การเปรียบเทียบความคลาดเคลื่อนในการพยากรณ์ ข้อมูลอนุกรมเวลาทางการศึกษาที่คงที่และไม่คงที่จากโมเดลอริมา โมเอลอริมาอินเตอร์เวนชัน และโมเดลการถดถอย

อรุณี หงษ์ศิริวัฒน์

dc.contributor.advisor	สุชาดา บวรกิติวงศ์
dc.contributor.author	อรุณี หงษ์ศิริวัฒน์
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะครุศาสตร์
dc.date.accessioned	2021-02-08T08:05:39Z
dc.date.available	2021-02-08T08:05:39Z
dc.date.issued	2543
dc.identifier.isbn	9741309848
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/72180
dc.description	วิทยานิพนธ์ (ค.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2543	en_US
dc.description.abstract	การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบความคลาดเคลื่อนในการพยากรณ์จากวิธีของบ๊อกซ์และเจนกินส์วิธีของบ๊อกซ์ที่ใช้และเจนกินส์ที่ใช้เทคนิคของโมเดลอริมาอินเตอร์เวนชัน และวิธีการวิเคราะห์การถดถอย ในการพยากรณ์ข้อมูลอนุกรมเวลาทางการศึกษาที่คงที่และไม่คงที่ โดยใช้เกณฑ์ในการเปรียบเทียบจากการวัดความคลาดเคลื่อน 6 วิธี ได้แก่ RM SE , M dAPE , MAPE, GM RAE , MdRAE และ Percent Better ฐานข้อมูลที่ใช้ในการวิจัยครั้งนี้มี 2 ฐาน ฐานแรกคือข้อมูลอนุกรมเวลาจำนวนผู้เข้าใช้บริการในศูนย์บรรณสารสนเทศทางการศึกษา คณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย โดยผู้วิจัยใช้ฐานข้อมูลของเอกภพ ยานะวิมุติ ในปีการศึกษา 2543 และเก็บรวบรวมเพิ่มเติมจากบันทึกสถิติ เป็นชุดของข้อมูลอนุกรมเวลารายเดือนจำนวน 101 ช่วงเวลา ฐานที่สองคือข้อมูลอนุกรมเวลาปริมาณการยืมหนังสือระหว่างห้องสมุดของอาจารย์ นิสิต และบุคลากร ภายนอกคณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย จากศูนย์บรรณสารสนเทศทางการศึกษา คณะครุศาสตร์จุฬาลงกรณ์มหาวิทยาลัย เป็นชุดของข้อมูลอนุกรมเวลารายเดือนจำนวน 101 ช่วงเวลา เครื่องมือที่ใช้ในการวิจัยเป็นแบบบันทึกข้อมูล การวิเคราะห์ข้อมูล ได้แก่ การหาค่าสถิติพื้นฐาน การตรวจสอบการเปลี่ยนแปลงที่แสดงแนวโน้มและการเปลี่ยนแปลงเนื่องจากฤดูกาลโดยการพล๊อตกราฟและการวิเคราะห์การถดถอย การพยากรณ์ด้วยวิธีของบ๊อกซ์และเจนกินส์ วิธีของบ๊อกซ์และเจนกินส์ที่ใช้เทคนิคของโมเดลอริมาอินเตอร์เวนชัน และการวิเคราะห์การถดถอยโดยใช้ตัวแปรดัมมี่ และตรวจสอบผลการพยากรณ์แต่ละวิธีด้วยค่าวัดความคลาดเคลื่อนของการพยากรณ์ 6 ค่า ผลการวิจัยสรุปได้ดังนี้ 1.ข้อมูลอนุกรมเวลาจำนวนผู้เข้าใช้บริการในห้องสมุดมีแนวโน้มควอดราติกและมีการเปลี่ยนแปลงเนื่องจากฤดูกาล โดยมีการรวมโมเดลแบบบวก และข้อมูลอนุกรมเวลาปริมาณการยืมหนังสือระหว่างห้องสมุดมีแนวโน้มเส้นตรงและมีการเปลี่ยนแปลงเนื่องจากฤดูกาล โดยมีการรวมโมเดลแบบคูณ อย่างมีนัยสำคัญทางสถิติที่ระดับ .01 2.ข้อมูลอนุกรมเวลาจำนวนผู้เข้าใช้บริการในห้องสมุด สำหรับการพยากรณ์ด้วยวิธีของบ๊อกซ์และเจนกินส์ให้ค่าวัดความคลาดเคลื่อนจากวิวธี MdAPE และ GMRAE น้อยที่สุด และสำหรับการพยากรณ์ด้วยวิธีของบ๊อกซ์และเจนกินส์ที่ใช้เทคนิคขอองโมเดลอริมาอินเตอร์เวนชันให้ค่าวัดความคลาดเคลื่อนจากวิธี RMSE, MAPE, Md REA และ Percent Better น้อยที่สุด และข้อมูลอนุกรมเวลาปริมาณการยืมหนังสือระหว่างห้องสมุด สำหรับการพยากรณ์ด้วยวิธีของบ๊อกซ์และเจนกินส์ให้ค่าวัดความคลาดเคลื่อนจากวิธี RMSE, MdAPE และ MdRAE น้อยที่สุด และสำหรับการพยากรณ์ด้วยวิธีของบ๊อกซ์และเจนกินส์ที่ใช้เทคนิคของโมเดลอริมาอินเตอร์ชันให้ค่าวัดความคลาดเคลื่อนจากวิธี MAPE, GMRAE และ Percent Better น้อยที่สุด 3.วิธีการพยากรณ์ที่เหมาะสมสำหรับข้อมูลอนุกรมเวลาจำนวนผู้เข้าใช้บริการในห้องสมุด คือ วิธีของบ๊อกซ์และเจนกินส์ที่ใช้เทคนิคของโมเดลอริมาอินเตอร์เวนชัน และสำหรับข้อมูลอนุกรมเวลาปริมาณการยืมหนังสือระหว่างห้องสมุด คือ วิธีของบ๊อกซ์และเจนกินส์ และวิธีของบ๊อกซ์และเจนกินส์ที่ใช้เทคนิคของโมเดลอริมาอินเตอร์เวชัน	en_US
