บทที่ 2

ทฤษฎีและงานวิจัยที่เกี่ยวข้อง

ในการศึ ก ษาเรื่อ ง การพยากรณ์ ธุร กิ จ จําเป็ น ต้ อ งพิ จารณาเลื อ กวิธีก ารพยากรณ์ ให้ มี ค วาม
เหมาะสมกับข้อมูลให้มากที่สุด โดยพิจารณาจากประเด็นต่าง ๆ ที่ประกอบไปด้วย ระยะเวลาในการ

าน
ี
พยากรณ์ รูปแบบหรือลักษณะของชุดข้อมูล เป็นต้น ในงานวิจัยฉบับนี้จึงขอกล่าวถึงรายละเอียดและ
เนื้อหาที่ได้ทําการค้นคว้า โดยมีแนวคิด ทฤษฎี และงานวิจัยที่เกี่ยวข้องดังนี้

าชธ
2.1 แนวคิดและทฤษฎีเกี่ยวกับการพยากรณ์
2.1.1 ความหมาย และความสําคัญของการพยากรณ์

ร
ุบล
2.1.2 ขั้นตอนพื้นฐานที่ช่วยให้การพยากรณ์มีประสิทธิภาพ
2.1.3 การเลือกเทคนิคการพยากรณ์

ยั อ
2.1.4 กระบวนการพยากรณ์
ยาล
2.1.5 รูปแบบของข้อมูล
2.1.6 การพิจารณาเลือกตัวแบบพยากรณ์
2.1.7 ประโยชน์ของการพยากรณ์
าวทิ

2.2 แนวคิดและทฤษฎีเกี่ยวกับวิธีการพยากรณ์
์ มห

2.2.1 วิธีการพยากรณ์
2.2.2 เทคนิคการพยากรณ์แบบอนุกรมเวลา (Time Series)
ตร

2.2.3 การหาค่าความคลาดเคลื่อนของการพยากรณ์
2.3 ข้อมูลและประวัติของธุรกิจ เดอะ มาร์เวล เอ็กซ์พีเรียนซ์ ไทยแลนด์
าส

2.4 งานวิจัยที่เกี่ยวข้องกับการพยากรณ์
ารศ

2.1 แนวคิดและทฤษฎีเกี่ยวกับการพยากรณ์
ริห

2.1.1 ความหมายและความสําคัญของการพยากรณ์
การพยากรณ์ (Forecasting) หมายถึง การคาดคะเนการทํานายการเกิดเหตุการณ์หรือ
ะบ

สภาพการณ์ต่าง ๆ ในอนาคต โดยการพยากรณ์จะทําการศึกษาแนวโน้มและรูปแบบการเกิดเหตุการณ์

คณ

จากข้อมูลในอดีตและ/หรือใช้ความสามารถ ความรู้ ประสบการณ์ และดุล ยพินิจของผู้พ ยากรณ์

(นิภา นิรุตติกุล, 2551)
การพยากรณ์จึงเป็นสิ่งจําเป็นสําหรับทุกองค์กรหรือธุรกิจที่ดําเนินงานภายใต้ความไม่แน่นอน
โดยเฉพาะในการตัดสินใจที่มีผลกระทบต่ออนาคตขององค์กร ซึ่งการคาดเดาอย่างน่าเชื่อถือหรือใช้ข้อมูล
ประกอบย่อมมีคุณค่ากว่าการคาดเดาอย่างขาดความน่าเชื่อถือ แต่ไม่ได้หมายความว่าการใช้ดุลยพินิจ
ของตัวเองในการพยากรณ์นั้นไม่ถูกต้อง เพียงแต่การนําเอาเทคนิคการพยากรณ์มาใช้ ถือเป็นส่วนเสริม
ในการใช้ดุลยพินิจในการตัดสินใจ ซึ่งหากพิจารณาอย่างละเอียดจะเห็นได้ว่าเกือบทุกองค์กรมีความจําเป็น
ที่จะต้องใช้การพยากรณ์ไม่ว่าจะเป็นองค์กรขนาดเล็กหรือองค์กรขนาดใหญ่องค์กรเอกชนหรือองค์กร
 9

สาธารณะ เพราะทุกองค์กรจะต้องวางแผนเพื่อรองรับสถานการณ์ในอนาคตดังนั้นจึงกล่าวได้ว่า
การพยากรณ์มีความจําเป็นอย่างยิ่งต่อการวางแผนและการตัดสินใจเกี่ยวกับการดําเนินงานในทุกธุรกิจ
และทุกสาขาอาชีพ (นิภา นิรุตติกุล, 2551) ยกตัวอย่างเช่น
2.1.1.1 ฝ่ายบัญชีอาศัยการพยากรณ์ต้นทุนและรายได้ในการวางแผนการชําระภาษี
2.1.1.2 ฝ่ายทรัพยากรบุคคลอาศัยการพยากรณ์การขยายตัวของธุรกิจ ในการวางแผน
การจัดหาพนักงานในอนาคต
2.1.1.3 ฝ่ายการเงินทําการพยากรณ์อัตราดอกเบี้ย เพื่อบริหารเงินสดหมุนเวียน (Cash

าน
ี
flow) และรักษาสภาพคล่อง
2.1.1.4 ฝ่ายผลิตอาศัยการพยากรณ์ยอดขาย เพื่อประมาณการความต้องการใช้วัตถุดิบ

าชธ
และปริมาณสินค้าคงคลังที่ต้องการ
2.1.1.5 ฝ่ายการตลาดทําการพยากรณ์ยอดขาย เพื่อตั้งงบประมาณการส่งเสริมการตลาด

ร
ุบล
ซึ่งการพยากรณ์ยอดขายถือเป็นการพยากรณ์พื้นฐานสําหรับงานอื่น ๆ เช่น การจ้างงาน
2.1.2 ขั้นตอนพื้นฐานที่ช่วยให้การพยากรณ์มีประสิทธิภาพ (Chopra and Meindl, 2007)

ยั อ
2.1.2.1 การระบุวัตถุประสงค์ ทําความเข้าใจในการพยากรณ์และระบุช่วงระยะเวลาใน
ยาล
การพยากรณ์ที่สามารถครอบคลุมได้ เพื่อนําเอาผลการพยากรณ์ที่ได้ไปใช้และเพื่อเลือกวิธีการพยากรณ์
ที่จะใช้ได้อย่างเหมาะสม
2.1.2.2 รวบรวมข้อมูลที่ต้องการนํามาทําการพยากรณ์อย่างมีระบบ เพื่อทําให้ข้อมูล
าวทิ

ถูกต้องตามความเป็นจริง
์ มห

2.1.2.3 จํา แนกประเภทสิน ค้าที่มีลัก ษณะเป็น ตัวเลขหรือ ปริม าณความต้อ งการที่มี

ความคล้า ยคลึงกัน ไว้เป็น กลุ่ม ข้อ มูล เดีย วกัน ทํา การพยากรณ์สําหรับ กลุ่ม สิน ค้าก่อ น แล้วจึงทํา
ตร

การพยากรณ์แบบแยกเป็นรายการสินค้าอีกครั้ง โดยเลือกวิธีการพยากรณ์ที่เหมาะสมกับแต่ละกลุ่ม
และลักษณะสินค้า
าส

2.1.2.4 ระบุ ข้อมูลหรือปัจจัยที่สําคัญ ที่จะส่งผลกระทบต่อการพยากรณ์ รวมถึงระบุ

ารศ

สมมุติฐ านที่ตั้งไว้ เพื่อ ที่ผู้ทํา การพยากรณ์จ ะสามารถทราบถึง เงื่อ นไขและข้อ จํา กัด ที่มีผ ลต่อ ค่า
การพยากรณ์
ริห

2.1.2.5 เลือกวิธีการพยากรณ์ที่มีความเหมาะสมกับชุดข้อมูลที่ต้องการพยากรณ์
2.1.2.6 ตรวจสอบความถูกต้องและความแม่นยําของค่าจากการพยากรณ์ที่ได้กับค่าจริง
ะบ

ที่เกิดขึ้นเป็นระยะ ๆ เพื่อปรับเปลี่ยนวิธีการหรือสมการที่ใช้ในการคํานวณให้มีความเหมาะสมเมื่อเวลา
คณ

เปลี่ยนไป
2.1.3 การเลือกเทคนิคการพยากรณ์
การเลือกเทคนิคการพยากรณ์แต่ละวิธีมีปัจจัยสําคัญหรือเกณฑ์ที่จะต้องพิจารณาก่อนที่
จะตัดสินใจว่าจะเลือกเทคนิคการพยากรณ์แบบใดนั้น ประกอบด้วยปัจจัยต่าง ๆ ดังนี้ (กิตติพงศ์
อินทร์ทอง, 2556)
2.1.3.1 เหตุผลในการพยากรณ์ ผู้ใช้การพยากรณ์และช่วงเวลาของการพยากรณ์ล่วงหน้า
แต่ละวิธีจะเหมาะกับการพยากรณ์ในช่วงเวลาล่วงหน้าต่างกัน ซึ่งอาจจะเป็นระยะสั้น ระยะกลาง หรือ
ระยะยาว
 10

2.1.3.2 ระยะเวลาที่ใช้ในการทําการพยากรณ์แต่ละครั้งและความถี่ในการพยากรณ์ โดย

แต่ละวิธีจะใช้เวลาทั้งการหารูปแบบและการวิเคราะห์ที่ต่างกัน ในหน่วยงานที่ต้องพยากรณ์เหตุการณ์
หลายเหตุการณ์ เช่น ยอดขายสินค้าหลาย ๆ ประเภท การใช้วิธีการพยากรณ์ที่ยุ่งยากจะใช้เวลามากกว่า
จนทําให้ผลการพยากรณ์ที่ได้ไม่ทันต่อการนําไปใช้
2.1.3.3 ลักษณะของข้อมูลที่มีและจํานวนข้อมูลที่มีผู้พยากรณ์จําเป็นที่จะต้องทราบว่า
จะหาข้อ มูล ที่ส นใจได้จ ากแหล่ง ใด ข้อ มูล ที่ห าได้มีค วามน่า เชื่อ ถือ มากน้อ ยเพีย งใด มีลัก ษณะ
การเคลื่อนไหวอย่างไร มีหน่วยวัดอย่างไร และข้อมูลควรมีจํานวนมากน้อยเพียงใด การทําความเข้าใจ

าน
ี
ข้อมูล และสามารถจําแนกได้ว่าข้อมูลในอดีตมีองค์ประกอบใด จะทําให้สามารถเลือกวิธีการพยากรณ์
ที่เหมาะสมและมีประสิทธิผลได้

าชธ
2.1.3.4 ความยากง่ายของการพยากรณ์ในกรณีที่ผู้พยากรณ์ไม่ได้เป็นผู้บริหารขององค์กร
หรือธุรกิจ และผู้ใช้ค่าพยากรณ์ ผู้พยากรณ์จะต้องอธิบายให้ผู้บริหารหรือผู้ใช้ค่าพยากรณ์ให้เข้าใจ

ร
ุบล
หลักการของวิธีการพยากรณ์ที่ใช้หากวิธีการพยากรณ์มีความยุ่งยากซับซ้อนหรือเน้นวิชาการมากเกินไป
ผู้บริหารหรือผู้ใช้ค่าพยากรณ์อาจจะไม่ใช้ เพราะไม่แน่ใจกับค่าพยากรณ์ที่ได้ ดังนั้นวิธีการพยากรณ์

ยั อ
ที่เลือกใช้ควรเป็นวิธีที่ไม่ยากมากนักต่อความเข้าใจและให้ค่าพยากรณ์ที่มีความถูกต้องสูง
ยาล
2.1.3.5 ค่าใช้จ่ายในการพยากรณ์ การพยากรณ์จะมีค่าใช้จ่ายที่ครอบคลุมตั้งแต่การหา
ตัวแปรที่เหมาะสมที่จะนํามาศึกษาหาข้อมูล เก็บข้อมูล และการดําเนินการพยากรณ์ตั้งแต่การสร้าง
รูปแบบ จนถึงหาค่าพยากรณ์จากตัวแบบหรือสมการพยากรณ์
าวทิ

2.1.3.6 ความถูกต้องของการพยากรณ์แต่ละวิธีจะให้ความถูกต้องของค่าพยากรณ์ที่
์ มห

แตกต่างกัน อย่างไรก็ตามยังไม่มีการชี้ชัดว่าวิธีการพยากรณ์วิธีใดจะให้ค่าพยากรณ์ที่ดีที่สุด
2.1.3.7 ข้อจํากัดของแต่ละวิธีการพยากรณ์ วิธีการพยากรณ์บางวิธี เช่น การวิเคราะห์
ตร

ถดถอย จะให้ค่าพยากรณ์ทั้งที่เป็นแบบจุดและแบบช่วงพยากรณ์ (Point and interval forecast)

ส่วนวิธีแยกส่วนประกอบอนุกรมเวลาให้แต่ค่าพยากรณ์ที่เป็นแบบจุด
าส

2.1.4 กระบวนการพยากรณ์
ารศ

กระบวนการพยากรณ์ (Forecasting Process) หมายถึง ขั้นตอนการเลือ กเทคนิค

การพยากรณ์ตั้งแต่หนึ่งวิธีขึ้นไปที่สามารถประยุกต์ใช้กับข้อมูลที่จําเป็นต่อการพยากรณ์ แสดงดัง
ริห

ภาพที่ 2.1 ซึ่งประกอบด้วย 9 ขั้นตอน ต่อไปนี้ (กิตติพงศ์ อินทร์ทอง, 2556)

2.1.4.1 การกํา หนดวัต ถุป ระสงค์ข องการพยากรณ์ (Specific Objectives) เป็น
ะบ

การกําหนดวัตถุประสงค์ให้ชัดเจนว่าการพยากรณ์จะไปใช้ในการตัดสินใจอย่างไร เช่น ใช้เพื่อตัดสินใจ

คณ

ลงทุน (การพยากรณ์ระยะยาว) หรือเพื่อวางแผนกลยทุธ์ (การพยากรณ์ระยะกลาง)

2.1.4.2 การกําหนดสิ่งที่จะพยากรณ์ให้ชัดเจน (Determine what to forecast) เช่น
พยากรณ์ ยอดขายเป็นหน่วยสินค้า หรือเป็นตัวเงิน (บาทหรือดอลลาร์) การพยากรณ์เป็นยอดขารวม
ยอดขายสายผลิตภัณฑ์ ยอดขายของแต่ละภูมิภาคยอดขายในประเทศหรือยอดขายต่างประเทศ เป็นต้น
2.1.4.3 การเก็บรวบรวมข้อมูล (Data Collection) เป็นการเก็บรวบรวมข้อมูลที่เกี่ยวข้อง
กับการพยากรณ์อย่างเหมาะสม และเป็นข้อมูลที่ถูกต้อง ขั้นตอนนี้เป็นขั้นตอนที่ยากและใช้เวลามาก
ที่สุดในการเก็บรวบรวมข้อมูลจะต้องพิจารณาถึงข้อกําหนดด้านเวลา (Identify time dimensions)
โดยพิจารณา 2 ประการคือ ช่วงระยะเวลาการพยากรณ์ (Length and periodicity) เช่น ประจําปี
 11

