเ ตอร์ทุกตัว
มี นั ย ส าคั ญ ที่ ร ะดั บ 0.01 มี ค่ า BIC ต่ า ที่ สุ ด และมี
ค่าสถิติ Ljung-Box Q ไม่ มีนัยสาคัญที่ระดับ 0.01 คือ
ตั ว แบบ SARIMA(0, 1, 1)(1, 0, 1)12 ไม่ มี พ จน์
ค่าคงที่ เมื่อตรวจสอบคุณลักษณะของความคลาดเคลื่อน
แจกแจงปกติ (Kolmogorov-Smirnov Z = 1.111,
p-value = 0.169) มี ก ารเคลื่ อนไหวเป็ นอิ ส ระกั น
(แสดงรายละเอียดในรูปที่ 4 ซึ่งพบว่ า ค่ าสัมประสิทธิ์
สหสัมพันธ์ในตัวเองและสัมประสิทธิ์สหสัมพันธ์ในตัวเอง
บางส่วนของความคลาดเคลื่อนตกอยู่ ในขอบเขตความ
เชื่อมั่นร้ อยละ 99) มีค่าเฉลี่ยเท่ากับศูนย์ (t = 1.031,
p-value = 0.304) และมีความแปรปรวนคงที่ทุกช่วงเวลา
(Levene Statistic = 0.684, p-value = 0.753) ดังนั้น
ตั ว แบบ SARIMA(0, 1, 1)(1, 0, 1)12 ไม่ มี พ จน์
ค่าคงที่ มีความเหมาะสม ซึ่งจากสมการที่ (1) สามารถ
เขียนเป็ นตัวแบบได้ ดงั นี้

1   B  1  B Y  1   B 1   B  
1
12
t 1 1
12
t

1  B   B   B  Y  1   B   B    B  
1
12
1
13
t 1
12
1 1 1
13
t

Yt  Yt 1  1Yt 12  1Yt 13   t  1  t 1  1  t 12  11  t 13

จากการแทนค่าประมาณพารามิเตอร์ในตารางที่ 1 จะได้ ตวั แบบพยากรณ์แสดงดังนี้

Ŷt  Yt 1  0.89109Yt 12  0.89109Yt 13  0.63561et 1  0.742et 12  0.47162et 13 (6)

เมื่อ Ŷt แทนค่าพยากรณ์ ณ เวลา t

Yt  j แทนอนุกรมเวลา ณ เวลา t – j
et  j แทนความคลาดเคลื่อนจากการพยากรณ์ ณ เวลา t – j
 Naresuan University Journal: Science and Technology 2016; 24(3) 115

รูปที่ 2 กราฟ ACF และ PACF ของอนุกรมเวลามูลค่าการส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์

รูปที่ 3 กราฟ ACF และ PACF ของอนุกรมเวลามูลค่าการส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์

เมื่อแปลงข้ อมูลด้ วยการหาผลต่างลาดับที่ 1

ตารางที่ 1 ค่าประมาณพารามิเตอร์ ค่า BIC และค่าสถิติ Ljung-Box Q ของตัวแบบ SARIMA(p, d, q)(P, D, Q)s
SARIMA(p, d, q)(P, D, Q)s
ค่าประมาณ SARIMA SARIMA
SARIMA SARIMA SARIMA
พารามิเตอร์ (1, 1, 1)(1, 0, 1)12 (0, 1, 1)(1, 0, 1)12
(2, 1, 2)(1, 0, 1)12 (2, 1, 1)(1, 0, 1)12 (1, 1, 1)(1, 0, 1)12
ไม่มีพจน์ค่าคงที่ ไม่มีพจน์ค่าคงที่
ค่าประมาณ 9.40837 10.73295 10.58291
ค่าคงที่ - -
p-value 0.320 0.027 0.044
AR(1): ค่าประมาณ -0.89915 0.28298 0.27043 0.22381
-
1 p-value 0.000 0.001 0.002 0.015
AR(2): ค่าประมาณ 0.08464 0.13389
- - -
2 p-value 0.434 0.088
MA(1): ค่าประมาณ -0.30509 0.90187 0.86080 0.80830 0.63561
1 p-value 0.802 0.000 0.000 0.000 0.000
MA(2): ค่าประมาณ 0.69482
- - - -
2 p-value 0.415
SAR(1): ค่าประมาณ 0.87954 0.86816 0.86270 0.89230 0.89109
1 p-value 0.000 0.000 0.000 0.000 0.000
SMA(1): ค่าประมาณ 0.73086 0.72019 0.71993 0.74309 0.74200
1 p-value 0.002 0.002 0.002 0.000 0.000
BIC 11.032 10.982 10.968 10.952 10.939
Ljung-Box Q (ณ lag 18) 19.795 15.577 18.441 20.013 20.332
p-value 0.071 0.273 0.187 0.130 0.160
116 Naresuan University Journal: Science and Technology 2016; 24(3)

