รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

50 จากตารางข้างต้นจะเห็นว่าแบบจำลองที่ทำการแปลงข้อมูลด้วยการ ใช้ Log ทั้งตัวแปรตาม และตัวแปรอธิบายให้ค่าสถิติ AICc, RMSE และ MAPE ต่ำที่สุด ทั้งในส่วนของจำนวนผู้ว่างงานและ กำลังแรงงานรวม จึงเลือกแบบจำลองดังกล่าวเพื่อพยากรณ์จำนวนว่างงานและกำลังแรงงานรวมใน 5 ปีข้างหน้า และนำข้อมูลพยากรณ์ดังกล่าวมาคำนวณอัตราการว่างงาน ซึ่งจะได้ผลการพยากรณ์ ดังนี้ จำนวนผู้ว่างงาน ( A ) กำลังแรงงานรวม ( B ) อัตราการว่างงาน ช่วงการ พยากรณ์ ปี ค่าพยากรณ์ ค่าพยากรณ์ ( A / B )* 100 พยากรณ์ โดยใช้อัตรา ARIMA ( 2,0,0 ) ARIMA ( 3,0,0 ) 2 566 486,838 40,327,749 1 . 21 1 . 11 1 . 11 - 1 . 21 2 567 428,844 41,081,493 1 . 04 1 . 13 1 . 04 - 1 . 13 2 568 376,826 41,245,540 0 . 91 1 . 13 0 . 91 - 1 . 13 2 569 336,586 41,460,920 0 . 81 0 . 99 0 . 81 - 0 . 99 2 570 307,549 41,361,293 0 . 74 0 . 89 0 . 74 - 0 . 89 4.1.3 อัตราการว่างงาน ในส่วนถัดมาจะเป็นการจะเป็นการคัดเลือกแบบจำลองสำหรับการพยากรณ์อัตราการว่างงาน ตัวมันเอง โดยแบ่งข้อมูลออกเป็น Train – Test และเลือกแบบจำลองที่ให้ Forecast Error (RMSE และ MAPE ของ Test Set) ต่ำที่สุด จากนั้นจึงนำแบบจำลองดังกล่าวไปใช้กับข้อมูล 100 % เพื่อหา ค่าพยากรณ์ในอีก 5 ปีข้างหน้า ซึ่งในการศึกษาครั้งนี้จะใช้เทคนิคการพยากรณ์ในการเลือกตัวแบบที่ เหมาะสม 4 วิธี คือ Model 1 ไม่แปลงข้อมูล Model 2 Log (กำลังแรงงานรวม) และ log ( GDP ) Model 3 Log (กำลังแรงงานรวม) Model 4 Log ( GDP ) Model ARIMA ( 3,0,0 ) ARIMA ( 3,0,0 ) ARIMA ( 3,0,0 ) ARIMA ( 2,0,0 ) AICc 645 - 124 - 122 646 RMSE ( in - sample ) 355000 347000 357000 427000 MAPE ( in - sample ) 0 . 74 0 . 73 0 . 75 0 . 92 2 566 40,357,705 40,327,749 40,393,868 40,494,279 2 567 41,168,766 41,081,493 41,248,471 40,726,641 2 568 41,411,889 41,245,540 41,546,219 40,751,352 2 569 41,728,779 41,460,920 41,905,628 40,667,995 2 570 41,730,505 41,361,293 41,948,217 40,536,227