dc.description.abstractalternative	The purpose of this research was to compare the errors among Box – Jenkins method, Box – Jenkins method by using ARIMA Intervention model and Regression method by using dummy variable in forecasting educational time series data with stationary and nonstationary. Six error measures used in this study were RMSE, MAPE, MdAPE, MdRAE, GMRAE, and Percent Better. Two data bases were used in this study. The first was number of visitor in the Educational Information Center, Faculty of Education, Chulalongkorn University collected by AKAPHOP YANAWIMUD in the year 2000 and the researcher continues collecting data from the year 2000 until 2001. The second was number of book borrowing between libraries from the Educational Information Center, Faculty of Education, Chulalongkorn University. The instruments were data recording forms. The data were analyzed using graph and regression analysis to check secular trends and seasonal variations, the applying Box – Jenkins method, Box – Jenkins method by using ARIMA Intervention model and Regression method by using dummy variable to forecast and check for 6 errors. The research findings were as follows : 1.Number of visitor in the Educational Information Center had quadratic trend and seasonal variation with the additive integrated model. And number of book borrowing between libraries had linear trend and seasonal variation with the multiplicative integrated model at .01 significance level. 2.Number of visitor in the Educational Information Center in forecasting with Box – Jenkins method had error measures from MdAPE and GMRAE in minimum and forecasting with Box-Jenkins method by using ARIMA Intervention model had error measures from RMSE, MAPE, MdRAE and Percent Better in minimum. And number of book borrowing between libraries in forecasting with Box – Jenkins method had error measures from RMSE, MdAPE and MdRAE in minimum and forecasting with Box – Jenkins method by using ARIMA Intervention model had error measures from MAPE, GMRAE and Percent Better in minimum. 3.The best method for time series data with number of visitor was Box – Jenkins method by using ARIMA Intervention model. And the best methods for number of book borrowing between libraries were Box – Jenkins method and Box – Jenkins method by using ARIMA Intervention model.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	พยากรณ์	en_US
dc.subject	การวิเคราะห์อนุกรมเวลา	en_US
dc.subject	พยากรณ์แบบบอกซ์-เจนกินส์	en_US
dc.subject	การวิเคราะห์การถดถอย	en_US
dc.subject	การวิเคราะห์ความคลาดเคลื่อน (คณิตศาสตร์)	en_US
dc.title	การเปรียบเทียบความคลาดเคลื่อนในการพยากรณ์ ข้อมูลอนุกรมเวลาทางการศึกษาที่คงที่และไม่คงที่จากโมเดลอริมา โมเอลอริมาอินเตอร์เวนชัน และโมเดลการถดถอย	en_US
dc.title.alternative	A comparison of errors in forecasting educational time series data with stationary and nonstationary data using arima model, arima intervention model and regression model	en_US
dc.type	Thesis	en_US
dc.degree.name	ครุศาสตรมหาบัณฑิต	en_US
dc.degree.level	ปริญญาโท	en_US
dc.degree.discipline	สถิติการศึกษา	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.email.advisor	Suchada.B@Chula.ac.th