รูปที่ 4 กราฟ ACF และ PACF ของความคลาดเคลื่อนจากการพยากรณ์ โดยวิธบี อกซ์-เจนกินส์

ที่มตี ัวแบบ SARIMA(0, 1, 1)(1, 0, 1)12 ไม่มีพจน์ค่าคงที่

2. ผลการพยากรณ์โดยวิธกี ารปรับเรียบด้ วยเส้ นโค้ ง Smirnov Z = 1.598, p-value = 0.012) มี ก า ร

เลขชี้กาลังของวินเทอร์แบบคูณ
จากการสร้ า งตัว แบบพยากรณ์โ ดยวิ ธีการปรั บ
เรียบด้ วยเส้ นโค้ งเลขชี้กาลังของวินเทอร์แบบคูณ พบว่ า
BIC มีค่าเท่ากับ 10.831 และมีค่าสถิติ Ljung-Box Q
ไม่มนี ัยสาคัญที่ระดับ 0.01 (Ljung-Box Q ณ lag 18 =
25.096, p-value = 0.049) เมื่อตรวจสอบคุณลักษณะ
ของความคลาดเคลื่ อนจากการพยากรณ์ พบว่ า
ความคลาดเคลื่อนมีการแจกแจงปกติ (Kolmogorov-
เคลื่อนไหวเป็ นอิสระกัน (แสดงรายละเอียดในรูปที่ 5
ซึ่ ง พบว่ า ค่ า สั ม ประสิ ท ธิ์ ส หสั ม พั น ธ์ ใ นตั ว เองและ
สั ม ประสิ ท ธิ์ ส หสั ม พั น ธ์ ใ นตั ว เองบางส่ ว นของความ
คลาดเคลื่อนตกอยู่ในขอบเขตความเชื่อมั่นร้ อยละ 99)
มีค่าเฉลี่ยเท่ากับศูนย์ (t = -0.412, p-value = 0.680)
และมีความแปรปรวนคงที่ทุกช่วงเวลา (Levene Statistic
= 0.854, p-value = 0.586) ดังนั้นตัวแบบพยากรณ์
ที่ได้ มคี วามเหมาะสม ตัวแบบพยากรณ์แสดงดังนี้

Ŷt  m   2,537.6475  11.1136m  Sˆ t (7)

เมื่อ Ŷ แทนค่าพยากรณ์ ณ เวลา t + m โดยที่ m = 1 ถึง 7 (เดือนกรกฎาคม 2557 ถึงเดือนมกราคม 2558

t m

จานวน 7 ค่า)
Ŝ แทนค่าดัชนีฤดูกาล รายละเอียดแสดงดังตารางที่ 2 ซึ่งสามารถอธิบายได้ ว่า มูลค่าการส่งออกไม้ ยางพารา
t

แปรรูปและเฟอร์นิเจอร์ของเดือนพฤษภาคมถึงเดือนพฤศจิกายนของทุกปี มีค่ามากกว่าเดือนอื่นๆ เนื่องจากมีค่าดัชนี

ฤดูกาลมากกว่า 1
 ,  และ  มีค่าเท่ากับ 0.26872, 0.00018 และ 0.04307 ตามลาดับ
 Naresuan University Journal: Science and Technology 2016; 24(3) 117

รูปที่ 5 กราฟ ACF และ PACF ของความคลาดเคลื่อนจากการพยากรณ์

โดยวิธกี ารปรับเรียบด้ วยเส้นโค้ งเลขชี้กาลังของวินเทอร์แบบคูณ

ตารางที่ 2 ดัชนีฤดูกาลของอนุกรมเวลามูลค่าการส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์ จากวิธกี ารปรับเรียบด้ วยเส้นโค้ งเลขชี้

