รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

53 4.2 การพยากรณ์อัตราการว่างงาน โดยใช้ข้อมูลรายไตรมาส ในขั้นตอนแรก จะเป็นการคัดเลือกแบบจำลองสำหรับการใช้พยากรณ์ข้อมูลจำนวนผู้ว่างงาน และกำลังแรงงานรวม โดยแบ่งข้อมูลออกเป็น Train – Test และเลือกแบบจำลองที่ให้ Forecast Error ( RMSE และ MAPE ) ต่ำที่สุด ซึ่งในการศึกษาครั้งนี้จะใช้เทคนิคการพยากรณ์ในการเลือกตัว แบบที่เหมาะสม 5 วิธี คือ 1) Exponential Smoothing 2) Holt - Winters ’ Addictive 3) Holt - Winters ’ Multiplicative 4) ARIMA 5) ARIMAX 4.2.1 จำนวนผู้ว่างงาน ETS Addictive Multiplicative ARIMA Model ETS ( A,N,A ) ETS ( A,A,A ) ETS ( M,A,M ) ARIMA ( 0,1,1 )( 0,1,1 )[ 4 ] AICc 68 . 23 74 . 13 74 . 82 - 51 . 03 Ljung - Box 0 . 787 0 . 546 0 . 887 0 . 597 RMSE ( in - sample ) 79033 75868 76283 73127 MAPE ( in - sample ) 11 . 6 11 . 8 11 . 6 11 . 5 RMSE ( out - of - sample ) 262956 415000 378000 543000 MAPE ( out - of - sample ) 39 . 5 63 . 6 57 . 5 52 . 30 ARIMAX covid ARIMAX GDP ARIMAX covid + GDP Model ARIMA ( 0,1,1 )( 0,1,1 )[ 4 ] ARIMA ( 0,1,1 )( 0,1,1 )[ 4 ] ARIMA ( 0,0,3 )( 1,1,0 )[ 4 ] AICc - 66 . 75 - 65 . 97 - 75 . 46 Ljung - Box 0 . 451 0 . 145 0 . 499 RMSE ( in - sample ) 60085 66286 59614 MAPE ( in - sample ) 10 . 4 10 . 7 10 . 1 RMSE ( out - of - sample ) 93790 402000 78009 MAPE ( out - of - sample ) 14 . 0 62 . 1 10 . 3