รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

43 นอกจากนี้ ARIMAX ยังมีความสามารถในการจัดการกับปัญหาการทำนายที่มีตัวแปรที่มีผล ต่อตัวแปรตามน้อยนิด และช่วยให้การทำนายเป็นไปอย่างมีประสิทธิภาพมากยิ่งขึ้น อย่างไรก็ตามการ ใช้ ARIMAX ต้องคำนึงถึงการเลือกตัวแปรเสริมที่มีผลต่อตัวแปรตามอย่างเหมาะสม และการ ตรวจสอบความเหมาะสมของโมเดลที่ได้ผลลัพธ์ เนื่องจากหากเลือกตัวแปรที่ไม่เหมาะสม อาจนำไปสู่ ผลการพยากรณ์ที่ไม่แม่นยำ 3.3 หลักการพิจารณาวิธีการพยากรณ์ที่เหมาะสมที่สุด เนื่องจากข้อมูลอนุกรมเวลาชุดหนึ่ง อาจใช้เทคนิคการวิเคราะห์ได้หลายวิธี เพื่อคัดเลือกตัว แบบที่คาดว่าจะให้ค่าพยากรณ์มึความคลาดเคลื่อนต่ำที่สุด ดังนั้นในการคัดเลือกตัวแบบ อาจคำนวณ ค่าวัดความคลาดเคลื่อน ( e t ) ระหว่าง ค่าที่แท้จริง ( Y t ) กับ ค่าพยากรณ์ ( Ŷ t ) t t t e Y Y ˆ − = ในที่นี้ พิจารณาจากค่ารากที่สองของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( Root of Mean Squared Error : RMSE ) ในการเลือกแบบพยากรณ์โดยเลือกเทคนิคการพยากรณ์ที่ ให้ค่าความ คลาดเคลื่อน RMSE ต่ำสุด เมื่อได้ตัวแบบที่เหมาะสมแล้ว จะทำการทดสอบประสิทธิภาพของตัวแบบ โดยการเปรียบเทียบระหว่างค่าจริงและค่าที่พยากรณ์ได้ ซึ่งหากค่าความคลาดเคลื่อนน้อยแสดงว่าตัว แบบนั้นมีประสิทธิภาพ RMSE = √∑ ( − ̂) =1 เมื่อ Y t คือ ค่าของข้อมูลจริง Ŷ t คือ ค่าพยากรณ์ n คือ ขนาดของอนุกรมเวลา ค่าพยากรณ์ ( Fitted value ) ค่าจริง ( Observed value ) ความคลาดเคลื่อน ( Residual )