กาลังของวินเทอร์แบบคูณ
เดือน ดัชนีฤดูกาล เดือน ดัชนีฤดูกาล เดือน ดัชนีฤดูกาล
มกราคม 0.74140 พฤษภาคม 1.05873 กันยายน 1.06789
กุมภาพันธ์ 0.84943 มิถุนายน 1.04645 ตุลาคม 1.09807
มีนาคม 0.97399 กรกฎาคม 1.01121 พฤศจิกายน 1.03447
เมษายน 0.90313 สิงหาคม 1.00533 ธันวาคม 0.96762

3. ผลการพยากรณ์โดยวิธกี ารพยากรณ์รวม
จา กกา รตรว จ สอบคุ ณ ลั ก ษ ณ ะ ของ คว า ม
คลาดเคลื่อนจากการพยากรณ์ พบว่า ความคลาดเคลื่อน
มีการแจกแจงปกติ (Kolmogorov-Smirnov Z = 1.565,
p-value = 0.015) มี ก ารเคลื่ อนไหวเป็ นอิ ส ระกั น
(แสดงรายละเอีย ดในรูป ที่ 6) มีค่ า เฉลี่ ย เท่า กับ ศูน ย์
(t  0, p-value  1) และมีค วามแปรปรวนคงที่
ทุ ก ช่ ว งเวลา (Levene Statistic = 0.753, p-value =
0.687) ดัง นั้น ตัว แบบพยากรณ์ท่ีไ ด้ ม ีความเหมาะสม
ตัวแบบพยากรณ์แสดงดังนี้

ˆ  4.3004  0.2575Y
Y ˆ  0.7468Y
ˆ (8)
t 1t 2t

เมื่อ แทนค่าพยากรณ์รวม ณ เวลา t

Ŷt
Ŷ และ Ŷ แทนค่ าพยากรณ์เดี่ยว ณ เวลา t จากวิธีบอกซ์ -เจนกินส์ และวิธก
1t 2t ี ารปรับเรียบด้ วยเส้ นโค้ งเลขชี้
กาลังของวินเทอร์แบบคูณ ตามลาดับ
118 Naresuan University Journal: Science and Technology 2016; 24(3)

รูปที่ 6 กราฟความคลาดเคลื่อนจากการพยากรณ์ โดยวิธกี ารพยากรณ์รวม

4. ผลการเปรียบเทียบความถูกต้ องของค่าพยากรณ์
จากการใช้ ต ั ว แบบพยากรณ์ข องวิ ธ ีบ อกซ์ -
เจนกินส์ วิธีการปรับเรีย บด้ ว ยเส้ น โค้ ง เลขชี้ กาลัง ของ
วินเทอร์แบบคูณ และวิธีการพยากรณ์รวม ในสมการที่
(6) ถึง (8) ตามลาดับ ได้ ค่ าพยากรณ์ส าหรับอนุ กรม
เวลาชุดที่ 2 ซึ่งคือ มูลค่าการส่งออกไม้ ยางพาราแปรรูป
และเฟอร์นิเจอร์ ตั้งแต่เดือนกรกฎาคม 2557 ถึงเดือน
มกราคม 2558 แสดงดังตารางที่ 3 ผลการเปรียบเทียบ
ความถูกต้ องของค่ า จริ งกับค่ าพยากรณ์ พบว่ า วิธีการ
พยากรณ์ร วมเป็ นวิ ธีท่ีมีค วามถู กต้ องมากที่สุด ภายใต้
เกณฑ์ เ ปอร์ เ ซ็ น ต์ ค วามคลาดเคลื่ อนสั ม บู ร ณ์ เ ฉลี่ ย
(MAPE) และวิธีการปรับเรีย บด้ ว ยเส้ นโค้ งเลขชี้กาลั ง
ของวิ น เทอร์ แ บบคูณ เป็ นวิธีท่ีมีค วามถูกต้ องมากที่สุด
ภายใต้ เกณฑ์รากที่สองของความคลาดเคลื่อนกาลังสอง
เฉลี่ย (RMSE) อย่างไรก็ตาม ค่าพยากรณ์ของทั้ง 2 วิธี
มีความน่าเชื่อถือ เนื่องจากไม่มีความแตกต่างกันอย่างมี
นัยสาคัญทางสถิติ (t = 0.164, p-value = 0.873)

