รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

46 เช่นเดียวกันกับข้อมูลรายไตรมาส อัตราการว่างงานและจำนวนผู้ว่างงานมีความสัมพันธ์กับ GDP ณ ไตรมาสเดียวกันมากที่สุด แต่กำลังแรงงานมีความสัมพันธ์กับ GDP lag 3 มากที่สุด และตัวแปร ตามที่สนใจทุกตัวไม่มีความสัมพันธ์กับอัตราการเติบโตของ GDP ดังนั้นจึงเลือกใส่ตัวแปร GDP ในการ พยากรณ์จำนวนผู้ว่างงานและอัตราการว่างงานด้วยข้อมูลรายไตรมาสในแบบจำลอง ARIMAX และใส่ตัว แปร GDP lag3 ในการพยากรณ์จำนวนกำลังแรงงานด้วยข้อมูลรายไตรมาสในแบบจำลอง ARIMAX 4.1 การพยากรณ์อัตราการว่างงาน โดยใช้ข้อมูลรายปี ในขั้นตอนแรก จะเป็นการคัดเลือกแบบจำลองสำหรับการใช้พยากรณ์ข้อมูลจำนวนผู้ว่างงาน และกำลังแรงงานรวม โดยแบ่งข้อมูลออกเป็น Train – Test และเลือกแบบจำลองที่ให้ Forecast Error ( RMSE และ MAPE ) ต่ำที่สุด ซึ่งในการศึกษาครั้งนี้จะใช้เทคนิคการพยากรณ์ในการเลือกตัว แบบที่เหมาะสม 4 วิธี คือ 1) Exponential Smoothing 2) Holt ’ s method 3) ARIMA 4) ARIMAX 4.1.1 จำนวนผู้ว่างงาน ETS HOLT'S ARIMA Model ETS ( M,N,N ) ETS ( A,A,N ) ARIMA ( 2,2,0 ) AICc 531 . 56 539 . 88 472 . 91 Ljung - Box 0 . 632 0 . 597 0 . 309 RMSE ( in - sample ) 113653 114000 90290 MAPE ( in - sample ) 15 . 70 19 . 60 14 . 10 RMSE ( out - of - sample ) 111433 139000 329000 MAPE ( out - of - sample ) 18 . 30 22 . 20 52 . 30 2564 ( 748,268 ) 651,071 602,375 916,078 2565 ( 527,025 ) 651,071 658,782 960,581