ประจําไตรมาส ประจําเดือน ประจําวัน และความเร่งด่วนในการพยากรณ์ (Urgency) ถ้ามีความจําเป็น

เร่งด่วน วิธีที่ใช้ในการพยากรณ์จ ะมีความซับ ซ้อ นน้อ ยกว่า และข้อกําหนดเกี่ย วกับข้อมูล (Data
considerations) การพิจารณาจากปริมาณและประเภทของข้อมูลที่มีเป็นข้อมูลภายในหรือภายนอก
บริษัทเป็นข้อมูล รายปี รายเดือน เป็นข้อมูลที่เป็นตัวเงินหรือหน่วยสินค้า
2.1.4.4 การลดข้อมูล (Data Reduction) บางครั้งข้อมูลที่เก็บรวบรวมมีมากเกินไป
และทําให้การพยากรณ์มีความถูกต้องน้อยลง จึงจําเป็นต้องลดข้อมูลบางตัวที่อาจจะไม่เกี่ยวข้อง
กับการพยากรณ์ลง

าน
ี
2.1.4.5 การเลือกแบบจําลองในการพยากรณ์ (Model Selection) การเลือกวิธีการ
พยากรณ์ ขึ้น อยู่กับ รูป แบบของข้อ มูล จํา นวนข้อ มูล ที่มีแ ละระยะเวลาการพยากรณ์ การเลือ ก

าชธ
วิธีการพยากรณ์ ที่เหมาะสมกับข้อมูลจะช่วยลดความผิดพลาดในการพยากรณ์ รูปแบบการพยากรณ์
ที่ยิ่งง่ายจะยิ่งดีต่อการยอมรับของผู้ตัดสินใจ วิธีการพยากรณ์จะต้องมีความสมดุลระหว่างความถูกต้อง

ร
ุบล
และเป็นวิธีที่ง่ายต่อความเข้าใจ
2.1.4.6 การพยากรณ์ (Model Extrapolation) เป็นการพยากรณ์เหตุการณ์ที่ผ่านไป

ยั อ
โดยใช้ ข้อมูลจริงที่มีอยู่ และประเมินว่าวิธีใดเหมาะสม (fit) กับข้อมูลในอดีตก่อน โดยการวัดค่า
ยาล
คลาดเคลื่อนที่เกิดขึ้น
2.1.4.7 การเตรียมการพยากรณ์ (Forecast Preparation) เมื่อมีวิธีการพยากรณ์มากกว่า
2 วิธีขึ้นไปที่เหมาะสม การรวมค่าการพยากรณ์จากวิธีเหล่านั้นจะทําให้ค่าพยากรณ์ดีขึ้นกว่าการใช้วิธีเดียว
าวทิ

2.1.4.8 การนําเสนอผลการพยากรณ์ (Forecast Presentation) การนําเสนอค่าพยากรณ์

์ มห

ให้กับ ผู้บริหารหรือผู้ใช้ด้วยการเขียนเป็นลายลักษณ์อักษรหรือนําเสนอด้วยวาจา (Written/oral) เป็น

ขั้นตอนนี้มีความสําคัญมากเช่นกัน เพราะสามารถสร้างความเข้าใจให้กับผู้บริหารหรือผู้ใช้ได้
ตร

2.1.4.9 การตรวจสอบผลการพยากรณ์ (Tracking Results) การติดตามผลอย่างต่อเนื่อง

ว่าผลการพยากรณ์เมื่อเปรียบเทียบกับค่าจริงแล้วมีความถูกต้องอย่างไร ซึ่งวิธีที่เคยพยากรณ์ได้ดีที่สุด
าส

อาจมีความถูกต้องลดลง เนื่องจากสภาพแวดล้อมเปลี่ยนไปอาจจะต้องหาวิธีอื่นมาแทนการพยากรณ์
ารศ

สามารถเรียนรู้ได้จากความผิดพลาด การทบทวนค่าคลาดเคลื่อนของการพยากรณ์อย่างรอบคอบจะ
ช่วยให้สามารถเข้าใจถึงสาเหตุของความเบี่ยงเบนระหว่างค่าจริงกับค่าพยากรณ์ได้ดีขึ้น
ริห
ะบ
คณ
 12

กําหนดวัตถุประสงค์

กําหนดสิ่งที่ต้องการพยากรณ์

เก็บรวบรวมข้อมูล

าน
ี
ลดข้อมูล

ร าชธ
ตรวจสอบข้อมูล

ุบล
ยั อ
ยาล เลือกวิธีการพยากรณ์

ทดลองพยากรณ์
าวทิ
์ มห

ไม่ใช่ ใช่
ตรวจสอบรูปแบบข้อมูลใหม่ ยอมรับความถูกต้อง
ตร
าส
ารศ

พยากรณ์อนาคตและนําผลที่ได้มาช่วยในการตัดสินใจ
ริห

ตรวจสอบความถูกต้องเป็นระยะ
ะบ
คณ

ใช่
ตรวจสอบรูปแบบข้อมูล ไม่ใช่
ยอมรับความถูกต้อง
โดยใช้ข้อมูล

ภาพที่ 2.1 ขั้นตอนการพยากรณ์

ที่มา: กิตติพงศ์ อินทร์ทอง (2556)
 13

2.1.5 รูปแบบของข้อมูล
การเลือกวิธีการพยากรณ์จะต้องคํานึงถึงรูปแบบของข้อมูลในอดีต ซึ่งถ้าสังเกตข้อมูล
อนุกรมเวลาแต่ละชุดจะมองเห็นถึงการเปลี่ยนแปลงขึ้น ๆ ลง ๆ ซึ่งสาเหตุของการเปลี่ยนแปลงที่เกิด
ขึ้นกับข้อมูลนั้น เนื่องจากอิทธิพลขององค์ประกอบต่าง ๆ 4 ประการ (พิภพ ลลิตาภรณ์, 2549) คือ
2.1.5.1 องค์ประกอบของแนวโน้ม (Trend) เป็นองค์ประกอบที่แสดงถึงทิศทางของข้อมูล
แต่ละชุด ตั้งแต่อดีตจนถึงระยะเวลาสุดท้ายของข้อมูลที่รวบรวมได้ ซึ่งทิศทางของข้อมูลนั้นอาจจะพุ่ง
ไปในแนวที่สูงขึ้นหรือลดต่ําลง ข้อมูลอนุกรมเวลาที่มีองค์ประกอบของค่าแนวโน้มส่วนใหญ่จะเกี่ยวข้อง

าน
ี
กับความเคลื่อนไหวของข้อมูลในระยะเวลาที่ค่อนข้างยาวนาน เช่น อุปสงค์สินค้า การใช้พลังงาน เป็นต้น
ลักษณะของแนวโน้มอาจจะเป็นเส้นตรงเส้นโค้งหรืออื่น ๆ ก็ได้

าชธ
2.1.5.2 องค์ประกอบของการเปลี่ยนแปลงตามฤดูกาล (Seasonal) หมายถึงการที่ข้อมูล
อนุกรม เวลามีรูปแบบการเคลื่อนไหวขึ้นหรือลงทํานองเดียวกันในช่วงเวลาเดียวกันของรอบเวลาหนึ่ง

ร
ุบล
ซึ่งส่วนใหญ่จะไม่เกิน 1 ปี โดยที่หน่วยของระยะเวลาอาจจะเป็นราย 3 เดือน 5 เดือน รายเดือน
รายสัปดาห์ รายวัน หรือแม้แต่รายชั่วโมงก็ได้ ข้อมูลที่มักได้รับผลกระทบจากความเคลื่อนไหว หรือ

ยั อ
เปลี่ยนแปลงตามฤดูกาล ได้แก่ การผลิต การขาย เป็นต้น สําหรับรูปแบบของดัชนีฤดูกาล โดยทั่วไปมี
ยาล
6 รูปแบบดังนี้

ตารางที่ 2.1 รูปแบบของดัชนีฤดูกาล

าวทิ
์ มห

ช่วงเวลาของรูปแบบ ช่วงของฤดูกาล ระยะ (จํานวน) ฤดูกาลในรูปแบบ

สัปดาห์ วัน 7 วัน

ตร
าส

เดือน สัปดาห์ 4 - 4 1/2

ารศ

เดือน วัน 28 - 31 วัน

ปี ไตรมาส 4
ริห
ะบ

ปี เดือน 12
คณ

ปี สัปดาห์ 52

2.1.5.3 องค์ประกอบของการผันแปรตามวัฏจักร (Cyclical) เป็นลักษณะการเคลื่อนไหว

ของข้อมูลที่ขึ้น ๆ ลง ๆ คล้ายกับลูกคลื่นที่มีผลกระทบกระเทือนต่อธุรกิจโดยทั่ว ๆ ไปรูปแบบของ
การผันแปรตามวัฏจักรนี้แตกต่างจากการผันแปรตามฤดูกาล คือเราจะไม่ทราบว่าช่วงของการเกิด
วัฏจักรหนึ่ง ๆ นั้นว่าจะใช้ระยะเวลายาวนานเท่าใด เนื่องจากการเปลี่ยนแปลงตามวัฏจักรส่วนใหญ่
เป็นปรากฏการณ์ที่เกิดขึ้นในด้านธุรกิจและเศรษฐศาสตร์ ดังนั้นการผันแปรตามวัฏจักรโดยทั่ว ๆ ไป
 14

จะแสดงถึงภาวะการเกิดซ้ํากันของภาวะธุรกิจเฟื่องฟู ถดถอย และตกต่ํา ภาวะต่าง ๆ เหล่านี้อาจจะ

สั้นหรือยาวก็ได้
2.1.5.4 องค์ป ระกอบความผัน แปรเชิง สุ่ม ซึ่ง เป็น ผลอัน เนื่อ งมาจากความผิด ปกติ
(Irregular) เป็นการเปลี่ยนแปลงของข้อมูลอนุกรมเวลาที่เกิดจากปัจจัยที่ไม่อาจคาดคะเนได้ล่วงหน้า
เช่น การเกิดภาวะผิดปกติทางดินฟ้าอากาศ การเกิดน้ําท่วม การนัดหมายหยุดงานของบุคลากร และ
การเกิดสงคราม เป็นต้น ซึ่งเป็นปรากฏการณ์ที่เราไม่อาจทํานายได้ล่วงหน้า
2.1.6 การพิจารณาเลือกตัวแบบพยากรณ์

าน
ี
ในการเลือกตัวแบบหรือวิธีการพยากรณ์ ลําดับแรกผู้พยากรณ์จําเป็นต้องศึกษารูปแบบ
ของชุดข้อมูลอย่างละเอียดก่อน เช่น ทําการตรวจสอบว่าชุดข้อมูลมีรูปแบบอย่างไร รูปแบบองค์ประกอบ

าชธ
ของแนวโน้ม วัฏจักร ฤดูกาล หรือว่ามีเพียงตัวแปรสุ่มเพียงอย่างเดียว ซึ่งวิธีการที่จะทําให้ทราบถึง
องค์ประกอบของข้อมูลเหล่านี้ สามารถทําได้จากการวาดกราฟและการวิเคราะห์ค่าสัมประสิทธิ์สหสัมพันธ์

ร
ุบล
เมื่อทราบรูปแบบของชุดข้อมูลแล้ว จึงนําไปเลือกตัวแบบหรือวิธีการการพยากรณ์ โดยเกณฑ์ในการเลือก
วิธีการพยากรณ์ที่เหมาะสมมีดังนี้ (กิตติพงศ์ อินทร์ทอง, 2556)

ยั อ
2.1.6.1 ชุด ข้อ มูล ที่มีลัก ษณะคงที่ (Stationary Data) คือ อนุก รมที่มีค่า เฉลี่ย ไม่
ยาล
เปลี่ยนแปลง เมื่อเวลาผ่านไป วิธีการพยากรณ์จะใช้ข้อมูลในอดีตเป็นค่าพยากรณ์ ในอนาคต โดยที่
เทคนิคการพยากรณ์สําหรับข้อมูลที่มีลักษณะคงที่จะใช้เมื่อ
1) ข้อ มูล ที่ไม่ค่อ ยเปลี่ย นแปลง เช่น จํานวนของเสีย ต่อ สัป ดาห์ซึ่งมีอัต รา
าวทิ

เดียวกันทุกสัปดาห์
์ มห

2) ต้องการรูปแบบง่าย ๆ เพราะขาดข้อมูล หรือเพื่อให้ง่ายต่อการอธิบายหรือ

การปฏิบัติ เช่น ธุรกิจหรือองค์กรใหม่และมีข้อมูลในอดีตเล็กน้อย
ตร

3) ข้อ มูล ที่มีลัก ษณะเป็น แนวโน้ม อาจมีก ารเปลี่ย นรูป เป็น ข้อมูล คงที่ เช่น
การเปลี่ยนรูป อนุกรมโดยวิธีถอดรากที่สองหรือการหาผลต่าง
าส

4) ข้อมูลที่เป็นกลุ่มของค่าคลาดเคลื่อนจากการพยากรณ์
ารศ

เทคนิควิธีการพยากรณ์ที่เหมาะสมกับชุดข้อมูลที่มีลักษณะคงที่ได้แก่ วิธีนาอีฟ
(NaÏve Methods) วิธีค่าเฉลี่ยอย่างง่าย (Simple Average Methods) วิธีค่าเฉลี่ยเคลื่อนที่ (Moving
ริห

Average) วิธีบ๊อกซ์และเจนกินส์ (Box-Jenkins Methods)

2.1.6.2 ชุดข้อมูลที่มีลักษณะเป็นแนวโน้ม (Datawith a Trend) คือ อนุกรมเวลาที่มี
ะบ

การเพิ่มขึ้น หรือลดลงเมื่อเวลาเพิ่มขึ้นในระยะยาว หรือกล่าวได้ว่าอนุกรมเวลาที่มีลักษณะเป็นแนวโน้ม