ตารางที่ 3 ค่าจริงและค่าพยากรณ์ของมูลค่าการส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์ (ล้ านบาท) ตั้งแต่เดือนกรกฎาคม 2557 ถึง

เดือนมกราคม 2558 ค่าเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) และค่ารากที่สองของความคลาดเคลื่อนกาลัง
สองเฉลี่ย (RMSE)
มูลค่าการส่งออกไม้ยางพารา มูลค่าการส่งออกไม้ยางพาราแปรรูปและเฟอร์นิเจอร์ จากการพยากรณ์โดยวิธี
ช่วงเวลา
แปรรูปและเฟอร์นิเจอร์ บอกซ์-เจนกินส์ วินเทอร์ พยากรณ์รวม
ก.ค. 2557 2,630.50 2,430.00 2,577.34 2,546.10
ส.ค. 2557 2,664.20 2,424.55 2,573.53 2,541.85
ก.ย. 2557 2,777.00 2,519.01 2,745.52 2,694.62
ต.ค. 2557 2,681.70 2,523.52 2,835.34 2,762.86
พ.ย. 2557 2,792.20 2,489.52 2,682.59 2,640.03
ธ.ค. 2557 2,922.40 2,433.78 2,520.00 2,504.26
ม.ค. 2558 2,110.50 2,234.37 1,939.10 2,019.10
MAPE 9.3193 5.4433 5.4117
RMSE 276.4367 184.7629 185.8640
 Naresuan University Journal: Science and Technology 2016; 24(3)
สรุปผล อภิปรายผลการศึกษา และข้อเสนอแนะ
การวิจัยครั้ งนี้ ไ ด้ นาเสนอวิธีการสร้ า งและคัด เลือก
ตัวแบบพยากรณ์ท่ีเหมาะสมกับอนุ กรมเวลามูลค่ าการ
ส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์ โดยใช้ ข้อมูล
จากเว็บไซต์ของธนาคารแห่ งประเทศไทย ตั้งแต่ เดื อน
มกราคม 2538 ถึงเดือนมกราคม 2558 จานวน 241
ค่า ผู้วิจัยได้ แบ่งข้ อมูลออกเป็ น 2 ชุด ชุดที่ 1 คือข้ อมูล
ตั้ง แต่ เ ดือนมกราคม 2538 ถึง เดือนมิถุน ายน 2557
จานวน 234 ค่า สาหรับการสร้ างตัวแบบพยากรณ์ด้วยวิธี
บอกซ์-เจนกินส์ วิธกี ารปรับเรียบด้ วยเส้ นโค้ งเลขชี้กาลัง
ของวิน เทอร์แบบคูณ และวิธีการพยากรณ์รวม ชุดที่ 2
คือข้ อมูลตั้งแต่เดือนกรกฎาคม 2557 ถึงเดือนมกราคม
2558 จ านวน 7 ค่ า ส าหรั บ การเปรี ย บเทีย บความ
ถู ก ต้ อ งของค่ า พยากรณ์ ด้ ว ยเกณฑ์ เ ปอร์ เ ซ็น ต์ ค วาม
คลาดเคลื่ อนสัมบู รณ์เ ฉลี่ ย (MAPE) และเกณฑ์รากที่
สองของความคลาดเคลื่อนกาลังสองเฉลี่ย (RMSE) ที่ต่า
ที่สุด ผลการศึ ก ษาพบว่ า หากพิ จ ารณาภายใต้ เ กณฑ์
เปอร์ เ ซ็น ต์ความคลาดเคลื่ อนสัมบู ร ณ์เ ฉลี่ย (MAPE)
วิ ธีก ารพยากรณ์ร วมเป็ นวิ ธีท่ีมี ค วามถู ก ต้ อ งมากที่สุด
และเมื่ อ พิ จ ารณาภายใต้ เกณฑ์ ร ากที่ ส องของความ
คลาดเคลื่อนกาลังสองเฉลี่ย (RMSE) วิธีการปรับเรียบ
ด้ วยเส้ นโค้ งเลขชี้กาลังของวินเทอร์แบบคูณเป็ นวิธีท่ีมี
