วิทยานิพนธ

การคาดการณผลกําไรสูงสุดของโครงการอสังหาริมทรัพยแนวราบ
ในเขตพื้นที่เมืองใหญ โดยการใชแบบจําลองทางคณิตศาสตร
USING MATHEMATICAL MODEL TO PREDICT THE MAXIMIZED PROFIT
OF LOW-RISE REAL ESTATE PROJECT IN A LARGE CITY AREA

นายสิริภพ กาแกว 59601043

อาจารยที่ปรึกษา รศ.ดร.ชลิดา อูตะเภา

หลักสูตร วิศวกรรมศาสตรดุษฎีบัณฑิต สาขาวิศวกรรมโยธา

คณะวิศวกรรมศาสตร
สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง
1
 หัวข้อนํ าเสนอ

ความเป็ นมาและความสํ าคัญ 1 2 ปัญหางานวิจัย

ข้อเสนอแนะ

วัตถุประสงค์งานวิจัย 3 4 ระเบียบวิธีวิจัย

การหาสมการทํานายผลกําไรของโครงการ
การเก็บข้ อมูลงานวิจัยของโครงการอสังหาริมทรัพย์ แนวร
ในเขตพืนทีกรุงเทพมหานครและปริมณฑล
5 6 อสั งหาริมทรัพย์ แนวราบ

การตรวจสอบความถูกต้ องของแบบจําลอง
การสร้ างแบบจําลองการหาค่าทีเหมาะสม Optimization
model
7 8 (Model validation)

ผลการวิเคราะห์ แบบจําลอง 9 10 สรุปผลการวิจัย / ข้ อเสนอแนะ

2
1 ความเปนมาและความสําคัญ

Residential Real Estate

01
พืนทีเมืองขนาดใหญ่ 02
ประชากรหนาแน่ น

โครงการอสังหาริมทรัพย์แนวราบในประเทศไทย
กรุ งเทพมหานคร , นนทบุรี , ปทุมธานี , สมุทราปราการ ,เชียงใหม่ , นครราชสี มา , ขอนแก่น , ชลบุรี , ภูเก็ต , นครศรี ธรรมราช , สงขลา
.

3
1 ความเปนมาและความสําคัญ

ความหนาแน่ นของประชากรสู งสุ ดของประเทศไทยปี 2564 ความหนาแน่ นของประชากรสู งสุ ดของประเทศไทยปึ 2563
( คน / ตร.กม.) (คน / ตร.กม.)
3,524 3,562

2,071 2,052
1,351
1,346
780 771 771 763

กรุงเทพมหานคร นนทบุรี สมุทรปราการ ปทุมธานี ภูเก็ต

กรุงเทพมหานคร นนทบุรี สมุทรปราการ ปทุมธานี ภูเก็ต

ความหนาแน่ นของประชากรสู งสุ ดของประเทศไทย โดยเฉลีย / ปี

ความหนาแน่ นของประชากรสู งสุ ดของประเทศไทย ปี 2562 จํานวน 3 ปี 2562-2564 ( คน / ต.ร.กม.)
(คน / ตร.กม.)
3,566
3,612

2,052
2,033
1,345
1,339
772 766
763 767

กรุงเทพมหานคร นนทบุรี สมุทรปราการ ภูเก็ต ปทุมธานี กรุงเทพมหานคร นนทบุรี สมุทรปราการ ปทุมธานี ภูเก็ต

4
สถิตปิ ระชากรทางการทะเบียนราษฎร สํานักบริหารการทะเบียน กรมการปกครอง
1 ความเปนมาและความสําคัญ

ต้ นทุนค่ าก่อสร้ างบ้ าน

ต้นทุนค่าทีดิน ขนาดทีดินของโครงการ

บริหารทร ัพยากร ต้ นทุนค่ างานพัฒนาสาธารณูปโภค

ทีมีอยู ่ ผลกําไรโครงการ
(Resource อสั งหาริ มทรัพย์
allocation) แนวราบ
ต้ นทุนค่าบริหารงานก่อสร้ าง
TITLE 07
Make a big impact with our
professional slides and

ต้นทุนค่าการตลาด charts.

5
2 ปญหางานวิจัย

PREDICTED

ปริมาณบ้านแบบ 3

6
3 วัตถุประสงคงานวิจัย

OBJECTIVE 01
• พัฒนาและประยุกต์ ใช้ แบบจําลองทางคณิตศาสตร์ ใน
การวิเคราะห์ หาค่ าเหมาะสมทีสุ ด และใช้ ในการบริหาร
จัดการในการวางแผนพัฒนาอสั งหาริ มทรั พย์ แนวราบ
เพือให้ เกิดการใช้ ทรั พยากรอย่ างคุ้มค่ าทุกส่ วนในพืนที
วิ จั ย กรุ ง เทพมหานครและปริ ม ณฑล คื อ นนทบุ รี
ปทุมธานี และสมุทรปราการ
OBJECTIVES

OBJECTIVE 02

• ศึกษาความสัมพันธ์ระหว่างปั จจัยที มีอิทธิ พลต่อ

ผลกําไรของโครงการอสังหาริ มทรัพย์แนวราบใน
พืนทีกรุ งเทพมหานคร และปริ มณฑล

7
3 วัตถุประสงคงานวิจยั

OBJECTIVE 03

• เพื อหาแบบจํา ลองสมการทํา นายผลกํา ไร

สูงสุ ดของโครงการอสังหาริ มทรัพย์แนวราบ

OBJECTIVES

OBJECTIVE 04
• นํ า โ ม เ ด ล แ บ บ จํ า ล อ ง ไ ป ป ร ะ ยุ ก ต์ ใ ช้ ใ น โ ค รง ก า ร
อสั ง หาริ ม ทรั พ ย์แ นวราบในพื นที กรุ ง เทพมหานคร และ
ปริ มณฑล เพือวางแผนในการก่ อสร้ างเพื อให้เ กิ ด ผลกําไร
หรื อประโยชน์ สู งสุ ด กับ เจ้าของโครงการ และในพื นที ที มี
ประชากรหนาแน่น

8
4 ระเบียบวิธีวิจยั

• แบบสอบถามเพือสัมภาษณ์ข้อมูล

พืนทีแต่ละส่วนในโครงการ ได้แก่ พืนทีโครงการทังหมด,

พืนทีทีใช้ก่อสร้างเฉพาะตัวบ้าน, พืนทีส่ วนถนน, พืนที ต้นทุนในการทําโครงการ- ต้นทุนแต่ละส่ วนทีใช้ทาํ โครงการ
ส่ วนกลาง และผลกําไรของโครงการ

Part 1
Part 2

โดยจัดการเป็ นต้นทุน/หลัง/แบบ,พืนทีดินของบ้านแต่ละ
แบบบ้าน,ราคาขายของแต่ละแบบบ้าน,จํานวนหลังแต่ละ Part 3
Part 4 การออกแบบข้อกําหนดต่างๆในการทําโครงการ ได้แก่ การกําหนดพืนทีขาย
แบบบ้าน, ผลกําไรของแต่ละแบบบ้าน
หรื อปริ มาณบ้านขันตําในแต่ละแบบบ้าน มีการกําหนดอย่างไรหรื อออกแบบ
ไว้อย่างไร

