sam1.ปกพยากรณ์

1 วธิ ีการพยากรณ์ ด้วยโปรแกรม Gretl 1. ข้อตกลงเบื้องตน้ (Assumption) 1.1 ตัวแปรอิสระที่มีความสัมพันธ์กับตัวแปรตามเน้ือที่เพาะปลูกปีท่ีพยากรณ์หรือเนื้อที่เพาะปลูก ปที ่ี t ไดแ้ ก่ 1) เน้ือท่ีเพาะปลูกในปีที่แล้ว หรือเนื้อที่เพาะปลูกปีท่ี t-1 ภายใต้ข้อตกลงเบื้องต้นว่า เกษตรกรจะ ตัดสินใจ ขยายหรอื ลดเน้ือทเ่ี พาะปลกู ตอ้ งคำนึงถึงเน้ือท่เี พาะปลูกที่เคยทำมาในปีทแี่ ลว้ 2) ราคาเฉล่ีย ราคาสูงสุด ราคาต่ำสุด ราคา ณ เดือนที่ผลผลิตออกมาก (เดือนพฤศจิกายน) ทเี่ กษตรกรขายไดใ้ นปีท่ีแล้วหรือปีท่ี t-1 ภายใตข้ ้อตกลงเบ้อื งต้นว่า เกษตรกรจะตัดสินใจในการขยายหรอื ลดเน้อื ท่ี เพาะปลูกขึ้นอยู่กับราคาดังกล่าว โดยคาดว่าหากราคาท่ีเกษตรกรขายได้ในปีท่ีแล้วมีแนวโน้มเพ่ิมข้ึนก็จะจูงใจให้ เกษตรกรขยายเน้ือท่ีเพาะปลูกเพิ่มขึ้นในปีถัดไป และหากราคาท่ีเกษตรกรขายได้ในปีที่แล้วมีแนวโน้มลดลง เกษตรกรกจ็ ะลดเนื้อทีเ่ พาะปลูกลงในปีถดั ไป 3) ราคาพืชแข่งขันปีที่แล้ว ซึ่งสามารถปลูกได้ในพื้นท่ีเดียวกัน ภายใต้ข้อตกลงเบื้องต้นว่า เช่น ถ้าราคาอ้อยโรงงานเมื่อปีท่ีแล้วมีแนวโน้มเพิ่มขึ้นหรือให้ผลตอบแทนท่ีดีกว่า เกษตรกรก็จะปรับเปล่ียนจากการ ปลูกข้าวไปปลูกอ้อยโรงงานแทน และหากราคาอ้อยโรงงานเมื่อปีที่แล้วมีแนวโน้มลดลงหรือผลตอบแทนน้อยกว่า เกษตรกรกจ็ ะหนั มาปลกู ขา้ วแทนอ้อยโรงงาน 4) ต้นทุนการผลิตปีท่ีแล้ว ภายใต้ข้อตกลงเบ้ืองต้นว่า หากต้นทุนการผลิตเม่ือปีที่แล้วมีแนวโน้ม ลดลง เกษตรกรจะตดั สินใจขยายเนื้อที่เพาะปลกู เพ่ิมขึ้นเพือ่ เพิ่มการผลติ และได้รับผลตอบแทนที่มากข้ึน และหาก ต้นทุนเมื่อปีที่แล้วมีแนวโน้มเพิ่มขึ้นและไม่คุ้มค่ากับผลตอบแทนที่ได้รับ เกษตรกรก็จะตัดสินใจลดเนื้อท่ีปลูกข้าว และปรับเปล่ยี นไปปลูกพืชอ่นื ท่ีใหผ้ ลตอบแทนท่ีดีกวา่ 5) ปริมาณฝนตก และจำนวนวันฝนตก ภายใต้ข้อตกลงเบ้ืองต้นว่า หากปริมาณน้ำฝนหรือจำนวน วันทฝี่ นตกในปีปจั จบุ ันเพียงพอตอ่ การเพาะปลกู เกษตรกรกอ็ าจจะขยายเน้ือทีเ่ พาะปลกู เพ่ิมขน้ึ 6) ราคาน้ำมันดีเซล ภายใต้ข้อตกลงเบื้องต้นว่า หากราคาน้ำมันดีเซลต่ำลง เกษตรกรจะเพ่ิม ปริมาณการใช้เคร่ืองจักร เครือ่ งยนตใ์ นการเพาะปลูกมากข้ึน เช่น การเตรียมดิน ทำให้มีการขยายเนื้อท่ีเพาะปลูก มากขึ้น เนือ่ งจากมีความสะดวกและรวดเรว็ ขึ้น 7) แนวโน้มเวลา (Time Trend) เป็นตัวแปรอิสระที่กำหนดใหแ้ ทนการเปลย่ี นแปลงของเทคโนโลยี คือ เม่ือระยะเวลาผ่านไป มีผลให้เทคโนโลยีการผลิตเปลี่ยนแปลงไปด้วย ซึ่งอาจจะมีผลทำให้เนื้อท่ีเพาะปลูก เพม่ิ ขึ้น 8) ดัชนีราคาผู้บริโภค และดัชนีราคาผู้ผลิต เป็นตัวแปรอิสระที่สะท้อนภาวะการเจริญเติบโตทาง เศรษฐกิจ โดยทั่วไปจะใส่ไว้ในแบบจำลองเพื่อถ่วงค่า (Deflate) ราคาอ่ืน เพราะขณะที่ราคาพืชผลการเกษตร สูงข้นึ อาจจะเปน็ ภาพลวงตาว่าสินค้าน้นั มรี าคาดขี ึ้น หากคา่ ดชั นรี าคาผูบ้ รโิ ภค และดชั นรี าคาผ้ผู ลิตสูงข้นึ ด้วย

