Professional Documents
Culture Documents
Fulltext
Fulltext
โดย
นายธนาวุฒิ ศรีวิรักษ
วิทยานิพนธนี้เปนสวนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรมหาบัณฑิต
สาขาวิชาสถิติประยุกต
ภาควิชาคณิตศาสตร
บัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร
ปการศึกษา 2546
ISBN 974 –464 – 321- 8
ลิขสิทธิ์ของบัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร
A COMPARISON OF INFLATION FORECASTING MODELS: ARIMA INTEREST
RATE TRANSFER FUNCTION AND VECTOR AUTOREGRESSIVE MODELS
By
Thanawut Sriwirak
………………………………………….
(ผูชวยศาสตราจารย ดร.จิราวรรณ คงคลาย)
คณบดีบัณฑิตวิทยาลัย
วันที่…….เดือน…………...พ.ศ. ……….
ผูควบคุมวิทยานิพนธ
1. รองศาสตราจารย ดร.สุดา ตระการเถลิงศักดิ์
2. ผูชวยศาสตราจารย ดร.ปราณี นิลกรณ
คณะกรรมการตรวจสอบวิทยานิพนธ
…………………………………ประธานกรรมการ
(รองศาสตราจารย วัฒนา เกาศัลย)
…………/…………/…………
…………………………………กรรมการ …………………………………กรรมการ
(รองศาสตราจารย ดร.สุดา ตระการเถลิงศักดิ์) (ผูชวยศาสตราจารย ดร.ปราณี นิลกรณ)
…………/…………/………… …………/…………/…………
…………………………………กรรมการ …………………………………กรรมการ
(รองศาสตราจารย วีรานันท พงศาภักดี) (ผูชวยศาสตราจารย ดร.วลัยลักษณ อัตธีรวงศ)
…………/…………/………… …………/…………/…………
K 43515003 : สาขาวิชาสถิติประยุกต
คําสําคัญ : อนุกรมเวลาหลายตัวแปร / อนุกรมเวลา /ภาวะเงินเฟอ
ธนาวุฒิ ศรีวิรักษ : การเปรียบเทียบตัวแบบพยากรณภาวะเงินเฟอระหวางตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย
ตัวแบบ Transfer Function และ ตัวแบบVAR ( A COMPARSION OF INFLATION FORECASTING MODELS: ARIMA,
INTEREST RATE, TRANSFER FUNCTION AND VECTOR AUTOREGRESSIVE MODELS ) อาจารยผูควบคุมวิทยานิพนธ :
รศ. ดร.สุดา ตระการเถลิงศักดิ์ และ ผ.ศ. ดร.ปราณี นิลกรณ 193 หนา. ISBN 974 –464 – 321- 8.
ผลการวิจัยพบวา
(1) ภาวะเงินเฟอของประเทศไทยมีแนวโนมเพิ่มขึ้นอยางชัดเจนในชวงเดือนมกราคม 2540 ถึงประมาณเดือน
กรกฎาคม 2541 และคอย ๆ ลดลงตั้งแตในชวงปลายป 2541 ตอเนื่องถึงไตรมาสแรกของป 2542 หลังจากนั้นภาวะเงินเฟอมีแนว
โนมเพิ่มขึ้นแตไมมากนักจนถึงเดือนสิงหาคม 2544 หลังจากนั้นลดลงเล็กนอย
(2) ในการพยากรณภาวะเงินเฟอ 4 ตัวแบบในแตละกรณีเปนดังนี้
ตัวแบบ ARIMA ที่เหมาะสม คือ
I t = 1.38413301I t −1 − 0.38413301I t − 2 + 0.38419358I t − 5 − 0.38419358I t − 6 + a t
ตัวแบบอัตราดอกเบี้ย ที่เหมาะสมคือ
ˆIt = TBt−1 − EˆRt−1 โดยที่ EˆR t −1 ไดจากตัวแบบ ln ER t − 1. 37000590 ln ER t − 1 = −0. 54018035 S t + a t
ตัวแบบ Transfer Function ตัวแบบที่ไดเหมือนกับตัวแบบ ARIMA
สวนตัวแบบ VAR ที่เหมาะสมคือ
I t = 0. 28638 I t − 1 + 0. 00965 TB t − 1 + 0. 0000000037 35 M 2 t − 1 + A 1, t
(3) จากการเปรียบเทียบประสิทธิภาพในการพยากรณภาวะเงินเฟอทั้งภายในชวงตัวอยางและนอกชวงตัวอยาง
ตัวแบบ VAR ใหคาพยากรณภาวะเงินเฟอที่มีความถูกตองมากที่สุด ตัวแบบอัตราดอกเบี้ยพยากรณภาวะเงินเฟอไดไมคอยดีทั้งใน
การพยากรณภายในชวงตัวอยางและนอกชวงตัวอยาง จากการทดสอบความเอนเอียงในการพยากรณภาวะเงินเฟอภายในชวงตัวอยาง
และนอกชวงตัวอยางพบวามีเพียงตัวแบบ VAR เทานั้นที่ใหคาพยากรณที่ไมมีความเอนเอียง และจากการตรวจสอบการมีสวนรวม
ในการพยากรณภาวะเงินเฟอภายในชวงตัวอยาง พบวาตัวแบบอัตราดอกเบี้ยไมไดใหสารสนเทศในการอธิบายความผันแปรของคา
สังเกตภาวะเงินเฟอเพิ่มจากที่ตัวแบบ ARIMA หรือตัวแบบ VAR ไดอธิบายไวแลว สําหรับการพยากรณภาวะเงินเฟอนอกชวงตัว
อยางพบวาตัวแบบแตละคูใหสารสนเทศในการพยากรณภาวะเงินเฟอคลายคลึงกัน
ง
K43515003 : MAJOR : APPLIED STATISTICS
KEY WORD : MULTIVARIATE TIME SERIES / TIME SERIES/ INFLATION
THANAWUT SRIWIRAK: A COMPARISON OF INFLATION FORECASTING MODELS: ARIMA, INTEREST RATE,
TRANSFER FUNCTION AND VECTOR AUTOREGRESSIVE MODELS. THESIS ADVISORS: ASSO.PROF.SUDA
TRAGANTALERNGSAK, Ph.D., AND ASST.PROF.PRANEE NILAKORN, Ph.D. 193 pp. ISBN 974 –464 – 321- 8.
The objectives of this research were (1) to study the variation of inflation in Thailand (2) to
investigate four inflation forecasting models: ARIMA model, Interest Rate model, Transfer Function model and Vector
Autoregressive model (VAR ) and (3) to compare the efficiency of all four inflation forecasting models, using Root Mean
Square Error (RMSE) and Mean Absolute Percent Error (MAPE) statistics ,bias test and combined models.The monthly data
from January 1997 to Deccember 2001, composing of inflation (I), nominal interest repurchase rates(TB), narrow money (M1)
crude oil prices (Crude) , broad money (M2), and total imports (Import) were used.
จ
กิตติกรรมประกาศ
ฉ
สารบัญ
หนา
บทคัดยอภาษาไทย …………………………………………………………..……………… ง
บทคัดยอภาษาอังกฤษ ………………………………………………………….…….………จ
กิตติกรรมประกาศ ……………………………………………………………….….……… ฉ
สารบัญตาราง …………………………………………………………………….….……… ฌ
สารบัญภาพ …………………………………..……………………………………..……… ฎ
บทที่
1 บทนํา ……………………………………………………………………….………1
ความเปนมาและความสําคัญของปญหา ……………………………….………1
วัตถุประสงค …………………………………………………………………. 11
ขอบเขตของการศึกษา ……..………………………………………………… 11
ขั้นตอนการศึกษา……………………………………………………………….13
ประโยชนที่คาดวาจะไดรับ…………………………………………………… 13
แหลงที่มาของขอมูล…………………………………………………………...13
นิยามศัพท …………………………………………………………….…….. 13
2 ทฤษฎีและงานวิจัยที่เกี่ยวของ ………………………………………………….…. 16
ตัวแบบเชิงสถิติสําหรับการพยากรณอนุกรมเวลา……………………………. 16
การเปรียบเทียบประสิทธิภาพของตัวแบบ..…………………………….….… 44
งานวิจัยที่เกี่ยวของ ………………………………………………………….. 47
3 วิธีดําเนินการวิจัย ………………………………………………………………… 59
ขั้นตอนในการดําเนินงานวิจัย ……………..………………….……………. 59
4 ผลการวิจัย ………………………………………………………………………… 64
ลักษณะความผันแปรของภาวะเงินเฟอ ……..………….. …………………. 64
ตัวแบบที่เหมาะสมสําหรับพยากรณภาวะเงินเฟอ .……………….………….. 75
การเปรียบเทียบประสิทธิภาพระหวางตัวแบบ ……………………………..…152
5 สรุปผลการวิจัย อภิปรายผล และขอเสนอแนะ ………………………………… 159
สรุปผลการวิจัย ……………………………………………….………….... 159
อภิปรายผลการวิจัย.………………………………………………………... 161
ช
บทที่ หนา
ขอเสนอแนะเพื่อการวิจัยคนควาตอไป……………………………………………. 162
บรรณานุกรม ………………………………………………………………………………. 163
ภาคผนวก ………………………………………………………….. ……………………… 167
ภาคผนวก ก ขอมูลที่ใชในงานวิจัย…………………………………………….167
ภาคผนวก ข คาสังเกตกับคาพยากรณภาวะเงินเฟอที่ไดจากตัวแบบ ARIMA
ตัวแบบอัตราดอกเบี้ย ตัวแบบ VAR และคา RMSE กับคา MAPE
ของแตละตัวแบบ……………………………………………………………….180
ประวัติผูวิจัย …………………………………………………………………………………..193
ซ
สารบัญตาราง
ตารางที่ หนา
1 ลักษณะทางทฤษฎีเกี่ยวกับACF และ PACF ของตัวแบบ ARIMA แบบตาง ๆ….….. 24
2 ลักษณะรูปแบบการแทรกแซง …………………………………………. ..……….… 27
3 ตัวอยางลักษณะของ Transfer Function สําหรับ r = 0 ………………………….….. 33
4 ตัวอยางลักษณะของ Transfer Function สําหรับ r = 1 …………………………….. 34
5 สัมประสิทธิ์สหสัมพันธระหวางภาวะเงินเฟอ ( I) อัตราดอกเบี้ยเฉลี่ยซื้อคืน( TB )
ปริมาณเงินตามความหมายแคบ ( M1 ) ราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลก
(Crude) ปริมาณเงินตามความหมายกวาง (M2)
และมูลคาสินคานําเขา( Import )………………………………………………. 73
6 คาประมาณพารามิเตอรของตัวแบบ ARIMA(5,1,0) …………………………....…. 79
7 คาประมาณพารามิเตอรของตัวแบบ ⎛⎜ 1 − φ1 B − φ 5 B 5 ⎞⎟(1 − B )I t = a t …………… 79
⎝ ⎠
8 คาประมาณพารามิเตอรของตัวแบบ ⎛⎜ 1 − φ7 B 7 ⎞⎟(1 − B ) ln ER t = a t ……………….88
⎝ ⎠
9 คาประมาณพารามิเตอรของตัวแบบ (1 − φ1 B )(1 − B )ln ER t = ω0 S t + a t ……..….96
10 คาประมาณพารามิเตอรของตัวแบบ (1 − B ) ln TB t = ⎛⎜ 1 − θ 7 B 7 ⎞⎟a t …….... ….…..106
⎝ ⎠
11 คาของอนุกรม α และ β … ………………………………………………………112
12 คา Impulse Response Weight ν 0 ถึง ν15 ………………………………………..113
13 คา η t ที่ไดจากการคํานวณ…………………………………………………………..113
14 คาประมาณพารามิเตอรของตัวแบบ (1 − φ1 B )η t = a t …………………………..…117
15 คาประมาณพารามิเตอรของตัวแบบ
I ∗t - φ1 I ∗ t −1 = ω0 TB∗ t − 6 - ω1TB∗ t − 7 + a t …………………….……...120
16 คาประมาณพารามิเตอรของตัวแบบ I *t = φ1 I *t − 1 + a t …………………………...120
17 คาประมาณพารามิเตอรของตัวแบบ ⎛⎜ 1 − φ1 B − φ 5 B 5 ⎞⎟(1 − B )I t = a t
⎝ ⎠
ที่ไดจากตัวแบบ Transfer Function …………………………… ….…….…..122
18 คา AIC(p/) ของตัวแบบ VAR………………………………………………….……..143
19 ตัวแบบ VAR เมื่อใชตัวแปรอิสระ 1 ตัวในการพยากรณภาวะเงินเฟอ…….…….…..144
ฌ
20 ตัวแบบ VAR เมื่อใชตัวแปรอิสระ 2 ตัวในการพยากรณภาวะเงินเฟอ………………145
21 ตัวแบบ VAR เมื่อใชตัวแปรอิสระ 3 ตัวในการพยากรณภาวะเงินเฟอ………………146
ตารางที่ หนา
22 ตัวแบบ VAR เมื่อใชตัวแปรอิสระ 4 ตัวในการพยากรณภาวะเงินเฟอ……………..147
23 ตัวแบบ VAR เมื่อใชตัวแปรอิสระ 5 ตัวในการพยากรณภาวะเงินเฟอ……………..148
24 คาประมาณพารามิเตอรของตัวแบบ (I − Φ 1 B )(1 − B )Z t = δ + A t
เมื่อ Zt = [I t , TB t , M 2 t ] ……………..……………………………….….…..149
25 การตรวจสอบความสอดคลองภายในชวงตัวอยางและนอกชวงตัวอยาง……...…....152
26 การทดสอบความเอนเอียงภายในชวงตัวอยาง……………………………….……..153
27 การทดสอบความเอนเอียงนอกชวงตัวอยาง……………………………….……….154
28 การตรวจสอบการมีสวนรวมภายในชวงตัวอยาง……………………….….………155
29 การตรวจสอบการมีสวนรวมภายนอกชวงตัวอยาง…………………………...……157
30 ดัชนีราคาผูบริโภครายเดือนตั้งแตป 2540-2545……………..………………..……168
31 อัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือนตั้งแตป2540-2544…….……………….………170
32 ปริมาณเงินตามความหมายแคบตั้งแตป 2540-2544……………………….……...172
33 ราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลกตั้งแตป 2540-2544…………………….……..174
34 ปริมาณเงินตามความหมายกวางรายเดือนตั้งแต 2540-2544………………………176
35 มูลคาสินคานําเขารายเดือนตั้งแต 2540-2544……………………………….……..178
36 คาสังเกตกับคาพยากรณภาวะเงินเฟอที่ไดจากตัวแบบ ARIMA
ภายในชวงตัวอยางและนอกชวงตัวอยาง………………………………....…181
37 คาสังเกตกับคาพยากรณภาวะเงินเฟอที่ไดจากตัวแบบตัวแบบอัตราดอกเบี้ย
ภายในชวงตัวอยางและนอกชวงตัวอยาง…………………………..………185
38 คาสังเกตกับคาพยากรณภาวะเงินเฟอที่ไดจากตัวแบบตัวแบบ VAR
ภายในชวงตัวอยางและนอกชวงตัวอยาง……………………………..……189
ญ
สารบัญภาพ
ภาพที่ หนา
ก ลักษณะของ ACF ของอนุกรมเวลาแบบ Stationary ………………………………18
ข ลักษณะของ ACF ของอนุกรมเวลาแบบ Non - Stationary ……………………… 19
ค เขตวิกฤตของการทดสอบเดอรบิน – วัตสัน……………………………………….. 46
1 ภาวะเงินเฟอของประเทศไทยระหวางเดือนมกราคม 2540 ถึง ธันวาคม ..……..…. 64
2 อัตราดอกเบี้ยซื้อคืนเฉลี่ยระหวางเดือนมกราคม 2540 ถึง ธันวาคม ………..…...…66
3 ปริมาณเงินตามความหมายแคบระหวางเดือนมกราคม 2540 ถึง ธันวาคม……….…67
4 ราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลกระหวางเดือนมกราคม 2540 ถึง ธันวาคม ….…69
5 ปริมาณเงินตามความหมายกวางระหวางเดือนมกราคม 2540 ถึง ธันวาคม 2544…..70
6 มูลคาสินคานําเขาระหวางเดือนมกราคม 2540 ถึง ธันวาคม 2544………………….72
7 ACF ของอนุกรมเวลาภาวะเงินเฟอ…………………………………………………75
8 ผลตางอันดับ 1 ของอนุกรมเวลาภาวะเงินเฟอกับเวลา………………………………76
9 ACF ของผลตางอันดับ 1 ของอนุกรมเวลาภาวะเงินเฟอ……………………………77
10 PACF ของผลตางอันดับ 1 ของอนุกรมเวลาภาวะเงินเฟอ…………………………..78
11 ACF และPACF ของสวนเหลือจากการพยากรณภาวะเงินเฟอ
โดยวิธี Box-Jenkins………………..………………………….…………….…81
12 สวนเหลือจากการพยากรณภาวะเงินเฟอกับเวลาโดยวิธี Box-Jenkins …………..…..82
13 คาสังเกตภาวะเงินเฟอเทียบกับคาพยากรณภาวะเงินเฟอในชวงตัวอยางและ
นอกชวงตัวอยางโดยวิธีBox-Jenkins ที่ไดจากตัวแบบ ARIMA………………82
14 คาคาดหมายของผลตอบแทนที่แทจริงกับเวลา……………………………………….83
15 ACF ของอนุกรมเวลาคาคาดหมายของผลตอบแทนที่แทจริง……………………….84
16 ผลตางอันดับ 1 ของคาลอกการิทึมของคาคาดหมายของผลตอบแทนที่แทจริง………85
17 ACF ผลตางอันดับ 1 ของคาลอกการิทึมของคาคาดหมายของผลตอบแทนที่แทจริง...86
18 PACF ผลตางอันดับ 1 ของคาลอกการิทึมของคาคาดหมายของผลตอบแทนที่แทจริง.87
19 ACF ของสวนเหลือจากการพยากรณคาคาดหมายผลตอบแทนที่แทจริง
โดยวิธี Box- Jenkins……………………..……………………………….…....88
20 PACF ของสวนเหลือจากการพยากรณคาคาดหมายผลตอบแทนที่แทจริง
โดยวิธี Box-Jenkins…………………………..……………………………..…89
ฎ
ภาพที่ หนา
21 สวนเหลือจากการพยากรณคาคาดหมายของผลตอบแทนที่แทจริงกับเวลา
โดยวิธี Box-Jenkins ……………………………………………………….….90
22 คาคาดหมายผลตอบแทนที่แทจริงเทียบกับคาพยากรณคาคาดหมาย
ของผลตอบแทนที่จริงภายในชวงตัวอยาง…………………………………….91
23 ACF ของอนุกรมเวลาคาคาดหมายของผลตอบแทนที่แทจริง
โดยวิธี Box-Jenkins …………………………………………………………..93
24 ACF ผลตางอันดับ 1 ของคาลอกการิทึมของคาคาดหมาย
ของผลตอบแทนที่แทจริงโดยวิธี Box-Jenkins ………….…………….….…..94
25 PACF ผลตางอันดับ 1 ของคาลอกการิทึมของคาคาดหมาย
ของผลตอบแทนที่แทจริงโดยวิธี Box-Jenkins ………………….……………95
26 ACF และ PACF ของสวนเหลือจากการพยากรณคาคาดหมายผลตอบแทนที่แทจริง
โดยวิธี Box-Jenkins รวมกับการวิเคราะหการแทรกแซง………………..……97
27 สวนเหลือจากการพยากรณคาคาดหมายของผลตอบแทนที่แทจริงกับเวลาโดยวิธี
Box-Jenkins รวมกับการวิเคราะหการแทรกแซง………………….…….……98
28 คาคาดหมายผลตอบแทนที่แทจริงเทียบกับคาพยากรณคาคาดหมาย
ของผลตอบแทนที่จริงภายในชวงตัวอยางโดยวิธี Box-Jenkins รวมกับการ
วิเคราะหการแทรกแซง………………………………………………..………99
29 คาสังเกตภาวะเงินเฟอเทียบกับคาพยากรณภาวะเงินเฟอภายในชวงตัวอยาง
และนอกชวงตัวอยางโดยวิธี Box-Jenkinsรวมกับการวิเคราะหการแทรกแซง
ที่ไดจากตัวแบบอัตราดอกเบี้ย …….……..………….………..……...……...100
30 ACF ของอนุกรมเวลาอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือน……………….….….…...102
31 ผลตางอันดับ 1 ของคาลอกการิทึมของอนุกรมเวลาอัตราดอกเบี้ยซื้อคืนเฉลี่ย
รายเดือนกับเวลา……………………………………………………….……103
32 ACF ผลตางอันดับ 1 ของคาลอกการิทึมอนุกรมเวลา
อัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือน ………………………………….…… 104
33 PACF ผลตางอันดับ 1 ของคาลอกการิทึมอนุกรมเวลา
อัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือน………………………….……….……..105
34 ACF และ PACF ของสวนเหลือจากการพยากรณของอนุกรม ˆa t ……….….….….107
ฏ
ภาพที่ หนา
35 สวนเหลือจากการพยากรณอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือนกับเวลา
โดยวิธี Box- Jenkins……………………………………….………….………108
36 คาสังเกตอัตราดอกเบี้ยซื้อคืนเฉลี่ยกับคาพยากรณอัตราดอกเบี้ยซื้อคืนเฉลี่ย
ภายในชวงตัวอยางโดยวิธี Box-Jenkins ……….……….……………..……..109
37 CCF ระหวาง β และ α ………………………………………………….….………111
38 η t กับเวลา…………………………………..………………………….…………..114
39 ACF ของอนุกรมเวลา η t ……………………………………………..…….….…..115
40 PACF ของอนุกรมเวลา η t …………………………….…………………….……..116
41 ACF และ PACF ของสวนเหลือจากการพยากรณของอนุกรมเวลา
η t โดยวิธี Box- Jenkins………………….…………..…………………..….118
42 สวนเหลือจากการพยากรณ η t กับเวลา…………..………..……………….……….119
43 ACF และ PACF ของสวนเหลือจากการพยากรณภาวะเงินเฟอโดยวิธี
Box- Jenkins ที่ไดจากตัวแบบ Transfer Function……………………...….…121
44 ACF และ PACF ของสวนเหลือจากการพยากรณ
ที่ไดจากตัวแบบ Transfer Function………….………………………………..123
45 สวนเหลือจากการพยากรณภาวะเงินเฟอกับเวลาที่ไดจากตัวแบบ
Transfer Function ……………………………….…….…………………….124
46 CCF ระหวาง α t และ ˆa t ………………………………………………………..….125
47 คาสังเกตภาวะเงินเฟอกับคาพยากรณภาวะเงินเฟอภายในชวงตัวอยาง
และนอกชวงตัวอยางที่ไดจากตัวแบบ Transfer Function …..…..………...…126
48 ACF ของอนุกรมเวลาปริมาณเงินตามความหมายแคบรายเดือน……………………128
49 ผลตางอันดับ 1ของอนุกรมเวลาของ
ปริมาณเงินตามความหมายแคบรายเดือน……………………………..………129
50 ACF ของผลตางอันดับ 1ของอนุกรมเวลา
ปริมาณเงินตามความหมายแคบรายเดือน……………………….………….…130
51 ACF ของราคาเฉลี่ยของน้ํามันดิบในตลาดทั่วโลก……………….……..………..….131
52 ผลตางอันดับ 1 ของอนุกรมเวลา
ราคาเฉลี่ยน้ํามันดิบทั่วโลกรายเดือนกับเวลา…………….…….…………...…132
ฐ
ภาพที่ หนา
53 ACF ของผลตางอันดับ 1 อนุกรมเวลาของ
ราคาเฉลี่ยของน้ํามันดิบในตลาดทั่วโลกรายเดือน………………….…………133
54 ACF ของอนุกรมเวลาปริมาณเงินตามความหมายกวางรายเดือน….….………...…..134
55 ผลตางอันดับ 1ของอนุกรมเวลา
ของปริมาณเงินตามความหมายกวางรายเดือนกับเวลา………..……………...135
56 ACF ของผลตางอันดับ 1 ของอนุกรมเวลา
ปริมาณเงินตามความหมายกวางรายเดือน……………………………..……..136
57 ACFของอนุกรมเวลามูลคาสินคานําเขารายเดือน……..…………..………………..137
58 ผลตางอันดับ 1 ของอนุกรมเวลามูลคาสินคานําเขากับเวลา ……………..…………138
59 ACF ของผลตางอันดับ 1 ของอนุกรมเวลามูลคาสินคานําเขารายเดือน……………139
60 Sample autocorrelation matrix function ของตัวแบบ VAR…..………....…....…....140
61 Partial autoregression matrix ของตัวแบบ VAR………………..….…..………….142
62 เมทริกซสหสัมพันธของสวนเหลือจากการพยากรณภาวะเงินเฟอ
ที่ไดจากตัวแบบ VAR………………………………………………..….… 150
63 สวนเหลือจากการพยากรณภาวะเงินเฟอกับเวลาที่ไดจากตัวแบบ VAR ..….…..…150
64 คาสังเกตภาวะเงินเฟอเทียบกับคาพยากรณภาวะเงินเฟอภายในชวงตัวอยาง
และนอกชวงตัวอยางที่ไดจากตัวแบบ VAR ………………………..……....151
ฑ
บทที่ 1
บทนํา
ความเปนมาและความสําคัญของปญหา
โดยทั่วไป บุคคลหรือครัวเรือน เมื่อมีรายไดจะนํารายไดมาใชจายในการซื้อสินคาและ
บริการ คาใชจายของบุคคลหรือของครัวเรือนในการซื้อสินคาและบริการจะมากหรือนอยยอมขึ้น
อยูกับภาวะราคาสินคาในปนั้น ๆ วาเปนอยางไร ภาวะราคาสินคาสูงยอมสงผลใหคาใชจายของครัว
เรือนสูงตามไปดวย และในขณะเดียวกันถาภาวะราคาสินคาต่ําก็จะสงผลใหคาใชจายในการซื้อสิน
คาและบริการของครัวเรือนต่ําไปดวย
การศึกษาภาวะราคาสินคาในประเทศใดประเทศหนึ่งเปนสิ่งจําเปน เพราะจะทําให