คณ

ค่าเฉลี่ยจะมีการเปลี่ยนแปลงเมื่อเวลาเพิ่มขึ้น และสามารถคาดได้ว่าจะเพิ่มขึ้นหรือลดลงในช่วงเวลาที่
พยากรณ์เวลาใด เทคนิคการพยากรณ์สําหรับข้อมูลที่มีแนวโน้มจะใช้เมื่อประสบสถานการณ์ดังนี้
1) มีการเพิ่มขึ้นของผลิตผลและเทคโนโลยีใหม่ที่ทําให้รูปแบบการดํารงชีวิต
(Lifestyle) ของผู้บริโภคเปลี่ยนแปลงไป
2) เมื่อมีการเพิ่มขึ้นหรือลดลงของจํานวนประชากร ทําให้ความต้องการสินค้า
หรือบริการเปลี่ยนแปลงไปในทิศทางเดียวกัน
3) เมื่ออํานาจการซื้อได้รับผลกระทบจากตัวแปรทางเศรษฐกิจเนื่องจากเงินเฟ้อ
4) เมื่อผู้บริโภครู้จักหรือยอมรับผลิตภัณฑ์มากขึ้น
 15

เทคนิควิธีการพยากรณ์ที่เหมาะสมกับชุดข้อมูลที่มีลักษณะแบบแนวโน้มคือ วิธี
ค่าเฉลี่ยเคลื่อนที่ (Moving Average) วิธีปรับเรียบเอ็กซ์โปแนนเชียลของโฮล์ท์ (Holt’s Exponential
Smoothing Method) วิธีการวิเคราะห์ความถดถอย (Simple Regression) วิธีปรับให้เรียบเอ็กซ์
โปแนนเชียลซ้ําสองครั้งหรือวิธีของบราวน์ (Double Exponential Smoothing) วิธีบ๊อกซ์และเจน
กินส์ (Box-Jenkins Methods)
2.1.6.3 ชุดข้อมูลที่มีลักษณะฤดูกาล (Seasonal Data) คือ อนุกรมฤดูกาลเป็นอนุกรม
เวลาที่มีรูปแบบที่เปลี่ยนแปลงซ้ําเดิมในช่วงเวลาเดียวกันทุกปี การพัฒนาเทคนิคการพยากรณ์สําหรับ

าน
ี
อนุกรมฤดูกาลมักเป็นวิธีที่เกี่ยวข้องกับการแยกส่วนประกอบอนุกรมเวลา โดยมีการประมาณค่าดัชนี
ฤดูกาลจากอนุกรมในอดีต ค่าดัชนีเหล่านี้ใช้เพื่อเพิ่มหรือขจัดค่าฤดูกาลในการพยากรณ์ออกจากค่าสังเกต

าชธ
เทคนิคการพยากรณ์สําหรับข้อมูลที่มีลักษณะฤดูกาลจะใช้เมื่อประสบสถานการณ์ดังนี้
1) สภาพของอากาศมีอิทธิพลต่อข้อมูลที่สนใจ เช่น ยอดขายเครื่องปรับอากาศ

ร
ุบล
ในฤดูร้อน กิจกรรมในฤดูร้อนหรือฤดูหนาว (เช่น การว่ายน้ํา) เสื้อผ้า และผลิตผลเกษตรตามฤดูกาล
2) เวลาตามปฏิทินมีผลต่อข้อมูลที่สนใจ เช่น ยอดขายร้านค้าปลีกในวันหยุด

ยั อ
วันปีใหม่ ยาลเทคนิควิธีพยากรณ์ที่ใช้สําหรับชุดข้อมูลที่มีลักษณะแบบฤดูกาลได้แก่ วิธีแยก
องค์ประกอบอนุกรมเวลา (Classical Decomposition) วิธี Census X-12 วิธีปรับเรียบเอ็กซ์โปแนน
เชียลวินเตอร์ (Winter’s Exponential Smoothing) วิธีการวิเคราะห์ถดถอยพหุคูณ (Multiple
าวทิ

Regression) และวิธีบ๊อกซ์และเจนกินส์ (Box-Jenkins Methods)

์ มห

2.1.6.4 ชุดข้อมูลที่มีลักษณะที่เคลื่อนไหวตามวัฏจักร (Cyclical Series) คือ อนุกรมเวลา

ที่มีการเคลื่อนไหวตามวัฏจักร มีลักษณะการเคลื่อนไหวขึ้นลงคล้ายรูปคลื่นรอบ ๆ เส้นแนวโน้ม โดย
ตร

ลักษณะของข้อมูลจะเกิดขึ้นซ้ํากันทุก 2-3 ปี หรือมากกว่านั้น การสร้างแบบจําลองของรูปแบบวัฏจักร

ทําได้ยาก เพราะมีรูปแบบไม่แน่นอน และขนาดของการเคลื่อนไหวมักจะแตกต่างกัน โดยสามารถนํา
าส

วิธีแยกส่วนประกอบอนุกรมเวลามาวิเคราะห์ข้อมูลที่มีลักษณะที่เคลื่อนไหวตามวัฏจักรได้ เนื่องจาก
ารศ

วัฏจักรจะมีลักษณะที่ไม่ปกติการวิเคราะห์ส่วนประกอบของวัฏจักรจําเป็นต้องหาตัวชี้นําทางเศรษฐกิจ
1) เทคนิคการพยากรณ์สําหรับข้อมูลที่มีลักษณะที่เคลื่อนไหวตามวัฏจักร จะใช้
ริห

เมื่อสถานการณ์ดังนี้
1.1) วงจรของธุรกิจมีอิทธิพลต่อข้อมูลที่สนใจ เช่น ปัจจัยทางเศรษฐกิจ
ะบ

การตลาดหรือการแข่งขัน
คณ

1.2) เกิดการเปลี่ยนแปลงในรสนิยม เช่น แฟชั่น ดนตรี อาหาร เป็นต้น

1.3) เกิด การเปลี่ย นแปลงของประชากร เช่น เกิด สงคราม อดอยาก
โรคระบาด และภัยธรรมชาติ
1.4) เกิด การเปลี่ย นแปลงในวงจรชีวิต ของผลิต ภัณ ฑ์ เช่น ขั้นแนะนํา
ขั้นเจริญเติบโต ขั้นอิ่มตัว และขั้นถดถอย
2) เทคนิควิธีการพยากรณ์ที่ใช้สําหรับชุดข้อมูลที่เคลื่อนไหวตามวัฏจักร ได้แก่
วิธีแ ยกองค์ประกอบอนุกรมเวลา (Classical Decomposition) วิธีการวิเคราะห์ถดถอยพหุคูณ
 16

(Multiple Regression) วิธีบ๊อกซ์และเจนกินส์ (Box-Jenkins Methods) ตัวชี้วัดภาวะทางเศรษฐกิจ

(Economic Indicators) แบบจําลองทางเศรษฐมิติ (Econometric Models)
3) เทคนิคหรือวิธีการพยากรณ์ที่ได้กล่าวมานี้จะสัมพันธ์กับระยะเวลา สําหรับ
การพยากรณ์ในระยะสั้นและระยะกลางจะสามารถใช้เทคนิคการพยากรณ์ได้หลากหลายวิธี แต่เมื่อ
ช่วงระยะเวลาในการพยากรณ์เพิ่มขึ้น จํานวนเทคนิคที่จะนํามาประยุกต์ใช้จะลดน้อยลง เช่น เทคนิค
ค่าเฉลี่ยเคลื่อนที่และวิธีการปรับเรียบจะใช้คาดการณ์เกี่ยวกับเศรษฐกิจได้ไม่ดีนัก ในขณะที่แบบจําลอง
ทางเศรษฐมิ ติ (Econometric Models) จะใช้ได้ดีกว่า โดยสามารถจํา แนกวิธีก ารพยากรณ์ใ ห้มี

าน
ี
ความเหมาะสมกับระยะเวลาได้ดังนี้
3.1) วิธีการวิเคราะห์ถดถอยเหมาะสําหรับการพยากรณ์ในระยะสั้น ระยะ

าชธ
กลางและระยะยาว
3.2) วิธีค่าเฉลี่ยเคลื่อนที่การแยกส่วนประกอบอนุกรมเวลาเหมาะสําหรับ

ร
ุบล
การพยากรณ์ระยะสั้นและระยะกลาง
3.3) แบบจําลองทางเศรษฐมิติเหมาะสําหรับการพยากรณ์ระยะสั้นและ

ยั อ
ระยะกลาง ยาล 3.4) ส่วนการพยากรณ์เชิงคุณภาพมักใช้ในการพยากรณ์ระยะยาว โดยผู้ที่
ต้องการพยากรณ์จะคาดการณ์โดยอาศัยประสบการณ์
ในการเลือ กเทคนิค หรือ วิธีก ารพยากรณ์จ ะต้อ งพิจ ารณาในเรื่อ งของ
าวทิ

ความน่าเชื่อถือและความสามารถในการประยุกต์ใช้กับปัญหาที่เผชิญอยู่ โดยเปรียบเทียบประสิทธิผล
์ มห

ของแต่ละวิธี ระดับความถูกต้องต้นทุน และการยอมรับจากฝ่ายผู้บริหารรวมถึงการยอมรับจากธุรกิจ

โดยรวม
ตร

จากการพิจารณาวิธีการพยากรณ์เพื่อให้มีความเหมาะสมกับระยะเวลา และลักษณะของ
ข้อมูล ดังนั้นในงานวิจัยฉบับนี้ จึงได้นําเอาวิธีการพยากรณ์ทั้งหมด 6 วิธี อันได้แก่ วิธีการวิเคราะห์
าส

แนวโน้มเส้นตรง (Linear Trend Line Method) วิธีค่าเฉลี่ยเคลื่อนที่ (Moving Average Method)

ารศ

วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลครั้งเดียว (Single Exponential Smoothing Method หรือ

Simple Exponential Smoothing Method) วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลซ้ําสองครั้ง
ริห

(Double Exponential Smoothing Method) หรือวิธีการปรับเรียบเอ็กซ์โปแนนเชียลของโฮลท์

(Holt’s Exponential Smoothing Method) วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลของวินเทอร์
ะบ

(Winter’s Exponential Smoothing Method) และ วิธีการแยกองค์ประกอบ (Decomposition

คณ

Method) มาประยุกต์ใช้ในการพยากรณ์ยอดขายของสินค้าและบริการในแต่ละประเภท โดยสามารถ

จําแนกออกเป็นตารางปัจจัยต่าง ๆ ที่มีผลต่อการเลือกวิธีการพยากรณ์ได้ดังตารางที่ 2.2 ดังนี้
 17

ตารางที่ 2.2 ปัจจัยที่มีผลต่อการเลือกวิธีการพยากรณ์

ระยะเวลา ลักษณะของข้อมูล

มีความสัมพันธ์ระหว่างตัวแปร
เปลีย่ นแปลงเป็นขัน้ บันได
วิธีพยากรณ์

แนวโน้มเป็นเส้นตรง
าน
ี ความผันแปร
าชธ
ปานกลาง

ฤดูกาล
ยาว

ร
สั้น

ุบล
1. วิธีวิเคราะห์การถดถอย 

ยั อ
ยาล
2. วิธีค่าเฉลี่ยเคลื่อนที่ 
3. วิธีการปรับเรียบแบบเอ็กซ์โปแนน
 
าวทิ

เชียลครั้งเดียว
์ มห

4. วิธีการปรับเรียบแบบเอ็กซ์โปแนน
  
เชียลซ้ําสองครั้ง
ตร

5. วิธีการปรับเรียบแบบเอ็กซ์โปแนน
   
าส

เชียลของวินเทอร์
ารศ

6. วิธีการแยกองค์ประกอบ    
ริห

7.วิธีบอกซ์และเจนกินส์   
ะบ
คณ

จากตารางที่ 2.2 แสดงให้เห็นถึงปัจจัยต่าง ๆ ที่ทางผู้ที่ต้องการทําการพยากรณ์ต้องศึกษา

และพิจารณาให้ชัดเจนก่อนทําการตัดสินใจเลือกวิธีการพยากรณ์ โดยวิธีการพยากรณ์ส่วนใหญ่จะมี
ความเหมาะสมกับการพยากรณ์แบบระยะสั้นจนถึงปานกลางมากกว่าการพยากรณ์แบบระยะยาว
และยังมีความเหมาะสมกับ ลักษณะของข้อมูล ที่มีแนวโน้ม เป็นเส้นตรง ฤดูกาลมากกว่าข้อมูลที่มี
การเปลี่ยนแปลงเป็นขั้นบันได มีความผันแปร หรือข้อมูลมีความสัมพันธ์ระหว่างตัวแปร
2.1.7 ประโยชน์ของการพยากรณ์
กุณฑลี รื่นรมย์ (2548) ได้กล่าวถึงประโยชน์ของการพยากรณ์ที่สําคัญสําหรับองค์กรธุรกิจ
อยู่หลายประการดังต่อไปนี้
 18

2.1.7.1 การพยากรณ์ช่ว ยในการกํา หนดตารางการใช้ท รัพ ยากรที่มีอ ยู่ใ นปัจ จุบัน

(Scheduling existing Resources) ทําให้ทราบว่าทรัพยากรในองค์กรที่มีอยู่ในปัจจุบันมีอะไรบ้าง
เช่น เครื่องจักร คนงาน เงินสดหมุนเวียน ฯลฯ มีการใช้ไปเท่าใด ถูกใช้อย่างมีประสิทธิภาพหรือไม่และ
มีลักษณะการใช้อย่างไร
2.1.7.2 การพยากรณ์จ ะทํา ให้อ งค์ก รสามารถแสวงหาทรัพ ยากรอื่น ๆ มาเพิ่มเติม
(Acquiring add itional Resources) จากพื้นฐานข้อมูลที่มีอยู่ในปัจจุบันผนวกกับ Lead time หรือ
ระยะเวลาที่กําหนดไว้ในแผน องค์กรจะสามารถเสาะแสวงหาทรัพยากรที่คาดว่าต้องการใช้ในอนาคต

าน
ี
ได้อย่างทันการณ์ เช่น วัสดุอุปกรณ์ เงิน บุคลากร และวัตถุดิบต่าง ๆ เป็นต้น
2.1.7.3 การพยากรณ์ทําให้ทราบว่าองค์กรธุรกิจต้องการทรัพยากรอะไร (Determining

าชธ
what resourcesare desired) การพยากรณ์ที่มีความถูกต้องแม่นยําจะช่วยให้องค์กรสามารถตัดสินใจ
ได้ว่าทรัพยากรอะไรคือสิ่งที่องค์กรต้องการอย่างแท้จริง ทําให้องค์กรไม่เสียเวลาและไม่เสียเงินไปกับ

ร
ุบล
สิ่งที่ไม่จําเป็น
2.1.7.4 การพยากรณ์จ ะสามารถนํา มาใช้ใ นการวางแผนช่อ งทางการจัด จํา หน่า ย