2 1.2 ตัวแปรอสิ ระท่มี คี วามสมั พนั ธก์ บั ตัวแปรตามผลผลิตต่อไร่ปที ่ีพยากรณห์ รือผลผลติ ต่อไร่ปีท่ี t ไดแ้ ก่ 1) ราคาเฉลี่ย ราคาสูงสุด ราคาต่ำสุด ราคา ณ เดือนที่ผลผลิตออกมาก (เดือนพฤศจิกายน) ทเ่ี กษตรกรขายไดใ้ นปีท่แี ล้วหรอื ปีท่ี t-1 ภายใต้ขอ้ ตกลงเบ้ืองต้นว่า ผลผลิตต่อไร่จะเพิ่มข้ึนหรอื ลดลงขน้ึ อยู่กับการ ดูแลเอาใจใส่ของเกษตรกร หากราคาที่เกษตรกรขายได้ในปีท่ีที่แล้วมีแนวโน้มเพ่ิมข้ึนก็จะจูงใจให้เกษตรกรบำรุง ดูแลรักษาดีส่งผลให้ผลผลิตต่อไร่เพ่ิมขึ้น และหากราคาท่ีเกษตรกรขายได้ในปีแล้วมีแนวโน้มลดลง เกษตรกรก็จะ ดูแลเอาใจใส่ลดลงอาจสง่ ผลให้ผลผลิตต่อไรล่ ดลง 2) ดชั นีราคาผบู้ รโิ ภค และดัชนรี าคาผู้ผลิต เป็นตัวแปรอิสระทส่ี ะท้อนภาวะการเจรญิ เติบโตทางเศรษฐกิจ โดยทั่วไปจะใส่ไว้ในแบบจำลองเพื่อถ่วงค่า (Deflate) ราคาอื่น เพราะขณะท่ีราคาพืชผลการเกษตรสูงข้ึน อาจจะ เป็นภาพลวงตาวา่ สินค้าน้ันมีราคาดขี น้ึ หากคา่ ดชั นรี าคาผบู้ รโิ ภค และดัชนรี าคาผ้ผู ลติ สงู ขนึ้ ดว้ ย 3) ต้นทุนการผลิตปีที่พยากรณ์ ภายใต้ข้อตกลงเบ้ืองต้นว่า หากต้นทุนการผลิต เช่น ราคาปุ๋ย ยากำจัด วัชพืช เม่ือปีท่ีพยากรณ์มีแนวโน้มราคาลดลง เกษตรกรสามารถซ้ือปัจจัยดังกล่าว เพื่อไปบำรุงดูแลรักษาต้นข้าว ส่งผลให้ผลผลิตต่อไร่เพ่ิมข้ึน หรือในทางกลับกัน หากแนวโน้มราคาท่ีเกษตรกรขายได้เพิ่มข้ึน เกษตรกรก็อาจมี แรงจูงใจในการเพมิ่ ต้นทนุ การผลติ เพือ่ ให้ไดผ้ ลผลติ ตอ่ ไร่ทเี่ พิม่ ขน้ึ 4) ปริมาณฝนตก และจำนวนวันฝนตก ภายใต้ขอ้ ตกลงเบื้องต้นว่า ปริมาณน้ำฝน จะมผี ลต่อผลผลิตต่อไร่ หากปริมาณนำ้ ฝนในปีใดมีมากสม่ำเสมอ ผลผลิตตอ่ ไร่นา่ จะมีแนวโน้มเพิ่มมากขึ้น และในทางตรงกันขา้ ม เมื่อเกิด ภาวะฝนแล้งและฝนทงิ้ ช่วง จะทำใหไ้ ด้ผลผลติ ลดลง 5) อัตราการใช้เมล็ดพันธ์ุ และการใส่ปุ๋ยปีที่พยากรณ์ ภายใต้ข้อตกลงเบื้องต้นว่า หากมีการใช้เมล็ดพันธ์ุ และการใส่ปยุ๋ เพม่ิ ข้ึน จะสง่ ผลให้ผลผลิตตอ่ ไรเ่ พ่มิ ข้นึ ด้วย 6) ราคาน้ำมันดีเซล ภายใต้ข้อตกลงเบ้ืองต้นว่า ราคาน้ำมันดีเซลต่ำลง เกษตรกรจะเพ่ิมปริมาณการใช้ เครือ่ งจักร เครอ่ื งยนต์ ในการดแู ลรกั ษามากขึน้ สง่ ผลใหผ้ ลผลิตต่อไรเ่ พมิ่ ขึ้นด้วย 7) แนวโน้มเวลา (Time Trend) เป็นตัวแปรอิสระท่ีกำหนดให้แทนการเปล่ียนแปลงของเทคโนโลยี คือ เม่ือระยะเวลาผ่านไป มผี ลใหเ้ ทคโนโลยกี ารผลิตเปลยี่ นแปลงไปด้วย ซึ่งจะมผี ลทำใหผ้ ลผลิตตอ่ ไร่เพิม่ ข้นึ

