FORECASTING MODELS THE NUMBER OF HOUSES IN REGIONAL CENTER 2 AND REGIONAL CENTER 5

Abstract

The objectives of this study were: to determine a forecasting model for the number of houses in Regional Center 2 and Regional Center 5, and to forecast the number of houses in these regions. Data were collected from the monthly population registration statistics of the Bureau of Registration Administration, Department of Provincial Administration, covering the period from January 2018 to December 2024. Three individual forecasting methods were studied: 1)Exponential Smoothing Method, (2) Time Series Regression Analysis, and 3)Box-Jenkins Method. Additionally, four combination forecasting techniques were examined: 1)Simple Average Method or Equivalent Weighted (EW) Method, 2)Combination Forecasting Using Regression Analysis, 3)Combination Method Based on MAPE, and 4)Root Mean Squared Error (RMSE) Weights. The forecasting results were compared using the Mean Absolute Percentage Error (MAPE), with the lowest MAPE value serving as the criterion for selecting the most appropriate model. The analysis results indicated that the most suitable forecasting method for predicting the number of houses in Regional Center 2 and Regional Center 5 was the combination forecasting method using regression analysis, as it yielded the lowest MAPE value.

วัตถุประสงค์ของการศึกษาครั้งนี้ เพื่อหาตัวแบบการพยากรณ์ข้อมูลจำนวนบ้านศูนย์ภูมิภาค 2 และศูนย์ภูมิภาค 5 เพื่อพยากรณ์ข้อมูลจำนวนบ้านศูนย์ภูมิภาค 2 และศูนย์ภูมิภาค 5 เก็บรวบรวมข้อมูลจากสถิติประชากรทางการทะเบียนราษฎร (รายเดือน) สำนักบริหารการทะเบียน กรมการปกครอง เก็บรวบรวมข้อมูลจำนวนบ้านศูนย์ภูมิภาค 2 และศูนย์ภูมิภาค5 ตั้งแต่ เดือนมกราคม พ.ศ. 2561 ถึง เดือนธันวาคม พ.ศ. 2567 จำนวน 2 ชุดข้อมูล ทำการศึกษาวิธีพยากรณ์เดี่ยว 3 วิธี ได้แก่ 1)วิธีการปรับให้เรียบแบบเลขชี้กำลัง (Exponential Smoothing Method) 2)วิธีการวิเคราะห์อนุกรมเวลาด้วยการถดถอย และ 3)วิธีบอกซ์เจนกินส์ (Box – Jankins Method) เทคนิคการพยากรณ์ร่วม 4 วิธี 1)วิธีการให้น้ำหนักที่เท่ากัน (Simple Average Method or Equivalent Weighted method: EW) 2)วิธีการพยากรณ์ร่วมโดยใช้วิธีการวิเคราะห์การถดถอย 3)วิธีรวมแบบอิงค่า MAPE 4)น้ำหนักของค่ารากที่สองของค่าเฉลี่ยกำลังสองของความคลาดเคลื่อน RMSE Weights (Root Mean Squared Error Weights) และนำค่าพยากรณ์ที่ได้มาเปรียบเทียบวิธีการพยากรณ์โดยพิจารณาจากค่าร้อยละของความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Percentage Error) ต่ำที่สุด เป็นเกณฑ์การตัดสินเพื่อหาตัวแบบที่เหมาะสมที่สุด จากผลการวิเคราะห์พบว่า วิธีการพยากรณ์ที่เหมาะสมที่สุดของการพยากรณ์ข้อมูลจำนวนบ้านศูนย์ภูมิภาค 2 และศูนย์ภูมิภาค 5 โดยใช้วิธีการพยากรณ์ร่วม คือ วิธีการวิเคราะห์การถดถอยซึ่งเป็นพยากรณ์ร่วมที่ดีที่สุดกับข้อมูลชุดนี้ เนื่องจากมีค่า MAPE ต่ำสุด