ทราบเสถียรภาพของราคาสินคาและบริการในประเทศนั้น ภาวะที่ระดับราคาสินคาสูงขึ้นเรื่อย ๆ
(Rising Price) หรือเกิดภาวะเงินเฟอ (Inflation) เปนภาวะการณที่ระดับราคาสินคาและบริการโดย
ทั่วไปเพิ่มขึ้นอยางตอเนื่อง หากภาวะเงินเฟอเพิ่มขึ้นแตเพียงเล็กนอยเปนปกติก็จะสรางสิ่งจูงใจแกผู
ประกอบการ แตหากภาวะเงินเฟอเพิ่มขึ้นมากและผันผวนก็จะสรางความไมแนนอนและกอใหเกิด
ปญหาตอระบบเศรษฐกิจ โดยเฉพาะตอการครองชีพของประชาชน และการขาดเสถียรภาพทาง
เศรษฐกิจ ซึ่งเปนอุปสรรคตอการพัฒนาเศรษฐกิจ ซึ่งจะทราบไดตองใชเวลาเปนเครื่องชี้ ยังไมมีนัก
เศรษฐศาสตรคนใดใหคําตอบอธิบายไดชัดเจนวา ระดับราคาสินคาจะตองสูงรวดเร็วเพียงใด และ
นานเทาไรจึงถือวาเกิดภาวะราคาขึ้น โดยทั่วไปก็ถือวา ถาระดับราคาสูงขึ้นเรื่อย ๆ ก็จัดวาเปนภาวะ
ราคาขึ้น หรือภาวะเงินเฟอ (Inflation) ดวยเหตุนี้ ภาวะราคาขึ้นจึงมีหลายขนาดแตกตางกันตาม
ความรุนแรงของระดับราคาสินคาที่สูงขึ้น เริ่มตั้งแตภาวะราคาขึ้นอยางออนที่ระดับราคาสูงขึ้นชา ๆ
จนถึงภาวะราคาขึ้นอยางรุนแรง (hyperinflation) ที่ระดับราคาสินคาสูงขึ้นรวดเร็ว ทําใหคาของ
เงินลดลง ซึ่งจะสงผลใหผูบริโภคซื้อสินคาไดนอยลงในจํานวนเงินเทาเดิม หรือถาตองการสินคา
ปริมาณเทาเดิมตองใชจํานวนเงินมากขึ้น ยิ่งทําใหประชาชนใชจายเงินมากขึ้น ซึ่งสงผลใหเกิดภาวะ
เงินเฟอรุนแรงมากขึ้น ทําใหเงินที่ออมไวเพื่อใชในอนาคตมีความสามารถในการจับจายนอยลงและ
ยังทําใหรายไดจากดอกเบี้ยเงินฝากมีคาลดลงดวย การที่ระดับราคาสินคาสูงขึ้นเรื่อย ๆ นั้นไมได
หมายความวาราคาสินคาทุกชนิดตองสูงขึ้น ราคาสินคาบางชนิดอาจลดลง ราคาสินคาบางชนิดอาจ
คงที่ก็ได สิ่งสําคัญคือราคาสินคาทั้งหมดรวมกันโดยเฉลี่ยแลวตองสูงขึ้น
1
2
เสถียรภาพทางเศรษฐกิจของประเทศ ดังนั้นการพยากรณภาวะเงินเฟอในอนาคตจึงมีความสําคัญตอ
การกําหนดนโยบายและวางแผนงานขององคกรตาง ๆ ทั้งภาครัฐและเอกชน
การพยากรณภาวะเงินเฟอไดรับความสนใจจากนักเศรษฐศาสตรอยางมาก ตัวแบบที่นํา
มาใชในการพยากรณภาวะเงินเฟอมีหลายตัวแบบดวยกัน ซึ่งอาจแบงเปนกลุมตามวิธีการที่ใชได
3 กลุมดังนี้
1. การพยากรณเชิงดุลยพินิจ (Judgmental Forecasts) เปนการพยากรณโดยใชความ
คิดเห็นของผูเชี่ยวชาญในเรื่องนั้น ๆ และสารสนเทศบางอยางที่เกี่ยวของ คาพยากรณอาจไดจาก
การสํารวจความคิดเห็นของผูเชี่ยวชาญ แลวนําผลที่ไดมาทําการวิเคราะหสรุปเปนคาพยากรณ วิธี
การพยากรณแบบนี้มอี ยูหลายวิธี วิธีพยากรณที่นิยมใชกันมาก คือ วิธีเดลฟ (Delphi Method )
2. การพยากรณตัวแปรเดียว (Univariate Forecasts) เปนการพยากรณที่ขึ้นอยูกับคา
ปจจุบันและคาในอดีตของอนุกรมเวลาเพียงชุดเดียว วิธีการพยากรณแบบนี้มีอยูหลายวิธี วิธี
พยากรณที่นิยมใชกันมากคือ วิธี Box - Jenkins หรือ ตัวแบบ ARIMA (Autoregressive Integrated
Moving Average) ซึ่งเขียนอยูในรูปทั่วไปดังนี้
()
φp( B) ΦP Bs (1 − B )d ⎛⎜ 1 − B s ⎞⎟
⎝ ⎠
D
zt =
& ()
θq ( B) ΘQ Bs at
⎪ ⎧z t − µ ถา d = D = 0
โดยที่ &
zt = ⎨
⎪⎩z t ถา d > 0 หรือ D > 0
at คือความคลาดเคลื่อนสุม ณ เวลา t มีการแจกแจงแบบหนึ่ง (Fixed Distribution)
มีคาเฉลี่ย = 0 ความแปรปรวนคงที่ = σ 2
φp( B) = ⎛⎜ 1 − φ1 B − Λ − φ p B p ⎞⎟ คือพารามิเตอรอัตถดถอยอันดับ p
⎝ ⎠
θq ( B) = ⎛⎜ 1 − θ1B − Λ − θ q B q ⎞⎟ คือพารามิเตอรเฉลี่ยเคลื่อนที่อันดับ q
⎝ ⎠
ΘQ Bs () = ⎛⎜ 1 − Θ s B s − Θ 2s B 2s − Θ Qs B Qs ⎞⎟ คือพารามิเตอรเฉลี่ยเคลื่อนที่ของฤดู
⎝ ⎠
กาลอันดับ Q
ΦP Bs() = ⎛⎜ 1 − Φ s B s − Φ 2s B s − Λ Φ Ps B Ps ⎞⎟ คือพารามิเตอรอัตถดถอยของ
⎝ ⎠
ฤดูกาลอันดับ P
(1 − B )d คือ ผลตางในสวนที่ไมใชฤดูกาล
(1 − Bs )D คือ ผลตางในสวนของฤดูกาล
ซึ่งแทนตัวแบบนี้ดวย ARIMA (p , d , q)(P , D , Q)s
4
แตในกรณีที่อนุกรมเวลาที่ศึกษาเกิดการเปลี่ยนแปลงอยางฉับพลันและสงผลกระทบตอ
การพยากรณคาในอนาคต จะใชตัวแปรดัมมี่รวมกับการใชตัวแบบ ARIMA เรียกตัวแบบนี้วา
ตัวแบบการแทรกแซง (Intervention Model) วิธีทั่วไปที่นิยมใชในการกําหนดตัวแปรดัมมี่มีดวยกัน
2 แบบ คือ ตัวแปรขั้นตอน และ ตัวแปรกระตุน เมื่อ
⎧0 กอนเกิดเหตุการณ ⎫ ⎧1 เกิดเหตุการณ ⎫
ตัวแปรขั้นตอน คือ S t = ⎨ ⎬ ; ตัวแปรกระตุน คือ Pt = ⎨ ⎬
⎩1 หลังเกิดเหตุการณ ⎭ ⎩0 ไมเกิดเหตุการณ ⎭
3. การพยากรณหลายตัวแปร (Multivariate Forecasts) คือการพยากรณที่ใชอนุกรม
เวลามากกวาหนึ่งชุด ตัวแบบการพยากรณในกลุมนี้ที่นิยมใชไดแก
ตัวแบบถดถอย (Regression Model) คือตัวแบบที่คาสังเกตของตัวแปรที่ศึกษาเรียกวา
ตัวแปรตามขึ้นอยูกับคาสังเกตของตัวแปรอื่นเรียกตัวแปรอิสระ ตัวแบบเขียนไดดังนี้
= βT x t + ε t
zt
โดยที่ z t คือคาสังเกตของตัวแปรตามที่เวลา t
x t คือเวคเตอรของตัวแปรอิสระที่เวลา t
β คือเวคเตอรของสัมประสิทธถดถอย
εt คือความคลาดเคลื่อนสุม ณ เวลา t ซึ่งมีขอสมมติวา ε t ~ N⎛⎜ 0, σ 2 ⎞⎟ ไมมีสหสัมพันธ
⎝ ⎠
กัน นั่นคือ Cov( ε i , ε j ) = 0 , i ≠ j และไมมีสหสัมพันธกับ x t
ตัวแบบTransfer Function คือตัวแบบที่คาสังเกตของตัวแปรตามเปนฟงกชันของ
คาสังเกตในอดีตและปจจุบันของอนุกรมเวลาของตัวแปรอิสระที่สัมพันธกันซึ่งเขียนไดเปน
z t = ν( B) x t + η t
โดยที่ ν( B) = ν 0 + ν1 B + ν 2 B 2 + ... เรียกเทอมนี้วา Transfer Function
ν 0 , ν1 , ν 2 ,... เรียกวา Impulse Response Weights
ηt คือความคลาดเคลื่อนสุมซึ่งเรียกวา Noise Model เราสามารถเขียน
ω h ( B) B b
ν ( B) =
δ r ( B)
โดยที่ ω h ( B ) = ω0 − ω1 B − ... − ω h B h
δr (B) = 1 − δ1 B − ... − δ r B r
ซึ่ง b เปน delay parameter ซึ่งเปนจํานวนคาบเวลากอนที่ตัวแปร x จะสงผลตอ z t
ตัวแบบ VARMA (Vector Autoregressive Moving Average Models) เปนตัวแบบที่
อธิบายลักษณะความสัมพันธซึ่งกันและกันระหวางอนุกรมเวลาหลายอนุกรม ตัวแบบ VARMA
5
2. วิธีการปรับใหเรียบแบบเอ็กโปเนนเชียล
ตัวแบบอัตราดอกเบี้ยที่คาคาดหมายของผลตอบแทนที่แทจริงหาโดยใชวิธีปรับใหเรียบมีชื่อเรียกวา
ตัวแบบอัตราดอกเบี้ย Naive
Fama (1975) ใชแนวความคิดของตัวแบบอัตราดอกเบี้ยในการพยากรณภาวะเงินเฟอ
โดยมีขอสมมติวาการเปลี่ยนแปลงของคาคาดหมายของผลตอบแทนที่แทจริง ER t −1 มีคาคงที่ และ
พยากรณภาวะเงินเฟอของสหรัฐอเมริกาในระหวางป ค.ศ.1953-1971 โดยใชตัวแบบถดถอย ซึ่งมี
ขอสมมติวาการเปลี่ยนแปลงของคาคาดหมายของผลตอบแทนที่แทจริง ER t −1 รวมอยูใน β 0
I t = β 0 + β1TB t −1 + ε t
โดยที่ I t คือ คาสังเกตของภาวะเงินเฟอที่เวลา t
β 0 , β1 คือ พารามิเตอรถดถอย
εt คือ ความคลาดเคลื่อนสุม
Hess and Bicksler (1975) พบวาการเปลี่ยนแปลงของคาคาดหมายของผลตอบแทนที่
แทจริงไมไดคงที่ แตผันแปรตามเวลา จากการศึกษาของ Fama (1976) , Garbade and Wachtel
(1978) และ Fama and Gibbons (1982) พบวาถาคาคาดหมายของผลตอบแทนที่แทจริงมีลักษณะ
เปน Random walk สามารถใชอัตราดอกเบี้ยในการพยากรณภาวะเงินเฟอไดดี จากการศึกษาของ
Fama and Gibbons (1984)โดยใชขอมูลอัตราดอกเบี้ยรายเดือนของสหรัฐอเมริกา ในป ค.ศ. 1953-
1977 พบวาการเปลี่ยนแปลงของอัตราดอกเบี้ยหลังหักอิทธิพลของภาวะเงินเฟอออกแลว
( TB t −1 - I t ) สามารถอธิบายไดดวยตัวแบบเฉลี่ยเคลื่อนที่ ดังนั้น อัตราดอกเบี้ยหลังหักอิทธิพลของ
ภาวะเงินเฟอออกไปแลว หรือ ผลตอบแทนที่แทจริงสําหรับเวลา t เขียนไดเปน
TB t −1 - I t = ER t −1 + ξ t (2)
เมื่อ ξ t คือ ความคลาดเคลื่อนของผลตอบแทนที่แทจริงที่เวลา t
และผลตางระหวาง ผลตอบแทนที่แทจริง ที่เวลา t และ t-1 คือ
( TB t −1 - I t ) - ( TB t − 2 - I t −1 ) = ∆ER t −1 + ξ t - ξ t −1 (3)
เมื่อ ∆ER t −1 คือ การเปลี่ยนแปลงของคาคาดหมายของผลตอบแทนที่แทจริงระหวางเวลา t-1
กับ t ถา ER t −1 มีพฤติกรรมเปน Random walk ∆ER t −1 และ ξ t เปนกระบวนการ white
noise คือ ∆ER t −1 และ ξ t เปนตัวแปรสุม ซึ่งไดจากการแจกแจงแบบหนึ่งที่มีคาเฉลี่ยคงที่ มัก
สมมติวาเปนศูนย ความแปรปรวนคงที่ และไมมีสหสัมพันธในตัวเองเชนเดียวกับตัวแปร
ความคลาดเคลื่อน a t ดังนั้นจึงใชตัวแปร a t แทน ∆ER t −1 และ ξ t ผลตางระหวางผลตอบ
แทนที่แทจริง ที่เวลา t และ t-1 สามารถแทนดวยกระบวนเฉลี่ยเคลื่อนที่อันดับที่ 1 (first - order
moving average process) ดังนี้
7
( TB t −1 - I t ) - ( TB t − 2 - I t −1 ) = a t - θa t −1 (4)
เมื่อ θ คือพารามิเตอรของตัวแบบเฉลี่ยเคลื่อนที่อันดับที่ 1 ดังนั้นคาพยากรณคาคาดหมายของผล
ตอบแทนที่แทจริงที่เวลา t สามารถคํานวณไดจากสมการ
EˆR t −1 = TB t − 2 - I t −1 - θ̂a t −1
จากตัวแบบในสมการ (1) สามารถคํานวณคาคาดหมายของภาวะเงินเฟอที่เวลา t ( EI t −1 )ซึ่งใชใน
การพยากรณภาวะเงินเฟอ (ˆIt )ไดดังนี้
ˆIt = EI t −1 = TB t −1 - EˆR t − 1 (5)
สําหรับตัวแบบอัตราดอกเบี้ย Naive ซึ่งใชเทคนิคการปรับใหเรียบแบบเอ็กโปเนนเชียล
กับคาคาดหมายของผลตอบแทนที่แทจริง ( ER t −1 ) เทคนิคที่นิยมใชในการทําใหเรียบ คือการใชคา
เฉลี่ยเคลื่อนที่ ให ERˆN t −1 เปนคาพยากรณของคาคาดหมายของผลตอบแทนที่แทจริงที่เวลา t ที่
ไดจากการทําใหเรียบ ดังนั้นคาพยากรณของภาวะเงินเฟอที่เวลา t คํานวณดังนี้
ˆIt = TB t −1 - ERˆN t −1
การตรวจสอบความสามารถในการพยากรณของตัวแบบที่ใชพยากรณนั้น อาจทําได
โดยใชการพยากรณ 2 แบบ คือ
1. คาพยากรณนอกชวงตัวอยาง (Out- of - sample forecasts) หรือ ทางเศรษฐศาสตร
เรียกวา ex ante forecasting คือ การใชขอมูลทั้งหมดในการหาตัวแบบไปพยากรณคาในอนาคตของ
คาสังเกตที่อยูนอกชวงขอมูลที่ใชในการหาตัวแบบ
2. คาพยากรณภายในชวงตัวอยาง (In - sample forecasts) หรือ ทางเศรษฐศาสตร
เรียกวา ex post forecasting คือ การใชขอมูลทั้งหมดในการหาตัวแบบพยากรณคาของขอมูลที่ใช
ในการกําหนดตัวแบบนั้น
การเปรียบเทียบประสิทธิภาพระหวางตัวแบบตาง ๆ ที่ใชในการพยากรณสามารถทําได
หลายลักษณะ โดยทั่วไปจะพิจารณาตามแนวทางตอไปนี้
1. การตรวจสอบความสอดคลองระหวางคาสังเกตกับคาพยากรณ ตัวแบบที่ดีควร
ใหคาพยากรณใกลเคียงคาสังเกต ตัวสถิติที่ใชในการตรวจสอบความสอดคลองมีหลายแบบ ที่ได
รับความนิยมคือ
⎛ 100 ⎞ n e
MAPE : (Mean Absolute Percent Error) MAPE = ⎜⎜ ⎟⎟ ∑ ˆa t I t
⎝ n e ⎠ t =1
1 ne
∑ (ˆa t )
2
RMSE : (Root Mean Square Error) RMSE =
n e i =1
8
2
1 ne
MSE : (Mean Square Error) MSE = ∑ (ˆa t )
n e t =1
1 ne
MAE : (Mean Absolute Error ) MAE = ∑ ˆa t
ne t =1
โดยที่ ât คือ ความคลาดเคลื่อนในการพยากรณ ( I t − ˆI t ) หรือสวนเหลือ ณ เวลา t
It คือ คาสังเกตของอนุกรมเวลา ณ เวลา t
ˆIt คือ คาพยากรณของ It ที่ไดจากตัวแบบ
ne คือ จํานวนคาความคลาดเคลื่อนในการพยากรณ
ตัวแบบที่ดีควรใหคา MAPE , RMSE , MSE , MAE ต่ํา
2. การทดสอบความเอนเอียง (Bias Test) ระหวางคาสังเกตกับคาพยากรณที่ได
จากตัวแบบในการตรวจสอบจะใชสมการถดถอยของคาสังเกตบนคาพยากรณจากตัวแบบที่ทดสอบ
I t = β 0 + β1ˆIt + ε t
เมื่อ I t คือคาสังเกตของอนุกรม ณ เวลา t
ˆIt คือคาพยากรณที่ไดจากตัวแบบทดสอบ
β 0 , β1 คือ พารามิเตอรถดถอย
ε t คือ ความคลาดเคลื่อนสุม ε t ~ N(0, σ 2 ) และ ε i , ε j ไมมีสหสัมพันธกัน (Uncorrelated)
ถาปฏิเสธสมมติฐานหลัก H 0 : β 0 = 0 และ/หรือ H 0 : β1 = 1 ที่ระดับนัยสําคัญที่กําหนดแลวจะ
สรุปคาพยากรณจากตัวแบบที่ทดสอบมีความเอนเอียง
3. การตรวจสอบการมีสวนรวมในการอธิบายภาวะเงินเฟอระหวางคาพยากรณที่
ไดจากแตละตัวแบบ โดยใชสมการถดถอยพหุคูณของคาสังเกตบนคาพยากรณจากตัวแบบ 2 ตัว
แบบใด ๆ I t = β 0 + β1ˆIti + β 2ˆItj + ε t
เมื่อ ˆIti และ ˆIt j คือ คาพยากรณที่ไดจากตัวแบบ i และตัวแบบ j ณ เวลา t ตามลําดับ
β 0 , β1 , β 2 คือ พารามิเตอรถดถอย
ε t ~ N(0, σ 2 )และ ε i , ε j ไมมีสหสัมพันธกัน (Uncorrelated)
ทําการทดสอบสมมติฐาน H 0 : β1 = β 2 = 0 , H1 : H 0 ไมเปนจริง ถาปฏิเสธสมมติฐาน
H 0 : β1 = β 2 = 0 ที่ระดับนัยสําคัญ α แสดงวาคาสังเกตมีความสัมพันธเชิงเสนกับคาพยากรณ
ของตัวแบบอยางนอยหนึ่งตัวแบบ และทําการทดสอบนัยสําคัญของพารามิเตอร H 0 : β j = 0
H 1 : β j ≠ 0 เมื่อ j = 1,2 ถายอมรับ H 0 : β 2 = 0 และปฏิเสธ H 0 : β1 = 0 แสดงวาคา
พยากรณจากตัวแบบ I j ไมไดใหสารสนเทศในการอธิบายความผันแปรของคาสังเกตของอนุกรม
9
งานวิจัยเกี่ยวกับภาวะเงินเฟอในประเทศไทย
ภยันต บรรเทาทุกข (2537) ไดศึกษาผลกระทบของการปรับตัวของรายไดและรายจาย
ภาครัฐบาลที่มีตอภาวะเงินเฟอ บนพื้นฐานของสมมติฐานของ Aghevli-khan การศึกษาครั้งนี้ใชขอ
มูลรายไตรมาสของรายไดและรายจายของรัฐบาล ปริมาณเงิน ระดับราคาและผลิตภัณฑมวลรวม
รายไดในประเทศตั้งแตป 2520- 2533 ผลจากการศึกษาพบวาสมมติฐานของ Aghevli-khan ดัง
กลาวไมเปนจริง
จากความเปนมาที่ไดกลาวขางตน จะเห็นวาการทราบแนวโนมในอนาคตของภาวะเงิน
เฟอนั้นมีความสําคัญอยางยิ่ง ดังนั้นถาสามารถหาวิธีการพยากรณภาวะเงินเฟอที่เหมาะสมไดนาจะ
มีประโยชนในหลาย ๆ ดาน
จากการค น ควาพบว าการศึกษาเกี่ยวกับภาวะเงินเฟอในประเทศไทยสวนใหญมีจุด
ประสงคเพื่อศึกษาหาปจจัยตาง ๆ ที่สงผลตอภาวะเงินเฟอมากกวาการพยากรณคาภาวะเงินเฟอใน
อนาคต ดังนั้นผูวิจัยจึงสนใจศึกษาตัวแบบสําหรับการพยากรณภาวะเงินเฟอ เนื่องจากตัวแบบ
อนุกรมเวลาใชเพียงอนุกรมของคาภาวะเงินเฟอเพียงอยางเดียวในการวิเคราะห สวนตัวแบบอัตรา
ดอกเบี้ยพิจารณาคาคาดหมายของผลตอบแทนที่แ ทจ ริงในการพยากรณภาวะเงินเฟอดวยโดย
คํานวณจากผลตางระหวางอัตราดอกเบี้ยซื้อคืนเฉลี่ยกับคาพยากรณคาคาดหมายของผลตอบแทนที่
แทจริง แตเนื่องจากภาวะเงินเฟออาจไดรับอิทธิพลจากอัตราดอกเบี้ย ณ เวลาเดียวกันและในอดีต
ผูวิจัยจึงสนใจที่จะศึกษาการพยากรณภาวะเงินเฟอโดยใชตัวแบบ Transfer Function ดวย นอกจาก
นี้ผูวิจัยยังสนใจศึกษาปจจัยตาง ๆ ที่นาจะมีความสัมพันธกับภาวะเงินเฟอ ไดแก ขอมูลดัชนีราคาผู
บริโภค อัตราดอกเบี้ยซื้อคืนเฉลี่ย ปริมาณเงินตามความหมายแคบ ราคาเฉลี่ยน้ํามันดิบในตลาดทั่ว
โลก ปริมาณเงินตามความหมายกวาง และมูลคาสินคานําเขา ซึ่งภาวะเงินเฟอ อาจไดรับอิทธิพล
จากปจจัยเหลานี้และสงผลกระทบตอปจจัยเหลานี้ ณ เวลาเดียวกันและในอดีต ผูวิจัยจึงสนใจ
ศึกษาใชตัวแบบ VAR ในการวิเคราะหภาวะเงินเฟอในประเทศไทยดวย
วัตถุประสงคของการศึกษา
1. เพื่อศึกษาลักษณะความผันแปรของภาวะเงินเฟอในประเทศไทย
2. เพื่อหาตัวแบบพยากรณภาวะเงินเฟอของประเทศไทยโดยใชตัวแบบ ARIMA
ตัวแบบอัตราดอกเบี้ย ตัวแบบ Transfer Function และตัวแบบ VAR
3. เพื่อเปรียบเทียบประสิทธิภาพในการพยากรณภาวะเงินเฟอของประเทศไทย
ระหวางตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย ตัวแบบ Transfer Function และตัวแบบ VAR
ขอบเขตของการศึกษา
1. ขอมูลที่ใชในงานวิจัยเปนขอมูลทุติยภูมิประกอบดวย ดัชนีราคาผูบริโภค โดยใชป
2541 เปนปฐาน อัตราดอกเบี้ยซื้อคืนเฉลี่ย ปริมาณเงินตามความหมายแคบ ราคาเฉลี่ยน้ํามันดิบใน
ตลาดทั่วโลก ปริมาณเงินตามความหมายกวาง และมูลคาสินคานําเขา ขอมูลที่ใชเหลานี้เปนขอ
มูลรายเดือนตั้งแตเดือนมกราคม 2540 ถึง ธันวาคม 2544
12
ขั้นตอนการศึกษา
1. ศึกษาวิธีการพยากรณ ปจจัยตาง ๆ และตัวแบบตาง ๆ สําหรับใชในการพยากรณ
ภาวะเงินเฟอ เก็บรวบรวมขอมูล
2. ตรวจสอบขอมูลเบื้องตนเพื่อตรวจลักษณะของอนุกรมเวลาของคาสังเกตและตรวจ
หาคาผิดปกติ
3. วิเคราะหอนุกรมเวลาโดยใชตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย
ตัวแบบ Transfer Function และ ตัวแบบ VAR
4. เปรียบเทียบประสิทธิภาพในการพยากรณภาวะเงินเฟอของประเทศไทยระหวาง
ตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย ตัวแบบ Transfer Function และตัวแบบ VAR
5. สรุปผลการวิจัยและขอเสนอแนะ
ประโยชนที่คาดวาจะไดรับ
1. ทราบถึงลักษณะการเปลี่ยนแปลงของภาวะเงินเฟอซึ่งอาจนํามาใชเปนแนวทางใน
การกําหนดนโยบายดานการเงิน การลงทุนของธุรกิจบริหารประเทศไดอยางเหมาะสม
2. ทราบถึงตัวแบบที่เหมาะสมสําหรับการพยากรณภาวะเงินเฟอของประเทศไทยใน
อนาคต
3. เพื่อเปนแนวทางในการศึกษาคนควา วิจัย วิธีพยากรณอื่น ๆ ที่มีประสิทธิภาพ
มากยิ่งขึ้นตอไป
แหลงที่มาของขอมูล
ขอมูลดัชนีราคาผูบริโภค อัตราดอกเบี้ยซื้อคืนเฉลี่ย ปริมาณเงินตามความหมายแคบ
ปริมาณเงินตามความหมายกวาง และมูลคาสินคานําเขา ไดจาก website http//www.bot.or.th ของ
ธนาคารแหงประเทศไทย เมื่อวันที่ 27 สิงหาคม พ.ศ. 2545 สวนราคาเฉลี่ยน้ํามันดิบในตลาดทั่ว
โลก ไดจากวารสารนโยบายพลังงาน กระทรวงพลังงาน
นิยามศัพท
1. ดัชนีราคาผูบริโภค (Consumer price index) คือ ดัชนีที่ใชวัดราคาโดยเฉลี่ยของสิน
คาเพื่อการบริโภคเทียบกับราคาในปฐานที่เทากับ 100 ในที่นี้ใชป 2541 เปนปฐาน
2. ภาวะเงินเฟอ (Inflation) หรือภาวะราคาสินคาขึ้น (Rising price) คือ ภาวะการณที่
ระดับราคาสินคาและบริการโดยทั่วไปเพิ่มขึ้นอยางตอเนื่อง
14
งานวิจัยนี้เกี่ยวของกับการวิเคราะหเพื่อหาตัวแบบและเปรียบเทียบประสิทธิภาพของตัว
แบบในการพยากรณภาวะเงินเฟอในประเทศไทย ดังนั้นในการเสนอทฤษฎีและวรรณกรรมที่เกี่ยว
ของจะแบงเปน 3 สวนดังนี้
สวนที่ 1 ตัวแบบเชิงสถิติสําหรับการพยากรณอนุกรมเวลา
สวนที่ 2 การเปรียบเทียบประสิทธิภาพของตัวแบบ
สวนที่ 3 งานวิจัยที่เกี่ยวของ
2.1 ตัวแบบเชิงสถิติสําหรับการพยากรณอนุกรมเวลา
การพยากรณเชิงสถิติ (Statistical Forecasting) คือ กระบวนการคํานวณคาพยากรณโดย
ใชสารสนเทศของคาสังเกตปจจุบันและคาสังเกตในอดีต วิธีการเชิงสถิติที่ใชในการพยากรณอาจ
แบงเปนกลุม 3 กลุมคือ
1. การพยากรณเชิงดุลยพินิจ (Judgemental Forecasts) เปนการพยากรณโดยใชความ
คิดเห็นของผูเชี่ยวชาญในเรื่องนั้น ๆ และสารสนเทศบางอยางที่เกี่ยวของ คาพยากรณอาจไดจาก
การสํารวจความคิดเห็นของผูเชี่ยวชาญ แลวนําผลที่ไดมาทําการวิเคราะหสรุปเปนคาพยากรณ วิธี
การพยากรณแบบนี้มีอยูหลายวิธี แตวิธีพยากรณที่นิยมใชกันมาก คือ วิธีเดลฟ (Delphi Method)
2. การพยากรณตัวแปรเดียว (Univariate Forecasts) เปนการพยากรณที่ขึ้นอยูกับคา
ปจจุบันและคาในอดีตของอนุกรมเวลาเพียงชุดเดียว วิธีการพยากรณแบบนี้มีอยูหลายวิธีวิธี
พยากรณแบบตัวแปรเดียวที่นิยมใชกันมากคือ วิธี Box – Jenkins
3. การพยากรณหลายตัวแปร (Multivariate Forecasts) เปนการพยากรณที่ใชอนุกรม
เวลาของตัวแปรมากกวาหนึ่งตัวแปรซึ่งมีอยูดวยกันหลายตัวแบบ เชน ตัวแบบการถดถอย
ตัวแบบ Transfer Function ตัวแบบ VARMA
16
17
ในงานวิจัยนี้จะศึกษาเฉพาะการพยากรณตัวแปรเดียวและการพยากรณหลายตัวแปร
ในกรณีที่อนุกรมเวลาไมคงที่ทั้งระดับคาเฉลี่ยและความแปรปรวน จะตองทําการ
แปลงรูปเพื่อปรับใหเปนอนุกรมเวลาที่มีความแปรปรวนคงที่กอนแลวจึงปรับใหอนุกรมเวลามี
ระดับคงที่โดยการหาผลตางที่เหมาะสม (Wei 1990:77)
การตรวจสอบวาอนุกรมเวลาเปนแบบ Stationary หรือไมสามารถทําไดโดยการพลอต