9
 ระเบียบวิธีวิจยั
4

• กลุ่มประชากรและขนาดตัวอย่าง

• โครงการพัฒนาที่อยูอาศัยแนวราบ สวนใหญจะตั้งอยูใน
เมืองใหญ และดูจากความหนาแนนของประชากรตอ
พื้นที่สูงสุด ตามที่แสดงไป
3

• เปนพื้นที่ติดกันหรือตอเนื่องกัน 4 จังหวัด

10
 54 ระเบียบวิธีวิจยั

• กลุ่มประชากรและขนาดตัวอย่าง
• แสดงสถิติบานเปดขายใหมของพื้นที่กรุงเทพมหานครและปริมณฑล
คือ นนทบุรี ปทุมธานี และสมุทรปราการ

Average Avg. 45,804

• คิดเปนคาเฉลี่ยบานเปดขายใหม เฉลี่ยตอป จํานวน 45,804 หลัง
2020
34,749

• ผูวิจัยใช Yamane’s formular ดังสมการ เพื่อหาขนาดของตัวอยาง

2019
43,217 โดยจํานวนประชากรในกลุมคือ 45,804 หลัง

2018 60,897

2017
44,353
• n = ขนาดของกลุมตัวอยาง (Unit)
• N = จํานวนประชากรในกลุม (Unit)
• E = ระดับความผิดพลาดที่ยอมให (0.05)
• N = 45,804 , e = 0.05 ;
ซึ่งจะไดขนาดของกลุมตัวอยาง : n = 397 Unit 11
•  N = 45,804 , e = 0.05 ; ซึ่งจะไดขนาดของกลุมตัวอยาง : n =
 การเก็บขอมูลงานวิจัยของโครงการอสังหาริมทรัพยแนวราบ
5 ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

โครงการ มูลค่าโครงการ (บาท) จํานวนหลัง จํานวนแบบบ้าน ข้อมูลจากบริษัท ผู้ให้ข้อมูล

คุณภาคภูมิ ณ นคร
โครงการที 1 2,124,760,000 427 3 แบบ PROPERTY PERFECT ผูช้ ่วยผูอ้ าํ นวยการสายงานบริหารงาน
ก่อสร้าง
คุณชยพล หารรุง่ โรจน์
โครงการที 2 1,540,300,000 402 3 แบบ ALTITUDE
ประธานเจ้าหน้าทีบริหาร
คุณสุณฐั า ทิมปาวัฒน์
โครงการที 3 1,496,350,000 425 4 แบบ DREAMLAND รองกรรมการผูจ้ ดั การบริษัท

คุณประพันธ์ศกั ดิ รักษ์ไชยวรรณ
โครงการที 4 688,200,000 133 3 แบบ LPN WISDOM กรรมการผูจ้ ดั การบริษัท

คุณประพันธ์ศกั ดิ รักษ์ไชยวรรณ
โครงการที 5 638,280,000 262 2 แบบ LPN WISDOM กรรมการผูจ้ ดั การบริษัท

รวมทังหมด 1649 15 แบบ

12
 การเก็บขอมูลงานวิจัยของโครงการอสังหาริมทรัพยแนวราบ
5 ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

ค่าพัฒนางาน สาธารณูปโภค/ หลัง

ขนาดพืนทีใช้สอย / หลัง
ค่าบริหารก่อสร้าง / หลัง
ค่าก่อสร้างบ้าน / หลัง

ขนาดพืนทีดิน / หลัง
ค่าการตลาด โฆษณา / หลัง
ค่าทีดิน / หลัง

(ตารางเมตร.)
จํานวนหลัง
แบบบ้าน

(ตร.วา.)
1 197 675,107 1,335,600 330,817.76 49,706.26 75,858.09 50.7 106

2 123 704,402.0 1,508,000.0 330,817.76 60,960.90 79,149.77 52.9 130

3 107 752,338.0 1,985,600.0 330,817.76 68,463.78 84,536.14 56.5 146

4 66 438,314.5 845,152.0 189,315.9 54,080.00 55,717.70 16 88

5 271 520,498.4 1,252,184.0 189,315.9 81,119.28 83,575.80 19 132

6 65 630,077.0 1,583,824.0 189,315.9 103,242.72 106,369.20 23 168

7 188 459,350.0 1,231,400.9 196,042.2 41,224.81 53,286.10 20.7 110

13
 การเก็บขอมูลงานวิจัยของโครงการอสังหาริมทรัพยแนวราบ
5 ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

ค่าพัฒนางาน สาธารณูปโภค/ หลัง

ขนาดพืนทีใช้สอย / หลัง
ค่าบริหารก่อสร้าง / หลัง
ค่าก่อสร้างบ้าน / หลัง

ขนาดพืนทีดิน / หลัง
ค่าการตลาด โฆษณา / หลัง
ค่าทีดิน / หลัง

(ตารางเมตร.)
จํานวนหลัง
แบบบ้าน

(ตร.วา.)
8 138 527,697.7 1,379,120.3 196,042.2 45,647.10 61,214.66 23.78 121.8

9 58 459,350.0 1,281,694.2 196,042.2 42,843.82 53,286.10 20.7 114.32

10 41 527,697.7 1,428,530.79 196,042.2 46,913.83 61,214.66 23.78 125.18

11 20 1,560,674.89 1,780,000.0 301,503.76 59,579.82 120,051.91 37 130

12 18 1,518,494.48 1,525,000.0 301,503.76 52,705.22 116,807.27 36 115

13 95 759,247.24 1,420,000.0 301,503.76 56,371.67 58,403.63 18 123

14 70 553,055.24 880,000.0 112,786.26 11,034.39 172,626.83 19 87

15 192 486,803.83 750,000.0 112,786.26 9,385.57 33,533.26 16.9 74

14
 การเก็บขอมูลงานวิจัยของโครงการอสังหาริมทรัพยแนวราบ
5 ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

ข้อมูลต้นทุนต่อหลัง ทัง 15 แบบบ้าน (%)

62 62 62 63 63
61
59
56
54 53
ตนทุนคากอสรางบาน 55 54
51
47
43 43
41

35
ตนทุนคาที่ดิน 29
32

27 28
26
23 24 24 23 24 23
22

14 13 12 12
10 9 10 9 10 9 9 10
7 8 8
6
3 3 3 4
3 4 4 3 3 3 3 3 3
2 2 2 2 2 2 2 1 2 2 1 2
1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

ค่ าทีดิน % ค่ าก่ อสร้ าง % ค่ าสาธารณูปโภค % ค่ าบริหาร งานก่ อสร้ าง % ค่ าการตลาด %

15
 การเก็บขอมูลงานวิจัยของโครงการอสังหาริมทรัพยแนวราบ
5 ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

คาเฉลี่ยสัดสวนตนทุนตอ 1 หลัง จาก 15 แบบบาน

4% 2%

10%

ต้นทุนค่าก่อสร้างบ้าน

ต้นทุนค่าทีดิน

ต้นทุนค่าสาธารณูปโภค

56% ต้นทุนค่าการตลาด
28%

ต้นทุนค่าการบริหารก่อสร้าง

16
 การเก็บขอมูลงานวิจัยของโครงการอสังหาริมทรัพยแนวราบ
5 ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