ยั อ
(Channel of Distribution) เพื่อให้สินค้ามีพอเพียงกับความต้องการของผู้บริโภค และสามารถต่อสู้
ยาล
กับคู่แข่งขันได้ ทั้งนี้เพื่อจะรักษาส่วนแบ่งการตลาดเอาไว้อย่างต่อเนื่อง
2.1.7.5 การพยากรณ์จะสามารถใช้ในการวางแผนจัดทํางบประมาณสําหรับหน่วยงาน
ต่าง ๆ ขององค์กร เพื่อให้สามารถทํายอดขายได้ถึงเป้าตามที่ได้ทําการพยากรณ์ไว้
าวทิ

2.1.7.6 การพยากรณ์ช่วยในการวางแผนส่งเสริมการจําหน่าย (Promotions) ให้กับลูกค้า

์ มห

ได้อย่างมีประสิทธิภาพและสอดคล้องกับสถานการณ์ที่คาดว่าจะเกิดขึ้นในอนาคต กล่าวคือ ถ้าผลของ

การพยากรณ์ในอนาคตเป็นไปในทิศทางที่เพิ่มขึ้น ผู้บริหารก็ต้องวางแผนวิธีการส่งเสริมการจําหน่ายให้
ตร

เหมาะสม เพื่อให้บรรลุเป้าหมายที่พยากรณ์ไว้ แต่ถ้าผลการพยากรณ์เป็นไปในทิศทางที่ลดลง ผู้บริหาร

ก็จะต้องวางแผนคิดหาวิธีส่งเสริมการจัดจําหน่ายให้มากขึ้น เพื่อช่วยพยุงยอดขายและกระตุ้นให้ผู้บริโภค
าส

มาซื้อเพิ่มขึ้น เช่น อาจจะใช้วิธีลด แลก แจก แถม เป็นต้น เพราะฉะนั้นการพยากรณ์จะช่วยให้ผู้บริหาร

ารศ

สามารถตัดสินใจเตรียมหาวิธีการรับมือและป้องกันไม่ให้ยอดขายลดลงตามที่พยากรณ์ไว้
2.1.7.7 การพยากรณ์เ ป็น เครื่อ งมือ ที่ช่ว ยในการควบคุม และรัก ษาส่ว นแบ่ง ตลาด
ริห

(MarketShare) ให้มีความต่อเนื่องในด้านบวก ขณะเดียวกันก็สามารถใช้เป็นเครื่องมือในการประเมินผล

การดําเนินงานได้ เพราะผู้บริหารสามารถนําค่าที่พยากรณ์ได้มาใช้เป็นเครื่องมือในการตรวจสอบว่า
ะบ

วิธีการหรือกลยุทธ์ที่องค์กรใช้อยู่นั้นเป็นวิธีที่เหมาะสมหรือไม่ ถ้าการพยากรณ์ให้ผลที่คลาดเคลื่อนจาก
คณ

ยอดขายที่เกิดขึ้นจริง ให้สังเกตว่าความคลาดเคลื่อนเกิดจากสาเหตุอะไร จะได้สามารถดําเนินการ

แก้ไขหรือป้องกันไม่ให้เกิดความผิดพลาดขึ้นอีกได้อย่างทันท่วงที
2.1.7.8 การพยากรณ์สามารถใช้เป็นเครื่องมือในการกําหนดเป้าหมายในการดําเนินงาน
ทําให้ผู้บริหารสามารถประเมินสถานการณ์และสร้างความคาดหวังในอนาคต นอกจากนี้การพยากรณ์
ยังทําให้ผู้ที่เกี่ยวข้องกับงานการขายมีความกระตือรือร้นในการทํางานมากขึ้นอีกด้วย เพราะเขาจะทราบ
ข้อมูลยอดขายในอนาคตว่าจะเป็นเท่าไรตามที่ปรากฎอยู่ในแผนการตลาด พนักงานขายที่ดีจะต้อง
พยายามทํางานให้ได้ตามเป้าหมายยอดขายนั้น ๆ
 19

2.2 แนวคิดและทฤษฎีเกี่ยวกับวิธีการพยากรณ์
2.2.1 วิธีการพยากรณ์
วิ ธี ก ารพยากรณ์ ส ามารถแบ่ งออกเป็ น 2 ประเภท ได้ แ ก่ การพยากรณ์ เชิ งคุ ณ ภาพ
(Qualitative forecasting methods) และการพยากรณ์เชิงปริมาณ (Quantitative forecasting
methods) (วัชระ พิชิตมโน, 2550: 11)
2.2.1.1 การพยากรณ์เชิงคุณภาพ (Qualitative forecasting methods)
เทคนิคการพยากรณ์เชิงคุณภาพ Render, StariandHanna (2003) กล่าวไว้

าน
ี
ว่าเป็นการพยากรณ์ที่ไม่อาศัยข้อมูลในอดีตเป็นหลัก แต่จะใช้ความรู้สึก หรือสามัญ สํานึกและจาก
ประสบการณ์ ต่าง ๆ ที่ผ่านมา ประกอบกับข้อมูลส่วนใหญ่จะได้จากผู้บริหารหรือผู้ที่มีหน้าที่เกี่ยวข้อง

าชธ
เป้าหมายของการพยากรณ์ ประเภทนี้เพื่อพยากรณ์ การเปลี่ยนแปลงในรูปแบบขั้นพื้นฐาน (Basic
pattern) ทั้งนี้อาจจะมีผลมาจากปัจจัยภายนอกต่าง ๆ ที่มีผลต่อการดําเนินงาน ทําให้เกิดการเปลี่ยนแปลง

ร
ุบล
ต่อกระบวนการการตัดสินใจได้ซึ่งตามปกติการพยากรณ์จะต้องใช้ทั้งการพยากรณ์เชิงคุณภาพ และ
การพยากรณ์เชิงปริมาณประกอบกัน กล่าวคือ ในช่วงแรกจะใช้ข้อมูลในอดีตหาค่าพยากรณ์หลังจากนั้นจึง

ยั อ
ใช้การวิเคราะห์จากประสบการณ์ในอดีตที่ผ่านมาเพื่อใช้เป็นแนวทางในการตัดสินใจในการดําเนินงาน
ยาล
ซึ่งเทคนิคที่ใช้ในการพยากรณ์เชิงคุณภาพมี 4 วิธี ดังต่อไปนี้
1) วิธีเดลฟาย (Delphi Method) เป็น วิธีก ารพยากรณ์เชิง คุณ ภาพที่ผ ล
การพยากรณ์จะมาจากความคิดเห็นของบุคคลหลาย ๆ ฝ่าย ซึ่งอาจจะเป็นบุคคลากรจากภายในหรือ
าวทิ

ภายนอกบริษัทก็ได้ วิธีการพยากรณ์มีขั้นตอนดังนี้
์ มห

1.1) ผู้พยากรณ์แต่ละคนจะเขียนค่าพยากรณ์โดยใช้ดุลยพินิจของตนเอง
1.2) ค่าพยากรณ์ของแต่ละคนจะนําไปสรุปและส่งคืนกลับให้ผู้พยากรณ์
ตร

โดยไม่มีการระบุว่าเป็นการพยากรณ์จากใคร
1.3) ผู้พยากรณ์จะนําค่าพยากรณ์ที่สรุปแล้ว นํามาประเมินผลใหม่ ซึ่งอาจ
าส

มีการเปลี่ยนแปลงการพยากรณ์ครั้งแรก กระบวนการนี้จะดําเนินต่อไปเรื่อย ๆ จนกระทั่งทําให้ได้ผล

ารศ

สรุปร่วมกัน แต่ไม่ควรดําเนินการหลายครั้งมากเกินไป จนทําให้ผู้เชี่ยวชาญมีความรู้สึกเบื่อที่จะกรอก

แบบสอบถาม
ริห

เทคนิควิธีเดลฟายมีการพัฒนาและปรับปรุงจากเดิม เช่น ไม่ต้องรอคําตอบ

เป็นเอกฉันท์ของสมาชิกทุกคนซึ่งอาจจะทําการสอบถามสมาชิกเพียง 2-3 รอบเท่านั้น นอกจากนั้น
ะบ

ความก้าวหน้าทางเทคโนโลยีทําให้ใช้ Delphi บนระบบ Online ที่เป็น Real Time Computer

คณ

ระยะเวลาในการพยากรณ์จะเร็วขึ้น และยังสามารถเลือกผู้เชี่ยวชาญได้มากขึ้นไม่ว่าจะอยู่ที่ไหนก็สามารถ
รวมตัวเป็นกลุ่มสมาชิกเพื่อคาดคะเนได้
การใช้วิธีเดลฟายจะเหมาะสมกับการพยากรณ์ ยอดขายทั้งการพยากรณ์
ระยะกลางจนถึงระยะยาว หรือการพยากรณ์ยอดขายระยะยาวของอุตสาหกรรม แต่เทคนิคนี้ผู้พยากรณ์จะ
ไม่ต้องมาประชุมร่วมกัน ซึ่งทําให้สมาชิกแต่ละคนสามารถพยากรณ์ได้โดยปราศจากการครอบงําความ
คิดเห็นของกลุ่มลงได้
2) กลุ่มพนักงานขายทําการพยากรณ์ (Sales force composite) เป็นวิธีบริหาร
จากระดับล่างสู่ระดับบนขององค์กร (A Bottom-Up Approach) โดยเทคนิคนี้จะอาศัยความรู้และ
 20

ประสบการณ์ของหน่วยงานที่เกี่ยวข้องกับการจําหน่าย (Sales force) ได้แก่ พนักงานขาย พนักงานส่ง

สินค้า พนักงานรับคําสั่งซื้อ พนักงานเทคนิค พนักงานบริการลูกค้า ผู้จัดจําหน่าย เป็นต้น เทคนิคนี้มี
ประโยชน์ในการพยากรณ์ เนื่องจากผู้พยากรณ์เป็นผู้ที่มีความใกล้ชิดกับลูกค้า สามารถเข้าใจความต้องการ
ของลูกค้าและเป็นผู้รับผิดชอบโดยตรงกับยอดขายสินค้า หากการพยากรณ์ผิดพลาดจะส่งกระทบ
โดยตรงกับผู้พยากรณ์ วิธีนี้เหมาะกับการพยากรณ์ที่มีข้อมูลในอดีตน้อย หรือไม่มีข้อมูล และเหมาะ
สําหรับการพยากรณ์ระยะสั้นถึงระยะกลาง ซึ่งการให้พนักงานขายเป็นผู้พยากรณ์จะส่งสัญญาณเตือน
ถึงยอดขายที่จะเพิ่มขึ้นหรือลดลงได้เป็นอันดับต้น

าน
ี
3) กลุ่มผู้บริหารทําการพยากรณ์ (Juryofexecutiveopinion) เป็นวิธีการ
พยากรณ์โดยการให้บุคลากรระดับผู้บริหารจากฝ่ายต่าง ๆ ในองค์กร เช่น ฝ่ายการเงิน ฝ่ายการตลาด

าชธ
ฝ่ายขาย ฝ่ายผลิตและฝ่ายโลจิสติกส์ (Logistics) เข้าร่วมพยากรณ์เพื่อให้มีแนวทางความคิดที่ครอบคลุม
ทุกด้าน ซึ่งมีลักษณะเป็น Top-Down Approach

ร
ุบล
แนวคิดนี้ ผู้บริหารหลายคนมีความคิดร่วมกัน จะมีการคาดการณ์ได้ดีกว่า
ผู้บริหารเพียงคนเดียว ทําให้ผู้บริหารเผชิญหน้ากันและมีปฏิสัมพันธ์กันได้ ดังนั้นลักษณะของเทคนิค

ยั อ
จะมีดังนี้ ยาล 3.1) เป็น การอภิป รายร่ว มกัน ระหว่า งผู ้บ ริห ารเพื ่อ ให้ไ ด้ม าซึ ่ง ยอด
การพยากรณ์ในอนาคต
3.2) ผู้บริหารประกอบด้วย ผู้บริหารที่หลากหลายจากหลาย ๆ ฝ่ายเพื่อ
าวทิ

เป็นองค์ประกอบที่เสริมซึ่งกันและกัน
์ มห

การพยากรณ์โดยคณะผู้บริหารมักจะนิยมใช้การลงมติเอกฉันท์ (Consensus)
โดยตัวแทน จากฝ่ายต่าง ๆ ในหลายกรณีมักจะพยากรณ์โดยเทคนิคเชิงปริมาณก่อนแล้วจึงนําผลที่ได้
ตร

ไปลงมติ การตัดสินใจว่าจะใช้การพยากรณ์แบบใด การลงมตินี้มักจะใช้กับการพยากรณ์ผลิตภัณฑ์ใหม่

ซึ่งการพยากรณ์จะทําได้อย่างมีประสิทธิผลหรือไม่ มักขึ้นอยู่กับความสามารถของผู้พยากรณ์
าส

อย่างไรก็ตามเทคนิคกลุ่มผู้บริหารทําการพยากรณ์เป็นเทคนิคที่ไม่เหมาะสม
ารศ

กับการพยากรณ์ระยะสั้น (รายวันหรือรายสัปดาห์) และการพยากรณ์รายการผลิตภัณฑ์ (Product item)

เนื่องจากต้องใช้เวลาในการพิจารณา แต่เทคนิคนี้เหมาะสมสําหรับการพยากรณ์ยอดขายรายเดือน
ริห

รายไตรมาส หรือรายปี และการพยากรณ์สินค้าทั้งสายผลิตภัณฑ์ (Product line)

4) การสํ า รวจตลาดลูก ค้า (Consumer market survey)เป็น เทคนิค
ะบ

การพยากรณ์เพื่อประมาณการยอดขายโดยศึกษาข้อมูลของผู้บริโภคหรือกลุ่มลูกค้าเป้าหมายโดยตรง
คณ

ซึ่งสามารถทําได้จากการสํารวจความคิดเห็นหรือทัศนคติของผู้ที่มีศักยภาพเป็นกลุ่มลูกค้า และเพื่อทราบ
พฤติกรรมในการบริโภคสินค้าและบริการ หรือคุณลักษณะของสินค้าและบริการที่กลุ่มลูกค้าเป้าหมาย
ต้องการเป็นต้น
2.2.1.2 การพยากรณ์เชิงปริมาณ (Quantitative forecasting methods)
การพยากรณ์เชิงปริมาณเป็นวิธีการพยากรณ์ที่ใช้ข้อมูลในอดีตมาเป็นหลักใน
การพิจารณาถึงสถานการณ์ ที่จะเกิดขึ้นในอนาคต โดยอาศัยหลักสถิติและคณิตศาสตร์ ซึ่งผู้ทําการ
พยากรณ์จะต้องทําการตรวจสอบรูปแบบของข้อมูลที่จะนํามาใช้ในการคํานวณเสียก่อนว่าข้อมูลมี
ลักษณะรูปแบบอย่างไร จากนั้นจึงเลือกวิธีการพยากรณ์ให้เหมาะสมกับรูปแบบของข้อมูล ซึ่งจุดประสงค์
 21