กราฟอนุกรมเวลา ถาระดับของอนุกรมเวลามีลักษณะผันแปรรอบระดับคาหนึ่งแสดงวาอนุกรม
เวลามีคาเฉลี่ยคงที่ และถาการกระจายของขอมูลมีลักษณะคงที่แสดงวาความแปรปรวนอนุกรมเวลา
คงที่
สําหรับการตรวจสอบความแปรปรวนรวมในตัวเองนั้น เนื่องจากขนาดของ
ความแปรปรวนรวมขึ้นกับขนาดหนวยของขอมูล ดังนั้นในการศึกษาลักษณะความแปรปรวนรวม
ระหวางอนุกรมเวลาที่หางกัน k หนวยเวลา คือ z t กับ z t + k จึงนิยมใชคาสหสัมพันธในตัวเอง
(Autocorrelation)
E (z t − µ )(z t + k − µ ) Cov (z t , z t + k )
ρ(z t , z t + k ) = =
E ⎡(z t − µ )2 ⎤ E ⎡(z t + k − µ )2 ⎤ V (z t )V (z t + k )
⎢⎣ ⎥⎦ ⎢⎣ ⎥⎦
อนุกรมเวลาที่ Stationary จะมีความแปรปรวนคงที่ V (z t ) = V(z t + k ) และ Cov(z t , z t + k ) = γ (k )
ขึ้นกับคา k ดังนั้น ρ(z t , z t + k ) จะขึ้นกับชวงหางของเวลา k (หรือ lag k ) เชนกัน ดังนั้น
γ
ρ(z t , z t + k ) = ρ k = k
γ0
กราฟของคาสหสัมพันธในตัวเองกับ lag k เรียก ฟงกชันสหสัมพันธในตัวเอง
(Autocorrelation Function) หรือเรียกสั้น ๆวา ACF กราฟของ ACF นี้สามารถใชตรวจสอบวา
อนุกรมเวลาเปนแบบ Stationary หรือไมไดดังนี้ ถาอนุกรมเวลาเปนแบบ Stationary ลักษณะของ
ACF จะลดลงอยางรวดเร็วสู 0 เมื่อ lag k เพิ่มขึ้น ดังแสดงในภาพ (ก) แตถาอนุกรมเวลาเปน
Non – stationary ลักษณะของ ACF จะลดลงชาเมื่อ lag k เพิ่มขึ้น ดังแสดงในภาพ (ข)
ρk
ρk
k
ภาพ ข ลักษณะของ ACF ของอนุกรมเวลาแบบ Non – Stationary
Μ Μ Μ Μ Μ
ρ k−1 ρk −2 ρk −3 1
⎡ ρ1 ⎤
⎢ ⎥
Pk* เปนเมทริกซ Pk ซึ่งคอลัมนสุดทายถูกแทนดวย ⎢ρ 2 ⎥
⎢ Μ⎥
⎢ ⎥
⎣ρ k ⎦
20
ตัวแบบARIMA
ตัวแบบที่พิจารณาในที่นี้อาศัยแนวความคิดของ Yule(1921,1927) อางในBox – Jenkins
(1976) ที่วาอนุกรมเวลาที่มีลําดับตอเนื่องและมีสหสัมพันธในตัวเอง สามารถแสดงในรูปผลบวก
เชิงเสนของอนุกรมที่เปนอิสระกันคือ
∞
z t = µ + a t + ψ1a t −1 + ψ 2 a t − 2 + ... = µ + ∑ ψ ja t − j ………(1)
j= 0
z t = ψ (B )a t
หรือเขียนอยูในรูป Backshift Operator เปน &
∞
z t = z t − µ , ψ(B ) = ⎛⎜ 1 + ψ 1 B + ψ 2 B 2 + ... ⎞⎟ หรือ ∑ ψ j B j , ψ 0 = 1 และ
โดยที่ &
⎝ ⎠ j= 0
B ja t = a t − j
คือตัวแปรสุมที่มีการแจกแจงแบบหนึ่ง (Fixed Distribution) มีคาเฉลี่ย = 0
at
และความแปรปรวนคงที่ เรียกอนุกรม a t , a t −1 ,… วากระบวนการ White Noise
∞
ψj เปนน้ําหนักซึ่ง ∑ ψ 2j < ∞ เทอมของ ψ j อาจมีจํานวนจํากัด หรืออนันตก็ได
j= 0
ตัวแบบในสมการ(1) เปนการแทนอนุกรมเวลาในรูปแบบที่เรียกวา คาเฉลี่ยเคลื่อนที่
(Moving Average) หรือ MA ตัวแบบ MA นี้มีคาเฉลี่ย E(z t ) = µ
∞
ความแปรปรวน V (z t ) = γ 0 = σ 2 ∑ ψ 2j
j =0
∞
ความแปรปรวนรวมระหวาง z t กับ z t + k cov (z t , z t + k ) = γ k = σ 2 ∑ ψ jψ j+ k
j= 0
และสหสัมพันธในตัวเองระหวาง z t กับ z t + k
21
∞
∑ ψ jψ j + k
j= 0
ρk = จากความแปรปรวนและสหสัมพันธในตัวเองซึ่งเปนผลบวกจํานวนอนันต
∞ 2
∑ψj
j= 0
∞
ของ ψ อนุกรมเวลาจะคงที่ก็ตอเมื่อ ∑ ψ 2j < ∞
j= 0
∞
ดังนั้นเงื่อนไข ∑ ψ 2j < ∞ จึงเปนเงื่อนไขสําหรับการคงที่ (Stationary Condition)
j= 0
ตัวแบบ ARIMA สามารถแทนในอีกรูปหนึ่งคือ เปนผลบวกเชิงเสนของคาสังเกตใน
อดีตกับความคลาดเคลื่อน z t = δ + π1 z t −1 + π 2 z t − 2 + ... + a t …..….(2)
หรือ &
z t = π1& z t − 2 + ... + a t เขียนอยูในรูป Backshift Operator หรือ π(B )&
z t −1 + π 2 & zt = at
∞
โดยที่ π(B ) = 1 − π1 B − π 2 B 2 − ... = 1 − ∑ π jB j โดย B jz t = z t − j
j =1
คือตัวแปรสุมที่มีการแจกแจงแบบหนึ่ง (Fixed Distribution) มีคาเฉลี่ย = 0
at
และความแปรปรวนคงที่ เรียกอนุกรม a t , a t −1 ,… วากระบวนการ White Noise π j เปน
∞
น้ําหนักซึ่ง ∑ π 2j < ∞ เทอมของ π j อาจมีจํานวนจํากัด หรืออนันตก็ได
j= 0
ตัวแบบในสมการ(2) เปนการแทนอนุกรมเวลาในรูปแบบที่เรียกวาอัตถดถอย
Autoregressive หรือ ตัวแบบ AR
ตัวแบบทั้งสองรูปแบบมีความสัมพันธกันคือ ตัวแบบ AR สามารถแทนในรูป MA ได
1
z t = ψ (B )a t =
ดังนี้ & at โดย ψ(B ) สอดคลองกับเงื่อนไขการคงที่ (Stationary Condition)
π(B )
∞ 2
∑ψj < ∞ ความสัมพันธนี้จะเปนไปไดก็ตอเมื่อรากของ π(B ) = 0 อยูนอกวงกลมรัศมี 1หนวย
j= 0
นั่นคือ ∑ π 2j < ∞ เรียกเงื่อนไขนี้วาเงื่อนไขการหาผกผันได (Invertible Condition)
รูปแบบขางตนเปนรูปแบบอัตถดถอยและเฉลี่ยเคลื่อนที่อยูในรูปแบบอนันตเทอมซึ่งไม
สามารถประมาณพารามิเตอรทั้งหมดในตัวแบบไดเพราะคาสังเกตของอนุกรมเวลามีจํานวนจํากัด
ดังนั้นจึงตองสรางตัวแบบใหมีพารามิเตอรจํากัด
ถาน้ําหนัก ψ ที่ไมเทากับ 0 มีอยูจํานวนจํากัด คือ
ψ1 = −θ1 , ψ 2 = −θ 2 ,..., ψ q = −θ q และ ψ k = 0 สําหรับ k > q อนุกรมเวลาจะมีตัวแบบ
22
z t = θ q (B )a t เมื่อ &
หรือเขียนอยูในรูป Backshift Operator เปน & zt = zt − µ ,
θq ( B) = ⎛⎜ 1 − θ1B − Λ − θq B q ⎞⎟ , B i a t = a t − i
⎝ ⎠
โดยที่ คือคาเฉลี่ยของกระบวนการ
µ
θ i คือพารามิเตอรของตัวแบบที่ตองประมาณคา
a t คือความคลาดเคลื่อนสุม ซึ่งสมมติวามีการแจกแจงแบบหนึ่ง (Fixed
Distribution) มีคาเฉลี่ย = 0 และความแปรปรวน = σ 2 และ a t , a s ไมมีสหสัมพันธกันถา t ≠ s
ตัวแบบนี้มีคาเฉลี่ย E(z t ) = µ
⎛ q ⎞
ความแปรปรวน V (z t ) = γ 0 = σ 2 ⎜⎜ ∑ θ 2i ⎟⎟ โดย θ0 = 1
⎝ i =0 ⎠
ความแปรปรวนรวมระหวาง z t กับ z t + k
⎧⎪σ 2 (− θ + θ θ
cov (z t , z t + k ) = γ k = ⎨ k 1 k +1 + θ 2 θ k + 2 + ... + θ q − k θ q ) , k = 1, 2 ,..., q
⎪⎩0 ,k > q
และสหสัมพันธในตัวเองระหวาง z t กับ z t + k
⎧ − θ k + θ1θ k + 1 + θ 2 θ k + 2 +... + θ q − k θ q
⎪ k = 1, 2 ,..., q
ρk = ⎨ 1 + θ12 + θ 22 + ... + θ 2q ,k>0
⎪
⎩0 k>q
δ
ตัวแบบนี้มีคาเฉลี่ย E(z t ) = µ = โดย φ0 = 1
p
∑ φj
j= 0
σ2
ความแปรปรวน V (z t ) = γ 0 =
1 − ρ1φ1 − ρ 2 φ 2 − ... − ρ p φ p
ความแปรปรวนรวมระหวาง z t กับ z t + k
cov (z t , z t + k ) = γ k = φ1 γ k −1 + φ 2 γ k − 2 + ... + φ p γ k − p , k > 0
และสหสัมพันธในตัวเองระหวาง z t กับ z t + k ρ k = φ1ρ k −1 + φ 2 ρ k − 2 + ... + φ p ρ k − p ,k > 0
ตัวแบบอนุกรมเวลาที่รวมตัวแบบอัตถดถอยอันดับ p และตัวแบบเฉลี่ยเคลื่อนที่อันดับ
q เรียกตัวแบบอัตถดถอย – เฉลี่ยเคลื่อนที่อันดับ p ,q หรือ ARMA(p,q) คือ
z t = δ + φ1 z t −1 + φ 2 z t − 2 +…+ φ p z t − p + a t - θ1a t −1 - θ 2 a t − 2 - …- θ q a t − q
φp( B) = ⎛⎜ 1 − φ1 B − Λ − φ p B p ⎞⎟
⎝ ⎠
θq ( B) = ⎛1 − θ B − Λ − θ Bq ⎞
⎜ 1 q ⎟⎠ , B i a t = a t − i , B jz t = z t − j
⎝
โดยที่ δ คือ คาคงที่ของกระบวนการ
φ i และ θ i เปนพารามิเตอรของตัวแบบที่จะตองประมาณคา
a t เปนความคลาดเคลื่อนสุม ซึ่งสมมติวามีการแจกแจงแบบหนึ่ง (Fixed
Distribution) มีคาเฉลี่ย = 0 และความแปรปรวน = σ 2 และ a t , a s ไมมีสหสัมพันธกันถา t ≠ s
δ
ตัวแบบนี้มีคาเฉลี่ย E(z t ) = µ = โดย φ0 = 1
p
∑ φj
j= 0
ความแปรปรวน V (z t ) = γ 0
= φ1γ1 + φ2γ2 + ... + φp γp + σ2 ⎛⎜1 − θ1 (φ1 − θ1 ) − θ2 (φ1 (φ1 − θ1 )) − ... − θq ⎛⎜φ1q −1 (φ1 − θ1 )⎞⎟⎞⎟
⎝ ⎝ ⎠⎠
ความแปรปรวนรวมระหวาง z t กับ z t + k
cov (z t , z t + k ) = γ k
= φ1 γ k −1 + φ 2 γ k − 2 + ... + φ p γ k − p , k ≥ q + 1
และสหสัมพันธในตัวเองระหวาง z t กับ z t + k
ρ k = φ1ρ k −1 + φ 2 ρ k − 2 ... + φ p ρ k − p , k ≥ q + 1
(Box ,Jenkins and Reinsel 1994 :78-79)
24
ที่มา : William W.S. Wei, Univariate and Multivariate Methods (California :Addison -
Wesley,1990),106.
25
⎧⎪z t − µ ถา d = D = 0
โดยที่ zt = ⎨
&
⎪⎩z t ถา d > 0 หรือ D > 0
เหลือลดลง กระบวนการประมาณคาพารามิเตอรนี้จะทําซ้ําจนกวาจะไดผลลัพธซึ่งสอดคลองกับ
เงื่อนไขของการลูเขาที่กําหนด ซึ่งอาจประกอบดวยจํานวนรอบสูงสุดของการยอนซ้ํา การลดลงของ
ผลรวมของความคลาดเคลื่อนกําลังสองในรอบติดกันมีคานอยกวาคาที่กําหนด หรือคาสูงสุดของ
การเปลี่ยนแปลงคาพารามิเตอรนอยกวาคาที่กําหนด เปนตน (Wei 1990:146)
หลังจากการประมาณคาพารามิเตอรของตัวแบบ ARIMAแลว จะตองตรวจสอบความ
ถูกตองของตัวแบบซึ่งจะกลาวตอไปในขอ 2.1.3
ตารางที่ 2 ลักษณะรูปแบบการแทรกแซง
ชนิดของผลกระทบการแทรกแซง รูปแบบการ รูป
แทรกแซง
เปลี่ยนแปลงกระทันหันและผลกระทบ ωS t St
ยังคงอยูถาวร 1
0 T t
คอย ๆ เปลี่ยนแปลงที่ละนอยและผล ωB S St
t
กระทบคงอยูถาวร 1 − δB 1
0 T t
ω
เปลี่ยนเปลงเพิ่มขึ้นเรื่อย ๆ แบบเชิงเสน St St
1−δ
1
0 T t
เปลี่ยนแปลงกระทันหันและผลกระทบ Pt
คงอยูชั่วคราว ωPt 1
0 T t
ที่มา : Walter Vandaele, Applied Time Series and Box- Jenkins Models (New York :Academic
Press, 1983),335.
รูปแบบผลกระทบของการแทรกแซง มีหลายรูปแบบขึ้นอยูกับลักษณะการเกิดการแทรกแซงและ
b
ลักษณะของผลกระทบ รูปแบบทั่วไปของผลกระทบสามารถเขียนในรูปฟงกชันอัตราสวน ω(B)B
δ( B)
โดยที่ ω(B) = ω0 − ω1 B − ... − ωs B s คือคาคาดหมายของผลกระทบเริ่มแรกของการ
แทรกแซง
δ(B) = 1 − δ1 B − ... − δ r B r คือลักษณะของพารามิเตอรผลกระทบของการแทรกแซง
ωj คือน้ําหนักของโพลิโนเมียลของ ω(B) โดย j = 0,1,…,s
รูปแบบการแทรกแซงทั่วไปสามารถเขียนไดดังนี้
k ω j (B )B b j θ(B )
zt = ∑ I jt + at
j =1 δ j (B ) ψ(B )
โดยที่ I jt , j = 1,2,…,k คือ ตัวแปรขั้นตอน (Step Function) หรือ
28
β คือ เวคเตอรพารามิเตอรขนาด (q + 1) × 1
ε คือ เวคเตอรความคลาดเคลื่อนสุมขนาด n × 1
โดยมีขอสมมติวา ε i คือ ตัวแปรสุม , ε i ~ N(0, σ 2 ) , ε i , ε j ไมมีสหสัมพันธกัน
(Uncorrelated) นั่นคือ Cov( ε i , ε j ) = 0 , i ≠ j สําหรับ i = 1 , 2 , … , n
ในการประมาณคาพารามิเตอร β นิยมใชวิธีกําลังนอยที่สุด (Least Squares Method)
ถาสมมติความคลาดเคลื่อนขางตนเปนจริงตัวประมาณที่ไดเปนตัวประมาณคาเชิงเสนที่ไมเอนเอียง
ที่มีความแปรปรวนต่ําสุด ตัวประมาณคา β จากวิธีกําลังสองนอยที่สุด คือ βˆ = (X ′X )−1 X ′Z
(สุดา ตระการเถลิงศักดิ์ 2531)
2. ตัวแบบ Transfer Function คือตัวแบบที่อนุกรมเวลาของตัวแปรตามสัมพันธกับ
อนุกรมของตัวแปรอิสระหนึ่งหรือมากกวาหนึ่งอนุกรม ในที่นี้จะกลาวถึงเฉพาะกรณีตัวแปรอิสระ
หนึ่งตัวและคาสังเกตที่เวลาปจจุบันของอนุกรมเวลาของตัวแปรตามสัมพันธกับคาสังเกตของตัว
แปรอิสระที่เวลาปจจุบันและคาสังเกตในอดีตซึ่งเรียกวาตัวแบบเหตุผล (Causal Model)
( Wei 1990:129)
สมมติให z t และ x t เปนอนุกรมเวลาที่ Stationary ของตัวแปรตามและตัวแปรอิสระ
ตามลําดับ ตัวแบบTransfer Function แสดงความสัมพันธของอนุกรม z t กับ x t เขียนไดเปน
z t = ν( B) x t + η t หรือสามารถเขียนไดอีกรูปแบบหนึ่งคือ
z t = ν 0 x t + ν1 x t −1 + ν 2 x t − 2 + ... + η t
∞
โดยที่ ν( B) = ν 0 + ν1 B + ν 2 B 2 + ... = ∑ ν j B j , Box – Jenkins(1976) เรียกเทอมนี้วา
j =0
Transfer Function และเรียกเทอม ηt วา Noise Model ηt จะเปนอิสระกับอนุกรม x t
สัมประสิทธิ์ของ Transfer Function ν 0 , ν1 , ν 2 ,... เรียกวา Impulse Response Weights
∞
ตัวแบบ Transfer Function จะเปนแบบคงที่ (stable) ถา ∑ ν j < ∞
j =0
ในการสรางตัวแบบ Transfer Function จะตองกําหนดตัวแบบของ Transfer Function
ν( B) และ Noise Model ηt โดยใชสารสนเทศจากอนุกรม z t และ x t ดังนี้
σ z คือสวนเบี่ยงเบนมาตรฐานของ z t
ฟงกชันสหสัมพันธไขวมีลักษณะไมสมมาตร ρ xz (k ) ≠ ρ xz (− k ) ดังนั้นในการ
วิเคราะหสหสัมพันธตองคํานวณทั้งขนาดและทิศทางดวย
ฟงกชันสหสัมพันธไขวตัวอยางของอนุกรมเวลา x t และ z t + k
( Sample Cross-Correlation Function) ( ρˆ xz ( k) ) สามารถคํานวณไดดังนี้
γ ( k)
ˆ xz ( k) = ˆ xz σ σ
ρ
ˆ xˆ z
⎧1 n−k
⎪ ∑ ( x t − x )( z t + k − z ), k≥0
⎪n t =1
⎪
เมื่อ ˆγ xz ( k) = ⎨
⎪ n
⎪1 ∑ ( x t − x )( z t + k − z ), k<0
⎪⎩ n t =1 − k
n n
∑ xt ∑ zt
x = t =1 คือคาเฉลี่ยของอนุกรม x t และ z = t =1 คือคาเฉลี่ยของอนุกรม z t
n n
γ̂ xz (k ) คือคาประมาณ Cross – Covariance Function ระหวางอนุกรม x t และ z t ที่หางกัน
k lag σ̂ x = γ̂ xx (0 ) , σ̂ z = γ̂ zz (0 )
1
ความแปรปรวนของ ρ̂ xz (k ) เทากับ โดยประมาณ
n−k
31
σ
ˆβ
เพื่อใชประมาณ ν k , ˆν k = ˆ αβ ( k) เมื่อ σ̂β
ρ คือ ตัวประมาณสวนเบี่ยงเบนมาตรฐานของ
σ
ˆα
βt σ̂ α คือ ตัวประมาณสวนเบี่ยงเบนมาตรฐานของ α t
4. กําหนดคา b,r,h โดยพิจารณาจาก CCF ของ α กับ β ซึ่งมีลักษณะสมมูลกับ
Impulse response weightsของตัวอยาง ( ν̂ k ) เปรียบเทียบกับลักษณะ Impulse response weights
ทางทฤษฎี ν k
โดยที่
b คือจํานวน lag แรกของ CCF ที่มีนัยสําคัญทางสถิติ
r แทนจํานวนคาในอดีตของอนุกรม z ที่มีความสัมพันธกับ z t ถาหลัง lag b กราฟ
CCF ไมไดแสดงลักษณะ ACF ของตัวแบบ AR จะกําหนดให r = 0 , ถาหลัง lag b กราฟ CCF
มีลักษณะลดลงแบบเอกโปเนนเชียลจะกําหนดให r =1 และถาหลัง lag b กราฟ CCF มีลักษณะ
ลดลงแบบ sine waves จะกําหนดให r =2
h คือ จํานวนคาในอดีตของอนุกรม x ที่มีอิทธิพลตอ z t ซึ่งจะเทากับจํานวน lag
หลังจาก lag b ที่ CCF เริ่มแสดงลักษณะของตัวแบบ AR (Bowerman and O’Connell 1993: 666-
667)
ที่มา : William W.S. Wei, Univariate and Multivariate Methods (California :Addison-
Wesley,1990),292.
ที่มา : William W.S. Wei, Univariate and Multivariate Methods (California :Addison-
Wesley,1990),292.
⎡ µ1 ⎤
⎢µ ⎥
เวคเตอรของคาเฉลี่ย E(Zt) = µ =⎢ 2⎥
⎢ Μ⎥
⎢ ⎥
⎣µ m ⎦
เมทริกซความแปรปรวนรวมของเวคเตอร Z t (Covariance Matrix) ใชสัญลักษณ Γ(k )
เปนดังนี้
Γ(k ) = COV (Z t , Z t + k ) = E (Z t − µ )(Z t + k − µ )′
⎡ Z1, t − µ1 ⎤
⎢Z −µ ⎥
= E⎢
⎢
2, t
[
2⎥
Z
Μ ⎥ 1, t + k
− µ1 Z 2 , t + k − µ 2 Λ Z m, t + k − µ m ]
⎢ ⎥
⎢⎣Z m , t − µ m ⎥⎦
⎡ γ 11 (k ) γ 12 (k ) Κ γ 1m (k ) ⎤
⎢ γ (k ) γ (k ) Κ γ (k )⎥
= ⎢ 21 22 2m ⎥
⎢ Μ Μ Μ ⎥
⎢ ⎥
⎣ γ m1 (k ) γ m 2 (k ) Κ γ mm (k )⎦
γ ij (k )
ρ ij (k ) = เรียกวาฟงกชันสหสัมพันธไขว (Cross -Correlation
[γ ii (0 )γ jj (0 )] 1/ 2
⎧Γ ′(1)[Γ(0 )]−1 ;s =1
⎪⎪
P(s ) = ⎨⎧
{
⎪⎨Γ(s ) − c ′(s )[H (s )] b(s )} Γ(0 ) − b ′(s )[H (s )] b (s )
⎪⎩⎩
−1 −1 }
−1
;s >1
37
โดยที่
⎡ Γ(0 ) Γ′(1) Κ Γ′(s − 2 )⎤ ⎡ Γ ′(s − 1)⎤ ⎡ Γ (1) ⎤
⎢ Γ(1) Γ′(0 ) Λ Γ′(s − 3 )⎥ ⎥ ⎢ Γ ′(s − 2 )⎥⎥ ⎢ Γ (2 ) ⎥
H (s ) = ⎢ , b(s) = ⎢ , c(s) = ⎢ ⎥
⎢ Μ Μ Μ Μ ⎥ ⎢ Μ ⎥ ⎢ Μ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣Γ(s − 2 ) Γ(s − 3 ) Λ Γ(0 ) ⎦ ⎣ Γ ′(1) ⎦ ⎣Γ (s − 1)⎦
1 n −s
Γ̂ (s ) = ∑ (Z t − Z )(Z t + s − Z )′ , s =1,2,…; Z = ( Z1 , Z 2 , ..., Z m ) คือเวคเตอรของคาเฉลี่ย
n t =1
Γ ′(. ) เปน transpost ของ Γ(. )
⎧Φ p ,s = p
สําหรับตัวแบบ VAR(p) ; P(s ) = ⎨
⎩0 ,s > p
ดังนั้น P(s ) ของตัวแบบ VAR(p) จะ cut off หลัง lag p คาประมาณ P̂(s ) หาไดโดยการแทน
Γ (s ) ดวยคาประมาณ Γ̂ (s ) ความแปรปรวนของ P̂(s ) ประมาณ 1/n
เนื่องจากจํานวนอนุกรมเวลาเพิ่มขึ้นสงผลใหเมทริกซสหสัมพันธในตัวเอง เมทริกซอัต
ถดถอยบางสวน และกราฟสัมประสิทธิ์สหสัมพันธในตัวเอง กราฟสัมประสิทธิ์สหสัมพันธอัตถด
ถอยบางสวน มีความสลับซับซอนทําใหการพิจารณารูปแบบในการกําหนดตัวแบบทําไดยาก Tiao
และ Box (1981) อางใน Wei (1990) ไดกําหนดวิธีการและสัญลักษณ +, - , และ . แทนตําแหนง
(i,j) ของเมทริกซสหสัมพันธในตัวเองเพื่อชวยในการกําหนดตัวแบบ
โดยที่ + คือ คาประมาณเมทริกซสัมประสิทธิ์สหสัมพันธมากกวา 2SE
- คือ คาประมาณเมทริกซสัมประสิทธิ์สหสัมพันธนอยกวา -2SE
. คือ คาประมาณเมทริกซสัมประสิทธิ์สหสัมพันธอยูภายใน 2SE
ตัวแบบ VARMA (p,q) สามารถเขียนในรูป
Φ(B)Z&t = Θ(B)At
โดยที่ Z&t = Z t − µ คือ เวคเตอรของคาสังเกต ณ เวลา t ของตัวแปรทั้งหมดรูปของผล
ตางจากคาเฉลี่ย ในที่นี้สมมติมีอนุกรมเวลาของตัวแปรทั้งหมด m อนุกรม
A t คือ เวคเตอรของความคลาดเคลื่อนสุม
Φ(B), Θ(B) คือ เมทริกซโพลิโนเมียลของ backshift operator B อันดับ p และ q ตามลําดับ
เมื่อ Φ(B) = ⎛⎜ I − Φ 1 B − Φ 2 B 2 − Λ − Φ p B p ⎞⎟
⎝ ⎠
Θ(B) = ⎛⎜ I − Θ B − Θ B 2 − ... − Θ B q ⎞⎟
1 2 q ⎠
⎝
I คือ เมทริกซเอกลักษณ ขนาด m × m
38
Φ1 , Φ 2 , … , Φ p และ Θ1 , Θ 2 , … , Θ q คือเมทริกซพารามิเตอรขนาด m × m
ถา q = 0 และ Θ(B) = I จะไดตัวแบบที่มีชื่อเรียกเฉพาะวา Vector Autoregressive อันดับ p ;
VAR(p) ตัวแบบทั่วไปเขียนไดเปน Φ(B)Z&t = A t
ถา p = 0 และ Φ(B)= I จะไดตัวแบบที่มีชื่อเรียกเฉพาะวา Vector Moving average อันดับ q ;
VMA(q) ตัวแบบทั่วไปเขียนไดเปน Z&t = Θ(B)A t
ซึ่งในงานวิจัยนี้จะใชตัวแบบ VAR ( Vector Autoregressive Model ) คือ
Z t = δ + Φ 1Z t −1 + Φ 2 Z t − 2 + ... + A t
หรือเขียนอยูในรูป Backshift Operator เปน Φ p (B )Z&t = A t เมื่อ Z&t = Z t − µ , B jZ t = Z t − j
โดยที่ δ คือ เวคเตอรคาคงที่ของกระบวนการ
Φ i คือ เมทริกซพารามิเตอรของตัวแบบที่ตองประมาณคา
A t คือ เวคเตอรความคลาดเคลื่อนสุม ซึ่งสมมติวามีการแจกแจงแบบหนึ่ง (Fixed
Distribution) เวคเตอรของคาเฉลี่ย = 0 เมทริกซความแปรปรวน = Σ 0 และ A t , A t − k
ไมมีสหสัมพันธกัน ถา k ≠ 0
δ
ตัวแบบ VAR นี้มีคาเฉลี่ย E(Zt) = µ = โดย Φ 0 = I
p
∑Φj
j= 0
เมทริกซความแปรปรวน Γ(0 ) = Γ ′(1)Φ 1′ + Γ ′ (2 )Φ ′2 + ... + Γ ′(p )Φ ′p + Σ 0
เมทริกซความแปรปรวนรวมระหวาง Z t กับ Z t + k
cov (Z t , Z t + k ) = Γ (k ) = Γ ′(k − 1)Φ 1′ + Γ ′ (k − 2 )Φ ′2 + ... + Γ ′(k − p )Φ ′p , k > p
2.1.3 การตรวจสอบความถูกตองของตัวแบบ
41
หลังจากกําหนดตัวแบบของอนุกรมเวลาและหาคาประมาณพารามิเตอรของตัวแบบ
แลวกอนที่จะนําตัวแบบไปใชในการพยากรณภาวะเงินเฟอ จะตองตรวจสอบความเหมาะสมของ
ตัวแบบกอน
การตรวจสอบวาตัวแบบเหมาะสมเพียงพอที่จะนําไปใชในการพยากรณตอไปหรือไม
สามารถแบงออกเปน 2 กลุมใหญ ๆ คือ การตรวจนัยสําคัญของพารามิเตอร และการตรวจสอบ
ขอสมมติของความคลาดเคลื่อน
1.การตรวจนัยสําคัญของพารามิเตอร
การตรวจนัยสําคัญของพารามิเตอร เปนการตรวจสอบวาพารามิเตอรนั้นควรอยูในตัว
แบบ หรือตัวแบบมีพารามิเตอรมากเกินความจําเปนหรือไม ดังนั้นเพื่อใหไดตัวแบบที่เหมาะสม
ในการพยากรณจึงควรตัดพารามิเตอรที่ไมมีนัยสําคัญออกจากตัวแบบ การทดสอบนัยสําคัญของ
พารามิเตอรทําโดยทดสอบสมมติฐาน H0 : θ = 0 กับ H1 : θ ≠ 0 และใชตัวสถิติ
ˆθ
t = เมื่อ ( ) คือ Standard error ของคาประมาณ θ̂
()
SE ˆθ
SE θ̂
SE (ρ̂ k (ˆa t )) ≅ 1
ne
ถาคา ρ̂ k (ˆa t ) < 2SE แสดงวาสวนเหลือไมมีสหสัมพันธกันที่ระดับนัยสําคัญ α = 0. 05 ดังนั้น
ความคลาดเคลื่อนของการพยากรณก็นาจะเปนคาสุมที่ไมมีสหสัมพันธ