3 2.กำหนดตวั แปรในแบบจำลอง 2.1 ตัวแปรตาม (Dependent Variable) เป็นตัวแปรทีต่ อ้ งการพยากรณ์ ประกอบด้วย Y1t คอื เนื้อทเ่ี พาะปลกู ข้าวนาปี ปีที่ t Y2t คือ ผลผลิตตอ่ ไร่ขา้ วนาปี ปที ี่ t 2.2 ตัวแปรอิสระ (Independent Variable) เป็นตัวแปรท่ีมีสมมติฐานว่ามีอิทธิพลต่อการเปลี่ยนแปลง ของตวั แปรที่จะทำการพยากรณ์ ซ่งึ ในการศึกษาครัง้ นม้ี ตี ัวแปรอสิ ระ ดังน้ี Lag_Y1 หรือ Y1_1 คอื เนื้อท่เี พาะปลูกข้าวนาปี ปที ่ี t-1 Lag_X1 หรือ X1_1 คือ ราคาข้าวเปลือกเจา้ หอมมะลิ 105 ทีเ่ กษตรกรขายได้ ณ ความชืน้ 15% ปที ่ี t-1 Lag_X2 หรอื X2_1 คอื ราคาสูงสุดข้าวเปลือกเจา้ หอมมะลิ 105 ทเี่ กษตรกรขายได้ ณ ความชืน้ 15% ปีท่ี t-1 Lag_X3 หรอื X3_1 คือ ราคาต่ำสุดของขา้ วเปลือกเจา้ หอมมะลิ 105 ท่ีเกษตรกรขายได้ ณ ความชื้น 15% ปที ่ี t-1 Lag_X4 หรือ X4_1 คอื ราคาขา้ วเปลือกเจา้ หอมมะลิ 105 ท่เี กษตรกรขายได้ ณ ความชน้ื 15% ณ เดือนที่ ผลผลิตออกมามาก ปีท่ี t-1 Lag_X5 หรือ X5_1 คือ ราคาอ้อยโรงงาน ท่ีเกษตรกรขายได้ ปที ่ี t-1 Costt คอื ต้นทนุ การผลิตข้าวขาวดอกมะลิ 105 ภาคตะวนั ออกเฉียงเหนอื ปที ่ี t Seedt คอื อัตราการใช้เมล็ดพันธข์ุ ้าวตอ่ ไร่ของขา้ วนาปี ปีท่ี t Rate_Fert คือ อัตราการใสป่ ุ๋ยต่อเน้ือทเี่ พาะปลูกตอ่ ไรข่ องขา้ วนาปี ปีที่ t Poilt คือ ราคาน้ำมันดเี ซล ปที ี่ t Trendt คอื แนวโนม้ เวลา ปที ่ี t RT5t คือ ปริมาณน้ำฝนสะสมเดอื นเมษายนถึงพฤษภาคม ปที ี่ t RT6t คือ ปริมาณน้ำฝนสะสมเดอื นเมษายนถงึ มถิ นุ ายน ปีที่ t RT7t คอื ปริมาณน้ำฝนสะสมเดือนเมษายนถงึ กรกฎาคม ปีท่ี t RT8t คอื ปริมาณน้ำฝนสะสมเดอื นเมษายนถงึ สิงหาคม ปีที่ t RT9t คอื ปริมาณน้ำฝนสะสมเดือนเมษายนถงึ กนั ยายน ปีท่ี t RT10t คือ ปริมาณนำ้ ฝนสะสมเดอื นเมษายนถงึ ตลุ าคม ปที ี่ t RD5t คอื จำนวนวันฝนตกสะสมเดือนเมษายนถงึ พฤษภาคม ปที ี่ t RD6t คือ จำนวนวันฝนตกสะสมเดือนเมษายนถึงมิถนุ ายน ปีท่ี t RD7t คอื จำนวนวันฝนตกสะสมเดือนเมษายนถงึ กรกฎาคม ปที ่ี t RD8t คือ จำนวนวันฝนตกสะสมเดือนเมษายนถึงสงิ หาคม ปีท่ี t RD9t คอื จำนวนวันฝนตกสะสมเดือนเมษายนถงึ กันยายน ปีท่ี t RD10t คอื จำนวนวันฝนตกสะสมเดือนเมษายนถงึ ตุลาคม ปีท่ี t

