รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

35 และงานวิจัยที่น่าสนใจจาก ดร.ณัฐนันท์ วิจิตรอักษร ( 2565 ) ได้ศึกษาการวิเคราะห์และ คาดการณ์ข้อมูลเศรษฐกิจมหภาคของไทยโดยใช้วิธีความถี่ผสม ซึ่งข้อมูลเศรษฐกิจมหภาคเป็นข้อมูล สำคัญในการตัดสินใจของทั้งภาครัฐและเอกชนในประเทศไทย ซึ่งการเผยแพร่ข้อมูลเศรษฐกิจมหภาค ที่สำคัญ โดยปกติจะมีความถี่ต่ำกว่า เช่น รายไตรมาส มักจะไม่เป็นไปตามเวลาที่กำหนด การใช้ข้อมูล ที่มีความถี่สูงกว่า เช่น รายเดือนและรายวันเพื่อวิเคราะห์หรือคาดการณ์ข้อมูลที่มีความถี่ต่ำกว่าจะ สามารถลดผลกระทบจากระยะเวลาการรอข้อมูลได้ การศึกษานี้ ใช้วิธีข้อมูลความถี่ผสมในการ วิเคราะห์และคาดการณ์ข้อมูลเศรษฐกิจมหภาคที่สำคัญของไทย การถดถอยของการสุ่มตัวอย่างข้อมูล แบบผสมที่มีข้อกำหนดต่างๆ ถูกนำมาใช้และดำเนินการผ่านข้อมูลเศรษฐกิจมหภาค เช่น ผลิตภัณฑ์ มวลรวมในประเทศและอัตราเงินเฟ้อ โดยชุดข้อมูลในการวิเคราะห์ประกอบด้วยตัวแปรทางเศรษฐกิจ มหภาคและการเงินที่สำคัญบางอย่าง รวมถึงปริมาณห่วงโซ่รายไตรมาส ได้แก่ ผลิตภัณฑ์มวลรวม ภายในประเทศ ( GDP ) ณ ราคาปี 2545 จากสำนักงานคณะกรรมการพัฒนาการเศรษฐกิจและสังคม แห่งชาติ (สศช.) ประเทศไทย , จำนวนแรงงานรายไตรมาสในกำลังแรงงาน ( LF ) จากสำนักงานสถิติ แห่งชาติ (สสช.) , อัตราเงินเฟ้อรายเดือน อัตราและดัชนีราคาหุ้นรายวันจาก CEIC อัตราดอกเบี้ยและ อัตราแลกเปลี่ยนรายวันจากธนาคารแห่งประเทศไทย (ธปท.) ตัวแปรทั้งหมดนี้ จะถูกแปลงเป็น เปอร์เซ็นต์การเปลี่ยนแปลงโดยมีการเปลี่ยนแปลงในไตรมาสต่อไตรมาสสำหรับ GDP และ LF ซึ่งเป็น การเปลี่ยนแปลงแบบปีต่อปีสำหรับ อัตราเงินเฟ้อ และการเปลี่ยนแปลงของดัชนีหุ้น อัตราดอกเบี้ย และอัตราแลกเปลี่ยนในวันก่อนหน้า โดยจุดประสงค์หลักคือการวิเคราะห์และคาดการณ์ตัวแปร ความถี่ต่ำ ( GDP, LF และอัตราเงินเฟ้อ) โดยใช้ตัวแปรความถี่ที่สูงขึ้น นั่นหมายความว่าเราใช้อัตรา เงินเฟ้อรายเดือนและอัตราผลตอบแทนของหุ้นรายวัน อัตราดอกเบี้ย และอัตราแลกเปลี่ยนเป็นตัว ทำนายเพื่ อคาดการณ์ GDP รายไตรมาสและ LF ในทำนองเดียวกัน และใช้ข้อมูลรายวันเพื่อ คาดการณ์อัตราเงินเฟ้อรายเดือน เพื่อประโยชน์ในการเปรียบเทียบ จึงเลือกสร้างตัวแบบการ คาดการณ์ตัวแปรความถี่ที่ต่ำกว่าโดยใช้แบบจำลอง ARIMA และระบุเป็น แบบจำลองมาตรฐาน ใน การประเมินและค้นหาแบบจำลองที่เหมาะสมที่สุดและการคาดการณ์ โดยปรียบเทียบแบบจำลอง จากค่ารากที่ สองของความคลาดเคลื่ อนกำลังสองเฉลี่ ยต่ำที่ สุด ( RMSE ) และเปอร์ เซ็นความ คลาดเคลื่อนสัมบูรณ์เฉลี่ย ( MAPE ) และ Diebold - Mariano ( DM ) เพื่อประเมินความแม่นยำในการ พยากรณ์ โดยแบ่งข้อมูลออกเป็นชุดการฝึกและชุดทดสอบ ซึ่งชุดหลังจะได้รับการประเมินเทียบกับ การคาดการณ์ที่ไม่ได้อยู่ในกลุ่มตัวอย่าง เนื่องจากมุ่งเน้นไปที่แบบจำลองการคาดการณ์ระยะสั้น การ คาดการณ์ที่สร้างขึ้นทั้งหมดจึงล้ำหน้าไป 1 ก้าว และขอบเขตการคาดการณ์เป็นเพียงหนึ่งปี เพื่อให้ รูปแบบตามฤดูกาลสมบูรณ์ อย่างแม่นยำ สำหรับข้อมูลรายไตรมาส จะมีการสร้างค่าคาดการณ์สี่ค่า ในขณะที่มีจุดข้อมูลสิบสองจุดสำหรับ ซึ่งข้อมูลจะถูกแยกออกเป็นช่วงนอกตัวอย่าง COVID และไม่ใช่ COVID เพื่อประเมินประสิทธิภาพของแบบจำลอง จากผลการศึกษาพบว่าโมเดลความถี่ผสมส่วนใหญ่ ไม่ว่าจะเป็น MIDAS หรือ VAR มีประสิทธิภาพดีกว่าโมเดลค่าเฉลี่ยเคลื่อนที่แบบบูรณาการแบบ ถดถอยอัตโนมัติ ARIMA ซึ่งใช้เป็นโมเดลมาตรฐาน ในแง่ของข้อผิดพลาดในการพยากรณ์ของข้อมูล ชุดนี้ ยกเว้นกรณีอัตราเงินเฟ้อรายเดือนที่มีข้อมูลโควิด บางกรณีจากการศึกษานี้คือ (1) ผลตอบแทน รายวัน