ในการตรวจสอบสหสัมพันธบางสวนของความคลาดเคลื่อนของตัวแบบโดยใช PACF
ของสวนเหลือที่ไดจากตัวแบบ จะทดสอบสมมติฐาน H 0 : φ kk (ˆa t ) = 0 , H1 : φ kk (ˆa t ) ≠ 0 ทุกคา
k ถาคา φ̂ kk (ˆa t ) < 2SE โดย SE เปนความคลาดเคลื่อนมาตรฐานของ φ̂ kk (ˆa t ) ซึ่งประมาณดวย
1
แสดงวาสวนเหลือไมมีสหสัมพันธกันที่ระดับนัยสําคัญ α = 0. 05 ดังนั้นความคลาดเคลื่อน
ne
ของการพยากรณก็นาจะเปนคาสุมที่ไมมีสหสัมพันธ
การตรวจสอบสหสัมพันธของความคลาดเคลื่อนของตัวแบบอีกแบบหนึ่งเปนการ
ทดสอบสหสัมพันธโดยรวมดวยตัวสถิติ Box – Ljung ทดสอบสมมติฐาน
H 0 : ρ1 (ˆa t ) = ρ 2 (ˆa t ) = Λ = ρ k (ˆa t ) = 0
H 1 : ρ1 (ˆa t ) = ρ 2 (ˆa t ) = Λ = ρ k (ˆa t ) ≠ 0
ตัวสถิติที่ใชทดสอบคือ
K 1 2
Q(K) = ne(ne+2) ∑ ρ
ˆ k (ˆa t ) ซึ่งมีการแจกแจงแบบ χ 2 องศาเสรี K − n p
k =1 n e − k
เมื่อ np คือ จํานวนพารามิเตอรในตัวแบบ
ne คือ จํานวนคาความคลาดเคลื่อน
K คือ จํานวนสหสัมพันธในตัวเองของสวนเหลือที่ใชในการคํานวณคา Q
k= 1 ,2,… K ถา Q(K) < χ 2 α, K − n p ยอมรับ H 0 : ρ1 (ˆa t ) = ρ 2 (ˆa t ) = Λ = ρ k (ˆa t ) = 0 ทุก
คา k แสดงวาสวนเหลือไมมีสหสัมพันธกันที่ระดับนัยสําคัญ α (Pankratz 1983:227-229)
การตรวจสอบคุณสมบัติการคงที่ของความแปรปรวนสามารถใชกราฟสวนเหลือกับ
เวลา ถากราฟที่ไดแสดงใหเห็นวาสวนเหลือมีลักษณะผันแปรอยางสุมรอบคาศูนย แสดงวาคาเฉลี่ย
เทากับศูนย และถาการกระจายของคาเหลานี้มีลักษณะสม่ําเสมอ กลาวไดวาความคลาดเคลื่อนมี
ความแปรปรวนคงที่
ในการวิเคราะหอนุกรมเวลาดวยตัวแบบ Transfer Function นั้นมีขอกําหนดวา a t เปน
กระบวนการ white noise ซึ่งเปนอิสระกับอนุกรม x t ดังนั้นอนุกรม a t จะตองเปนอิสระกับอนุกรม
α t ซึ่งเปน prewhitening ของ x t ดวย ดังนั้นในการตรวจสอบความเหมาะสมของตัวแบบ
43
1
เปรียบเทียบกับคาความคลาดเคลื่อนมาตรฐาน (SE) ของ ρˆ ij ( ˆA t ) ซึ่งประมาณดวย ≅
ne
ถาคา ρˆ ij ( ˆA t ) < 2SE แสดงวาสวนเหลือไมมีสหสัมพันธกันที่ระดับนัยสําคัญ α = 0. 05 ดังนั้น
ความคลาดเคลื่อนของการพยากรณก็นาจะเปนคาสุมที่ไมมีสหสัมพันธกัน
การตรวจสอบสหสัมพันธของความคลาดเคลื่อนของตัวแบบอีกแบบหนึ่งเปนการ
ทดสอบสหสัมพันธดวยตัวสถิติ Q K ซึ่งตั้งสมมติฐานในการทดสอบวา
H 0 : E(A t A ′t − k ) = 0 , H 1 : E(A t A ′t − k ) ≠ 0
K 1
โดยใชตัวสถิติ Q K = n e2 ∑ tr ⎛⎜ Σ ˆ 0−1Σ
ˆ ′k Σ ˆ 0−1 ⎞⎟
ˆ kΣ
k =1 n e − k ⎝ ⎠
ne
∑ ˆA t ˆA t − k
โดยที่ Σ̂ k คือคาประมาณเมทริกซสหสัมพันธของสวนเหลือ Σˆ k = t = k +1
ne
k = 0,1,2,3,…,K
ne
∑ ˆA t ˆA t
Σ̂ 0 คือ คาประมาณเมทริกซความแปรปรวนของสวนเหลือ ˆ 0 = t =1
Σ
ne
ne คือ จํานวนคาความคลาดเคลื่อน
np คือ จํานวนพารามิเตอรในตัวแบบ
m คือ จํานวนอนุกรมของเวกเตอรสวนเหลือ m อนุกรม
K คือ จํานวนเมทริกซสหสัมพันธของสวนเหลือที่ใชในการคํานวณคา Q
ถา Q K < Q K ≈ χ 2 ⎛⎜ m 2 (K − n p )⎞⎟ นั่นคือยอมรับ H 0 : E(A t A ′t − k ) = 0 ทุกคา k ที่ระดับนัยสําคัญ
⎝ ⎠
α แสดงวาสวนเหลือไมมีสหสัมพันธกันที่ระดับนัยสําคัญ α ( L&
u&tkepohl 1993: 150-152)
2.2 การเปรียบเทียบประสิทธิภาพของตัวแบบ
ในการเปรียบเทียบประสิทธิภาพระหวางตัวแบบตาง ๆ ที่ใชในพยากรณสามารถทําได
หลายลักษณะ โดยทั่วไปจะพิจารณาตามแนวทางตอไปนี้
1. การตรวจสอบความสอดคลองระหวางคาสังเกตกับคาพยากรณ เนื่องจากตัวแบบที่
ดีควรใหคาพยากรณใกลเคียงคาสังเกต ดังนั้นในการตรวจสอบความสามารถในการพยากรณของ
ตัวแบบที่ใชพยากรณ อาจทําไดโดยใชคาพยากรณ 2 แบบ คือ
45
d = t=2
2
∑ ˆa t
47
2.3 งานวิจัยที่เกี่ยวของ
งานวิจัยเกี่ยวกับภาวะเงินเฟอในตางประเทศ
พยากรณภาวะเงินเฟอเพิ่มจากที่ตัวแบบอัตราดอกเบี้ยไดอธิบายไวแลว คูของตัวแบบอัตราดอกเบี้ย
Naive กับการสํารวจของLivingston survey พบวาทั้งคูมีสวนรวมในการอธิบายภาวะเงินเฟอ
สําหรับการพยากรณภาวะเงินเฟอ 14 เดือนลวงหนา คูของตัวแบบอัตราดอกเบี้ยกับการ
สํารวจของ Livingston survey พบวาทั้งคูมีสวนรวมในการอธิบายภาวะเงินเฟอ คูของตัวแบบ
ARIMA กับตัวแบบอัตราดอกเบี้ย พบวาตัวแบบ ARIMA ไมไดใหสารสนเทศในการพยากรณ
ภาวะเงินเฟอเพิ่มจากที่ตัวแบบอัตราดอกเบี้ยอธิบายไวแลว คูของตัวแบบ ARIMA กับการสํารวจ
ของ Livingston survey พบวาตัวแบบ ARIMA ไมไดใหสารสนเทศในการพยากรณภาวะเงินเฟอ
เพิ่มจากที่การสํารวจของLivingston survey อธิบายไวแลว คูตัวแบบอัตราดอกเบี้ยNaive กับตัว
แบบ ARIMA พบวาตัวแบบ ARIMA ไมไดใหสารสนเทศในการพยากรณภาวะเงินเฟอเพิ่มจากที่
ตัวแบบอัตราดอกเบี้ย Naive อธิบายไวแลว คูของตัวแบบอัตราดอกเบี้ย Naive กับการสํารวจของ
Livingston survey พบวาทั้งคูมีสวนรวมในการอธิบายภาวะเงินเฟอ
z t − z t −1 = -0.011150+ 0.062372DUM2 +
(1 − 0.328679B + 0.407721 B + 0.571949B )a
4 5
t
(1 + 0.754012B + 0.314817B )
12 24
ในการกําหนดตัวแบบ VAR นั้น Valle and H e ′ ctor ไดพิจารณาตัวแบบ VAR ที่ lag12
และ lag18 ซึ่งประกอบดวยเซตของตัวแปรตาง ๆ กัน
จากการวิเคราะหขอมูลในชวงมกราคม 1993 ถึง ธันวาคม 2000 โดยตัวแบบ VAR
แบบ 12 lag พบวาตัวแบบที่ประกอบดวยตัวแปร ภาวะเงินเฟอ (I) อัตราแลกเปลี่ยน (ER) ดัชนี
56
งานวิจัยเกี่ยวกับภาวะเงินเฟอในประเทศไทย
εt คือ ความคลาดเคลื่อน
เมื่อพิจารณาปริมาณเงินในกรณีความหมายกวางตัวแบบถดถอยเชิงเสนที่ใชเปน
Pt = β1 + β 2 M 2 t + β 3 MINWt + β 4 PM t + β 5 Pt −1 + ε t
เมื่อ M 2 t คือ ปริมาณเงินตามความหมายกวาง (ลานบาท) (ประกอบดวย ปริมาณเงินความหมาย
แคบรวมกับเงินฝากของภาคเอกชนประเภทออมทรัพยและฝากประจําที่ฝากอยูในธนาคารพาณิชย
และอาจรวมสินทรัพยทางการเงินที่ประชาชนถืออยูในสถาบันการเงินประเภทอื่น ๆ ที่นอกเหนือ
จากธนาคารพาณิชย เชนเงินฝากในสถาบันการออมประเภทอื่นๆ เงินฝากในรูปของการถือ
ตั๋วสัญญาใชเงินของบริษัทเงินทุน ฯลฯ )
ผลที่ไดจากการศึกษาพบวาทั้งกรณีปริมาณเงินตามความหมายแคบและประมาณเงิน
ตามความหมายกวางปจจัยที่นํามาพิจารณาทั้ง 4 ปจจัยมีผลตอภาวะเงินเฟออยางมีนัยสําคัญทาง
สถิติที่ระดับนัยสําคัญ .01 และปจจัยที่มีผลกระทบตอระดับราคาภายในประเทศมากที่สุด คือระดับ
ราคาภายในประเทศในปที่แลว อัตราคาจางขั้นต่ํา ดัชนีราคานําเขาสินคาและบริการ ปริมาณเงิน
ตามความหมายแคบ และปริมาณเงินตามความหมายกวาง
บทที่ 3
วิธีการดําเนินการวิจัย
การวิจัยครั้งนี้ผูวิจัยมีจุดประสงคเพื่อ
1. ศึกษาลักษณะความผันแปรของภาวะเงินเฟอในประเทศไทย
2. หาตัวแบบพยากรณภาวะเงินเฟอของประเทศไทยโดยใชตัวแบบ ARIMA
ตัวแบบอัตราดอกเบี้ย ตัวแบบ Transfer Function และตัวแบบ VAR
3. เปรียบเทียบประสิทธิภาพในการพยากรณภาวะเงินเฟอของประเทศไทย
ระหวางตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย ตัวแบบ Transfer Function และตัวแบบ VAR
ในการวิจัยครั้งนี้ผูวิจัยดําเนินการวิจัยโดยมีรายละเอียดเกี่ยวกับระเบียบวิธีดําเนินการ
วิจัยและเครื่องมือที่ใชในการวิจัยดังนี้
ขั้นตอนในการดําเนินการวิจัย
ขั้นที่ 1 ศึกษาปจจัยตาง ๆ ที่นาจะมีอิทธิพลตอภาวะเงินเฟอในประเทศไทย
ขั้นที่ 2 เก็บรวบรวมขอมูลตาง ๆ ที่ใชในการวิจัยซึ่งประกอบดวยดัชนีราคาผูบริโภค
ซึ่งเปนคาวัดภาวะเงินเฟอ (I) อัตราดอกเบี้ยซื้อคืนเฉลี่ย (TB) ปริมาณเงินตามความหมายแคบ
(M1) ปริมาณเงินตามความหมายกวาง (M2) และมูลคาสินคานําเขา (Import) ซึ่งเปนขอมูลราย
เดือนตั้งแตเดือนมกราคม 2540 - ธันวาคม 2544 ที่ไดจากธนาคารแหงประเทศไทย และราคา
เฉลี่ยน้ํามันดิบในตลาดทั่วโลก (Crude) ไดจากกระทรวงพลังงาน
ขั้นที่ 3 นําขอมูลอนุกรมเวลามาพล็อตกราฟเพื่อศึกษาลักษณะทั่วไปของอนุกรมเวลา สวนประกอบ
อนุกรมเวลา เชน แนวโนม ฤดูกาล และตรวจหาวามีคาผิดปกติในขอมูลหรือไม เปนอนุกรมเวลา
ที่ Stationary หรือไม
ขั้นที่ 4 วิเคราะหหาตัวแบบที่เหมาะสมของแตละวิธี ซึ่งแตละวิธีมีขั้นตอนในการวิเคราะหดังนี้
59
60
6.3 การตรวจสอบการมีสวนรวมในการอธิบายภาวะเงินเฟอระหวางคาพยากรณที่ได
จากแตละตัวแบบ โดยใชถดถอยพหุคูณของคาสังเกตบนคาพยากรณจากตัวแบบ 2 ตัวแบบใด ๆ
I t = β 0 + β1ˆIti + β 2ˆItj + ε t
เมื่อ ˆIti และ ˆIt j คือ การพยากรณที่ไดจากตัวแบบ i และตัวแบบ j ณ เวลา t ตามลําดับ
β 0 , β1 , β 2 คือ พารามิเตอรถดถอย
ε t คือความคลาดเคลื่อน ε t ~ N(0, σ 2 ) และ ไมมีสหสัมพันธกัน (Uncorrelated)
ทําการทดสอบสมมติฐาน H 0 : β1 = β 2 = 0 , H1 : H 0 ไมเปนจริง ถาปฏิเสธสมมติฐาน
H 0 : β1 = β 2 = 0 ที่ระดับนัยสําคัญ α แสดงวาคาสังเกตจริงมีความสัมพันธเชิงเสนกับคา
พยากรณของตัวแบบอยางนอยหนึ่งตัวแบบ และทําการทดสอบนัยสําคัญของพารามิเตอรโดย
ทดสอบทีละตัว H 0 : β j = 0 H 1 : β j ≠ 0 เมื่อ j = 1,2
ขั้นที่ 7 สรุปและรายงานผล
เครื่องมือที่ใชในการวิเคราะห
ในงานวิจัยนี้การคํานวณ การวิเคราะหขอมูล การกําหนดตัวแบบ การประมาณคาพารา
มิเตอร การตรวจสอบตัวแบบ และการพยากรณของตัวแบบทั้ง 4 ตัวแบบขางตนใชโปรแกรม
สําเร็จรูป SPSS 9.01 , SAS 8
บทที่ 4
ผลการวิจัย
สวนที่ 1 ลักษณะความผันแปรของภาวะเงินเฟอ
ในสวนนี้เปนการศึกษาลักษณะความผันแปรของภาวะเงินเฟอ (I) ในประเทศไทย และ
ของลักษณะความผันแปรของปจจัยตาง ๆ ซึ่งปจจัยที่ใชในการศึกษานี้ ไดแก อัตราดอกเบี้ยซื้อคืน
เฉลี่ย( TB ) ปริมาณเงินตามความหมายแคบ ( M1 ) ราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลก(Crude)
ปริมาณเงินตามความหมายกวาง (M2 ) และมูลคาสินคานําเขา ( Import )
1.1
1.0
.9
.8
I
JA 99
AP 00
JU 00
JA 00
AP 01
JU 00
O 001
JU 99
JA 99
AP 99
JU 99
O
JA
AP 997
JU 99
O 997
JA 99
AP 9
C 00
C
C
C
N
N
N
N
L
L
L
R
R
R
R
R 8
T
T
T
19
20
2
1
19
20
20
19
19
1
2
1
1
2
1
20
1
99
98
01
9
1
7
0
8
7
Date
จากภาพที่ 1 พบวาภาวะเงินเฟอของประเทศไทยมีแนวโนมเพิ่มขึ้นอยางชัดเจนในชวง
เดือนมกราคม 2540 ถึงประมาณเดือนกรกฎาคม 2541 เนื่องจากในชวงป 2540 ถึง 2541 ประเทศ
ไทยไดเผชิญกับวิกฤติการณทางเศรษฐกิจ เกิดปญหาความมั่นคงของสถาบันการเงิน ปญหาหนี้ตาง
ประเทศจํานวนมาก ปญหาการขาดเสถียรภาพของคาเงินบาท ปญหาธุรกิจขาดสภาพคลอง ราคา
สินคาสูงขึ้น ฯลฯ เปนสาเหตุใหเศรษฐกิจชะลอตัว อํานาจการซื้อมีนอย การใชจายเพื่อการ
อุปโภคบริโภคภายในประเทศของทั้งภาครัฐและภาคเอกชนไดหดตัวลง (ธนาคารแหงประเทศไทย
2540,2541)
ในชวงปลายป 2541 ตอเนื่องถึงไตรมาสแรกของป 2542 ไดมีสัญญาณหลายประการที่
แสดงใหเห็นวา ระบบเศรษฐกิจอยูในภาวะต่ําสุดและเริ่มฟนตัว เชนคาเงินบาทที่แข็งตัวขึ้น
อัตราดอกเบี้ยลดลง การผลิตมีแนวโนมเพิ่มขึ้น ทุนสํารองระหวางประเทศเพิ่มขึ้น ดุลบัญชีเดิน
สะพัดเกินดุลในระดับสูงอยางตอเนื่อง การใชจายเพื่อการอุปโภคบริโภคเริ่มมีเสถียรภาพและ
คอย ๆ ฟนตัวจากจุดต่ําสุดสงผลใหภาวะเงินเฟอเริ่มลดลงจนถึงประมาณเดือนมิถุนายน 2542
(ธนาคารแหงประเทศไทย 2542) แตกระนั้นเศรษฐกิจของประเทศไทยยังคงเผชิญกับปญหาที่ตอง
เรงแกไขอีกหลายประการ โดยเฉพาะอยางยิ่งปญหาหนี้ที่ไมกอใหเกิดรายได ปญหาขาดสภาพ
คลองและปญหาการสงออกที่ยังชะลอตัว ภาวะการวางงานที่ยังอยูในระดับสูง ซึ่งสงผลใหภาวะเงิน
เฟอมีแนวโนมเพิ่มขึ้นแตไมมากนัก จนถึงเดือนสิงหาคม 2544 หลังจากนั้นภาวะเงินเฟอลดลงเล็ก
นอยเพราะเปนชวงที่เศรษฐกิจฟนตัว (ธนาคารแหงประเทศไทย 2543,2544)
66
30
20
10
TB
0
JA
AP 199
JU 1 9 9
O 99
JA 199
AP 199
JU 1 9 9
O 99
JA 199
AP 199
JU 1 9 9
O 99
JA 199
AP 200
JU 2 0 0
O 00
JA 200
AP 200
JU 200
O 00
C
C
N
N
N
N
L
L
R 7
R 8
R 0
R 1
T
T 0
T
1
20
01
7
1
9
7
1
7
0
Date
500000
400000
M1
300000
JA
AP 997
JU 9 9
O 997
JA 99
AP 998
JU 9 9
O 998
JA 9 9
AP 999
JU 9 9
O 999
JA 9 9
AP 000
JU 0 0
JA 0 0
AP 01
JU 0 0
O
C
C
C
N
N
N
N
L
L
R
R
T
T
1
20
20
2
20
1
1
1
2
1
20
00
01
01
7
1
7
0
Date
40
30
20
10
Crude
0
JA
AP 997
JU 99
O 999
JA 99
AP 00
JU 00
JA 00
O
JA 99
AP 9 8
JU 99
JA 99
AP 999
JU 999
AP 0 1
JU 00
O
C
C
C
N
N
L
L
R
R
R
R
T
T
T
19
19
20
20
20
1
19
20
1
2
1
2
1
1
1
20
97
00
98
01
01
0
7
1
7
0
Date
จากภาพที่ 4 พบวาราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลกมีแนวโนมลดลงตอเนื่องตลอด
ป 2540 ถึงเดือนกุมภาพันธ 2542 ในเดือนมีนาคม 2542 กลุมผูผลิตและสงออกน้ํามันไดมีขอตกลง
ที่จะจํากัดปริมาณการผลิต สงผลใหราคาน้ํามันดิบในตลาดโลกเพิ่มขึ้น
ในเดือนมกราคมป 2543 ประเทศซาอุดิอาระเบียไดประกาศวาจะยืดเวลาลดการผลิต
น้ํามันไปอีก ทําใหราคาน้ํามันในชวงตนปของป 2543 เพิ่มขึ้น นอกจากนี้ธนาคารกลางสหรัฐ
อเมริ ก าได ป ระเมิ น ว า สภาพเศรษฐกิ จ สหรั ฐ อเมริ ก าชะลอตั ว ลงอย า งหนั ก จนเกื อ บเป น ศู น ย
ประกอบกับการเก็งกําไรในตลาด ปญหากรอบดานภาษี และคาการกลั่น มีผลใหราคาเฉลี่ยน้ํามัน
ดิบในตลาดทั่วโลกยังคงอยูในระดับสูง แมหลังจากนั้นกลุมผูผลิตและสงออกน้ํามันไดเพิ่มปริมาณ
การผลิตถึง 3 ครั้งแลวก็ตามจนในเดือนกันยายนโอเปกไดเพิ่มกําลังการผลิตปริมาณน้ํามันดิบอีก
800,000 บารเรล/วันอีกเปนครั้งที่ 4 สงผลใหราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลกลดลง
(www.thaipost.net/index.asp 2543)
ในชวงไตรมาส 1 ของป 2544 กลุมโอเปกลดปริมาณการผลิตน้ํามันดิบลง 1.5 ลานบาร
เรล/วันประกอบกับเปนชวงฤดูหนาวในซีกโลกเหนือ ทําใหราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลก
ปรับเพิ่มขึ้นเล็กนอยตั้งแตเดือนมกราคมจนถึงกลางเดือนกุมภาพันธ ในชวงไตรมาส 2 ภาวะ
เศรษฐกิจโลกมีแนวโนมชะลอตัวลงอยางชัดเจน ทําใหความตองการใชน้ํามันของโลกลดลง สงผล
ใหราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลกลดลง แมกลุมโอเปกลดปริมาณการผลิตน้ํามันดิบเปนครั้งที่
70
6000000
5000000
4000000
M2
3000000
JA
AP 99
JU 199
O 99
JA 199
AP 99
JU 199
O 99
JA 199
AP 99
JU 199
O 99
JA 199
AP 00
JU 200
O 00
JA 200
AP 00
JU 200
O 00
C
C
N
N
L
L
R 7
R 9
R 1
T
T
1
2
1
20
01
7
1
8
0
7
1
7
Date
280000
260000
240000
220000
200000
180000
160000
140000
Import
120000
100000
JA
AP 199
JU 199
O 99
JA 199
AP 199
JU 199
O 99
JA 199
AP 199
JU 199
O 99
JA 199
AP 200
JU 200
O 00
JA 200
AP 200
JU 200
O 00
C
C
N
N
L
L
R 7
R 0
R 1
T
T 0
T 1
1
20
01
7
9
8
9
7
1
7
0
Date
ในอุตสาหกรรมและเครื่องใชไฟฟาลดลง หลังจากนั้นมูลคาสินคานําเขามีแนวโนมลดลงอยางชัด
เจน เนื่องจากการนําเขาสินคาทุนลดลงอยางมาก การสงออกและการใชจายของภาคเอกชนชะลอ
ตัวอยางตอเนื่อง (ธนาคารแหงประเทศไทย 2543,2544)
I TB M1 Crude M2 Import
I Pearson
1.000 -.600** .602** .271* .962** .528**
Correlation
Sig.
. .000 .000 .036 .000 .000
(2-tailed)
N 60 60 60 60 60 60
TB Pearson
-.600** 1.000 -.662** -.554** -.718** -.443**
Correlation
Sig.
.000 . .000 .000 .000 .000
(2-tailed)
N 60 60 60 60 60 60
M1 Pearson
.602** -.662** 1.000 .651** .731** .788**
Correlation
Sig.
.000 .000 . .000 .000 .000
(2-tailed)
N 60 60 60 60 60 60
Crude Pearson
.271* -.554** .651** 1.000 .355** .765**
Correlation
Sig.
.036 .000 .000 . .005 .000
(2-tailed)
N 60 60 60 60 60 60
M2 Pearson
.962** -.718** .731** .355** 1.000 .614**
Correlation
Sig.
.000 .000 .000 .005 . .000
(2-tailed)
N 60 60 60 60 60 60
Import Pearson
.528** -.443** .788** .765** .614** 1.000
Correlation
Sig.
.000 .000 .000 .000 .000 .
(2-tailed)
N 60 60 60 60 60 60
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
สวนที่ 2 ตัวแบบที่เหมาะสมสําหรับพยากรณภาวะเงินเฟอ
ตัวแบบARIMA
จากกราฟของขอมูลภาวะเงินเฟอรายเดือนในภาพที่ 1 ของ (สวนที่ 1) จะเห็นวาภาวะ
เงินเฟอรายเดือนมีแนวโนมเพิ่มขึ้น การกระจายของขอมูลรายเดือนคอนขางสม่ําเสมอดังนั้น
อนุกรมเวลานาจะมีความแปรปรวนคงที่
Autocorrelations: I
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
.03
.02
.01
0.00
-.01
I
4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
Transforms: difference (1)
Autocorrelations: I
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .357 .127 . Ù****.** 7.897 .005
2 .329 .126 . Ù****.** 14.742 .001
3 .282 .125 . Ù****.* 19.854 .000
4 .053 .124 . Ù* . 20.039 .000
5 .351 .122 . Ù****.** 28.267 .000
6 .185 .121 . Ù****. 30.589 .000
7 .208 .120 . Ù****. 33.572 .000
8 .079 .119 . Ù** . 34.008 .000
9 -.025 .118 . * . 34.052 .000
10 -.003 .117 . * . 34.053 .000
11 -.062 .115 . *Ù . 34.340 .000
12 .034 .114 . Ù* . 34.431 .001
13 -.142 .113 . ***Ù . 36.015 .001
14 -.181 .112 ****Ù . 38.623 .000
15 -.179 .111 ****Ù . 41.238 .000
16 -.158 .109 .***Ù . 43.331 .000
17 .007 .108 . * . 43.336 .000
18 .014 .107 . * . 43.352 .001
19 -.039 .105 . *Ù . 43.487 .001
20 -.128 .104 .***Ù . 44.987 .001
21 -.156 .103 .***Ù . 47.294 .001
22 -.106 .101 . **Ù . 48.380 .001
23 -.034 .100 . *Ù . 48.497 .001
24 .004 .099 . * . 48.499 .002
25 -.011 .097 . * . 48.511 .003
26 -.050 .096 . *Ù . 48.783 .004
27 .005 .094 . * . 48.787 .006
28 -.001 .093 . * . 48.787 .009
29 .015 .091 . * . 48.812 .012
30 .060 .090 . Ù* . 49.256 .015
Partial Autocorrelations: I
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .357 .130 . Ù****.**
2 .231 .130 . Ù*****
3 .132 .130 . Ù*** .
4 -.156 .130 . ***Ù .
5 .345 .130 . Ù****.**
6 -.005 .130 . * .
7 .061 .130 . Ù* .
8 -.213 .130 .****Ù .
9 .011 .130 . * .
10 -.124 .130 . **Ù .
11 .004 .130 . * .
12 -.016 .130 . * .
13 -.156 .130 . ***Ù .
14 -.131 .130 . ***Ù .
15 -.019 .130 . * .
16 .105 .130 . Ù** .
17 .111 .130 . Ù** .
18 .125 .130 . Ù*** .
19 -.054 .130 . *Ù .
20 -.078 .130 . **Ù .
21 -.061 .130 . *Ù .
22 -.005 .130 . * .
23 -.023 .130 . * .
24 -.047 .130 . *Ù .
25 .003 .130 . * .
26 -.019 .130 . * .
27 .127 .130 . Ù*** .
28 -.018 .130 . * .
29 -.016 .130 . * .
30 -.003 .130 . * .
Analysis of Variance:
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.056 .130 . *Ù .
2 .069 .130 . Ù* .
3 .247 .130 . Ù*****
4 -.181 .130 .****Ù .
5 .036 .130 . Ù* .
6 -.026 .130 . *Ù .
7 .205 .130 . Ù****.
8 -.070 .130 . *Ù .
9 .041 .130 . Ù* .
10 -.144 .130 . ***Ù .
11 -.077 .130 . **Ù .
12 -.011 .130 . * .
13 -.171 .130 . ***Ù .
14 -.163 .130 . ***Ù .
15 -.107 .130 . **Ù .
16 .009 .130 . * .
