รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

60 เมื่อเปรียบเทียบค่าเฉลี่ยจากการประมาณการกับค่าจริงรายไตรมาส เพื่อหาวิธีการประมาณ ค่าสูญหายจากค่าความคลาดเคลื่อนที่ต่ำที่สุด ( RMSE และ MAPE ) พบว่า การประมาณค่าสูญหาย จำนวนผู้ ว่ างงานด้วยวิ ธี Seasonally Decomposed Missing Value Imputation ให้ค่าความ คลาดเคลื่อนต่ำที่สุด ส่วนการประมาณค่าสูญหายจำนวนกำลังแรงงานรวมด้วยวิธี Exponential Weighted Moving Average ให้ค่าความคลาดเคลื่อนต่ำที่สุด ดังนั้นจึงใช้ข้อมูลจากการประมาณค่า สูญหายในวิธีข้างต้นสำหรับการพยากรณ์ในขั้นถัดไป ขั้นตอนที่ 2 จะเป็นการคัดเลือกแบบจำลองสำหรับการใช้พยากรณ์ข้อมูลจำนวนผู้ว่างงาน และกำลังแรงงานรวม โดยแบ่งข้อมูลออกเป็น Train Set (เดือนมกราคม พ.ศ. 2545 – ธันวาคม พ.ศ. 2563) และ Test Set (เดือนมกราคม พ.ศ. 2564 – ธันวาคม พ.ศ. 2565) จากนั้นเลือกแบบจำลองที่ ให้ค่าความคลาดเคลื่อน Forecast Error ( RMSE และ MAPE ) ต่ำที่สุด ซึ่งในการศึกษาครั้งนี้จะใช้ เทคนิคการพยากรณ์ในการเลือกตัวแบบที่เหมาะสม 4 วิธี คือ 1) Exponential Smoothing 2) Holt ’ s method 3) ARIMA 4) ARIMAX 4.3.1 จำนวนผู้ว่างงาน ทำการแปลงข้อมูลให้อยู่ในรูป Logarithm เพื่อทำให้ข้อมูลมีความ แปรปรวนที่เสถียรขึ้น ( Variance Stable ) ETS Holt Winter's Additive Holt Winter's Multiplicative Model ETS ( A,N,A ) ETS ( A,A,A ) ETS ( M,A,M ) AICc 433 . 7575 448 . 7337 461 . 3994 Ljung - Box 0 . 0273 0 . 0262 0 . 00156 RMSE ( in - sample ) 74065 80104 76910 MAPE ( in - sample ) 12 . 3 12 . 5 12 . 7 RMSE ( out - of - sample ) 279425 608772 1243152 MAPE ( out - of - sample ) 43 . 4 96 . 2 192