ตาราง งานวิจัยที่ผานมาซึ่งเกี่ยวของกับการวิเคราะหการถดถอยพหุคูณ มาประยุกตใชกับงานอสังหาริมทรัพย

ลําดับ ชื่อผูแตง ชื่อบทความ เครื่องมือวิจัย วัตถุประสงคงานวิจัย ตัวแปรที่เกี่ยวของในงานวิจัย

1. BOY, P; MIREKU - GYIMAH, D; MULTIPLE LINEAR REGRESSION การวิเคราะหการถดถอยพหุคณ
ู ทํานายราคาบาน ตนทุนของปริมาณปูนซีเมนตทั้งหมด
OKPOTI, C. D. MODEL FOR ESTIMATING THE PRICE (MULTIPLE REGRESSION ANALYSIS) (1-BEDROOM & 2 - BEDROOM) ตนทุนของปริมาณทรายทั้งหมด
OF A HOUSING UNIT ตนทุนของปริมาณเหล็กแทงทั้งหมด
ตนทุนของปริมาณหลังคาทั้งหมด
ตนทุนของปริมาณสีทั้งหมด
ตนทุนของปริมาณไมทั้งหมด
2. DR.N.B.CHAPHALKAR, REAL PROPERTY VALUATION USING การวิเคราะหการถดถอยพหุคณ
ู ทํานายราคาบานตามการตลาด พื้นที่ดิน ,รูปรางตัวบาน,
MUKESH DHATUNDE SALES COMPARISON METHOD AND (MULTIPLE REGRESSION ANALYSIS) ตําแหนงบาน ,โซน
MULTIPLE REGRESSION ANALYSIS อายุของอาคาร, จํานวนชั้น ,
เงื่อนไขของอาคาร,
ประเภทการกอสราง ,
วิสัยทัศนจากอาคาร,
ความกวางถนนภายใน,
ความสะดวกของที่จอดรถ,
ใกลสิ่งอํานวยความสะดวก,
ระบบขนสงภายใน
3. THOMAS, N. REGRESSION MODELLING FOR การวิเคราะหการถดถอยพหุคูณ ทํานายราคา ACTUAL COST , พื้นที่อาคาร,
THOMAS, ANU.V PREDICTION OF CONSTRUCTION (MULTIPLE REGRESSION ANALYSIS) ACTUAL DURATION การประมาณตนทุนอาคาร,
COST AND DURATION การประมาณเวลากอสราง,
ตนทุนจริง, เวลาจริง 17
75 การเก็บขอมูลงานวิจัยของโครงการอสังหาริมทรัพยแนวราบ
ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

ตาราง งานวิจัยที่ผานมาซึ่งเกี่ยวของกับการวิเคราะหการถดถอยพหุคูณ มาประยุกตใชกับงานอสังหาริมทรัพย

ลําดับ ชื่อผูแตง ชื่อบทความ เครื่องมือวิจัย วัตถุประสงคงานวิจัย ตัวแปรที่เกี่ยวของในงานวิจัย
4. CHAN, ALBERT P.C. , DEVELOPING A BENCHMARK MODEL การวิเคราะหการถดถอยพหุคูณ รวมระยะเวลากอสรางจริง ตนทุนการกอสรางทั้งหมดที่เกิดขึ้นจริง,
CHAN, DANIEL W.M. FOR PROJECT CONSTRUCTION TIME (MULTIPLE STEPWISE REGRESSION ประเภทของโครงการที่อยูอาศัย (เชา/ซื้อ),
PERFORMANCE IN HONG KONG ANALYSIS) ปริมาณอาคารรวม,
พื้นที่ทั้งหมด / ชั้น
5. LE-HOAI, L., LEE, Y, D. ESTIMATING TIME PERFORMANCE FOR การวิเคราะหการถดถอยพหุคณ
ู คาดการณหรือประเมินดัชนีเวลา เงินทุนเจาของโครงการ,
และ NGUYEN, A,T. BUILDING CONSTRUCTION PROJECTS (MULTIPLE REGRESSION ANALYSIS) ของโครงการกอสรางอาคารสูงใน การชําระเงินเมื่อโครงการเสร็จสิ้น
IN VIETNAM เวียตนาม การจัดการและการกํากับดูแลในเขตงานกอสราง
การจัดหาเงินทุนของผูรับเหมา
การใชเทคโนโลยีการกอสราง
การประมาณราคา
ความสามารถของผูรบั เหมาชวง
ความถูกตองของงานกอสราง
การจัดการโครงการ
สัญญาโครงการ
การตรวจสอบโครงการเมื่อเสร็จสิ้น
ความถูกตองและความสมบูรณของการ
ออกแบบ
และการเปลี่ยนแปลงการออกแบบ
โครงการเพิ่มเติม
การสงตอของขอมูลระหวางหนวยงาน
18
 การเก็บขอมูลงานวิจัยของโครงการอสังหาริมทรัพยแนวราบ
5 ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

ตาราง งานวิจัยที่ผานมาซึ่งเกี่ยวของกับการวิเคราะหการถดถอยพหุคูณ มาประยุกตใชกับงานอสังหาริมทรัพย

ลําดับ ชื่อผูแตง ชื่อบทความ เครื่องมือวิจัย วัตถุประสงคงานวิจัย ตัวแปรที่เกี่ยวของในงานวิจัย

6. LE-HOAI, L., LEE, Y, D. ESTIMATING TIME PERFORMANCE FOR การวิเคราะหการถดถอยพหุคูณ คาดการณหรือประเมินดัชนีเวลา ความพรอมของวัสดุ
และ NGUYEN, A,T. BUILDING CONSTRUCTION PROJECTS (MULTIPLE REGRESSION ANALYSIS) ของโครงการกอสรางอาคารสูงใน ความพรอมของแรงงานที่มีทักษะ
IN VIETNAM เวียตนาม สภาพใตดินของเขตกอสราง
ผลกระทบของราคาตลาด
ผลกระทบของสภาพอากาศ
ผลกระทบจากปจจัยภาครัฐ

19
 6 การหาสมการทํานายผลกําไรของโครงการอสังหาริมทรัพยแนวราบ

การวิเคราะหการถดถอยพหุคูณ (Multiple Regression Analysis)

• การศึกษานี้จะใชการวิเคราะหการถดถอยเปนเครื่องมือในการหาความสัมพันธของกลุมตัวแปรอิสระ(x1,x2....) ที่มีความสัมพันธกบั ตัวแปรตาม

Y โดยที่ความสัมพันธอยูในรูป เชิงเสน เราจะไดสมการที่แสดงคาตัวแปรตามที่เปนผลจากตัวแปรอิสระ ดังสมการ.