ความถูกต้ องมากที่สดุ อย่างไรก็ตาม ค่าพยากรณ์ของทั้ง
2 วิธี มีความน่าเชื่อถือ เนื่องจากไม่มีความแตกต่างกัน
อย่างมีนัยสาคัญทางสถิติ
ผลการพยากรณ์มูลค่าการส่งออกไม้ ยางพาราแปรรูป
และเฟอร์นิเจอร์ ตั้งแต่เดือนกุมภาพันธ์ถึงเดือนธันวาคม
2558 แสดงดัง รูป ที่ 7 ซึ่ ง พบว่ า มู ล ค่ า การส่ ง ออก
ไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์ มีแนวโน้ มเพิ่มขึ้น
119
เล็กน้ อย และยังคงมีความผันแปรตามฤดูกาล โดยใน
เดือนมิถุนายน 2558 มูลค่าการส่งออกไม้ ยางพาราแปร
รูปและเฟอร์นิเจอร์มีค่าประมาณ 2,750 ล้ านบาท และ
ในเดือนธันวาคม 2558 มูลค่าการส่งออกจะมีค่าลดลง
เป็ น 2,650 ล้ านบาท ผลการศึ ก ษาครั้ งนี้ มี ค วาม
สอดคล้ องกับกรมการค้ าต่างประเทศ กระทรวงพาณิชย์
(2556) สรุปไว้ ว่า การส่งออกไม้ ยางพาราแปรรูปของ
ไทยจะไม่ ไ ด้ เ พิ่ ม ขึ้ นมากนั ก เนื่ องจากตลาดหลั ก คื อ
ประเทศจีน ยังคงชะลอตัว อันเนื่องมาจากภาวะเศรษฐกิจ
ของโลกยังคงมีความไม่แน่ นอนทาให้ จีนประสบปั ญหา
การส่ ง ออกเฟอร์ นิ เ จอร์ ไ ปยั ง สหภาพยุ โรปและ
สหรัฐ อเมริกา ส่ง ผลให้ มีค วามต้ องการใช้ ไม้ ยางพารา
แปรรูปเพื่อทาเฟอร์นิเจอร์ลดลง นอกจากนี้ ราคาส่งออก
ไม้ ยางพาราแปรรูปของไทยปรับตัวสูงขึ้นต่อเนื่องตลอด
2 ปี ที่ผ่า นมา ทาให้ จ ีน ลดปริม าณการซื้ อไม้ ย างพารา
แปรรูป จากไทย รวมทั้ง ผู้ ป ระกอบการจี น บางรายเริ่ ม
เปลี่ยนไปใช้ ไม้ ชนิดอื่น เช่ น ไม้ โอ๊คจากอเมริกาใต้ ที่มี
คุ ณ ภาพดี ก ว่ า แต่ มี ร าคาใกล้ เคี ย งกั บ ไม้ ยางพารา
อย่ า งไรก็ต าม มู ล ค่ า การส่ ง ออกมีก ารเปลี่ ย นแปลง
อยู่ เสมอ เพราะนโยบายการค้ าระหว่ างประเทศ ภาวะ
เศรษฐกิจ และปั จจัยที่เกี่ยวกับการค้ าระหว่ างประเทศ
(ยิ่งยง แสนเดช, นิดา ชาญบรรยง และประสิทธิ์ พยัคฆพงษ์,
2554) ดังนั้นเมื่อมีมูลค่าการส่งออกไม้ ยางพาราแปรรูป
และเฟอร์นิเจอร์ท่ีเป็ นปั จจุ บันมากขึ้น ผู้วิจัยควรนามา
ปรับปรุงตัวแบบ รวมถึงควรพิจารณาปั จจัยอื่นๆ ในการ
สร้ า งตัว แบบพยากรณ์ เช่ น ปริ มาณผลผลิ ต ที่ได้ และ
ปริ ม าณความต้ อ งการใช้ เป็ นต้ น โดยใช้ เ ทคนิ ค การ
วิเคราะห์การถดถอย (Regression Analysis) (Montgomery,
Peck, & Vining, 2006) เพื่อให้ ได้ ตัวแบบพยากรณ์ท่มี ี
ความเหมาะสมสาหรับการพยากรณ์ค่าในอนาคตต่อไป
120 Naresuan University Journal: Science and Technology 2016; 24(3)