ของวิธีการพยากรณ์เหล่านี้ก็คือ ต้องการชี้ให้เห็นถึงรูปแบบของข้อมูลในอดีต และทําการตีความรูปแบบ

ของข้ อ มู ล ดั งกล่ าวนี้ ถึ งทิ ศ ทางของข้ อ มู ล ที่ จ ะเป็ น ไปในอนาคต เทคนิ ค การพยากรณ์ เชิงปริม าณ
สามารถแบ่งออกได้เป็น 2 ประเภทใหญ่ ๆ คือ
1) เทคนิคอนุกรมเวลา (Time Series)
2) เทคนิคความสัมพันธ์ของข้อมูล (Causal Model)
2.2.2 เทคนิคการพยากรณ์แบบอนุกรมเวลา (Time Series)
ณัฐธยาน์ มนุษย์ดี (2553) กล่าวถึงเทคนิคการพยากรณ์แบบอนุกรมเวลา (Time Series)

าน
ี
ด้วยวิธีการวิเคราะห์การถดถอย ไว้ดังนี้
2.2.2.1 วิธีการวิเคราะห์การถดถอย (Linear Regression)

าชธ
วิธีการถดถอยเป็นวิธีการทางสถิติที่ใช้ในการศึกษาความสัมพันธ์ในลักษณะของ
ความเป็นเหตุเป็นผลซึ่งกันและกัน และสามารถประมาณค่าและพยากรณ์ตัวแปรหนึ่ง โดยใช้ค่าของ

ร
ุบล
ข้อมูลอีกตัวหนึ่ง หรือชุดข้อมูลหนึ่งเป็นตัวพยากรณ์ ตัวแปรที่ใช้ในการพยากรณ์เรียกว่า ตัวแปรอิสระ
(Independent Variable) หรือตัวพยากรณ์ (Predictor) ส่วนผลที่ได้เรียกว่าตัวแปรตาม (Dependent

ยั อ
Variable) หรือผลที่วัดได้ (Out come) ในงานวิจัยฉบับนี้จะกล่าวถึงการวิเคราะห์แบบถดถอย 2 อย่าง
ยาล
คือ การวิเคราะห์การถดถอยอย่างง่าย และการวิเคราะห์การถดถอยแบบพหุคูณ โดยมีรายละเอียด
ของวิธีการดังนี้
1) การวิเคราะห์การถดถอยอย่างง่าย (Single Linear Regression) การวิเคราะห์
าวทิ

การถดถอยอย่างง่ายเป็นการวิเคราะห์การถดถอยในลักษณะที่มีตัวพยากรณ์หนึ่งตัว ซึ่งความสัมพันธ์
์ มห

ระหว่างตัวแปรตามและตัวพยากรณ์นั้นมีลักษณะเป็นเส้นตรง (Linear relationship) รูปแบบของสมการ

ถดถอยเชิงเส้นตรงอย่างง่าย เมื่อมีตัวพยากรณ์ (X) 1 ตัว และตัวแปรตาม (Y) 1 ตัว มีลักษณะดัง
ตร

สมการที่ 2.1
าส

𝑌 𝑎 𝑏𝑋 (2.1)
ารศ

เมื่อ 𝑌 คือ ค่าของตัวแปรตามที่ได้จากการพยากรณ์

ริห

𝑋 คือ ตัวแปรอิสระ
คือ ค่าสัมประสิทธิ์การถดถอย
ะบ

𝑎, 𝑏
คณ

2) วิธีกําลังสองน้อยที่สุด (Least Square Method) เป็นวิธีการหาเส้นแนว

โน้มโดยการหาสมการถดถอยประมาณค่าเส้นแนวโน้ม โดยจะเลือกเส้นที่ตรงที่ทําให้ค่าคลาดเคลื่อน
กํ าลั งสองมี ค่ าน้ อ ยที่ สุ ด การสร้ างเส้ น แนวโน้ ม ด้ ว ยวิธีกํ าลั งสองน้ อ ยที่ สุ ด เป็ น วิธีที่ นิ ยมเพราะใช้
คุณสมบัติการหาเส้นที่เหมาะที่สุด (Line of bestfit) ที่เป็นตัวแทนของข้อมูลที่เก็บรวบรวมมา ซึ่ง
รูปแบบทั่วไปของสมการเส้นตรง คือ
 22

𝑌 𝑎 𝑏𝑋 (2.2)

จะได้ว่า
∑ ∑ ∑ /
𝑏 ∑ ∑ /
,𝑎 𝑌 𝑏𝑋 (2.3)

เมื่อ 𝑌 คือค่าแนวโน้ม

าน
ี
𝑎 คือค่าแนวโน้ม ณ จุดเริ่มต้นของอนุกรมเวลา
คือค่าความชันของเส้นแนวโน้ม

าชธ
𝑏
𝑋 คือตัวแปรเวลา ณ เวลา t

ร
ุบล
โดยเส้ น ถดถอยที่ ป ระมาณได้ ด้ ว ยวิ ธี กํ า ลั ง สองน้ อ ยที่ สุ ด มี คุ ณ สมบั ติ
ดังต่อไปนี้

ยั อ
(1) ∑ 𝑒 0
ยาล
(2) ∑ 𝑒 มีค่าน้อยสุด ผลรวมของค่าสังเกต 𝑌 เท่ากับผลรวมของ 𝑌
เมื่อ 𝑌 คือค่าประมาณ Yบนเส้นถดถอย
(3) ∑ 𝑋 𝑒 0เมื่อ 𝑋 เป็นค่าถ่วงน้ําหนัก
าวทิ

(4) ∑ 𝑌 𝑒 0 เมื่อ 𝑌 เป็นค่าถ่วงน้ําหนัก

์ มห

(5) เส้นถดถอยผ่านค่าเฉลี่ย X และค่าเฉลี่ย Y

เนื่ อ งจากสามารถเลื อ กใช้ ช่ ว งเวลาใดเวลาหนึ่ ง ของอนุ ก รมเวลา เป็ น
ตร

จุดเริ่มต้นของอนุกรมเวลาได้ จึงทําให้เกิดการคํานวณค่า a และ b แบบลัด โดยกําหนดให้ x คือค่า 𝑋

าส

เมื่อ ปรับจุดเริ่มต้นของอนุกรมเวลาแล้ว สําหรับการปรับจุดเริ่มต้นยึดหลักว่าเมื่อปรับค่า 𝑋 ให้เป็น x

จะต้องทําให้
ารศ

∑𝑥 0
ริห
ะบ

ดังนั้น จะได้ว่า
คณ

∑
𝑏 ∑
(2.4)

𝑎 𝑌 (2.5)

การปรับค่า 𝑋 ทําได้ดังนี้
1) ถ้าจํานวนรายการของข้อมูลอนุกรมเวลาในอดีตที่เก็บรวบรวมมาได้เป็นเลข
คี่ จุดเริ่มต้นของอนุกรมเวลา (x = 0) จะอยู่กึ่งกลางของอนุกรมเวลา อนุกรมของ x คือ ..., -2, -1, 0,
1, 2, ... และ x เป็น 1 หน่วยเวลา
 23

2) ถ้าจํานวนรายการของข้อมูลอนุกรมเวลาในอดีตที่เก็บรวบรวมมาได้เป็นเลข
คู่ จุดเริ่มต้นอนุกรมเวลา (x = 0) จะอยู่ระหว่างสองปีกลางของอนุกรมเวลา อนุกรมของ x คือ ..., - 5,
-3, -1, 1, 3, 5, ...และ x เป็น 2 หน่วยเวลา
2.2.2.2 การวิเคราะห์การถดถอยเชิงพหุคูณ (Multiple Linear Regression Analysis)
เป็นการพยายามที่จะประมาณค่าเชิงสถิติของความสัมพันธ์ระหว่างตัวแปรตาม
(Dependent Variable) ซึ่งเป็นตัวแปรที่ต้องการพยากรณ์ กับตัวแปรอิสระตั้งแต่ 2 ตัวขึ้นไปซึ่งตัว
แปรอิสระที่ส่งผลกระทบต่อตัวแปรที่ต้องการพยากรณ์ตัวแบบทางคณิตศาสตร์ของการวิเคราะห์

าน
ี
การถดถอยแบบพหุคูณแสดง ดังสมการที่ 2.6

าชธ
𝑌 𝑏0 𝑏1 𝑥1 𝑏2 𝑥2 . . . 𝑏 𝑥 (2.6)

ร
ุบล
เมื่อ 𝑌 คือ ตัวแปรตาม
𝑥1 … 𝑥 คือ ตัวแปรอิสระ

ยั อ
ยาล 𝑏0 … 𝑏 คือ ค่าสัมประสิทธิ์การถดถอย

ค่าประมาณของสัมประสิทธิ์การตัดสินใจพหุคูณ (Coefficient of Multiple

Determination) โดยปกติ ค่าสั งเกต Y จะไม่อยู่บ นเส้น ถดถอยทั้ งหมดถ้าค่าสังเกต Y อยู่บ นเส้น
าวทิ

ถดถอยทั้งหมดแล้ว ∑ 𝑌 𝑌 จะเท่ากับศูนย์ซึ่งหมายความได้ว่าเส้นถดถอยเหมาะสมกับข้อมูล
์ มห

แล้ว ดั งนั้น จะทํ าให้ ค่ าอัตราส่ วนระหว่างค่าความแปรผั นที่ สามารถอธิบ ายได้กั บ ค่าความแปรผัน
ทั้งหมดมีค่าใกล้ 1 ด้วยเหตุนี้จึงมีการวัดค่าอัตราส่วนระหว่างค่าความผันแปรที่อธิบายได้กับค่าผันแปร
ตร

ทั้งหมดเรียกว่า สัมประสิทธิ์การตัดสินใจเขียนแทนด้วย 𝑅2 ดังแสดงในสมการที่ 2.11 นั่นคือ

าส

𝑅 1 (2.7)
ารศ

การคํานวณค่า 𝑅2 จากการแบ่งส่วนกําลังสอง
ริห
ะบ

𝑆𝑆𝑇 𝑆𝑆𝑅 𝑆𝑆𝐸 (2.8)

คณ

หรือ ∑ 𝑌 𝑌 ∑ 𝑌 𝑌 ∑ 𝑌 𝑌

∑ 𝑌
𝑌 𝑌 𝑌
𝑛

∑
𝑌′𝑌 (2.9)

เมื่อ𝑆𝑆𝐸 𝑌′𝑌 𝑏′ 𝑋 ′ 𝑌
 24

และ 𝑆𝑆𝑅 ∑ 𝑌 𝑌 𝑌 𝑌

∑ 𝑌
𝑌′𝑌 𝑌′𝑌 𝑏′ 𝑋 ′ 𝑌
𝑛

∑
𝑏′ 𝑋 ′ 𝑌 (2.10)

าน
ี
′ ′ ∑
2
ดังนั้น 𝑅 (2.11)

าชธ
∑
′

ร
สัมประสิทธิ์การตัดสินใจพหุคูณ 𝑅2 คือสัดส่วนความแปรผันทั้งหมดของ Y ที่

ุบล
อธิบายโดยความผันแปรในตัวแปรอิสระ X1, X2, X3, ..., Xk หรือสัดส่วนความแปรผันทั้งหมดของ Y

ยั อ
ที่ อธิบายโดยความสัมพันธ์ระหว่าง Y และX1, X2, X3, ..., Xk ความหมายของ 𝑅2 ในการถดถอย
อย่างง่ายจะสมมูลกับ 𝑅2 ในการถดถอยพหุคูณค่าโดยที่ 𝑅2 อยู่ระหว่าง 0 และ 1 ถ้าตัวแปรตามและ
ยาล
ตัวแปรอิสระไม่มีความสัมพันธ์แล้ว 𝑅2 = 0 ถ้าสมการถดถอยที่ประมาณได้เหมาะสมกับข้อมูลอย่าง
สมบูรณ์ และสามารถใช้ประมาณหรือพยากรณ์ค่า Y ได้ถูกต้องโดยแท้แล้ว 𝑅2 = 1
าวทิ

โดยทั่วไปค่า 𝑅2 จะสูงขึ้น เมื่อมีตัวแปรอิสระเพิ่มเข้ามาในสมการถดถอยพหุคูณ

เหตุผล คือเมื่อเพิ่มตัวแปรอิสระในสมการถดถอย ค่า SST ไม่เปลี่ยนแปลง แต่โดยทั่วไป SSR จะสูง
์ มห

และ SSE จะต่ําลงดังนั้น 𝑅2 จึงมีค่าสูงขึ้น การเพิ่มตัวแปรอิสระอาจไม่ช่วยให้มีนัยสําคัญที่จะอธิบาย

ตัวแปรตาม Y การเพิ่มตัวแปรอิสระในสมการถดถอยสําหรับจุดประสงค์เพื่อให้ 𝑅2 มีค่าสูงขึ้น มักมีผล
ตร

ทําให้มีตัวแปรอิสระจํานวนมากเกินไปในสมการถดถอย และอาจทําให้สมการถดถอยมีรูปแบบที่ไม่ดี
าส

มากกว่าเดิม แทนที่ จะดี ขึ้น ดั งนั้ นจึ งอาจพบว่าการเลือกรูป แบบที่ มีค่า 𝑅2 ต่ํ ากว่าเล็กน้อยอาจได้
ารศ

รูปแบบที่ดีกว่า
เพื่ อป้องกันปัญ หานี้สามารถใช้ Adjusted 𝑅2 เป็นค่าวัดตัวแบบที่ เหมาะสม
ริห

ข้อมูลโดย การนําองศาแห่งความเป็นอิสระมาพิจารณาด้วย คํานวณจากสมการที่ 2.12

ะบ

/ 1
Adjusted𝑅 2 1 (2.12)
คณ

/ 1

เมื่อ n มีขนาดมาก ๆ ค่า 𝑅2 จะใกล้เคียงกับค่า Adjusted𝑅2 ค่า Adjusted𝑅2

อาจจะลดลงเมื่อเพิ่มตัวแปรอิสระในสมการถดถอย ทั้งนี้ถึงแม้ว่า SSE จะลดลงเสมอ แต่การลดลง
อาจจะชดเชยด้วยองศาแห่งความเป็นอิสระ (n-k-1)
คุณสมบัติของ 𝑅2 คือ
1) ค่า 𝑅2 เป็นค่าบวกเสมอ
2) 0 𝑅2 1
 25