𝑦 = 𝛽 + 𝛽 𝑥 + 𝛽 𝑥 + ⋯+ 𝛽 𝑥 + 𝜀

โดยที่ ตัวแปรตาม (Dependent Variable)

ตัวแปรอิสระ (Independent Variable)
คาคงที่ (Consult)
→ คาสัมประสิทธิ์การถดถอย (Parameter Estimation)
คาความคลาดเคลื่อน (Error Term)
20
 6 การหาสมการทํานายผลกําไรของโครงการอสังหาริมทรัพยแนวราบ

การวิเคราะห์ การถดถอยพหุคูณ โดย SPSS เพื่อหาสมการทํานายผลกําไรของโครงการอสังหาริมทรัพยแนวราบ

• การศึกษาครั้งนี้จะใชการถดถอยพหุคูณ กําหนดใหตัวแปรตาม (Dependent variable) เปนผลกําไรตอบาน 1 หลัง ของแตละแบบและกลุมตัวแปรอิสระ
(Independent variable) จะเปนขอมูลขอ 1-7 ตอบาน 1 หลัง ของแตละแบบบาน แสดงตามรูป

1. ตนทุนคาที่ดินบาน 1 หลัง / แบบ X1

2. ตนทุนคากอสรางบาน 1 หลัง / แบบ X2

3. ตนทุนคาสาธารณูปโภคบาน 1 หลัง /แบบ X3

ผลกํ
ผลกําาไรบ้
ไรบาานน 11 หลั
หลังง // แบบ
แบบ 4. ตนทุนคาบริหารงานกอสรางบาน 1 หลัง /แบบ X4

5. ตนทุนคาการตลาดบาน 1 หลัง /แบบ X5

6. ขนาดพื้นที่ดินบาน 1 หลัง / แบบ X6

7. ขนาดพื้นที่ใชสอยบาน 1 หลัง /แบบ X7

• ระดับนัยสําคัญทางสถิติ (Level of Significance)

ในงานวิจยั นี้จะกําหนดระดับนัยสําคัญตามสถิติไวที่ α = 0.05 หรือ ความเชื่อมั่นที่ 95%
ดังนั้น การพิจารณาคาของตัวแปรในผลการวิเคราะห หากคา P-Value ของตัวแปรอิสระตัวใด ≤ 0.05 เราจะยอมรับสมมติฐาน H ของตัวแปรอิสระตัวนั้น
21
6 การหาสมการทํานายผลกําไรของโครงการอสังหาริมทรัพยแนวราบ

ผลการวิเคราะหการถดถอยพหุคูณ
• ตาราง ANOVA เปนการวิเคราะหความแปรปรวน ซึ่งในการทดสอบวาจะสามารถใชตัวแปรอิสระที่คัดเลือกเขาสมการนี้มาพยากรณตวั แปรตามได
หรือไม ถามีนัยสําคัญแสดงวาใชพยากรณได โดยมีสมมติฐานการวิเคราะห คือ :
1. H0 : 𝛽 = 𝛽 = …= 𝛽 = 0 (no model)
2. H1 : มีปัจจัยอย่างน้อย 1 ตัวทีมีผลต่อกําไร /แบบ
(At least one 𝛽 ≠ 0 , model exist)

MODEL1 SUM OF SQUARES DF MEAN SQUARE F SIG.

REGRESSION 7.710E+12 2 3.855E+12 89.692 .000 C

RESIDUAL 5.1580E+11 12 42979424877.094

TOTAL 8.226E+12 14

ตาราง แสดงผล ANOVA ของแบบจําลอง ; model Sig < 0.05 ; ปฏิเสธ H0 ,

ยอมรับ H1 : แสดงว่ามีอย่างน้อย 1 ตัวแปรทีมีผลต่อกําไร (At least one
𝛽 ≠ 0)
22
6 การหาสมการทํานายผลกําไรของโครงการอสังหาริมทรัพยแนวราบ

ตาราง ผลสรุปของแบบจําลอง จากการวิเคราะหการถดถอยพหุคูณ

แสดงผลการวิเคราะหการถดถอยพหุคูณ โดย
คาสัมประสิทธิ์สหสัมพันธ (Multiple R ) คา
เปนบวกคือ 0.968 กลุมตัวแปรอิสระกับตัว
แปรตามนั้นมีความสัมพันธกันสูง และคา R2
มีคา 0.937 ตัวแปรอิสระ สามารถอธิบาย
ความแปรปรวนของตั ว แปรตามได สู ง ถึ ง
93.7%

ตาราง ผลสรุปของคาคงที่ของตัวแปรอิสระ จากการวิเคราะหการถดถอยพหุคูณ

Variables Unstandardized Coefficients Standardized Collinearity ผลสรุปของค าคงที่ ของตั วแปรอิสระ ที่มาจากการใชการถดถอย
Coefficients
Sig.
Statistics แบบลําดับขั้น (Stepwise Multiple Regression) โดยใชระดับ
B Std. Error Beta VIF ความเชื่อมั่นที่ 95% หรือระดับนัยสําคัญที่ 0.05 ซึ่งจะมี 2 ตัวแปร
- 384364.26 ที่ผานเกณฑ คือ คา P – Value  0.05 และคา
(Constant)
ต้นทุนค่าทีดินบ้าน 1 หลัง / แบบ 1.486 0.186 0.688 .000 1.423 Multi Collinearity (VIF)  10 ไดแก
ต้นทุนค่าก่อสร้างบ้าน 1 หลัง / แบบ 0.919 0.197 0.402 .001 1.423 1. ตนทุนคาที่ดินบาน 1 หลัง แบบ (x1)
2. ตนทุนคากอสรางบาน 1 หลัง แบบ (x2)
23
6 การหาสมการทํานายผลกําไรของโครงการอสังหาริมทรัพยแนวราบ

นําผลลัพธที่ไดนั้น เขียนเปนสมการทํานายผลกําไรของบาน 1 หลังแบบ ตามรูปแบบของสมการมาตราฐานการถดถอยพหุคณ

ู คือ

y = β + β x + β x + ⋯+ β x + ε

จะไดสมการ ;

ผลกําไรของบาน 1 หลัง /แบบ = -384364.26 + 1.486*(x1) + 0.919*(x2)

; ผลกําไรของบาน 1 หลัง /แบบ = -384364.26 + 1.486*(ตนทุนคาทีดิน/หลัง) + 0.919*(ตนทุนคากอสรางบาน /หลัง)

24
7 การสรางแบบจําลองการหาคาที่เหมาะสม Optimization model

การสราง Optimization model เพื่อการคาดการณผลกําไรสูงสุด

ของโครงการอสังหาริมทรัพยแนวราบ ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล

การทดสอบแบบจําลอง

การหาผลกําไรสูงสุดของโครงการ

การตรวจสอบหาสมรรถะนะของแบบจําลอง

การวิเคราะหความไวตอการเปลี่ยนแปลง

25
7 การสรางแบบจําลองการหาคาที่เหมาะสม Optimization model

การหาคา Optimization จะอยูในรูปของแบบจําลองทางคณิตศาสตร

ฟั งก์ชัน
(Mathematical Model) เพื่อตองการหา คาสูงสุด (Maximum ) คา วัตถุประสงค์
ต่ําสุด (Minimum) ของฟงกชั่นวัตถุประสงคที่กําหนด Objective
Function

•ข้อจํากัด Optimization ตัวแปรออกแบบ

Constraints model Design Variable

ข้อจํากัด
เครืองหมาย
APPLY Sign Restrictions
7 การสรางแบบจําลองการหาคาที่เหมาะสม Optimization model

ตารางที่ งานวิจัยที่ผานมาซึ่งเกี่ยวของกับมาประยุกตใชกบั งานอสังหาริมทรัพย

ชื่อผูแตง ชื่อบทความ เครื่องมือวิจัย วัตถุประสงคงานวิจัย ตัวแปรที่เกี่ยวของในงานวิจัย