รูปที่ 7 การเปรียบเทียบอนุกรมเวลามูลค่าการส่งออกไม้ ยางพาราแปรรูปและเฟอร์นิเจอร์ และค่าพยากรณ์ท้งั 3 วิธี

เอกสารอ้างอิง ยิ่งยง แสนเดช นิดา ชาญบรรยง และประสิทธิ์ พยัค ฆ

พงษ์. (2554). การศึกษาตัวแบบการพยากรณ์ปริมาณ
กรมการค้ า ต่ า งประเทศ กระทรวงพาณิ ช ย์ . (2556). การส่ ง ออกกุ้ ง สดแช่ แ ข็ง . วารสารมหาวิ ท ยาลัย
สถานการณ์ ไ ม้ ย างพาราแปรรู ป ของไทย. สืบ ค้ น จาก ศรีนครินทรวิโรฒ (สาขาวิทยาศาสตร์และเทคโนโลยี) ,
http://www.dft.go.th/Portals/0/ContentManagement 3(ฉบับพิเศษที่ 2), 32-44. [6]
/Document_Mod660/สถานการณ์ไม้ ยางพารา%20ไตร
มาส %202%20ปี % 2056@25560828-16300612 วรางคณา กีรติวิบูลย์. (2556). ตัวแบบพยากรณ์จานวน
14.pdf [1] นั ก ท่ อ งเที่ย วต่ า งชาติ ท่ี ม าท่ อ งเที่ย วในประเทศไทย.
วารสารวิทยาศาสตร์ มศว, 29(2), 9-26. [7]
การยางแห่ ง ประเทศไทย. (ม.ป.ป.). เฟอร์ นิ เ จอร์ ไ ม้
ยา ง พ า รา . สื บ ค้ น จ า ก http://www.reothai.co.th/ วรางคณา กีรติวิบูลย์. (2557ก). การเปรียบเทียบวิธกี าร
image/KM/km12.pdf [2] พยากรณ์ร ะหว่ า งวิ ธีบอกซ์ -เจนกิน ส์ และวิ ธีการปรั บ
เรี ย บด้ ว ยเส้ น โค้ ง เลขชี้ กาลั ง ของวิ น เทอร์ ส าหรั บการ
ทรงศิ ริ แต้ ส มบัติ . (2539). เทคนิ ค การพยากรณ์เ ชิ ง พยากรณ์ปริ มาณการส่ง ออกต้ น กล้ ว ยไม้ . วารสารวิจ ยั
ปริมาณ. กรุงเทพฯ: ฟิ สิกส์เซ็นเตอร์. [3] มหาวิทยาลัยเทคโนโลยีราชมงคลตะวันออก, 7(1), 62-
72. [8]
ธนาคารแห่งประเทศไทย. (2558). มูลค่าการส่งออกไม้
ยา ง พา ราแป รรู ป แล ะ เ ฟอร์ นิ เ จ อร์ . สื บ ค้ น จ า ก วรางคณา กีรติวิบูลย์. (2557ข). การพยากรณ์ปริมาณ
http://www2.bot.or.th/statistics/ReportPage.aspx?re การส่งออกยางคอมปาวด์. วารสารวิทยาศาสตร์ มศว,
portID=597&language=th [4] 30(2), 41-56. [9]

มุ ก ดา แม้ นมิ น ทร์ . (2549). อนุ ก รมเวลาและการ วรางคณา กีรติวิบูลย์. (2558ก). ตัวแบบพยากรณ์มูลค่า
พยากรณ์. กรุงเทพฯ: โฟร์พริ้นติ้ง. [5] การส่งออกอาหารกระป๋ องผ่ านด่ านศุลกากรในภาคใต้
ของประเทศไทย. วารสาร มทร. อี สาน, 8(3), 72-89.
[10]
 Naresuan University Journal: Science and Technology 2016; 24(3) 121

วรางคณา กีรติวิบูลย์. (2558ข). การเปรียบเทียบวิธกี าร ไ ม้ ย า ง พ า ร า % 20ไ ต ร ม า ส % 202%20ปี %