.03
.02
.01
Err
or
for 0.00
I
-.01
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
จากภาพที่ 12 พบวาสวนเหลือจากการพยากรณภาวะเงินเฟอสวนใหญมีลักษณะผันแปร
อยางสุมรอบคาศูนย แสดงวาคาเฉลี่ยเทากับศูนย ยกเวนในชวงกลางป 2540 สวนเหลือในลําดับที่ 8
มีคาสูงผิดปกติกวาสวนเหลือตัวอื่น ๆ แสดงวาเดือนสิงหาคม 2540 คาพยากรณที่ไดต่ํากวา
คาสังเกตการกระจายของคาเหลานี้มีลักษณะสม่ําเสมอ ดังนั้นจึงนาจะกลาวไดวาความคลาดเคลื่อน
จากตัวแบบนี้มีความแปรปรวนคงที่
83
1.1
1.0
.9
.8 Fit for I
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69
Sequence number
ภาพที่ 13 คาสังเกตภาวะเงินเฟอเทียบกับคาพยากรณภาวะเงินเฟอภายในชวงตัวอยาง
และนอกชวงตัวอยางโดยวิธี Box –Jenkins ที่ไดจากตัวแบบARIMA
จากภาพที่ 13 จะเห็นวาสําหรับการพยากรณในชวงตัวอยางคือระหวางเดือนมกราคม
2540 ถึง ธันวาคม 2544 คาพยากรณภาวะเงินเฟอที่ไดจากตัวแบบ ARIMA ใกลเคียงกับคาภาวะ
เงินเฟอจริงโดยใหคา RMSE = 0.00426 และคา MAPE = 0.29987 ตามลําดับ
สําหรับการพยากรณนอกชวงตัวอยางคือระหวางเดือนมกราคม 2544 ถึง ธันวาคม 2545
คาพยากรณภาวะเงินเฟอที่ไดมีแนวโนมลดลงและต่ํากวาคาสังเกตภาวะเงินเฟอ ในขณะที่คาสังเกต
ภาวะเงินเฟอจริงมีแนวโนมสูงขึ้น (คาของขอมูลแสดงไวในภาคผนวก ข) โดยใหคา
RMSE = 0.020616 และคา MAPE = 1.673535
84
ตัวแบบอัตราดอกเบี้ย
ในการพยากรณภาวะเงินเฟอโดยใชตัวแบบอัตราดอกเบี้ยจะตองหาคาคาดหมายของผล
ตอบแทนที่แทจริง (ER) กอน ซึ่งคาคาดหมายของผลตอบแทนที่แทจริงหาไดจากผลตางระหวาง
อัตราดอกเบี้ยที่เปนตัวเงิน (TB) กับ ภาวะเงินเฟอ (I) ในเดือนถัดไป ในงานวิจัยนี้ใชวิธี Box –
Jenkins และวิธี Box –Jenkins รวมกับการวิเคราะหการแทรกแซง (Intervention) เพื่อหาตัวแบบ
สําหรับหาคาพยากรณคาคาดหมายของผลตอบแทนที่แทจริง
30
20
10
ER
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
ภาพที่ 14 คาคาดหมายของผลตอบแทนที่แทจริงกับเวลา
จากภาพที่ 14 พบวาคาคาดหมายของผลตอบแทนที่แทจริงมีการเปลี่ยนแปลงอยางรวด
เร็วในชวงแรกคือในชวงป 2540 (ขอมูลลําดับที่ 1-12) เนื่องจากเปนชวงที่ประเทศไทยประสบกับ
ภาวะวิกฤติทางดานเศรษฐกิจซึ่งอาจสงผลใหอัตราดอกเบี้ยเพิ่มสูงอยางมากและมีลักษณะกวัดแกวง
อยางมากและยังคงมีลักษณะเชนนี้ตอเนื่องมาจนถึงตนป 2541 หลังจากนั้นคาคาดหมายของผลตอบ
แทนที่แทจริงลดลงอยางรวดเร็วจนถึงกลางป 2542 (ขอมูลลําดับที่ 25) ในชวงกลางป 2542 ถึง
ประมาณตนป 2544 (ขอมูลลําดับที่ 25-52) จะเห็นวาคาคาดหมายของผลตอบแทนที่แทจริงมี
ลักษณะคอนขางคงที่ในระดับต่ํา และสูงขึ้นเล็กนอย ในชวงประมาณกลางป 2544 (ขอมูลลําดับที่
53-54) เนื่องจากรัฐบาลไดมีการออกพันธบัตรรัฐวิสาหกิจจํานวนมาก ประกอบกับในเดือน
มิถุนายน 2544 ธนาคารแหงประเทศไทยมีนโยบายปรับขึ้นอัตราดอกเบี้ย
85
(ธนาคารแหงประเทศไทย 2544:2)
Autocorrelations: ER
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .954 .127 . Ù****.************** 56.502 .000
2 .918 .126 . Ù****.************* 109.764 .000
3 .882 .125 . Ù****.************* 159.725 .000
4 .829 .124 . Ù****.************ 204.677 .000
5 .762 .122 . Ù****.********** 243.328 .000
6 .696 .121 . Ù****.********* 276.221 .000
7 .616 .120 . Ù****.******* 302.513 .000
8 .521 .119 . Ù****.***** 321.681 .000
9 .443 .118 . Ù****.**** 335.805 .000
10 .372 .117 . Ù****.** 345.945 .000
11 .302 .115 . Ù****.* 352.783 .000
12 .226 .114 . Ù***** 356.687 .000
13 .161 .113 . Ù*** . 358.724 .000
14 .100 .112 . Ù** . 359.529 .000
15 .045 .111 . Ù* . 359.694 .000
16 .002 .109 . * . 359.694 .000
17 -.038 .108 . *Ù . 359.821 .000
18 -.079 .107 . **Ù . 360.362 .000
19 -.113 .105 . **Ù . 361.517 .000
20 -.140 .104 .***Ù . 363.326 .000
21 -.162 .103 .***Ù . 365.811 .000
22 -.182 .101 ****Ù . 369.039 .000
23 -.201 .100 ****Ù . 373.082 .000
24 -.217 .099 ****Ù . 377.925 .000
25 -.233 .097 *.***Ù . 383.655 .000
26 -.248 .096 *.***Ù . 390.352 .000
27 -.262 .094 *.***Ù . 398.053 .000
28 -.275 .093 *.***Ù . 406.824 .000
29 -.287 .091 **.***Ù . 416.693 .000
30 -.298 .090 **.***Ù . 427.693 .000
.6
.4
.2
-.0
-.2
-.4
ER
-.6
5 9 13 17 21 25 29 33 37 41 45 49 53 57 61
Sequence number
Transforms: natural log, difference (1)
ภาพที่ 16 ผลตางอันดับ1ของคาลอกการิทึมของคาคาดหมายของผลตอบแทนที่แทจริง
Autocorrelations: ER
87
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .126 .128 . Ù*** . .965 .326
2 .163 .127 . Ù*** . 2.610 .271
3 .217 .126 . Ù****. 5.588 .133
4 .217 .125 . Ù****. 8.621 .071
5 .099 .123 . Ù** . 9.264 .099
6 .128 .122 . Ù*** . 10.367 .110
7 .242 .121 . Ù***** 14.359 .045
8 -.107 .120 . **Ù . 15.160 .056
9 .057 .119 . Ù* . 15.388 .081
10 .027 .117 . Ù* . 15.442 .117
11 .062 .116 . Ù* . 15.724 .152
12 -.130 .115 . ***Ù . 17.007 .149
13 -.097 .114 . **Ù . 17.739 .168
14 -.149 .112 .***Ù . 19.492 .147
15 -.173 .111 .***Ù . 21.927 .110
16 -.085 .110 . **Ù . 22.525 .127
17 -.076 .109 . **Ù . 23.014 .149
18 -.069 .107 . *Ù . 23.430 .175
19 -.128 .106 .***Ù . 24.882 .164
20 -.045 .104 . *Ù . 25.065 .199
21 -.033 .103 . *Ù . 25.171 .240
22 -.078 .102 . **Ù . 25.758 .262
23 -.152 .100 .***Ù . 28.066 .213
24 -.032 .099 . *Ù . 28.168 .253
25 -.084 .097 . **Ù . 28.906 .268
26 -.137 .096 .***Ù . 30.936 .231
27 -.079 .094 . **Ù . 31.645 .245
28 -.063 .093 . *Ù . 32.108 .270
29 -.096 .091 . **Ù . 33.222 .269
30 -.088 .090 . **Ù . 34.181 .274
Partial Autocorrelations: ER
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .126 .131 . Ù*** .
2 .149 .131 . Ù*** .
3 .188 .131 . Ù****.
4 .167 .131 . Ù*** .
5 .018 .131 . * .
6 .038 .131 . Ù* .
7 .164 .131 . Ù*** .
8 -.225 .131 *****Ù .
9 -.015 .131 . * .
10 -.043 .131 . *Ù .
11 .042 .131 . Ù* .
12 -.129 .131 . ***Ù .
13 -.127 .131 . ***Ù .
14 -.165 .131 . ***Ù .
15 -.057 .131 . *Ù .
16 -.012 .131 . * .
17 .060 .131 . Ù* .
18 .046 .131 . Ù* .
19 .047 .131 . Ù* .
20 .034 .131 . Ù* .
21 .064 .131 . Ù* .
22 -.053 .131 . *Ù .
23 -.154 .131 . ***Ù .
24 -.017 .131 . * .
25 -.057 .131 . *Ù .
26 -.124 .131 . **Ù .
27 -.115 .131 . **Ù .
28 -.089 .131 . **Ù .
29 -.040 .131 . *Ù .
30 .009 .131 . * .
ภาพที่ 18 PACFของผลตางอันดับ1ของคาลอกการิทึมของคาคาดหมายของผลตอบแทนที่แทจริง
89
Analysis of Variance:
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .128 .128 . Ù*** . 1.006 .316
2 .133 .127 . Ù*** . 2.104 .349
3 .167 .126 . Ù*** . 3.878 .275
4 .156 .125 . Ù*** . 5.456 .244
5 .103 .123 . Ù** . 6.155 .291
6 .168 .122 . Ù*** . 8.039 .235
7 .044 .121 . Ù* . 8.172 .318
8 -.086 .120 . **Ù . 8.689 .369
9 .045 .119 . Ù* . 8.830 .453
10 -.024 .117 . * . 8.873 .544
11 .024 .116 . * . 8.917 .630
12 -.131 .115 . ***Ù . 10.218 .597
13 -.126 .114 . ***Ù . 11.441 .574
14 -.248 .112 *.***Ù . 16.318 .294
15 -.124 .111 . **Ù . 17.567 .286
16 -.046 .110 . *Ù . 17.742 .339
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .128 .131 . Ù*** .
2 .118 .131 . Ù** .
3 .141 .131 . Ù*** .
4 .114 .131 . Ù** .
5 .046 .131 . Ù* .
6 .112 .131 . Ù** .
7 -.031 .131 . *Ù .
8 -.160 .131 . ***Ù .
9 .007 .131 . * .
10 -.052 .131 . *Ù .
11 .041 .131 . Ù* .
12 -.136 .131 . ***Ù .
13 -.103 .131 . **Ù .
14 -.201 .131 .****Ù .
15 -.064 .131 . *Ù .
16 .057 .131 . Ù* .
.6
.4
.2
0.0
Error for ER
-.2
-.4
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
ภาพที่ 21 สวนเหลือจากการพยากรณคาคาดหมายของผลตอบแทนที่จริงกับเวลาโดยวิธี
Box –Jenkins
จากภาพที่ 21 พบวาสวนเหลือจากการพยากรณคาคาดหมายของผลตอบแทนที่จริง มี
ลักษณะผันแปรอยางสุมรอบคาศูนย ยกเวนในชวงป 2541 (สวนเหลือลําดับที่ 12- 24) ที่สวน
เหลือสวนใหญมีแนวโนมอยูต่ํากวาคาศูนย นั่นคือคาพยากรณคาคาดหมายของผลตอบแทนที่
แทจริงมีแนวโนมที่จะมีคามากกวาคาสังเกตของคาคาดหมายของผลตอบแทนที่แทจริง นอกจากนี้
สวนเหลือในลําดับที่ 53 ซึ่งมีคาสูงผิดปกติกวาคาสวนเหลือตัวอื่น ๆ อาจเนื่องจากในชวงประมาณ
กลางป 2544 รัฐบาลไดมีการออกพันธบัตรรัฐวิสาหกิจจํานวนมาก ประกอบกับในเดือนมิถุนายน
ธนาคารแหงประเทศไทยมีนโยบายปรับขึ้นอัตราดอกเบี้ย (ธนาคารแหงประเทศไทย 2544:2)
92
30
20
10
ER
0 Fit for ER
1 7 13 19 25 31 37 43 49 55
4 10 16 22 28 34 40 46 52 58
Sequence number
ภาพที่ 22 คาคาดหมายผลตอบแทนที่แทจริงเทียบกับคาพยากรณคาคาดหมายผลตอบแทน
ที่แทจริงภายในชวงตัวอยาง
จากภาพที่ 22 จะเห็นวาสําหรับการพยากรณคาคาดหมายผลตอบแทนที่แทจริงภายใน
ชวงตัวอยางคือระหวางเดือนมกราคม 2540 ถึง ธันวาคม 2544 จะเห็นวาในชวงแรก คาพยากรณคา
คาดหมายผลตอบแทนที่แทจริงพยากรณคาคาดหมายผลตอบแทนที่แทจริงไดไมดีนัก อาจเนื่องจาก
เปนชวงที่ประเทศไทยประสบกับวิกฤติทางเศรษฐกิจ ซึ่งอาจสงผลกระทบตออัตราดอกเบี้ยทําให
คาคาดหมายผลตอบแทนที่แทจริงที่ไดมีการผันผวนตามอัตราดอกเบี้ยที่มีการเปลี่ยนแปลงอยางรวด
เร็ว หลังจากนั้นจนถึงประมาณไตรมาส 1 ป 2544 คาพยากรณคาคาดหมายผลตอบแทนที่แทจริง
คอย ๆ ใกลเคียงคาจริงมากขึ้น ในชวงไตรมาสที่ 2 ป 2544 (ขอมูลลําดับที่ 51-53) จะเห็นวาคาคาด
หมายผลตอบแทนที่แทจริงสูงขึ้นอยางกระทันหัน สงผลใหผลตอบแทนที่แทจริงสูงตามไปดวย ซึ่ง
ทําใหคาพยากรณคาคาดหมายผลตอบแทนที่แทจริงตางจากคาคาดหมายผลตอบแทนที่แทจริง หลัง
จากนั้นคาพยากรณคาคาดหมายผลตอบแทนที่แทจริงใหคาพยากรณใกลเคียงคาคาดหมายผลตอบ
แทนที่แทจริง โดยใหคา RMSE = 0.157968 และคา MAPE = 3.689239
Autocorrelations: ER
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .918 .136 . Ù****.************* 45.568 .000
2 .871 .135 . Ù****.************ 87.403 .000
3 .824 .133 . Ù****.*********** 125.615 .000
4 .737 .132 . Ù****.********** 156.849 .000
5 .634 .130 . Ù****.******** 180.468 .000
6 .543 .129 . Ù****.****** 198.148 .000
7 .436 .128 . Ù****.**** 209.839 .000
8 .338 .126 . Ù****.** 217.025 .000
9 .268 .125 . Ù***** 221.655 .000
10 .185 .123 . Ù****. 223.912 .000
11 .117 .122 . Ù** . 224.843 .000
12 .061 .120 . Ù* . 225.100 .000
13 .022 .119 . * . 225.135 .000
14 -.011 .117 . * . 225.144 .000
15 -.042 .115 . *Ù . 225.279 .000
16 -.068 .114 . *Ù . 225.635 .000
17 -.089 .112 . **Ù . 226.261 .000
18 -.109 .110 . **Ù . 227.228 .000
19 -.126 .109 .***Ù . 228.576 .000
20 -.140 .107 .***Ù . 230.282 .000
21 -.152 .105 .***Ù . 232.364 .000
22 -.163 .104 .***Ù . 234.847 .000
23 -.175 .102 .***Ù . 237.801 .000
24 -.185 .100 ****Ù . 241.221 .000
25 -.195 .098 ****Ù . 245.173 .000
26 -.205 .096 ****Ù . 249.728 .000
27 -.215 .094 ****Ù . 254.953 .000
28 -.226 .092 *.***Ù . 260.943 .000
29 -.235 .090 *.***Ù . 267.740 .000
30 -.244 .088 *.***Ù . 275.374 .000
Autocorrelations: ER
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .332 .137 . Ù****.** 5.864 .015
2 .095 .136 . Ù** . 6.357 .042
3 .151 .134 . Ù*** . 7.615 .055
4 .176 .133 . Ù****. 9.374 .052
5 .107 .132 . Ù** . 10.040 .074
6 .118 .130 . Ù** . 10.857 .093
7 .089 .129 . Ù** . 11.335 .125
8 -.017 .127 . * . 11.352 .183
9 .055 .126 . Ù* . 11.547 .240
10 .053 .124 . Ù* . 11.729 .304
11 .134 .122 . Ù*** . 12.919 .299
12 .004 .121 . * . 12.920 .375
13 -.109 .119 . **Ù . 13.757 .391
14 -.066 .118 . *Ù . 14.074 .444
15 -.031 .116 . *Ù . 14.144 .515
16 -.076 .114 . **Ù . 14.580 .556
17 -.050 .113 . *Ù . 14.778 .611
18 .003 .111 . * . 14.778 .677
19 .019 .109 . * . 14.808 .735
20 .043 .107 . Ù* . 14.967 .778
21 .042 .106 . Ù* . 15.128 .816
22 -.017 .104 . * . 15.156 .855
23 -.068 .102 . *Ù . 15.599 .872
24 -.058 .100 . *Ù . 15.930 .891
25 -.106 .098 . **Ù . 17.107 .878
26 -.178 .096 ****Ù . 20.544 .765
27 -.118 .094 . **Ù . 22.109 .732
28 -.106 .092 . **Ù . 23.434 .711
29 -.207 .090 ****Ù . 28.724 .480
30 -.135 .088 .***Ù . 31.076 .412
Partial Autocorrelations: ER
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .332 .141 . Ù*****.*
2 -.017 .141 . * .
3 .140 .141 . Ù*** .
4 .097 .141 . Ù** .
5 .018 .141 . * .
6 .072 .141 . Ù* .
7 .003 .141 . * .
8 -.084 .141 . **Ù .
9 .068 .141 . Ù* .
10 -.017 .141 . * .
11 .135 .141 . Ù*** .
12 -.096 .141 . **Ù .
13 -.118 .141 . **Ù .
14 -.021 .141 . * .
15 -.037 .141 . *Ù .
16 -.053 .141 . *Ù .
17 .023 .141 . * .
18 .030 .141 . Ù* .
19 .084 .141 . Ù** .
20 .042 .141 . Ù* .
21 .016 .141 . * .
22 -.056 .141 . *Ù .
23 -.064 .141 . *Ù .
24 -.024 .141 . * .
25 -.106 .141 . **Ù .
26 -.147 .141 . ***Ù .
27 -.001 .141 . * .
28 -.058 .141 . *Ù .
29 -.154 .141 . ***Ù .
30 -.001 .141 . * .
Analysis of Variance:
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.094 .128 . **Ù . .538 .463
2 .071 .127 . Ù* . .851 .653
3 .222 .126 . Ù****. 3.983 .263
4 .091 .125 . Ù** . 4.521 .340
5 .128 .123 . Ù*** . 5.600 .347
6 -.028 .122 . *Ù . 5.652 .463
7 .103 .121 . Ù** . 6.378 .496
8 .013 .120 . * . 6.389 .604
9 -.008 .119 . * . 6.393 .700
10 -.041 .117 . *Ù . 6.517 .770
11 .044 .116 . Ù* . 6.659 .826
12 -.155 .115 . ***Ù . 8.470 .747
13 .001 .114 . * . 8.470 .812
14 -.124 .112 . **Ù . 9.683 .785
15 -.155 .111 .***Ù . 11.633 .707
16 .020 .110 . * . 11.668 .766
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.094 .131 . **Ù .
2 .063 .131 . Ù* .
3 .238 .131 . Ù*****
4 .140 .131 . Ù*** .
5 .131 .131 . Ù*** .
6 -.072 .131 . *Ù .
7 .020 .131 . * .
8 -.043 .131 . *Ù .
9 -.029 .131 . *Ù .
10 -.090 .131 . **Ù .
11 .032 .131 . Ù* .
12 -.164 .131 . ***Ù .
13 .000 .131 . * .
14 -.131 .131 . ***Ù .
15 -.120 .131 . **Ù .
16 .020 .131 . * .
ที่ไดจากตัวแบบไมมีนัยสําคัญทางสถิติที่ระดับ0.05 แสดงวาสวนเหลือที่ไดจากตัวแบบนี้ไมมีสห
สัมพันธกัน
ผลการตรวจสอบสหสัมพันธของความคลาดเคลื่อนโดยรวมดวยตัวสถิติ Box – Ljung
แสดงในภาพที่ 26 พบวาไมมีนัยสําคัญทางสถิติที่ระดับ0.05 แสดงวาสวนเหลือที่ไดจากตัวแบบนี้
ไมมีสหสัมพันธกัน
.6
.4
.2
0.0
Error for ER
-.2
-.4
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
ภาพที่ 27 สวนเหลือจากการพยากรณคาคาดหมายของผลตอบแทนที่จริงกับเวลาโดยวิธี
Box –Jenkins รวมกับการวิเคราะหการแทรกแซง
จากภาพที่ 27 พบวาสวนเหลือจากการพยากรณคาคาดหมายของผลตอบแทนที่แทจริง
มีลักษณะผันแปรอยางสุมรอบคาศูนย โดยในชวงป 2540 สวนเหลือจากการพยากรณคาคาด
หมายของผลตอบแทนที่จริงมีแนวโนมที่จะอยูทางดานบวกเนื่องจากคาพยากรณคาคาดหมายของ
ผลตอบแทนที่จริงสวนใหญนอยกวาคาคาดหมายของผลตอบแทนที่แทจริง ในชวงป 2541 สวน
เหลือจากการพยากรณคาคาดหมายของผลตอบแทนที่จริงมีแนวโนมที่จะต่ํากวาคาศูนย เนื่องจาก
คาพยากรณคาคาดหมายของผลตอบแทนที่จริงสวนใหญมีคาสูงกวาคาคาดหมายของผลตอบแทนที่
แทจริง หลังจากนั้นจะเห็นวาสวนเหลือจากการพยากรณคาคาดหมายของผลตอบแทนที่แทจริงมี
ลักษณะผันแปรอยางสุมรอบคาศูนยจนถึงชวงปลายป 2544 นอกจากนี้คาสวนเหลือในลําดับที่ 53 มี
คาสูงผิดปกติกวาสวนเหลือตัวอื่น ๆ แสดงวาที่เดือนพฤษภาคมป 2544 นี้ คาพยากรณคาคาดหมาย
ของผลตอบแทนที่แทจริงที่ไดต่ํากวาคาคาดหมายของผลตอบแทนที่แทจริง
100
30
20
10
ER
0 Fit for ER
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
ภาพที่ 28 คาคาดหมายของผลตอบแทนที่แทจริงเทียบกับคาพยากรณคาคาดหมายของผลตอบแทน
ที่แทจริงภายในชวงตัวอยางโดยวิธี Box –Jenkins รวมกับการวิเคราะหการแทรกแซง
10
0
I
-2 Fit for I
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69
Sequence number
ภาพที่ 29 คาสังเกตภาวะเงินเฟอเทียบกับคาพยากรณภาวะเงินเฟอภายในชวงตัวอยางและนอกชวง
ตัวอยางโดยวิธี Box-Jenkins รวมกับการวิเคราะหการแทรกแซงที่ไดจากตัวแบบอัตรา
ดอกเบี้ย
จากภาพที่ 29 พบวาสําหรับการพยากรณภาวะเงินเฟอภายในชวงตัวอยางคือระหวาง
เดือนมกราคม 2540 ถึง ธันวาคม 2544 (คาสังเกตลําดับที่ 1-60) จะเห็นวาในชวงป 2540 – 2541
ตัวแบบอัตราดอกเบี้ยพยากรณภาวะเงินเฟอไดไมคอยดีนัก โดยเฉพาะในเดือนตุลาคมป 2540
ตัวแบบนี้ใหคาพยากรณภาวะเงินเฟอสูงกวาคาสังเกตภาวะเงินเฟออยางมาก ในชวงป 2542 – 2544
(คาสังเกตลําดับที่ 33-60) ตัวแบบนี้ใหคาพยากรณภาวะเงินเฟอไดใกลเคียงกับคาภาวะเงินเฟอจริง
ตัวแบบอัตราดอกเบี้ยใหคา RMSE = 1.05359022 และคา MAPE = 44.28495
สําหรับการพยากรณนอกชวงตัวอยาง คือคาพยากรณภาวะเงินเฟอระหวางเดือน
มกราคม 2545 ถึง ธันวาคม 2545 (คาสังเกตลําดับที่ 61-72)จะเห็นวาคาพยากรณภาวะเงินเฟอที่ได
จะลดลงเล็กนอยในชวงตนป 2545และหลังจากนั้นจะมีลักษณะคงที่ ในขณะที่คาสังเกตภาวะ
เงินเฟอในชวงป 2545 (คาของขอมูลแสดงในภาคผนวก ข) มีลักษณะคงที่ และมีคาสูงกวาคา
พยากรณภาวะเงินเฟอ โดยใหคา RMSE = 0.595597 และคาMAPE = 56.34211
102
Autocorrelations: TB
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .954 .126 . Ù****.************** 57.432 .000
2 .919 .125 . Ù****.************* 111.583 .000
3 .882 .124 . Ù****.************* 162.381 .000
4 .830 .123 . Ù****.************ 208.097 .000
5 .762 .122 . Ù****.********** 247.419 .000
6 .697 .120 . Ù****.********* 280.934 .000
7 .619 .119 . Ù****.******* 307.831 .000
8 .524 .118 . Ù****.***** 327.479 .000
9 .446 .117 . Ù****.**** 341.999 .000
10 .375 .116 . Ù****.** 352.453 .000
11 .306 .115 . Ù****.* 359.539 .000
12 .230 .114 . Ù***** 363.629 .000
13 .166 .112 . Ù***. 365.799 .000
14 .105 .111 . Ù** . 366.690 .000
15 .050 .110 . Ù* . 366.898 .000
16 .007 .109 . * . 366.902 .000
17 -.032 .108 . *Ù . 366.993 .000
18 -.072 .106 . *Ù . 367.451 .000
19 -.106 .105 . **Ù . 368.475 .000
20 -.133 .104 .***Ù . 370.119 .000
21 -.155 .102 .***Ù . 372.399 .000
22 -.174 .101 .***Ù . 375.371 .000
23 -.193 .100 ****Ù . 379.104 .000
24 -.208 .098 ****Ù . 383.582 .000
25 -.223 .097 ****Ù . 388.883 .000
26 -.238 .096 *.***Ù . 395.080 .000
27 -.251 .094 *.***Ù . 402.203 .000
28 -.264 .093 *.***Ù . 410.309 .000
29 -.276 .091 **.***Ù . 419.451 .000
30 -.287 .090 **.***Ù . 429.635 .000
.4
.2
0.0
-.2
TB
-.4
4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
Transforms: natural log, difference (1)
104
จากกราฟของขอมูลอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายจะเห็นวาอัตราดอกเบี้ยซื้อคืนเฉลี่ยราย
เดือนมีการเปลี่ยนแปลงอยางรวดเร็วในชวงแรก หลังจากนั้นมีลักษณะคอนขางคงที่ในระดับต่ํา
แสดงวาอัตราดอกเบี้ยซื้อคืนเฉลี่ยมีระดับของคาสังเกตไมคงที่ และการกระจายของอัตราดอกเบี้ย
ซื้อคืนเฉลี่ยรายเดือนไมสม่ําเสมอแสดงวาอนุกรมเวลานาจะมีความแปรปรวนไมคงที่ จากการ
พิจารณา ACF ของอนุกรมเวลาของอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือนในภาพที่ 30 พบวา
ฟงกชันสหสัมพันธในตัวเองของอนุกรมเวลาของอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือนลดลงอยางชา
ๆ แสดงวาอนุกรมเวลาของอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือนเปนแบบ Non – stationary จึงปรับ
อนุกรมเวลาของอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือนใหเปนแบบ Stationary โดยการแปลงขอมูล
อัตราดอกเบี้ยเปนคาลอกการิทึมเพื่อปรับใหความแปรปรวนของอนุกรมเวลาคงที่และหาผลตาง
อันดับ 1 เพื่อปรับใหระดับของอนุกรมเวลาคงที่ ภาพที่ 31 แสดงอนุกรมเวลาของผลตางอันดับ 1
ของลอกการิทมึ ของอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือน ซึ่งแทนดวย TB∗t = ln TB t − ln TB t −1
105
Autocorrelations: TB
Transformations: natural log, difference (1)
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .069 .127 . Ù* . .295 .587
2 .174 .126 . Ù*** . 2.210 .331
3 .259 .125 . Ù***** 6.517 .089
4 .245 .124 . Ù***** 10.431 .034
5 .093 .122 . Ù** . 11.005 .051
6 .141 .121 . Ù*** . 12.357 .054
7 .289 .120 . Ù****.* 18.151 .011
8 -.179 .119 .****Ù . 20.408 .009
9 .018 .118 . * . 20.430 .015
10 -.001 .117 . * . 20.430 .025
11 .042 .115 . Ù* . 20.565 .038
12 -.183 .114 .****Ù . 23.129 .027
13 -.073 .113 . *Ù . 23.549 .036
14 -.157 .112 .***Ù . 25.514 .030
15 -.218 .111 ****Ù . 29.412 .014
16 -.096 .109 . **Ù . 30.175 .017
17 -.081 .108 . **Ù . 30.738 .021
18 -.077 .107 . **Ù . 31.256 .027
19 -.154 .105 .***Ù . 33.403 .022
20 -.066 .104 . *Ù . 33.801 .028
21 -.049 .103 . *Ù . 34.028 .036
22 -.066 .101 . *Ù . 34.455 .044
23 -.137 .100 .***Ù . 36.336 .038
24 -.017 .099 . * . 36.366 .051
25 -.060 .097 . *Ù . 36.742 .061
26 -.098 .096 . **Ù . 37.781 .063
27 -.057 .094 . *Ù . 38.149 .076
28 -.051 .093 . *Ù . 38.447 .090
29 -.068 .091 . *Ù . 38.997 .102
30 -.065 .090 . *Ù . 39.518 .115
Partial Autocorrelations: TB
Transformations: natural log, difference (1)
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .069 .130 . Ù* .