RASYADAN, F & HAPSARI, HOUSING DEVELOPMENT
I.R. OPTIMIZITION (CASE STUDY:
ANUGERAH DIAN REGENCY IN
KABUPATEN BANJAR)
PANDIT, A. APPLICATION OF LINEAR
PROGRAMMING
FOR PROFIT MAXIMIZATION FROM A
HOUSING CONSTRUCTION COMPANY
UTIARAHMAN, A. & RAUF, CASE STUDY OF HOUSING
A.S. DEVELOPMENT WITH OPTIMIZATION
OF HOUSING LAND UTILIZATION BY
USING LINEAR PROGRAMS
แบบจําลองการหาคาที่เหมาะสม
(OPTIMIZATION MODEL)
แบบจําลองการหาคาที่เหมาะสม
(OPTIMIZATION MODEL)
แบบจําลองการหาคาที่เหมาะสม
(OPTIMIZATION MODEL)
กําไรสูงสุด (MAXIMIZED PROFIT) พื้นที่ดินแตละแบบ,
ตนทุนรวมของบานแตละแบบ
จํานวนบานทั้งโครงการ
จํานวนบานขั้นต่ําของแตละแบบ
อัตราสวนความสนใจของลูกคากับบานแตละ
แบบ จากผลสํารวจ
การหาผลกําไรสูงสุดของบริษัทรับเหมา ปริมาณวัสดุกอสรางตอแบบบาน คือ ปริมาณ
กอสรางที่อยูในพื้นที่ของอสังหาริมทรัพย คอนกรีต , ปริมาณพื้นกระเบื้องยาง
และหางสรรพสินคา ปริมาณการใชสี
จํานวนชั่วโมงการทํางานตอแบบ
ผลกําไรตอแบบ
กําไรสูงสุด (MAXIMIZED PROFIT) พื้นที่ดินตอแบบบาน
อัตราสวนปริมาณบานแตละแบบที่ตองการ
พื้นที่ดินทั้งโครงการ
จํานวนแบบบาน

27
7 การสรางแบบจําลองการหาคาที่เหมาะสม Optimization model
ตารางที่ งานวิจัยที่ผานมาซึ่งเกี่ยวของกับมาประยุกตใชกบั งานอสังหาริมทรัพย
ชื่อผูแตง ชื่อบทความ
LAOKHONGTHAVORN, L., A MULTI-OBJECTIVE OPTIMIZATION
U-TAPAO, C. MODEL FOR SOLID WASTE DISPOSAL
UNDER UNCERTAINTY: A CASE
STUDY OF BANGKOK, THAILAND
AHMED, S. AN APPROACH TO MAXIMIZE PROFIT
OF A CONSTRUCTING PROJECT
WITHIN LIMITED BUDGET BY USING
SIMPLEX
METHOD
NGOWTANASUWAN, G. MATHEMATICAL MODEL FOR
OPTIMIZATION OF CONSTRUCTION
CONTRACTING IN HOUSING
DEVELOPMENT PROJECT.
เครื่องมือวิจัย วัตถุประสงคงานวิจัย
แบบจําลองการหาคาที่เหมาะสม 1. ลดตนทุนการดําเนินงานตามที่คาดหวัง
(OPTIMIZATION MODEL) 2. ตั้งเปาหมายการปลอยกาซ
คารบอนไดออกไซดสุทธิเทียบเทา
(MINIMUM OPERATIONAL COSTS
AND CDE EMISSIONS.)
แบบจําลองการหาคาที่เหมาะสม กําไรสูงสุด (MAXIMIZED PROFIT)
(SIMPLEX METHOD)
แบบจําลองการหาคาที่เหมาะสม ตนทุนนอยที่สุดในการกอสรางโครงการ
(OPTIMIZATION MODEL) บานแนวราบ.
ตัวแปรที่เกี่ยวของในงานวิจยั
AS COSTS OF ELECTRICITY WERE FACTORED
INTO THE SELECTION DECISION OF
MUNICIPAL SOLID WASTE DISPOSAL, I.E.,
LANDFILL, RECYCLING.
CIVIL WORK
INTERNAL ELECTRIC WORK, SANITARY &
WATER SUPPLY WORK
ตนทุนคาวัสดุ
ตนทุนคาแรงงาน
ตนทุนคาขนสง
จํานวนบานแตละแบบ
จํานวนบานทั้งโครงการ
ระยะเวลาการกอสรางโครงการ
วิธีการกอสราง
ตนทุนกอสรางแตละแบบ
เวลาการกอสรางของผูรับเหมาแตละทีม
จํานวนทีมของผูรับเหมา
28
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

• ผูวิจัยจะใชแบบจําลองเพื่อประเมินหาผลกําไรของโครงการ
พั ฒ นาที่ อ ยู อ าศั ย และทดสอบแบบจํ า ลองผ า นกรณี ศึ ก ษา 1
โครงการ
n

 j  1
C i j W j  b i

• โครงการนี้ ตั้งอยูในเขตจังหวัดกรุงเทพมหานคร มีจํานวน

ทั้ง หมด 427 หลั ง ซึ่ง เปน ข อ มู ล จากการสั ม ภาษณ ข อง บริ ษั ท
Property perfect จํากัด มหาชน มูลคาโดยการประมาณ 2,124
ลานบาท โดยแบงออกเปน 3 แบบบาน ดังตาราง

29
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

Management cost/unit

Marketing cost/ unit

Usable area/ unit

Utility cost/ unit
Land cost / unit

Land area/ unit

House building

Construction
House types

Profit / unit
cost/ unit
Units

 j  1
C i j W j  b i

1 197 675,107 1,335,600 330,817.76 49,706.26 75,858.09 50.7 106 2,112,910.89

2 123 704,402 1,508,000 330,817.76 60,960.90 79,149.77 52.9 130 2,166,669.58

3 107 752,338 1,985,600 330,817.76 68,463.78 84,536.14 56.5 146 2,628,244.32

30
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

การสรางแบบจําลองการวิเคราะหการหาคาเหมาะสม (Optimization Model)

• แบบจําลองการวิเคราะหการหาคาเหมาะสม เพื่อการหาผลกําไรสูงสุดของโครงการพัฒนาที่อยูอาศัยซึ่งเปนผลลัพธหลักจากแบบจําลอง
• ผูวิจัยใชกรณีศึกษามาเพื่อใชทดสอบแบบจําลองซึ่งเปนวัตถุประสงคหลักของงานวิจัยนี้ เพื่อที่จะนําแบบจําลองนี้ไปประยุกตใชกับโครงการพัฒนาที่อยูอาศัยในพื้นที่อื่นๆ ที่
มีสัดสวนประชากรคอนขางหนาแนนใกลเคียงกับพื้นที่ของงานวิจัยนี้  j
n

