รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

33 Regression Splines : MARS ) ผลการศึกษาพบว่า ตัวแบบ FARIMA เหมาะสมสำหรับการพยากรณ์ ข้อมูลล่วงหน้า 1 เดือน ตัวแบบ Holt - Winters เหมาะสมสำหรับการพยากรณ์ล่วงหน้า 3 เดือน และ Artificial Neural Networks ( ANN ) เหมาะสมสำหรับการพยากรณ์ล่วงหน้า 12 เดือน Michał Gostkowski และ Tomasz Rokicki ( 2564 ) ศึกษาการเลือกตัวแบบพยากรณ์อัตรา การว่างงาน โดยใช้ข้อมูลอัตราการว่างงานรายเดือนจากสำนักงานสถิติกลางของโปแลนด์ ตั้งแต่เดือน มกราคม พ.ศ. 2558 ถึงเดือนธันวาคม พ.ศ. 2561 เพื่อศึกษาและเปรียบเทียบตัวแบบที่เหมาะสม สำหรับใช้พยากรณ์อัตราการว่างงาน ทั้ งหมด 5 ตัวแบบ ได้แก่ วิธีหาค่าแบบตรงตัว ( Naive method ) , ตัวแบบการถดถอย ( Regression model ) , ARIMA, ตัวแบบ Holt และตัวแบบ Winters ผลการศึกษาพบว่าตัวแบบที่เหมาะสมสำหรับใช้พยากรณ์อัตราการว่างงานข้อมูลชุดดังกล่าว คือตัว แบบ Winters และ ตัวแบบการถดถอยแบบกำลังสอง ( Quadratic trend model ) Oscar Claveria ( 2562 ) ได้ทำการศึกษาการพยากรณ์อัตราการว่างงานโดยใช้ระดับความ คาดหวังในการหางานทำของผู้บริโภคเป็นส่วนหนึ่งในการศึกษา และสร้างแบบจำลองอัตราการ ว่างงาน ใน 8 ประเทศกลุ่มยุโรป โดยใช้ข้อมูลจากการสำรวจผ่านข้อคำถามที่ทำการรวบรวมใหม่ 5 หมวดหมู่คำตอบที่เกี่ยวข้องกับความคาดหวังในการหางานทำ โดยเลือกใช้วิธี ARIMA ในการหา แบบจำลองของแต่ละประเทศ โดยออกแบบการศึกษา 2 วิธีที่ เป็นอิสระต่อกัน วิธีแรก สร้าง แบบจำลอง ARIMA แบบปกติ วิธีที่ 2 นำตัวแปรความคาดหวังในการทำงานเพิ่มใน model ARIMA โดยใช้ dynamic regression model หรือ ARIMAX เพือทดสอบดูว่าตัวแบบที่สองวิธีมีการปรับปรุง ความแม่นยำเพิ่มขึ้น ทดสอบโดยใช้ค่า MAPE และค่า DM เพื่อเปรียบเทียบผลการพยากรณ์ จาก การศึกษาพบว่า ความคาดหวังในการหางานทำของผู้บริโภคช่วยในการอ้างอิงอัตราการคาดการณ์ อัตราการว่างงานในชุดข้อมูลของ 8 ประเทศในยุโรป ซึ่งตัวแปรสามารถนำไปปรับปรุงการพยากรณ์ ของตัวแบบในชุดข้อมูลนี้ได้ดียิ่งขึ้น Alessia Naccaratoa และคณะ ( 2561 ) ได้ศึกษาการพยากรณ์อัตราการว่างงานของเยาวชน ในประเทศอิตาลี โดยใช้ google trends จากข้อมูลอัตราการว่างงานรายเดือนจากสำนักงานสถิติ ประเทศอิตาลี ตั้งแต่ปี 2547 ในการสร้างตัวแบบ โดยมีจุดประสงค์เพื่อศึกษาแนะนำการใช้ข้อมูลการ ค้นหาออนไลน์เพื่อนำมาปรับปรุงการคาดการณ์ทางเศรษฐกิจ โดยทำการศึกษา 2 รูปแบบ คือ ใช้วิธี อนุกรมเวลา ARIMA เพื่อหาค่าคาดการณ์อัตราการว่างงาน และวิธี VAR model ที่ผสมระว่างการหา ค่าคาดการณ์อัตราการว่างงาน และข้อมูลค้นหาใน google trends ร่วมด้วย ซึ่งผลการศึกษาพบว่า การว่างงานของเยาวชนในประแทศอิตาลีและการใช้อินเตอร์เน็ตหางานมีความสัมพันธ์กัน ผลการใช้ ข้อมูล Google Trends ในการสร้างตัวแบบส่งผลให้มีข้อผิดพลาดในการคาดการณ์ลดลงโดยเฉลี่ย จากชุดข้อมูลตัวอย่าง 2.4.4 งานวิจัยที่ใช้เทคนิคการพยากรณ์ที่น่าสนใจ นอกจากงานวิจัยที่พยากรณ์จำนวนผู้ว่างงานหรืออัตราการว่างงานแล้ว ยังมีงานวิจัยที่มุ่งเน้น ไปยังตัวแปรอื่นๆ แต่ใช้เทคนิคการพยากรณ์ที่น่าสนใจที่ ตัวอย่างเช่น กานต์สินี เจริญกิจวัชรชัย ( 2561 ) ได้ทำการศึกษาปัญญาประดิษฐ์กับการพยากรณ์ค่าจ้างแรงงานไทย เพื่ อสร้างสมการ แบบจำลองพยากรณ์ค่าจ้างแรงงานและศึกษาปัจจัยที่มีอิทธิพลต่อการกำหนดค่าจ้างแรงงาน โดยใช้ ข้อมูลสำรวจภาวะเศรษฐกิจและสังคมของครัวเรือน ( SES ) และข้อมูลสำรวจภาวะการทำงานของ