4 3. จัดเตรียมขอ้ มลู เพอื่ การพยากรณ์ 3.1 นำข้อมูลตวั แปรอสิ ระและตวั แปรตามทไี่ ด้จากการสืบค้นมาจดั เรยี งตามปีน้อยไปมาก ตัวอย่าง ที่ 3.1 การจัดเตรียมข้อมลู เพอื่ พยากรณ์ผลผลิตขา้ วนาปี ของจงั หวัดอุบลราชธานี 3.2 นำขอ้ มูลเข้าโปรแกรม Gretl 1) เปิดโปรแกรมแลว้ เลอื ก File>Open data>User file จากน้ันค้นหาไฟล์ทจ่ี ะใช้ เลือก ไฟล์ แลว้ กด Open 2) เลือก Sheet ที่เราได้เตรยี มข้อมลู ไว้ แล้วกด OK ข้อมลู ทีเ่ ตรียมไว้ไดน้ ำเขา้ โปรแกรมแลว้ ดังรปู

5 3) หากต้องการแปลงข้อมูลให้อยู่ในรูป log ทำได้ดังน้ี คลิกขวาที่ตัวแปรที่จะทำการแปลงข้อมูล แล้วเลือก Add log ก็จะได้ตวั แปรใหม่ ดังรปู 4. ขนั้ ตอนพยากรณผ์ ลผลติ ข้าวหอมมะลินาปี 4.1 วิเคราะห์ความสัมพันธร์ ะหว่างตวั แปรตามกบั ตวั แปรอสิ ระ ตัวแปรทั้งหมดต้องนำมาศึกษาความสัมพันธ์ระหว่างตวั แปรตามกับตวั แปรอสิ ระ วา่ มีความสัมพันธ์กันหรือไม่ เพ่ือ เป็นการคัดเลือกตัวแปรเข้าไปในแบบจำลอง โดยการทดสอบค่าสัมประสิทธิ์ของสหสัมพันธ์เพียร์สัน (Pearson Product Moment Correlation Coefficient) โดยพจิ ารณาจากการทดสอบสมมตฐิ านดังนี้ H0 : ตวั แปรตามและตวั แปรอิสระไม่มคี วามสัมพนั ธก์ นั ( = 0) H1: ตวั แปรตามและตวั แปรอสิ ระมีความสัมพนั ธ์กัน (  0) ปฏิเสธสมมติฐานหลัก H0 เมอ่ื t  t,n−2 และ t  −t,n−2 หรือ Significance ของสถติ ทิ ดสอบ t   22 โดยจะใชโ้ ปรแกรม Gretl ในการหา Correlation มีวธิ กี ารดงั นี้ 1) หลังจากที่นำข้อมูลเข้าโปรแกรมแล้ว ไปที่ View เลือก Correlation matrix จะได้หน้าต่าง Correlation matrix แลว้ เลือกตวั แปรอิสระทจี่ ะทดสอบ ไปด้านขวามือแลว้ กด OK ดงั รูป