 1
C i j W j  b i

(1) )(๖
Maximize Z111= (1)
(๖

โดยที่ : i = สัมประสิทธิ์ประเภทที่ i ของแบบบาน type j

J = ประเภทแบบบาน (i = 1,2,3)
Wj = ปริมาณบานของแตละแบบ

31
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

สัญลักษณของตัวแปรทั้งหมดทีใชในกรณีศึกษา

• ตัวแปรตัดสินใจ (Decision variables) 1.ตนทุนคาที่ดิน / หลัง a1j

เราจะสรางตัวแปรตัดสินใจออกเปน จํ านวนบานของแตละแบบใน 2.ตนทุนคากอสรางบาน / หลัง a2j
โครงการ คือ 3 แบบ คือ 3.ตนทุนคาสาธารณูปโภค / หลัง a3j
W1 : ปริมาณบานของแบบที่ 1 แบบบานที่ j 4.ตนทุนคาบริหารงานกอสราง / หลัง a4j
W2 : ปริมาณบานของแบบที่ 2
W3 : ปริมาณบานของแบบที่ 3 5.ตนทุนคาการตลาด / หลัง a5j
6.ขนาดที่ดิน / หลัง a6j
: W1+W2+W3 = 427 หลง
7.ขนาดพื้นที่ใชสอย / หลัง a7j

โดยที่ j คือ แบบบาน (j = 1, 2, 3)

𝒂𝒊𝒋 คือ สัมประสิทธิ์ประเภทที่ i : (i = 1, 2,…7) ของแบบบาน type j

32
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

พารามิเตอร์ ความหมาย จํานวน หน่ วย

W1 ปริ มาณบ้านแบบที 1 - หลัง
W2 ปริ มาณบ้านแบบที 2 - หลัง
W3 ปริ มาณบ้านแบบที 3 - หลัง
𝒂𝟏𝟏 ค่าทีดินต่อ 1 หลัง ของบ้านแบบที 1 675,107 บาท /หลัง
𝒂𝟏𝟐 ค่าทีดินต่อ 1 หลัง ของบ้านแบบที 2 704,402 บาท /หลัง
𝒂𝟏𝟑 ค่าทีดินต่อ 1 หลัง ของบ้านแบบที 3 752,338 บาท /หลัง
𝒂𝟐𝟏 ค่าก่อสร้างบ้านต่อ 1 หลัง ของบ้านแบบที 1 1,335,600 บาท /หลัง
𝒂𝟐𝟐 ค่าก่อสร้างบ้านต่อ 1 หลัง ของบ้านแบบที 2 1,508,000 บาท /หลัง
𝒂𝟐𝟑 ค่าก่อสร้างบ้านต่อ 1 หลัง ของบ้านแบบที 3 1,985,600 บาท /หลัง
𝒂𝟑𝟏 ค่าสาธารณูปโภคต่อ 1 หลัง ของบ้านแบบที 1 330,817.76 บาท /หลัง
𝒂𝟑𝟐 ค่าสาธารณูปโภคต่อ 1 หลังของบ้านแบบที 2 330,817.76 บาท /หลัง
𝒂𝟑𝟑 ค่าสาธารณูปโภคต่อ 1 หลังของบ้านแบบที 3 330,817.76 บาท /หลัง
𝒂𝟒𝟏 ค่าบริ หารก่อสร้างต่อ 1 หลังของบ้านแบบที 1 49,706.26 บาท /หลัง
𝒂𝟒𝟐 ค่าบริ หารก่อสร้างต่อ 1 หลังของบ้านแบบที 2 60,960.90 บาท /หลัง
𝒂𝟒𝟑 ค่าบริ หารก่อสร้างต่อ 1 หลังของบ้านแบบที 3 68,463.78 บาท /หลัง
𝒂𝟓𝟏 ค่าการตลาดต่อ 1 หลังของบ้านแบบที 1 75,858.09 บาท /หลัง
𝒂𝟓𝟐 ค่าการตลาดต่อ 1 หลังของบ้านแบบที 2 79,149.77 บาท /หลัง
ค่าการตลาดต่อ 1 หลังของบ้านแบบที 3 84,536.14 บาท /หลัง 33
𝒂𝟓𝟑
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

พารามิเตอร์ ความหมาย จํานวน หน่วย

𝒂𝟔𝟏 พืนทีดินต่อ 1 หลังของบ้านแบบที 1 50.7 ตารางวา /หลัง
𝒂𝟔𝟐 พืนทีดินต่อ 1 หลังของบ้านแบบที 2 52.9 ตารางวา / หลัง
𝒂𝟔𝟑 พืนทีดินต่อ 1 หลังของบ้านแบบที 3 56.5 ตารางวา / หลัง
𝒂𝟕𝟏 พืนทีใช้สอยต่อ 1 หลังของบ้านแบบที 1 106 ตารางเมตร /หลัง
𝒂𝟕𝟐 พืนทีใช้สอยต่อ 1 หลังของบ้านแบบที 2 130 ตารางเมตร /หลัง
𝒂𝟕𝟑 พืนทีใช้สอยต่อ 1 หลังของบ้านแบบที 3 146 ตารางเมตร /หลัง
𝒃𝟏 งบประมาณค่าทีดินของโครงการ 474,040,000 บาท
𝒃𝟐 งบประมาณค่าก่อสร้างบ้านของโครงการ 663,042,000 บาท
𝒃𝟑 งบประมาณค่าสาธารณูปโภคของโครงการ 141,590,000 บาท
𝒃𝟒 งบประมาณค่าบริ หารงานก่อสร้างของโครงการ 66,775,200 บาท
𝒃𝟓 งบประมาณค่าการตลาดของโครงการ 53,265,250 บาท
𝒃𝟔 ปริ มาณพืนทีดินของบ้านทังโครงการ 22,540 ตารางวา
𝒃𝟕 ปริ มาณพืนทีใช้สอยของบ้านทังโครงการ 52,494 ตารางเมตร
𝒃𝟖 ปริ มาณบ้านทังโครงการ 427 หลัง

34
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

Constrains Function
n
สมการเงื่อนไข : a W  b
j 1
ij j i

สมการ 1: เงื่อนไขงบคาที่ดิน : 3

aj 1
1j W j  b1

a 1 1W 1  a 1 2 W 2
 a13W 3  b1

สมการ 2: เงื่อนไขงบคากอสราง : 3

a
j 1
2j Wj  b 2

a 2 1W 1  a 2 2W 2  a 2 3W 3  b2

สมการ 3: เงือนไขงบค่าพัฒนาสาธารณูปโภค: 3

a
j 1
3j Wj  b 3

a 3 1W 1  a 3 2 W 2  a 3 3 W 3  b 3
35
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

สมการ 4 : เงื่อนไขงบคาบริหารงานกอสราง :
3

a
j 1
4j Wj  b 4
a 4 1 W 1  a 4 2 W 2  a 4 3 W 3  b 4

สมการ 5: เงือนไขงบค่าการตลาด : 3

a j 1
5 jW j  b5

a 5 1
W 1
 a 5 2
W 2
 a 5 3
W 3
 b 5

สมการ 6: เงือนไขการจํากัดของพืนทีดิน 3

a j 1
6 j Wj  b6

a 6 1
W 1
 a 6 2
W 2
 a 6 3
W 3
 b 6

36
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

สมการ 7 : เงื่อนไขการจํากัดของพื้นที่ใชสอย : 3

a
j 1
7j Wj  b 7

a 7 1
W 1
 a 7 2
W 2
 a 7 3
W 3
 b 7

สมการ 8 : เงือนไขการจํากัดจํานวนบ้าน
3

j 1
W j  b8

w 1
 w 2
 w 3
 4 2 7

สมการ 9: เงื่อนไข ปริมาณ w1 ขั้นต่ํา :