พยากรณ์ระหว่างวิธบี อกซ์-เจนกินส์และวิธกี ารปรับเรียบ
ด้ วยเส้ นโค้ งเลขชี้กาลังแบบคูณของวินเทอร์สาหรับการ
พ ยา กรณ์ มู ล ค่ า ก า รส่ ง ออกถุ ง มื อยา ง . ว า รส า ร
วิทยาศาสตร์บูรพา, 20(1), 186-198. [11]
สมเกีย รติ เกตุ เ อี่ย ม. (2548). เทคนิ ค การพยากรณ์
(พิมพ์ครั้งที่ 2). สงขลา: มหาวิทยาลัยทักษิณ. [12]
อารักษ์ จันทุมา, สมมาตร แสงประดับ, พิศมัย จันทุมา,
รณชัย ดาวดวง, อรวรรณ ทองเนื้องาม, วารุณี บุญนา, …
ดารุ ณี โกศั ย เสวี . (2551). การวิ จั ย และพั ฒ นาไม้
ยางพาราครบวงจร. สื บ ค้ น จาก http://it.doa.go.th/
rrit/web/index.php?p=p3&id=731 [13]
2056@25560828-1630061214.pdf [In Thai] [1]
Jantuma, A., Sangpradub, S., Jantuma, P.,
Daoduang, R., Thongneuangam, A., Bunnum, V.,
Songpanich, P., ... Kosaisaevee, D. (2008). Rubber
wood productivity and wood process channel.
Retrieved from http://it.doa.go.th/rrit/web/index.
php?p=p3&id=731 [In Thai] [13]
Keerativibool, W. (2013). Forecasting model for
the number of international tourist arrivals to Thailand.
Srinakharinwirot Science Journal, 29(2), 9-26.
[In Thai] [7]

Bowerman, B. L., & O’Connell, R. T. (1993). Keerativibool, W. (2014a). A comparison of

Forecasting and time series: an applied approach forecasting methods between Box-Jenkins and
(3rd ed.). California: Duxbury Press. Winters’s exponential smoothing for predicting the
export quantity of orchids. Rajamangala University of
Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. Technology Tawan-ok Research Journal, 7(1), 62-
(1994). Time series analysis: forecasting and control 72. [In Thai] [8]
(3rd ed.). New Jersey: Prentice Hall.
Keerativibool, W. (2014b). Forecasting the export
Montgomery, D. C., Peck, E. A., & Vining, G. G. quantity of rubber compound. Srinakharinwirot
(2006). Introduction to linear regression analysis Science Journal, 30(2), 41-56. [In Thai] [9]
(4th ed.). New York: John Wiley & Son.
Keerativibool, W. (2015a). Forecasting model for
Translated Thai Reference the export values of canned food through customs
department in Southern Thailand. RMUTI Journal,
Bank of Thailand. (2013). Export values of rubber 8(3), 72-89. [In Thai] [10]
wood and furniture of Thailand. Retrieved from
http://www2.bot.or.th/statistics/ReportPage.aspx?re Keerativibool, W. (2015b). A comparison of
portID=597&language=th [In Thai] [4] forecasting methods between Box-Jenkins method
and Winters’ multiplicative exponential smoothing
Department of Foreign Trade, Ministry of Commerce. method for predicting the rubber gloves export
(2013). The situation of Thailand rubber wood. values. Burapha Science Journal, 20(1), 186-198.
Retrieved from http://www.dft.go.th/Portals/0/ [In Thai] [11]
ContentManagement/Document_Mod660/สถานการณ์
122 Naresuan University Journal: Science and Technology 2016; 24(3)

Ket-iam, S. (2005). Forecasting technique (2nd ed.). Sandate, Y., Chanbanyong, N., & Payakk, P.
Songkhla: Thaksin University. [In Thai] [12] (2011). The study forecasting models of export
quantity of frozen shrimp. Srinakharinwirot
Manmin M. (2006). Time series and forecasting. University Journal of Science and Technology,
Bangkok: Foreprinting. [In Thai] [5] 3(Special Issue 2), 32-44. [In Thai] [6]

Rubber Authority of Thailand. (n.d.). Rubber wood Taesombut, S. (1996). Quantitative forecasting
furniture. Retrieved from http://www.reothai.co.th/ techniques. Bangkok: Physic Center. [In Thai] [3]
image/KM/km12.pdf [In Thai] [2]