ศูนย์นวัตกรรมเทคโนโลยีหลังการเก็บเกี่ยว

การใช้ Robust Regression ในการทำนายปริมาณการส่งออกกล้วยไม้ตัดดอก

กณิกนันต์ เลียนษี

วิทยานิพนธ์ (วท.ม. (สถิติประยุกต์)) สาขาวิชาสถิติประยุกต์ ภาควิชาคณิตศาสตร์ บัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร, นครปฐม. 2538 . 102 หน้า.

2538

บทคัดย่อ

           งานวิจัยนี้มีวัตถุประสงค์เพื่อนำวิธีการถดถอยเชิงเส้นแบบ Robust มาสร้างตัวแบบทำนายปริมาณส่งออกกล้วยไม้ตัดดอกของไทยไปยังประเทศผู้นำเข้า (Y) โดยมีตัวแปรอิสระคือ ราคาส่งออกกล้วยไม้ตัดดอกของไทยไปยังประเทศผู้นำเข้า (X1) ราคาส่งออกไม้ตัดดอกอื่นๆ ของไทยไปยังประเทศผู้นำเข้า (X2) ผลิตภัณฑ์ประชาชาติเบื้องต้นของประเทศผู้นำเข้า (X3) และตัวแปรตัวหุ้นชี้ถึงฤดูกาลรายไตรมาสของปี โดยให้ D1, D2, D3 เป็นตัวแปรหุ้นชี้ฤดูกาลรายไตรมาสที่ 2, 3, 4 ตามลำดับ โดยเปรียบเทียบกับไตรมาสที่ 1 วิธีที่นำมาใช้คือวิธี Winsorize และวิธี Maximum Likelihood Estimate โดยใช้ t-likehood ข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลปริมาณส่งออกกล้วยไม้ตัดดอกของไทยไปยังประเทศสหพันธ์สาธารณรัฐเยอรมันและประเทศญี่ปุ่น เป็นรายไตรมาสระหว่างปี พ.ศ. 2525-2535 จากกรมศุลกากร ซึ่งจะมีจำนวนค่าสังเกตทั้งหมด 44 ค่า (n=44) ผลการวิเคราะห์สรุปได้ดังนี้ ตัวแบบการถดถอยเชิงปริมาณการส่งออกกล้วยไม้ตัดดอกของไทยไปยังประเทศสหพันธ์สาธารณรัฐเยอรมันที่ได้โดยวิธี Winsorize คือ Y=322506–18.6X1–0.46X2-0.177X3–65503D1–57060D2+288573D3 ค่าประมาณความคลาดเคลื่อนของการทำนาย (S) เท่ากับ 40,995 กิโลกรัม และที่ได้โดยวิธี Maximum Likelihood Estimate โดยใช้ t-likehood คือ Y=302688–13.3X1–0.114X2-0.170X3–69627D1–53598D2+284454D3 ค่าประมาณความคลาดเคลื่อนของการทำนาย (S) เท่ากับ 103,571 กิโลกรัม ตัวแบบการถดถอยของปริมาณการส่งออกกล้วยไม้ตัดดอกของไทยไปยังประเทศญี่ปุ่นที่ได้โดยวิธี Winsorize คือ Y=253749–78.8X1–24.4X2-0.0207X3–263479D1–148240D2+1329206D3 ค่าประมาณความคลาดเคลื่อนของการทำนาย (S) เท่ากับ 159,285 กิโลกรัม และที่ได้โดยวิธี Maximum Likelihood Estimate โดยใช้t-likehood คือ Y=531742–102X1–28.7X2-0.0180X3–235573D1–142856D2+1273985D3 ค่าประมาณความคลาดเคลื่อนของการทำนาย (S) เท่ากับ 316,856 กิโลกรัม ผลการวิจัยสรุปได้ว่าตัวถดถอยที่ได้โดยวิธี Winsorize และวิธี Maximum Likelihood Estimate โดยใช้ t-likehood จะแตกต่างจากวิธีกำลังสองน้อยที่สุดพอสมควร โดยทั้งสองวิธีให้น้ำหนักข้อมูลที่เป็นค่าผิดปกติน้อยกว่าวิธีกำลังสองน้อยที่สุด