6 2) จะได้ Correlation ของตัวแปรตามกับตัวแปรอิสระ โดยดูจากแถวแรกของแต่ละกลุ่ม ซ่ึงจะเป็น ความสมั พนั ธ์ระหวา่ ง Y1 กบั ตวั แปรอิสระตา่ งๆ จากรูปจะเห็นได้วา่ ตัวแปรตาม Y1 มีความสัมพนั ธก์ ับตวั แปรอิสระ โดยมีค่ามากกว่า 0.5 ได้แก่ Lag_Y1 Lag_X1 Lag_X2 Lag_X3 Lag_X4 Lag_X5 Cost Trend POIL 4.2 การสรา้ งแบบจำลองการพยากรณ์ ในตัวอย่างนจ้ี ะเปน็ การสร้างแบบจำลองการพยากรณ์ เนอ้ื ท่ีเพาะปลูกข้าวหอมมะลิ จังหวัดอุบลราชธานี โดย จะนำตัวแปรตามและตัวแปรอิสระที่มีความสัมพันธ์กัน จากข้อ 4.1 มาสร้างแบบจำลอง ด้วยวิธีการวิเคราะห์การ ถดถอยเชิงพหุ (Multiple Regression Analysis) เพื่อจะทดสอบค่าสัมประสิทธิ์การถดถอยทุกตัวพร้อมกันของแต่ ละแบบจำลอง และตรวจสอบว่าตัวแปรอิสระทุกตัวสามารถอธิบายการผันแปรตัวแปรตามในแต่ละแบบจำลองได้ หรอื ไม่ โดยมีวธิ ีการดงั น้ี 1) จากโปรแกรม Gretl ไปท่ี model> Ordinary Least Square จะได้หน้าต่าง specify model จากนั้นเลอื กตัวแปรตาม และตัวแปรอสิ ระ ที่มีความสัมพนั ธใ์ ส่ช่องด้านขวามือ จากนนั้ กด lags 2) จะได้หน้าตา่ ง lag order โดยตัวแปรราคา X1 – X5 เลือก 1 และทำเครื่องหมายถกู ตรง lags of dependent variable Y1 แลว้ กด OK จะได้ตวั แปรอิสระท่ีอย่ใู น model ดังรูป แลว้ กด OK

7 3) จะไดห้ น้าต่าง model ดังรปู จากขอ้ มลู Model 1 พบว่า แบบจำลองน้ี มีค่า Adjusted R Square 0.902698 หมายความวา่ แบบจำลองน้ีตวั แปรอิสระ สามารถอธบิ ายตัวแปรตาม ได้ถงึ 90.26% F-test มีคา่ Significance F 0.000026 Significant F = 0.000026 < = 0.05 แสดงว่า ปฏเิ สธ H0 ยอมรบั H1 หมายความว่า แบบจำลองนี้ มีค่าพารามเิ ตอรข์ องตวั แปรอิสระบางตัว ไม่ เท่ากบั ศนู ย์ คือ แบบจำลองนีส้ ามารถอธิบายตวั แปรตามทเี่ ราศกึ ษาได้ แต่จากการพิจารณาตัวแปรอิสระแตล่ ะตวั มี 2 ตัวเท่านนั้ คือ X4_1 และ Trend ท่ีสามารถอธบิ ายตวั แปรตามได้ ดังน้ันควรพจิ ารณา แบบจำลองอ่ืน โดยทดงองตัดตวั แปรท่ีมคี ่า P-value สงู ออกทลี ะตัว หรอื เลือกตัวแปรอสิ ระท่ีมีความสัมพันธ์กบั ตัวแปรตามสงู เข้าที ละตัว แล้วทอสอบ Run Regression จนตวั แปรอสิ ระทอี่ ยู่ในแบบจำลองทุก ตวั มคี า่ P-value นอ้ ยกวา่ 0.01 หรอื 0.05 หรือ 0.10 ซ่ึงเปน็ ช่วงทีส่ ามารถ ยอมรบั ความคลาดเคลื่อนได้ ท่ี 1% หรอื 5% หรอื 10% 4) ทำข้อ 1) ใหม่ โดยทดลองเลอื กตวั แปรอิสระท่ีมคี วามสมั พันธก์ บั ตัวแปรตาม และให้ค่า P-value นอ้ ย กวา่ 0.01 หรือ 0.05 หรอื 0.10 ซ่ึงเป็นช่วงท่ีสามารถยอมรับความคลาดเคล่ือนได้ ที่ 1% หรือ5% หรือ 10% จะ ได้ model ดงั นี้