3) 𝑅2 1ค่ า Y จะอยู่ บ นเส้ น ถดถอย หรื อ 𝑌 𝑌 ของทุ ก ค่ า i นั้ น คื อ

สมการถดถอยที่ประมาณใช้พยากรณ์ค่า Y ได้อย่างสมบูรณ์
4) 𝑅2 0หมายความว่าไม่มีความสัมพันธ์เชิงเส้นระหว่าง X และ Y นั้นคือ
สมการถดถอยที่ประมาณไม่สามารถนํามาใช้พยากรณ์ค่า Y ได้ ซึ่งค่า Y ไม่ดีเท่ากับค่าเฉลี่ย
5) ค่า 𝑅2 ที่มีค่าอยู่ระหว่าง 0 และ 1 ชี้ให้เห็นถึงระดับความสัมพันธ์ระหว่าง
ตั ว แปร X และ Y ในสมการถดถอย ค่ า 𝑅2 เข้ า ใกล้ 1 ชี้ ใ ห้ เห็ น ว่ า ตั ว แปร X และ Y มี ร ะดั บ
ความสัมพันธ์สูง และสมการถดถอยสามารถใช้พยากรณ์ค่า Y ได้ถูกต้องเมื่อค่า X มีการเกี่ยวข้องใน

าน
ี
สมการถดถอย
Hanke, John and Wichern Dean (2006) ได้แบ่งการพยากรณ์เชิงปริมาณ

าชธ
โดยวิธีการวิเคราะห์แบบเทคนิคอนุกรมเวลา (Time Series) ที่นิยมใช้อยู่ทั้งหมด 5 วิธีดังนี้
2.2.2.3 วิธีค่าเฉลี่ยเคลื่อนที่ (Moving Average Method)

ร
ุบล
วิธีค่าเฉลี่ยเคลื่อนที่ เหมาะสําหรับ การพยากรณ์ ในช่วงระยะเวลาสั้น ๆ และ
ข้อมูลที่มีลักษณะค่อนข้างแน่นอนเป็นเส้นตรงและคงที่ตามแนวนอน ไม่เหมาะสมกับข้อมูลที่มีลักษณะ

ยั อ
เป็ นแนวโน้ ม ฤดูกาล หรือ ข้อ มู ล ที่ มีลัก ษณะเป็ น การเปลี่ ยนแปลงเป็ น ขั้น บั นได (Step Change)
ยาล
เทคนิคนี้ใช้หลักการในการหาค่าเฉลี่ยคือ ใช้ค่าจากการสังเกตหรือข้อมูลในอดีตมาคํานวณหาค่าเฉลี่ย
แล้วใช้ค่าเฉลี่ยที่ได้นี้เป็นค่าพยากรณ์สําหรับช่วงเวลาถัดไป
โดยสมการของการพยากรณ์แบบวิธีค่าเฉลี่ยเคลื่อนที่คือ
าวทิ
์ มห

.....
𝑌 (2.13)
ตร

เมื่อ 𝑌 = ค่าพยากรณ์ที่เวลาถัดไป
าส

𝑌 = ค่าสังเกตที่เวลา t
𝑘 = จํานวนข้อมูลที่ใช้หาค่าเฉลี่ย
ารศ

2.2.2.4 วิ ธี ก ารปรั บ เรี ย บแบบเอ็ ก ซ์ โปแนนเชี ย ลครั้ ง เดี ย ว (Single Exponential

ริห

Smoothing Method หรือ Simple Exponential Smoothing Method)

ะบ

เป็ น เทคนิ ค การพยากรณ์ ที่ เหมาะสมกั บ ข้ อมู ล ที่ เคลื่ อนไหวอยู่ ในระดั บ คงที่
หรือไม่มีการเปลี่ยนแปลงหรือเป็นข้อมูลที่ไม่มีองค์ประกอบของแนวโน้ม และไม่มีความผันแปรตาม
คณ

ฤดู ก าล มี เฉพาะความผั น แปร เนื่ อ งจากเหตุ ก ารณ์ ที่ ผิ ด ปกติ เพี ย งอย่ างเดี ย วและเหมาะกั บ การ
พยากรณ์ระยะสั้น สําหรับข้อมูลที่เหมาะสมที่จะใช้วิธีนี้ควรจะมีข้อมูลอย่างน้อย 5 ถึง 10 ข้อมูล
ซึ่งวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลครั้งเดียวมีการให้น้ําหนักความสําคัญ
ของข้อมูลในอดีตและข้อมูลที่ทําการพยากรณ์ ซึ่งน้ําหนักที่ถ่วงให้กับค่าสังเกตแต่ละค่าจะมีค่าคงที่ของ
การปรับเรียบ เรียกว่าค่า 𝛼 โดยที่ค่าของ 𝛼 จะอยู่ในช่วงระหว่างศูนย์ถึงหนึ่ง (0 <𝛼< 1)
โดยสมการของการพยากรณ์แบบวิธีปรับเรียบแบบเอ็กซ์โปแนนเชียลครั้งเดียว คือ
 26

𝑌 𝛼𝑌 1 𝛼 𝑌 (2.14)

เมื่อ 𝑌 = ค่าพยากรณ์ที่เวลาถัดไป
𝛼 = ค่าคงที่ของการปรับเรียบ (0 < 𝛼 < 1)
𝑌 = ค่าสังเกตที่เวลา t
𝑌 = ค่าพยากรณ์ที่เวลา t

าน
ี
2.2.2.5 วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลซ้ําสองครั้ง (Double Exponential
Smoothing Method) หรือวิธีการปรับเรียบเอ็กซ์โปแนนเชียลของโฮลท์ (Holt’s Exponential

าชธ
Smoothing Method)
เป็นเทคนิคการพยากรณ์ที่เหมาะสมกับข้อมูลที่มีแนวโน้มแบบเส้นตรง แต่ไม่มี

ร
ุบล
ความเป็นฤดูกาล และยังเหมาะกับการพยากรณ์ในระยะสั้น จนถึงการพยากรณ์ในระยะปานกลาง
ข้อมูลที่ใช้ในการคํานวณควรจะมีอย่างน้อย 5 ชุด ซึ่งแนวคิดของเทคนิคนี้ก็คือ คํานวณค่าฐานถัวเฉลี่ย

ยั อ
ปรับเรียบเอ็ กซ์โปแนนเชียลของข้อมูลของช่วงเวลาปั จจุบันล่าสุด และหลังจากนั้นจึงปรับด้วยค่า
ยาล
แนวโน้ม (บวกหรือลบ) ดังนั้น ในการพยากรณ์ที่รวมองค์ประกอบแนวโน้ม เราจําเป็นต้องมีค่าคงที่
ปรับเรียบ 2 ตัว คือ นอกจากค่าคงที่ปรับเรียบสําหรับถัวเฉลี่ย (Smoothing Constant for the
Average) หรือ 𝛼 แล้ว เราจําเป็นต้องใช้ค่าคงที่ปรับเรียบสําหรับแนวโน้ม (Smoothing Constant
าวทิ

for the Trend) หรือ 𝛽 ในการคํานวณหาค่าแนวโน้ม

์ มห

โดยสมการของการพยากรณ์แบบวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลซ้ําสอง
ครั้ง คือ
ตร

𝑌 𝐿 𝑝𝑇 (2.15)
าส

สมการค่าปรับเรียบ
ารศ

𝐿 𝛼𝑌 1 𝛼 𝐿 𝑇 (2.16)
ริห

สมการของการประมาณค่าแนวโน้ม
ะบ
คณ

𝑇 𝛽 𝐿 𝐿 1 𝛽 𝑇 (2.17)

เมื่อ 𝑌 = ค่าพยากรณ์ล่วงหน้า p งวด

𝐿 = ค่าปรับเรียบตัวใหม่ ณ เวลา t
𝛼 = ค่าคงที่สําหรับการปรับเรียบ (0 << 1)
𝑌 = ค่าข้อมูลจริง ณ ช่วงเวลา t
𝛽 = ค่าคงที่ปรับเรียบสําหรับตัวประมาณแนวโน้ม
(0 << 1)
 27

𝑇 = ตัวประมาณแนวโน้ม ณ ช่วงเวลา t
𝑝 = งวดเวลาที่ต้องการพยากรณ์ล่วงหน้า

2.2.2.6 วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลของวินเทอร์ (Winter’s Exponential

Smoothing Method)
เป็นเทคนิคการพยากรณ์ที่เหมาะสมกับข้อมูลที่มีแนวโน้มและความผันผวนตาม
ฤดูกาล ประกอบอยู่ (trend-season data) วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลของวินเทอร์นี้

าน
ี
เป็นการพัฒนาต่อจากวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลของโฮลท์ วิธีนี้เหมาะกับการพยากรณ์ใน
ระยะสั้น จนถึงการพยากรณ์ในระยะปานกลาง ข้อมูลที่จะนํามาใช้ในการคํานวณควรจะเป็นข้อมูลราย

าชธ
สัปดาห์ รายเดือน หรือรายไตรมาส เพื่อที่จะได้วิเคราะห์ความผันผวนตามฤดูกาลได้ และข้อมูลควรมี
อย่างน้อย 36 ข้อมูล สําหรับข้อมูลที่เป็นรายเดือน และ 12 ข้อมูลสําหรับข้อมูลรายไตรมาส

ร
ุบล
สมการที่ใช้ในการพยากรณ์ด้วยวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลของวิน
เทอร์ประกอบไปด้วย สมการที่ใช้ในการหาค่าปรับเรียบ (𝐿 ) และค่าประมาณแนวโน้ม (𝑇 ) คล้ายกับ

ยั อ
วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลของโฮลท์ แต่จะมีสมการที่เพิ่มขึ้นมาอีกหนึ่งสมการเพื่อใช้
ยาล
ประมาณความผันผวนแบบฤดูกาล ตัวประมาณฤดูกาลที่ได้จะมีลักษณะเป็นดัชนีฤดูกาล
โดยสมการของการพยากรณ์แบบวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลของ
วินเทอร์ คือ
าวทิ
์ มห

𝑌 𝐿 p𝑇 𝑆 (2.18)
ตร

สมการค่าปรับเรียบ
าส

𝐿 𝛼 1 𝛼 𝐿 𝑇 (2.19)
ารศ

สมการของการประมาณค่าแนวโน้ม
ริห
ะบ

𝑇 𝛽 𝐿 𝐿 1 𝛽 𝑇 (2.20)
คณ

สมการของการประมาณค่าแนวโน้ม

𝑆 𝛾 1 𝛾 𝑆 (2.21)

เมื่อ 𝑌 = ค่าพยากรณ์สําหรับ 𝑝งวดล่วงหน้า

𝐿 = ค่าปรับเรียบ
𝛼 = ค่าคงที่สําหรับการปรับเรียบ (0 <𝛼< 1)
𝑌 = ค่าข้อมูลจริง ณ ช่วงเวลา t
 28

𝛽 = ค่าคงที่ปรับเรียบสําหรับตัวประมาณแนวโน้ม
(0 <𝛽< 1)
𝑇 = ตัวประมาณแนวโน้ม
𝛾 = ค่าคงที่ปรับเรียบสําหรับตัวประมาณฤดูกาล
(0 <𝛾< 1)
𝑆 = ตัวประมาณฤดูกาล
𝑆 = ช่วงความยาวของฤดูกาล

าน
ี
𝑝 = จํานวนงวดที่ต้องการพยากรณ์ล่วงหน้า
2.2.2.7 วิธีการแยกองค์ประกอบ (Decomposition Method)

าชธ
อนุกรมเวลาที่เก็บรวบรวมมาในช่วงเวลาที่ต่างกัน ได้แก่ ปี ไตรมาส เดือน สัปดาห์
วัน หรือชั่วโมง อาจจะมีส่วนประกอบที่ต่างกัน ดังนั้นการพยากรณ์ด้วยการวิเคราะห์อนุกรมเวลาจะทํา

ร
ุบล
ได้โดยการแยกส่วนประกอบของอนุกรมเวลาออกเป็น 4 องค์ประกอบ ได้แก่ แนวโน้ม (Trend: T) วัฏจักร
(Cycle: C) ฤดูกาล (Seasonal: S) และเหตุการณ์ผิดปกติ (Irregular: I) โดยสมการของการพยากรณ์

ยั อ
แบบวิธีแยกองค์ประกอบสามารถแบ่งได้เป็น 2 รูปแบบ คือ
ยาล
1) การแยกองค์ประกอบแบบการคูณ (Multiplicative Decomposition)

𝑌 𝑇 𝐶 𝑆 𝐼 (2.22)
าวทิ
์ มห

2) การแยกองค์ประกอบแบบการบวก (Additive Decomposition)

ตร

𝑌 𝑇 𝐶 𝑆 𝐼 (2.23)
าส

สมการของการประมาณแนวโน้มแบบเส้นตรง
ารศ

𝑇 𝑏 𝑏𝑡 (2.24)
ริห

สมการของการประมาณวัฏจักร
ะบ
คณ

𝐶 𝐼 (2.25)

สมการของการประมาณฤดูกาล

𝑇 𝐼 (2.26)

สมการของการประมาณรูปแบบไม่ปกติ

𝐼 (2.27)
 29

เมื่อ 𝑌 = ค่าพยากรณ์ที่เวลา t
𝑇 = ค่าการประมาณแนวโน้ม
𝐶 = ค่าการประมาณของวัฏจักร
𝑆 = ค่าการประมาณของฤดูกาล
𝐼 = ค่าการประมาณของรูปแบบไม่ปกติ
2.2.3 การหาค่าความคลาดเคลื่อนของการพยากรณ์
การพยากรณ์โดยใช้รูปแบบวิธีการต่าง ๆ สามารถเปรียบเทียบค่าที่พยากรณ์ได้กับค่าจริง

าน
ี
ที่เกิดขึ้น โดยสามารถหาค่าความคลาดเคลื่อนที่เกิดจากการพยากรณ์ได้จาก
ค่าความคลาดเคลื่อนของการพยากรณ์ = ค่าที่เกิดขึ้นจริง – ค่าที่พยากรณ์

าชธ
𝐴 𝐹 (2.31)

ร
ุบล
ความคลาดเคลื่อนของการพยากรณ์สามารถวัดได้หลายวิธี แต่มี 3 วิธีเป็นที่นิยม คือ

ยั อ
2.2.3.1 ค่าเฉลี่ยความคลาดเคลื่อนสมบูรณ์ (Mean Absoluted Eviation – MAD)
ยาล
วิ ธี นี้ จ ะคํ า นวณโดยนํ า ผลรวมของค่ า สั ม บู ร ณ์ ค วามคลาดเคลื่ อ นจากการ
พยากรณ์ แล้วหารด้วยจํานวนช่วงเวลาของข้อมูล (n)
าวทิ