W1 ≥ 100

37
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

สมการ 10 : เงื่อนไข ปริมาณ w2 ขั้นต่ํา :

W2 ≥ 100

สมการ 11 : เงื่อนไข ปริมาณ w3 ขั้นต่ํา :

W3 ≥ 100

สมการ 12 : W1, W2 ,W3 ≥ 0

38
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

สมการวัตถุประสงค Objective Function

แบบจําลองการหาคาที่เหมาะสม ที่สรางขึ้นมีวัตถุประสงคเพื่อ การหาคาผลกําไรสูงสุดของโครงการอสังหาริมทรัพยแนวราบ
m n

Maximize Z =  CijWj
i j 1

ผูวิจัยจะใชสมการที่ไดจากผลลัพธการวิเคราะหการถดถอยพหุคูณ นํามาใชเพื่อประเมินผลกําไรสูงสุดของโครงการพัฒนาที่อยูอาศัย
โดยสมการที่ไดจากผลลัพธการวิเคราะหการถดถอยพหุคูณ จากสมการ :
• ผลกําไร 1 หลัง / แบบ = -384364.26 + 1.486*(ตนทุนคาที่ดิน/หลัง) + 0.919*(ตนทุนคากอสรางบาน/หลัง)

ดังนั้น ผลกําไรของทั้งโครงการ (แบบบาน 3 แบบ) จึงสามารถเขียนเปนสมการวัตถุประสงคไดดังนี้

Objective Z = -384364.26+1.486*(C11* W1) +0.919*(C21* W1)
-384364.26+1.486*(C12* W2) +0.919*(C22* W2)
-384364.26+1.486*(C13* W3) +0.919*(C23* W3) ;

39
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

• 1. การกําหนดตัวแปรตัดสินใจ Decision variables

Positive variables
W1 : Quantity of Home type1
W2 : Quantity of Home type2
W3 : Quantity of Home type3 ;
Variable Z ;

• 2. การสรางสมการเงื่อนไข (Constraint function equation)

Con1 Land cost constraint : a W
1 1
 a 1
W  a
1 2
W 2
1 3
3
 b 1

675107*W1+704402*W2+752338*W3 = l = 474040000 ;

Con2 Building cost constraint : a 2 1 W 1  a 2 2 W 2  a 2 3 W 3  b 2

1335600*W1+1508000*W2+1985600*W3 = l = 663042000 ;

Con3 Utility cost constraint : a 3 1W 1  a 3 2 W 2  a 3 3 W 3  b 3

330817.76*W1+330817.76*W2+ 330817.76* W3 = l = 141590000 ;

40
:
8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

Con4 Building cost constraint : a 4 1

W 1
 a 4 2
W 2
 a 4 3
W 3
 b 4

49706.26*W1+ 60960.90*W2+ 68463.78*W3=l= 66775200 ;

Con5 Utility cost constraint : a

5 1
W
1
 a
5 2
W
2
 a
5 3
W
3
 b
5

75858.09* W1 + 79149.77* W2 + 84536.14* W3 =l= 53265250 ;

Con6 Land area constraint : a 6 1

W 1
 a 6 2
W 2
 a 6 3
W 3
 b 6

50.7* W1 +52.9* W2 +56.5* W3 =l=22540 ;

Con7 Usable area constraint : a

71
W
1
 a
72
W
2
 a
73
W
3
 b
7

106* W1 +130* W2 +146* W3 =l=52494 ;

41
 8 การตรวจสอบความถูกต้องของแบบจําลอง
(Model validation)

Con8 : Total units constraint : W1 + W2 + W3 = 427

Con9 : min x1 units : W1 ≥ 100

Con10 : min x2 units : W2 ≥ 100

Con11: min x3 units : W3 ≥ 100

Con12 : W1,W2,W3 ≥ 0

 ขันตอนที 3. การสร้างสมการวัตถุประสงค์ (Objective function)

Objective Z = e = -384364.26+1003209*W1+1227416.4*W1 - 384364.26+1046741.37*W2+ 1385852*W2 -384364.26+1117974.27*W3 +1824766.4*W3

42
9 ผลการวิเคราะห์แบบจําลอง

Optimal solution. Optimal solution จากโปรแกรมสํ าเร็จรูป GAMS

0 200 400 600 800 1000 1200
• สมการวัต ถุ ประสงค์ คื อ คาดการณ์ โครงการพัฒนาที พักอาศั ย
Maximized
Profit 1,053.91 MB
สามารถทําผลกําไรได้ สูงสุ ด 1,053.91 ล้ านบาท

Type 3 116

• แบบที 1 จํานวน 211 หลัง,

Type 2 100
• แบบที 2 จํานวน 100 หลัง
• แบบที 3 จํานวน 116 หลัง ตามลําดับ
Type 1 211

0 50 100 150 200 250

43
9 ผลการวิเคราะห์แบบจําลอง

การตรวจสอบหาสมรรถะนะของแบบจําลอง (Verification of the Optimization Modeling)

การตรวจสอบหาสมรรถะนของแบบจําลองการหาคาเหมาะสมนั้นเปนขั้นตอนที่สําคัญมากเพื่อยืนยันวาแบบจําลองนั้นมีความนาเชื่อถือและสามารถนําไปใชได โดย
ผูวิจัยไดใช The percentage error (PE.) หรือเปอรเซ็นตความคลาดเคลื่อนเปนเครื่องมือในการตรวจสอบแบบจําลองดังสมการ เพื่อที่จะหา The percentage error ผลกําไร
ของโครงการอสังหาริมทรัพย ของผลลัพธจากแบบจําลองการหาคาเหมาะสม
Optimal solution vs. Actual data

Percentage Error. = (P red icted -A ctu al)

x1 0 0% 107
A ctual Type 3
116

123
Type 2
100

197
Type 1
211

Actual data Optimal solution

44
9 ผลการวิเคราะห์แบบจําลอง

การเปรียบเทียบผลกําไรของโครงการกรณีศึกษาจากการวิเคราะหการหาคาที่เหมาะสม และ ขอมูลจริง

Usable area/ unit

Utility cost/ unit

Marketing cost/
Land cost / unit

Land area/ unit

House building

Management
Construction

Profit / unit
House types

cost/ unit

cost/unit

(THB)
Units

unit
1 197 675,107 1,335,600 330,817.76 49,706.26 75,858.09 50.7 106 2,112,910.89
2 123 704,402 1,508,000 330,817.76 60,960.90 79,149.77 52.9 130 2,166,669.58
3 107 752,338 1,985,600 330,817.76 68,463.78 84,536.14 56.5 146 2,628,244.32

Cases Project’s profit Percentage Error

Actual data 963.97 MB. 0.35 %
Optimal solution 967.36 MB.

• The percentage error of the optimization model was 0.35%. The number is acceptable since it is within +/− 10% .