8 จากขอ้ มลู Model 3 พบวา่ แบบจำลองน้ี มีค่า Adjusted R Square 0.921386 หมายความว่า แบบจำลองนี้ตวั แปรอสิ ระ สามารถอธิบายตัวแปรตาม ได้ถงึ 92.13% F-test มคี ่า Significance F 0.0000000071 Significant F = 0.0000000071< = 0.05 แสดงวา่ ปฏิเสธ H0 ยอมรบั H1 หมายความวา่ แบบจำลองน้ี มีคา่ พารามเิ ตอรข์ องตัวแปร อิสระบางตวั ไม่เทา่ กับศนู ย์ คอื แบบจำลองนสี้ ามารถอธบิ ายตวั แปรตามท่ี เราศกึ ษาได้ และเมอื่ พจิ ารณาตวั แปรอสิ ระแตล่ ะตวั มีคา่ P-value นอ้ ยกว่า 0.01 หรอื 0.05 หรอื 0.10 ซ่ึงเป็นชว่ งท่ีสามารถยอมรบั ความคลาดเคลอ่ื นได้ ท่ี 1% หรือ5% หรอื 10% ซึง่ ทุกตวั สมารถอธิบายตัวแปรตามได้ มีค่า Durbin-Watson เทา่ กบั 2.656 สมการของแบบจำลองนคี้ อื เปน็ รูปแบบจำลอง Linear Model Y1= 605,408+ 0.53(Y1_1) −86.82(X3_1) + 77.79(X 4_1) +39,466.8(Trend) 4.3 การตรวจสอบเง่ือนไขของการวิเคราะห์การถดถอยเชงิ พหุ 4.3.1 การตรวจสอบวา่ คา่ ความคลาดเคลอ่ื นเปน็ อิสระกัน หรอื ไม่ โดยใช้สถติ ิทดสอบ Durbin-Watson ขัน้ ตอนท่ี 1 กำหนดสมมติฐาน H0 : คา่ ความคลาดเคล่ือน e i และ e j เปน็ อสิ ระกัน H1: ค่าความคลาดเคลอ่ื น e i และ e j ไม่เปน็ อิสระกัน ยอมรับสมมติฐานหลกั H0 เม่อื ค่า DW เข้าใกล้ 2 หรอื อย่รู ะหว่าง 1.5 - 2.5 ถ้าค่า DW < 1.5 แสดงว่าค่าความสัมพันธ์ของ e i และ e j อยู่ในทิศทางบวก และถ้า DW มีค่าเข้าใกล้ 0 แสดงวา่ e i และ e j มคี วามสมั พันธ์กนั มาก ถ้าค่า DW > 2.5 แสดงว่าค่าความสัมพันธ์ของ e i และ e j อยู่ในทิศทางลบ และถ้า DW มีค่าเข้าใกล้ 4 แสดงว่า e i และ e j มคี วามสมั พันธ์กนั มาก ขั้นตอนที่ 2 สรุปผล จาก Model 3 พบว่าให้ค่า Durbin-Watson เท่ากับ 2.656 น่ันคือ ค่า DW= 2.656 > 2.5 แสดงว่าค่า ความสัมพันธ์ของค่าความคลาดเคลื่อนมีความสัมพันธ์กันมาก ซ่ึงทำให้เกิดปัญหาสหสัมพันธ์ของตัวคลาดเคลื่อน (Autocorrelation) การแก้ไขคือ การแก้ไขคือ เพ่ิมตัวแปรอิสระ เปล่ียนรูปแบบฟังก์ชัน หรือแก้ด้วยวิธี GLS, Cochrane-Orcutt, การใสล่ ำดับของ AR(p), HAC เป็นต้น 4.3.2 การตรวจสอบความสัมพนั ธ์ระหว่างตวั แปรอสิ ระ เปน็ อิสระกันหรือไม่ ซ่งึ การตรวจสอบน้ีจะตรวจสอบเฉพาะการวเิ คราะห์การถดถอยที่มรี ูปแบบเป็น linear โดยใชส้ ถิติ ทดสอบ Variance Inflation Factor (VIF) ข้นั ตอนที่ 1 กำหนดสมมติฐาน H0 : ตวั แปรอิสระ Xi เป็นอสิ ระกันกบั ตัวแปรอิสระอืน่ H1: ตวั แปรอิสระ Xi ไมเ่ ปน็ อิสระกนั กับตัวแปรอสิ ระอืน่

9 ยอมรับสมมติฐานหลัก H0 ถ้าหากค่า Tolerance ของตัวแปรอิสระ Xi เข้าใกล้ 1 แสดงว่าตัวแปรเป็น อิสระจากกัน แตถ่ ้าค่าใกลศ้ นู ย์ แสดงวา่ เกิดปญั หา Multicollinearity คอื ยอมรับสมมตฐิ านรอง H1 สำหรับค่า VIF ถ้ามีค่ามากแสดงว่า ตัวแปรอิสระ Xi มีความสัมพันธ์กับตัวแปรอิสระอ่ืนมาก ถ้าค่า VIF มากกว่า 10 มีหลกั ฐานเก่ยี วกบั ความสมั พนั ธ์ที่มากพอ ตัวแปรอสิ ระ Xi มคี วามสัมพันธก์ บั ตัวแปรอสิ ระอื่น ขั้นตอนท่ี 2 ทำการทดสอบ โดยไปท่ีหนา้ ตา่ ง model ท่ตี ้องการทดสอบ แล้วเลือก Analysis>Collinearity จะได้หนา้ ต่าง Collinearity ดงั รูป จากการทดสอบจะเห็นได้ว่า X3_1 และ X4_1 มีค่า VIF สูงมาก คือ 27.034 ลั 23.991 ตามลำดับ แสดงว่าเกิดปัญหาความสัมพันธ์เชิงเส้นของตัวแปรอิสระ (Multicolliearity) การแก้ไขคือ ตัดตัวแปร อสิ ระ X3_1 หรือ X4_1 ออก แลว้ ทำการสร้างแบบจำลองอกี ครง้ั 4.3.3 การตรวจสอบวา่ คา่ ความแปรปรวนของความคลาดเคลอื่ นมีคา่ คงท่ี หรือไม่ โดยใชส้ ถิติทดสอบของ Breusch-Pagan Test หรือ LM test ขั้นตอนท่ี 1 กำหนดสมมติฐาน H0 : ค่าความแปรปรวนของความคลาดเคล่ือนมีค่าคงท่/ี Homoscedasticity H1: ค่าความแปรปรวนของความคลาดเคลอื่ นมีคา่ ไม่คงท่/ี Heteroscedasticity ยอมรบั สมมติฐานหลกั H0 เมอื่ ค่า p-value มากกว่าหรอื เท่ากับ α0.05 คอื ไม่เกดิ ปัญหา Heteroscedasticity ปฏิเสธสมมติฐานหลัก H0 และยอมรับ H1เม่ือ คา่ p-value น้อยกว่า α0.05 คอื เกดิ ปัญหา Heteroscedasticity ขนั้ ตอนที่ 2 ทำการทดสอบ โดยไปทหี่ นา้ ตา่ ง model ทต่ี อ้ งการทดสอบ แล้วเลอื ก Test> Heteroscedasticity>Breusch-Pagan จะได้หน้าต่าง LM test