∑ |ค่าที่เกิดขึน้ จริง ค่าทีพ่ ยากรณ์|

𝑀𝐴𝐷 (2.32)
์ มห

2.2.3.2 ค่าเฉลี่ยความคลาดเคลื่อนกําลังสอง (Mean Square Error – MSE)

ตร

วิธีนี้เป็นการนําเอาค่าความแตกต่างระหว่างค่าที่เกิดขึ้นจริงและค่าที่พยากรณ์
ยกกําลังสอง
าส
ารศ

∑ | ค่าความคลาดเคลื่อนของการพยากรณ์ |
𝑀𝑆𝐸 (2.33)
ริห

2.2.3.3 ค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อน (Mean Absolute Percent Error – MAPE)

ะบ

ปัญหาการหาค่าทั้ง MAD และ MSE คือ หากค่าของข้อมูลมีค่ามากจะทําให้ค่า

ของ MAD และ MSE มีค่ามากไปด้วย เพื่อแก้ปัญหาดังกล่าว จึงมีการใช้ค่า MAPE แทน
คณ

ค่าที่เกิดขึ้นจริง ค่าที่พยากรณ์
∑
𝑀𝐴𝑃𝐸 ค่าที่เกิดขึ้นจริง
𝑥100 (2.34)

2.3 ข้อมูลและประวัติของธุรกิจ เดอะ มาร์เวล เอ็กซ์พีเรียนซ์ ไทยแลนด์

ธุรกิจ เดอะ มาร์เวล เอ็กซ์พีเรียนซ์ ไทยแลนด์: ธีม เอ็นเตอร์เทนเมนท์ แอ็ทแทรคชั่น (The
Marvel Experience Thailand: Theme Entertainment Attraction) ที่ดําเนินธุรกิจโดยบริษัท ฮีโร่
เอ็กซ์พีเรียนซ์ จํากัด (Hero Experience) ซึ่งซื้อลิขสิทธิ์การจัดแสดงทั้งหมดมาจากบริษัท ฮีโร่ เวนเจอร์
 30

(Hero Ventures) บริษัทผู้ริเริ่ม The Marvel Experience ในสหรัฐอเมริกาที่กําลังจะเปิดตัวในวันที่

29 มิถุนายน พ.ศ.2561 บนพื้นที่กว่า 20,000 ตารางเมตร ณ บริเวณพื้นที่ศูนย์การค้าเมกาบางนา
กรุงเทพมหานคร (Mr.362degree, 2018: Website) และถือเป็นธุรกิจที่มีสิ่งแปลกใหม่ที่แรกใน
เอเชียตะวันออกเฉียงใต้ ประกอบกับเป็นธุรกิจประเภทสวนสนุกและศูนย์รวมความทันสมัยในรูปแบบที่
นําเอาเทคโนโลยีระบบต่าง ๆ เข้ามาเป็นส่วนประกอบ เช่นระบบจําลองบรรยากาศเสมือนจริง (3D
360 Projection Dome) ระบบเครื่องเลียนแบบภาพยนตร์และตัวละคร (4D Motion Ride) และ
ระบบจําลองภาพเสมือนจริง (Digital Hyper Reality) ที่จะทํ าให้ผู้ใช้บริการได้เป็ นส่วนหนึ่งของ

าน
ี
บทบาทตัวละครซุปเปอร์ฮีโร่ (Super hero) ที่ตนเองชื่นชอบ (Line today, 2017: Website)
จากข้อมูลของกรมทะเบียนการค้า กระทรวงพาณิชย์ยังได้เปิดเผยว่า The Marvel Experience

าชธ
Thailand มีการจดทะเบียนจัดตั้งบริษัท เมื่อวันที่ 15 กุม ภาพันธ์ พ.ศ.2559 ด้วยทุนจดทะเบียน
5 ล้านบาท เพิ่มเป็น 127.5 ล้านบาท ในวันที่ 5 สิงหาคม พ.ศ.2560 และสิ้นสุดที่ 268.4 ล้านบาท

ร
ุบล
ในวันที่ 20 ธันวาคม พ.ศ.2560 โดยมีจํานวนผู้ถือหุ้นรวมทั้งหมด 15 แห่ง ประกอบด้วย บริษัท ดีมีเตอร์
คอร์ปอเรชั่น จํากัด (มหาชน) ผู้ถือหุ้นร้อยละ 37.5 นายสุรเกียรติ เทียนทอง ผู้ถือหุ้นร้อยละ 14.5

ยั อ
นายสุรชาติ เทียนทอง นายอนุรักษ์ เทียนทอง ผู้ถือหุ้นร้อยละ 7.5 นายวิชญ์ ไวฑูรเกียรติ ผู้ถือหุ้น
ยาล
ร้อยละ 7 นายโกวิทย์ จิรชนานนท์ ผู้ถือหุ้นร้อยละ 5.5 นายนิติ เนื่องจํานง ผู้ถือหุ้นร้อยละ 5 นางสาว
สุณัฏฐา บดิน ทร์ภักดีกุล ผู้ถือหุ้นร้อยละ 4.75 นายนพปฎล เจสัน จิรสันติ์ ผู้ถือหุ้นร้อยละ 3.75
นายสุชัย หลีระพันธ์ ผู้ถือหุ้นร้อยละ 2 นายกชพงศ์ หลีระพันธ์ นายกรหฤต หลีระพันธ์ นางกมลชนก
าวทิ

เนื่องจํานง นายเอกวุฒิ เนื่องจํานงค์ และนายธนรรถ บุษยโภคะ ผู้ถือหุ้นร้อยละ 1 (Mr.362degree,

์ มห

2018: Website) ดังตารางที่ 2.3

ตร

ตารางที่ 2.3 รายละเอียดผู้ถือหุ้นของธุรกิจ

าส

ลําดับ บริษัทและรายชื่อผู้ถือหุ้น จํานวนหุ้น (ร้อยละ)

ารศ

1 บริษัท ดีมีเตอร์คอร์ปอเรชั่น จํากัด (มหาชน) 37.50

2 นายสุรเกียรติ เทียนทอง 14.50
ริห

3 นายสุรชาติ เทียนทอง 7.50

4 นายอนุรักษ์ เทียนทอง 7.50
ะบ

5 นายวิชญ์ไวฑูรเกียรติ 7.00
คณ

6 นายโกวิทย์จิรชนานนท์ 5.50
7 นายนิติ เนื่องจํานง 5.00
8 นางสาวสุณัฏฐา บดินทร์ภักดีกุล 4.75
9 นายนพปฎล เจสัน จิรสันติ์ 3.75
10 นายสุชัย หลีระพันธ์ 2.00
11 นายกชพงศ์ หลีระพันธ์ 1.00
12 นายกรหฤต หลีระพันธ์ 1.00
 31

ตารางที่ 2.3 รายละเอียดผู้ถือหุ้นของธุรกิจ (ต่อ)

ลําดับ บริษัทและรายชื่อผู้ถือหุ้น จํานวนหุ้น (ร้อยละ)
13 นางกมลชนก เนื่องจํานง 1.00
14 นายเอกวุฒิ เนื่องจํานง 1.00
15 นายธนรรณ บุษยโภคะ 1.00

าน
ี
การสร้าง Theme Attraction ดังกล่าวเป็นการร่วมมือกันระหว่างบริษัท ฮีโร่ เวนเจอร์จาก
สหรัฐอเมริกาเจ้าของไลเซนต์คาแรคเตอร์ต่าง ๆ จาก Marvel กับบริษัท ฮีโร่ เอ็กซ์พีเรียนซ์ของไทย

าชธ
โดยใช้พื้นที่กว่า 20,000 ตารางเมตรในย่านบางนา ซึ่งทางผู้ประกอบการระบุว่าสามารถรองรับ
นักท่องเที่ยวทั้งชาวไทยและชาวต่างชาติได้มากกว่า 13,000 คนต่อวัน

ร
ุบล
ประสบการณ์ภายใน Marvel Experience นั้นจะแบ่งออกเป็น 7 โดม และเป็นการนําเสนอใน
รูป แบบดิจิทัล ไฮเปอร์เรีย ลิตี้ ที่ท างผู้ส ร้า งระบุว่า จะให้ผู้เล่น เข้า เป็น ส่ว นหนึ่ง ของหน่ว ย ชิล ด์

ยั อ
(S.H.I.E.L.D) ได้พบกับ นิคฟิวรี่ และเหล่าซูเปอร์ฮีโร่จาก MARVEL ส่วนเทคโนโลยีที่นํามาใช้นั้นมีตั้งแต่
ยาล
AR, VR, Holographic ฯลฯ
โดยในขณะนี้ Theme Attraction ดังกล่าวเริ่มก่อสร้างแล้วประมาณ 10% และมีกําหนดแล้ว
เสร็จเดือนพฤษภาคม พ.ศ.2561 นอกจากนั้นยังมีแผนจะออกโรดโชว์ต่างประเทศ ร่วมกับกระทรวง
าวทิ

การท่องเที่ยวและกีฬา ซึ่งทางทีมงานผู้สร้างคาดว่าหากเปิดกิจการแล้ว จะเกิดการใช้จ่ายของนักท่องเที่ยว

์ มห

ภายใน Marvel Experience ประมาณ 2,500 บาทต่อคนต่อวัน และอาจมีแผนต่อยอดไปยังธุรกิจ

โรงแรมที่พักเพิ่มเติมด้วย
ตร

นายริกซ์ลิซท์ ประธานเจ้าหน้าที่บริหาร ฮีโร่ เวนเจอร์ กล่าวว่า “จากการที่เราประสบความสําเร็จ

ในการเปิด The Marvel Experience (TMX) ในประเทศสหรัฐอเมริกา ก็มีหลายประเทศติดต่อเข้ามา
าส

เพื่อขอนํา The Marvel Experience ไปเปิดในประเทศเหล่านั้น แต่จากข้อมูลที่ผมได้รับมา ประเทศ

ารศ

ไทยนั้นมีจํานวนแฟนของ Marvel อยู่มาก เราจึงเล็งเห็นว่าประเทศไทยเป็นประเทศที่เหมาะที่สุดใน

การเปิด Marvel Experience เป็นที่แรกในเอเชียตะวันออกเฉียงใต้ เราตื่นเต้นเป็นอย่างมากที่ได้
ริห

ร่วมงานกับทีมงาน ฮีโร่ เอ็กซ์พีเรียนซ์ นําโดยประธานเจ้าหน้าที่บริหารร่วม นายนพปฎล เจสัน จิรสันติ์

และนายสุรเกียรติ เทียนทอง พวกเขาแสดงให้เห็นถึงประสบการณ์ที่หลากหลาย ความคิดสร้างสรรค์
ะบ

และที่สําคัญความคลั่งไคล้ใน Marvel ซึ่งนั่นเป็นสิ่งสําคัญที่สุด และภายในไตรมาสที่ 2 ปี 2561 แฟน ๆ

คณ

ชาวไทยและนักท่องเที่ยวที่มาเที่ยวประเทศไทย จะได้รับประสบการณ์สุดยอดแบบนี้อย่างแน่นอน”
ด้าน นายนพปฎล เจสัน จิรสันติ์ ประธานเจ้าหน้าที่บริหารร่วม ฮีโร่ เอ็กซ์พีเรียนซ์ กล่าวถึง
มาร์เวล เอ็กซ์พีเรียนซ์ ว่า “เรามีความยินดีอย่างมากที่ตัดสินใจนําThe Marvel Experience เข้ามาใน
ประเทศไทย และมั่นใจว่าจะต้องได้รับการตอบรับอย่างสูง ไม่ใช่แค่เพียงเพราะมีแฟน ๆ ของ มาร์เวล
เป็นจํานวนมากในประเทศไทย แต่เพราะว่าประเทศไทยนับเป็นแหล่งท่องเที่ยว อันดับต้น ๆ ของโลก
ซึ่ง Marvel Experience จะมีส่วนช่วยดึงดูดให้นักท่องเที่ยวมาเมืองไทย เพิ่มขึ้นอีกแน่นอน”ส่วน นาย
สุรเกียรติ เทียนทอง ประธานเจ้าหน้าที่บริหารร่วม ฮีโร่ เอ็กซ์พีเรียนซ์ กล่าวอีกว่า “ประเทศไทยเป็น
จุดหมายการท่องเที่ยวที่มีสถานที่ท่องเที่ยวมากมายและมีวัฒนธรรมที่หลากหลาย เรามีความยินดี
 32

อย่างยิ่งที่ได้นํา เดอะ มาร์เวล เอ็กซ์พีเรียนซ์ เข้ามาเสริมให้การท่องเที่ยวแบบครอบครัวของประเทศ

ไทยเติบโตขึ้น โดยเราคาดว่าจะได้การตอบรับจากนักท่องเที่ยวทั้งชาวไทย และชาวต่างประเทศมากถึง
1 ล้านคนในไตรมาสแรกของการเปิดตัว
รวมถึงยังมีกิจกรรมและการแบ่งโซนที่มีไว้ให้สาํ หรับครอบครัวได้ปฏิบัติและร่วมสนุกไปพร้อม ๆ กัน
เช่น โซนจําหน่ายตั๋ว โซนเด็ก โซนอาหารและเครื่องดื่มที่จะออกแบบเมนูต่าง ๆ ภายใต้ธีมซูเปอร์ฮีโร่
และเป็นโซนที่ไม่ต้องซื้อบัตรก็สามารถเข้ามาใช้บริการในสถานที่ได้ โซน Merchandise และโซน
Marvel Experience (Brandbuffet, 2017) ซึ่งถือเป็นจุดแข็งของธุรกิจ เดอะ มาร์เวล เอ็กซ์พีเรียนซ์

าน
ี
ไทยแลนด์ และยังช่วยให้ธุรกิจนี้มีโอกาสที่จะประสบความสําเร็จในธุรกิจและสามารถดําเนินธุรกิจได้
ในอนาคต ประกอบกับประเทศไทยเป็นเมืองท่องเที่ยวที่ในแต่ละปีจะมีนักท่องเที่ยวจากทั่วโลกเดินทาง

าชธ
เข้ามา จากข้อมูลล่าสุด ณ ปี 2560 มีนักท่องเที่ยวเดินทางเข้ามาในประเทศไทยกว่า 35.38 ล้านคน
(Mr.362degree, 2018: Website) นอกจากนี้ ในประเทศไทยยั งมี แ ฟนคลั บ ซุ ป เปอร์ฮี โร่ม าร์เวล

ร
ุบล
คาแรคเตอร์ต่าง ๆ ที่คาดว่ามีไม่ต่ํากว่า 300,000 ถึง 400,000 คน ในหลากหลายกลุ่มอายุ จึงมองว่า
นอกจากเป็นสถานที่ท่องเที่ยวแห่งใหม่แล้ว การเปิด เดอะ มาร์เวล เอ็กซ์พีเรียนซ์ ไทยแลนด์ ยังเป็น