Chan, D. W. M.; Kumaraswamy, M. M. Modelling and predicting construction durations in Hong Kong public housing. Construction
Management and Economics 1999, 17 (3), 351-362. DOI: 10.1080/014461999371556. 45
9 ผลการวิเคราะห์แบบจําลอง

• การวิเคราะหความไวตอการเปลี่ยนแปลง (Sensitivity Analysis) เปนการศึกษาวาคา optimal solution และคา objective value จะเปลี่ยนแปลงอยางไรเมื่อมีการ
เปลี่ยนแปลงในคา Objective function coefficients และการเปลี่ยนแปลงใน Resources (Right hand side)

• ผูวิจัย ตองการวิเคราะหความไวตอการเปลี่ยนแปลง วัตถุประสงค์เพือทีจะหาผลลัพธ์ทีดีทสุี ดจากการปรับค่าพารามิเตอร์ในแบบจําลอง

Optimal solution. / scenario 1 Optimal solution. / scenario 2

Maximized Profit Type1 214

1,053.91 MB

Type 3 116 Type2 96

Type 2 100 Type3 117

Type 1 211 Maximized Profit 1054.18…

0 200 400 600 800 1000 1200 0 200 400 600 800 1000 1200

• Scenario 2 เปนทางเลือกที่ดีที่สุดของการคาดการณผลกําไรสูงสุดของโครงการอสังหาริมทรัพยแนวราบ ซึ่งเปนขอไดเปรียบของการวิเคราะหความไวตอการเปลี่ยนแปลง

(Sensitivity analysis) ที่สามารถจะนําผลลัพธนี้ไปใชไดในขั้นตอนของการวางแผนโครงการ เพื่อไดประโยชนหรือกําไรของโครงการสูงสุดตามวัตถุประสงค.
46
10 สรุปผลการวิจัย / ข้อเสนอแนะ

สรุปผลการวิจัย

การวิจัยครังนีเป็ นการศึกษาความสั มพันธ์ ระหว่ างปัจจัยทีมีอทิ ธิพลต่ อกําไรของโครงการอสังหาริมทรัพย์ แนวราบ โดยมีวตั ถุประสงค์หลักคือการ
คาดการณ์ผลกําไรสู งสุ ดของโครงการอสั งหาริมทรัพย์ แนวราบในเขตพืนทีเมืองใหญ่ จากแบบจําลองการหาค่าเหมาะสม ซึงจะต้ องเกิดจากการวาง
แผนการก่อสร้ างทีดีจึงจะสามารถคาดการณ์ผลกําไรของโครงการได้ แม่ นยํา โดยเริมการเตรียมข้ อมูลซึ งข้ อมูลผู้วิจัยได้ มาจากการสั มภาษณ์ เจ้ าของ
โครงการแล้วจึงนําข้ อมูลมาวิเคราะห์ ในสมการถดถอยเพือหาสมการทํานายผลกําไรของโครงการและทราบถึงอิทธิพลของตัวแปรว่ าตัวแปรใด มีอทิ ธิพล
ต่ อผลกําไรของโครงการมากทีสุ ด เมือได้ สมการทํานายผลกําไรแล้วจึงนําไปประยุกต์ ในแบบจําลองการหาค่าเหมาะสมต่ อไป

B
แบบจําลองทางคณิตศาสตร์ เพือหาผลกําไรสู งสุ ดของโครงการอสังหาริมทรัพย์ แนวราบ โดยการใช้ กรณีศึกษาเพือจะทดสอบแบบจําลองซึงจะได้
ความสั มพันธ์ ของปริมาณแบบบ้ านแต่ละแบบกับผลกําไรสู งสุ ดของโครงการซึ งทางผู้วิจยั ได้ นําผลลัพธ์ นีไปวิเคราะห์ ความไวต่ อการเปลียนแปลงต่ ออีก
เพือดูความเปลียนแปลง ในส่ วนผลกําไรทีดีขนึ นอกจากนี ผู้วิจัยได้ทดสอบประสิ ทธิภาพของแบบจําลอง เพือความมันใจทีจะนําแบบจําลองไปใช้ ใน
พืนทีอืนซึงผลลัพธ์ นันสามารถนําแบบจําลองไปใช้ ได้ เพราะค่ า Percentage error มีค่าน้ อยมากคือ 0.35 % และยอมรับได้

Cases Project’s profit Percentage Error

D
Actual data 963.97 MB.
0.35 %
Optimal solution 967.36 MB.
10 สรุ ปผลการวิจัย / ข้อเสนอแนะ

• ผลจากการวิเคราะห์ แบบจําลองทางคณิตศาสตร์ ช่ วยให้ ผ้ ปู ระกอบการเห็นแนวทางการวางแผนงานหรื อตัดสิ นใจเลือกแบบบ้ านทีจะก่อสร้ างแต่ ละ

แบบในช่ วงวางแผนงานก่อสร้ าง พร้ อมกับประเมินผลกําไรสู งสุ ดทีสอดคล้ องกับการวางแผนงาน และนํ าเสนอทางเลื อกทีดีทีสุ ดในด้ านผลกําไร ของ
โครงการจากกผลลัพธ์ การวิเคราะห์ ความไวต่ อการเปลียนแปลง ดังกราฟ

เปรียบเทียบผลลัพธ์ระหว่าง Scenario1 กับ Scenario 2

Maximized profit of the project (MB) 1,054.18

1,053.91

House type 3 (unit) 117

116

House type 2 (unit) 96

100

House type 1 (unit) 214

211
0 200 400 600 800 1000 1200

Scenario 2 Scenario 1

• สามารถนําแบบจําลองทางคณิตศาสตร์ ไปใช้ ในการวางแผนงานก่ อสร้ างเพือประเมิน ผลกําไรในโครงการพัฒนาอสั งหาริมทรัพย์ แนวราบ ใน

พืนทีทีมีสัดส่ วนประชากรหนาแน่ น หรื อเมืองใหญ่ ทัวโลก ทีมีลกั ษณะเดียวกับพืนทีทีใช้ ในงานวิจัย

48
10 สรุปผลการวิจัย / ข้อเสนอแนะ

ขอเสนอแนะ และแนวทางการวิจัยในอนาคต
 งานวิจัยนี้สามารถนําไปใชกบั ในเขตพื้นที่อื่น ๆที่มปี ระชากรหนาแนน หรือเปนเมืองใหญได เชน ปกกิ่ง, นิวเดลี หรือเชียงใหม,
ภูเก็ตซึ่งใกลเคียงกับพื้นที่วิจัยของงานวิจัย

 ในกรณีจะนําไปใชในเขตพื้นที่เมืองเล็ก หรือประชากรไมหนาแนน ผูวิจัยควรจะเก็บขอมูลในสวนแรกและกรองขอมูลกอนจึงจะ

สามารถนําไปสรางสมการทางคณิตศาสตรในขั้นตอนตอไป

 งานวิจัยในอนาคตควรจะมีการใชฟง กชั่นหลายวัตถุประสงค หรือ Multiple linear programming โดยสามารถนําผลสํารวจ

ความตองการของลูกคาที่จะซื้อบานมาสรางเงื่อนไข หรือเพิ่ม Constraining ในแบบจําลองเพื่อเพิ่มความใกลเคียงกับผลสํารวจมาก
ขึ้น หรือจะนําผลสํารวจเกี่ยวกับ Infrastructure ที่มผี ลตอการตัดสินใจซื้อบานในทําเลตางๆเขามาเพิ่มในสวนของสมการเงื่อนไขเพื่อ
ดูผลลัพธในสวนของทําเลที่จะลงทุนทําโครงการอสังหาริมทรัพยแนวราบตอไป

49
 50

THANK YOU