10 จากการทดสอบ LM test จะเห็นได้ว่า ค่า p-value เท่ากับ 0.096490 ซึ่ง มากกว่า α0.05 น่ันคือ ไม่เกิดปญั หา Heteroscedasticity หากเกิดปัญหา Heteroscedasticity แก้ไขโดย เพิ่มตัวแปรอิสระ หรือแก้ด้วยวิธี Weighted least squares (WLS) เปน็ ต้น 4.3.4 การตรวจสอบว่าความคลาดเคลอื่ น e มกี ารแจกแจงปกติ หรอื ไม่ โดยใช้สถิตทิ ดสอบ Normality test ขั้นตอนท่ี 1 กำหนดสมมติฐาน H0 : ค่าความคลาดเคล่ือนมีการแจกแจงปกติ H1: คา่ ความคลาดเคลือ่ นไม่ได้มีการแจกแจงปกติ ยอมรับสมมตฐิ านหลกั H0 เม่ือ ค่า p-value มากกวา่ หรอื เท่ากับ α0.05 คอื มีการแจกแจงปกติ ปฏิเสธสมมตฐิ านหลกั H0 และยอมรบั H1เมอื่ ค่า p-value นอ้ ยกว่า α0.05 คือ ไม่ได้มีการแจกแจงปกติ ขนั้ ตอนที่ 2 ทำการทดสอบ โดยไปท่ีหน้าต่าง model ท่ีต้องการทดสอบ แลว้ เลอื ก Test>Normality of residual จะไดห้ นา้ ต่าง residual dist. และ Graph ดังรูป จากการทดสอบ Normality test จะเห็นไดว้ ่า คา่ p-value เท่ากบั 0.38627 ซึง่ มากกว่า α0.05 นน่ั คอื คา่ ความคลาดเคลื่อนมีการแจกแจงปกติ 4.3.5 การตรวจสอบวา่ ค่าเฉลยี่ ของความคลาดเคลอื่ นเป็นศนู ย์ หรือไม่ การประมาณค่าพารามิเตอร์ β1, β2, ..., βk โดยให้ผลบวกกำลังสองของค่าความคลาดเคลื่อนมี คา่ ต่ำที่สดุ จะทำให้ ei = 0 คา่ เฉลย่ี ของความคลาดเคลื่อน = E(e) = ei = 0 = 0 nn ดังนั้น เง่ือนไขข้อนี้ไม่จำเป็นต้องตรวจสอบ เนื่องจากเมื่อใช้วิธีกำลังสองน้อยที่สุด (Least Square) ใน การประมาณค่าพารามเิ ตอร์ β1, β2, ..., βk จะทำให้ E(e) = 0 เสมอ

