รายงานการศึกษาค่าคาดการณ์อัตราการว่างงานของประเทศไทย

68 ข้อมูลรายปีเป็นช่วง Test มีจำนวนข้อมูลเพียงแค่ 2 ปีเท่านั้น อาจทำให้เห็นภาพได้ไม่ชัด การใช้ ข้อมูลรายไตรมาสหรือรายเดือนน่าจะมีความเหมาะสมกว่า เนื่องจากจำนวนของข้อมูลที่มากกว่า โดย อาจทดลองเปลี่ยนช่วง Train-Test เป็นในช่วงที่ต่างกัน เพื่อทดสอบความนิ่งของแบบจำลองและผล พยากรณ์ และยังมีข้อแนะนำให้ตรวจสอบถึงการเปลี่ยนแปลงโครงสร้างเศรษฐกิจ ( Structural change ) เช่น การเกิดน้ำท่วม หรือการปรับค่าจ้างขั้นต่ำ ว่ามีผลต่อการว่างงานหรือไม่ หากมีผลก็ควร รวมปัจจัยเหล่านี้เข้ามาในแบบจำลอง ARIMAX ด้วย นอกจากนี้ ยังมีข้อแนะนำถึงการศึกษาใน อนาคตเรื่องการพยากรณ์การว่างงานรายภาคอุตสาหกรรม (sector) ซึ่งมีความน่าสนใจ และเป็น ประโยชน์ต่อภาครัฐสามารถใช้เป็นข้อมูลประกอบการกำหนดนโยบายในตลาดแรงงานได้ดียิ่งขึ้น 6. ศาสตราจารย์ ดร.ภูมิฐาน รั งคกูลนุวัฒน์ ศาสตราจารย์ ภาควิ ชาสหกรณ์ คณะ เศรษฐศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ ให้ความเห็นตามทฤษฎี โดยแนะนำให้พิจารณาความมี นัยสำคัญทางสถิติของค่าสัมประสิทธิ์ของตัวแปรต่าง ๆ ที่ใส่เข้าไปในแบบจำลอง และให้ลองทดสอบ ว่าหลังจากที่ใส่ตัวแปรล่าช้า (Lag) ของตัวแปรตามในแบบจำลองแล้ว ยังมีปัญหา Autocorrelation อีกหรือไม่ เนื่องจากตามทฤษฎี แบบจำลองที่ดีที่สุด คือแบบจำลองที่ค่าสัมประสิทธิ์ของตัวแปรต่าง ๆ มีนัยสำคัญ และไม่มี Autocorrelation นอกจากนี้แนะนำให้ดูตัวแปรทางเศรษฐกิจอื่น ๆ ที่ส่งผล กระทบต่ออัตราการว่างงานจากวารสารวิชาการของต่างประเทศ เพื่อให้การพยากรณ์มีคว ามแม่นยำ มากขึ้น รวมถึงลองรูปแบบ function อื่น เช่น รูปแบบการ take log รูปแบบยกกำลังสอง เป็นต้น และแนะนำให้ศึกษาอัตราการว่างงานจำแนกตามจังหวัด ภาค และสาขาอุตสาหกรรม เพื่อที่จะได้เห็น ปัญหาในแต่ละกลุ่ม และเป็นประโยชน์ต่อการกำหนดนโยบายของประเทศต่อไป