2 .170 .130 . Ù*** .
3 .245 .130 . Ù*****
4 .216 .130 . Ù****.
5 .015 .130 . * .
6 .017 .130 . * .
7 .193 .130 . Ù****.
8 -.309 .130 *.****Ù .
9 -.133 .130 . ***Ù .
10 -.110 .130 . **Ù .
11 .057 .130 . Ù* .
12 -.107 .130 . **Ù .
13 -.074 .130 . *Ù .
14 -.160 .130 . ***Ù .
15 -.037 .130 . *Ù .
16 -.003 .130 . * .
17 .076 .130 . Ù** .
18 .070 .130 . Ù* .
19 .083 .130 . Ù** .
20 -.010 .130 . * .
21 .058 .130 . Ù* .
22 -.066 .130 . *Ù .
23 -.203 .130 .****Ù .
24 -.093 .130 . **Ù .
25 -.047 .130 . *Ù .
26 -.066 .130 . *Ù .
27 -.079 .130 . **Ù .
28 -.108 .130 . **Ù .
29 -.024 .130 . * .
30 .058 .130 . Ù* .
Analysis of Variance:
.4
.3
.2
.1
0.0
-.1
-.2
Error for TB
-.3
-.4
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
ภาพที่ 35 สวนเหลือจากการพยากรณอัตราดอกเบี้ยซื้อคืนเฉลี่ยรายเดือนกับเวลาโดยวิธี
Box-Jenkins
จากภาพที่ 35 พบวาสวนเหลือที่ไดจากการพยากรณอัตราดอกเบี้ยเฉลี่ยซื้อคืนรายเดือน
มีลักษณะผันแปรอยางสุมรอบคาศูนย ยกเวนในชวงป 2541 ขอมูลลําดับที่ 12- 24 ที่สวนเหลือสวน
ใหญมีแนวโนมอยูต่ํากวาคาศูนย นั่นคือคาพยากรณอัตราดอกเบี้ยเฉลี่ยซื้อคืนมีแนวโนมที่จะมีคา
มากกวาคาสังเกตอัตราดอกเบี้ยเฉลี่ยซื้อคืน นอกจากนี้สวนเหลือในลําดับที่ 53 ซึ่งมีคาสูงผิดปกติ
กวาคาสวนเหลือตัวอื่น ๆ อาจเนื่องจากในชวงประมาณกลางป 2544 รัฐบาลไดมีการออกพันธบัตร
รัฐวิสาหกิจจํานวนมาก ประกอบกับในเดือนมิถุนายนธนาคารแหงประเทศไทยมีนโยบายปรับขึ้น
อัตราดอกเบี้ย (ธนาคารแหงประเทศไทย 2544:2)
110
30
20
10
TB
0 Fit for TB
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
ภาพที่ 36 คาสังเกตอัตราดอกเบี้ยซื้อคืนเฉลี่ยกับคาพยากรณอัตราดอกเบี้ยซื้อคืนเฉลี่ยโดย
วิธี Box-Jenkins ในชวงตัวอยาง
จากภาพที่ 36 จะเห็นวาสําหรับการพยากรณภายในชวงตัวอยางคือระหวางเดือน
มกราคม 2540 ถึง ธันวาคม 2544 ในชวงแรกคาพยากรณอัตราดอกเบี้ยซื้อคืนเฉลี่ยพยากรณคา
สังเกตอัตราดอกเบี้ยซื้อคืนเฉลี่ยไดไมดีนัก อาจเนื่องจากเปนชวงที่ประเทศไทยประสบกับวิกฤติ
ทางเศรษฐกิจ อาจสงผลกระทบตออัตราดอกเบี้ยซื้อคืนเฉลี่ยทําใหอัตราดอกเบี้ยซื้อคืนเฉลี่ยมีการ
ผันผวนอยางมากหลังจากนั้นจนถึงประมาณไตรมาส 1 ป 2544 คาพยากรณอัตราดอกเบี้ยซื้อคืน
เฉลี่ยคอย ๆ ใกลเคียงคาจริงมากขึ้น ในชวงไตรมาสที่ 2 ป 2544 (ขอมูลลําดับที่ 51-53) จะเห็นวา
คาสังเกตอัตราดอกเบี้ยซื้อคืนเฉลี่ยสูงขึ้นอยางกระทันหัน ทําใหคาพยากรณอัตราดอกเบี้ยซื้อคืน
เฉลี่ยตางจากคาสังเกตอัตราดอกเบี้ยซื้อคืนเฉลี่ย หลังจากนั้นคาพยากรณอัตราดอกเบี้ยซื้อคืนเฉลี่ย
ใหคาพยากรณใกลเคียงคาสังเกตอัตราดอกเบี้ยซื้อคืนเฉลี่ย ตัวแบบนี้ใหคา RMSE = 0.00442023
และคา MAPE = 0.07958274
ให α t เปนอนุกรมเวลาของสวนเหลือของการพยากรณอัตราดอกเบี้ยซื้อคืนเฉลี่ยดวย
ตัวแบบขางตน α t = lnTBt-lnTBt-1 –0.49718279at-7 หรือ α t = TB∗t − 0. 49718279a t − 7
เนื่องจากอนุกรมเวลาภาวะเงินเฟอที่ใชในตัวแบบ Transfer Function จะตองเปน
อนุกรมเวลาที่ Stationary จากที่ไดกลาวมาแลววาอนุกรมเวลาภาวะเงินเฟอมีระดับไมคงที่
แตมีความแปรปรวนคงที่ดังนั้นจึงปรับใหเปนอนุกรมเวลาคงที่ โดยการหาผลตางอันดับ 1 คือ
111
I ∗t = I t − I t −1 และเพื่อรักษาลักษณะความสัมพันธของอัตราดอกเบี้ยซื้อคืนเฉลี่ยกับภาวะเงินเฟอ
(I) ใหคงเดิมจะใชตัวแบบขางตนกับอนุกรมภาวะเงินเฟอแลวหาอนุกรมเวลาของสวนเหลือจากตัว
แบบ β t ดังนี้ β t = I t − I t − 1 − 0.49718279 β t − 7 หรือ β t = I ∗ t − 0. 49718279 β t − 7
หลังจากนั้นใชอนุกรมเวลา α และ β หาตัวแบบ Transfer Function โดยพิจารณา
ลักษณะของฟงกชันสหสัมพันธไขวระหวางอนุกรม α และ β แสดงในภาพที่ 37 จะเห็นวา CCF
ระหวางอนุกรม β และ α มีนัยสําคัญทางสถิติที่ระดับนัยสําคัญ 0.05 ที่ lag 6 และที่ lag -2
แตสําหรับตัวแบบ Transfer Function จะใชเฉพาะ lag ทางบวกเพราะทําภายใตขอสมมติวา α
สงผลกระทบตอ β (อีกนัยหนึ่ง x สงผลตอตัวแปร z) ดังนั้นผูวิจัยจึงพิจารณาเฉพาะที่ lag 6 ซึ่ง
แสดงวาอัตราดอกเบี้ยซื้อคืนเฉลี่ยจะสงผลตอภาวะเงินเฟอในอีก 6 เดือนขางหนา นั่นคือ b = 6
เพราะเปน lag แรกที่มีนัยสําคัญทางสถิติ r = 0 เพราะ CCF ไมมีรูป AR
h = 0 เพราะวาถัดจาก lag ที่ 6 ไมมี lag ใดมีนัยสําคัญทางสถิติ จึงลองพิจารณาตัวแบบที่มีคา
(b,r,h) = (6,0,0) ดังนั้นตัวแบบ Transfer Function คือ
I * t = ω0 TB* t − 6 + Noise Model (η t )
รูปแบบของ η t สามารถหาไดจากการพิจารณาตัวแบบ
ηt = I t − ν 0 TB t − ν1TB t −1 − ν 2 TB t − 2 − Κ − ν15TB t −15
Impulse Response Weights ; ν j j = 0,1,2,3,…,15 คํานวณไดดังนี้
σ
ˆβ
νj = ˆγ αβ ( j)
σ
ˆα
σ̂β คือสวนเบี่ยงเบนมาตรฐานของอนุกรม β และ σ̂ α คือสวนเบี่ยงเบนมาตรฐานของอนุกรม α
โดยคา σ̂β และคา σ̂ α ไดจากอนุกรม β และอนุกรม α ในตารางที่ 11
112
Cross Correlations: β
α
Cross Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
-15 -.212 .151 . ****Ù .
-14 -.098 .149 . **Ù .
-13 -.016 .147 . * .
-12 -.154 .146 . ***Ù .
-11 -.134 .144 . ***Ù .
-10 -.068 .143 . *Ù .
-9 -.095 .141 . **Ù .
-8 .098 .140 . Ù** .
-7 .196 .139 . Ù**** .
-6 .087 .137 . Ù** .
-5 .084 .136 . Ù** .
-4 .213 .135 . Ù****.
-3 .121 .134 . Ù** .
-2 .399 .132 . Ù****.***
-1 .214 .131 . Ù****.
0 .012 .130 . * .
1 .061 .131 . Ù* .
2 .143 .132 . Ù*** .
3 -.103 .134 . **Ù .
4 -.076 .135 . **Ù .
5 -.247 .136 *****Ù .
6 -.337 .137 **.****Ù .
7 -.170 .139 . ***Ù .
8 -.189 .140 . ****Ù .
9 -.218 .141 . ****Ù .
10 -.152 .143 . ***Ù .
11 -.144 .144 . ***Ù .
12 -.028 .146 . *Ù .
13 .016 .147 . * .
14 -.091 .149 . **Ù .
15 -.083 .151 . **Ù .
.02
.01
0.00
-.01
NT
-.02
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43
Sequence number
ภาพที่ 38 η t กับเวลา
Autocorrelations: ηt
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .619 .146 . Ù*****.****** 18.007 .000
2 .464 .144 . Ù*****.*** 28.391 .000
3 .356 .142 . Ù*****.* 34.658 .000
4 .174 .141 . Ù*** . 36.183 .000
5 .200 .139 . Ù**** . 38.263 .000
6 .084 .137 . Ù** . 38.635 .000
7 .059 .135 . Ù* . 38.822 .000
8 -.014 .133 . * . 38.834 .000
9 -.168 .132 . ***Ù . 40.468 .000
10 -.251 .130 *****Ù . 44.206 .000
11 -.257 .128 *****Ù . 48.258 .000
12 -.196 .126 .****Ù . 50.695 .000
13 -.214 .124 .****Ù . 53.682 .000
14 -.231 .122 *****Ù . 57.276 .000
15 -.211 .120 .****Ù . 60.373 .000
16 -.215 .118 .****Ù . 63.729 .000
17 -.224 .115 .****Ù . 67.480 .000
18 -.139 .113 . ***Ù . 68.995 .000
19 -.123 .111 . **Ù . 70.210 .000
20 -.166 .109 .***Ù . 72.543 .000
21 -.171 .107 .***Ù . 75.121 .000
22 -.204 .104 ****Ù . 78.955 .000
23 -.166 .102 .***Ù . 81.611 .000
24 -.075 .099 . **Ù . 82.183 .000
25 -.026 .097 . *Ù . 82.256 .000
26 -.029 .094 . *Ù . 82.347 .000
27 .052 .092 . Ù* . 82.671 .000
28 -.068 .089 . *Ù . 83.254 .000
29 -.076 .086 .**Ù . 84.039 .000
30 .044 .083 . Ù* . 84.316 .000
Partial Autocorrelations: ηt
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .619 .151 . Ù*****.******
2 .132 .151 . Ù*** .
3 .042 .151 . Ù* .
4 -.153 .151 . ***Ù .
5 .168 .151 . Ù*** .
6 -.130 .151 . ***Ù .
7 .045 .151 . Ù* .
8 -.139 .151 . ***Ù .
9 -.156 .151 . ***Ù .
10 -.172 .151 . ***Ù .
11 .069 .151 . Ù* .
12 .067 .151 . Ù* .
13 -.095 .151 . **Ù .
14 -.097 .151 . **Ù .
15 .009 .151 . * .
16 -.014 .151 . * .
17 -.086 .151 . **Ù .
18 .090 .151 . Ù** .
19 -.103 .151 . **Ù .
20 -.192 .151 . ****Ù .
21 -.069 .151 . *Ù .
22 -.015 .151 . * .
23 -.043 .151 . *Ù .
24 .061 .151 . Ù* .
25 .034 .151 . Ù* .
26 -.150 .151 . ***Ù .
27 .119 .151 . Ù** .
28 -.233 .151 .*****Ù .
29 -.006 .151 . * .
30 .056 .151 . Ù* .
ตารางที่ 14 คาประมาณพารามิเตอรของตัวแบบ (1 − φ1 B )η t = a t
Analysis of Variance:
.0 2
.0 1
0 .0 0
- .0 1
Error for ηt
- .0 2
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43
Analysis of Variance:
ตารางที่ 16 คาประมาณพารามิเตอรของตัวแบบ I *t = φ1 I *t − 1 + a t
Analysis of Variance:
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.217 .127 .****Ù . 2.914 .088
2 .110 .126 . Ù** . 3.678 .159
3 .203 .125 . Ù****. 6.330 .097
4 -.276 .124 *.****Ù . 11.300 .023
5 .367 .122 . Ù****.** 20.287 .001
6 -.028 .121 . *Ù . 20.341 .002
7 .150 .120 . Ù*** . 21.901 .003
8 .016 .119 . * . 21.919 .005
9 -.085 .118 . **Ù . 22.439 .008
10 .046 .117 . Ù* . 22.595 .012
11 -.102 .115 . **Ù . 23.376 .016
12 .157 .114 . Ù*** . 25.261 .014
13 -.109 .113 . **Ù . 26.192 .016
14 -.081 .112 . **Ù . 26.722 .021
15 -.047 .111 . *Ù . 26.903 .030
16 -.125 .109 . **Ù . 28.202 .030
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.217 .130 .****Ù .
2 .066 .130 . Ù* .
3 .253 .130 . Ù*****
4 -.213 .130 .****Ù .
5 .264 .130 . Ù*****
6 .099 .130 . Ù** .
7 .227 .130 . Ù*****
8 -.141 .130 . ***Ù .
9 -.001 .130 . * .
10 -.134 .130 . ***Ù .
11 -.038 .130 . *Ù .
12 .021 .130 . * .
13 -.077 .130 . **Ù .
14 -.157 .130 . ***Ù .
15 -.116 .130 . **Ù .
16 .007 .130 . * .
Analysis of Variance:
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.056 .127 . *Ù . .193 .660
2 .072 .126 . Ù* . .521 .771
3 .237 .125 . Ù***** 4.145 .246
4 -.193 .124 .****Ù . 6.591 .159
5 .087 .122 . Ù** . 7.094 .214
6 -.002 .121 . * . 7.094 .312
7 .107 .120 . Ù** . 7.889 .342
8 -.002 .119 . * . 7.889 .444
9 .029 .118 . Ù* . 7.950 .539
10 -.043 .117 . *Ù . 8.087 .620
11 -.146 .115 . ***Ù . 9.681 .559
12 .034 .114 . Ù* . 9.771 .636
13 -.229 .113 *****Ù . 13.887 .382
14 -.125 .112 . **Ù . 15.130 .369
15 -.065 .111 . *Ù . 15.471 .418
16 -.111 .109 . **Ù . 16.501 .419
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.056 .130 . *Ù .
2 .069 .130 . Ù* .
3 .247 .130 . Ù*****
4 -.181 .130 .****Ù .
5 .036 .130 . Ù* .
6 -.026 .130 . *Ù .
7 .205 .130 . Ù****.
8 -.070 .130 . *Ù .
9 .041 .130 . Ù* .
10 -.144 .130 . ***Ù .
11 -.077 .130 . **Ù .
12 -.011 .130 . * .
13 -.171 .130 . ***Ù .
14 -.163 .130 . ***Ù .
15 -.107 .130 . **Ù .
16 .009 .130 . * .
.03
.02
.01
0.00
Error for I
-.01
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
Cross Correlations: αt
ˆa t
Cross Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
-15 .076 .186 . Ù** .
-14 -.187 .183 . ****Ù .
-13 .077 .180 . Ù** .
-12 .087 .177 . Ù** .
-11 .032 .174 . Ù* .
-10 .376 .171 . Ù******.*
-9 .106 .169 . Ù** .
-8 -.006 .167 . * .
-7 .347 .164 . Ù*******
-6 .138 .162 . Ù*** .
-5 -.032 .160 . *Ù .
-4 .074 .158 . Ù* .
-3 -.012 .156 . * .
-2 .091 .154 . Ù** .
-1 .093 .152 . Ù** .
0 -.161 .151 . ***Ù .
1 -.030 .152 . *Ù .
2 -.066 .154 . *Ù .
3 .020 .156 . * .
4 -.087 .158 . **Ù .
5 -.135 .160 . ***Ù .
6 .024 .162 . * .
7 -.181 .164 . ****Ù .
8 -.024 .167 . * .
9 -.014 .169 . * .
10 -.072 .171 . *Ù .
11 .064 .174 . Ù* .
12 -.013 .177 . * .
13 -.288 .180 .******Ù .
14 .108 .183 . Ù** .
15 .060 .186 . Ù* .
1.1
1.0
.9
.8 Fit for I
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69
Sequence number
ภาพที่ 47 คาสังเกตภาวะเงินเฟอกับคาพยากรณภาวะเงินเฟอภายในชวงตัวอยาง
และนอกชวงตัวอยางที่ไดจากตัวแบบ Transfer Function
128
จากภาพที่ 47 จะเห็นวาสําหรับการพยากรณภายในชวงตัวอยางระหวางเดือนมกราคม
2540 ถึง ธันวาคม 2544 คาสังเกตภาวะเงินเฟอมีคาใกลเคียงกับคาพยากรณภาวะเงินเฟอแสดงวา
ภาวะเงินเฟอสามารถที่จะพยากรณภาวะเงินไดดี โดยใหคา RMSE = 0.00426 และ
คา MAPE = 0.29987
สําหรับการพยากรณนอกชวงตัวอยาง คือใชคาพยากรณระหวางเดือนมกราคม 2545
ถึง ธันวาคม 2545 คาพยากรณภาวะเงินเฟอไดมีแนวโนมลดลงและต่ํากวาคาสังเกตภาวะเงินเฟอ
ในขณะที่คาสังเกตภาวะเงินเฟอจริงมีแนวโนมสูงขึ้น (คาของขอมูลแสดงไวในภาคผนวก ข)
โดยใหคา RMSE = 0.020616 และคา MAPE = 1.673535
Autocorrelations: M1
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .859 .126 . Ù****.************ 46.577 .000
2 .805 .125 . Ù****.*********** 88.182 .000
3 .726 .124 . Ù****.********** 122.617 .000
4 .647 .123 . Ù****.******** 150.405 .000
5 .593 .122 . Ù****.******* 174.181 .000
6 .555 .120 . Ù****.****** 195.391 .000
7 .533 .119 . Ù****.****** 215.360 .000
8 .529 .118 . Ù****.****** 235.358 .000
9 .512 .117 . Ù****.***** 254.477 .000
10 .501 .116 . Ù****.***** 273.175 .000
11 .468 .115 . Ù****.**** 289.777 .000
12 .432 .114 . Ù****.**** 304.240 .000
13 .360 .112 . Ù***.*** 314.515 .000
14 .319 .111 . Ù***.** 322.753 .000
15 .216 .110 . Ù**** 326.604 .000
16 .173 .109 . Ù***. 329.128 .000
17 .113 .108 . Ù** . 330.227 .000
18 .044 .106 . Ù* . 330.401 .000
19 .047 .105 . Ù* . 330.601 .000
20 .028 .104 . Ù* . 330.675 .000
21 .013 .102 . * . 330.691 .000
22 .008 .101 . * . 330.697 .000
23 -.046 .100 . *Ù . 330.910 .000
24 -.072 .098 . *Ù . 331.448 .000
25 -.193 .097 ****Ù . 335.424 .000
26 -.250 .096 *.***Ù . 342.269 .000
27 -.288 .094 **.***Ù . 351.589 .000
28 -.313 .093 **.***Ù . 362.972 .000
29 -.351 .091 ***.***Ù . 377.764 .000
30 -.352 .090 ***.***Ù . 393.129 .000
01
20
T
C
O 001
2
L 1
JU 200
R
AP 0 0 1
2
N 0
JA 00
2
T
C
O 00
20
L 0
JU 00
2
R
AP 0 0 0
2
N 9
JA 199
T
C
O 99
19
L 9
JU 99
1
R
AP 9 9
19
N 8
JA 99
1
T
C 98
O
19
L 8
JU 99
1
R
AP 9 9 8
Date
0
200000
100000
-100000
M1
131
Autocorrelations: M1
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.334 .127 **.****Ù . 6.907 .009
2 .114 .126 . Ù** . 7.726 .021
3 .013 .125 . * . 7.737 .052
4 -.100 .124 . **Ù . 8.385 .078
5 -.096 .122 . **Ù . 9.000 .109
6 -.103 .121 . **Ù . 9.716 .137
7 -.085 .120 . **Ù . 10.219 .177
8 -.035 .119 . *Ù . 10.304 .244
9 -.011 .118 . * . 10.312 .326
10 .134 .117 . Ù*** . 11.632 .310
11 .024 .115 . * . 11.677 .388
12 .207 .114 . Ù****. 14.944 .245
13 -.080 .113 . **Ù . 15.446 .280
14 .140 .112 . Ù***. 17.021 .255
15 -.137 .111 .***Ù . 18.561 .234
16 .073 .109 . Ù* . 19.008 .268
17 .023 .108 . * . 19.053 .326
18 -.311 .107 **.***Ù . 27.548 .069
19 .064 .105 . Ù* . 27.919 .085
20 -.106 .104 . **Ù . 28.949 .089
21 -.067 .103 . *Ù . 29.380 .105
22 .191 .101 . Ù**** 32.940 .063
23 -.093 .100 . **Ù . 33.805 .068
24 .242 .099 . Ù***.* 39.830 .022
25 -.015 .097 . * . 39.854 .030
26 .005 .096 . * . 39.857 .040
27 -.028 .094 . *Ù . 39.945 .052
28 .078 .093 . Ù** . 40.651 .058
29 -.156 .091 .***Ù . 43.564 .040
30 -.080 .090 . **Ù . 44.362 .044
จากกราฟของขอมูลราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลกรายเดือนในภาพที่ 4 ของ
(สวนที่ 1) ซึ่งแสดงลักษณะราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลกรายเดือน จะเห็นวาราคาเฉลี่ย
น้ํามันดิบในตลาดทั่วโลกรายเดือนในชวงแรกมีแนวโนมลดลงจนถึงปลายป 2542 หลังจากนั้นมี
แนวโนมสูงขึ้นอยางชัดเจนจนถึงปลายป 2543 หลังจากนั้นมีแนวโนมลดลง แสดงวาระดับของ
คาสังเกตไมคงที่ และการกระจายของราคาเฉลี่ยน้ํามันดิบในตลาดทั่วโลกรายเดือนสม่ําเสมอ
แสดงวาอนุกรมเวลานาจะมีความแปรปรวนคงที่ และจากการพิจารณา ACF ของราคาเฉลี่ย
น้ํามันดิบในตลาดทั่วโลกรายเดือน ในภาพที่ 51 พบวาฟงกชันสหสัมพันธในตัวเองของราคาเฉลี่ย
น้ํามันดิบในตลาดทั่วโลกรายเดือนลดลงอยางชา ๆ แสดงวาอนุกรมเวลาราคาเฉลี่ยน้ํามันดิบใน
ตลาดทั่วโลกเปนแบบ Non – stationary จึงแปลงอนุกรมเวลาโดยการหาผลตางอันดับ 1 ใหเปน
อนุกรมเวลาแบบ Stationary ในภาพที่ 52 แสดงอนุกรมเวลาของผลตางอันดับ1 ของราคาเฉลี่ย
132
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .948 .126 . Ù****.************** 56.674 .000
2 .891 .125 . Ù****.************* 107.575 .000
3 .840 .124 . Ù****.************ 153.652 .000
4 .783 .123 . Ù****.*********** 194.357 .000
5 .720 .122 . Ù****.********* 229.421 .000
6 .666 .120 . Ù****.******** 259.942 .000
7 .609 .119 . Ù****.******* 285.962 .000
8 .552 .118 . Ù****.****** 307.750 .000
9 .485 .117 . Ù****.***** 324.881 .000
10 .411 .116 . Ù****.*** 337.432 .000
11 .322 .115 . Ù****.* 345.308 .000
12 .212 .114 . Ù****. 348.804 .000
13 .102 .112 . Ù** . 349.620 .000
14 .015 .111 . * . 349.639 .000
15 -.068 .110 . *Ù . 350.021 .000
16 -.143 .109 .***Ù . 351.760 .000
17 -.208 .108 ****Ù . 355.506 .000
18 -.260 .106 *.***Ù . 361.516 .000
19 -.314 .105 **.***Ù . 370.469 .000
20 -.358 .104 ***.***Ù . 382.390 .000
21 -.392 .102 ****.***Ù . 397.043 .000
22 -.411 .101 ****.***Ù . 413.590 .000
23 -.432 .100 *****.***Ù . 432.357 .000
24 -.441 .098 *****.***Ù . 452.482 .000
25 -.449 .097 *****.***Ù . 473.945 .000
26 -.456 .096 *****.***Ù . 496.701 .000
27 -.454 .094 *****.***Ù . 519.977 .000
28 -.440 .093 *****.***Ù . 542.447 .000
29 -.424 .091 ****.***Ù . 564.067 .000
30 -.399 .090 ****.***Ù . 583.851 .000
01
20
T
C
O 01
20
L
J U 001
2
R
A P 01
20
N
JA 00
20
T
C
O 00
20
L
J U 000
2
R
AP 0 0
20
N
JA 99
19
T
C
O 99
19
L
J U 999
1
R
A P 99
19
N
JA 98
19
T
C
O 98
19
L
J U 998
1
R
A P 98
19
N
Date
6
-2
-4
-6
-8
Crude
134
Autocorrelations: Crude
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .094 .127 . Ù** . .549 .459
2 -.049 .126 . *Ù . .699 .705
3 .142 .125 . Ù*** . 1.987 .575
4 .037 .124 . Ù* . 2.074 .722
5 -.069 .122 . *Ù . 2.393 .793
6 .054 .121 . Ù* . 2.593 .858
7 -.001 .120 . * . 2.593 .920
8 .096 .119 . Ù** . 3.245 .918
9 .041 .118 . Ù* . 3.367 .948
10 .172 .117 . Ù*** . 5.547 .852
11 .235 .115 . Ù***** 9.690 .558
12 .057 .114 . Ù* . 9.941 .621
13 -.172 .113 . ***Ù . 12.255 .507
14 .000 .112 . * . 12.255 .586
15 -.085 .111 . **Ù . 12.841 .615
16 -.130 .109 .***Ù . 14.262 .579
17 -.117 .108 . **Ù . 15.427 .565
18 .022 .107 . * . 15.468 .630
19 -.106 .105 . **Ù . 16.474 .625
20 -.140 .104 .***Ù . 18.290 .568
21 -.117 .103 . **Ù . 19.589 .547
22 .034 .101 . Ù* . 19.702 .602
23 -.102 .100 . **Ù . 20.735 .597
24 -.023 .099 . * . 20.787 .651
25 -.004 .097 . * . 20.789 .704
26 -.131 .096 .***Ù . 22.669 .652
27 -.167 .094 .***Ù . 25.814 .529
28 -.030 .093 . *Ù . 25.921 .577
29 -.120 .091 . **Ù . 27.659 .536
30 -.160 .090 .***Ù . 30.830 .424
จากกราฟของขอมูลปริมาณเงินตามความหมายกวางรายเดือนในภาพที่ 5 (สวนที่ 1)
ซึ่งแสดงลักษณะปริมาณเงินตามความหมายกวางรายเดือน จะเห็นวาปริมาณเงินตามความหมาย
กวางรายเดือนมีลักษณะมีแนวโนมสูงขึ้น แสดงวาระดับคาสังเกตไมคงที่ และการกระจายของ
ปริมาณเงินตามความหมายกวางรายเดือนสม่ําเสมอแสดงวาอนุกรมเวลานาจะมีความแปรปรวน
คงที่ และจากการพิจารณา ACF ของอนุกรมเวลาปริมาณเงินตามความหมายกวางรายเดือนในภาพ
ที่ 54 พบวาฟงกชันสหสัมพันธในตัวเองของปริมาณเงินตามความหมายกวางรายเดือนลดลงอยางชา
ๆ แสดงวาอนุกรมเวลาปริมาณเงินตามความหมายกวางรายเดือนเปนแบบ Non – stationary จึง
แปลงอนุกรมเวลาโดยการหาผลตางอันดับ 1 เพื่อปรับใหเปนอนุกรมเวลาแบบ Stationary ใน
ภาพที่ 55 แสดงอนุกรมเวลาของผลตางอันดับ1 ของปริมาณเงินตามความหมายกวางรายเดือน เมื่อ
135
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .929 .126 . Ù****.************** 54.443 .000
2 .856 .125 . Ù****.************ 101.441 .000
3 .786 .124 . Ù****.*********** 141.783 .000
4 .719 .123 . Ù****.********* 176.161 .000
5 .652 .122 . Ù****.******** 204.911 .000
6 .588 .120 . Ù****.******* 228.698 .000
7 .528 .119 . Ù****.****** 248.275 .000
8 .474 .118 . Ù****.**** 264.344 .000
9 .419 .117 . Ù****.*** 277.136 .000
10 .369 .116 . Ù****.** 287.274 .000
11 .319 .115 . Ù****.* 294.977 .000
12 .274 .114 . Ù***** 300.798 .000
13 .237 .112 . Ù***.* 305.259 .000
14 .199 .111 . Ù**** 308.454 .000
15 .156 .110 . Ù***. 310.461 .000
16 .117 .109 . Ù** . 311.613 .000
17 .079 .108 . Ù** . 312.151 .000
18 .049 .106 . Ù* . 312.360 .000
19 .028 .105 . Ù* . 312.431 .000
20 .008 .104 . * . 312.437 .000
21 -.006 .102 . * . 312.440 .000
22 -.017 .101 . * . 312.468 .000
23 -.029 .100 . *Ù . 312.555 .000
24 -.040 .098 . *Ù . 312.718 .000
25 -.055 .097 . *Ù . 313.035 .000
26 -.066 .096 . *Ù . 313.512 .000
27 -.077 .094 . **Ù . 314.172 .000
28 -.088 .093 . **Ù . 315.066 .000
29 -.098 .091 . **Ù . 316.214 .000
30 -.112 .090 . **Ù . 317.775 .000
01
20
T
C
O 01
20
L
JU 001
2
R
AP 0 1
20
N
JA 00
20
T
C
O 00
20
L
JU 000
2
R
AP 0 0
20
N 9
JA 99
1
T
C
O 99
19
L
JU 999
1
R
AP 9 9
19
N
JA 98
19
T
C
O 98
19
L
JU 998
1
R
AP 9 8
19
N
Date
0
200000
100000
-100000
M2
137
Autocorrelations: M2
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .282 .127 . Ù****.* 4.948 .026
2 .253 .126 . Ù***** 8.998 .011
3 .270 .125 . Ù***** 13.686 .003
4 .034 .124 . Ù* . 13.761 .008
5 .134 .122 . Ù*** . 14.949 .011
6 .167 .121 . Ù*** . 16.844 .010
7 -.009 .120 . * . 16.850 .018
8 .045 .119 . Ù* . 16.996 .030
9 .058 .118 . Ù* . 17.239 .045
10 .070 .117 . Ù* . 17.597 .062
11 .126 .115 . Ù*** . 18.793 .065
12 .001 .114 . * . 18.793 .094
13 .099 .113 . Ù** . 19.565 .107
14 .189 .112 . Ù**** 22.430 .070
15 .043 .111 . Ù* . 22.584 .093
16 -.013 .109 . * . 22.598 .125
17 .032 .108 . Ù* . 22.685 .160
18 -.188 .107 ****Ù . 25.778 .105
19 -.116 .105 . **Ù . 26.990 .105
20 -.112 .104 . **Ù . 28.143 .106
21 -.230 .103 *.***Ù . 33.147 .045
22 -.093 .101 . **Ù . 33.997 .049
23 -.037 .100 . *Ù . 34.137 .063
24 -.089 .099 . **Ù . 34.946 .069
25 .073 .097 . Ù* . 35.517 .079
26 -.053 .096 . *Ù . 35.827 .095
27 -.076 .094 . **Ù . 36.470 .105
28 -.038 .093 . *Ù . 36.642 .127
29 -.191 .091 ****Ù . 41.013 .069
30 -.112 .090 . **Ù . 42.581 .064
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 .884 .126 . Ù****.************* 49.309 .000
2 .861 .125 . Ù****.************ 96.875 .000
3 .815 .124 . Ù****.*********** 140.202 .000
4 .753 .123 . Ù****.********** 177.914 .000
5 .675 .122 . Ù****.********* 208.773 .000
6 .631 .120 . Ù****.******** 236.174 .000
7 .557 .119 . Ù****.****** 257.965 .000
8 .526 .118 . Ù****.****** 277.747 .000
9 .477 .117 . Ù****.***** 294.347 .000
10 .382 .116 . Ù****.*** 305.205 .000
11 .355 .115 . Ù****.** 314.790 .000
12 .314 .114 . Ù****.* 322.437 .000
13 .238 .112 . Ù***.* 326.907 .000
14 .167 .111 . Ù***. 329.167 .000
15 .128 .110 . Ù***. 330.527 .000
16 .050 .109 . Ù* . 330.735 .000
17 .002 .108 . * . 330.736 .000
18 -.056 .106 . *Ù . 331.010 .000
19 -.093 .105 . **Ù . 331.788 .000
20 -.109 .104 . **Ù . 332.886 .000
21 -.141 .102 .***Ù . 334.790 .000
22 -.200 .101 ****Ù . 338.701 .000
23 -.210 .100 ****Ù . 343.145 .000
24 -.250 .098 *.***Ù . 349.589 .000
25 -.298 .097 **.***Ù . 359.004 .000
26 -.318 .096 **.***Ù . 370.050 .000
27 -.342 .094 ***.***Ù . 383.260 .000
28 -.357 .093 ***.***Ù . 398.079 .000
29 -.357 .091 ***.***Ù . 413.333 .000
30 -.365 .090 ***.***Ù . 429.850 .000
01
20
T
C
O 01
20
L
JU 001
2
R
AP 0 1
20
N
JA 00
20
ภาพที่ 58 ผลตางอันดับ 1 ของอนุกรมเวลามูลคาสินคานําเขากับเวลา
T
C
O 00
20
L
JU 000
2
R
AP 0 0
20
N
JA 99
19
T
C
O 99
19
L
JU 999
1
R
AP 9 9
19
N
JA 98
19
T
C
O 98
19
L
JU 998
1
R
AP 9 8
19
N
Date
0
60000
40000
20000
-20000
-40000
Import
140
Autocorrelations: IMPORT
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-Ljung Prob.
ßØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØÚØØØØà
1 -.467 .127 ****.****Ù . 13.518 .000
2 .122 .126 . Ù** . 14.456 .001
3 .058 .125 . Ù* . 14.674 .002
4 .057 .124 . Ù* . 14.889 .005
5 -.152 .122 . ***Ù . 16.438 .006
6 .162 .121 . Ù*** . 18.218 .006
7 -.211 .120 .****Ù . 21.307 .003
8 .112 .119 . Ù** . 22.185 .005
9 .184 .118 . Ù****. 24.625 .003
10 -.314 .117 *.****Ù . 31.852 .000
11 .094 .115 . Ù** . 32.509 .001
12 .142 .114 . Ù*** . 34.044 .001
13 -.050 .113 . *Ù . 34.242 .001
14 -.144 .112 .***Ù . 35.900 .001
15 .167 .111 . Ù***. 38.175 .001
16 -.169 .109 .***Ù . 40.574 .001
17 .091 .108 . Ù** . 41.280 .001
18 -.102 .107 . **Ù . 42.196 .001
19 -.084 .105 . **Ù . 42.826 .001
20 .070 .104 . Ù* . 43.280 .002
21 .118 .103 . Ù** . 44.603 .002
22 -.243 .101 *.***Ù . 50.365 .001
23 .154 .100 . Ù***. 52.742 .000
24 .011 .099 . * . 52.753 .001
25 -.120 .097 . **Ù . 54.289 .001
26 .057 .096 . Ù* . 54.648 .001
27 -.062 .094 . *Ù . 55.079 .001
28 -.071 .093 . *Ù . 55.662 .001
29 .097 .091 . Ù** . 56.793 .002
30 -.147 .090 .***Ù . 59.457 .001
Variable/
Lag 0 1 2 3 4 5 6 7 8 9 10
I +..... ++.... +...+. +..... ...-+. +..... ...... ...... ...... ...... ......
TB .+.... +...+. +..... ...... ...-.. ...... +...+. .+.... ...... ...... ....+.
M1 ..+.+. ..-... ...... ...... ...... ...... ...... ...... ...... ...+.. ......
Cruse ...+.. ...... ...... ...... ...... ...... ....-. ...... ...... ...... ......
M2 ..+.+. +...+. ...-.. ....+. +..... ...-.. +..... +..... ...... ...... ......
Import .....+ .....- ...... ...... ...... ...... ...... ...... ...... ...... .....-
* แสดงตัวแปรที่มีนัยสําคัญทางสถิติที่ระดับ 0.05
149
ตารางที่ 22 (ตอ)
ตัวแบบ ประกอบดวยตัวแปร 5 ตัวแปร RMSE MAPE
4 I* ,TB , Crude , M2 และ Import 0.00462 0.33399
I t = 0 . 48435 I t − 1 + A 1, t
TB t = −0. 04800 + 9. 066231 I t −1 + A 2 , t
Crude t = Crude t − 1 + A 3, t
M 2 t = 18633 + 76190 TB t − 1 + 0. 27515 M 2 t − 1 + A 4 , t
Importt = -0.53394 Importt-1 + A5,t
* แสดงตัวแปรที่มีนัยสําคัญทางสถิติที่ระดับ 0.05
ภาพที่ 62 เมทริกซสหสัมพันธของสวนเหลือจากการพยากรณภาวะเงินเฟอที่ได
จากตัวแบบ VAR
ผลการตรวจสอบเมทริกซสหสัมพันธของความคลาดเคลื่อนดวยตัวสถิติ Qk แสดงใน
ภาพที่ 62 พบวาไมมีนัยสําคัญทางสถิติที่ระดับ 0.05 แสดงวาสวนเหลือที่ไดจากตัวแบบนี้ไมมีสห
สัมพันธกัน
.02
.01
0.00
Error for I
-.01
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Sequence number
1.1
1.0
.9
.8 Fit for I
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69
Sequence number
ภาพที่ 64 คาสังเกตภาวะเงินเฟอกับคาพยากรณภาวะเงินเฟอภายในชวงตัวอยาง
และนอกชวงตัวอยางที่ไดจากตัวแบบ VAR
จากภาพที่ 64 จะเห็นวาสําหรับการพยากรณในชวงตัวอยางคือระหวางเดือนมกราคม
2540 ถึง ธันวาคม 2544 (คาสังเกตลําดับที่ 1-60) คาพยากรณภาวะเงินเฟอที่ไดจากตัวแบบ VAR
ใกลเคียงกับคาภาวะเงินเฟอจริงโดยใหคา RMSE = 0.004132 และคา MAPE = 0.31076
สําหรับการพยากรณนอกชวงตัวอยางคือระหวางเดือนมกราคม 2544 ถึง ธันวาคม 2545
(คาสังเกตลําดับที่ 61-72) คาพยากรณภาวะเงินเฟอที่ไดใกลเคียงคาสังเกตภาวะเงินเฟอซึ่งคา
พยากรณที่ไดต่ํากวาคาสังเกต (คาของขอมูลแสดงไวในภาคผนวก ข) โดยใหคาRMSE = 0.00997
และคา MAPE = 0.838824
153
สวนที่ 3 การเปรียบเทียบประสิทธิภาพระหวางตัวแบบ
ในการเปรียบเทียบประสิทธิภาพของตัวแบบจะพิจารณาตามแนวทางตอไปนี้
3.1 การตรวจสอบความสอดคลอง
การตรวจสอบความสอดคลองระหวางคาสังเกตกับคาพยากรณโดยใชตัวสถิติ RMSE
และMAPE ดังแสดงในตารางที่ 25 เนื่องจากตัวแบบ Transfer Function เปนตัวแบบเดียวกับตัว
แบบ ARIMA ดังนั้นในการเปรียบเทียบประสิทธิภาพจะไมพิจารณาตัวแบบ Transfer Function
เพราะใหผลเชนเดียวกับกับตัวแบบ ARIMA
ตารางที่ 25 การตรวจสอบความสอดคลองภายในชวงตัวอยางและนอกชวงตัวอยาง
ตัวแบบ ในชวงตัวอยาง นอกชวงตัวอยาง
RMSE MAPE RMSE MAPE
ARIMA 0.00426 0.29987 0.020616 1.67353
อัตราดอกเบี้ย 0.78219 35.16543 0.93500 85.64656
VAR 0.00413 0.31076 0.00997 0.83882
ตารางที่ 25 แสดงผลการตรวจสอบความสอดคลองระหวางคาสังเกตภาวะเงินเฟอกับ
คาพยากรณภาวะเงินเฟอจากตัวแบบตาง ๆ สําหรับการพยากรณภาวะเงินเฟอภายในชวงตัวอยาง คือ
ระหวางเดือนมกราคม 2540 ถึง ธันวาคม 2544 พบวาตัวแบบ VAR ใหคา RMSE ต่ําสุด รองลง
มาคือ ตัวแบบ ARIMA และตัวแบบอัตราดอกเบี้ย ตามลําดับ ตัวแบบ ARIMA ใหคา MAPE
ต่ําสุด รองลงมาคือตัวแบบVAR และ ตัวแบบอัตราดอกเบี้ย ตามลําดับ
สําหรับการพยากรณภาวะเงินเฟอภายนอกชวงตัวอยางคือระหวางเดือนมกราคม 2545
ถึง ธันวาคม 2545 พบวาตัวแบบ VAR ใหคา RMSE และคา MAPE ต่ําสุด รองลงมาคือ ตัวแบบ
ARIMA และตัวแบบอัตราดอกเบี้ย ตามลําดับ
3.2 การทดสอบความเอนเอียง
การทดสอบความเอนเอียงระหวางคาสังเกตภาวะเงินเฟอกับคาพยากรณภาวะเงินเฟอที่
ไดจากตัวแบบแตละตัวแบบโดยใชสมการถดถอย I t = β 0 + β1ˆIt + ε t และทดสอบสมมติฐาน
ของพารามิเตอรที่ละตัว H 0 : β 0 = 0 H1 : β1 ≠ 0 และ/หรือ H 0 : β1 = 1 H1 : β1 ≠ 1
ถาปฏิเสธสมมติฐาน H 0 : β 0 = 0 และ/หรือ H 0 : β1 = 1 แสดงวาคาพยากรณจากตัวแบบที่
ทดสอบมีความเอนเอียงจากคาสังเกตจริง สถิติ Durbin –Watson ใชตรวจสอบสหสัมพันธ
ในตัวเองระหวางสวนเหลือจากสมการถดถอยขางตน ถาสวนเหลือไมมีสหสัมพันธในตัวเองแสดง
154
ว า ตั ว แบบถดถอยเชิ ง เส น อย า งง ายข า งต น นี้ เ หมาะสมที่ จ ะใช อ ธิ บ ายความสั มพั น ธระหวางคา
พยากรณกับคาสังเกตจริงได
ตารางที่ 26 การทดสอบความเอนเอียงภายในชวงตัวอยาง
ตัวแบบ β0 Sig β1 Sig Durbin สรุป
–Watson
ARIMA 0.038423 0.004 0.962 0.004 2.293เอนเอียง / สวนเหลือไม
(0.013) (0.013) มีสหสัมพันธ
อัตราดอกเบี้ย 0.998 0.000 0.001757 0.000 0.023 เอนเอียง / สวนเหลือ
(0.007) (0.005) มีสหสัมพันธในเชิงบวก
VAR 0.02663 0.072 0.974 0.088 2.250 ไมเอนเอียง / สวนเหลือ
(0.15) (0.15) ไมมีสหสัมพันธ
คาในวงเล็บ คือ คาความคลาดเคลื่อนมาตรฐาน ( Standard Error)
Durbin –Watson คา d L =1.54, d U =1.61 และคา 4 − d U = 2. 39 ,คา 4 − d L = 2. 46
จากตารางที่ 26 แสดงผลการทดสอบความเอนเอียงระหวางคาพยากรณภาวะเงินเฟอกับ
คาสังเกตภาวะเงินเฟอจริงภายในชวงตัวอยางคือระหวางเดือนมกราคม 2540 ถึง ธันวาคม 2544
พบวาตัวแบบ ARIMA และตัวแบบอัตราดอกเบี้ยปฏิเสธทั้งสมมติฐาน H 0 : β 0 = 0 และ/หรือ
H 0 : β1 = 1 ที่ระดับนัยสําคัญ 0.05 แสดงวาตัวแบบ ARIMA และตัวแบบอัตราดอกเบี้ยใหคา
พยากรณภาวะเงินเฟอที่มีความเอนเอียง คา Durbin –Watson ของตัวแบบ ARIMA เทากับ 2.293
ซึ่งอยูระหวางชวง d U กับ 4 − d U แสดงวาความคลาดเคลื่อนจากสมการถดถอยระหวางคาสังเกต
จริงกับคาพยากรณจากตัวแบบ ARIMA ไมมีสหสัมพันธกัน คา Durbin –Watson ของตัวแบบอัตรา
ดอกเบี้ยเทากับ 0.023 ซึ่งนอยกวา d L แสดงวาความคลาดเคลื่อนจากสมการถดถอยระหวางคาจริง
กับคาพยากรณจากตัวแบบอัตราดอกเบี้ยมีสหสัมพันธกันในเชิงบวก สําหรับตัวแบบ VAR ยอม
รับสมมติฐาน H 0 : β 0 = 0 และ/หรือ H 0 : β1 = 1 ที่ระดับนัยสําคัญ 0.05 แสดงวาตัว
แบบ VAR ใหคาพยากรณภาวะเงินเฟอที่ไมมีความเอนเอียง และความคลาดเคลื่อนจากสมการ
ถดถอยระหวางคาจริงกับคาพยากรณจากตัวแบบ VAR โดยมีคา Durbin –Watson เทากับ 2.250
ซึ่งอยูระหวางชวง d U กับ 4 − d U แสดงวาความคลาดเคลื่อนจากสมการถดถอยระหวางคาสังเกต
จริงกับคาพยากรณจากตัวแบบ ARIMA ไมมีสหสัมพันธกัน
155
ตารางที่ 27 การทดสอบความเอนเอียงนอกชวงตัวอยาง
ตัวแบบ β0 Sig β1 Sig Durbin สรุป
–Watson
ARIMA 2.037 0.00 -0.974 0.000 1.010 เอนเอียง / สวนเหลือไม
(0.324) (0.316) มีสหสัมพันธในเชิงบวก
อัตราดอกเบี้ย 01.064 0.00 -0.0501 0.318 0.014 เอนเอียง / สวนเหลือมี
(0.008) (0.017) สหสัมพันธในเชิงบวก
VAR -0.106 .781 1.111 0.762 1.120 ไมเอนเอียง / สรุปไมไดวา
(0.370) (0.358) สวนเหลือมีสหสัมพันธ
คาในวงเล็บ คือ คาความคลาดเคลื่อนมาตรฐาน ( Standard Error)
Durbin –Watson คา d L =1.08, d U =1.36 และคา 4 − d U = 2. 64 ,คา 4 − d L = 2. 92
ตารางที่ 27 แสดงผลการทดสอบความเอนเอียงระหวางคาพยากรณภาวะเงินเฟอกับคา
สังเกตภาวะเงินเฟอจริงนอกชวงตัวอยางคือระหวางเดือนมกราคม 2545 ถึง ธันวาคม 2545 พบวา
ตัวแบบ ARIMA ปฏิเสธสมมติฐานทั้ง H 0 : β 0 = 0 และ/หรือ H 0 : β1 = 1 และตัวแบบอัตรา
ดอกเบี้ยปฏิเสธสมมติฐาน H 0 : β 0 = 0 ยอมรับ H 0 : β1 = 1 ที่ระดับนัยสําคัญ 0.05 แสดงวาตัว
แบบ ARIMA และตัวแบบอัตราดอกเบี้ยใหคาพยากรณภาวะเงินเฟอที่มีความเอนเอียง และจาก
คา Durbin –Watson เทากับ1.010 และเทากับ 0.014 ตามลําดับ ซึ่งนอยกวา d L แสดงวาความคลาด
เคลื่อนจากสมการถดถอยระหวางคาจริงกับคาพยากรณจากตัวแบบ ARIMA และตัวแบบอัตราดอก
เบี้ยมีสหสัมพันธกันในเชิงบวก สําหรับตัวแบบ VAR ยอมรับสมมติฐาน H 0 : α 0 = 0 และ/
หรือ H 0 : β1 = 1 ที่ระดับนัยสําคัญ 0.05 แสดงวาตัวแบบ VAR ใหคาพยากรณภาวะเงินเฟอที่ไม
มีความเอนเอียง และจากคา Durbin –Watson = 1.120 ซึ่งอยูระหวาง d L กับ d U แสดงวาไมมี
หลักฐานเพียงพอที่จะสรุปไดวาความคลาดเคลื่อนจากสมการถดถอยระหวางคาจริงกับคาพยากรณ
จากตัวแบบ VAR มีสหสัมพันธกันหรือไม
3.3 การตรวจสอบการมีสวนรวม
การตรวจสอบการมีสวนรวมในการพยากรณภาวะเงินเฟอโดยใชการถดถอยเชิงเสน
พหุคูณของคาสังเกตภาวะเงินเฟอบนคาพยากรณภาวะเงินเฟอจากตัวแบบ 2 ตัวแบบใด ๆ
I t = β 0 + β1ˆIti + β 2ˆItj + ε t
ทําการทดสอบสมมติฐาน H 0 : β1 = β 2 = 0 , H1 : β1 = β 2 ≠ 0 หลังจากนั้นทดสอบสมมติ
ฐาน
156
ARIMA 2442.86 0.00 0.03 0.022 0.59 0.01 0.375 0.13 2.336 ตัวแบบARIMA
กับ VAR (0.01) (0.24) (.247) ไมใหสาร
สนเทศ/
สวนเหลือไม
มีสหสัมพันธกัน
อั ต ร า 2234.70 0.00 0.026 0.073 0.00 0.38 0.973 0.00 2.174 ตัวแบบอัตราดอก
ดอกเบี้ ย (0.01) (0.01) (.015) เบี้ยไมใหสาร
กับVAR สนเทศ/
สวนเหลือไม
มีสหสัมพันธกัน
คาในวงเล็บ คือ คาความคลาดเคลื่อนมาตรฐาน ( Standard Error)
Durbin –Watson : คา d L =1.50, d U =1.645 และคา 4 − d U = 2. 50 ,คา 4 − d L = 2. 355
จากตารางที่ 28 แสดงผลการตรวจสอบการมีสวนรวมในการพยากรณภาวะเงินเฟอภาย
ในชวงตัวอยางคือระหวางเดือนมกราคม 2540 ถึง ธันวาคม 2544 สําหรับคูของตัวแบบ ARIMA
กับตัวแบบอัตราดอกเบี้ยพบวา β1 มีนัยสําคัญทางสถิติที่ระดับ 0.05 β 2 ไมมีนัยสําคัญทางสถิติที่
ระดับ 0.05 แสดงวาตัวแบบอัตราดอกเบี้ยไมไดใหสารสนเทศในการอธิบายความผันแปรของคา
สังเกตภาวะเงินเฟอเพิ่มจากที่ตัวแบบ ARIMA ไดอธิบายไวแลว และจากคา Durbin –Watson เทา
157
ARIMA 7.958 0.01 1.73 0.00 -0.66 0.070 -0.03 0.083 1.609 ตัวแบบทั้งคูให
กับ อัตรา (0.32) (0.32) (0.01) สารสนเทศเดียว
ดอกเบี้ย กัน/สวนเหลือ
ไมมีสหสัมพันธ
ARIMA 8.577 0.00 0.93 0.15 -0.65 0.067 0.75 0.064 1.531 ตัวแบบทั้งคูให
กับ VAR (0.59) (0.31) (0.35) สารสนเทศเดียว
กัน/สรุปไมได
วาสวนเหลือ
มีสหสัมพันธกัน
อั ต ร า 6.304 0.01 0.33 0.49 -0.02 0.189 0.70 0.447 1.348 ตัวแบบทั้งคูให
ดอกเบี้ ย (0.46) (0.02) สารสนเทศเดียว
กับVAR กัน/สรุปไมได
วาสวนเหลือ
มีสหสัมพันธ
158
ตารางที่ 29 แสดงผลการตรวจสอบการมีสวนรวมในการพยากรณภาวะเงินเฟอนอกชวง
ตัวอยางคือระหวางเดือนมกราคม 2545 ถึง ธันวาคม 2545 ของตัวแบบ 3 ตัวแบบที่ศึกษาพบวา
สําหรับคูของ ARIMAกับ อัตราดอกเบี้ย พบวา β1 และ β 2 ไมมีนัยสําคัญทางสถิติที่ระดับ 0.05 ทั้ง
คู แสดงวาคาพยากรณจากตัวแบบทั้ง 2 ตัวแบบใหสารสนเทศเดียวกัน และจากคา Durbin –
Watson เทากับ 1.609 ซึ่งอยูระหวางชวง d U กับ 4 − d U แสดงวาความคลาดเคลื่อนจากสมการ
ถดถอยระหวางคาสังเกตภาวะเงินเฟอกับคาพยากรณของ 2 ตัวแบบนี้ไมมีสหสัมพันธกัน สําหรับคู
ของตัวแบบ ARIMA กับตัวแบบ VAR พบวา β1 และ β 2 ไมมีนัยสําคัญทางสถิติที่ระดับ 0.05ทั้งคู
แสดงวาคาพยากรณจากตัวแบบทั้ง 2 ตัวแบบใหสารสนเทศเดียวกัน และจากคา Durbin –Watson
เทากับ 1.531 ซึ่งอยูระหวาง d L กับ d U แสดงวาไมมีหลักฐานเพียงพอที่จะสรุปไดวาความคลาด
เคลื่อนจากสมการถดถอยระหวางคาจริงกับคาพยากรณจากตัวแบบทั้ง 2 ตัวแบบนี้มีสหสัมพันธ
กันหรือไม สําหรับคูของตัวแบบอัตราดอกเบี้ยกับตัวแบบ VAR พบวา β1 และ β 2 ไมมีนัย
สําคัญทางสถิติที่ระดับ 0.05 ทั้งคู แสดงวาคาพยากรณจากตัวแบบทั้ง 2 ตัวแบบใหสารสนเทศเดียว
กัน และจากคา Durbin –Watson เทากับ 1.348 ซึ่งอยูระหวาง d L กับ d U แสดงวาไมมีหลักฐาน
เพียงพอที่จะสรุปไดวาความคลาดเคลื่อนจากสมการถดถอยระหวางคาจริงกับคาพยากรณจากตัว
แบบทั้ง 2 ตัวแบบนี้มีสหสัมพันธกันหรือไม
บทที่ 5
สรุปผลการวิจัย อภิปรายผล และขอเสนอแนะ
สรุปผลการวิจัย
ในงานวิจัยเรื่อง การเปรียบเทียบตัวแบบพยากรณภาวะเงินเฟอระหวางตัวแบบARIMA
ตัวแบบอัตราดอกเบี้ย ตัวแบบ Transfer Function และตัวแบบ VAR มีจุดประสงคเพื่อ (1) ศึกษา
ลักษณะความผันแปรของภาวะเงินเฟอในประเทศไทย (2) หาตัวแบบพยากรณภาวะเงินเฟอของ
ประเทศไทยโดยใชตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย ตัวแบบ Transfer Function และ
ตัวแบบ VAR และ (3) เปรียบเทียบประสิทธิภาพในการพยากรณภาวะเงินเฟอของประเทศไทย
ระหวางตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย ตัวแบบ Transfer Function และตัวแบบ VAR
ผลการวิจัยสามารถสรุปไดดังนี้
(1) จากการศึกษาลักษณะความผันแปรของภาวะเงินเฟอของประเทศไทยตั้งแตเดือน
มกราคม 2540 ถึง ธันวาคม 2544 พบวาภาวะเงินเฟอของประเทศไทยมีแนวโนมเพิ่มขึ้นอยางชัด
เจนในชวงเดือนมกราคม 2540 ถึงประมาณเดือนกรกฎาคม 2541 และคอย ๆ ลดลงตั้งแตในชวง
ปลายป 2541 ตอเนื่องถึงไตรมาสแรกของป 2542 หลังจากนั้นภาวะเงินเฟอมีแนวโนมเพิ่มขึ้นแตไม
มากนักจนถึงเดือนสิงหาคม 2544 หลังจากนั้นลดลงเล็กนอย
(2) จากตัวแบบที่ศึกษา 4 ตัวแบบคือ ตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย ตัวแบบ
Transfer Function และตัวแบบ VAR พบวาตัวแบบที่เหมาะสมในการพยากรณภาวะเงินเฟอใน
แตละกรณีเปนดังนี้
ตัวแบบ ARIMA ตัวแบบที่เหมาะสม คือ
I t = 1. 38413301 I t − 1 − 0. 38413301 I t − 2 + 0. 38419358 I t − 5 − 0. 38419358 I t − 6 + a t
โดยที่ I คือ คาสังเกตภาวะเงินเฟอ a t คือ ความคลาดเคลื่อนจากการพยากรณ
ตัวแบบอัตราดอกเบี้ย ตัวแบบที่เหมาะสมคือ ˆIt = TB t −1 − EˆR t −1 ซึ่ง EˆR t −1 ได
จากตัวแบบ ln ER t − 1. 37000590 ln ER t − 1 = −0. 54018035 S t + a t
โดยที่ TB คือ อัตราดอกเบี้ยซื้อคืนเฉลี่ย ER คือ คาคาดหมายผลตอบแทนที่แทจริง
ตัวแบบ Transfer Function โดยใชอัตราดอกเบี้ยซื้อคืนเฉลี่ยเปนตัวแปรอิสระ พบวา
อัตราดอกเบี้ยซื้อคืนเฉลี่ยไมมีนัยสําคัญในการอธิบายภาวะเงินเฟอ (I)
159
160
อภิปรายผลการวิจัย
จากที่ไดกลาวมาขางตนเปนการสรุปผลลัพธที่ไดจากการวิจัย ซึ่งผลสรุปดังกลาว
สามารถนํามาอภิปรายผลไดดังนี้
ตัวแบบARIMA สามารถพยากรณภาวะเงินเฟอในประเทศไทยทั้งภายในชวงตัวอยาง
และนอกชวงตัวอยางไดดี ซึ่งสอดคลองกับงานวิจัยของ Hafer and Hien (1985 , 1990) ซึ่ง
พบวาตัวแบบ ARIMA สามารถพยากรณภาวะเงินเฟอในประเทศตาง ๆ เชน เบลเยี่ยม แคนาดา
ฝรั่งเศส และเยอรมันนี ไดดี
ตัวแบบอัตราดอกเบี้ย พยากรณภาวะเงินเฟอในประเทศไทยทั้งภายในชวงตัวอยาง
และนอกชวงตัวอยางไดไมคอยถูกตอง ดังจะเห็นไดจากคา RMSE และคา MAPE ของตัวแบบนี้สูง
กวาตัวแบบอื่น ๆ อยางมาก และคาพยากรณที่ไดจากตัวแบบอัตราดอกเบี้ยก็มีความเอนเอียง นอก
จากนี้จากการตรวจสอบการมีสวนรวมในการอธิบายภาวะเงินเฟอรวมกับคาพยากรณจากตัวแบบ
อื่น ๆ ที่ละคูพบวาคาพยากรณจากตัวแบบอัตราดอกเบี้ยไมไดใหสารสนเทศในการอธิบายความผัน
แปรของคาสังเกตภาวะเงินเฟอเพิ่มจากที่ตัวแบบอื่น ๆ ไดอธิบายไวแลว แสดงวาตัวแบบอัตรา
ดอกเบี้ยพยากรณภาวะเงินเฟอไดไมดี จากการศึกษาตัวแบบอัตราดอกเบี้ยของ Fama (1976)
Garbade and Wachtel (1978) และ Fama and Gibbons (1982) ทําภายใตขอสมมติวาคาคาดหมาย
ของผลตอบแทนที่แทจริงมีลักษณะเปน Random walk แตในงานวิจัยนี้พบวาคาคาดหมายผลตอบ
แทนที่แทจริงไมไดมีลักษณะเปน Random walk สงผลใหตัวแบบอัตราดอกเบี้ยใชในการพยากรณ
ภาวะเงินเฟอไดไมดี
ตัวแบบ Transfer Function พบวาอัตราดอกเบี้ยซื้อคืนเฉลี่ยไมมีนัยสําคัญในสมการ
พยากรณภาวะเงินเฟอ ดังนั้นจึงไดตัวแบบ Transfer Function เหมือนกับตัวแบบ ARIMA
จากการตรวจสอบ CCF ระหวางสวนเหลือจากตัวแบบ Transfer Function กับอนุกรมเวลาของสวน
เหลือจากการพยากรณอัตราดอกเบี้ยซื้อคืนเฉลี่ย พบวาคาประมาณสัมประสิทธิ์สหสัมพันธไขวที่
lag ทางดานบวกไมมีนัยสําคัญ แตที่ lag ทางดานลบมีคาประมาณสัมประสิทธิ์สหสัมพันธไขวที่
lag –10 และ lag –7 แสดงวามีความสัมพันธยอนกลับจากภาวะเงินเฟอสงไปยังอัตราดอกเบี้ย ซึ่ง
สิ่งเหลานี้แสดงใหเห็นวาตัวแปรอิสระอัตราดอกเบี้ยซื้อคืนเฉลี่ยไมใชปจจัยสําคัญในการอธิบาย
พยากรณภาวะเงินเฟอ แตภาวะเงินเฟออาจเปนปจจัยหนึ่งที่สามารถชวยในการพยากรณอัตราดอก
เบี้ยซื้อคืนเฉลี่ยได การใชตัวแบบ Transfer Function ที่มีอัตราดอกเบี้ยเปนตัวแปรอิสระอาจจะไม
เหมาะสม ที่จะใชพยากรณภาวะเงินเฟอในประเทศไทย
สําหรับการพยากรณภาวะเงินเฟอโดยใช ตัวแบบ VAR เมื่อนําตัวแปรทุกตัวที่พิจารณา
เขาในตัวแบบ พบวาไมมีตัวแปรอิสระตัวใดมีนัยสําคัญที่ระดับ 0.05 อาจเนื่องจากตัวแปรเหลานี้
162
ขอเสนอแนะเพื่อการวิจัยคนควาตอไป
งานวิจัยนี้ศึกษาเฉพาะตัวแบบทางสถิติที่สามารถใชในการพยากรณภาวะเงินเฟอใน
ประเทศไทย ตัวแปรอิสระที่นํามาพิจารณาเปนตัวแปรที่ไดมีผูวิจัยทานอื่น ๆ ศึกษาไวแลววามีความ
สัมพันธกับภาวะเงินเฟอ ตัวแบบตาง ๆ ในงานวิจัยนี้สรางจากการวิเคราะหลักษณะความสัมพันธ
ของคาสังเกตในตัวแปรเหลานี้ ตามทฤษฎีของอนุกรมเวลา ไมไดมีการศึกษาตัวแบบหรือทฤษฎีทาง
เศรษฐศาสตรของภาวะเงินเฟอ ในงานวิจัยตอไป อาจทําการศึกษาตัวแบบตามทฤษฎีทางเศรษฐ
ศาสตร ของภาวะเงินเฟอและเปรียบเทียบคาพยากรณของตัวแบบทางเศรษฐศาสตรกับ
คาพยากรณที่ไดจากตัวแบบทางอนุกรมเวลา
163
บรรณานุกรม
ภาษาไทย
กรรณิการ ตรีภักดีตระกูล. “คาจางขั้นต่ํากับภาวะเงินเฟอในประเทศไทย.” วิทยานิพนธ
เศรษฐศาสตรมหาบัณฑิต สาขาวิชาเศรษฐศาสตร บัณฑิตวิทยาลัย
จุฬาลงกรณมหาวิทยาลัย, 2538.