11 4.3.6 ตัวอยา่ งแบบจำลอง

12 4.4 การพยากรณข์ ้อมลู 4.4.1 สรา้ งแบบจำลองและตรวจสอบเงื่อนไขของการวิเคราะห์การถดถอยเชิงพหุ เป็นรปู แบบจำลอง Double log Model Log(Y1) =12.88+ 0.24Log(X 4_1) + 0.35Log(Trend) −0.43Log(Poil) Adjusted R Square 0.7567 F-test มคี ่า Significance F 0.00000936 1. ค่า DW = 0.85 (มปี ญั หา Autocorrelation) 2. ค่า VIF ตัวแปรอิสระทุกตวั มีค่าตำ่ กว่า 10 แสดงว่า ไม่ เกิดปัญหา Multicolliearity 3. LM test ค่า p-value = 0.6792 ซ่ึง มากกว่า α0.05 นนั่ คอื ไมเ่ กดิ ปัญหา Heteroscedasticity 4. Normality test ค่า p-value เทา่ กบั 0.6299 ซ่งึ มากกวา่ α0.05 นน่ั คือ คา่ e มกี ารแจกแจงปกติ 4.2.2 จากการตรวจสอบเง่ือนไข พบว่าเกิดปัญหา Autocorrelation ดงั น้ันต้องทำการแก้ปัญหาก่อนดงั นี้ 1) หน้าตา่ ง model ไปที่ Edit>Modify model 2) ทำเคร่อื งหมายถูกหนา้ Robust standard error แลว้ กด OK 3) จะเหน็ ไดว้ ่าคา่ Std. error ลดลง เมอ่ื เทยี บกบั ยงั ไม่ได้แก้ไขรปู ด้านบน แต่คา่ พารามิเตอร์ และ DW ยงั เหมอื นเดมิ สามารถดูวิธีแก้ไขปัญหา Autocorrelation หรือแบบอ่ืนๆ ได้ท่ี https://cj007blog.files.wordpress.com/2020/04/01-regression-analysis.pdf จดั ทำโดย ผ้ชู ว่ ยศาสตราจารย์ ดร.เฉลมิ พล จตพุ ร

13 4.2.3 พยากรณ์ข้อมลู 2.2) จะได้หน้าตา่ ง Forecast กด OK 1) จาก หนา้ ตา่ ง model เลอื ก Analysis>Forecasts… 2.3) จะไดห้ น้าตา่ งข้อมลู ท่พี ยากรณ์ 2.4) ข้อมลู ที่พยากรณไ์ ด้คือ Log(Y1)2563 = 14.836743 แต่เราพยากรณค์ ่า Y1 ดังนั้นตอ้ งทำการถอดคา่ Log ออก จะได้ Y12563 = 2,776,615

14 การพยากรณ์ ผลผลติ ต่อไร่ขา้ วหอมมะลนิ าปี (Y2) จังหวัดอบุ ลราชธานี 1. ตรวจสอบความสัมพนั ธ์ระหว่างตัวแปรตามกับตัวแปรอิสระ ตัวแปรอิสระท่ีมีความสัมพนั ธ์กบั ตวั แปรตาม คือ ตัวแปรอิสระ ค่า Correlation Cost 0.6513 Seed 0.7516 Rate_Fer 0.7129 Trend 0.7690 Lag_X1 0.5429 Lag_X2 0.5240 Lag_X3 0.5210 Lag_X4 0.5593 2. สร้างแบบจำลอง สมการท่ีไดค้ อื Y2 = 202.485+3.743(Rate_Fer)+2.229(Trend) Adj R2 = 0.6686 2.1 ตรวจสอบว่าคา่ ความคลาดเคล่ือนเป็นอสิ ระกัน หรือไม่ Durbin-Watson เท่ากับ 2.12 น่ันคือ ค่า DW= 2.12 < 2.5 แสดงวา่ ค่าความสัมพนั ธ์ของคา่ ความ คลาดเคลอื่ นเป็นอิสระกัน ดังน้ันไม่เกิดปัญหา Autocorrelation 2.2 ตรวจสอบความสัมพันธ์ระหวา่ งตวั แปรอสิ ระ เป็นอสิ ระกันหรอื ไม่ จากการทดสอบจะเห็นตัวแปรอิสระ Rate_Fer Trend มีค่า VIF คอื 1.362 1.362 ตามลำดับ มีค่าไม่เกนิ 10 แสดงว่า ไม่เกดิ ปญั หา Multicolliearity

15 2.3 ตรวจสอบว่าค่าความแปรปรวนของความคลาดเคล่ือนมีคา่ คงที่ หรือไม่ จากการทดสอบ LM test จะเห็นได้ว่า ค่า p-value เท่ากับ 0.130336 ซ่ึง มากกว่า α0.05 น่ัน คอื ไม่เกดิ ปญั หา Heteroscedasticity 2.4 ตรวจสอบว่าความคลาดเคลอ่ื นมกี ารแจกแจงปกติ หรือไม่ จากการทดสอบ Normality test จะเห็นได้วา่ ค่า p-value เทา่ กบั 0.03794 ซง่ึ มากกวา่ α0.10 นั่น คอื ค่าความคลาดเคลอ่ื นมกี ารแจกแจงปกติ 3. ค่าพยากรณท์ ่ีไดจ้ ากแบบจำลอง Y2 = 335.04 กโิ ลกรัมต่อไร่