ยั อ
การขยายฐานแฟนคลับ ทั้งในกลุ่มคนในประเทศไทยและคนต่างประเทศด้วยเช่นกัน
ยาล
2.4 งานวิจัยที่เกี่ยวข้องกับการพยากรณ์
จากการศึกษางานวิจัยที่เกี่ยวข้องกับการพยากรณ์ยอดขายทางธุรกิจ พบว่าผู้วิจัยทั้งหมดไม่ได้ทํา
าวทิ

การเลือกใช้เทคนิคการพยากรณ์เชิงคุณภาพ แต่ได้ทําการเลือกใช้เทคนิคการพยากรณ์เชิงปริมาณ
์ มห

(Quantitative forecasting Methods) โดยใช้วิธีอนุกรมเวลา (Time Series) ในแต่ละวิธี และวัดค่าเฉลี่ย

เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ด้วยวิธี (Mean Absolute Percentage Error: MAPE) ดังนี้
ตร

กนกกาญจน์ มูลผาลา (2557) ศึกษาวิธีการพยากรณ์ยอดขายสินค้าอุปโภคของบริษัทเอกชนแห่ง

หนึ่ง โดยใช้วิธีการพยากรณ์แบบอนุกรมเวลา (Time Series) ทั้งหมด 4 วิธี ได้แก่วิธีค่าเฉลี่ยเคลื่อนที่
าส

(Moving Average Method)วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลครั้งเดียว (Single Exponential

ารศ

Smoothing Method หรือ Simple Exponential Smoothing Method)วิธีการปรับเรียบแบบ

เอ็กซ์โปแนนเชียลซ้ําสองครั้ง(Double Exponential Smoothing Method) หรือวิธีการปรับเรียบ
ริห

เอ็กซ์โปแนนเชียลของโฮลท์ (Holt’s Exponential Smoothing Method) และวิธีการแยกองค์ประกอบ

(Decomposition Method) โดยศึกษาจากข้อมูลยอดขายสินค้าอุปโภคเป็นระยะเวลา 2 ปีตั้งแต่
ะบ

เดือนมกราคม พ.ศ.2555 จนถึงเดือนธันวาคม พ.ศ.2556 รวมทั้งหมด 137 รายการ จากการศึกษา

คณ

พบว่าชุดข้อมูลยอดขายสินค้าของทางบริษัทที่ใช้เหมาะสมมากที่สุดกับเทคนิคการพยากรณ์ยอดขาย
แบบการแยกองค์ประกอบ และวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลครั้งเดียวหรือซ้ําสองครั้งตาม
ค่าความคลาดเคลื่ อนที่ ล ดลงตามลําดับ และเพิ่ มความแม่ นยํ าให้กั บการพยากรณ์ มากกว่าวิธีการ
พยากรณ์ค่าเฉลี่ยเคลื่อนที่ ที่มีค่าความคลาดเคลื่อนสูง โดยคํานวณหาค่าความคลาดเคลื่อนจากค่าเฉลี่ย
เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Percentage Error: MAPE) เนื่องจากชุดข้อมูล
ยอดขายสินค้าของทางบริษัทเป็นข้อมูลที่มีแนวโน้มและเป็นฤดูกาล จึงทําให้มีเพียงแค่ 73 ข้อมูลที่มี
ความเหมาะสมกับวิธีค่าเฉลี่ยเคลื่อนที่
 33

กิตติพงศ์ อินทร์ทอง (2556) ศึกษาวิธีการพยากรณ์ยอดขายสินค้ากลุ่มไฟเบอร์ซีเมนต์ทั้งหมด

6 ชนิด โดยใช้วิธีการพยากรณ์แบบอนุกรมเวลา (Time Series) โดยศึกษาจากข้อมูลยอดขายสินค้าใน
แต่ละชนิดเป็นระยะเวลา 5 ปี ตั้งแต่ พ.ศ.2551 ถึงปีพ.ศ.2555 จากการศึกษาเปรียบเทียบกับยอดขาย
จริงของสินค้าแต่ละชนิดตั้งแต่ ปี พ.ศ. 2555 ถึงปี พ.ศ.2556 พบว่า ข้อมูลสินค้าทั้ง 6 ชนิดเป็นชุด
ข้อมูล ที่ ม ีแ นวโน้ม และเป็น ฤดูก าล จึง เหมาะสํา หรับ วิธีก ารพยากรณ์ข องวิน เทอร์ (Winter’s
Method) ผลการศึกษาพบว่าค่าการพยากรณ์ยอดขายสินค้าของบริษัทมีค่าเท่ากับ 24,331.97 ตัน
ซึ่งให้ค่าความคลาดเคลื่อนระหว่างค่าการพยากรณ์กับยอดขายจริงของสินค้าเท่ากับ 1,954.37 ตัน

าน
ี
หรือคิดเป็นร้อยละเท่ากับ 7.43 %
จัก ริน ทร์ กลั่น เงิน และประภาพรรณ เกษราพงศ์ (2555) ศึก ษาวิธีก ารพยากรณ์ป ริม าณ

าชธ
ความต้องการสินค้าของผู้บริโภคของบริษัทเอกชนแห่งหนึ่ง โดยใช้วิธีการพยากรณ์แบบอนุกรมเวลา
(Time Series) ทั้งหมด 3 วิธี ได้แก่ วิธีค่าเฉลี่ยเคลื่อนที่ (Moving Average Method)วิธีการปรับ

ร
ุบล
เรียบแบบเอ็กซ์โปแนนเชียลซ้ําสองครั้ง(Double Exponential Smoothing Method) หรือวิธีการ
ปรับเรียบเอ็กซ์โปแนนเชียลของโฮลท์ (Holt’s Exponential Smoothing Method) และวิธีการปรับ

ยั อ
เรียบแบบเอ็กซ์โปแนนเชียลของวินเทอร์ (Winter’s Method) โดยศึกษาจากข้อมูลต้นทุนสินค้าคง
ยาล
คลังของทางบริษัท 21 กลุ่มจากสินค้าทั้งหมด 69 กลุ่ม จากการศึกษาพบว่าชุดข้อมูลเหมาะสําหรับ
การเลือกใช้เทคนิคการพยากรณ์ แบบวิธีค่าเฉลี่ยเคลื่อนที่ สังเกตได้จากค่ าความคลาดเคลื่อนจาก
ค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Percentage Error: MAPE) ที่มีค่าต่ํา
าวทิ

จากการใช้โปรแกรมทางสถิติ มินิแทบ (Minitab) ช่วยในการวิเคราะห์พบว่าปริมาณสินค้าคงคลังของ

์ มห

ทางบริษัทลดลงคิดเป็นจํานวนเท่ากับ 36,111,499.70 บาท จากเดิม 44,888,094.85 บาท คิดเป็น

ร้อยละเท่ากับ 19.55% มากกว่าวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลซ้ําสองครั้ง และวิธีการปรับ
ตร

เรียบแบบเอ็กซ์โปแนนเชียลของวินเทอร์ที่มีค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์สูงสังเกตได้
จากจํานวนสินค้าคงคลังที่ทางผู้บริโภคต้องการมีค่าลดลงเพียงเล็กน้อย
าส

ปาริชาติ วงศ์สุนพรัตน์ และรวิพิมพ์ ฉวีสุข (2555) ได้ศึกษาวิธีการพยากรณ์ยอดขายยาแผนโบราณ

ารศ

โดยใช้วิธีการพยากรณ์แบบอนุกรมเวลา (Time Series) ทั้งหมด 3 วิธี ได้แก่ วิธีค่าเฉลี่ยเคลื่อนที่

(Moving Average Method)วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลครั้งเดียว (Single Exponential
ริห

Smoothing Method หรือ Simple Exponential Smoothing Method)และวิธีการปรับเรียบแบบ

เอ็กซ์โปแนนเชียลของวินเทอร์ (Winter’s Method)โดยศึกษาจากข้อมูลยอดขายยาแผนโบราณ
ะบ

จํา นวน 2 ชนิด พบว่า วิธีก ารพยากรณ์แ บบวิธีก ารปรับ เรีย บแบบเอ็ก ซ์โ ปแนนเชีย ลครั้ง เดีย วมี
คณ

ความเหมาะสมกับข้อมูลมากที่สุด สังเกตได้จากค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ (Mean

Absolute Percentage Error: MAPE) ที่มีค่าต่ํามากกว่าวิธีค่าเฉลี่ยเคลื่อนที่และวิธีการพยากรณ์ของ
วินเทอร์ เนื่องจากชุดข้อมูลที่นํามาทําการพยากรณ์ยอดขายมีระยะสั้น และไม่เป็นฤดูกาล
ภัทราพล กองทรัพย์ และนุจิรา กองทรัพย์ (2560) โดยใช้วิธีการพยากรณ์แบบอนุกรมเวลา
(Time Series) ทั้งหมด 3 วิธี ได้แ ก่ วิธีก ารปรับ เรีย บแบบเอ็ก ซ์โปแนนเชีย ลครั้งเดีย ว (Single
Exponential Smoothing Method หรือ Simple Exponential Smoothing Method)วิธีการปรับ
เรียบแบบเอ็กซ์โปแนนเชียลซ้ําสองครั้ง (Double Exponential Smoothing Method) หรือวิธีการ
ปรับเรียบเอ็กซ์โปแนนเชียลของโฮลท์ (Holt’s Exponential Smoothing Method) และวิธีการปรับ
 34

เรียบแบบเอ็กซ์โปแนนเชียลของวินเทอร์ (Winter’s Method) ศึกษาจากยอดขายข้าวฮางงอกของ

กลุ่มวิสาหกิจชุมชนบ้านน้อยจอมศรี จังหวัดสกลนคร ข้อมูลยอดขายข้าวฮางงอกจํานวน 4 ชนิดได้แก่
ข้าวมะลิ 105 ข้าวหอมนิล ข้าวไรซ์เบอร์รี่ และข้าวมะลิแดง โดยใช้ข้อมูลยอดขายย้อนหลัง 3 ปี ตั้งแต่
พ.ศ.2555 จนถึง พ.ศ.2557 จากการศึกษาพบว่าวิธีการพยากรณ์แบบวิธีการพยากรณ์ของวินเทอร์
เหมาะสมกับชุดข้อมูลที่ผู้วิจัยได้ทําการศึกษา เนื่องจากชุดข้อมูลมีระยะเวลาที่ยาวนาน และเป็นฤดูกาล
และสังเกตจากการวิเคราะห์และหาค่าความคลาดเคลื่อนพบว่าให้ค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อน
สัมบูรณ์ (Mean Absolute Percentage Error: MAPE) คิดเป็นร้อยละเท่ากับ 15.61 ซึ่งถือว่ามี

าน
ี
ค่าน้อยมากกว่าวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลครั้งและวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียล
ซ้ําสองครั้งเนื่องจากเทคนิคการพยากรณ์แบบวิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลไม่เหมาะสม

าชธ
กับชุด ข้อ มูล ที ่เ ป็น ชุด ข้อ มูล ระยะยาว และจะเหมาะสมกับ ชุด ข้อ มูล ที่เ ป็น ฤดูก าล จึง ทํา ให้ค ่า
ความคลาดเคลื่อนจากค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Percentage

ร
ุบล
Error: MAPE) มีค่าสูงมาก
ลักขณา ฤกษ์เกษม (2554) ศึกษาวิธีการพยากรณ์ความต้องการสินค้าสําหรับการวางแผนการผลิต

ยั อ
กรณีศึกษาการผลิตชุดสะอาด โดยใช้วิธีการพยากรณ์แบบอนุกรมเวลา (Time Series) โดยศึกษาจาก
ยาล
ข้อมูลการผลิตชุดปฏิบัติการณ์สําหรับห้องสะอาดทั้งหมด 1 ปี คือ พ.ศ.2556 และเลือกใช้วิธีการพยากรณ์
แบบวิเคราะห์การถดถอย (Regression Analysis Method) จากการศึกษาพบว่าชุดข้อมูลเหมาะสม
มากที่ สุ ดกั บเทคนิ คการพยากรณ์ แบบวิเคราะห์ การถดถอย สั งเกตได้ จากค่ าเฉลี่ ยเปอร์เซ็ นต์ ความ
าวทิ

คลาดเคลื่อนสัมบูรณ์ (Mean Absolute Percentage Error: MAPE) ที่ให้ค่าน้อยมาก

์ มห

จากการศึกษางานวิจัยที่เกี่ยวข้องกับการพยากรณ์ พบว่าผู้วิจัยทั้งหมดได้ทําการเลือกใช้เทคนิค
การพยากรณ์ เชิงปริมาณ โดยใช้วิธีอนุกรมเวลา (Time Series) ในแต่ละวิธี โดยมีวิธีการพยากรณ์
ตร

ทั้งหมด 6 วิธี เพื่อหาวิธีการพยากรณ์ที่มีความเหมาะสมกับข้อมูลยอดขายสินค้าในแต่ละลักษณะตาม

ตารางที่ 2.4 ดังนี้
าส
ารศ
ริห
ะบ
คณ
 35

ตารางที่ 2.4 เทคนิคการพยากรณ์ทนี่ ํามาศึกษา

าน
ี
าชธ
ที่ ชื่อผู้วิจัย ประเภทธุรกิจ วิธี วิธีค่าเฉลี่ย วิธีการปรับ วิธีการปรับ วิธีการปรับ วิธีการแยก
วิเคราะห์ เคลือ่ นที่ เรียบแบบ เรียบแบบ เรียบแบบ องค์ประกอบ
การถดถอย เอ็กซ์โปแนน เอ็กซ์โปแนน เอ็กซ์โป

ร
ุบล
เชียลครั้งเดียว เชียลซ้ําสอง แนนเชียล
ครั้ง ของวินเทอร์

ยั อ
1 จักรินทร์ กลั่นเงิน และประภาพรรณ ไม่ระบุ
  
เกษราพงศ์ (2555)

ยาล
2 กิตติพงศ์ อินทร์ทอง (2556) ไฟเบอร์ซีเมนต์ 
3 กนกกาญจน์ มูลผาลา (2557) ไม่ระบุ
   

าวทิ
4 ภัทราพล กองทรัพย์ และนุจริ า กอง ข้าวฮางงอก

์ มห
ทรัพย์ (2560)   
5
ฉวีสุข (2555) ตร
ปาริชาติ วงศ์สุนพรัตน์ และรวิพิมพ์ ยาแผนโบราณ
  
าส
6 ลักขณา ฤกษ์เกษม (2554) การผลิตชุด
ารศ

สะอาด
ริห
ะบ
คณ

35