เกษมสันต วีระกุล และคณะ. พจนานุกรมศัพทเศรษฐศาสตร .พิมพครั้งที่ 6.กรุงเทพมหานคร :
สํานักพิมพมหาวิทยาลัยธรรมศาสตร, 2542.
จุฑาภรณ เภตรานุวัฒนและวันชัย ปญญาวิเศษพงศ.ดัชนีราคาผูบริโภคของประเทศ [Online].
Accessed27August2002.Availablefromhttp://www.bot.or.th/bothomepage/databank/
EconData /Econ&Finance/index04.asp
. ดัชนีราคาผูบริโภคของประเทศ [Online]. Accessed 27 August 2002. Available
fromhttp://www.bot.or.th/bothomepage/databank/EconData/Econ&Finance/
Download/ Tab79.xls
ถนอมนวล โพธิ์สุนทร และสุเมธ ธีรมงคล.ปริมาณเงิน [Online]. Accessed 27 August 2002.
Available fromhttp://www.bot.or.th/bothomepage/databank/EconData/Definitions/
Monetary &PublicFinance/MoneySupply.htm
ถนอมนวล โพธิ์สุนทร และวันชัย ปญญาวิเศษพงศ.อัตราดอกเบี้ยในตลาดเงิน [Online]. Accessed
27August 2002.Vailable from http://www.bot.or.th/bothomepage/databank/EconData
/Econ&Finance/tab30.asp
. อัตราดอกเบี้ยในตลาดเงิน [Online]. Accessed 27 August 2002. Available from
http://www.bot.or.th/bothomepage/databank/EconData/Econ&Finance/Download/
Tab30.xls
เทอดศักดิ์ ศรีสุรพล. เศรษฐศาสตรมหภาค1 ตํารา-เอกสารวิชาการ ฉบับที่ 57 หนวยศึกษานิเทศก.
กรุงเทพ ฯ :กรมการฝกหัดครู, 2535.
ธนาคารแหงประเทศไทย. รายงานเศรษฐกิจและการเงิน 2540. กรุงเทพ ฯ:บริษัทประชาชน
จํากัด,2540.
. รายงานเศรษฐกิจและการเงิน 2541. กรุงเทพ ฯ:บริษัทประชาชนจํากัด,2541.
. รายงานเศรษฐกิจและการเงิน 2542. กรุงเทพ ฯ:บริษัทประชาชนจํากัด,2542.
. รายงานเศรษฐกิจและการเงิน 2543. กรุงเทพ ฯ:บริษัทประชาชนจํากัด,2543.
. รายงานเศรษฐกิจและการเงิน 2544. กรุงเทพ ฯ:บริษัทประชาชนจํากัด,2544.
164
ภาษาอังกฤษ
Bovas, Abraham, and Johannes Ledolter. Statistical Methods for Forecasting. New York:John
Wiley &Sons,1983.
Bowerman, Bruce L., and Richard T. O/Connell. Forecasting and Times Series. 3th ed. Belmont :
Wadsworth,1993.
Box, George E.P.,and Gwilym M. Jenkins. Time Series Analysis Forecasting and Control. 2th ed.
SanFrancisco : Holden-Day,1976.
Box, George E.P.,Gwilym M. Jenkins, and Gregory C Reinsel . Time Series Analysis Forecasting
and Control. 3th ed. New-Jersey:Prentice-Hall,1994.
Chatfield, Chris . Time- series Forecasting. Boca Raton: Chapman&Hall, 2000.
Fama ,Eugene F. “Short - Term Interest Rates as Predictors of Inflation.” AmericanEconomics
Review 65 (1975) :269-282.
. “Inflation Uncertainty and Expected Returns on Treasury Bills.” Journal of Political
Economy 84 (1976) : 427-448.
Fama ,Eugene F., and Michael R. Gibbons. “ Inflation,Real Returns and Capital Investment.”
Journal of Monetary Economics 8 (1982) : 297-324.
. “A Comparison of Inflation Forecasts.” Journal of Monetary Economics 13 (1984)
: 327-348.
Garbasde,Kenneth and Paul Wachtel. “Time Variation in the Relationship between Inflation and
Interest Rates.” Journal of Monetary Economics 4 (1978) : 755-765.
Hafer, R.W., and Scott E. Hein. “On the Times-Series Interest Rate and Survey Forecasts of
Inflation.” Journal of Business 58 (1985) : 377-398.
. “ Forecasting Inflation Using Interest-Rate and Times-Series
Models : Some International Evidence.” Journal of Business 63 (1990) :1-17.
166
Hess,Patrick J. and James L. Bicksler. “Capital Asset Prices Versus Times Series Models as
Predictors of Inflation : The Expected Real Rate of Interest and Market Efficiency.”
Journal of Financial Economics 2 (1975) 341-360.
L& tkepohl ,Helmut. Introduction to Mutiple Time Series Analysis. 2th ed. Berlin : Springer –
u&
Verlag,1993.
Nelson,Charles R., and William G. Schwert. “Short- Term Interest Rate as Predictor of
Inflation: On Testing the Hypothesis that the Real Rate of Interest is Constant.”
American Economics Review 67 (1977) :478-486.
Pankratz, Alan. Forecasting with Univariate Box – Jenkins Models: Concept and Case. New
York: John Wiley,1983.
Pindyck, Robert S. and Daniel L. Rubinfeld. Econometric Models and Economic Forecasts.
4th ed.Boston:McGraw-Hill Companies, 1998.
Reinsel Gregory C. Elements of Multivariate Time Series Analysis. New York:Springer-
Verlag,1993.
Valle, S., and He/ctor A. “Inflation Forecsats with Arima and Vector Autoressive Models in
Guatemala.”Economic Research Department Banco De Guatemala (May 2002) :1-20.
Vandaele, Walter . Applied Time Series and Box-Jenkins Models. New York:Academic
Press,1983.
Wei, William W.S. Univariate and Multivariate Methods.California: Addison-Wesley, 1990.
ภาคผนวก ก
ขอมูลที่ใชในงานวิจัย
168
ตารางที่ 30(ตอ)
ป เดือน ดัชนีราคาผูบริโภค ป เดือน ดัชนีราคาผูบริโภค
2542 มกราคม 100.6 2545 มกราคม 103.3
กุมภาพันธ 100.7 กุมภาพันธ 103.4
มีนาคม 100.5 มีนาคม 103.7
เมษายน 100.1 เมษายน 104.2
พฤษภาคม 99.7 พฤษภาคม 104.3
มิถุนายน 99.6 มิถุนายน 104.1
กรกฎาคม 99.8 กรกฎาคม 104
สิงหาคม 100.2 สิงหาคม 104.1
กันยายน 100.3 กันยายน 104.5
ตุลาคม 100.5 ตุลาคม 105.1
พฤศจิกายน 100.6 พฤศจิกายน 104.6
ธันวาคม 100.9 ธันวาคม 104.7
ที่มา :จุฑาภรณ เภตรานุวัฒน และวันชัย ปญญาวิเศษพงศ, ดัชนีราคาผูบริโภคของประเทศ [Online].
Accessed 27 August 2002. Available fromhttp://www.bot.or.th/bothomepage/databank/
EconData/Econ&Finance/index04.asp
, ดัชนีราคาผูบริโภคของประเทศ [Online]. Accessed 27 August 2002. Available
from http://www.bot.or.th/bothomepage/databank/EconData/Econ&Finance/Download/Tab79.xls
170
ตารางที่ 31(ตอ)
ป เดือน อัตราดอกเบี้ยซื้อคืน
เฉลี่ย
ธันวาคม 5.54
2542 มกราคม 4.86
กุมภาพันธ 4.59
มีนาคม 4.02
เมษายน 3.35
พฤษภาคม 3.06
มิถุนายน 2.81
กรกฎาคม 2.73
สิงหาคม 2.46
กันยายน 2.44
ตุลาคม 2.44
พฤศจิกายน 2.44
ธันวาคม 2.44
ที่มา : ถนอมนวล โพธิ์สุนทร และวันชัย ปญญาวิเศษพงศ, อัตราดอกเบี้ยในตลาดเงิน [Online].
Accessed 27 August 2002.Available from http://www.bot.or.th/bothomepage/databank
/EconData/Econ&Finance /tab30.asp
, อัตราดอกเบี้ยในตลาดเงิน [Online]. Accessed 27 August 2002. Available
from http://www.bot.or.th/bothomepage/databank/EconData/Econ&Finance/Download/Tab30.xls
172
ตารางที่ 32 (ตอ)
ป เดือน ปริมาณเงินตาม
ความหมายแคบ
2542 มกราคม 437024
กุมภาพันธ 426895
มีนาคม 458040.9
เมษายน 424979.8
พฤษภาคม 441141.2
มิถุนายน 429225.6
กรกฎาคม 415745.6
สิงหาคม 433225.9
กันยายน 431901.1
ตุลาคม 455697.4
พฤศจิกายน 476373.4
ธันวาคม 575039.4
ที่มา : นวลนุช ธนเอนก และวันชัย ปญญาวิเศษพงศ, การคาระหวางประเทศและดุลการชําระเงิน
[Online]. Accessed 27 August 2002. Available from http://www.bot.or.th/bothomepage
/databank/EconData/Econ&Finance/tab03.asp
, การคาระหวางประเทศและดุลการชําระเงิน [Online]. Accessed 4 August 2002.
Available from http://www.bot.or.th/botomepage/databank/EconData/Econ&Finance
/Download/Tab03. xls
174
ตารางที่ 33(ตอ)
ป เดือน ราคาเฉลี่ยน้ํามันดิบ
ในตลาดทั่วโลก
2542 มกราคม 11.21
กุมภาพันธ 10.43
มีนาคม 12.77
เมษายน 15.32
พฤษภาคม 15.75
มิถุนายน 16.02
กรกฎาคม 18.49
สิงหาคม 20.27
กันยายน 22.53
ตุลาคม 22.2
พฤศจิกายน 23.75
ธันวาคม 24.38
ที่มา : กระทรวงพลังงาน, “รายงานการเคลื่อนไหวราคาน้ํามันดิบ,” วารสารนโยบายพลังงาน
47, (มกราคม – มีนาคม 2540) : 92.
, “รายงานการเคลื่อนไหวราคาน้ํามันดิบ,” วารสารนโยบายพลังงาน 57,
(กรกฎาคม – กันยายน 2545) : 39.
176
ตารางที่ 34 (ตอ)
ป เดือน ปริมาณเงินตาม
ความหมายกวาง
2542 มกราคม 4741914.5
กุมภาพันธ 4784884.2
มีนาคม 4789063.4
เมษายน 4790287.1
พฤษภาคม 4817666.5
มิถุนายน 4764119.2
กรกฎาคม 4756061.3
สิงหาคม 4788664.7
กันยายน 4786578.2
ตุลาคม 4796365.1
พฤศจิกายน 4832330.7
ธันวาคม 4854748.4
ที่มา : นวลนุช ธนเอนก และวันชัย ปญญาวิเศษพงศ, การคาระหวางประเทศและดุลการชําระเงิน
[Online]. Accessed 27 August 2002. Available fromhttp://www.bot.or.th/bothomepage/
databank/EconData/Econ&Finance/tab03.asp
, การคาระหวางประเทศและดุลการชําระเงิน [Online].Accessed 4 August 2002.
Available fromhttp://www.bot.or.th/bothomepage/databank/EconData/Econ&Finance/
Download/Tab03.xls
178
ตารางที่ 35 (ตอ)
ป เดือน มูลคาสินคานําเขา
2542 มกราคม 127568
กุมภาพันธ 134980
มีนาคม 160457
เมษายน 141309
พฤษภาคม 130877
มิถุนายน 171729
กรกฎาคม 147646
สิงหาคม 157483
กันยายน 172353
ตุลาคม 181691
พฤศจิกายน 191827
ธันวาคม 189472
ที่มา : นวลนุช ธนเอนก และ เสาวนีย ศิริวิมลวรรณ, สินคาเขาจําแนกตามภาคเศรษฐกิจ 1
[Online].Accessed 27 August 2002. Available fromhttp://www.bot.or.th/bothomepage/
databank/EconData/Econ&Finance / tab47.asp
, สินคาเขาจําแนกตามภาคเศรษฐกิจ 1 [Online].Accessed 27 August 2002.
Available from http://www.bot.or.th/bothomepage/databank/EconData/Econ&Finance /Download/
Tab47.xls
ภาคผนวก ข
คาสังเกตกับคาพยากรณภาวะเงินเฟอที่ไดจากตัวแบบ ARIMA ตัวแบบอัตราดอกเบี้ย
ตัวแบบ VAR และคา RMSE กับคา MAPE ของแตละตัวแบบ
181
ตารางที่ 36 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
25 1.01 1.00 0.00396 0.003936 0.003936
26 1.01 1.00 0.00024 0.000238 0.000238
27 1.01 1.01 -0.00159 -0.00158 0.001582
28 1.00 1.00 -0.00206 -0.00206 0.002058
29 1.00 1.00 -0.00091 -0.00091 0.000913
30 1.00 1.00 -0.00103 -0.00103 0.001034
31 1.00 1.00 0.002 0.002004 0.002004
32 1.00 1.00 0.00401 0.004002 0.004002
33 1.00 1.00 0.00103 0.001027 0.001027
34 1.01 1.00 0.00318 0.003164 0.003164
35 1.01 1.01 0.00062 0.000616 0.000616
36 1.01 1.01 0.00181 0.001794 0.001794
37 1.01 1.01 0.00026 0.000257 0.000257
38 1.02 1.01 0.00242 0.002382 0.002382
39 1.02 1.02 -0.00229 -0.00225 0.002254
40 1.01 1.02 -0.00335 -0.00331 0.003307
41 1.01 1.01 0.00095 0.000937 0.000937
42 1.02 1.02 0.00043 0.000423 0.000423
43 1.02 1.02 -0.00132 -0.0013 0.001298
44 1.02 1.02 0.00551 0.005386 0.005386
45 1.03 1.02 0.00281 0.002736 0.002736
46 1.02 1.03 -0.00676 -0.00661 0.006614
47 1.02 1.02 0.00208 0.002033 0.002033
48 1.02 1.02 -0.00076 -0.00074 0.000743
49 1.03 1.03 -0.00035 -0.00034 0.000341
50 1.03 1.03 0.00356 0.003453 0.003453
183
ตารางที่ 36 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
51 1.03 1.03 -0.00032 -0.00031 0.00031
52 1.04 1.03 0.00638 0.006146 0.006146
53 1.04 1.04 0.00125 0.0012 0.0012
54 1.04 1.04 -0.00512 -0.00493 0.004928
55 1.04 1.04 -0.00118 -0.00114 0.001136
56 1.04 1.04 -0.00096 -0.00092 0.000925
57 1.04 1.04 0.0006 0.000576 0.000576
58 1.04 1.04 -0.00743 -0.00717 0.007172
59 1.03 1.03 0.00104 0.001006 0.001006
60 1.03 1.03 -0.00217 -0.0021 0.002105
0.00107517 0.176928
1.8223E-05 MAPE 0.299878
RMSE 0.00426887
184
ตารางที่ 36 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
1 1.03 1.03 0 0 0
2 1.03 1.03 0 0 0
3 1.04 1.03 0.01 0.009615 0.009615
4 1.04 1.03 0.01 0.009615 0.009615
5 1.04 1.03 0.01 0.009615 0.009615
6 1.04 1.02 0.02 0.019231 0.019231
7 1.04 1.02 0.02 0.019231 0.019231
8 1.04 1.02 0.02 0.019231 0.019231
9 1.05 1.02 0.03 0.028571 0.028571
10 1.05 1.02 0.03 0.028571 0.028571
11 1.05 1.02 0.03 0.028571 0.028571
12 1.05 1.02 0.03 0.028571 0.028571
0.0051 0.200824
0.000425 MAPE 1.673535
RMSE 0.020616
185
ตารางที่ 37 คาสังเกตกับคาพยากรณภาวะเงินเฟอที่ไดจากตัวแบบอัตราดอกเบี้ยภายในชวงตัวอยาง
และภายนอกชวงตัวอยาง
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
1 0.90
2 0.90 0.9
3 0.90 0.9 0.005 0.005531 0.005531
4 0.91 0.91 0.001 0.001105 0.001105
5 0.91 0.91 0.004 0.0044 0.0044
6 0.91 0.91 0.002 0.002195 0.002195
7 0.92 0.92 0.006 0.006543 0.006543
8 0.94 0.94 0.024 0.025505 0.025505
9 0.95 -0.55 0.004 0.004233 0.004233
10 0.95 2.88 1.49928 1.573221 1.573221
11 0.96 1.52 -1.92019 -1.998117 1.998117
12 0.96 -0.33 -0.55656 -0.579147 0.579147
13 0.97 0.13 1.30339 1.340936 1.340936
14 0.98 -0.8 0.85003 0.868264 0.868264
15 0.99 1.23 1.78891 1.80698 1.80698
16 1.00 -2.71 -0.23638 -0.237091 0.237091
17 1.00 3.39 3.71626 3.708842 3.708842
18 1.01 0.61 -2.37908 -2.360198 2.360198
19 1.01 -0.76 0.39498 0.391457 0.391457
20 1.01 0.71 1.7681 1.74541 1.74541
21 1.01 1.39 0.30255 0.299258 0.299258
22 1.01 0.96 -0.37865 -0.375273 0.375273
23 1.01 1.27 0.0425 0.042247 0.042247
24 1.00 1.37 -0.26871 -0.268174 0.268174
186
ตารางที่ 37 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
25 1.01 1.00 -0.36157 -0.359414 0.359414
26 1.01 1.00 0.15086 0.149811 0.149811
27 1.01 1.01 -0.31562 -0.31405 0.31405
28 1.00 1.00 -0.32796 -0.327632 0.327632
29 1.00 1.00 -0.36284 -0.363932 0.363932
30 1.00 1.00 -0.13666 -0.137209 0.137209
31 1.00 1.00 -0.08629 -0.086463 0.086463
32 1.00 1.00 -0.1277 -0.127445 0.127445
33 1.00 1.00 -0.10014 -0.09984 0.09984
34 1.01 1.00 -0.03641 -0.036229 0.036229
35 1.01 1.01 -0.08753 -0.087008 0.087008
36 1.01 1.01 -0.12351 -0.122408 0.122408
37 1.01 1.01 -0.06483 -0.064061 0.064061
38 1.02 1.01 -0.06327 -0.062274 0.062274
39 1.02 1.02 -0.02413 -0.02375 0.02375
40 1.01 1.02 -0.08655 -0.085439 0.085439
41 1.01 1.01 -0.00685 -0.006755 0.006755
42 1.02 1.02 0.00166 0.001634 0.001634
43 1.02 1.02 0.00021 0.000206 0.000206
44 1.02 1.02 0.00524 0.005122 0.005122
45 1.03 1.02 -0.00738 -0.007186 0.007186
46 1.02 1.03 -0.01023 -0.01001 0.01001
47 1.02 1.02 0.00979 0.00957 0.00957
48 1.02 1.02 -0.02204 -0.021544 0.021544
49 1.03 1.03 -0.08797 -0.085824 0.085824
50 1.03 1.03 -0.00515 -0.004995 0.004995
187
ตารางที่ 37 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณError Error/I Error / I
51 1.03 1.030.00146 0.001416 0.001416
52 1.04 1.030.00204 0.001965 0.001965
53 1.04 1.040.00879 0.008436 0.008436
54 1.04 1.040.00294 0.00283 0.00283
55 1.04 1.04-0.00893 -0.008595 0.008595
56 1.04 1.04-0.00203 -0.001956 0.001956
57 1.04 1.04-0.00057 -0.000548 0.000548
58 1.04 1.04 -0.0226 -0.021815 0.021815
59 1.03 1.03-0.06275 -0.060687 0.060687
60 1.03 1.03-0.00569 -0.005519 0.005519
35.58311143 20.3577
0.613501921 MAPE 35.09949
RMSE 0.783263635
188
ตารางที่ 37 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
1 1.03 0.67 -0.33363 -0.32391 0.323913
2 1.03 0.47 -0.86502 -0.83983 0.839825
3 1.04 0.47 -0.96585 -0.9287 0.928702
4 1.04 0.47 -0.94603 -0.90964 0.909644
5 1.04 0.47 -0.95298 -0.91633 0.916327
6 1.04 0.47 -0.94928 -0.91277 0.912769
7 1.04 0.47 -0.95067 -0.91411 0.914106
8 1.04 0.45 -0.96886 -0.9316 0.931596
9 1.05 0.47 -1.09017 -1.03826 1.038257
10 1.05 0.47 -1.13123 -1.07736 1.077362
11 1.05 0.33 -1.26327 -1.20311 1.203114
12 1.05 0.25 -0.29607 -0.28197 0.281971
10.49083 10.27759
0.874236 MAPE 85.64656
RMSE 0.935006
189
ตารางที่ 38 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
25 1.01 1.00 0.005662 0.0056283 0.0056283
26 1.00 1.00 0.0014185 0.0014087 0.0014087
27 1.01 1.01 -0.0038485 -0.0038294 0.0038294
28 1.00 1.00 -0.0023691 -0.0023668 0.0023668
29 1.00 1.00 -0.0011396 -0.001143 0.001143
30 1.00 1.00 -0.0001973 -0.0001981 0.0001981
31 1.00 0.99 0.0056198 0.0056311 0.0056311
32 1.00 1.00 0.0039934 0.0039854 0.0039854
33 1.00 1.00 -0.0009073 -0.0009046 0.0009046
34 1.01 1.00 0.0018487 0.0018395 0.0018395
35 1.01 1.01 -0.0001096 -0.0001089 0.0001089
36 1.01 1.01 0.0009734 0.0009647 0.0009647
37 1.01 1.01 0.0009691 0.0009577 0.0009577
38 1.02 1.01 0.0046321 0.0045592 0.0045592
39 1.02 1.02 -0.0019922 -0.0019608 0.0019608
40 1.01 1.02 -0.002356 -0.0023258 0.0023258
41 1.01 1.01 0.0025766 0.0025411 0.0025411
42 1.02 1.01 0.0036686 0.0036108 0.0036108
43 1.02 1.02 0.0005146 0.000506 0.000506
44 1.02 1.02 0.0043861 0.0042875 0.0042875
45 1.03 1.03 -0.0002626 -0.0002557 0.0002557
46 1.02 1.03 -0.0077484 -0.0075816 0.0075816
47 1.02 1.03 -0.0021924 -0.0021431 0.0021431
48 1.02 1.02 -0.0002007 -0.0001962 0.0001962
49 1.03 1.02 0.0007977 0.0007782 0.0007782
50 1.03 1.03 0.0032908 0.0031919 0.0031919
191
ตารางที่ 38 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
51 1.03 1.03 -0.0024085 -0.0023361 0.0023361
52 1.04 1.04 0.0062548 0.0060259 0.0060259
53 1.04 1.04 0.0005147 0.0004939 0.0004939
54 1.04 1.04 -0.0039389 -0.0037911 0.0037911
55 1.04 1.04 -0.0007184 -0.0006915 0.0006915
56 1.04 1.04 -0.001985 -0.0019123 0.0019123
57 1.04 1.04 0.002774 0.0026648 0.0026648
58 1.04 1.04 -0.007134 -0.0068861 0.0068861
59 1.03 1.04 -0.0018975 -0.0018351 0.0018351
60 1.03 1.04 -0.0041024 -0.003979 0.003979
0.0009904 0.1802409
1.708E-05 MAPE 0.31076
RMSE 0.004132
192
ตารางที่ 38 (ตอ)
ลําดับที่ คาสังเกต คาพยากรณ Error Error/I Error / I
1 1.03 1.03 0.00 -0.0001764 0.0001764
2 1.03 1.03 0.00 2.167E-05 2.167E-05
3 1.04 1.03 0.01 0.0094718 0.0094718
4 1.04 1.03 0.01 0.0090437 0.0090437
5 1.04 1.03 0.01 0.0084374 0.0084374
6 1.04 1.03 0.01 0.0077103 0.0077103
7 1.04 1.03 0.01 0.0069014 0.0069014
8 1.04 1.03 0.01 0.0060368 0.0060368
9 1.05 1.03 0.02 0.0146094 0.0146094
10 1.05 1.04 0.01 0.0136902 0.0136902
11 1.05 1.04 0.01 0.0127539 0.0127539
12 1.05 1.04 0.01 0.0118058 0.0118058
0.0011927 0.1006588
9.939E-05 RMSE 0.838824
RMSE 0.00997
193
ประวัติผูวิจัย