รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

34 ประชากร ( LFS ) จำนวน 10 ปี ตั้งแต่ 2550 - 2560 โดยใช้เทคนิคการพยากรณ์ 3 วิธี ได้แก่ 1 ) วิธีทาง เศรษฐมิติ ( LM ) การวิเคราะห์การถดถอยเชิงเส้นพหุคูณ 2 ) เทคนิควิธีการทางปญญาประดิษฐ อัลกอริทึมโครงขายประสาทเทียม ( Artificial Neural Networks : ANN ) 3 ) เทคนิควิธีการทางปญญา ประดิษฐอัลกอริทึม ( Random Forest ) ซึ่งเป็นเทคนิควิธีการพยากรณ์ในรูปแบบของปญญาประดิษฐ โดยใช้โปรแกรม R studio เป็นเครื่องมือช่วยในการดำเนินการศึกษาซึ่งเปรียบเทียบค่าพยากรณ์จาก ค่า MAPE และ MSE โดยผลการศึกษาพบว่าปจจัยที่มีอิทธิพลตอการการกําหนดคาจางแรงงานในชวง 10 ปที่ ผานมา ประกอบไปดวย 3 ปจจัยหลัก คือปจจัยดานคุณลักษณะทั่วไปของแรงงาน ปจจัยที่ เกี่ ยวของกับอาชีพและกิจการ และป จจัยทางด านภูมิศาสตร โดยผลจากการพยากรณดวย แบบจําลองตางๆ พบวา แบบจําลองทางปญญาประดิษฐ ในสวนของอัลกอริทึม Random Forest มี ความแมนยํ าในการพยากรณมากกว าแบบจํ าลองทางสถิติ และสามารถบอกถึ ง ป จจัยที่ มี ความสําคัญตอการกําหนดคาจางแรงงานไดเชนเดียวกับแบบจําลองทางสถิติ ในขณะที่แบบจําลอง ทางปญญาประดิษฐอัลกอริทึมโครงขายประสาทเทียมนั้น ถึงแมวามีความแมนยําสูงกวาแบบจําลอง ทางสถิติ แตยังมีขอจํากัดดานความสามารถในการอธิบายผลของแบบจําลอง และพบวายังมีขอจํากัด ในการประมวลผลขอมูลที่ประกอบดวยปจจัยที่อยูในรูป แบบขอมูลเชิงตัวแปรหุน นอกจากนี้ยังมีการศึกษาการเปรียบเทียบเทคนิคทางด้านการพยากรณ์ อภิญญา หิรัญวงษ์ ( 2552 ) ได้ศึกษาการพยากรณ์ราคาพืชน้ำมันโดยวิธีบ๊อกซ์ – เจนกินส์และโครงข่ายประสาทเทียม เพื่อ หาตัวแบบที่เหมาะสมในการพยากรณ์ โดยใช้ข้อมูลอดีตของข้อมูลราคาถั่วเหลืองและปาล์มน้ำมันราย เดือนจากสำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์ ตั้ งแต่ตุลาคม 2540 ถึง กันยายน 2551 โดยใช้เทคนิคการพยากรณ์ 2 วิธีคือ 1 ) วิธีอนุกรมเวลาบ๊อกซ์ – เจนกินส์ 2 ) วิธี โครงข่ายประสาทเทียม เปรียบเทียบผลการพยากรณ์จากค่าผลบวกกำลังสองของความคาดเคลื่อน ( SSE ) ค่าต่ำที่สุด พบว่าสำหรับการพยากรณ์กรข้อมูลชุดนี้ ได้ผลการศึกษา คือการพยากรณ์ราคาถั่ว เหลืองเลือกใช้วิธีโครงข่ายประสาทเทียม และการพยากรณ์ราคาปาล์มน้ำมันเลือกใช้วิธีบ็อกซ์- เจน กินส์ เนื่องจากได้ค่า SSE ต่ำที่สุด จึงมีความเหมาะสมสำหรับการพยากรณ์ต่อไป ผุสดี บุญรอด และกรวัฒน์ พลเยี่ยม ( 2560 ) ได้ศึกษาการพยากรณ์ราคามันสำปะหลัง เพื่อหา ตัวแบบที่เหมาะสมโดยใช้ข้อมูลจากสมาคมแป้งมันสำปะหลังและสำนักงานเศรษฐกิจการเกษตร จำนวน 10 ปี (พ.ศ. 2549-2558) ตั้งแต่เดือนมกราคม พ.ศ. 2549 ถึงเดือนธันวาคม พ.ศ. 2558 ซึ่ง เป็นข้อมูลอนุกรมเวลาแบบรายสัปดาห์ที่ถูกจัดเรียงตามเวลาของการบันทึก โดยใช้เทคนิคการ พยากรณ์ 3 วิธี ได้แก่ 1 ) โครงข่ายประสาทเทียมแบบหลายชั้น ( artificial neural network ) 2 ) เค เนี ยเรสเนเบอร์ ( k - NearestNeighbor, k - NN ) 3 ) การวิ เคราะห์ การถดถอยเชิ งเส้ น ( linear regression analysis ) โดยใช้โปรแกรม RapidMiner Studio 7 เป็นเครื่องมือช่วยในการดำเนินการ ศึกษาซึ่งเปรียบเทียบค่าพยากรณ์จากค่า MAPE โดยผลการศึกษาพบว่าโครงข่ายประสาทเทียมแบบ หลายชั้นมีค่า MAPE เท่ากับ 3 . 96 เคเนียเรสเนเบอร์มีค่า MAPE เท่ากับ 7 . 11 และการวิเคราะห์การ ถดถอยเชิงเส้นมีค่า MAPE เท่ากับ 11 . 10 จึงสามารถสรุปได้ว่าแบบจำลองการพยากรณ์โดยใช้ โครงข่ายประสาทเทียมแบบหลายชั้นมีประสิทธิภาพดีที่สุดสำหรับการพยากรณ์ข้อมูลชุดนี้ ซึ่งสามารถ นำไปประยุกต์ใช้และต่อยอดในการพยากรณ์ราคามันสำปะหลังได้ดีกว่าวิธีอื่น ๆ